餐饮店报表:外卖运营自查表:排班效率最容易出现的外卖抽佣高
目录

餐饮店报表:外卖运营自查表:排班效率最容易出现的外卖抽佣高 | 九数云-E数通

eshutong 发表于2026年9月4日

外卖账单里最容易被误判的一项,不是平台抽佣率,而是“为了完成外卖订单,门店额外支付了多少无效人力”。我在复盘十几家餐饮门店的月度经营表时发现,有些门店账面抽佣率只有约18%,但把高峰期临时加班、重复备餐、漏单补单、骑手等待和低效排班折算进去,每笔外卖真正承担的渠道与履约成本已经超过销售额的30%。因此,外卖运营自查不能只盯着平台结算单,必须把排班效率、订单结构、活动支出和抽佣放在同一张表里看。

一、先讲核心结论:外卖抽佣高,往往是排班效率低的结果

1. 不要把平台扣款比例等同于外卖真实成本

很多店长看到结算单上的“技术服务费”“配送服务费”“活动服务费”,第一反应是平台抽得太高。但这只是外显扣款,不是完整的外卖获客与履约成本。真正影响利润的成本至少包括平台基础服务费、配送相关费用、商家承担的优惠、流量推广、包装耗材、外卖专职人工、峰值加班以及错漏单带来的补偿。

我建议把外卖成本拆成两层。第一层是订单直接扣款,包括平台结算中已经被扣除的费用;第二层是订单组织成本,包括为维持外卖交付而增加的人员、设备、备餐空间和管理时间。只有两层合并,才能知道一笔订单到底贡献了多少利润。

成本项目通常出现在哪张表容易被忽略的原因建议核算方式
平台基础服务费平台结算单金额清晰,反而容易被过度关注按订单或按实收金额计算
商家承担优惠活动明细、结算单常被误认为是营销费用单独计算商家实际承担部分
外卖专职人工排班表、考勤表、工资表与堂食人员混排,无法归因按外卖高峰工时分摊到订单
错漏单损失售后记录、客服记录金额分散,常被当成偶发事件统计退款、补发、重做和差评补偿
峰值等待成本出餐记录、骑手取餐记录没有直接付款凭证用超时订单、加班工时和损失订单估算

一个实用判断是:如果平台直接扣款率已经接近门店毛利率,问题需要马上处理;如果平台扣款率处于可接受区间,但外卖净贡献仍然很低,通常要优先查排班、菜单和活动,而不是先和平台纠缠费率。

餐饮店报表:外卖运营自查表:排班效率最容易出现的外卖抽佣高

2. 最值得先查的不是总工时,而是“外卖订单对应的有效工时”

总工时高,不一定代表排班错误。外卖门店需要备料、打包、清洁、盘点和处理售后,这些工作都可能是必要的。真正有问题的是:在没有明显订单增长的时段,外卖岗位仍然保持高配置;或者在订单突然集中时,现场没有能够快速切换到打包和出餐的人。

我通常把有效工时定义为:能够直接支持订单完成、并且在对应时段产生业务价值的工时。比如一名打包员在午高峰每小时处理35单,另一名员工同一时段主要等待出餐、找物料和反复确认订单,二者都上了4小时班,但有效产出完全不同。

排班效率的核心,不是把人排得越少越好,而是让每一小时的人力都对应到订单波峰、岗位瓶颈和出餐节奏。

3. 先算外卖单元经济,再决定要不要继续冲单量

外卖订单量增长并不等于经营改善。假设一单顾客实付32元,食材成本11元,包装成本2元,平台及活动扣款7元,订单分摊人工8元,退款与损耗预留1元,最后只剩3元。若为了增加曝光再投入推广费4元,这笔订单实际上已经亏损。

我建议至少建立两个指标:一是外卖订单贡献额,即订单实收减去食材、包装、平台扣款、商家优惠和订单直接人工;二是外卖峰值贡献率,只看高峰时段的订单贡献,用来判断排班与活动是否匹配。后一个指标经常比月度平均值更能暴露问题。

指标计算公式判断用途建议预警线
平台直接扣款率平台扣款及商家承担优惠 ÷ 外卖原始销售额判断结算层面压力连续两周高于门店历史均值3个百分点
订单直接人工外卖相关工时成本 ÷ 有效外卖订单数判断排班是否吃掉利润超过单均毛利的25%时重点复核
外卖订单贡献额订单实收-可变成本-订单分摊人工判断单量增长是否有价值连续三天为负时暂停扩大活动
高峰出餐达成率规定时间内完成出餐订单 ÷ 高峰总订单判断人力是否配置在瓶颈岗位低于90%时查岗位与备料

二、真实场景:为什么同样的抽佣比例,有的店赚钱,有的店越卖越累

1. 午餐高峰的“看似满员”陷阱

我曾经复盘过一家写字楼附近的快餐店。门店11点到13点外卖订单集中,12点左右每15分钟会出现一轮订单峰值。店长的排班逻辑是午餐前把所有人都叫到岗,因此11点到12点现场有8个人,12点到13点仍然有8个人。

表面看,这家店人员并不算少;但实际流程是前台接单、后厨炒制、打包、取餐交接全部由不同人员负责,任何一个环节堵塞,其他人就会等待。12点10分之后,打包台积压订单,后厨已经完成的餐品找不到对应袋子,店长只好临时增加一名员工做二次核对。

通过15分钟粒度的订单和出餐记录,我发现11点到12点的平均每小时订单约42单,12点到13点达到96单,13点之后又迅速降到35单。原排班把大量人力放在了订单尚未形成的时段,却没有给12点至12点30分配置足够的打包和交接能力。

时段平均每小时订单在岗人数单均人工工时主要问题
11:00,12:0042单8人11.4分钟提前到岗,等待时间长
12:00,12:30108单折算小时量8人4.4分钟打包台与交接位拥堵
12:30,13:0084单折算小时量8人5.7分钟错漏单开始增加
13:00,14:0035单7人12分钟高峰后人员撤岗过慢

这家店的直接平台扣款率并不突出,真正拉低利润的是两个问题:高峰前无效等待,以及高峰中打包岗位不足导致的错漏单。调整后,店长没有简单地裁掉人员,而是把两名员工的到岗时间推迟20分钟,并安排一名后厨员工在12点至12点35分转为专职打包。订单量基本不变,但外卖专属人工下降约13%,超时订单减少约四成。

餐饮店报表:外卖运营自查表:排班效率最容易出现的外卖抽佣高

2. 晚餐时段的“低价爆单”陷阱

另一类门店的问题不是排班错位,而是活动把低利润订单推到了最拥堵的时间段。某家社区餐馆在晚餐时段设置低门槛满减,活动上线后订单量增长约31%,但客单价从41元下降到33元。因为低价套餐需要更多配菜和包装动作,实际制作复杂度反而上升。

店里把活动订单和普通订单混在同一条出餐线上,晚高峰时一名员工专门处理活动单,另一名员工负责补料和找包装。结果是活动单越多,非活动单等待越久,差评和退款同步上升。店长当时以为是平台抽佣导致利润下滑,实际上真正的连锁反应是:低价订单降低客单价,复杂包装增加工时,拥堵又制造了补偿成本。

在这种场景下,单独降低平台服务费并不能解决问题。更有效的做法是先限制活动时段、缩短活动菜单、减少高峰期复杂单品,再重新计算每个套餐的有效贡献额。

3. 早餐店的“订单少但人工率更高”陷阱

早餐店常常有另一个误区:认为订单量少,员工就应该少排。实际上,早餐订单在短时间内集中,且单笔金额低,制作动作却不一定少。比如一单豆浆、包子、鸡蛋和粥的组合,订单金额只有18元,但需要拣货、加热、封口、装袋和核对五个动作。

如果门店只用订单数量配置人员,会低估低客单价、多品项订单的处理难度。更合理的做法是统计订单动作数高峰每15分钟订单量。动作数高的订单,即使数量不多,也可能成为打包台的主要瓶颈。

餐饮店报表:外卖运营自查表:排班效率最容易出现的外卖抽佣高

三、最常见的误区:这些表格看起来完整,实际上不能指导决策

1. 误区一:只看平台抽佣率,不看商家实际承担金额

有些结算单会同时展示原价、优惠、平台补贴、商家补贴和最终实收。店长如果用“总扣款÷原价”计算,可能觉得抽佣过高;如果用“总扣款÷实收”计算,又可能把优惠影响重复放大。不同口径会得出完全不同的结论。

我建议在报表中同时保留四个金额:原始销售额、顾客实付、商家实际承担优惠、平台最终扣款。所有比例都写清分母,禁止只写一个“抽佣率”。这一步看似基础,却能避免很多部门争论。

口径适合回答的问题不适合回答的问题
平台扣款 ÷ 原始销售额平台及活动从标价销售中拿走多少门店每收回1元现金实际损失多少
平台扣款 ÷ 顾客实付顾客支付金额中有多少被扣除比较不同活动原价结构
商家承担优惠 ÷ 原始销售额门店为促销让渡了多少收入判断纯平台服务费是否合理
全部渠道成本 ÷ 外卖实收外卖渠道真实成本压力单独评价平台费率政策

2. 误区二:用月度平均订单量排班

月均订单量对财务核算有用,对门店排班却过于粗糙。两家店都可能每天完成300单,但一家订单均匀分布在10小时内,另一家订单集中在午晚两个90分钟窗口。若使用相同排班模板,第二家店必然出现高峰拥堵和非高峰闲置。

排班至少需要拆到小时,最好拆到15分钟。对于订单量较小的门店,可以用过去四周的同星期、同天气和同活动状态进行比较,避免周末、雨天或节假日的异常订单影响判断。

3. 误区三:看到超时就加人,看到闲时就减人

超时不一定是人少,也可能是备料不足、出餐顺序混乱、包装物料不齐、打印标签延迟或某个复杂品类堵住了整条线。直接加人往往会让现场更拥挤,却没有改善真正的瓶颈。

我在现场观察时,会记录一笔订单从接单到取餐的五个时间点:订单进入时间、开始制作时间、制作完成时间、打包完成时间、骑手取餐时间。这样才能区分是后厨慢、打包慢,还是交接慢。

4. 误区四:把所有外卖订单当成同一种订单

外卖订单至少要按套餐类型、制作动作、客单价、是否活动单、是否定制、配送半径和高峰时段进行分层。一个标准双拼饭和一份需要备注忌口、分装、加料的组合餐,对门店的处理消耗完全不同。

如果报表只有“订单数、销售额、平台扣款、人工成本”四列,管理者无法知道究竟是哪类订单拉低利润。建议给菜单增加“标准制作分钟数”和“包装动作数”两个字段,这是连接菜单管理与排班管理的关键。

餐饮店报表:外卖运营自查表:排班效率最容易出现的外卖抽佣高

四、专业判断逻辑:用一张自查表定位到底是哪一环在推高成本

1. 第一步:统一时间、金额和订单口径

外卖自查最常见的失败原因是数据不能对上。平台订单按支付时间统计,门店出餐按完成时间统计,工资按自然月统计,三者直接相除会造成错配。我的做法是先建立一个统一的日级底表,再从日级底表拆分到小时。

底表最少包含以下字段:

  • 营业日期、星期、天气和特殊活动状态。
  • 外卖原始销售额、顾客实付、平台补贴、商家承担优惠和平台实际扣款。
  • 有效订单数、取消订单数、退款订单数、补发订单数和异常订单数。
  • 每小时订单量、每15分钟峰值订单量和平均客单价。
  • 当班人数、外卖相关工时、加班工时和临时调岗工时。
  • 平均出餐时间、超时订单率、骑手等待时间和差评相关订单数。

如果门店暂时没有完整系统,可以先用平台后台导出的订单表、考勤表和纸质排班表手工整理七天。七天未必足够代表整月,但足够发现明显的高峰错位和活动异常。

2. 第二步:计算“每小时每人有效订单数”

这个指标比“人均日订单”更接近现场效率。计算公式是:某时段完成的有效外卖订单数,除以该时段外卖相关实际工时。若一名员工在高峰期同时承担堂食、外卖和清洁任务,就需要按观察比例拆分工时,而不是把整段工时全部归给外卖。

我通常会把门店同岗位、同时间段的结果放在一起比较。比如打包岗每小时处理45至55单通常比较健康,低于30单要查订单复杂度和物料准备,超过70单则要重点观察错漏单和超时率。这个区间不是行业统一标准,而是适合做门店内部基准的起点,必须结合设备、菜单和人员熟练度校准。

3. 第三步:把排班问题分成“人数问题”和“结构问题”

人数问题指总有效工时不足,表现为所有关键岗位都忙不过来,订单积压随着时间扩大。结构问题指总人数并不少,但人没有放在瓶颈岗位,表现为后厨有人等待、打包台拥堵,或者前台不断催单而没人负责交接。

现场表现可能原因验证数据优先动作
订单积压持续增加有效工时不足或核心设备不足每15分钟待制作订单数先补瓶颈岗位,不立即全员加班
后厨完成快,取餐区堆单打包和交接能力不足制作完成到打包完成时长增设打包位,统一取餐顺序
人员很多但超时仍高岗位结构或流程设计错误各环节停留时间、重复动作数调整岗位职责和动线
闲时人工率明显偏高到岗过早、撤岗过晚订单量与在岗人数的时序曲线采用错峰到岗和弹性撤岗
活动后订单多但利润低优惠、复杂度和人工同时上升活动订单贡献额、动作数和工时缩减活动菜单,重算套餐

4. 第四步:用“边际订单贡献”决定是否继续投放

门店不应只看活动带来多少新增订单,还要看新增订单是否带来正贡献。边际订单贡献等于新增订单产生的实收,减去新增食材、包装、平台扣款、活动让利、推广支出和新增人工。

如果新增订单主要发生在门店空闲时段,而且不需要增加人员,那么它的边际贡献可能较高;如果新增订单集中在已经拥堵的高峰,导致加班、补偿和差评,那么即使单笔账面毛利为正,整体也可能不值得继续扩大。

餐饮店报表:外卖运营自查表:排班效率最容易出现的外卖抽佣高

五、具体自查表:每天看异常,每周看结构,每月看决策

1. 每日自查:用十五分钟发现当天的排班偏差

日查不需要复杂模型,关键是足够快。店长每天闭店后只看当日四个时间段:开餐前、午餐峰值、下午低峰、晚餐峰值。把订单波动、在岗人数、出餐速度和异常订单放在一页纸上,找出当天最明显的一次错位。

  1. 记录每小时外卖订单量,并标出最高的两个15分钟区间。
  2. 记录对应时段的实际在岗人数,不使用排班计划人数代替。
  3. 记录制作、打包、交接三个环节的平均耗时。
  4. 统计超时、退款、补发、错漏单和骑手等待订单。
  5. 给当天异常写出一个可验证原因,例如“12点15分打包袋短缺”,不要只写“人员不足”。
日查字段正常参考需要复核的情况
高峰每15分钟订单量波动可预测连续两周出现同一时段突增但排班未调整
高峰在岗人数与订单峰值同步订单低谷人数过多或峰值人数不变
出餐达成率90%以上连续两个统计周期低于90%
骑手等待时间门店历史中位数附近突然上升且集中于某品类或某岗位
错漏单率稳定在门店低位活动上线后明显上升

2. 每周自查:判断问题是偶发,还是排班模型失效

周查要把每天数据放在一起看,重点不是找一个最差日,而是找重复出现的规律。比如每周二午餐高峰都出现打包拥堵,说明是固定流程问题;如果只在下雨天出现,则可能需要天气触发的弹性排班,而不是永久增加人手。

建议每周做一次“同类日对比”。工作日和周末分开,晴天和雨天分开,活动日和非活动日分开。若店铺附近有写字楼、学校或社区,还要把客群结构变化纳入解释,不能用单一平均值覆盖所有场景。

餐饮店报表:外卖运营自查表:排班效率最容易出现的外卖抽佣高

3. 每月自查:把平台结算和门店利润表合并

月度复盘要回答三个决策问题。第一,外卖是否真的贡献了利润;第二,哪些菜单和活动值得保留;第三,下一月应该调整价格、排班还是渠道投入。只看订单量和销售额,无法回答这三个问题。

我建议每月输出一张“外卖经营桥接表”,从原始销售额开始,依次扣除商家优惠、平台直接扣款、食材、包装、订单人工、异常损失和推广支出,最后得到外卖经营贡献。固定房租等共同费用可以另列,不要在前面混入,否则管理者很难识别哪些成本能够被具体动作改变。

月度项目金额示例占原始销售额管理动作
外卖原始销售额300,000元100%作为统一核算起点
商家承担优惠24,000元8%按套餐和时段拆分
平台直接扣款54,000元18%核对费率与结算明细
食材与包装96,000元32%查高损耗和复杂包装
外卖相关人工36,000元12%按高峰和岗位重新排班
异常与推广支出15,000元5%区分可控损失和增长投入
外卖经营贡献75,000元25%再决定是否扩大活动

六、不同情况下怎么行动:先判断门店属于哪一种

1. 情况一:平台扣款高,排班效率也低

这是最需要快速止损的情况。若平台直接扣款率高于门店历史基准,同时外卖人工率、超时率和异常损失也偏高,说明门店正在被双重挤压。此时不建议先继续投放活动,因为活动会把订单推向尚未稳定的履约系统。

行动顺序应当是:

  • 暂停低贡献套餐和高复杂度定制选项。
  • 确认平台结算费率、配送承担和商家优惠是否被正确记录。
  • 把外卖高峰拆成15分钟,重新安排打包、出餐和交接岗位。
  • 连续观察七天,确认超时率和人工率下降后,再讨论活动恢复。

这种情况下的取舍是,短期可能牺牲一部分订单量,但换来正向订单贡献和稳定履约。若门店现金流紧张,我会优先选择少卖低贡献订单,而不是用更多亏损订单掩盖问题

2. 情况二:平台扣款可控,但人工率明显偏高

这通常是排班模型失效,或者菜单工艺不适合外卖。门店可以先观察非高峰在岗人数、高峰岗位分配和每类订单动作数。很多店并不是人太多,而是把熟练员工放在低价值辅助工作上,关键时段又让新员工承担打包核对。

优先动作包括:

  1. 把员工工时按外卖、堂食、备料和清洁拆分。
  2. 找出每小时人工成本最高但订单贡献最低的时段。
  3. 把高峰期岗位改成固定职责,减少频繁换岗。
  4. 把常见套餐预先组合包装物料,减少临时寻找和重复确认。
  5. 用每小时有效订单数而非总订单数评价岗位效率。

取舍在于,固定岗位可能降低员工的多任务灵活性,但在高峰期通常可以减少交接损耗。对于订单波动很大的门店,可采用“核心员工固定岗、兼职员工弹性岗”的组合,避免全员固定化带来的闲时浪费。

3. 情况三:人工率正常,但活动导致净贡献低

这类门店的排班可能没有明显问题,真正的问题是商品和优惠设计。一个活动套餐如果制作步骤多、客单价低、商家承担优惠高,即使员工处理得很快,也可能没有足够利润。

我会把活动订单拆成四类观察:

  • 高客单价、低动作数:通常是最值得保留的活动结构。
  • 高客单价、高动作数:需要确认人工和设备是否承受得住。
  • 低客单价、低动作数:适合在低峰引流,不宜推向最拥堵时段。
  • 低客单价、高动作数:优先考虑下架、改配或提高起送门槛。

取舍是活动的增长速度与订单质量。若门店当前更需要曝光,可以保留低峰期的低价活动;若门店已有稳定流量,应把优惠集中到高贡献套餐,不要用全店普惠方式消耗利润。

4. 情况四:订单量低,但平台扣款和人工率都不算高

这说明问题可能不在成本,而在流量、菜单展示、门店评分、配送范围或复购。此时盲目减员意义有限,因为成本已经不高,关键是找出为什么订单没有进入门店。

可以按以下顺序排查:

  • 曝光量是否足够,还是门店根本没有进入目标顾客视野。
  • 点击率是否偏低,主图、价格、套餐命名和评价内容是否缺乏吸引力。
  • 加购率是否偏低,是否存在起送门槛高、配送费高或菜单复杂的问题。
  • 下单后取消率是否偏高,是否因为缺货、出餐慢或营业状态不稳定。
  • 复购率是否偏低,是否因为口味不稳定、包装渗漏或配送体验差。

这里的取舍是投入节奏。流量不足的店可以做小预算、短周期测试,但必须为每次测试设置订单贡献底线。没有底线的投放,只会把“没人买”变成“花钱买来一些不赚钱的订单”。

餐饮店报表:外卖运营自查表:排班效率最容易出现的外卖抽佣高

七、排班调整的实际做法:不要只改人数,要改岗位和时间

1. 用“波峰前准备、波峰中生产、波峰后收尾”设计班次

外卖排班可以分成三个阶段。波峰前重点是备料、标签、包装和设备检查;波峰中重点是持续生产、打包和交接;波峰后重点是补货、清洁、盘点和复盘。三个阶段需要的技能不同,因此不应让所有员工从上班到下班都承担相同职责。

例如午餐高峰预计在12点至13点出现,打包物料和半成品准备应在11点30分前完成;一名弹性员工可以在11点50分到岗,12点35分后转做补料;而不是让全员11点整到岗并一直待到14点。

阶段关键任务适合岗位排班关注点
波峰前备料、标签、包装和设备检查熟悉备料与清点的员工避免过早集中全员
波峰中制作、打包、复核和交接熟练生产岗、打包岗、交接岗优先补瓶颈岗位
波峰后补货、清洁、盘点和异常复盘弹性岗和收尾岗设置明确撤岗条件

2. 给每个岗位设置可观察的产能指标

岗位指标不应该只写“认真负责”或“提高效率”,而要写成现场能观察的数据。例如打包岗可以记录每小时完成袋数、复核错误数和平均等待时长;制作岗可以记录每小时完成标准套餐数、返工数和缺料导致的等待次数。

指标的目的不是给员工制造压力,而是确定瓶颈位置。如果打包岗每小时只能完成30袋,而制作岗能够完成55份,继续增加制作人员没有意义;如果制作岗只有25份,打包岗位再增加人员也只是等待。

3. 设置“弹性岗”而不是无限加班

弹性岗可以由兼职员工、跨岗员工或店长承担,但必须有触发条件。例如待制作订单超过15单、连续两个15分钟订单量超过历史中位数、或取餐区等待订单超过8单时,弹性岗进入打包位;当待制作订单降到5单以下并持续10分钟后,弹性岗退出。

触发条件要提前写进班前会和排班表,不能依赖店长临场喊人。否则员工会在最忙的时候不知道该做什么,在订单下降后又继续留在岗位上。

餐饮店报表:外卖运营自查表:排班效率最容易出现的外卖抽佣高

八、菜单、活动与排班必须放在一起决策

1. 用标准制作分钟数给菜单分层

我建议把外卖菜单分成快出品、标准出品和复杂出品三层。快出品适合高峰主推,标准出品适合维持丰富度,复杂出品则需要限制售卖时间、设置库存或提高价格。

菜单层级标准制作时间高峰策略典型风险
快出品3分钟以内作为高峰主推和搭配引流同质化高,需要保持口味稳定
标准出品3,7分钟控制比例,避免同时大量涌入备料不足会造成连续等待
复杂出品7分钟以上限制高峰库存或提高起订条件拖慢整条出餐线,增加错漏单

菜单分层并不是简单地把慢菜下架。慢菜可能是门店特色,真正需要做的是让它不在最拥堵的时间段无限量接单,或者把复杂动作前置、标准化、组合化,降低每单的现场处理次数。

2. 活动设计要考虑“每增加一单需要增加多少工时”

一个活动如果只带来销售额,不带来有效贡献,就不适合长期使用。活动审核时,我会增加一个问题:每增加100单,门店需要增加多少人工小时?如果答案是25小时,而每单边际贡献只有1.5元,那么新增收入150元很可能覆盖不了人工和异常成本。

活动还应区分低峰和高峰。低峰活动的价值在于填补闲置产能,高峰活动的价值在于提高客单价或筛选高贡献订单。用同一套满减规则覆盖全天,是很多门店利润被慢慢吃掉的原因。

3. 用“外卖贡献矩阵”决定保留、改造还是下架

把每个套餐放在“订单贡献额”和“制作复杂度”两个维度上,就能形成清晰的处理方案。高贡献、低复杂度的套餐应成为主推;高贡献、高复杂度的套餐要做标准化;低贡献、低复杂度的套餐可以用于低峰引流;低贡献、高复杂度的套餐通常需要下架或重做价格结构。

餐饮店报表:外卖运营自查表:排班效率最容易出现的外卖抽佣高

九、不同规模门店的取舍:不要照搬大店的管理方法

1. 单店小团队:优先做简单可执行的表

小店不需要一开始就做复杂系统。只要把订单按小时统计、把外卖工时单独记录、把异常订单写明原因,通常就能发现大部分排班问题。每天用十分钟复盘,比每月做一份漂亮但没人使用的报表更有价值。

小店的主要取舍是精细度与执行成本。可以暂时不统计每个环节的全部时间,但至少要记录高峰订单量、在岗人数、超时率、商家承担优惠和外卖人工工时。数据少一点没关系,关键是连续记录并保持口径一致。

2. 多门店连锁:优先建立统一口径和异常对标

多门店最怕的不是没有数据,而是每个店用不同方式解释数据。有的店把店长工时全部归到堂食,有的店全部归到外卖;有的店按订单支付日统计,有的店按结算日统计。结果是总部无法判断哪个门店真正效率高。

连锁门店应统一以下规则:

  • 统一销售额、实收、平台扣款和商家优惠的定义。
  • 统一外卖相关工时的归属方式。
  • 统一高峰时段划分,不同商圈可以增加本地化时段。
  • 统一异常订单分类,区分缺货、制作慢、打包错、骑手等待和顾客原因。
  • 统一门店之间的对标指标,避免只比较总销售额。

连锁管理的取舍是标准化与本地适应。总部可以规定报表字段和计算方法,但不应强制所有门店使用相同排班人数。写字楼店、社区店、学校店的订单波峰不同,统一模板只能统一规则,不能统一答案。

3. 高客单价正餐店:重点防止复杂订单拖慢高峰

正餐店的客单价通常更高,但订单备注、分装、餐具、汤汁和菜品组合更复杂。若只看平台扣款率,可能误以为利润很好,实际却因为制作和包装时间过长,导致高峰期接单能力下降。

这类门店可以考虑设置外卖专属组合、减少高峰期定制、优化包装动作,并为高复杂度订单设定更高的贡献底线。不要为了保留菜单完整性,让少量复杂订单影响全部订单的交付速度。

十、工具和报表怎么选:先解决口径问题,再追求自动化

1. 什么时候用表格就够了

如果门店每天外卖订单不超过300单,且只有一个营业点,使用结构清楚的表格完全可以完成第一轮诊断。重点是设置下拉分类、固定公式、锁定口径,并让店长每天填写异常原因。

表格适合以下场景:

  • 刚开始建立外卖成本核算。
  • 需要快速验证排班调整是否有效。
  • 订单来源较少,数据格式比较统一。
  • 门店负责人能够每天查看并采取动作。

2. 什么时候需要系统化工具

当门店出现多平台、多门店、多班次或大量人工调岗时,手工表格容易出现版本混乱、数据延迟和责任不清。此时可以考虑使用某项目管理工具或某项目管理平台,把排班任务、异常处理、复盘结论和责任人统一记录,但工具不能替代经营口径。

我见过一些门店上线系统后,报表数量增加了,决策却没有改善。原因是系统只是把原有混乱的数据更快地汇总出来。真正的自动化前提是:每个字段有明确含义,每类异常有固定分类,每个指标对应具体动作。

3. 一张可直接执行的外卖运营自查表

检查模块每天检查每周检查超标后的动作
抽佣与优惠平台扣款、商家承担优惠按活动和套餐拆解停止重复让利,核对结算口径
排班效率高峰订单与实际在岗人数有效工时和单均人工调整到岗、撤岗和弹性岗
出餐质量出餐达成率、骑手等待按品类看制作耗时重排流程,减少复杂订单
订单贡献异常订单和退款套餐贡献矩阵改价、改配或下架低贡献套餐
流量效果曝光、点击、下单变化活动投入产出设置预算上限和正贡献底线

十一、我会怎样做一次七天外卖自查

1. 第一天:只采集,不急着改

第一天先建立基准,不要因为看到某一项异常就立刻裁人或下架套餐。记录全天订单、实际在岗人数、各环节时间、平台扣款和异常订单。当天的目的,是确保数据能互相对应。

2. 第二至第三天:找出最大的两个瓶颈

把订单按15分钟排列,画出订单波峰,再把人员配置和超时订单叠加进去。通常会发现两个最明显的问题:一个是闲时无效工时,另一个是高峰某个岗位堵塞。不要同时改十个环节,先处理影响最大的两个。

3. 第四天:小范围调整排班和菜单

把一名员工到岗时间前移或后移,把一名跨岗员工设置为弹性岗,同时限制一到两个高复杂度套餐。调整范围要小,这样才能知道结果来自哪个动作。

4. 第五至第六天:看结果而不是看感觉

重点比较五项数据:外卖人工率、每小时有效订单数、高峰超时率、错漏单率和订单贡献额。员工觉得“今天很忙”不等于效率下降,订单量增加也不等于经营变好,最终仍然要回到数据。

5. 第七天:决定保留、回滚还是扩大

如果人工率下降、超时率下降且订单贡献不变或上升,可以保留调整;如果人工率下降但错漏单上升,说明减员过度或岗位结构不合理;如果订单量下降但贡献额上升,要判断门店是否正在淘汰低质量订单。只有连续观察两到四周,才能确认这是不是稳定改善。

餐饮店报表:外卖运营自查表:排班效率最容易出现的外卖抽佣高

十二、常见问题与直接答案

1. 外卖平台抽佣率高于堂食毛利率,是否应该关闭外卖?

不一定。需要先看外卖订单是否带来正的边际贡献,以及是否利用了门店原本闲置的厨房和人员。如果外卖在低峰时段贡献为正,关闭外卖可能让固定成本更难摊薄;如果订单集中在高峰并持续制造亏损和体验问题,就应缩减时段、菜单或活动,而不是简单维持全量接单。

2. 门店订单量增加,为什么外卖利润反而下降?

常见原因包括客单价下降、商家优惠增加、复杂套餐占比上升、峰值加班增加、错漏单增加,以及推广费没有计入订单贡献。建议把新增订单单独核算,不要让新增订单与原有订单混在月度平均值里。

3. 排班人数减少后超时率上升,说明减员失败吗?

要看减少的是哪个时段、哪个岗位。如果减少的是闲时人员,但超时发生在高峰,可能是撤岗时间设计错误;如果减少了打包或交接岗位,说明岗位结构判断有误。不能只看总人数变化,要看每个关键环节的等待时间。

4. 小店没有精确的员工工时,怎么分摊外卖人工?

可以先采用观察法。连续记录三个典型高峰日,估算每个岗位用于外卖的时间比例,再按时薪分摊。虽然不是财务级精确数据,但足以支持排班决策。之后再逐步用打卡、岗位记录或订单时间戳提高精度。

5. 是否应该把高复杂度菜品全部下架?

不应该一刀切。高复杂度菜品可能是品牌特色或高客单价来源。更合理的选择是限制售卖时段、减少定制、优化包装、提前预制或提高价格。只有在复杂度高、贡献低、还持续造成拥堵时,才适合下架。

十三、最后的专业判断:外卖抽佣高只是表象,产能错配才是隐性主因

我对餐饮门店外卖报表的一个核心判断是:不要把外卖当成一个单独的销售渠道,而要把它看成一套会占用厨房产能、打包产能和管理产能的订单系统。平台扣款只是系统中的一个环节,排班效率决定了这些订单能否以合理成本被完成。

当门店发现外卖利润下降时,建议按照“口径,订单,岗位,菜单,活动”的顺序排查。先确认金额和时间口径,再看订单波峰;接着定位岗位瓶颈,随后检查菜单复杂度,最后决定活动是否值得继续。这个顺序可以避免一开始就把所有责任归到平台抽佣上。

下一步可以直接做三件事:连续七天按15分钟记录订单和在岗人数;把平台扣款、商家优惠、包装、食材和外卖人工放进同一张桥接表;挑选一个高峰套餐和一个低峰套餐,分别计算真实订单贡献。七天后,你通常就能判断门店的问题究竟是费率过高、排班错位、菜单复杂,还是活动让利过度。

真正健康的外卖运营,不是追求最低抽佣率,也不是追求最高订单量,而是让每一笔新增订单都能在可承受的产能和成本内完成,并且留下足够的正向贡献。这才是外卖自查表最应该帮助店长做出的决定。

常见问题解答(FAQ)

1. 为什么排班效率会导致外卖抽佣看起来特别高?

我一直以为外卖抽佣高主要是平台费率或活动补贴造成的,直到把门店的排班、订单和营业额放在一起看,才发现同样的费率,在低效排班下会被放大。我想知道,排班到底是怎样一步步把人工成本和抽佣压力同时推高的?

外卖抽佣本身通常按订单金额计算,排班不会直接改变平台费率,但会改变门店的有效产出。当高峰期人手不足、低峰期人手闲置时,门店会出现“高峰接不住、低峰摊不薄”的结构性浪费,最后表现为每单人工成本升高,抽佣占营业额的比例也更刺眼。我建议先看“抽佣后贡献额”,不要只看抽佣金额。

计算方式是:外卖实收金额-平台服务费-配送及活动分摊-食材成本-当班人工。

下面是一组匿名门店连续7天的排班复盘数据: 时段订单数排班工时每工时订单取消/超时率 10:00-11:30286小时4.7单1.8% 11:30-13:3014614小时10.4单7.6% 13:30-17:003113小时2.4单1.2% 17:00-19:3011812小时9.8单6.9% 这家店低峰时段占用了将近一半的工时,但只完成了约10%的订单;

午餐高峰虽然排班人数更多,仍然因出餐拥堵产生超时和取消。表面上看是抽佣率高,实际上是低峰闲工时与高峰损失订单共同压低了单均贡献。判断排班是否拖高经营压力,可以同时追踪三个指标:每工时订单数、峰值时段出餐超时率、抽佣后每单贡献额。

如果抽佣率没有变化,但每工时订单从8单降到5单,问题就不在平台费率,而在排班和产能匹配。

2. 餐饮店如何用报表判断外卖排班是否过量或不足?

我手里的排班表通常只记录谁上班、上几个小时,却无法回答这个班次到底创造了多少订单价值。尤其是午餐和晚餐高峰,店员都在岗却仍然爆单超时,我应该看哪些字段,才能区分是人少、排班错位,还是后厨流程本身有问题?

排班报表不能只统计“出勤人数”,还要把订单波峰、岗位和产出放到同一张表里。最实用的判断单位不是全天,而是30分钟或60分钟,因为外卖高峰往往集中在很短的时间窗口内。建议至少增加以下字段:时间段、有效订单数、取消订单数、超时订单数、前台人数、后厨人数、打包人数、该时段工时、平均出餐时长和抽佣后贡献额。

字段越少,越容易把“缺人”和“流程堵塞”误判成同一个问题。

报表结果更可能的原因排班动作 订单上涨、出餐变慢、后厨工时偏低高峰后厨人手不足将兼职或机动人员前移30-45分钟 订单正常、出餐正常、人工占比升高低峰排班过量采用错峰下班或短班制 人数增加、出餐仍慢、某岗位排队岗位分工或动线堵塞调整备餐、打包和取餐职责 订单下降、抽佣占比上升活动结束或流量结构变化重新核算低客单订单是否值得接 一个很有用的经验阈值是:如果连续3天某时段每工时订单低于高峰均值的35%,同时该时段没有备货、清洁或预制任务,就应优先检查是否排班过量。

反过来,如果超时率连续两天超过5%,不要立即全班加人,先定位是出餐、打包还是取餐口形成瓶颈。最终应把排班目标写成“单位工时完成多少有效订单”,而不是“每天安排多少人”。这样才能看出某个班次是在创造收入,还是只是在等待订单。

3. 外卖抽佣高时,应该先砍排班、提客单价,还是减少平台活动?

我发现有些门店一看到抽佣金额上涨,就直接减少员工或关闭活动,但结果是差评增加、订单下滑,抽佣占比反而更高。我想知道,面对抽佣压力时有没有一个先后顺序,避免把真正的问题误判成成本问题?

我的判断顺序是:先查低效排班,再查订单结构,最后才评估活动和渠道。因为排班是门店内部最容易在一周内调整的变量,而直接减少活动可能损失流量,直接减人则可能损失履约质量。可以先做一个“三种方案敏感性测试”,用过去7天真实数据测算不同动作的结果。

以下为一家日均外卖订单约180单、平均客单价32元的模拟对比: 方案预计订单变化人工变化超时率变化抽佣后日贡献变化 低峰减少2个工时0至-2%-6%基本不变约增加180元 全时段减少1人-8%-11%增加4.5个百分点约减少95元 取消低毛利满减-13%-3%下降0.5个百分点约减少210元 优化套餐提高客单价3元订单基本不变不变不变约增加260元 这个对比说明,全面减人看似节省人工,实际上可能因超时、退款和差评损失更多;

而低峰短时调整通常风险更小。若活动带来的增量订单毛利不足以覆盖平台费、活动分摊和额外人工,就不应只看订单量,而要看每个活动订单的真实贡献。实操时可以采用四步顺序:第一,删除没有明确任务的低峰闲置工时;第二,把高峰前的准备工时前移;第三,检查低客单、低毛利商品是否占用高峰产能;

第四,再决定是否调整活动。每次只改一个变量,连续观察3至7天,否则很难知道结果究竟来自排班、价格还是流量变化。

4. 有没有一张可以每天使用的外卖运营自查表,快速发现抽佣和排班异常?

我不想每天花很长时间做复杂分析,最好用一张表在闭店后十分钟内完成检查。我的疑惑是,哪些指标必须每天看,哪些指标可以每周复盘,以及出现什么数值时应该立即调整第二天的排班?

日常自查表的关键不是指标多,而是每个指标都必须对应一个动作。建议把指标分成“当天预警”和“每周判断”两层,避免店长被大量数字分散注意力。

每天闭店后,可以按下面的顺序填写: 检查项计算方式预警信号次日动作 高峰每工时订单高峰有效订单÷高峰工时连续2天低于目标20%检查是否排班过量或岗位重叠 高峰超时率超时订单÷高峰订单超过5%前移备餐人员,核查出餐瓶颈 低峰闲置工时无订单且无任务工时超过总工时15%改为短班、错峰下班或安排明确任务 抽佣后单均贡献抽佣后贡献额÷有效订单连续3天下降检查低毛利商品和活动订单占比 退款及取消率退款取消单÷总订单超过3%先查履约,不要直接减人 每天只需记录四个时段:早餐、午餐、下午低峰、晚餐。

把当天数据与过去7天同星期均值比较,比与昨天比较更可靠,因为周一和周末的订单结构往往不同。每周复盘时,再增加三个指标:活动订单贡献、商品毛利分布和员工岗位利用率。某个员工工时高不代表效率低,可能承担了备料、清洁等非订单任务;因此必须把“订单生产工时”和“门店基础运营工时”分开记录。

我最建议设置一个“排班调整记录”栏,写清楚调整日期、减少或增加的工时、影响时段以及3天后的结果。这样连续4周后,门店会形成自己的排班基准,而不是每次看到抽佣上涨就凭感觉砍人或加人。

读者评论

覃嘉禾

以前我们也只看平台结算单上的扣款比例,后来把排班、加班和错漏单补偿一起算,才发现真正成本高了不少。文章把“抽佣”和“组织成本”分开看,这个思路对门店复盘比较有用。

孙承宇

用月均订单量排班确实容易失真,尤其是午晚高峰明显的店。按15分钟拆订单和出餐记录虽然麻烦,但能看出到底是人手不足,还是打包、交接环节堵塞,直接加人未必有效。

田舒然

低价活动带来订单增长不一定赚钱,这点比较符合实际。建议再结合不同套餐的退款率、差评率和复购情况观察,否则只算单笔贡献额,可能低估活动对长期经营的影响。

免责申明:本文内容通过AI工具匹配关键字智能整合而成,仅供参考,帆软及九数云不对内容的真实、准确或完整作任何形式的承诺。如有任何问题或意见,您可以通过联系jiushuyun@fanruan.com进行反馈,九数云收到您的反馈后将及时处理并反馈。
咨询方案
咨询方案二维码

扫码咨询方案

热门产品推荐

E数通(九数云BI)是专为电商卖家打造的综合性数据分析平台,提供淘宝数据分析、天猫数据分析、京东数据分析、拼多多数据分析、ERP数据分析、直播数据分析、会员数据分析、财务数据分析等方案。自动化计算销售数据、财务数据、绩效数据、库存数据,帮助卖家全局了解整体情况,决策效率高。

相关内容

查看更多
电商系统开发:电商企业复盘框架:需求评审如何定位预算失控

电商系统开发:电商企业复盘框架:需求评审如何定位预算失控

电商系统开发项目最容易失控的地方,通常不是程序员写错了一行代码,而是需求评审时没有把“业务愿望”翻译成“可计价 […]
电商系统开发:电商企业效率攻略:用技术选型加快明确项目边界

电商系统开发:电商企业效率攻略:用技术选型加快明确项目边界

电商系统开发:电商企业效率攻略:用技术选型加快明确项目边界 电商系统开发最容易被误解的地方,是大家以为效率取决 […]
电商系统开发:电商企业操作手册:安全审计中的数据库设计怎么落地

电商系统开发:电商企业操作手册:安全审计中的数据库设计怎么落地

电商系统开发:电商企业操作手册:安全审计中的数据库设计怎么落地 电商系统开发中,最容易被误判的一件事,是把数据 […]
电商系统开发:电商企业进阶教程:围绕数据安全建立稳定业务接口闭环

电商系统开发:电商企业进阶教程:围绕数据安全建立稳定业务接口闭环

电商系统开发:电商企业进阶教程:围绕数据安全建立稳定业务接口闭环 电商系统开发中,最容易被低估的风险不是页面打 […]
电商系统开发:电商企业问题诊断:持续迭代卡在测试不充分怎么办

电商系统开发:电商企业问题诊断:持续迭代卡在测试不充分怎么办

电商系统开发:电商企业问题诊断:持续迭代卡在测试不充分怎么办 电商系统开发持续迭代卡在测试不充分,通常不是“测 […]

让电商企业精细化运营更简单

整合电商全链路数据,用可视化报表辅助自动化运营

让决策更精准