餐饮行业有个反复出现的怪现象：门店营业额在涨，老板却在为利润发愁。2023年夏天，一家拥有6家直营门店的连锁面馆找到我，6月和7月营业额同比上涨21%，净利润率却从9.8%降到4.1%。营收涨、利润跌，这是餐饮数据分析里最危险的信号。我带队从点单、出品、损耗、排班四条线拉出12周明细数据，发现了一系列反直觉结论：销量最高的菜正在悄悄拖垮门店，坪效最好的店人效一塌糊涂，而所有门店都在用“平均客单价”掩盖结构性亏损。
这篇文章就把这次真实诊断的完整逻辑拆开给你看，它适用的对象不只是一家面馆，而是所有想知道钱怎么赚、菜怎么做、人怎么排的餐饮经营者。
核心结论：这行的经营分析，九成做反了
在动手拉数据之前，我先给这家面馆做了一个快速财务扫描，印证了一句行业老话：餐饮的利润不是赚出来的，是“省”和“算”出来的。营业额上涨21%，利润反而腰斩，问题的根子不在客流，而在经营结构。
先说结论，方便你带着框架往下看：
第一，不要用平均值做分析，要用结构和分布。平均客单价、平均翻台率、平均人效，这些数字在门店数量少、菜品结构简单时还有参考价值，一旦门店超过3家、SKU超过20个，平均值就会把所有问题稀释成“还行”。这家面馆6家店的平均客单价是43.8元，看着健康，但拆开看，最好的店和最差的店相差23元。
第二，菜品的真实贡献，必须用公式：真实贡献=销售额×毛利率-损耗-人工分摊。销量排名第一的菜，未必是贡献最高的菜，甚至可能是亏钱的菜。因为我们习惯用“卖了多少份”判断菜品好坏，但忽略了生产损耗、备货成本、烹饪时间对人力占用这些隐性支出。
第三，门店诊断，先看利润贡献率，而不是营业额。一个营业额180万的门店，利润贡献可能只有5%；一个营业额90万的门店，利润贡献反而能做到13%。餐饮的门店扩张经常被“营业额”欺骗，等真正结算时才看到差距。
第四，排班错配是利润的隐形杀手。周末多排人、中午高峰期无人可用，这些排班问题直接吃掉10%以上的毛利。但绝大多数餐饮数据报表里，根本没有“时段人时产出比”这个指标。
这家面馆的老板在看完上面的对比后，第一反应是“是不是财务算错了”。但当我们把门店C和门店E的夜间收档数据调出来，他沉默了：门店E的食材报损率是门店B的2.3倍，员工餐消耗也远超标准，分析的第一步，是把视角从“这周卖了多少”切换成“这个店真实赚了多少”。
真实场景：数据现状、数据闭环与第一周发现
那家面馆的数据现状，代表了大部分区域连锁餐饮的真实水平。了解这些背景，你才能判断自己的数据基础是否足够支撑起一套经营分析体系。
数据现状：各店Excel日报，口径混战
6家门店，用的是同一个收银系统，但每家店的数据口径都不一样。门店A的“营业额”含团购券核销，门店B的“营业额”只算实收；门店C的“客单价”用订单数除，门店D却用台位数除入库。更麻烦的是，菜品销量有Excel手工台账和收银系统两套版本，误差在5%-12%之间。这意味着任何直接拉出的报表，都不能直接用于决策，必须先在数据口径层面做一次强制对齐。
做餐饮数据分析的第一步不是建模，而是统一口径。我带队花了一周时间，把6家店的菜品名称、退款规则、折扣计算方式、损耗登记格式全部统一，并在系统中增设了“出品时间戳”和“报损原因码”两个自定义字段。这一步很基础，但它是后面所有判断的地基。
数据闭环：四条线串起一张经营网
我们把数据分成四条线：线上点单数据、出品档口数据、仓储损耗数据、排班考勤数据。四条线必须通过订单号和时段字段咬合。这个过程中最大的阻力来自店长，他们习惯用纸面记录，对“每道菜打戳”有很强的抵触情绪。但两周后，当区域经理能清晰看到每家店晚间8点后热菜销量暴跌的规律时，所有人的配合度都提高了。
这里要强调一个观点：餐饮数据闭环的核心不是采购昂贵的系统，而是让一线员工明白记录数据的好处。一个小型连锁品牌，完全可以用数据库加上低代码工具搭出轻量级数据中台，关键不是技术栈，而是管理流程愿意不愿意为数据做改变。
第一周发现的两个异常
第一周的数据清洗后，两个异常立即浮出水面。第一个异常是门店C的牛肉类菜品销量占比高达47%，但牛肉类原料的月均损耗率是18.7%，远超其他店同品类的6%-8%。第二个异常是门店E的午餐时段成交单量是门店B的1.6倍，但午餐时段的员工人数却只有门店B的80%，出餐高峰人手不足，导致线上差评集中出现“上菜慢”的评论。这两个异常，一个指向菜品结构，一个指向人力排班，刚好呼应了标题中的“菜品分析”和“门店经营”两条主线。
常见的四个误区：为什么大多数分析得出了错误答案
在我服务过的餐饮项目中，以下四个误区出现频率最高，几乎每个规模超过5家店的企业都会中招。把这四个坑说清楚，你再看任何一张餐饮数据报表，都会多一层理解。
误区一：把“销量”当“贡献”
很多人看菜品分析表，自动按销量降序排列，这本身没错，错的是只看销量判断菜品价值。我们看一个典型例子，这家面馆的“麻酱拌面”月销1986份，是所有菜品里的销量冠军，毛利率75%，看起来是个完美产品。但当我们把人工分摊算进去，一份麻酱拌面从煮面、过水、拌酱到出餐，平均需要2.8分钟人工，高峰期更是要占用一个专门档口。对比之下，销量第二的“酸菜鱼面”出餐时间1.9分钟，人工占比更低。
当月度水电燃气分摊到菜品时，麻酱拌面的真实贡献远远落后于销量排名。
菜单分析的第一个原则：销量不等于贡献，毛利不等于净利，出餐时间就是钱。
误区二：只看毛利率，忽略生产损耗率
毛利率是餐饮最常用的指标，但毛利率计算用的是“理论耗料”，不是“实际耗料”。以门店C为例，酸菜鱼面理论毛利率62.3%，看起来不错，但实际损耗率高达12%，这是因为酸菜和鱼的备货量根据经验估算，周末经常预估不足导致加急采购，周一又因为备货过多而倒掉。实际毛利率会跌到50%附近，直接落到盈亏线以下。
合理的菜品毛利率，必须扣除实际损耗后计算，也就是“净毛利率”。我们给这个面馆建立的菜品分析表里，增加了“实操净毛利”一列，所有关于菜品去留的讨论都以此为准。没有考虑损耗的菜品分析，本质上都是账面上的自欺欺人。
餐饮排班最大的问题，是前厅经理习惯按照“今天几个人上班”来排，而不是按照“这个时段预计有多少订单”来排。这家面馆的门店E，工作日午餐时段的订单峰值是每小时112单，实际只安排了5位后厨人员，平均每人每小时要出22单，根本忙不过来。而下午2点到4点的低峰期，却有6个人在岗。我们统计了12天的排班数据，发现低峰时段的人时浪费折算成成本，大约占单店月人力成本的9.6%。这等于每个月白白流失将近10%的人力预算。
专业判断逻辑：菜品和门店应该怎么分析
在拆掉上面四个误区之后，我们建立了一套可复用的判断逻辑。这套逻辑不依赖昂贵的数据产品，一套电子表格就能跑起来，但需要你具备三个维度的思考习惯。
菜品分析：用“量-本-利-损”四维矩阵
菜品是餐饮的最小利润单元，我们给这家面馆构建了一个四维分析矩阵：月销量、理论毛利率、操作损耗率、出餐人工成本率。四个维度合并后，每个菜品会落入四个象限：明星菜（高销量、高净利）、流量菜（高销量、低净利）、利润菜（低销量、高净利）、瘦狗菜（低销量、低净利）。
处理逻辑是：保留明星菜，优化流量菜，培育利润菜，果断淘汰瘦狗菜。但这里的“果断”必须建立在复购数据分析之上，如果一款瘦狗菜拥有极高的老客复购率，那就不能简单淘汰，而要尝试通过原料替换或出餐流程优化来改善毛利结构。
门店经营：交叉看“坪效”“人效”与“品效”
很多餐饮老板喜欢问“平效是多少”，或者“人效是多少”，但单独看一个指标没有任何意义。我们把门店经营拆成三个维度：坪效（营业额÷经营面积）、人效（营业额÷工时）、品效（综合菜品贡献÷菜单SKU数）。拿这家面馆的门店B和门店D来说，两者营业额差距不到10%，但门店D的面积比门店B小20%，坪效更高；门店B的品效比门店D高15%，因为菜单上有更多高毛利招牌菜。
当一个门店出现坪效高但品效低时，说明它靠走量支撑业绩；品效高但坪效低，说明面积使用率不够；两者都低，就要先查排班和出餐流程，而不是急着做营销。这套交叉判断逻辑比只盯营业额更接近经营本质，也是我判断一个店是否值得继续投入资金的核心依据。
菜品的生命周期：用“复购间隔”诊断菜品成长性
餐厅里每道菜都有自己的生命周期，和互联网产品类似。我们不用复杂的算法，只用一个指标：老客复购间隔天数。具体做法是选出过去90天内消费超过3次的顾客，看他们重复点同一道菜的间隔天数。麻辣口味的面通常复购间隔只有7-12天，说明成瘾性强；而清淡口味的面复购间隔普遍超过21天，说明口味忠诚度天然偏低。
复购间隔越短，菜品越具有“流量发动机”特质；复购间隔长且销量高的菜品，才是真正的利润护城河。因为后者通常拥有更高毛利率，且不易产生味觉疲劳。在此基础上，我们再看“流失预警”：如果某道菜的复购间隔在近4周显著拉长，说明后厨出品不稳定或口味调整失败，这时要立刻做盲测品控，而不是只靠降价去挽回。
一次真实的数据诊断：招牌牛肉面到底是不是好菜
现在回到开头的案例。那家连锁面馆的招牌牛肉面是老板最看重的产品，日销1240份，净毛利率68.4%，看上去是无争议的“明星菜”。但在我们做完整条利润链拆解后，发现了一个被所有人忽略的细节。
招牌牛肉面的真实贡献拆解
这道面的表面业绩优秀，但它面临一个不可逃避的问题：牛腱子肉的价格在2023年6月突然上涨17%。老板为了维持畅销，不敢提价；为了控制食材成本，只好增加了筋头巴脑的比例。结果7月份，这道菜在顾客评价里“肉的口感”相关差评环比上升43%，复购间隔从9.5天拉长到13.8天。
我们用拆解公式看这道菜的月度利润贡献，就会发现一个“明星菜正在老化和贬值”的完整过程：
营收没有变，但原料成本上涨10%，相对毛利率下降6%；因出品不稳定导致的折扣/退菜率上升2.1%；人工端因切肉标准化缺失增加了备货工时。三者叠加，这道菜的净贡献率已经从年初的58%下降到现在的44%左右。它不是不赚钱，而是赚钱能力正在快速衰减。如果不做动作，最多再过一个季度，它就会从明星菜滑向流量菜。
行动后六周的数据变化
我们在8月第一周做了一个大胆的决定：把这款招牌牛肉面的“大份”和“加肉”选项暂时下架，同时上线一款新的酸汤肥牛面。表面上这会损失一部分客单价，但这么做有数据支撑：牛肉类菜品在门店的销量占比已经高达42%，属于过度集中。一旦牛肉价格继续上涨或供应链出现问题，整个店的毛利都会崩盘。
接下来六周，我们看到了戏剧性的变化：新版酸汤肥牛面以“酸辣味型”补上了牛肉菜品的味型空白，复购间隔维持在8.7天，比招牌牛肉面最健康时还要好；同时，因为菜单减少了两个牛肉SKU，牛肉类食材的损耗率从12.4%降到7.8%。更关键的是，招牌牛肉面的复购间隔重新回到9.8天，差评率下降22%，因为厨余时间和出品标准更稳定了。
案例给我们的启示是：菜品分析的价值不是找出“哪道菜卖得好”，而是发现“哪道菜的利润正在流失，以及能不能用更健康的菜品替换它”。这种替换逻辑，才是门店经营的日常功课。
午餐与晚餐的菜品结构差异
我们同样按午市与晚市拆分了菜品销量结构。午市以单点面食为主，客单价42元，出餐速度是第一优先级；晚市则以“面+小吃+饮料”的组合居多，客单价能推到59元，顾客对等待时间的容忍度更高。这意味着，一个菜品的午晚市表现理应差异显著。然而这家面馆的菜单分配没有做任何时段规划，结果是晚市缺少“有锅气”的爆炒类小吃，导致客单价始终上不去。
时段维度数据能直接指导菜单排布和推荐动线。午市把出餐快的菜品放显眼位置，晚市把高毛利组合菜品设置为固定推荐。这不只是菜单设计，更是利润结构管理。
不同规模下的行动建议：先把数据用到极致
不同的门店规模和经营阶段，决定了你数据分析的深度和投入。下面按规模拆解行动建议，你会看到，小型店可以只做基础分析，而连锁品牌必须尽早建立统一的数据口径。
单店或小店（月营收低于20万元）
如果你只有一家店，先不要上复杂系统。用一个电子表格，记录每日的菜品销量、实际原料进货量、废弃量、员工工时即可。每周花30分钟，在表格中计算菜品净利率和废弃率。单店阶段，我最建议关注的指标是“实操净毛利”和“员工餐成本”。很多小店根本不统计员工吃了什么，结果每月隐性支出直接吃掉2-3个点净利。
单店的核心任务是找到你的“利润锚点菜”，然后把后厨配方和出餐流程固定下来。这个阶段做数据分析不是看趋势，是为了稳定质量和防止毛利跑冒滴漏。
多店连锁（5-20家店）
这个规模，最需要做的事是统一数据口径和建立菜品标准卡。我们在前面提到的那家面馆就属于这个区间。此时如果还靠各个店长手工报数，系统收集的数据口径不一，任何分析都是空中楼阁。建议在总部层面建立一套菜品主数据表，包含标准食材用量、理论毛利率、操作损耗率、出餐人工成本，并强制要求每个门店在关店前录入当日损耗和退菜原因。
在这个阶段，数据分析的重点从“看单店是否盈利”转向“看所有门店的偏差”。比如同一个菜品，口碑最好的门店和口碑最差的门店相比，食材用量是否存在显著差异，这就是培训的重点。
区域品牌或直营+加盟混合（门店超过30家）
此阶段数据挑战进入高阶：加盟商的配合度、淡旺季区域差异、菜品区域适应性。我的建议是引入定期菜品生命周期评估，按季度输出各区域的菜品健康度排名，并允许区域在菜单框架内保留20%的地方特色菜品。同时，将“菜品分析”和“门店经营”数据连接成一张损益表，直接输出每家店每月的综合利润贡献排名。
门店数越大，你越需要标准化中台；但标准化的同时，要为区域口味留出适度灵活空间。这样才能既保证供应链规模效应，又避免菜品水土不服。
不同情况下的取舍：有些钱不该省，有些也不该花
经营分析最终要落到资源分配上。讲完怎么做，我们再讲明白哪些地方需要做取舍。以下三个取舍点是餐饮经营者最常纠结的决策，我给出自己的判断标准。
我的判断标准是：菜单每增加一个SKU，供应链复杂度上升10%，而客流增长不一定超过3%。把一个门店的菜单从80道菜减到50道，通常能降低8%-12%的食材损耗率，同时减少备货时间。但菜单也不能无限精简，因为顾客需要“选择感”。同类的面馆，最健康的结构是“15道核心菜品+10道季节限定+5道区域特色”。过分精简会削弱顾客的新鲜感和复购理由，这就要求我们利用复购间隔数据做增量菜品的试销验证。
餐饮老板在数据分析上的投入，有三种常见路径：招聘专职数据分析师、购买商业智能工具并让运营兼着做、或找外部顾问做季度驻场。我见过年营收3000万的餐饮品牌，花40万年薪招了分析师，结果数据没分析出来，因为门店的底层数据根本没有采集完整；也见过月营收50万的小店，花了1万块钱让第三方公司做了门店诊断，反而挖出了每月3万元的损耗漏洞。
你的投入节奏应该取决于数据基础：基础数据没打通前，先别招人，先做流程；流程理顺之后，再买工具和配备人员；规模到达30家店，才需要配备全职数据分析团队。很多人跳过了第一步，直接上重型工具，最后给系统养了一堆没人看的数据。
供应链集中与分散之间的取舍
在我们的案例里，牛肉是核心品类，集中采购是必然选择。但菜品分析给了我们一个额外视角：如果牛肉类菜品占比过高，供应链议价能力虽然强，但连锁风险也大。我们建议这家面馆将牛肉类SKU总量控制在菜品的30%-40%，同时开发2-3个鸡肉或鱼肉品类作为弹性供应品类。这样，当牛肉行情波动时，门店可以快速切换主推菜品，而不是被动承受成本压力。
供应链的集中度应该跟着菜品结构走，而不是反过来。如果你发现采购太分散、供应商太多，首先不应该直接砍供应商，而应该先保证菜单结构有主有次，再围绕核心品类集中采购。
结尾：从报表到行动，打通经营分析的最后一公里
回到开头那家面馆。经过12周的数据诊断与调整，它的营业额在随后两个月微降了3%，但净利润率重新回到8.7%，接近去年同期水平。营业额降低了，赚的钱反而多了，这才是数据分析的价值。这个案例指向一个更普遍的经验：餐饮数据永远不是为了做一张漂亮的报表，而是为了回答四个问题：哪些菜该卖，哪些菜该停，哪些店该加人，哪些店该控损。
我的建议很简单：这个月你先别急着引进新系统或增加新菜品。花一周时间整理现有收银数据和损耗记录，把“实操净毛利”和“时段人时产出比”这两个指标算出来，看看结果是否和你此前的直觉一致。如果一致，恭喜你，你的经营感觉很好；如果不一致，说明你的门店很可能也在“增收不增利”的陷阱里，需要尽快做一次系统性的菜品与门店数据体检。数据不会替你决策，但它能让你每一次拍板时，看得更清楚。
我经营门店时曾经把营业额、订单数、客单价和毛利率全部放在同一张日报里，结果每天都在看数据，却很难判断问题出在哪里。后来我把指标拆成“流量、转化、交易、履约、利润”五层，才发现营业额下降并不一定是客流少，也可能是套餐结构或出餐效率出了问题。
餐饮数据分析不建议从“今天卖了多少钱”开始，而应先建立一条经营链路：进店人数决定订单机会，转化率决定成交效率，客单价决定收入规模，毛利率决定收入质量，复购率则决定门店能不能持续增长。我在测试门店日报时，曾遇到过一个典型情况：某店周营业额从12.6万元降到11.8万元，看起来像客流下滑。
进一步拆分后发现，进店人数只下降了2.1%，但套餐转化率从31%降到24%，导致客单价从68元降到61元。真正的问题不是“没人来”，而是“来了以后买得更便宜”。
分析层级核心指标主要回答的问题 流量进店人数、线上曝光、到店人数有没有足够的消费机会 转化下单率、套餐转化率、加购率顾客为什么没有购买更多 交易订单数、客单价、连带率每笔订单贡献多少收入 利润食材成本率、人工成本率、门店贡献毛利收入是否真正带来利润 留存复购率、会员活跃率、沉睡率增长是否具有持续性 我的判断是，门店日常只需要盯住5到8个一级指标，其他数据用于下钻。
指标过多会让店长陷入“报表很完整、动作很模糊”的状态。每个指标还必须绑定动作，例如客单价下降时查看低价商品占比，毛利率下降时追踪高成本菜品和损耗，而不是只在日报上标红。如果刚开始搭建体系，建议先按“门店、日期、时段、渠道、桌台或订单、菜品”六个维度保存原始数据。
后续无论分析午餐时段、外卖渠道，还是某个套餐的盈利能力，都不需要重新人工整理。
我曾经遇到过连续三天营业额下滑的门店，店长第一反应是减少排班和采购量，但第四天恰好遇到商圈活动，订单突然恢复。后来我发现，判断门店问题不能只看日数据，至少要把同比、环比、时段和渠道一起放进来，否则很容易把正常波动误判成经营危机。
判断门店是否真正经营不善，关键不是看某一天的营业额，而是区分“需求变化”“转化变化”和“执行变化”。我通常先看连续4周的同星期数据，再剔除节假日、天气、商圈活动和临时闭店等异常因素。一个实用的诊断顺序是：先看客流，再看订单，再看客单价，最后看利润。
如果客流和订单同步下降，优先检查商圈流量、平台曝光和门店营业状态；如果客流稳定但订单下降，通常是转化、价格或服务体验问题；如果订单稳定但利润下降，则要检查菜品结构、折扣、采购和损耗。
现象可能原因优先验证的数据 客流下降，转化率稳定商圈流量减少或竞品分流进店人数、平台曝光、周边活动 客流稳定，下单率下降价格、排队、服务或产品吸引力变化等位时长、放弃下单数、差评主题 订单稳定，客单价下降低价商品占比提高或套餐失效商品结构、套餐转化、加购率 营业额稳定，利润下降成本上涨、折扣增加或损耗过高毛利率、采购价、报损率、优惠金额 我曾用这一套方法分析过一个连续两周营业额下降约8%的门店。
表面看是生意变差，实际上进店人数仅下降3%，订单数下降4%，主要变化来自外卖渠道折扣增加和高毛利小吃的曝光位置被调整，最终门店贡献毛利下降了11%。如果只看营业额，很可能会错误地继续加大促销。建议给门店设置“预警”和“诊断”两套规则。比如营业额连续3天下降只触发预警；
只有当客流、转化率或贡献毛利连续两周偏离基准，才进入专项诊断。这样既能减少无效干预，也能避免店长因为短期波动频繁改价、换菜单。
我以前按照销量排名淘汰菜品，结果删掉了几道销量一般但能带动饮料和小吃的主菜，之后整体客单价反而下降。后来我把菜品放进“销量、毛利、连带销售、退菜率、制作时长”五个维度里判断，才发现卖得多并不等于值得保留，卖得少也不等于没有价值。
菜品分析不能只看销量或单品毛利，而要看它在整张订单中的角色。一个菜品可能是引流款、利润款、形象款、搭配款，也可能是占用后厨产能却几乎不产生利润的低效款。我更推荐使用“销量贡献”和“毛利贡献”双轴分析。销量贡献可以用单品销量除以总销量计算，毛利贡献则用单品销量乘以单份毛利，再除以全部菜品毛利。
两者同时高的菜品是核心款；销量高但毛利低的菜品，需要优化配方、份量或套餐组合；销量低但毛利高的菜品，则要先检查陈列和推荐，而不是直接下架。
菜品类型典型特征处理建议 核心盈利款销量高、毛利贡献高保证供应，避免频繁降价 引流款销量高、单份毛利低控制成本，并搭配高毛利商品 潜力款销量低、单份毛利高调整图片、位置、话术和套餐 低效款销量低、毛利贡献低检查制作复杂度，必要时下架 举例来说，一道售价29元、单份毛利11元的主食，每月销售900份，毛利贡献为9900元；
另一道售价42元、单份毛利19元的菜，每月只卖280份，毛利贡献为5320元。后者虽然单份毛利更高，但对门店整体利润的贡献并不一定更大。还要把退菜率和制作时长纳入判断。有些菜品毛利看起来不错，但平均制作耗时12分钟、退菜率达到5%，高峰期会拖慢整条出餐链路。
我的经验是，菜品是否保留，最终要看“每分钟后厨产能带来的毛利”，而不是只看菜单上的毛利率。
我参与过一次门店数字化改造，最初花了很多时间做漂亮的仪表盘，但店长每天仍然用手工表格记录缺货、退菜和异常订单，系统数据与现场情况经常对不上。后来我们没有继续堆功能，而是先确定每天、每周、每月分别要做什么决策，报表使用率才真正提升。
餐饮数据系统最容易踩的坑，是先买工具、后想指标，最后得到一套没人愿意使用的报表。更可靠的顺序是先确定经营动作，再确定数据字段，最后选择采集和分析方式。我建议把流程拆成三种节奏。每日只处理需要当天纠偏的问题，例如缺货、异常退菜、出餐超时和折扣失控；每周分析菜品结构、时段表现、渠道质量和人员排班；
每月再讨论菜单调整、采购议价、门店预算和营销投入。不同周期混在一张表里，店长很难知道今天应该先做什么。
周期必看内容对应动作 每日订单、营业额、缺货、退菜、出餐时长补货、调岗、处理异常订单 每周菜品销量、毛利、时段、渠道、复购调整推荐、排班和促销 每月门店贡献毛利、人工、租金、损耗制定预算和经营改进计划 数据字段必须尽量采用统一口径。
例如“订单金额”要明确是否包含配送费和优惠，“毛利”要明确是否扣除平台佣金，“复购”要明确是30天内再次下单，还是自然月内重复消费。我们曾因不同门店对毛利口径理解不同，出现同一菜品毛利率相差近7个百分点的情况，后来才统一为售价减去标准食材成本和实际优惠，不把房租、人工混入单品毛利。
选工具时，我会重点测试四件事：能否导入原始订单、能否按门店和时段下钻、能否保留异常修正记录、能否把分析结果转成负责人和截止时间明确的任务。若只能生成图表，不能形成跟进闭环，数据很容易停留在“看过但没改”的层面。最后建议先用一个月做小范围试运行，只选2家门店和10个核心指标。
观察店长是否能在10分钟内找到异常、是否知道下一步动作、是否能在下周验证结果。能完成这三个动作，比一次性上线几十张报表更能说明方案是否适合实际经营。
读者评论
营业额涨了利润反而掉，这种情况确实很多餐饮老板都遇到过。文章里提到的几个点很实在，尤其是别只看销量和平均客单价，拆开看结构和分布才有意义。门店E那种高峰人手不够、低峰人却很多的情况，我们店也一直有，排班确实该按时段产出算。
数据分析最怕口径不统一，文章里说统一口径花了一周，深有体会。我们以前各门店报表就是各算各的，营业额含不含外卖都说不清。那个菜品四象限和真实贡献公式挺实用，准备拿自家菜单也套着算一遍，看哪些菜实际在亏钱。
最触动我的是“高销量菜品拖垮利润”这个点，卖得多不一定赚得多，损耗和人工分摊太容易被忽略。门店C牛肉损耗率将近19%，说明备货和管理都有问题。文章没有空谈理论，全是实际诊断的思路，尤其排班数据放在一起对比，更清楚钱是怎么没的。