中篇 | 波士頓矩陣+留存流失貢獻度計算方法幫你優化菜品

新的一周開始了,我們繼續分享中篇的內容,要記得結合上篇的內容一起理解哈!

第三部分

如何通過波士頓矩陣分析砍掉菜單里不受歡迎的菜品

有了單個菜品/套餐的銷售額分析,掌柜們可能已經在心里盤算“砍菜單”了。畢竟不受歡迎的菜色是會“轟客”的,但如何確定這道菜是徹底不受歡迎,還是改進改進能成為“黑馬”呢?

對菜品這種非標準產品,真的很難做出合理判斷,好在我們波士頓矩陣可以輔助分析。

1.什么是波士頓矩陣?

波士頓矩陣被稱作(BCG Matrix),又稱市場增長率-相對市場份額矩陣,波士頓咨詢集團法、四象限分析法等等。

菜品這種非標產品很難獲取到市場占有率,所以一般參考維度我們會使用:銷售量(銷售增長率)、銷售額(銷售額增長率)、銷售利潤(利潤增長率)、利潤率、留存指數或流失指數(偶發明的,下文詳解)、菜品評分等數據,選取其中兩組組成四象限以做指導。

具體選擇,取決于你希望了解什么。

2.如何在BDP上建立波士頓矩陣?

比如,我們在海致BDP里組件一個表格,以菜品平均周銷量環比增長率為縱軸,平均周銷售利潤為橫軸,菜品銷量作為圓圈直徑(圈圈大銷量大、圈圈小銷量小)。我們就能得出以下的矩陣:


這張圖中需要強調的是,“賣的越來越好”和“賣得好”是兩個不一樣的概念,前者是增長率,后者是絕對值。這里就體現出了周環比增率的意義了,通過比較周環比增率(縱軸)的高低,你才能判斷出哪些是潛力股菜品(銷售利潤一般或低,但增率高)、哪些是成熟菜品(銷售利潤高,但銷量增率低)。

3.決定你要砍掉的菜品

前文波士頓矩陣本身的四象限:左上角是問題產品、右上角是明星產品、左下角瘦狗產品、右下角是金牛產品。我們可以很清楚的做出判斷 —— 增長率低、利潤也低的產品就是你要砍掉的菜品。而那些利潤率低,增長率還不錯的菜品,改進一下師父的手藝、包裝、展示之類的因素,很可能能成為下一個明星產品。

第四部分

如何通過用戶購買行為確定菜品是“留客”還是“趕客”

想必每家開了外賣平臺的餐館都很想知道究竟用戶訂餐后有沒有復購? 對本餐館有沒有留下個好印象?畢竟這些用戶沒有真人來店,掌柜無法通過表情判斷客人是否滿意,是否能成為回頭客。

這也是我苦思冥想許久的問題。深入研究后,發現留存流失情況,埋藏在用戶的下訂單的行為上:如果一個用戶反復購買同一道菜,則可以認為這道菜對用戶留存起到了積極作用。

同樣的,我們要考慮用戶已被我們哪一道菜留了下來,又可能因為哪一道菜再被轟走。

以上的因素,都可以幫助我們建立一個簡單的留存/流失算法,以方便我們建立留存流失模型。

1.根據用戶購買行為建立算法

一道菜品究竟是拉來了用戶,還是轟走了用戶,要綜合看留存與流失量。

既:存流失貢獻度 = 留存指數 + 流失指數

菜品留存指數設置為正積分 ,條件是用戶如果反復購買同一道菜品2次以上。

正積分算法:同一個用戶購買同一個菜品2次以上積分一次。2次等于1分,3次等于2分。如此,公式:正積分 = 購買次數 -1

菜品流失指數為負積分,但由于用戶只購買單個菜品一次,可能會出現以下三個場景

1.再也不來我們店,流失(最糟情況);

2.不喜歡這個菜,還點其他菜(不好不壞);

3.未流失,下次還會點(最好)

所以在考慮概率的情況下,設固定值:

-1(轟人一次)/ 3(三種情景)= -0.34

2.建立留存流失模型表

留存流失貢獻度 = 留存指數 + 流失指數

以這個公式來看,一道菜貢獻度為正直代表留存貢獻大,負值代表流失影響大。在BDP上建表,將不同的菜品作為橫軸,留存流失率作為縱軸,我們能得到這樣一個模型。


3.將菜品評分與留存流失模型對比,效驗分析結果是否正確

這樣簡單的模型,能反映出菜品受歡迎還是轟人嗎?一開始,我對這個簡單的模型和假設沒有信心,于是,我將用戶吃完菜后的評星和打分抓取出來,又建立了一個模型做對比。


通過比對,我發現之前的留存流失模型大方向完全準確,現在我們又有了一組數據可以幫忙砍菜單!可能會有人說那我只看美團評分不就得了。在這里我想說兩點

1.新起的商家,用戶未必能愿意給評星,菜品留存流失率反而更好計算。

2.所有的模型都需要互相對比驗證,才能幫助做更準確的決策。

最后一篇我們下周繼續哈,到時候會附上作者的原文PFD文件哦!

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,619評論 6 539
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,155評論 3 425
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 177,635評論 0 382
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,539評論 1 316
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,255評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,646評論 1 326
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,655評論 3 444
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,838評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,399評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,146評論 3 356
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,338評論 1 372
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,893評論 5 363
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,565評論 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,983評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,257評論 1 292
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,059評論 3 397
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,296評論 2 376

推薦閱讀更多精彩內容