Karamihan sa mga may-ari ng restawran ay gumagawa ng mga desisyon batay sa pakiramdam, anecdotal na feedback, at kung anuman ang iniulat ng kanilang pinaka-mapanghimagsik na server sa huling shift. Ang diskarteng ito ay nagtrabaho nang mabagal na gumagalaw ang industriya ng restawran, ngunit sa isang market na may manipis na margin at mabilis na nagbabagong pag-uugali ng consumer, ang intuisyon nang walang data ay isang pananagutan. Ang analytics ay nagbabago ng paraan ng iyong pagpepresyo ng mga putahe, pag-schedule ng staff, pagpaplano ng imbentaryo, at pagdidisenyo ng iyong menu — lahat ay batay sa kung ano ang talagang nangyayari sa halip na kung ano ang iyong iniisip na nangyayari.
Ano ang Dapat Subaybayan at Bakit
Ang analytics ng restawran ay maaaring maging nakakapraning dahil may daan-daang posibleng metric. Ang susi ay ang pagtuon sa iilan na direktang nagbibigay-alam sa iyong pinaka-mahalagang desisyon. Narito ang mga metric na pinaka-mahalaga, na inayos ayon sa mga desisyon na sinusuportahan nila.
Ang revenue per available seat hour — madalas ay pinaikli sa RevPASH — ay sumusukat kung magkano ang kita na nabubuo ng bawat upuan sa iyong restawran bawat oras ng operasyon. Ang isang metric na ito ay kumukuha ng pinagsanib na epekto ng average na laki ng tseke, table turnover, at occupancy. Ang isang restawran na may 50 upuan na bukas para sa 6 na oras ng hapunan ay may 300 available seat hour. Kung ang kita sa hapunan ay 4,500 dolyar, ang iyong RevPASH ay 15 dolyar. Ang lingguhang pagsubaybay nito ay nagpapakita ng mga trend na hindi nakikita ng mga indibidwal na metric.
Ang profitability ng menu item ay higit pa sa simpleng porsiyento ng gastos sa pagkain. Para sa bawat item, kalkulahin ang contribution margin: ang presyo ng pagbebenta minus ang gastos ng mga sangkap. Ang isang 12-dolyar na salad na may 2 dolyar sa gastos ng pagkain ay nag-aambag ng 10 dolyar bawat order. Ang isang 30-dolyar na steak na may 14 dolyar sa gastos ng pagkain ay nag-aambag ng 16 dolyar. Ang steak ay may mas masamang porsiyento ng gastos sa pagkain (47% kumpara sa 17%) ngunit nag-aambag ng mas maraming ganap na kita. Ang parehong metric ay mahalaga, ngunit ang contribution margin ay nagpapatakbo ng mga desisyon na talagang nagpapabuti ng iyong bottom line.
Ang product mix — o pmix — ay nagpapakita kung anong porsiyento ng kabuuang mga order ang kinakatawan ng bawat menu item. Ang data na ito ay nagkakategorya ng bawat item sa iyong menu sa isa sa apat na quadrant. Ang mga Star ay mga high-margin, high-popularity na item. Panatilihin ang mga ito na prominente at labanan ang pagnanais na baguhin ang mga ito. Ang mga Puzzle ay mga high-margin ngunit low-popularity na item na nangangailangan ng mas mahusay na placement, mga paglalarawan, o visual na promosyon. Ang mga Plow Horse ay mga low-margin ngunit popular na item. Isaalang-alang ang mga pagsasaayos ng bahagi o maliliit na pagtaas ng presyo. Ang mga Dog ay mga low-margin at low-popularity na item. Ito ay mga kandidato para sa pag-alis maliban kung nagsisilbi sila ng isang partikular na strategic na layunin tulad ng pagtuon sa mga dietary restriction.
Pagsubaybay sa Pagganap ng Menu
Ang iyong menu ay ang iyong pangunahing generator ng kita, at ang pagganap nito ay dapat suriin nang may parehong pagiging mahigpit na inilapat ng isang retailer sa espasyo ng istante. Ang mga digital menu ay ginagawang mas madali ito nang kapansin-pansin kaysa sa mga papel na menu dahil maaari silang makakuha ng pag-uugali sa pag-browse kasabay ng data ng pag-order.
Ang view-to-order conversion rate ay sumusukat kung gaano karaming tao ang nakakakita ng menu item ang talagang nag-oorder nito. Kung ang iyong lobster bisque ay nakakakuha ng 200 view bawat linggo ngunit 15 order lamang, ang 7.5 porsiyentong conversion rate ay nagmumungkahi na may pumipigil sa mga diner. Maaaring ang presyo, paglalarawan, kawalan ng larawan, o posisyon nito sa loob ng kategorya. Ihambing ang mga conversion rate sa lahat ng item upang matukoy kung alin ang nangangailangan ng atensyon.
Ang pagganap sa oras ng araw ay nagpapakita kung aling mga item ang nagbebenta sa tanghalian kumpara sa hapunan, mga araw ng trabaho kumpara sa katapusan ng linggo. Ang data na ito ay dapat magbigay-alam hindi lamang sa iyong mga special at promosyon kundi pati na rin sa iyong iskedyul ng paghahanda. Kung ang iyong fish taco ay nagbebenta ng tatlong beses na mas marami sa tanghalian kaysa sa hapunan, ang iyong prep cook ay dapat unahin ang mga component ng taco sa umaga, hindi sa hapon.
Ang mga seasonal trend ay nagiging visible lamang sa sapat na kasaysayan ng data. Pagkatapos ng pagsubaybay ng isang taon, maaari kang mahulaan nang may makatwirang katumpakan kung aling mga item ang mabilis na magbebenta at kung alin ang bababa sa bawat season. Ang predictive capability na ito ay nagbabago ng iyong pagpaplano ng imbentaryo mula reactive patungo sa proactive, nagpapababa ng parehong basura at mga kakulangan.
Pagsusuri ng Oras ng Peak
Ang pag-unawa kung kailan abala ang iyong restawran ay parang obvious, ngunit karamihan sa mga operator ay gumagana mula sa malawak na mga pagpapalagay sa halip na tumpak na data. Ang tunay na pagsusuri ng oras ng peak ay nagtatanggal ng kita at trapiko sa mga 30-minutong o oras-oras na mga incremento, nagpapakita ng mga pattern na hindi nakikita ng mas magaspang na mga view.
Ang isang restawran na itinuturing ang sarili na "abala mula 6 hanggang 9" ay maaaring matuklasan na 85 porsiyento ng mga cover nito ay dumarating sa pagitan ng 6:30 at 7:45, na may matalas na pagbaba pagkatapos ng 8:00. Ang katumpakang ito ay nagbabago ng mga desisyon sa staffing: sa halip na mag-iskedyul ng parehong bilang ng mga server para sa buong window ng hapunan, maaari kang mag-ramp up para sa tunay na peak at mag-scale back habang bumababa ang demand.
Ang peak analysis ay nagbibigay-alam din sa estratehiya ng presyo at promosyon. Kung ang Sabado sa ika-7 ng gabi ay pare-parehong puno na may waitlist habang ang Martes sa ika-6 ng gabi ay kalahating bakante, ikaw ay may pricing power sa Sabado at pangangailangan para sa promosyon sa Martes. Ang presyo ng happy hour, mga early bird special, o mga diskwento para sa industriya ay dapat na naka-target sa iyong pinaka-mabagal na panahon, hindi malawakang inilalapat.
Ang pagsusuri ng kitchen throughput ay nagdadagdag sa front-of-house peak data. Subaybayan kung gaano katagal ang bawat order mula sa pagsusumite hanggang sa pagkumpleto sa iba't ibang panahon. Kung ang iyong average na oras ng tiket ay 18 minuto sa off-peak ngunit umakyat sa 32 minuto sa peak, ikaw ay may bottleneck na nagtatawid ng iyong mga table turn. Ang pagtukoy kung ang bottleneck ay nasa isang partikular na estasyon — tulad ng grill o saute — ay nagpapahintulot sa iyong tugunan ito nang may targeted na staffing o mga pagsasaayos ng paghahanda.
Mga Sales Report at Mga Insight sa Pananalapi
Ang mga pang-araw-araw na sales report ay dapat na higit pa sa isang solong numero ng kita. Ang isang kapaki-pakinabang na pang-araw-araw na ulat ay nagsasama ng kabuuang kita na pinahinto-hinto ayon sa daypart (tanghalian, hapunan, late night), bilang ng mga cover, average na laki ng tseke, mga pinaka-nagtitinda na item, at anumang mga item na naubos. Ang pagsusuri ng data na ito araw-araw ay tumatagal ng limang minuto at nagpapanatili sa iyong koneksyon sa pulso ng iyong restawran.
Ang mga lingguhang buod ay nag-aggregate ng pang-araw-araw na data sa mga trend. Ihambing ang linggong ito sa nakaraang linggo at sa parehong linggo noong nakaraang taon. Maghanap ng mga taon-sa-taon na pattern ng paglago, ang epekto ng panahon sa mga cover, at kung paano nakakaapekto ang mga aktibidad na pang-promosyon sa kita. Ang lingguhang pagsusuri ay kung saan mo nahuhuli ang mga umuusbong na isyu bago sila maging mga problema.
Ang buwanang pagsusuri ng P&L ay nag-uugnay ng iyong operasyonal na data sa mga resulta sa pananalapi. Ang iyong data ng pagganap ng menu ay dapat na mapagkasundo sa iyong aktwal na mga gastos sa pagkain. Kung ang iyong theoretical food cost — na kinakalkula mula sa mga gastos ng recipe at sales mix — ay 28 porsiyento ngunit ang iyong aktwal na food cost ay 34 porsiyento, ang 6-point na agwat ay nagtaturo sa basura, pagnanakaw, mga isyu sa pag-portion, o mga hindi naitala na comp. Tinutulungan ka ng analytics na hanapin at isara ang mga agwat na ito.
Pagpapalit ng Data sa Aksyon
Ang data nang walang aksyon ay ingay lamang. Narito ang isang balangkas para sa pagpapalit ng analytics ng restawran sa mga konkretong pagpapabuti ng operasyon.
Mag-iskedyul ng lingguhang 30-minutong sesyon ng pagsusuri. Kunin ang iyong mga pangunahing metric, suriin ang mga trend ng linggo, at tukuyin ang isa o dalawang partikular na aksyon na dapat gawin. Marahil ang iyong data ay nagpapakita na ang mga benta ng dessert ay bumaba ng 15 porsiyento sa nakalipas na buwan. Ang aksyon ay maaaring pagsasanay ng mga server sa mga mungkahi ng dessert, pagdaragdag ng mga larawan sa seksyon ng dessert ng iyong digital menu, o pagsubok ng isang bagong dessert na naaayon sa mga trending na lasa.
Magsagawa ng mga structured na eksperimento. Kapag gumawa ka ng pagbabago batay sa data, ibalangkas ito bilang isang eksperimento na may tinukoy na timeframe at metric ng tagumpay. "Inilipat namin ang grilled chicken salad sa itaas ng seksyon ng tanghalian. Susukat kami ng dami ng pag-order nito sa loob ng dalawang linggo at ikukumpara sa nakaraang dalawang linggo." Ang disiplinadong diskarteng ito ay pumipigil ng parehong maaga na pagdiriwang at maaga na pag-urong.
Ibahagi ang mga kaugnay na data sa iyong koponan. Ang mga miyembro ng staff sa kusina na makakakita ng kung aling mga item ang pinaka-nagbebenta at kailan ay mas mahusay na nahanda upang pamahalaan ang paghahanda. Ang mga server na nakaalam kung aling mga item ang may pinakamataas na margin ay maaaring gumawa ng mas kumikitang rekomendasyon. Ang transparency sa data ay nagmo-motivate ng pagganap at ginagawang mga kasosyo ng iyong koponan sa pagpapabuti sa halip na mga tagapagsagawa ng mga hindi maliwanag na direktiba.
Mamuhunan sa mga tool na nag-aao-automate ng koleksyon ng data. Ang manu-manong pagsubaybay sa pamamagitan ng mga spreadsheet ay gumagana kapag nagsisimula ka, ngunit hindi ito sumasaklaw at nagpapakilala ng pagkakamali ng tao. Ang mga digital menu platform tulad ng GetFreeMenu ay nagsasama ng built-in na analytics para sa mga view ng menu, pang-araw-araw na sales report, at live sales monitoring na awtomatikong kumukuha ng data at nagpapakita nito sa mga actionable na format. Habang mas kaunting pagsisikap ang kinakailangan upang mangolekta ng data, mas pare-pareho mong talagang gagamitin ito.
Ang Competitive Advantage ng Data
Sa isang industriya kung saan ang average na profit margin ay nag-hover sa pagitan ng 3 at 5 porsiyento, ang maliliit na pagpapabuti ay may malaking epekto. Ang isang 2 porsiyentong pagtaas sa average na laki ng tseke, isang 10 porsiyentong pagbawas sa basura ng pagkain, at isang 5 porsiyentong pagpapabuti sa table turnover ay maaaring magdoble nang sama-sama sa iyong profit margin. Ang mga ito ay hindi hypothetical na mga pakinabang. Ito ang mga dokumentadong resulta ng mga restawran na nakatuon sa paggawa ng desisyon na batay sa data.
Ang mga restawran na uunlad sa mga darating na taon ay yaong tinatrato ang data bilang isang pangunahing kagamitan sa operasyon — hindi isang nice-to-have reporting exercise. Magsimula sa mga metric na pinaka-mahalaga, suriin ang mga ito nang pare-pareho, kumilos sa kung ano ang sinasabi nila sa iyo, at ulitin. Ang data ay nandoon na sa iyong pang-araw-araw na operasyon. Ang tanging tanong ay kung ginagamit mo ito.
