컨설팅을 하다 보면 수십 개의 요리가 적힌 아주 긴 메뉴판을 자주 보게 됩니다. 주방의 누구도 그 전부를 완벽하게 파악하지 못합니다. 셰프는 모든 메뉴가 훌륭하고 모든 메뉴에는 그 메뉴를 찾는 손님이 있다고 말합니다. 메뉴 엔지니어링 분석을 해 보면, 소수의 요리가 매출의 대부분을 차지하고 가장 많이 팔리는 요리들 중 상당수가 가장 적은 마진을 남긴다는 것을 발견합니다. 두 배로 일하고 절반을 버는 구조입니다. 저는 43개국의 8.400곳이 넘는 식당에서 이를 확인했으며, 그 패턴은 거의 보편적입니다.
메뉴 엔지니어링은 새로운 개념이 아니지만, 대부분의 식당에서 이를 엄격하게 적용하는 것은 아직 낯선 일입니다. MR 방법론은 이를 실용적이고 실행 가능한 것으로 만듭니다. 각 요리는 두 가지 변수, 즉 공헌 마진(판매가 − 식재료 원가)과 인기도(판매량)에 따라 네 가지 범주로 분류됩니다. 결과는 무엇을 홍보하고, 무엇을 조정하고, 무엇을 재설계하고, 무엇을 삭제할지 정확히 알려 주는 의사결정 지도입니다. 이제 AI는 이 분석을 매주 실시간으로, 사장님 POS 데이터를 기반으로 자동 수행할 수 있습니다.
메뉴 엔지니어링: 한눈에 보는 비교
| 전통적 방식 | Masterestaurant 방식 | |
|---|---|---|
| 메뉴 설계의 기초 | ✕셰프의 취향, 전통, 또는 '늘 해 오던 메뉴' | ✓메뉴 엔지니어링 MR을 활용한 공헌이익 × 인기도 분석 |
| 메뉴 분류 | ✕없음 — 모든 메뉴가 '다 좋다'고 여김 | ✓스타(높은 마진 + 높은 판매), 젖소(낮은 마진 + 높은 판매), 물음표(높은 마진 + 낮은 판매), 개(낮은 마진 + 낮은 판매) |
| 메뉴판 관련 의사결정 | ✕셰프나 오너의 취향에 따른 직관적 판단 | ✓데이터 기반 판단: 스타는 적극 홍보하고, 젖소는 수익성을 높이며, 물음표는 원인을 분석하고, 개는 메뉴에서 제외 |
| 메뉴 규모 | ✕통제 없이 늘어남: 메뉴가 많을수록 다양성이 커지고 판매도 늘어난다고 믿음 (사실이 아님) | ✓회전율이 높은 간결한 메뉴판: 메뉴 수는 줄이고 집중도는 높여 수익성을 키움 |
| 메뉴판 재검토 | ✕1년에 한두 번, '뭔가 안 팔리는 것 같을 때'에만 진행 | ✓판매 데이터를 갱신하며 매월 메뉴 엔지니어링 분석 실시 |
| 분석에 활용하는 AI | ✕없음 | ✓AI가 POS의 데이터를 주 단위로 분석하고 각 메뉴를 자동으로 재분류 |
취향 중심 메뉴판: 셰프 혼자 결정할 때
43개국에 걸쳐 8.400곳이 넘는 레스토랑을 25년간 컨설팅해 오면서, Diego F. Parra는 같은 패턴이 반복되는 것을 확인했습니다. 셰프는 자신이 잘하는 요리, 열정을 쏟는 메뉴, 고객이 가치 있게 여길 것이라고 믿는 요리를 기준으로 메뉴판을 짭니다. 그 결과 수십 개의 품목이 뒤섞인 부풀려진 메뉴판이 만들어지고, 매출의 대부분은 소수의 품목에서 나옵니다. 가장 많이 팔리는 메뉴가 항상 가장 많은 마진을 남기는 것은 아닙니다. 이는 두 배로 일하고 절반을 버는 셈입니다. 감에 의존한 메뉴 구성은 의도의 문제가 아니라 방법론의 문제입니다. 공헌이익과 인기도 같은 마진 지표가 없으면, 식당 운영자는 가장 강력한 자산을 눈을 가린 채 운영하게 됩니다.
메뉴 엔지니어링이 실제로 측정하는 것
메뉴 엔지니어링은 두 가지 변수, 즉 공헌이익(판매가에서 식재료 원가를 뺀 금액)과 인기도(일정 기간의 판매 수량)를 활용해 모든 메뉴를 네 가지 범주로 분류합니다. 공헌이익과 판매량이 모두 높은 메뉴는 스타, 공헌이익은 높지만 판매량이 낮은 메뉴는 물음표, 공헌이익은 낮지만 판매량이 높은 메뉴는 워크호스(함정 메뉴), 두 지표가 모두 낮은 메뉴는 도그입니다. 1982년 Michael Kasavana와 Donald Smith가 대중화한 이 의사결정 매트릭스는 운영자에게 무엇을 홍보하고, 어떤 가격이나 원가율을 조정하고, 무엇을 재설계하고, 무엇을 삭제할지를 정확히 알려 줍니다. 과거의 문제는 실행이었습니다. 80개 메뉴를 수작업으로 분석하면 기간당 4~8시간이 걸렸습니다. 2026년 현재는 POS와 연결된 시스템이 이를 실시간으로 갱신하며, 스프레드시트나 입력 오류도 없앱니다.
도그 메뉴가 남기는 숨은 비용
도그 메뉴를 삭제해도 매출이 줄지 않으며, 오히려 운영의 초점이 모입니다. Masterestaurant 방법론을 적용한 분석에서, Diego F. 메커니즘은 단순합니다. 활성 SKU가 줄어들면 구매가 집중되고, 품목 다양성으로 인한 폐기가 줄고, 재고 회전율이 높아지며, 주방 작업 지시서도 간결해집니다. 메뉴가 방대한 식당은 수백 개의 재료를 활성 상태로 관리하지만, 짧고 잘 선별된 메뉴를 운영하는 식당은 훨씬 적은 재료로 대부분의 매출을 유지합니다. 운영 복잡성은 품질의 지표가 아니라, 조용히 새어 나가는 누수의 원인입니다.
메뉴별 원가율: 가장 쉽게 왜곡되는 지표
메뉴 하나의 원가율은 식재료 원가를 판매가로 나누어 계산합니다. Masterestaurant의 운영 기준은 메뉴당 최대 허용치로 32% 이하이며, 목표치가 아닙니다. 감에 따라 메뉴를 짜는 셰프 대부분은 품목별 실제 원가율을 알지 못하고, 전체 평균에만 의존합니다. 평균은 품목별 편차를 가립니다. 같은 메뉴판에 원가율이 매우 낮은 메뉴와 매우 높은 메뉴가 공존하는 경우가 흔하며, 손익계산서가 맞지 않기 전까지는 보고된 평균이 괜찮아 보입니다. Diego F. Parra는 방법론의 사례로, 객수가 많은 식당에서 함정 메뉴 두세 개가 판매량의 상당 부분을 차지할 때 매일 상당한 마진이 새어 나간다는 점을 계산해 보였습니다. 측정하지 않는 것은 새어 나갑니다.
AI 적용: 월간 분석에서 실시간 신호등까지
인공지능은 메뉴 엔지니어링을 정기적인 분석 작업에서 지속적인 모니터링 시스템으로 바꿉니다. POS와 연결된 AI 모듈은 모든 메뉴의 분류(스타, 물음표, 워크호스, 도그)를 24~48시간마다 수동 개입 없이 다시 계산할 수 있습니다. 석 달 동안 물음표였던 메뉴가 일주일 새 판매가 급증하면, 시스템이 이를 스타 후보로 감지하고, 기회를 놓치기 전에 운영자에게 홍보하거나 메뉴판 내 위치를 조정하라고 알립니다. Masterestaurant 프로그램에 참여한 멕시코와 콜롬비아의 식당에서 이 피드백 사이클을 적용한 결과, 메뉴 기회에 대한 대응 시간이 30일에서 72시간 미만으로 줄었습니다. 이제 의사결정 속도는 측정 가능한 경쟁 우위입니다.
MR가 메뉴 재설계를 구성하는 방식
Masterestaurant는 메뉴 엔지니어링을 네 단계로 적용합니다. 첫째, 데이터 수집: 품목별 실제 원가율과 최근 90일간의 판매량을 확보합니다. 둘째, 식당 자체 기준치를 사용한 네 가지 범주 분류입니다. 업계 평균은 사용하지 않습니다. 원가 구조는 콘셉트, 입지, 객단가에 따라 달라지기 때문입니다. 셋째, 범주별 실행 계획입니다. 스타는 메뉴판과 홍보에서 전면에 내세우고, 물음표는 30일 동안 가격이나 플레이팅을 조정하며 테스트하고, 워크호스는 삭제 전에 원가율을 먼저 최적화하며, 도그는 다음 메뉴판 인쇄 주기에 제외합니다. 넷째, 60일 후 새로운 분류로 결과를 검증합니다. 데이터, 의사결정, 실행, 측정으로 이어지는 이 반복 사이클이 단순히 디자인만 바꾼 메뉴와 실제로 재설계된 메뉴를 구분합니다.
메뉴판 내 위치와 시각적 언어: 원가율 밖에 있는 마진
메뉴 심리학은 가격을 한 푼도 바꾸지 않고도 마진을 높일 수 있습니다. 고객이 어떤 메뉴를 고를지 안내하기 때문입니다. 고객의 시선은 예측 가능한 경로를 따릅니다. 두 페이지짜리 메뉴에서는 처음 시선이 오른쪽 상단 모서리에 머물고, 한 페이지짜리 메뉴에서는 가운데에 머뭅니다. Masterestaurant는 이러한 원리를 재설계에 반영합니다. 스타는 고정 위치(앵커)에 배치하고, 잠재력 있는 물음표는 고가 메뉴 옆에 두어 가치에 대한 인식을 고정하며, 워크호스는 뒤쪽으로 밀어내거나, 주문은 가능하더라도 시각적 메뉴판에서는 뺍니다. 실험실 연구에서는 통화 기호를 없애면 가격에 대한 민감도가 낮아진다는 결과가 있습니다. 모든 레이아웃 결정은 마진을 움직이는 지렛대입니다. 원가율에서는 보이지 않던 것이 하루 마감 시 금전등록기에 나타납니다.
기대 결과: 첫 90일 동안 무엇이 바뀌는가
Masterestaurant의 메뉴 엔지니어링과 AI 모니터링을 함께 적용하는 식당은 몇 달 안에 측정 가능한 성과를 기대할 수 있습니다. 평균 원가율이 낮아지고, 원재료 폐기가 줄어들며, 스타 메뉴가 잘 배치되면 객단가도 높아집니다. Diego F. 메뉴가 지나치게 많은 식당이 이를 잘 분류된 선별 메뉴로 줄이면, 판매가를 올리지 않고도 첫 반기 안에 영업이익이 늘어나는 경우가 많습니다. 메뉴판은 셰프가 쓰고 싶은 목록이 아닙니다. 식당이 가진 가장 강력한 재무 도구입니다. 이를 그렇게 다루는 것이 생존과 성장을 가르는 차이입니다.
메뉴 엔지니어링이 판매를 늘리지 않고도 마진을 높이는 이유
취향 중심 메뉴판과 엔지니어링 메뉴판의 차이는 메뉴판 자체에서는 드러나지 않고, 월말 마진에서 드러납니다. 제가 분석했던 한 레스토랑은 낮은 판매 메뉴 몇 개를 빼자 식재료 폐기가 줄고 전체 마진이 올랐습니다. 판매량이 줄어든 것이 아니라, 더 집중된 방향으로 판매가 이루어진 것입니다. 메뉴 엔지니어링을 제대로 적용하면 바로 이런 결과가 나타납니다. AI는 이 과정을 정기적인 작업에서 지속적인 작업으로 바꾸어 프로세스를 혁신합니다. 메뉴를 월 1회 수작업으로 분석하면 몇 시간이 걸립니다. POS와 연결된 AI 시스템은 모든 메뉴의 분류를 실시간으로 갱신할 수 있습니다. 예를 들어 이번 주에 물음표였던 메뉴의 판매가 급증하면 이미 스타 후보가 된 것이므로, 즉시 마케팅을 그 메뉴로 돌려야 합니다. 이런 의사결정 속도가 트렌드를 포착하느냐, 놓치느냐를 가릅니다.
항목별 비교: 전통 메뉴판(A) vs 메뉴 엔지니어링 Masterestaurant(B)
감과 전통에 따른 메뉴 구성의 문제점
- 스타 메뉴(높은 마진, 높은 판매)에 별도의 홍보를 하지 않으면, 모든 메뉴를 똑같이 대하는 셈이 됩니다
- 개 메뉴(낮은 마진, 낮은 판매)는 식재료, 팀의 관심, 메뉴판 공간을 계속 소모합니다
- 젖소 메뉴(높은 판매, 낮은 마진)는 많이 일하게 만들면서도 남는 수익은 적습니다
- 물음표 메뉴(높은 마진, 낮은 판매)는 노출되지 않아 묻히지만, 실은 다음 스타가 될 수 있는 메뉴입니다
- 메뉴를 바꿀 때마다 데이터가 아닌 주관적 의견에 기대는 도박이 됩니다
메뉴 엔지니어링 MR을 도입하면 달라지는 점
- 모든 메뉴는 스타, 젖소, 물음표, 개 중 하나로 분류되며, 분류마다 다른 전략을 적용합니다
- 스타 메뉴는 메뉴판, SNS, 홀 직원의 추천을 통해 적극적으로 홍보합니다
- 젖소 메뉴는 고객이 느끼는 품질은 지키면서 원가율을 낮추거나, 가격을 단계적으로 올려 최적화합니다
- 물음표 메뉴는 메뉴판 내 위치 조정, 직원 추천, 기간 한정 프로모션 등 전략적으로 노출을 높입니다
- 개 메뉴는 메뉴에서 빼거나 재구성합니다. 메뉴 하나를 빼면 운영, 발주, 재고 부담이 함께 줄어듭니다
중요한 숫자들
“메뉴판에 78개의 메뉴가 있었습니다. MR 분석을 실시한 결과 스타 14개, 젖소 22개, 물음표 18개, 개 24개가 나왔습니다. 개 메뉴 24개를 모두 제거하고, 젖소 메뉴의 원가를 최적화했으며, 스타 메뉴를 적극적으로 홍보했습니다. 두 달 만에 테이블 판매를 늘리지 않고도 마진이 6%p 상승했습니다. 핵심은 메뉴판에 있어서는 안 될 메뉴가 무엇인지 찾아낸 데 있었습니다.”
가상의 사례로 예시 목적으로 구성되었습니다. 사례의 이름과 수치는 실제 사업체를 나타내지 않으며 업계 데이터가 아닙니다.
이번 주에 MR 메뉴 엔지니어링을 적용하는 방법
메뉴별로 필요한 숫자는 두 가지입니다. 판매된 수량(인기도)과 메뉴 하나가 남기는 공헌이익(판매가 − 식재료원가)입니다. 식재료원가가 계산되어 있지 않다면 이것이 반드시 선행되어야 할 단계입니다. 데이터가 없으면 엔지니어링이 아니라 의견만 남습니다.
공헌이익 = 판매가 − 식재료원가(금액 기준)입니다. 식재료원가율(%)과 혼동하지 마십시오. 예를 들어 판매가가 높고 식재료원가가 방법론이 정한 상한선 안에 있는 메뉴는 금액 기준으로 매출에 남는 이익이 상당합니다. 반면 판매가가 낮고 원가가 적절히 관리되는 메뉴는 원가율이 좋아 보여도 한 그릇당 남기는 돈은 적습니다. 비율보다 절대 금액의 마진이 더 중요합니다.
메뉴 전체의 평균 마진과 평균 인기도로 기준선 두 개를 그으십시오. 높은 마진 + 높은 인기도 = 스타. 낮은 마진 + 높은 인기도 = 젖소. 높은 마진 + 낮은 인기도 = 물음표. 낮은 마진 + 낮은 인기도 = 개. 이것이 메뉴 의사결정의 지도입니다.
POS 데이터를 MR 시스템에 연결하면, AI가 모든 메뉴의 분류를 주 단위로 다시 계산합니다. 물음표 메뉴의 판매가 늘고 있으면(스타로 올라설 기회) 알려 주고, 스타 메뉴가 원재료비 상승으로 마진이 떨어지면 알려 주며, 젖소 메뉴가 운영 자원을 소모하면서 수익을 내지 못하면 알려 줍니다.
인공지능으로는 어떨까요?
가장 많이 팔리는 메뉴의 엔지니어링, 설명 및 사진을 최적화합니다. Diego F. Parra 은(는) 외식업 분야 AI 활용 전문가입니다.
Masterestaurant의 도구로 직접 실행하십시오
Masterestaurant에는 메뉴 분석 시스템이 갖추어져 있어, 이런 분석을 해 본 적이 없더라도 처음부터 메뉴 엔지니어링을 도입할 수 있습니다.
레스토랑 메뉴 엔지니어링에 관한 자주 묻는 질문
메뉴 엔지니어링이 적용된 메뉴판이란 무엇이며, 감에 의존한 메뉴판과 어떻게 다릅니까?
메뉴 엔지니어링이 적용된 메뉴판이란 무엇이며, 감에 의존한 메뉴판과 어떻게 다릅니까?
메뉴 엔지니어링을 적용한 메뉴판은 모든 메뉴를 공헌이익과 인기도 기준으로 분류(스타, 젖소, 물음표, 개)하고, 무엇을 홍보하고, 조정하고, 제외할지를 데이터로 결정합니다. 취향 중심 메뉴판은 셰프의 직관에 의존합니다. NeatMenu — Menu Psychology 2026에 따르면, 메뉴 심리학을 활용하면 가격을 올리지 않고도 평균 객단가를 15% 높일 수 있습니다.
가격을 올리지 않고도 매출을 늘리는 메뉴판은 어떻게 설계합니까?
가격을 올리지 않고도 매출을 늘리는 메뉴판은 어떻게 설계합니까?
데이터부터 시작하십시오. 메뉴를 마진과 판매량 기준으로 분류하고, 스타 메뉴를 부각하며, 개 메뉴는 메뉴판에서 뺍니다. NeatMenu — Menu Psychology 2026에 따르면, 메뉴 심리학을 활용하면 가격을 올리지 않고도 평균 객단가를 15% 높일 수 있습니다. 매력적인 메뉴 설명도 도움이 됩니다. Cornell University Food and Brand Lab(Wansink)에 따르면 판매가 27% 증가했습니다.
잘 설계된 메뉴판에는 메뉴가 몇 개 있어야 합니까?
잘 설계된 메뉴판에는 메뉴가 몇 개 있어야 합니까?
정해진 정답 숫자는 없지만, 수익성이 좋은 레스토랑의 사례를 보면 메뉴 수를 줄인 간결한 메뉴판이 효과적입니다. 객단가가 중상 수준인 단품 레스토랑은 20~35개 메뉴가 적당합니다. 메뉴가 많을수록 구매가 늘고, 폐기가 많아지며, 운영이 복잡해집니다. MR의 메뉴 엔지니어링은 보통 판매를 잃지 않으면서 메뉴 수를 눈에 띄게 줄이고 마진은 높여 줍니다.
스타 메뉴는 어떻게 해야 합니까? 가격을 올려야 합니까?
스타 메뉴는 어떻게 해야 합니까? 가격을 올려야 합니까?
꼭 그렇지는 않습니다. 스타 메뉴는 이미 잘 팔리고 있습니다. 가격을 올리면 판매량이 줄어들어 물음표로 떨어질 위험이 있습니다. 올바른 전략은 가격을 유지한 채 메뉴판에서의 노출(위치, 사진, 설명)을 높이고, 직원이 적극적으로 추천하도록 교육하는 것입니다. 먼저 지키고, 그다음에 최적화하십시오.
메뉴가 도그인지, 아니면 홍보가 더 필요한 것인지 어떻게 알 수 있습니까?
메뉴가 도그인지, 아니면 홍보가 더 필요한 것인지 어떻게 알 수 있습니까?
메뉴판에서 전략적 위치와 노출을 받고 직원 추천까지 최소 60일 이상 받았는데도 마진이 낮고 인기도가 낮은 메뉴라면 개 메뉴입니다. 한 번도 노출이나 홍보를 받지 않은 메뉴라면 기회를 얻지 못한 물음표일 수 있습니다. 노출을 적극적으로 준 상태에서 60일간 테스트하면 답이 나옵니다.
AI가 메뉴에 추가할 신메뉴를 제안해 줄 수 있습니까?
AI가 메뉴에 추가할 신메뉴를 제안해 줄 수 있습니까?
네. 레스토랑의 과거 데이터와 시장 트렌드를 바탕으로, AI는 메뉴판에서 과소 대표된 메뉴 카테고리 중 수요 잠재력이 높은 분야를 찾아낼 수 있습니다. 다만 최종 결정은 AI 데이터와 셰프의 요리 전문성, 그리고 단골 고객에 대한 이해를 함께 고려해야 합니다. AI는 정보를 제공하고, 최종 결정은 셰프와 오너가 내립니다.
2026 메뉴 엔지니어링 데이터
정부, 업계 협회, 시장 데이터 등 공식 및 비상업적 출처에서 검증 가능한 벤치마크이며, 경쟁사 자료는 포함하지 않습니다.
관련 콘텐츠
메뉴판은 요리 아카이브가 아니라 가장 수익성 높은 영업사원이어야 합니다.
Masterestaurant 방법으로 메뉴 엔지니어링을 적용해, 마진과 운영 부담을 빼앗는 메뉴를 제외하고 메뉴판을 수익성을 만들어 내는 도구로 바꾸십시오. 필요한 숫자는 이미 여러분의 데이터에 있습니다. 이 방법이 그 숫자를 눈에 보이게 만들어 줍니다.

