Kasavana和Smith于1982年提出了2x2矩阵,将热销度(即销售结构)与贡献毛利交叉分析。四十多年过去,它仍是大多数经营者使用的唯一工具(如果他们确实在用某种工具的话),尽管菜品在菜单上的设计与位置仍在很大程度上左右着消费决策。分类诊断并不等于预判,而2026年食材通胀依然不稳定,仅靠诊断已经不够用了。
本白皮书记录了这一跨越:保留该矩阵作为诊断工具,并在其上叠加一个弹性模型,按食客类型、用餐场合和渠道细分需求。Diego F. Parra提出了一个令人不适的论断:大多数餐厅有2至4个点的毛利被隐藏了,原因是它们对需求曲线完全不同的客群收取同一价格。无论是单店还是二十家门店的连锁,我都验证过这一点,而且这一规律的重复程度已经没有例外。
菜单工程:并列对比
| 经典菜单工程(第1代) | 菜单工程2.0(按细分市场的弹性) | |
|---|---|---|
| 决策变量 | ✕热销度 + 贡献毛利(2x2矩阵) | ✓热销度 + 毛利 + 分细分市场的价格弹性 |
| 时间跨度 | ✕回顾性(已结束周期的销售结构) | ✓预测性(需求对价格的预期反应) |
| 价格颗粒度 | ✕所有客人同一道菜同一价格 | ✓按细分市场/时段/渠道定价(同一道菜) |
| 成本起点 | ✕每份食材成本率 ≤ 32% | ✓食材成本率 + 绝对贡献毛利(元) |
| 毛利杠杆 | ✕菜单重新设计与视觉重新定位 | ✓弹性建模 + 重新设计 + 菜品描述 |
| 典型的毛利提升 | ✕销售结构上提升1-2个点 | ✓不改配方的情况下再提升2-4个点 |
| 所需数据 | ✕分菜品销售数据(POS即可) | ✓分菜品 × 细分客群 × 时段的销售数据(POS + CRM) |
第 1 章 — 经典菜单工程矩阵缺少什么?
它缺少预测能力:它诊断的是过去,却对您调整价格后需求会如何反应只字不提。Kasavana和Smith于1982年提出该方法,将受欢迎程度与贡献毛利交叉,划分为四个象限:明星、主力菜、问号和瘦狗,至今仍是大多数经营者唯一遵循的规则。它的缺陷在于架构本身:它能确认一道菜销量低,却永远无法告诉您,针对某一特定细分客群,价格要调到多少,这道菜才会开始动起来。菜单的呈现方式也不容忽视:菜品的版面设计与位置会直接影响顾客的点餐选择。2026年食材通胀依然波动,如今仅仅梳理过去,已经不足以保护未来的利润。照片拍得不错,缺的是连续的影像。
第 2 章 — 第二代菜单工程是什么?
做法是保留这张矩阵作为基础层,再在上面叠加一个价格弹性模型,按食客、消费场景和渠道来细分需求。第一代优化的是菜单的“静态照片”,第二代则要模拟价格变化时需求如何移动,相当于拍成“动态影片”。它不再给出单一的利润率,而是将其与各不相同的敏感度曲线交叉比对:中午的商务客几乎不会因为涨一美元而在意,周六的聚餐客却会。证据支持这一转变:据康奈尔大学食品与品牌实验室(Wansink)的研究,使用描述性文字的菜品销量上升了27%。2.0版模型用数据而不是直觉去衡量的,正是菜单语言的这种敏感性。它不是取代矩阵,而是把矩阵变成一个活模型的第一层。
第 3 章 — 单一价格隐藏了多少利润?
大约2至4个百分点,而且这一规律在各个案例中反复出现。这也是Diego F. Parra在Masterestaurant中所主张的观点:大多数餐厅对毫无共性的需求曲线收取同一价格。无论是单店还是二十家门店的连锁,我都见过同样的情况。支付意愿因属性而异,差距很大:据Toast(2025)数据,72%的人愿为可持续性支付更高价格,而其他人群则愿为富含蛋白质的菜品多付钱,或对其他属性接受适度加价。统一定价忽视了这两类人群。第二代并非全面提价,而是识别哪些菜品在哪类细分客群中能够接受加价,同时保持对价格敏感的菜品不变。这些隐藏的利润点,正是生存与增长之间的分水岭。
第 4 章 — POS本身无法提供的数据,模型还需要哪些?
需要将POS与CRM及时段数据打通。这正是2.0版本的要求,因为经典矩阵只依赖销售组合,这些数据不足以细分需求曲线。POS确认了卖出了什么;CRM和时段则揭示卖给了谁、在什么场景下,而价格弹性恰恰隐藏于此。缺少这种交叉分析,您就无法区分午市客与周末客;而且如今年轻人更频繁地共享一道主菜,这一模式在汇总的POS数据中是看不见的。加入时段维度还能揭示另一层:据Circana(2024)数据,37%的人寻求快捷小食,而非完整正餐。若建模时缺少这些维度,等于把同一家店里三种不同的餐厅平均起来,只定一个价格。
第 5 章 — “瘦狗”如何不再是瘦狗?
当您对它重新定价,或为合适的细分客群重新定位时,它就不再是瘦狗;而绝不是把它从菜单中删除。经典矩阵只能确认哪道是瘦狗,2.0版本则补上缺失的信息:对某一特定顾客而言,这道菜定价多少,才不再是瘦狗。呈现方式确实能真正拨动销量:康奈尔的研究中,Wansink记录到详细的描述使菜品销量提升27%。如今,可持续性同样影响顾客的钱包,据Toast(Restaurant Sustainability Survey 2025),美国有72%的顾客愿为此支付更多。配上正确的标签,并按其消费场景校准价格,这道“瘦狗”最终可能成为拯救整份菜单的利润来源。删除它,则会毁掉一个沟通不当、定价失误的选项。它并没有死。
第 6 章 — 为什么激进的动态定价会毁掉餐厅利润?
因为它损害顾客对公平的感知,把顾客赶走,哪怕初衷是提高利润。数据毫无疑义:据Capterra(2024)调查,52%的消费者认为餐厅的动态定价是一种价格滥用,若某家店采用这种方式,36%的人会减少光顾。执行得当的第二代并非surge pricing式的航空定价,而是按菜单、渠道和消费场景进行的结构性细分,比如午餐价格与晚餐价格不同,这是顾客会认为合理的做法。Diego F. Parra在Masterestaurant中概括道:建模弹性是为了设定各细分客群的正确价格,而不是每小时都去调整。正是这种让人愿意为真实价值多付钱的敏感度(据Toast(2025),44%的人因本地食材而下单),一旦察觉到被操纵,便会迅速瓦解。
第 7 章 — 如何分层实施而不打乱经营?
逐层推进:先以经典矩阵作诊断,再进行数据交叉,然后建立弹性模型,最后才是按细分客群制定差异化价格。直接从surge pricing起步,会把最容易感到被滥用的人推开,而干净的诊断可以避免这种声誉冲击。数据层需要打通POS、CRM和时段数据;弹性层则要读懂各项属性的支付意愿,因为越来越多的顾客在寻找天然食材和以植物为主的菜品。每一层在进入下一层之前,都要用真实毛利进行验证。这样,店主兼厨师不必把整个经营押上去,而是逐层搭建一套能挽回隐藏利润、同时不损害顾客信任的系统。
第 8 章 — 两代之间真正改变了什么
第一代优化的是菜单的“照片”;第二代建模的是当你调整价格时,需求如何反应的“影片”。 贡献毛利仍是经典版本的核心轴线,但2.0版会将其与价格弹性交叉分析:午间的商务客与周六的庆祝型客人,弹性截然不同。 基于POS的数据,经典版本即可运作;而要细分需求曲线,就需要把这些数据与CRM和时段结合起来,这正是2.0版的要求。 一道菜是不是“瘦狗”,经典版本就能告诉您;而它对某个特定细分客群价格降到多少才不再是“瘦狗”,只有2.0版能告诉您。
逐项对比分析
经典菜单工程
- 2x2矩阵:明星、现金牛、问号、瘦狗
- 对销售结构的回顾性诊断
- 每道菜一个统一价格
- 优化视觉位置和描述
- 提升上限:1-2个点的毛利
菜单工程2.0
- 经典矩阵 + 分细分市场的价格弹性层
- 建模需求对价格的反应
- 按时段、渠道和场合设定差异化价格
- 按食客、时段和绝对贡献毛利(元)细分
- 提升上限:再增加2-4个点的毛利
支撑该模型的数据(行业来源,2024-2026)
“这使得菜单工程成为现存资本支出(CapEx)最低的盈利杠杆之一:您不需要改造厨房,只需重新整理信息和价格。但如果您的细分客群反应各不相同,却在这些信息上使用统一价格,就等于把钱留在了桌上。”
综合案例仅供说明:案例中的名称和数字不代表真实企业,也不是行业数据。
90天实施路线图
确定每道菜的标准配方和分份成本核算,以掌握精确的理论成本。没有可靠的理论成本,就无法衡量食材成本差异,也无法得出真实的贡献毛利。请将每道菜的食材成本率控制在32%以内;人工、房租和水电不分摊到单品上(它们计入盈亏平衡点)。最后,从POS中提取上一季度的销售结构作为结束。
构建2x2矩阵(热销度 × 贡献毛利),同时从POS和CRM中交叉分析分菜品销售与食客细分及时段。需求曲线由此显现:同一道菜,在午间的商务用餐和晚间的庆祝聚餐中,价格弹性各不相同。
通过受控的价格A/B测试估算分细分市场的价格弹性,并避免激进的动态定价,因为大多数食客会将其视为一种剥削。在需求缺乏弹性的地方提价;在需求富有弹性的地方保护销量。对明星菜品进行视觉重新定位,并添加描述(经康奈尔大学测量,可提升销量)。
建立跟踪看板:食材成本差异、以元计的绝对贡献毛利、分细分市场的客单价以及主成本(prime cost)。每月审查一次销售结构,每季度审查一次价格弹性。向董事会汇报通过收回的毛利点数所带来的投资回报,且无需厨房资本支出。
Masterestaurant生态中适用于本框架的工具
按细分市场建模价格弹性,并非孤立的表格练习:它依托于Masterestaurant的成本核算、现金流和董事会决策框架。这三种工具覆盖了第二代菜单工程所要求的各个层面。
常见问题
餐厅应该采用分菜单还是单一菜单?
餐厅应该采用分菜单还是单一菜单?
较为可行的做法是设定一份基础菜单,并按细分客群和时段微调价格,而不是为不同客群制作不同的菜单。经典矩阵仍是第一层;在此之上,再衡量每个细分客群对同一道菜价格的反应程度,且无需改动配方。据Diego F. Parra所述,统一价格正是掩盖利润的根源。
餐厅的菜单工程是什么,有什么用?
餐厅的菜单工程是什么,有什么用?
菜单工程把每道菜的受欢迎程度与其贡献毛利交叉分析,据此决定重点推荐哪些菜品、重新设计哪些、在菜单中调整哪些的位置,以及下架哪些。它的作用是让菜单卖得更好,而不只是卖得多却不赚钱。第二代版本保留这一矩阵作为基础层,并在其上叠加按顾客细分和时段划分的价格弹性。同一个价格面对不同的需求曲线,即便食材成本控制得很好,也会白白流失利润。
菜单工程2.0会取代Kasavana-Smith经典矩阵吗?
菜单工程2.0会取代Kasavana-Smith经典矩阵吗?
第二代并不取代矩阵,而是以矩阵为基础层。矩阵按受欢迎程度和贡献毛利对每道菜进行分类;第二代则在此之上加入分细分客群的价格弹性。没有这个矩阵,您能知道每道菜卖了多少,却无法判断按哪类顾客定价才能实现利润最大化。
按客群定价等同于动态定价吗?
按客群定价等同于动态定价吗?
不是。动态定价会根据实时需求即时调整价格,很多顾客会觉得这是在占便宜。分细分定价则是按时段、渠道或消费场景设定稳定的差异化价格,与各细分客群的支付意愿相匹配。它透明,也不会损害顾客的信任。
建模分客群价格弹性需要哪些数据?
建模分客群价格弹性需要哪些数据?
最低可行的做法,是把各菜品的销量与从POS中调取的时段和渠道数据做交叉分析。进阶做法再从CRM中加入顾客细分维度。在此基础上,可以开展受控的价格A/B测试,测算真实的价格弹性,而不必凭空设定理论曲线。
我实际上能挽回多少毛利?
我实际上能挽回多少毛利?
根据Diego F. Parra对实际经营情况的研判,相较于传统矩阵已带来的收益,典型的额外毛利提升为2至4个百分点,且无需改动菜谱,也无需提高食材成本率。关键在于向每个细分客群收取合适的价格,而不是压低食材成本。
菜单工程 数据概览(2026)
可核实的基准数据,来自官方及非商业来源(政府、行业协会和市场数据),绝不取自竞争对手。
| 数据 | 数值 | 来源 |
|---|---|---|
| 全球风味的溢价定价 | 74%的经营者表示这些工具有助于提高售价 | Datassential / Technomic 2024-2025 |
| 啤酒出品成本率(pour cost) | 约 25% 瓶装;约 20% 桶装 | Toast 2024 |
| 酒吧烈酒与葡萄酒加价率对比 | 烈酒 400%–500%;葡萄酒约 200% | Provi / Parts Town 2024 |
| 上周吃过全球风味餐食的消费者(美国) | 47% (2025) | Datassential 2025 |
| 报告对全球风味需求增长的美国经营者 | 70%的经营者(2025) | Datassential 2025 |
| 啤酒作为堂食饮品销售的一部分(美国) | 超过 4/5(超过 80%)的饮料 | Technomic / Nation's Restaurant News 2024 |

