首页 › 白皮书 › 菜单与菜单工程
白皮书

第二代菜单工程:从热销矩阵到分客群价格弹性建模

Diego F. Parra 作者 Diego F. Parra · 更新于 · 菜单与菜单工程

2026年10月29日更新:新增2个常见问题。

第二代菜单工程:从热销矩阵到分客群价格弹性建模 — Masterestaurant
快速结论

结论:经典的四象限矩阵(明星、金牛、问号、瘦狗)诊断的是过去,无法模拟您调整价格时需求的反应。第二代菜单工程保留这一矩阵作为基础层,并增加第二层:按食客群体和时段衡量的需求价格弹性。如果您每道菜的食材成本已经控制在32%的上限以内,但总贡献毛利仍然停滞不前,问题不在原料成本,而在于您为不同的需求曲线定了同一个价格。按客群建模价格弹性,可以在不改动配方的前提下提升2至4个百分点的毛利。

📄 白皮书技术文档 · 面向C-Suite与多边开发银行· 阅读约4分钟· 2026-10-29Masterestaurant®知识产权 — 仅供行业领袖专享

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。

并排对比

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。

逐条对照

逐项对比分析

菜单结构诊断
A · 经典菜单工程(第1代)将菜品划分为4个象限
B · Masterestaurant既分类,又对价格反应进行建模
结论: 2.0版本更胜一筹:经典诊断是起点,而非终点。
定价方式
A · 经典菜单工程(第1代)所有顾客统一一个价格
B · Masterestaurant价格与各细分客群的价格弹性相匹配
结论: 2.0版本能收回经典方法隐藏在无弹性细分客群中的利润。
感知风险
A · 经典菜单工程(第1代)低(统一稳定价格)
B · Masterestaurant若避免激进的动态定价,则风险较低
结论: 基本持平:稳定的细分定价不会像趁火打劫式涨价那样引发强烈抵触。
数据要求
A · 经典菜单工程(第1代)基础POS数据
B · MasterestaurantPOS + CRM + 时段数据
结论: 经典方法更简单;2.0版本需要数据治理,而利润恰恰就藏在这里。
并排对比

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
关键数据

支撑该模型的数据(行业来源,2024-2026)

72%
愿意为具有可持续理念的餐厅支付更高价格
32.4%
营业额中用于食材与饮品的成本占比,按餐厅类型和营业规模分别统计(并不存在一个适用于所有“普通餐厅”的单一数字)
0.18
有限服务餐饮的消费支出弹性
+13–20%
菜品标注为“最受欢迎”或“主厨推荐”后,点单量增加
+3%
美国消费者在食品和饮料上的支出
~18%
美国全服务餐厅细分市场萎缩
+27%
带有描述性文字的菜品销量
37%
美国寻求小份快捷食品而非大份正餐的消费者
+27%
带有诱人标签或描述的菜品与没有的相比,销量更高
≈44%
更看重本地食材来源的食客(美国)
数据可视化
关键数据图表
关键数据图表72% 愿意为具有可持续理念的餐厅支付更高价格; 32.4% 营业额中用于食材与饮品的成本占比,按餐厅类型和营业规模分别统计(并不存在一个适用于所有“普通餐厅”的单一数字); 0.18 有限服务餐饮的消费支出弹性; +13–20% 菜品标注为“最受欢迎”或“主厨推荐”后,点单量增加; +3% 美国消费者在食品和饮料上的支出; ~18% 美国全服务餐厅细分市场萎缩愿意为具有可持续理念的餐厅支付更高价格72%营业额中用于食材与饮品的成本占比,按餐厅类型和营业规模分别统计(并不存在一个适用于所有“普通餐厅”的单一数字)32.4%有限服务餐饮的消费支出弹性0.18菜品标注为“最受欢迎”或“主厨推荐”后,点单量增加+13–20%美国消费者在食品和饮料上的支出+3%美国全服务餐厅细分市场萎缩~18%
来源: Toast,《餐厅可持续性调查》2025 · National Restaurant Association — 2024年数据显示,营业规模较大的餐厅食材成本率较低(Restaurant Operations Report / Restaurant Operations Data Abstract) · 美国农业部经济研究局 · NeatMenu — 2026年菜单心理学 · Circana — 2025图表制作: masterestaurant.com
示例案例(综合)

“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Diego F. Parra(Masterestaurant)基于OneHubPOS的数据,《菜单工程2024》

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。

如何在您的餐厅中应用

90天实施路线图

第1–30天 · 标准配方与理论成本
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。
第31–60天 · 经典矩阵 + 客群细分
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。
计划第三阶段 · 弹性与定价建模。
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)。
最终阶段 · KPIs与利润管控
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。
✦ 人工智能应用

借助人工智能又如何?

优化菜单工程、菜品描述以及热销菜品的图片。 Diego F. Parra 是餐厅人工智能应用专家。

Masterestaurant 工具与方法

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。

Diego F. Parra

Diego F. Parra — 国际餐厅咨询专家,擅长餐厅创建与提升,以及餐厅、食品科技和HORECA领域的人工智能应用。该方法已在43个国家的8,400多家餐厅中应用 · 餐厅、酒店服务及餐饮业务人工智能应用专家 · 在餐厅、餐饮外包、大型活动及企业增长领域拥有20多年经验 · 已出版3本带ISBN的著作:《Triunfar o morir en el intento》(2013)和《De esclavo a dueño》(2023)· HORECA行业国际演讲嘉宾及主题演讲人。

常见问题

常见问题

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?

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。

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?

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。

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?

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。

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?

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。

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?

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。

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。

数据与来源

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
PDF

下载本文档(PDF)

本页可免费阅读全文。如需获取企业版PDF,请留下您的信息,我们也会将直达链接发送至您的邮箱。

只需要文件?直接打开PDF

Masterestaurant® 知识产权所有 — 仅供行业领导者专享 · masterestaurant.com

菜单工程在您的餐厅中的应用:Masterestaurant 方法

已应用于43个国家的8,400+家餐厅。

社区

免费加入我们的社区 MASTERESTAURANT

来自43个国家的餐厅业主与团队在此分享知识、工具与应用型人工智能,内容直接推送到你的WhatsApp。

加入社区
作者: Diego F. Parra  ·  编辑: MASTERESTAURANT®
内容由AI辅助创作,经MASTERESTAURANT编辑团队审核。
MR 对比清单引擎 v0.9.394