中篇 | 波士頓矩陣+留存流失貢獻(xiàn)度計(jì)算方法幫你優(yōu)化菜品

新的一周開始了掰担,我們繼續(xù)分享中篇的內(nèi)容沙兰,要記得結(jié)合上篇的內(nèi)容一起理解哈北秽!

第三部分

如何通過(guò)波士頓矩陣分析砍掉菜單里不受歡迎的菜品

有了單個(gè)菜品/套餐的銷售額分析锄蹂,掌柜們可能已經(jīng)在心里盤算“砍菜單”了。畢竟不受歡迎的菜色是會(huì)“轟客”的烘贴,但如何確定這道菜是徹底不受歡迎禁添,還是改進(jìn)改進(jìn)能成為“黑馬”呢?

對(duì)菜品這種非標(biāo)準(zhǔn)產(chǎn)品桨踪,真的很難做出合理判斷老翘,好在我們波士頓矩陣可以輔助分析。

1.什么是波士頓矩陣锻离?

波士頓矩陣被稱作(BCG Matrix)铺峭,又稱市場(chǎng)增長(zhǎng)率-相對(duì)市場(chǎng)份額矩陣,波士頓咨詢集團(tuán)法汽纠、四象限分析法等等卫键。

菜品這種非標(biāo)產(chǎn)品很難獲取到市場(chǎng)占有率,所以一般參考維度我們會(huì)使用:銷售量(銷售增長(zhǎng)率)虱朵、銷售額(銷售額增長(zhǎng)率)莉炉、銷售利潤(rùn)(利潤(rùn)增長(zhǎng)率)、利潤(rùn)率碴犬、留存指數(shù)或流失指數(shù)(偶發(fā)明的絮宁,下文詳解)、菜品評(píng)分等數(shù)據(jù)服协,選取其中兩組組成四象限以做指導(dǎo)绍昂。

具體選擇,取決于你希望了解什么。

2.如何在BDP上建立波士頓矩陣窘游?

比如唠椭,我們?cè)诤V翨DP里組件一個(gè)表格,以菜品平均周銷量環(huán)比增長(zhǎng)率為縱軸忍饰,平均周銷售利潤(rùn)為橫軸贪嫂,菜品銷量作為圓圈直徑(圈圈大銷量大、圈圈小銷量写)撩荣。我們就能得出以下的矩陣:


這張圖中需要強(qiáng)調(diào)的是铣揉,“賣的越來(lái)越好”和“賣得好”是兩個(gè)不一樣的概念饶深,前者是增長(zhǎng)率,后者是絕對(duì)值逛拱。這里就體現(xiàn)出了周環(huán)比增率的意義了敌厘,通過(guò)比較周環(huán)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(rùn)一般或低朽合,但增率高)俱两、哪些是成熟菜品(銷售利潤(rùn)高,但銷量增率低)曹步。

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(wèn)題產(chǎn)品宪彩、右上角是明星產(chǎn)品、左下角瘦狗產(chǎn)品讲婚、右下角是金牛產(chǎn)品尿孔。我們可以很清楚的做出判斷 —— 增長(zhǎng)率低、利潤(rùn)也低的產(chǎn)品就是你要砍掉的菜品筹麸。而那些利潤(rùn)率低活合,增長(zhǎng)率還不錯(cuò)的菜品,改進(jìn)一下師父的手藝物赶、包裝白指、展示之類的因素,很可能能成為下一個(gè)明星產(chǎn)品酵紫。

第四部分

如何通過(guò)用戶購(gòu)買行為確定菜品是“留客”還是“趕客”

想必每家開了外賣平臺(tái)的餐館都很想知道究竟用戶訂餐后有沒有復(fù)購(gòu)? 對(duì)本餐館有沒有留下個(gè)好印象?畢竟這些用戶沒有真人來(lái)店告嘲,掌柜無(wú)法通過(guò)表情判斷客人是否滿意,是否能成為回頭客奖地。

這也是我苦思冥想許久的問(wèn)題橄唬。深入研究后,發(fā)現(xiàn)留存流失情況鹉动,埋藏在用戶的下訂單的行為上:如果一個(gè)用戶反復(fù)購(gòu)買同一道菜轧坎,則可以認(rèn)為這道菜對(duì)用戶留存起到了積極作用。

同樣的泽示,我們要考慮用戶已被我們哪一道菜留了下來(lái)缸血,又可能因?yàn)槟囊坏啦嗽俦晦Z走蜜氨。

以上的因素薪铜,都可以幫助我們建立一個(gè)簡(jiǎn)單的留存/流失算法前方,以方便我們建立留存流失模型蒂萎。

1.根據(jù)用戶購(gòu)買行為建立算法

一道菜品究竟是拉來(lái)了用戶屯碴,還是轟走了用戶疤祭,要綜合看留存與流失量票髓。

既:存流失貢獻(xiàn)度 = 留存指數(shù) + 流失指數(shù)

菜品留存指數(shù)設(shè)置為正積分 森瘪,條件是用戶如果反復(fù)購(gòu)買同一道菜品2次以上劝萤。

正積分算法:同一個(gè)用戶購(gòu)買同一個(gè)菜品2次以上積分一次闯狱。2次等于1分煞赢,3次等于2分。如此哄孤,公式:正積分 = 購(gòu)買次數(shù) -1

菜品流失指數(shù)為負(fù)積分照筑,但由于用戶只購(gòu)買單個(gè)菜品一次,可能會(huì)出現(xiàn)以下三個(gè)場(chǎng)景

1.再也不來(lái)我們店瘦陈,流失(最糟情況)凝危;

2.不喜歡這個(gè)菜,還點(diǎn)其他菜(不好不壞)晨逝;

3.未流失蛾默,下次還會(huì)點(diǎn)(最好)

所以在考慮概率的情況下,設(shè)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(xiàn)度 = 留存指數(shù) + 流失指數(shù)

以這個(gè)公式來(lái)看捉貌,一道菜貢獻(xiàn)度為正直代表留存貢獻(xiàn)大支鸡,負(fù)值代表流失影響大。在BDP上建表昏翰,將不同的菜品作為橫軸苍匆,留存流失率作為縱軸,我們能得到這樣一個(gè)模型棚菊。


3.將菜品評(píng)分與留存流失模型對(duì)比浸踩,效驗(yàn)分析結(jié)果是否正確

這樣簡(jiǎn)單的模型,能反映出菜品受歡迎還是轟人嗎统求?一開始检碗,我對(duì)這個(gè)簡(jiǎn)單的模型和假設(shè)沒有信心,于是码邻,我將用戶吃完菜后的評(píng)星和打分抓取出來(lái)折剃,又建立了一個(gè)模型做對(duì)比。


通過(guò)比對(duì)像屋,我發(fā)現(xiàn)之前的留存流失模型大方向完全準(zhǔn)確怕犁,現(xiàn)在我們又有了一組數(shù)據(jù)可以幫忙砍菜單!可能會(huì)有人說(shuō)那我只看美團(tuán)評(píng)分不就得了。在這里我想說(shuō)兩點(diǎn)

1.新起的商家奏甫,用戶未必能愿意給評(píng)星戈轿,菜品留存流失率反而更好計(jì)算。

2.所有的模型都需要互相對(duì)比驗(yàn)證阵子,才能幫助做更準(zhǔn)確的決策思杯。

最后一篇我們下周繼續(xù)哈,到時(shí)候會(huì)附上作者的原文PFD文件哦挠进!

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末色乾,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子领突,更是在濱河造成了極大的恐慌暖璧,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,284評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件攘须,死亡現(xiàn)場(chǎng)離奇詭異漆撞,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)于宙,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,115評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)悍汛,“玉大人捞魁,你說(shuō)我怎么就攤上這事±敫溃” “怎么了谱俭?”我有些...
    開封第一講書人閱讀 164,614評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)宵蛀。 經(jīng)常有香客問(wèn)我昆著,道長(zhǎng),這世上最難降的妖魔是什么术陶? 我笑而不...
    開封第一講書人閱讀 58,671評(píng)論 1 293
  • 正文 為了忘掉前任凑懂,我火速辦了婚禮,結(jié)果婚禮上梧宫,老公的妹妹穿的比我還像新娘接谨。我一直安慰自己,他們只是感情好塘匣,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,699評(píng)論 6 392
  • 文/花漫 我一把揭開白布脓豪。 她就那樣靜靜地躺著,像睡著了一般忌卤。 火紅的嫁衣襯著肌膚如雪扫夜。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,562評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音笤闯,去河邊找鬼现拒。 笑死,一個(gè)胖子當(dāng)著我的面吹牛望侈,可吹牛的內(nèi)容都是我干的印蔬。 我是一名探鬼主播,決...
    沈念sama閱讀 40,309評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼脱衙,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼侥猬!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起捐韩,我...
    開封第一講書人閱讀 39,223評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤退唠,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后荤胁,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體瞧预,經(jīng)...
    沈念sama閱讀 45,668評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,859評(píng)論 3 336
  • 正文 我和宋清朗相戀三年仅政,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了垢油。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,981評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡圆丹,死狀恐怖滩愁,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情辫封,我是刑警寧澤硝枉,帶...
    沈念sama閱讀 35,705評(píng)論 5 347
  • 正文 年R本政府宣布,位于F島的核電站倦微,受9級(jí)特大地震影響妻味,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜欣福,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,310評(píng)論 3 330
  • 文/蒙蒙 一责球、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧劣欢,春花似錦棕诵、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,904評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至牧抵,卻和暖如春笛匙,著一層夾襖步出監(jiān)牢的瞬間侨把,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,023評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工妹孙, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留秋柄,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,146評(píng)論 3 370
  • 正文 我出身青樓蠢正,卻偏偏與公主長(zhǎng)得像骇笔,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子嚣崭,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,933評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容