基于大數(shù)據(jù)的餐飲企業(yè)經(jīng)營分析與決策

趙芃芃 張瑞龍

一、引言

突如其來的新冠疫情，對餐飲行業(yè)造成了巨大沖擊，對經(jīng)營者提出了嚴(yán)峻的考驗。餐飲業(yè)由于其所需資金數(shù)量較少，技術(shù)含量不高，產(chǎn)業(yè)壁壘小，產(chǎn)品差異小，產(chǎn)業(yè)發(fā)展前景廣闊，顧客轉(zhuǎn)換成本低，有限的市場中涌現(xiàn)大量的競爭者，市場較易飽和。同時，面臨宏觀經(jīng)濟(jì)增長不穩(wěn)定性、疫情影響、原材料成本提升，加速了餐飲企業(yè)實現(xiàn)數(shù)字化轉(zhuǎn)型的步伐，即利用數(shù)字化的應(yīng)用幫助提升生產(chǎn)效率和改善經(jīng)營績效。

消費者已經(jīng)數(shù)字化和在線化，每天用在手機瀏覽的時間占據(jù)了人們大部分的休閑時間，也造就了人們在決策前會依賴手機進(jìn)行查詢和分析的習(xí)慣。消費者在消費前，特別是新客戶會在線上進(jìn)行搜索和比較，最終的抉擇也會受產(chǎn)品可搜索性、產(chǎn)品展示的吸引力、在線下單量、評分、評語等影響。餐飲企業(yè)的線上運營模式適用AARRR模型，該模型是肖恩在《增長黑客—如何低成本實現(xiàn)爆發(fā)式成長》一書中提出的。AARRR模型對應(yīng)產(chǎn)品運營的5個重要的環(huán)節(jié)，分別是：（1）獲取用戶（Acquisition）：用戶如何找到我們？（2）激活用戶（Activation）：用戶的首次體驗如何？（3）提高留存（Retention）：用戶會回來嗎？（4）增加收入（Revenue）：如何賺到更多的錢？（5）環(huán)節(jié)推薦（Refer）：病毒式營銷，用戶會告訴其他人嗎？對于餐飲企業(yè)獲客的主要方式有媒體投放、搜索引擎優(yōu)化、電商平臺引流、微信公眾號、抖音、美團(tuán)、大眾點評網(wǎng)、地圖搜索等；通過搜素、分類列表、詳細(xì)頁等滿足用戶消費決策的需要，特別是用戶評價分值和用戶評價語言，刺激用戶消費沖動；通過注冊會員、簽到、打卡、任務(wù)、贈送會員券、會員打折等提高客戶粘性，把平臺公域流量打造成品牌自身的私域流量；通過收集用戶消費行為數(shù)據(jù)，對用戶畫像，分析數(shù)據(jù)輔助經(jīng)營優(yōu)化，給客戶提供個性化服務(wù)，提升客戶的價值創(chuàng)造；通過推薦有禮、推薦碼、優(yōu)惠券等讓客戶推薦新客戶，實現(xiàn)品牌的社交化傳播裂變，使消費者成為企業(yè)的推銷者。餐飲企業(yè)只用利用數(shù)字化升級做全時段加全渠道的運營，實現(xiàn)餐飲店線上線下客戶信息一體化無縫連接，才能擁有更強的競爭力。數(shù)字化業(yè)務(wù)的開展，為企業(yè)提供了大量數(shù)據(jù)，充分利用這些企業(yè)內(nèi)、外部數(shù)據(jù)，對產(chǎn)品、用戶、門店、不同時段、不同促銷手段和活動策劃等開展分析，可以多維度提示經(jīng)營數(shù)據(jù)產(chǎn)生的內(nèi)在原因，動態(tài)優(yōu)化方案，改善經(jīng)營績效。

二、基于大數(shù)據(jù)的分析模型

基于大數(shù)據(jù)的餐飲業(yè)業(yè)務(wù)分析模型包括數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)存儲、數(shù)據(jù)挖掘與分析、可視化等主要環(huán)節(jié)。

1.數(shù)據(jù)采集

平臺的應(yīng)用、相關(guān)應(yīng)用軟件的開發(fā)以及智能化移動設(shè)備的發(fā)展，使信息產(chǎn)生和獲取途徑大大豐富，如通過抓取的方式獲得用戶評價數(shù)據(jù)。數(shù)據(jù)采集后，基于一定的方法對已經(jīng)采集到的數(shù)據(jù)進(jìn)行適當(dāng)?shù)奶幚恚逑慈ピ?、聚合修正，最終得到可信賴數(shù)據(jù)，存儲到一個大數(shù)據(jù)集合里。

一般對數(shù)據(jù)的獲取，來自兩個方面：內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)。內(nèi)部數(shù)據(jù)，即自己公司的數(shù)據(jù)庫或數(shù)據(jù)統(tǒng)計平臺中的數(shù)據(jù)。如果是要從數(shù)據(jù)統(tǒng)計平臺中提取數(shù)據(jù)，一般的數(shù)據(jù)統(tǒng)計平臺都會支持?jǐn)?shù)據(jù)導(dǎo)出，只需要導(dǎo)出需要的數(shù)據(jù)即可。如果是要從公司數(shù)據(jù)庫中提取數(shù)據(jù)，則一般運用SQL從公司數(shù)據(jù)庫取數(shù)。外部數(shù)據(jù)的獲取，主要有兩種方式：第一種就是獲取外部公開的數(shù)據(jù)集，比如一些科研機構(gòu)、企業(yè)、政府會開放一些數(shù)據(jù)，這些數(shù)據(jù)集通常比較完善、質(zhì)量相對較高，特別是Wind金融數(shù)據(jù)庫、銳思數(shù)據(jù)庫等。第二種就是利用爬蟲從網(wǎng)絡(luò)中爬取，如電商網(wǎng)站獲取某個餐品的評論信息等等。要爬取一個網(wǎng)頁，首先分析一下網(wǎng)頁結(jié)構(gòu)，構(gòu)造請求網(wǎng)址，對于多頁面的內(nèi)容，構(gòu)造循環(huán)，遍歷每一頁的數(shù)據(jù)進(jìn)行爬取。

2.數(shù)據(jù)預(yù)處理

數(shù)據(jù)的預(yù)處理包括數(shù)據(jù)轉(zhuǎn)換、清洗、聚合、修正等過程。將采集到的信息進(jìn)行標(biāo)準(zhǔn)化的預(yù)處理，要針對圖片、影像、行為等非結(jié)構(gòu)化數(shù)據(jù)提取并將其有效轉(zhuǎn)換為可識別、可計量的結(jié)構(gòu)化數(shù)據(jù)，經(jīng)過清洗和去噪，不斷的聚合、修正，最終得到可信賴的數(shù)據(jù)，存儲在大數(shù)據(jù)集合中。

3.數(shù)據(jù)存儲

在經(jīng)過了數(shù)據(jù)預(yù)處理過程后，將數(shù)據(jù)存儲到一個集合里。數(shù)據(jù)存儲要滿足大規(guī)模批量運算和實時請求的需求，實時數(shù)據(jù)一般具有數(shù)據(jù)粒度小、高并發(fā)、實時響應(yīng)的特點，針對這些特點采用鏈?zhǔn)酱鎯?，將碎片化或斷點的信息串聯(lián)起來，實施塊鏈?zhǔn)焦芾?。批量?shù)據(jù)與實時數(shù)據(jù)的數(shù)據(jù)量相當(dāng)龐大，寫入后一般不再修改，所以采用分布式文件系統(tǒng)進(jìn)行存儲，在滿足批量運算的前提下，對數(shù)據(jù)格式進(jìn)行適當(dāng)壓縮，節(jié)約存儲成本。

4.數(shù)據(jù)分析與挖掘

在數(shù)據(jù)分析時充分運用數(shù)據(jù)分析工具，既保留傳統(tǒng)的查詢、篩選、比對、匹配等簡單的數(shù)理統(tǒng)計技術(shù)，又引入包括數(shù)據(jù)挖掘算法、機器學(xué)習(xí)、知識圖譜等在內(nèi)的新技術(shù)。利用數(shù)據(jù)挖掘算法，運用邏輯統(tǒng)計、分類算法、聚類分析、回歸分析、決策樹和神經(jīng)網(wǎng)絡(luò)等算法建立數(shù)學(xué)模型，對相關(guān)評論進(jìn)行文本挖掘?；跈C器學(xué)習(xí)的方法利用機器學(xué)習(xí)算法（支持向量機）訓(xùn)練已標(biāo)注情感類別的訓(xùn)練數(shù)據(jù)集訓(xùn)練分類模型，再通過分類模型預(yù)測爬取到的評論所屬情感分類。并利分類中的關(guān)鍵詞揭示正面情感和負(fù)面情感的主要原因，輔助相關(guān)決策。

5.可視化呈現(xiàn)

可視化方法可通過創(chuàng)建表格、圖標(biāo)、圖像等直觀地表示數(shù)據(jù)。許多傳統(tǒng)的數(shù)據(jù)可視化方法經(jīng)常被使用，比如表格、直方圖、散點圖、折線圖、柱狀圖、餅圖、面積圖、流程圖、泡沫圖表等，以及圖表的多個數(shù)據(jù)系列或組合像時間線、維恩圖、數(shù)據(jù)流圖、實體關(guān)系圖等。此外，一些數(shù)據(jù)可視化方法如平行坐標(biāo)式、樹狀圖、錐形樹圖和語義網(wǎng)絡(luò)等也開始被使用。

三、餐飲服務(wù)的線上數(shù)據(jù)分析

在線餐品的消費者評價對后續(xù)銷售產(chǎn)生較大的影響，特別是負(fù)面評語，極易引起潛在消費者的質(zhì)疑與猶豫。評語中的關(guān)鍵詞可以反映引起食客趨之若鶩的優(yōu)點，也可以歸納出引起食客不滿的關(guān)鍵原因。利用評分和評語進(jìn)行語料情感分析，判斷出正負(fù)面情緒，計算兩類評語的比例，就可以判斷餐飲服務(wù)的質(zhì)量如何。評語的情感分析是利用爬蟲進(jìn)行評語爬取，開展文本挖掘，提取關(guān)鍵字，然后做出詞向量模型。再使用SVM（支持向量機）等模型進(jìn)行訓(xùn)練，最后使用模型將收集的餐品評論進(jìn)行情感分類，分類后基于關(guān)鍵詞進(jìn)行關(guān)聯(lián)分析提取每一個評論中的關(guān)鍵詞，用于關(guān)聯(lián)分析，獲取此餐飲企業(yè)的最主要的一些特點，還可以使用隱含狄利克雷分布(Latent Dirichlet Allocation,LDA)主題模型，精準(zhǔn)提取到餐飲服務(wù)優(yōu)缺點的主題，聚焦餐飲服務(wù)核心的優(yōu)點與不足，對運營管理提供支持。

餐飲服務(wù)評語的情感分析主要包括以下幾個步驟：

1.利用Python爬蟲對餐飲服務(wù)的門店或某個具體餐品的評語進(jìn)行采集

采用Python爬蟲對某一餐飲企業(yè)的服務(wù)評語數(shù)據(jù)進(jìn)行采集，如美團(tuán)平臺上一款本地一大型綜合商超內(nèi)的某一烤魚店的“2-4人烤魚特惠套餐”的評價進(jìn)行抓取，該套餐美團(tuán)優(yōu)惠價129元，半年售1488份，總評價832條，好評得分率為93%，低分評價12條。通過對目標(biāo)內(nèi)容進(jìn)行分析，尋找請求的目標(biāo)地址的規(guī)律，請求目標(biāo)地址，從而爬取到評論的內(nèi)容。

2.數(shù)據(jù)存儲

可以使用MYSQL數(shù)據(jù)庫來存儲采集到的評語內(nèi)容，建立一個數(shù)據(jù)庫和表，然后連接并定義游標(biāo)，通過SQL語句，執(zhí)行數(shù)據(jù)存儲。爬取的字段信息有顧客ID、評論時間、評分、評論內(nèi)容提取出來并存儲到MYSQL數(shù)據(jù)庫中。

3.數(shù)據(jù)預(yù)處理

文本數(shù)據(jù)的預(yù)處理主要包括分詞和去停用詞兩個步驟。中文分詞是指將一個漢字序列劃分成一個個單獨的詞。采用“結(jié)巴中文分詞”對評論數(shù)據(jù)進(jìn)行分詞處理，先搭建語料庫，構(gòu)建詞向量空間。停用詞是指一些完全沒有用或者沒有意義的詞。分詞時需要去除助詞、介詞、連詞、語氣詞及標(biāo)點符號等一些沒有實際意義的詞語，這些停用詞表可以從網(wǎng)上下載。這樣可以更好地判斷評論數(shù)據(jù)要表達(dá)的情感傾向?？梢圆捎肐F-IDF算法和Word2Vec兩種方法對評論文本進(jìn)行向量化。TF-IDF能夠過濾掉常見的詞語，保留句子中重要的詞語。Word2Vec使用詞向量來表示文本信息，是通過一個嵌入空間來表示文本的相似性，文本之間相似性越高，空間上的距離就越近。

關(guān)鍵詞提取是通過確定分類特征來實現(xiàn)的。分類特征就是分類對象所展現(xiàn)的部分特點，是實現(xiàn)分類的依據(jù)。通過一定的統(tǒng)計方法找到信息量豐富的特征，如在情感分類中，常用詞頻選擇特征，也就是選在語料庫中出現(xiàn)頻率高的詞。具體方法是計算出整個語料里面每個詞的信息量，根據(jù)信息量進(jìn)行倒序排序，選擇排名靠前的信息量的詞，把這些詞作為特征。采用詞云圖展示主要的特征及出現(xiàn)的頻率?！?-4人烤魚特惠套餐”的評價中正面特征和負(fù)面特征的詞云圖如下：

圖1 正面特征詞云圖

圖2 負(fù)面特征詞云圖

4.機器學(xué)習(xí)建模

基于機器學(xué)習(xí)的情感分類問題，它的處理過程可以分為兩個部分，一部分是學(xué)習(xí)過程，另一部分是情感分類過程。其中，學(xué)習(xí)過程包括訓(xùn)練過程和測試過程，訓(xùn)練過程中對訓(xùn)練集進(jìn)行訓(xùn)練得到分類器，用其對測試集進(jìn)行情感分類，將測試的結(jié)果反饋給分類器，進(jìn)一步改進(jìn)訓(xùn)練方法，生成新的分類器，最后利用最終生成的分類器對新的文本進(jìn)行情感分類。

可以選用支持向量機SVM、樸素貝葉斯模型NB、K最近鄰K-NN、人工神經(jīng)網(wǎng)絡(luò)模型ANN、邏輯回歸模型LR等模型進(jìn)行分類。使用機器學(xué)習(xí)進(jìn)行情感分析時，采取有監(jiān)督的機器學(xué)習(xí)方法來對文本進(jìn)行分類，即需要對訓(xùn)練樣本進(jìn)行人工標(biāo)注正面評語和負(fù)面評語類別，分別用0和1標(biāo)識，用機器學(xué)習(xí)方法進(jìn)行訓(xùn)練，獲得一個情感分類器。再通過這個情感分類器對所有文本進(jìn)行積極和消極的二分分類。

5.關(guān)聯(lián)分析

采用Textrank方法分別提取正、負(fù)向評論文檔中的關(guān)鍵詞，繪制詞云，利用投票機制對文本中的重要成分進(jìn)行排序，以直觀的方式獲取餐飲服務(wù)的關(guān)鍵信息?；蛘卟捎肁priori關(guān)聯(lián)分析算法，使用發(fā)現(xiàn)頻繁項集，產(chǎn)生關(guān)聯(lián)規(guī)則，判斷正、負(fù)向評論文檔中的關(guān)鍵詞。這些正向評論文檔中的關(guān)鍵詞就是企業(yè)產(chǎn)品的核心競爭優(yōu)勢，要努力保持，而負(fù)向評論文檔中的關(guān)鍵詞則是產(chǎn)品的不足之處，要加以改進(jìn)和規(guī)避。

四、利用內(nèi)部經(jīng)營數(shù)據(jù)進(jìn)行盈利模式分析

通過在線服務(wù)評價，匯集了消費者的消費體驗感，并進(jìn)一步揭示了餐飲服務(wù)中就餐環(huán)境、菜品口味、菜品性價比、服務(wù)質(zhì)量等影響菜品銷量的一些核心要素，餐飲業(yè)管理者可以有的放矢，保持特色吸引客流，規(guī)避問題提升口碑，最終目的是擴(kuò)大銷售額，實現(xiàn)利潤最大化。對于經(jīng)營的效果，則可以進(jìn)一步通過盈利模式分析進(jìn)行。盈利模式分析可以通過三步來進(jìn)行，利潤表分析找差距、成本構(gòu)成分析找原因、邊際貢獻(xiàn)分析找對策。

1.利潤表分析找差距

餐飲業(yè)經(jīng)營的成果反映在利潤表中，采用對標(biāo)法，把待分析企業(yè)的利潤表與同行業(yè)中的標(biāo)桿企業(yè)相對比，通過結(jié)構(gòu)化分析方法，查找差距。

表1 2020年餐飲業(yè)上市公司利潤表數(shù)據(jù)分析單位：萬元

從營業(yè)總收入入手，按照凈利潤的計算過程，分項目揭示其占收入的比例，反映影響利潤大小的主要因素，通過對比，提示不同企業(yè)在不同項目上的差異。經(jīng)營總成本涵蓋了營業(yè)成本（加工餐品的相關(guān)成本）、營業(yè)稅金及附加、銷售費用、管理費用、財務(wù)費用、研發(fā)費用等，主要反映與生產(chǎn)經(jīng)營有關(guān)的成本費用，體現(xiàn)了餐品的生產(chǎn)成本和企業(yè)的運營管理成本，是提升企業(yè)運營績效的主要關(guān)注點。通過不同企業(yè)的對比，可以找到餐品設(shè)計、運營管理上的差異，尋求突破方向。各企業(yè)營業(yè)利潤又受非經(jīng)營性凈收益、公允價值變動凈收益、投資凈收益、資產(chǎn)處置收益、其他收益的影響，這些收益項目與企業(yè)的主營業(yè)務(wù)無關(guān)，是錦上添花性質(zhì)的，對企業(yè)經(jīng)營成果不起到可持續(xù)的影響。進(jìn)一步在營業(yè)利潤的基礎(chǔ)上，考慮營業(yè)外收支的影響，就可以計算出利潤總額，即企業(yè)年度總的經(jīng)營成果。上交了企業(yè)所得稅，剩余的即為凈利潤。2020年同慶樓之所以能夠?qū)崿F(xiàn)盈利，原因在于其營業(yè)總成本占比與其他企業(yè)相比，控制的更好。所以，從利潤表的對比分析中，關(guān)注營業(yè)總成本是企業(yè)提升經(jīng)營績效的關(guān)鍵。

圖3 同慶樓利潤表數(shù)據(jù)分析

2.成本構(gòu)成分析找原因

表2 2020年餐飲企業(yè)營業(yè)成本分析單位：萬元

從表2中3家上市公司的營業(yè)成本構(gòu)成對比中可以看出，營業(yè)成本控制是企業(yè)能否盈利的一個主要決定因素；管理費用要從總費用控制入手；銷售費用要從投入產(chǎn)出效率管理入手，尋求最佳的產(chǎn)出。

3.邊際貢獻(xiàn)分析找對策

大數(shù)據(jù)分析在餐飲業(yè)的運用，除了運用外部大數(shù)據(jù)外，企業(yè)經(jīng)營過程中產(chǎn)生的經(jīng)營數(shù)據(jù)的分析，也至關(guān)重要。經(jīng)營數(shù)據(jù)的分析采用邊際貢獻(xiàn)分析法，邊際貢獻(xiàn)分析法的基礎(chǔ)是變動成本法。在餐飲企業(yè)中運用變動成本法核算成本費用，把營業(yè)總成本中的各個項目劃分為固定成本和變動成本兩類。變動成本主要核算與具體餐品有關(guān)的變動成本，如直接材料、直接人工（制做菜品的廚師相關(guān)薪酬等）、與顧客用此餐相關(guān)的直接支出等。與某個餐品沒有直接關(guān)系的支出均計入固定成本，如房租、水電氣、服務(wù)員薪酬（可以看作酌量性固定成本）、原材料的供應(yīng)運輸費用等。

邊際貢獻(xiàn)分析時，首先對固定成本分明細(xì)類別進(jìn)行歸集，總量進(jìn)行控制。然后，針對每個餐品計算其單位邊際貢獻(xiàn)和餐品邊際貢獻(xiàn)，即該餐品在計算周期內(nèi)的總的總邊際貢獻(xiàn)，餐品邊際貢獻(xiàn)等于單位邊際貢獻(xiàn)乘以銷售數(shù)量。最后，把所有餐品的邊際貢獻(xiàn)合計，得到企業(yè)總的邊際貢獻(xiàn)。在此基礎(chǔ)上，求每個餐品的邊際貢獻(xiàn)在企業(yè)總的邊際貢獻(xiàn)中的百分比，即可以反映出每個餐品在經(jīng)營成果中的貢獻(xiàn)度。這個貢獻(xiàn)度又取決于兩個因素，一是銷售量，二是單位邊際貢獻(xiàn)。所以，為了提升經(jīng)營績效，要合理設(shè)計餐品結(jié)構(gòu)，重點關(guān)注兩類產(chǎn)品，一類是可以增加流量的，一類是單位邊際貢獻(xiàn)高的。所有的營銷方案設(shè)計和菜品設(shè)計都要圍繞這個原則開展。

五、應(yīng)用展望

餐飲企業(yè)數(shù)字化應(yīng)用可概括為前端服務(wù)接受數(shù)據(jù)，后端收集分析數(shù)據(jù)并反饋給前端輔助經(jīng)營優(yōu)化的過程，數(shù)字化必將成為餐飲經(jīng)營管理的基礎(chǔ)。通過數(shù)字化獲取客戶、擴(kuò)展收入渠道、獲取客戶反饋、供應(yīng)鏈協(xié)同、開展經(jīng)營效率和效果分析等，為餐飲企業(yè)帶來了全新的、立體多維的營運模式。開展基于大數(shù)據(jù)經(jīng)營管理，打造品牌自身的私域流量池，實現(xiàn)品牌的社交化傳播裂變。開展基于大數(shù)據(jù)的分析，通過數(shù)智化方法輔助決策，提升餐飲企業(yè)的經(jīng)營績效。