数据应用的法则一：持续优化
在外卖单量和营收爆发之后，持续做好外卖精细化运营是个非常系统的工程，要通过大数据持续优化运营，对此，你需要做好以下5点。
首先是重置图片，让线上门店看起来丰富多变，紧跟消费热点。外卖点单是看图下单，所以门店图和餐品图非常重要。你的店适合什么风格？很多商家知道自己的目标客群，但并不能感受到这部分群体的审美喜好，此时，商家需要利用同商圈、同品类的大数据，获取精准的用户画像，从而制定符合顾客口味的包装设计。比如特殊节日和实时热点下，商家的线上门店可以做特殊呈现，给用户以新鲜感。商家可以根据不同品类的品牌特点，设计有针对性的运营方案。外卖包装对用户体验的影响也非常大，既要保温、保口感还要美观。
其次是分级别、分时段进行精细化运营。外卖餐饮店所处的发展阶段不同，需要提升的需求点也不一样。甲之蜜糖乙之砒霜，再完美的运营方案也不能解决所有商家的问题。有的商家排名靠前，有的垫底，这只代表一时，它们都可以通过日常的精细化运营实现想要的突破。餐饮商家要根据不同品牌的情况，制定不同的门店分级标准，基于平台信息、商圈数据和排名，得出产品优化、分类优化和套餐组合的方案，线上线下同步优化，全面提升销量和利润。除此之外，不同品类的重点运营时段也不一样，有的品类重点运营时段在午时，有的则在晚间到夜宵时段。商家需要进行分时段的精细化运营，比如调整菜单结构、设置满减活动等。比如一个知名老字号品牌做外卖，根据不同时段的订单占比数据和客单价数据，可以将营销活动的时间设置在早餐、午餐、晚餐时，进行分时段运营；并依据饿了么、美团两个平台上门店维度的市场占比，结合商圈数据进行分级运营，使优质门店保证复购，劣质门店拉新留存；同时针对不同季节的主推产品，对菜单加以实时优化，提升应季产品的销量。
再次是优化菜单，利用菜品贡献度进行精准营销，从而提升利润。大部分商家可能只关注哪些商品卖得好，哪些卖得不好，却忽视了店铺整体的经营状况。商家要通过持续的大数据分析，弄明白哪些是明星产品，哪些是只有搞特价时消费者才会购买的产品。商家可以通过大数据的收集整理，输出菜品贡献度数据和关联度数据，从而对菜单进行实时优化，明确套餐组合方向。比如用留存指数、流失指数和贡献度筛选更受用户喜欢的菜品，由此设计菜单，提高转化率；还可以根据菜单贡献度分析用户偏好，制定精准的营销活动，提升低成本菜品的销售额；根据菜品的受欢迎程度和用户偏好，及时、准确地替换菜品。
然后是引流，实时监控优化导流，做更精准的广告投放。从本质上讲，外卖流量就是把平台的流量变成自己的流量，自然流量的有效获取与营销费用的精准投放是业绩持续增长的基本保障。外卖店在平台上的评分越高、排名越靠前，带来的流量就越高。排名在1~10名时可能有1万的曝光量，到10~20名时可能只有5000的曝光量。排名往往是动态的，在一个商圈的不同位置搜同一家店，其排名往往不同。外卖平台评分采用了黑匣子算法，其中的机制非常复杂，有时配送范围扩大了，订单量变高了，但排名反而下降了。也就是说，商家很难有效提升自己店铺的排名。现在大部分商家会通过营销获取流量，但由于不了解消费者习惯，也不了解平台机制，往往投入了许多费用，但流量增长不尽如人意，新增营收抵不上营销费用。商家要实现有效、精准的投放，需要通过大数据抓取及人工分析，用自己的系统追踪店铺每小时的排名，找出最佳投放时间点。投放时同步优化基础运营，使曝光量稳步提升，在营业额波动增长的同时，千次曝光成本会持续下降。有很多机构，特别是外卖代运营公司，比如食享会提供这方面的服务。
最后是优化物流及配送，提升曝光和销售。武汉有家外卖门店的配送区域被正在修建的轨道工程隔开，导致配送效率很低，同时，配送范围内沿江的高端住宅区也不是它的主要客户。通过分析周边整体数据，包括竞争对手的配送方式、时间和效果之后，这家店简单调整了配送方案，充分利用曝光，成为核心产单区的王牌店。爆单商家可以重新划分配送半径，不错过商圈内的订单热力点，对其进行合理优化，减少无效订单。比如某快餐品牌原来的配送半径为2.6千米，经过数据分析，它的配送范围可以扩展到5.4千米，它可以在2.6千米的范围内使用专送，2.6~5.4千米的范围内采用快送。混合配送之后，其曝光量提高了66.4%，销售额增长了44.3%。
数据应用的法则二：创新场景
利用数据中台+业务推送系统，即可完成场景创新。比如以前海鲜都是用来商务宴请的，而现在商家可以开发多种场景，提高复购率。以两个场景为例：场景一，以前父母不舍得吃海鲜，给钱也不舍得花，现在，子女们可以在网上订好后送到家里，父母不吃也得吃，这是“孝心场景”；场景二，以前家里买菜的阿姨总是抱怨买菜的钱不够用，因为市场的菜总是涨价，现在在网上订好海鲜，免去了阿姨的抱怨，这是“阿姨菜金”场景。
数据应用的法则三：商业智能
下面讲一个麦当劳商业智能的例子。BI是Business Intelligence的简称，即麦当劳的商业智能中心。麦当劳在全球100多个国家及地区，有37000多家店。这37000多家店的数据，每15分钟一次，会同步到总部的商业智能中心。每家店都有3类数据：第一类是财务数据，进销存；第二类是经营数据，包括电话投诉、长周期检查、短周期检查、陌生用户拜访，等等；第三类是营销投放数据。
麦当劳创建了一个模型叫典型市场，它把全球划分成几十种典型市场。比如，仅北京一座城市，就会有好几个典型市场。麦当劳在北京王府井的店，与其在巴黎市中心、纽约市中心的店属于同一个典型市场。同样是北京，开在郊区的店就属于另一个典型市场。虽然同在北京，但因为门店的收入水平、人流密度、商业活跃时长不一样，那么市场也是不一样的。麦当劳会把这些不同的市场特性概括成一个又一个典型市场，把每家店放进符合它的典型市场，进行横向比较。这样，同一典型市场中的店，在同等营销投放下，若呈现不同的经营结果，你就可以判断出其管理水平的差异。
所以，麦当劳通过全球37000多家门店，透视典型市场中的相对表现，以15分钟为单位将信息汇总到总部，直接给到首席运营官。原来以为，一个全球公司的首席运营官看到的数据是北京所有门店的数据，数据汇总成北京的数据，再汇总成华北区数据，然后汇总成中国区数据，再然后汇总为亚太数据，最后汇总成全球数据。如果真的这样汇总，将每一层的数据都合并在一起，每一层的人会有很多腾挪的空间和解释权，数据就会一层层变形。这种数据只能是一种对规模感的粗糙把握，对于洞察各级门店的管理水平和增长空间几乎没有帮助。而麦当劳把排名末梢的店放到典型市场里进行细致化管理。这时，如果麦当劳做了一个营销动作，在同一个典型市场里，假如一家店的效果远远不及同类市场的其他店，这就是一家值得关注的店。而它的管理者用多长时间让这家店的数据回到典型市场的平均值，就能看出其管理人员的水平。可以说，麦当劳打造了一个商业智能数据中台，让麦当劳同一典型市场中的所有店都能够彼此参照，从而不断优化运营。现在各大企业都在研究数据中台，因为中台不仅能为业务提供动能，还能获取末梢信息。
