你菜单上50道菜。有没有想过，可能只有5道在给你赚钱？剩下的要么卖不出去，要么卖出去还亏本，只是你不知道。
大部分餐饮老板看菜单只看销量。销量高的菜就放在第一位，销量低的就准备换掉。但销量高不等于利润高——一道售价58元的菜，食材成本28元，人工成本12元，再加水电房租，也就赚8块钱。旁边一道38元的凉菜，食材成本8块，人工成本2块，利润18块。谁在赚钱？不是你以为的那道。
这不是你的问题。你的POS机告诉你卖了多少钱，厨师的报销单告诉你买了多少食材，但没有人帮你把这两组数据对到一起。你不会每道菜去算毛利，也没时间对账。然后你凭感觉调菜单：上周那道椒麻鸡卖得不好，撤了。完全不知道撤掉的菜其实利润率是全店最高的。
AI做的事说白了很简单：把每道菜的收入、食材成本、人工成本、日均销量、利润全部算清楚。不是算总数，是一道菜一道菜地算。然后帮你把菜品分成四类。
传统凭感觉 vs AI数据分析：菜单优化效率对比
| 对比维度 | 传统凭感觉调菜单 | AI数据分析优化菜单 |
|---|---|---|
| 决策依据 | 只看销量排名+老板直觉 | 结合销量、毛利、人工成本、食材损耗率的综合评分 |
| 数据更新频率 | 季度甚至半年一次（等亏多了才想起调） | 实时更新，每周自动出一次分析报告 |
| 分析颗粒度 | 按菜品品类看个大概（热菜、凉菜、主食各卖了多少） | 精准到每道单品的利润率、时段销量、食材成本波动 |
| 决策准确率 | 约50-60%（一半的调整都白做甚至起反效果） | 85%以上（数据支撑的调整有明确的跟踪反馈循环） |
| 月投入（时间成本） | 老板每月花6-8小时翻报表、算账、凭感觉调整 | 每周花15分钟看AI出的报告做决策，系统自动算账 |
| 利润率提升效果 | 约3-5%（侥幸猜中优化方向时） | 平均12-18%（3个月内持续优化累积效果） |
这四类菜品怎么分？
第一类：明星菜。利润率高、销量高。这种菜是你的招牌，放在菜单最显眼的位置，服务员优先推荐，主厨重点保住品质，随时保证供应。
第二类：金牛菜。利润率高但销量低。问题不在产品，在曝光率。服务员没有主动推荐、菜单上的位置不好、菜名不够吸引人。这种菜稍微调整一下位置和推荐话术，销量能翻倍。
第三类：引流菜。销量高但利润低。这种菜的价值不是直接赚钱，是把人拉进来。用它们吸引顾客，用明星菜赚利润。但你要控制引流菜的数量——太多引流菜就是白忙活。
第四类：问题菜。利润低、销量低。直接砍掉，没有任何犹豫的理由。每道问题菜每天占用备料时间、占用厨师的注意力、占用菜单上的位置。砍掉之后，团队的精力集中在赚得到钱的菜上。
一家开了8家店的某连锁餐饮品牌，上线AI菜品分析之后，3个月内做了什么调整？发现4道高毛利但几乎没人点的菜品，原来是菜单排版问题被挤到了最后一页——移到第一页后，销量翻了3倍。发现2道销量最高的菜利润几乎是零，原来是食材采购成本悄无声息涨了30%——调价之后顾客完全没察觉，但利润回来了。一共砍掉了6道既不赚钱又没人点的菜，食材损耗率从9%降到4%，整体利润提升了17%。
这些数据你本来就有，只是没有系统帮你算。你的POS机记录了每一单的销售数据，你的财务系统记录了采购成本，你的后厨记录了每天用了多少食材。这些数据之间有一条线牵着，你缺少的是把线拉直的人——或者说，一个不需要睡觉、不会算错、每个月800块钱的AI分析系统。
怎么落地？第一步，把你最近3个月的销售数据和采购数据导出成Excel，给到AI工具。第二步，AI自动计算每道菜的食材成本、人工成本、利润率和销量排名。第三步，AI输出一份菜品四象限分类报告，标出每个区域该做什么动作。最后，你拿着报告和厨师长聊15分钟定方案，试跑两周看效果。
不用三个月，一个月你就能感受到变化——厨房不再为没人点的菜备料，服务员推荐菜品更有底气，你的菜单每一道菜都在赚钱。