تحسين خوارزميات التوصيل: الطريقة التقليدية مقابل منهج Masterestaurant
تحديث بتاريخ 27 سبتمبر 2026: 15 أقسام مُراجَعة.

تنسخ الطريقة التقليدية قائمة القاعة وتلصقها على Uber Eats وRappi وDiDi Food دون تعديل السعر أو الأزمنة، وهذا ما يُغرقها في الخوارزمية. Diego F. Parra، مؤسس Masterestaurant، يكرر العبارة نفسها في كل تشخيص: «الخوارزمية لا تكافئ الطبق الأفضل، بل تكافئ المشغّل الأكثر انضباطاً في أرقامه». وفي 2026، تحقق المطاعم التي تطبّق هذا التعديل إيرادات أعلى بكثير من حجم الطلبات نفسه، مع بقاء تكلفة الطعام في التوصيل ضمن السقف الذي يحدده المنهج.
لا تعرض تطبيقات التوصيل مطعمك وفق الترتيب الأبجدي. فـUber Eats وRappi وDiDi Food تحتسب نقاطًا داخلية تجمع بين زمن التحضير ونسبة القبول ومتوسط تقييم آخر 50 طلبًا وسرعة الاستجابة للشكاوى. وقد يظهر مطعم يتمتع بتقييم أعلى لكنه بطيء في التحضير عدة مراتب تحت مطعم آخر تقييمه أقل قليلًا ومطبخه أسرع بكثير. وهذا الفارق في الترتيب يحرك جزءًا مهمًا من الزيارات العضوية داخل التطبيق، وفق النمط الذي رصده Diego F. Parra من خلال تدقيق المطابخ المظلمة في بوغوتا وميدلين ومدينة مكسيكو خلال عام 2025.
الخطأ الذي أراه مرارًا لدى المطاعم التي تعمل بالتوصيل منذ سنتين إلى خمس سنوات هو التعامل مع التطبيق كأنه منشور رقمي: القائمة نفسها والأسعار نفسها والصور نفسها التي مضى عليها ثلاث سنوات. هذا المطبخ يدفع عمولة مرتفعة على كل طلب، ويخسر في الوقت نفسه ترتيبه لأنه لا يحدّث أزمنة التحضير ولا يراجع لوحة المؤشرات. والنتيجة طلبات تتراجع من ربع إلى آخر دون أن يفهم المالك السبب، لأن المشكلة ليست في المنتج بل في طريقة قراءة الخوارزمية لبياناته التشغيلية.
Masterestaurant يتعامل مع هذا الأمر كنظام متكامل، لا كتعديل سعري عابر. يبدأ المنهج بتدقيق بيانات 90 يومًا من لوحة الشريك في Uber Eats Manager وRappi Partners وDiDi Food Business، ثم يصنّف أفضل 10 أطباق تحقق هامشًا، ويعيد تصميم القائمة الرقمية حول هذه الأطباق. وفي المطاعم التي طبّقت Diego F. Parra هذا التدقيق، ترتفع نسبة القبول بشكل ملحوظ خلال أسابيع قليلة، دون الحاجة إلى توظيف موظفين إضافيين.
بحلول عام 2026، يعزز Uber Eats وRappi الذكاء الاصطناعي في ترتيبهما الخاص، إذ يتنبآن بالطلب حسب الفترة الزمنية من اليوم ويعدّلان ظهور المطعم وفق احتمال التزامه بالوقت الموعود. وهذا يعاقب المطبخ الذي لا يقيس أزمنته عقابًا مضاعفًا، لأن الخوارزمية لم تعد تتسامح مع الوعود غير المنجزة بتحذير واحد، بل بتراجعات متتالية في الترتيب. وبالنسبة إلى مطعم بمتوسط فاتورة افتراضي، فإن خسارة عدة مراتب في ترتيب فئته قد تعني طلبات أقل بكثير في الأسبوع، وتتحول في نهاية الشهر إلى مبلغ كبير من المبيعات الضائعة. ويدمج Masterestaurant هذا المتغير التنبؤي في كل عملية تدقيق منذ عام 2025.
مقارنة جنباً إلى جنب
| الطريقة التقليدية | منهجية Masterestaurant | |
|---|---|---|
| متوسط وقت التحضير | ✕22 دقيقة | ✓11 دقيقة |
| نسبة قبول الطلبات | ✕الغالبية العظمى من الطلبات | ✓شبه كل الحالات |
| نسبة الزيادة في السعر مقارنة بالصالة | ✕بلا زيادة، وبالسعر نفسه | ✓نسبة أقل بكثير |
| الأصناف النشطة في قائمة التوصيل | ✕45 طبقًا | ✓14 طبقًا |
| تكرار مراجعة المقاييس | ✕مرة واحدة شهريًا | ✓عدة مرات أسبوعيًا |
| تكلفة الطعام الفعلية في التوصيل | ✕نسبة مرتفعة | ✓نسبة متوسطة |
| متوسط الترتيب في الفئة | ✕مركز متوسط في القائمة | ✓المركز 3 |
لماذا لا يظهر مطعمي في المقدمة على Uber Eats رغم تقييمه الجيد؟
لأن الترتيب لا يعتمد على النجوم وحدها، فـUber Eats وRappi وDiDi Food تدمج زمن التحضير ونسبة القبول ومتوسط تقييم آخر 50 طلبًا وسرعة الرد على الشكاوى في نقاط داخلية واحدة. وقد يتراجع مطعم يتمتع بتقييم أفضل لكن تحضيره بطيء عدة مراتب تحت مطعم تقييمه أقل قليلًا ومطبخه أكثر رشاقة. وهذا الفارق في الترتيب يحرك جزءًا مهمًا من الزيارات العضوية داخل التطبيق، وفق النمط الذي رصده Diego F. Parra من خلال تدقيق المطابخ المظلمة في بوغوتا وميدلين ومدينة مكسيكو خلال عام 2025. فالخوارزمية تكافئ الاتساق التشغيلي، لا رضا الزبون وحده.
1. قائمة منسوخة من صالة الطعام: الخطأ الأكثر تكرارًا في المطابخ
الخطأ الذي أراه مرارًا لدى المطاعم التي تعمل بالتوصيل منذ سنتين إلى خمس سنوات هو التعامل مع التطبيق كأنه منشور رقمي: القائمة نفسها والأسعار نفسها والصور نفسها التي مضى عليها ثلاث سنوات. هذا المطبخ يدفع عمولة مرتفعة على كل طلب، ويخسر في الوقت نفسه ترتيبه لأنه لا يحدّث أزمنة التحضير ولا يراجع لوحة المؤشرات. والنتيجة طلبات تتراجع من ربع إلى آخر دون أن يفهم المالك السبب، لأن المشكلة ليست في المنتج بل في طريقة قراءة الخوارزمية لبياناته التشغيلية. القائمة غير المُنقّحة تبدد الهامش في أطباق يطلبها القليل جدًا لكنها تخفض متوسط الزمن الفعلي.
2.
يتقاضى الأسلوب التقليدي على التطبيق السعر نفسه المعتمد في الصالة، دون أن يغطي عمولة المنصة ولا كلفة التغليف، وهذا يآكل الهامش طبقًا تلو الآخر. وفي تدقيقات Diego F. Parra للمطابخ المظلمة، يستعيد هذا التعديل بين 4 و7 نقاط من هامش الربح الإجمالي دون رفع متوسط الفاتورة كما يراه الزبون، لأن الزيادة تُستوعب في السعر الرقمي لا في سعر الطاولة. وتجاهل هذا التعديل هو السبب الذي يجعل كثيرًا من المالكين يظنون أن التوصيل غير مربح، والمشكلة في الحقيقة في السعر لا في القناة.
3. زمن تحضير دون 12 دقيقة: المتغير الأعلى وزنًا
Uber Eats وRappi يعاقبان بخفض الترتيب المطابخ التي تتجاوز وقت التحضير الموعود أكثر من مرتين في الأسبوع. يحدد أسلوب Masterestaurant حدًا تشغيليًا قدره 12 دقيقة لمعظم عناصر القائمة الرقمية، ويستند إلى محطة مخصصة لطلبات التطبيقات وحدها، منفصلة عن مطبخ صالة الطعام. وفي المطاعم التي طبّقت فيها Diego F. Parra هذا الفصل، ترتفع نسبة قبول الطلبات بشكل ملحوظ خلال أسابيع قليلة، دون توظيف موظفين إضافيين. فالالتزام المستمر بالوقت الموعود هو ما تفسره الخوارزمية على أنه موثوقية، والموثوقية هي ما يرفع الظهور.
4. نسبة قبول الطلبات: المقياس الذي لا يراجعه أحد
رفض الطلبات بسبب نقص المكونات أو الموظفين في ساعات الذروة يخفض نسبة القبول، وهذه النسبة لها وزن لا يقل عن التقييم في خوارزمية الترتيب. ومراجعة لوحة الشريك بانتظام (Uber Eats Manager وRappi Partners وDiDi Food Business) تساعد على تحديد الفترات الزمنية التي تقع فيها حالات الرفض، وعلى تعديل المناوبات أو المخزون قبل حلول تلك الساعة. هذا التعديل التشغيلي، لا تعديل القائمة، هو ما يحرك المؤشر خلال 6 أسابيع.
5. الصورة والوصف حسب المنصة: البيع في Rappi يختلف عن البيع في DiDi
نسخ الصورة والوصف نفسهما على التطبيقات الثلاثة يتجاهل أن لكل منصة خوارزمية ملاءمة خاصة بالبحث الداخلي، تأخذ في الحسبان النقرات والتحويل حسب الصورة أيضًا. الطبق الذي يحمل صورة عامة من مكتبة الصور غالبًا ما يحقق تحويلًا أقل بكثير من طبق بصورة خاصة جيدة الإضاءة. يصنّف الأسلوب أفضل 10 أطباق تحقيقًا للهامش ويمنح كلًا منها معالجة بصرية ونصية مختلفة في كل منصة، ويوجّه إليها وقت فريق التسويق بالأولوية. هذه التفاصيل، رغم أنها تبدو ثانوية، ترفع بشكل ملموس نسبة النقر إلى الطلب داخل فئة المطعم.
6. الذكاء الاصطناعي التنبؤي في الترتيب: ما يأتي في 2026
مع اقتراب عام 2026، تدخل Uber Eats وRappi مزيدًا من الذكاء الاصطناعي إلى ترتيبها الخاص، فتتنبأ بالطلب حسب الفترة الزمنية وتعدّل الظهور وفق احتمال أن يلتزم المطعم بالوقت الموعود. وهذا يعاقب المطبخ الذي لا يقيس أوقاته عقابًا مضاعفًا، لأن الخوارزمية لم تعد تتسامح مع الوعود غير المحققة بإنذار واحد، بل بتراجعات تدريجية في الترتيب. وبالنسبة إلى مطعم متوسط طلباته مرتفع مقارنة بفئته، فإن خسارة عدة مراكز في الترتيب قد تعني عددًا كبيرًا من الطلبات الأقل أسبوعيًا، تتراكم في الشهر إلى مبيعات فائتة كبيرة. Masterestaurant يدمج هذا المتغير التنبؤي في كل تدقيق منذ عام 2025.
الحكم: الخوارزمية لا تغفر القائمة المنسوخة، وتكافئ القناة التي تُعامل كأنها قناة أصلية
الأسلوب التقليدي ينسخ قائمة الصالة إلى Uber Eats وRappi وDiDi Food دون تعديل السعر أو الأوقات، وهذا يُغرقه في الخوارزمية تدريجيًا لا دفعة واحدة. ويظهر الفارق خلال 6 إلى 8 أسابيع: المطبخ الذي يدقّقه Diego F. Parra يرفع نسبة قبول الطلبات من مستوى متوسط إلى مستوى مرتفع، ويستعيد مراكز كان صاحبه يظنها ضاعت بسبب تشبع السوق. وإذا تراجعت مبيعات التوصيل لديك بنسبة 12% هذا الربع، فالخطوة الأولى ليست خفض الأسعار، بل تدقيق بيانات الـ90 يومًا الأخيرة في اللوحة قبل المساس بالقائمة.
تحليل جنبًا إلى جنب: أين يظهر الأثر في الصندوق
الطريقة التقليدية: القائمة المنسوخة والملصوقة
- السعر نفسه في التوصيل والصالة، دون تغطية عمولة المنصة.
- قائمة من 40 إلى 60 صنفًا، مطابقة لقائمة الطعام المطبوعة، دون ترتيب تفضيلي للخوارزمية.
- متوسط وقت تحضير من 20 إلى 25 دقيقة، دون هدف أو قياس أسبوعي.
- صور عامة أو غير محدثة منذ أكثر من 12 شهرًا.
- مراجعة مقاييس اللوحة مرة واحدة شهريًا أو أقل.
منهج Masterestaurant: الخوارزمية كقناة بيع
- يحدد السعر بالاعتماد على سعر الصالة مع نسبة زيادة لحماية الهامش بعد العمولة.
- تقليص القائمة الرقمية إلى 12 إلى 14 صنفًا مرتكزًا، وهي الأكثر دورانًا والأعلى هامشًا.
- وقت تحضير أقل من 12 دقيقة، مع هدف يومي ظاهر في المطبخ.
- إعادة كتابة الصور والأوصاف كل 90 يومًا بالكلمات المفتاحية التي يستخدمها العميل عند البحث.
- مراجعة المقاييس عدة مرات أسبوعيًا، مع تعديل الأسعار وساعات العمل حسب الطلب.
الأرقام التي تحركها خوارزمية محسنة الإعداد
“خلال 7 أسابيع، خفّضنا القائمة الرقمية من 38 إلى 13 صنفًا، وعدّلنا السعر بنسبة زيادة 17%، وخفّضنا وقت التحضير إلى 10 دقائق. ارتفعت نسبة قبول الطلبات إلى 97%، وانخفضت تكلفة الطعام إلى 30%، وانتقل ترتيب الفئة من المركز 16 إلى المركز 2 في فرعين من أصل ستة.”
حالة مركّبة لأغراض توضيحية: الأسماء والأرقام الواردة فيها لا تصف مشروعاً حقيقياً ولا تمثل بيانات للقطاع.
كيفية تحسين خوارزمية التوصيل في 4 خطوات
قبل المساس بالسعر أو القائمة، حمّل تقرير الـ 90 يوماً من Uber Eats Manager أو Rappi Partners أو DiDi Food Business. حدّد معدل القبول، ومتوسط وقت التحضير، وتقييم آخر 50 طلباً، ونسبة الإلغاءات. وفي هذه الخطوة، يوصي Diego F. Parra بتحديد الـ 10 أطباق التي تولّد 70% من الحجم، فهي الأطباق التي تدفعها الخوارزمية بالفعل، وعليها يُبنى التحسين. فإذا انخفض معدل القبول عن 85% أو تجاوز وقت التحضير 15 دقيقة، فهذا هو عنق الزجاجة الحقيقي، لا القائمة ولا الصور. تستغرق هذه المراجعة بين ساعتين وثلاث ساعات، ويجب تكرارها كل ربع سنة للحفاظ على التقدم.
قلّص قائمة التوصيل إلى 12 إلى 14 طبقًا: الأعلى دورانًا والأفضل هامشًا وفق تكلفة الطعام الفعلية، لا وفق قائمة الصالة. قائمة من 45 صنفًا تشتت انتباه العميل والخوارزمية معًا، والخوارزمية تعطي الأولوية للكتالوجات ذات معدل التحويل المرتفع لكل صنف. أعد كتابة كل وصف بالكلمات التي يستخدمها العميل عند البحث (مثل «دجاج مشوي كامل» بدلًا من «تخصص الشيف»)، وحدّث الصور كل 90 يومًا بإضاءة طبيعية وطبق مقدَّم، لا بصورة من المخزون. يشترط أسلوب Masterestaurant ألا تتجاوز تكلفة الطعام 32% لكل صنف مرتكز قبل رفعه إلى القائمة الرقمية، لحماية الهامش بعد عمولة المنصة.
بدون هذا التعديل، ينخفض صافي الهامش لكل طلب إلى مستوى لا يكفي لتغطية رواتب المطبخ وتجديد المكونات على المدى المتوسط. أعلن التغيير بشفافية: معظم المطاعم في أمريكا اللاتينية تعمل بالفعل بتسعير مختلف بين القناة الفعلية وقناة التوصيل، ويقبل العميل ذلك حين تبقى الخدمة، من التغليف والوقت إلى الجودة، ثابتة. راجع نسبة الزيادة هذه كلما أعلنت المنصة تغييرًا في هيكل عمولتها، وهو أمر تكرر عدة مرات في المنطقة خلال السنوات الأخيرة.
ادخل إلى اللوحة كل يوم اثنين وكل يوم خميس لمراجعة نسبة القبول ووقت التحضير والتقييم للأسبوع كاملًا. إذا انخفضت نسبة القبول عن 90% أو ارتفع وقت التحضير عن 12 دقيقة، فعدّل مناوبة المطبخ، أو أوقف مؤقتًا الأصناف ذات الأوقات الطويلة في ذروتي الظهيرة والمساء. هذا الإيقاع في المراجعة، الذي تطبقه Diego F. Parra مع كل عميل لدى Masterestaurant منذ الشهر الأول للتدقيق، هو متابعة تكتشف تراجعات الترتيب خلال أيام لا أسابيع، حين يكون قد ضاع جزء كبير من الطلبات المحتملة. الهدف ليس الكمال المستمر، بل انضباط القياس. فالخوارزمية تكافئ الاتساق أسبوعًا بعد أسبوع، لا شهرًا جيدًا واحدًا يتبعه ثلاثة أشهر من هجر اللوحة.
وماذا عن الذكاء الاصطناعي؟
حسّن القنوات والتسعير واقتصاديات الوحدة لمطبخك الافتراضي. Diego F. Parra خبير في تطبيقات الذكاء الاصطناعي في قطاع المطاعم.
تحسين خوارزميات التوصيل: أدوات مجانية للبدء اليوم
أدوات Masterestaurant للحفاظ على التحسين
تدعم هذه الأدوات الثلاث من منظومة Masterestaurant تدقيق خوارزمية التوصيل دون إضافة موظفين جدد إلى التشغيل اليومي.
تعالج كل أداة عنق زجاجة مختلفاً: استراتيجية القنوات، وتوقّع النمو، ومراقبة الهامش الفعلي لكل طلب.
تُستخدم معاً خلال الأسابيع الأولى من التدقيق، وهي الفترة نفسها التي تتحسن فيها نسبة القبول عادةً بشكل ملحوظ.
أسئلة شائعة حول تحسين خوارزميات التوصيل
كم تتقاضى منصات التوصيل فعلياً في 2026؟
كم تتقاضى منصات التوصيل فعلياً في 2026؟
تفرض هذه المنصات عمولة على كل طلب تختلف حسب المنصة والمدينة وخطة الاشتراك المختارة (أساسية أو بلس أو بريميوم)، إذ تتقاضى الخطط الأشمل عمولات أعلى مقابل ظهور أكبر. يُضاف إلى ذلك رسوم الإعلانات داخل التطبيق إذا فعّل المطعم العروض الممولة.
هل أرفع الأسعار في قائمة التوصيل؟
هل أرفع الأسعار في قائمة التوصيل؟
ومن دون هذا التعديل، تضيّق عمولة المنصة هامش الربح الصافي لكل طلب إلى حدٍّ لا يغطي تكلفة التغليف ولا إعادة تعبئة المواد الأساسية على المدى المتوسط.
كم طبقاً ينبغي أن تحتوي القائمة المحسّنة للتوصيل؟
كم طبقاً ينبغي أن تحتوي القائمة المحسّنة للتوصيل؟
اختر ما بين 12 و14 صنفاً مرتكزاً، وهي الأصناف الأعلى دوراناً والأفضل من حيث تكلفة الغذاء (ويُفضَّل ألا تتجاوز 32%). فالقائمة التي تضم 40 إلى 60 طبقاً تُضعف معدل التحويل وتُربك الخوارزمية، التي تعطي الأولوية للقوائم ذات نسبة النقر العالية لكل صنف.
كل كم مدة أراجع مقاييس الخوارزمية؟
كل كم مدة أراجع مقاييس الخوارزمية؟
مرتين في الأسبوع على الأقل: راقب نسبة القبول وزمن التحضير وتقييم آخر الطلبات. فمراجعة واحدة شهرياً فقط تُغفل تراجعات الترتيب التي تحتاج إلى 30 يوماً للتصحيح بدلاً من 3 أو 4 أيام.
بيانات 2026 من تحسين خوارزميات التوصيل
معايير قابلة للتحقق من مصادر رسمية وغير تجارية (حكومية، وجمعيات القطاع، وبيانات السوق)، وليس من المنافسين أبداً.
| معطى | القيمة | المصدر |
|---|---|---|
| مطاعم محلية نشطة على منصات التوصيل في المكسيك، في أكثر من 60 مدينة (2024) | أكثر من 52 ألف مطعم محلي (2024) | El Universal citando a DiDi Foods — Apps de comida impulsan crecimiento de restaurantes locales en México (2024) |
| عدد المستخدمين النشطين في iFood، تطبيق التوصيل الرائد في أمريكا اللاتينية (البرازيل)، في نهاية الربع الثالث من 2024 | حوالي 12.2 مليون مستخدم نشط (الربع 3 من 2024) | Sensor Tower — Top 5 Food Delivery Apps in Latin America Q3 2024 Performance (2024) |
| عدد المستخدمين النشطين أسبوعيًا في PedidosYa في أمريكا اللاتينية، الحد الأعلى لنطاق الربع الثالث من 2024 | بين 4.8 و5.3 مليون مستخدم نشط أسبوعياً (الربع 3 2024) | Sensor Tower — Top 5 Food Delivery Apps in Latin America Q3 2024 Performance (2024) |
| الطلبات الشهرية لـ iFood في البرازيل، التي انتقلت من نحو 70 مليون في المتوسط إلى مستوى 100 مليون في أغسطس 2024 | 100 مليون طلب شهرياً (أغسطس 2024) | Bloomberg Línea — Rappi y iFood: qué le depara a las apps de delivery ante reformas y presión por rentabilidad en Latam? (2025) |
| مستخدمو الإنترنت في المكسيك الذين يستخدمون تطبيقات التوصيل، وفق الجمعية المكسيكية للبيع عبر الإنترنت (AMVO) (من تقرير 2023) | 83٪ من مستخدمي الإنترنت في المكسيك (2023) | The Food Tech citando a AMVO — El delivery de alimentos y bebidas sigue creciendo (2023) |
| حصة iFood من المستخدمين النشطين شهرياً بين تطبيقات التوصيل في أمريكا اللاتينية، سياق تركّز يغذي خوارزمية التطبيقات (2024، تراكمي منذ بداية العام) | 40٪ من حصة MAU في أمريكا اللاتينية (2024) | Sensor Tower — Fragmented LatAm Food Delivery Market Evolves Amidst Uber's Exit (2024) |
محتوى ذو صلة
منهجية Masterestaurant لـ تحسين خوارزميات التوصيل
مُطبَّق في أكثر من 8,400 مطعم في 43 دولة.
