होम › केस स्टडी › डार्क किचन और फ़ूडटेक
केस स्टडी

डिलीवरी ऐप्स का एल्गोरिदम: एक डार्क किचन ने कैंसलेशन कैसे रोके और 90 दिनों में स्टैंडर्ड रेसिपी जेनरेटर से चैनल का EBITDA फिर सकारात्मक कर दिया

Diego F. Parra द्वारा Diego F. Parra · अपडेट किया गया · डार्क किचन और फ़ूडटेक

28 अक्टूबर 2026 का अपडेट: स्रोत सहित 10 नए आंकड़े, 5 नए अक्सर पूछे जाने वाले प्रश्न और 8 नए खंड।

डिलीवरी ऐप्स का एल्गोरिदम: एक डार्क किचन ने कैंसलेशन कैसे रोके और 90 दिनों में स्टैंडर्ड रेसिपी जेनरेटर से चैनल का EBITDA फिर सकारात्मक कर दिया — Masterestaurant
त्वरित निष्कर्ष

फ़ैसला: डिलीवरी ऐप्स का एल्गोरिदम रेस्तराँ को इस संभावना के हिसाब से क्रम में लगाता है कि ऑर्डर सही पहुँचेगा: इसमें स्वीकृति, अपने कैंसलेशन, हाल की रेटिंग, वास्तविक समय बनाम वादे का समय और लिस्टिंग का कन्वर्ज़न तौला जाता है, और विज्ञापन पोज़िशन नहीं, बल्कि व्यू खरीदता है।

इस संयुक्त उदाहरण में, तीन ब्रांड वाली एक डार्क किचन, जो सोचती थी कि वह विज्ञापन न देने की सज़ा भुगत रही है, ने पाया कि समस्या पास पर और सुशी की ग्राम मात्रा में थी, और उसने इसे इसी क्रम में हल किया: पहले किचन, फिर लिस्टिंग, आख़िर में विज्ञापन, जिसकी सीमा कॉन्ट्रिब्यूशन मार्जिन के आधार पर तय की गई।

📈 केस स्टडीविस्तृत बिज़नेस केस: निदान, समय-सीमा के साथ निर्णय और मापे गए परिणाम· पढ़ने का समय 24 मिनट· 2026-10-28

यह एक काल्पनिक (संयुक्त) केस है, जिसे Masterestaurant ने Diego F. Parra मेथड के पैटर्न का उपयोग करके तैयार किया है। थीसिस केस के विवरण से पहले रखी जा रही है: डिलीवरी ऐप्स का एल्गोरिदम उस पर मेहरबान नहीं होता जो सबसे ज़्यादा पैसे देता है, बल्कि उस पर जो वादा निभाता है। यह किचन अच्छी बिक्री कर रही थी, पर पैसा उत्पादन में ही बह रहा था, ग्राहक की स्क्रीन तक पहुँचने से बहुत पहले। केस का संक्षिप्त विवरण: लैटिन अमेरिका के एक मध्यम आकार के शहर में तीन ब्रांड (सुशी, बाउल्स और बर्गर) वाली छिपी हुई किचन (घोस्ट किचन), नौ लोग दो शिफ़्ट में बँटे हुए, बिना टेबल या डाइनिंग हॉल के, 2024 में शुरू हुई; प्रति ग्राहक औसत टिकट मध्यम वर्ग का, लगभग पूरी बिक्री ऐप्स से, और सालाना कारोबार पाँच लाख से दस लाख डॉलर के दायरे में।

इस चैनल में गलती करने की कीमत छोटी नहीं होती। Wharton Magazine (2025) के अनुसार प्लेटफ़ॉर्म अमेरिका के रेस्तराँ से प्रति ऑर्डर आम तौर पर 15 से 30 % कमीशन लेते हैं, इसलिए किचन जो भी ऑर्डर रद्द करती है, उसकी कीमत दो बार चुकानी पड़ती है: एक बार फेंके गए खाने में, और दूसरी बार आगे के ऑर्डरों के लिए खोई हुई रैंकिंग में। और यहाँ दाँव पर लगी माँग बहुत बड़ी है: National Restaurant Association (2025) के अनुसार अमेरिका के 37 % वयस्क हफ़्ते में कम से कम एक बार डिलीवरी ऑर्डर करते हैं, और यह आदत वर्चुअल किचन वाले लैटिन अमेरिकी शहरों में भी तेज़ी से वैसी ही बनती जा रही है।

साझेदार महिलाएँ अपना एक निदान लेकर आई थीं, और वह गलत था: उनका मानना था कि ऐप ने उन्हें विज्ञापन न खरीदने की वजह से नीचे गिरा दिया है। पैनल का डेटा कुछ और कह रहा था। दृश्यता में गिरावट उन सप्ताहांतों के साथ मेल खाती थी जिनमें इनकार सबसे ज़्यादा हुए थे, और उसी हफ़्ते के साथ जब सुशी ब्रांड सैल्मन की कमी के कारण ऑर्डर रद्द करने लगा था। यह ऐसी चीज़ है जिसे कोई विज्ञापन ठीक नहीं कर सकता।

आमने-सामने तुलना

आमने-सामने तुलना: डिलीवरी ऐप्स का एल्गोरिदम

पहले (आधार रेखा)बाद में (तीसरा महीना)
पीक आवर में ऑर्डर स्वीकार करना✕शुक्रवार और शनिवार रात को इनकार एक साथ जमा हो जाते थे; टैबलेट पास पर बिना किसी ज़िम्मेदार व्यक्ति के पड़ी रहती थी✓हर शिफ़्ट में एक तय व्यक्ति टैबलेट संभालता है; इनकार केवल तभी होता है जब कोई कमी पहले से घोषित हो
रेस्तराँ की ओर से ज़िम्मेदार रद्दीकरण✕लगभग सारे सुशी ब्रांड के थे, सैल्मन की उन कमियों की वजह से जो ऐप में कभी दर्ज नहीं होती थीं✓कमी शिफ़्ट शुरू होने से पहले ऐप में दर्ज की जाती है; रद्दीकरण अलग-थलग मामलों तक सीमित
वास्तविक समय बनाम वादा किया गया समय✕वादा आदर्श रेसिपी के हिसाब से किया गया था; दो ब्रांडों के मिले-जुले ऑर्डर देर से पहुँचते थे✓स्टेशन और ब्रांड-संयोजन के अनुसार वास्तविक समय मापकर तय किया गया समय
सैद्धांतिक बनाम वास्तविक लागत का अंतर (सुशी)✕फ़ूड कॉस्ट विधि की 32% की सीमा से ऊपर था, और पोर्शन अंदाज़े से परोसे जा रहे थे✓32% की सीमा के भीतर; ग्राम मात्रा स्टैंडर्ड रेसिपी जनरेटर से तय की गई
हाल की अवधि की रेटिंग✕देर से या अधूरे पहुँचे ऑर्डरों की समीक्षाएँ हाल की अवधि की रेटिंग को नीचे खींच रही थीं✓हाल की अवधि साफ़ है; हर नकारात्मक समीक्षा का उसी दिन जवाब दिया जाता है
लिस्टिंग का कन्वर्ज़न✕पुरानी तस्वीरें, अस्पष्ट डिश-नाम, और कॉम्बो बिना मार्जिन की गणना के बनाए गए✓असली डिश की तस्वीरें, स्पष्ट नाम, और कॉम्बो जिनका योगदान मार्जिन पहले से गणना किया गया है
लेबर कॉस्ट और शिफ़्ट✕शिफ़्ट आदत से बनाई गई थीं, और दोपहर के बीच में ज़रूरत से ज़्यादा स्टाफ़ रहता था✓किसी को नए सिरे से भर्ती किए बिना शिफ़्ट असली पीक घंटों पर खिसकाए गए
डिलीवरी चैनल का EBITDA✕कमीशन काटने के बाद नतीजा नकारात्मक था, जबकि बिक्री बढ़ रही थी✓सकारात्मक और स्थिर; तीसरे महीने तक नतीजा पक्का हुआ और छठे महीने पर नया मापन किया गया

डिलीवरी ऐप का एल्गोरिदम असल में क्या मापता है

डिलीवरी ऐप का एल्गोरिदम यह मापता है कि ऑर्डर ठीक से पहुँचेगा या नहीं, और विज्ञापन बस एक शोकेस खरीदता है, जिसे बाद में संचालन को ही निभाना पड़ता है। प्लेटफ़ॉर्म सूची को अनुपालन के संकेतों से क्रम में लगाते हैं: आप कितने ऑर्डर स्वीकार करते हैं, कितने अपनी वजह से रद्द करते हैं, पिछले कुछ हफ़्तों की रेटिंग कैसी है, असली समय वादे से कितना दूर है, और प्रोफ़ाइल देखने वालों में से कितने ख़रीदारी तक पहुँचते हैं। यह शोकेस वहाँ ज़्यादा भारी पड़ता है जहाँ एक ही ऐप बाज़ार पर हावी हो, क्योंकि Sensor Tower (2024) के अनुसार ब्राज़ील में डिलीवरी के मासिक सक्रिय उपयोगकर्ताओं का 89 % हिस्सा अकेले iFood के पास था, इसलिए उसकी सूची से बाहर होना लगभग पूरे चैनल की माँग से गायब होने जैसा है। Masterestaurant में हम इसे किचन की एक तस्वीर से समझाते हैं: ऐप पास के प्रभारी जैसा है जो खाना चखता नहीं, बस देखता है कि वह समय पर, पूरा और बिना लौटाए निकला या नहीं, और जो दो रातों तक लगातार चूकता है उसे दंड देता है।

शुरुआती स्थिति: एक छिपी हुई किचन जो बिना कारण जाने पोज़ीशन खो रही थी

इस केस की किचन ने उत्पादन की विफलताओं की वजह से दृश्यता खोई, विज्ञापन की कमी से नहीं, और इस निदान ने पूरी कार्ययोजना बदल दी। यह तीन ब्रांडों वाली एक छिपी हुई किचन है: सुशी, बाउल और बर्गर। इस काल्पनिक संयुक्त उदाहरण में यह लगभग सारी बिक्री ऐप से करती थी और सप्ताहांत में उसकी प्रोफ़ाइलों को सूची में नीचे खिसकते देख रही थी। पार्टनरों ने पहले ही भुगतान वाले अभियानों के दाम मँगवा लिए थे, इस विश्वास के साथ कि एल्गोरिदम उसे दंडित करता है जो निवेश नहीं करता। लेकिन प्लेटफ़ॉर्म का पैनल दूसरी कहानी बता रहा था, क्योंकि गिरावट उन्हीं रातों के साथ मेल खाती थी जब सबसे ज़्यादा रिजेक्शन हुए, और उसी हफ़्ते के साथ जब सुशी ब्रांड ने सैल्मन की कमी के कारण रद्द करना शुरू किया। उस समय विज्ञापन पर पैसा लगाना ऐसी किचन को और ग्राहक भेजना होता जो अब उन्हें पूरा नहीं कर सकती थी, और हर विफल ऑर्डर प्रोफ़ाइल को और नीचे धकेल देता। पहले किचन को व्यवस्थित करें, फिर दृश्यता खरीदें: यही इस केस का क्रम है, और यही इसकी थीसिस है।

बिना ज़िम्मेदार व्यक्ति वाला ऑर्डर टैबलेट स्वीकृति दर को कैसे गिराता है

हर शिफ़्ट में किसी ज़िम्मेदार व्यक्ति के बिना ऑर्डर टैबलेट ठीक उन घंटों में स्वीकृति दर गिरा देता है जो सबसे क़ीमती हैं, क्योंकि जब किचन भरी होती है तो कोई उसे देखता ही नहीं। इस किचन में यह डिवाइस पास पर रहता था और सैद्धांतिक रूप से उसे वही व्यक्ति सँभालता था जो प्लेटिंग करता था, इसलिए सबसे ज़्यादा बिक्री वाली दोनों रातों में रिजेक्शन और समय-सीमा निकले ऑर्डर जमा होते गए। एल्गोरिदम के लिए, हर ऑर्डर जो बिना जवाब के समाप्त हो जाता है, संकेत देता है कि लोकेशन उपलब्ध नहीं है, और

बिना ज़िम्मेदार व्यक्ति वाला ऑर्डर टैबलेट स्वीकृति दर को कैसे गिराता है — व्यवहार में

प्रोफ़ाइल क्षेत्र के सभी ग्राहकों के लिए नीचे जाती है, सिर्फ़ उस एक के लिए नहीं जो इंतज़ार कर रहा था। सुधार तकनीक का नहीं, व्यवस्था का था: हर शिफ़्ट में टैबलेट का एक नामित ज़िम्मेदार व्यक्ति, पीक घंटे के लिए लिखित बदली, और एक सरल नियम कि किसी ब्रांड के ऑर्डर को समय-सीमा निकलने देने से पहले उसे रोक दिया जाए। रोकने से उस घंटे की बिक्री को चोट लगती है। रिजेक्ट करने से पूरे हफ़्ते की पोज़ीशन को चोट लगती है, और वह बिल बाद में और बिना सूचना के आता है।

सैल्मन एक कारण: वे रद्दीकरण जिनका पैसा ग्राहक पहले ही दे चुका था

इस केस के रद्दीकरण एक सामग्री के नाम पर थे, सैल्मन, और जब इन्वेंटरी ऐप से बात करने लगी तब ये रुके। कमी प्लेटफ़ॉर्म पर कभी दर्ज नहीं होती थी, इसलिए ग्राहक सुशी ऑर्डर करता, किचन ऑर्डर बनाते समय कमी पकड़ती, और भुगतान हो चुका होने पर भी रद्द करती, जो रेटिंग और पोज़ीशन दोनों के लिए सबसे बुरा मेल था। यहीं Masterestaurant के रेसिपी-कॉस्टिंग टूल ने काम किया: हर रोल की लागत-गणना से हमने हिसाब लगाया कि अनुमानित बिक्री हर स्लॉट में कितना सैल्मन खाएगी, एक रीऑर्डर पॉइंट तय किया, और सेवा शुरू होने से पहले यह तय किया कि ऐप में उत्पाद को अनुपलब्ध कौन चिह्नित करेगा। ऐसा न करना महँगा पड़ता है। मेक्सिको में CANIRAC के अध्यक्ष ने अनुमान लगाया कि डिलीवरी ऐप्स बिक्री का 15 % से 35 % तक कमीशन लेते हैं (El Universal San Luis, 2026), और इतने कमीशन के बोझ में हर रद्द ऑर्डर एक ऐसा मार्जिन है जो चला जाता है और एक ऐसी प्रतिष्ठा है जो मुफ़्त में खो जाती है।

दो ब्रांडों वाले ऑर्डरों में वादा किया गया समय बनाम असली समय

ऐप में सेट किया गया तैयारी समय उस आदर्श रेसिपी का था, और एल्गोरिदम वादे और असलियत के बीच हर मिनट के अंतर को वसूलता है। यह विचलन मिश्रित ऑर्डरों में बढ़ता था, क्योंकि बाउल और बर्गर अलग-अलग स्टेशनों से निकलते थे और बैग बंद करने का समन्वय कोई नहीं करता था, इसलिए डिलीवरी करने वाला इंतज़ार करता, खाना गुनगुना पहुँचता, और रिव्यू यह सब बता देता। Diego F. Parra एक ऐसे क्रम का समर्थन करता है जो उल्टा लगता है: पीक घंटे में वादा उतना बढ़ाएँ जितना किचन सच में पूरा कर पाती है, और उसके बाद ही तरीके से उसे घटाएँ। लंबा वादा कुछ क्लिक खोता है; अधूरा वादा रेटिंग खोता है, और रेटिंग हफ़्तों तक सूची को हिलाती है। परिचालन का हल था दो ब्रांड वाले ऑर्डरों के लिए एक असेंबली प्रभारी, और ऑर्डर-टिकट का ऐसा बोर्ड जो दिखाए कि कौन सा स्टेशन सबसे आख़िर में खत्म हो रहा है। अगर प्रतिस्पर्धा के लिए समय घटा दिया जाता तो क्या होता? ज़्यादा देरी, बुरे रिव्यू, कम पोज़ीशन, और एक ऐसा चक्र जो अपने आप को खिलाता रहता।

नतीजा: विज्ञापन में निवेश से पहले ही लिस्टिंग की रैंकिंग वापस ऊपर आ गई

रसोई व्यवस्थित होते ही लिस्टिंग की स्थिति फिर सुधरी, और यह सब एक रुपया भी विज्ञापन पर खर्च करने से पहले हुआ। यही वह नतीजा है जो विज्ञापन बेचने वालों को सबसे ज़्यादा खटकता है। इस उदाहरण में तीसरे महीने तक स्वीकृत ऑर्डर लगभग सभी प्राप्त ऑर्डरों के बराबर पहुँच गए, दुकान की वजह से होने वाली रद्दीकरण बेहद कम रह गए, और डिलीवरी चैनल ने P&L में नुकसान करना बंद कर दिया। तभी लिस्टिंग के रूपांतरण पर काम शुरू हुआ: हर बाउल की असली तस्वीरें, ऐसे डिश के नाम जिन्हें ग्राहक सचमुच खोजते हैं, और दो ब्रांडों का एक कॉम्बो, जिसकी कीमत दूसरे ब्रांडों की बिक्री को नुकसान न पहुँचाए। कीमत मायने रखती है, क्योंकि ग्राहक स्क्रीन पर दिख रही कुल रकम की तुलना करता है। Intouch Insight (2025) की रिपोर्ट के मुताबिक, अमेरिका में तीसरे-पक्ष के ऐप्स के शुल्क 2024 और 2025 के बीच औसतन 1.10 USD घटे। जब एक ठीक से चल रहे काम पर विज्ञापन लगाया जाता है, तभी हर खरीदी गई विज़िट के सही तरीके से पहुँचे और सही ढंग से डिलीवर हुए ऑर्डर में बदलने की संभावना बनती है।

सालाना बिक्री-स्लैब के हिसाब से हस्तांतरणीय सबक

सबक हर आकार के रेस्तराँ पर एक ही क्रम में लागू होता है: पहले वह संचालन जिसे एल्गोरिदम मापता है, फिर वह दृश्यता जिसे खरीदा जाता है। सालाना आधा मिलियन डॉलर से कम बिक्री वाले रेस्तराँ के लिए इस हफ़्ते का पहला कदम है हर शिफ़्ट में टैबलेट का एक ज़िम्मेदार व्यक्ति तय करना और उसके बदलने का तरीका लिखना। आधा मिलियन से एक मिलियन के बीच, यानी इस केस की श्रेणी में, सबसे ज़्यादा रद्द होने वाली सामग्री की लागत का हिसाब रखना और उसके लिए रीऑर्डर पॉइंट तय करना ज़रूरी है। एक मिलियन

सालाना बिक्री-स्लैब के हिसाब से हस्तांतरणीय सबक — व्यवहार में

से ऊपर हर ब्रांड को रेसिपी के समय के बजाय पीक आवर में मापा गया वादा किया गया समय चाहिए। पाँच मिलियन से आगे, जैसे किसी थीम वाले बड़े फ़ॉर्मेट कॉन्सेप्ट या किसी मशहूर शेफ़ के ब्रांड में, अगला कदम यह ऑडिट करना है कि हर शहर में कौन-सा ऐप हावी है, क्योंकि DiDi Food में डिलीवरी के मासिक सक्रिय उपयोगकर्ताओं का 38% हिस्सा था (Sensor Tower, 2024)। और दस मिलियन से ज़्यादा वाले समूह को कमीशन पर बातचीत करने से पहले अपनी सभी शाखाओं के रद्दीकरण का डेटा एक ही पैनल में लाना चाहिए।

इस केस की सीमाएँ

यह नतीजा हर बाज़ार में एक जैसा नहीं दोहराया जाएगा, और तरीका कॉपी करने से पहले यह समझ लेना ज़रूरी है। जहाँ एक ही ऐप लगभग सारी माँग अपने पास रखता है, जैसे अर्जेंटीना में, जहाँ Sensor Tower के उसी 2024 के आँकड़ों के मुताबिक PedidosYa के पास डिलीवरी के मासिक सक्रिय उपयोगकर्ताओं का 61% हिस्सा था, वहाँ रसोई एक ही एल्गोरिदम पर निर्भर रहती है, और नियमों में कोई भी बदलाव संचालन में सुधार से ज़्यादा असर डालता है। जहाँ प्लेटफ़ॉर्म का नक्शा लगातार बदलता रहता है, वहाँ भी यही उम्मीद न रखें: Uber Eats 2020 में 33% से घटकर 2024 में लैटिन अमेरिकी उपयोगकर्ताओं के 7% तक आ गया, जब उसने ब्राज़ील छोड़ा, और अच्छी तरह जमी लिस्टिंग भी ऐसे ऐप में फँस सकती है जो ग्राहक खो रहा हो। बैठने की जगह वाला रेस्तराँ, जिसके लिए डिलीवरी सिर्फ़ अतिरिक्त सेवा है, एक अलग सीमा से टकराता है: एक ही रसोई हॉल और पैकिंग दोनों के लिए इस्तेमाल होती है, और वहाँ टैबलेट मेज़ों से होड़ करता है। ऐसे में पहला काम स्टेशन अलग करना है, लिस्टिंग में छेड़छाड़ नहीं।

मूल कारण का निदान, दूसरों पर लागू होने वाले सबक और इस केस की सीमाएँ

हर लक्षण के पीछे कोई ऐसा कारण था जो मार्केटिंग का नहीं था। स्वीकृति दर कम होना लापरवाही नहीं थी: ऑर्डर वाली टैबलेट पास पर बिना मालिक के पड़ी थी। जिस तथ्य ने यह उजागर किया वह था कि इनकार सबसे ज़्यादा बिक्री वाली दोनों रातों में जमा होते थे, ठीक तब जब पास वाला व्यक्ति प्लेटिंग कर रहा होता था। रद्दीकरण का एक दोषी था जिसका नाम एक सामग्री था, यानी सैल्मन, जिसकी कमी कभी ऐप में दर्ज नहीं होती थी। इसलिए ग्राहक सुशी मँगवाता, किचन को कमी का पता चलता, और ऑर्डर का पैसा पहले ही लिए जाने के बाद वह रद्द हो जाता। वास्तविक समय का वादे से ज़्यादा होना एक और कारण से था: तैयारी का समय आदर्श रेसिपी से सेट किया गया था, और दो ब्रांडों वाले ऑर्डरों में अंतर बढ़ता था, क्योंकि बाउल और बर्गर अलग-अलग स्टेशनों से निकलते थे और बैग

मूल कारण का निदान, दूसरों पर लागू होने वाले सबक और इस केस की सीमाएँ — व्यवहार में

बंद करने का समन्वय कोई नहीं करता था। और कैश काउंटर पर सबसे महँगा लक्षण दिखा: सुशी की सैद्धांतिक और वास्तविक लागत का अंतर, जहाँ अंदाज़े से परोसे गए पोर्शन फ़ूड कॉस्ट को उस 32% की सीमा से ऊपर धकेल रहे थे, जिसे Masterestaurant तरीका लक्ष्य नहीं, बल्कि अधिकतम सीमा के रूप में तय करता है। मुझसे यह गलती सालों तक होती रही, और मैं यह इसलिए कह रहा हूँ क्योंकि जो गलती मैं बार-बार देखता हूँ, उसकी जड़ एक ही है: मैं भी पहले डिश-लिस्टिंग और विज्ञापनों पर काम करने की सलाह देता था, क्योंकि वही दिखता है। जबकि डिलीवरी ऐप का एल्गोरिद्म असल में पूरे हुए वादों का हिसाब रखने वाला एक लेखाकार है, जो अच्छी तस्वीर पर भरोसा नहीं करता अगर किचन ही नाकाम हो रहा हो। अगर ये साझेदार महिलाएँ पहले हफ़्ते में विज्ञापन खरीद लेतीं तो क्या होता? उसी बिना मालिक वाली टैबलेट

मूल कारण का निदान, दूसरों पर लागू होने वाले सबक और इस केस की सीमाएँ — मुख्य बिंदु और आँकड़े

पर और ऑर्डर आते, इनकार और रद्दीकरण बढ़ते, ऑर्गेनिक रैंकिंग और नीचे जाती, और वे उन ग्राहकों के लिए दो बार पैसे देतीं, एक बार विज्ञापन में और एक बार कमीशन में, जो फिर कभी लौटकर नहीं आते। चैनल का तनाव असली है, और उसे बिना भावुकता के सुलझाना चाहिए: जो ऐप कमीशन लेती है वही ग्राहक भी लाती है। हल न उससे नफ़रत करना है, न उसके आगे हथियार डाल देना, बल्कि उसे एक सीमा वाले भुगतान किए गए अधिग्रहण चैनल की तरह देखना है। मेक्सिको में CANIRAC के अध्यक्ष डिलीवरी ऐप्स का कमीशन बिक्री के 15% से 35% के बीच बताते हैं (El Universal San Luis, 2026)। यह दर उस समय की है जब स्रोत देखा गया, और इसकी पुष्टि आधिकारिक लिंक पर करना उचित है, क्योंकि यह बदलती रहती है; इतने भार के साथ, जिस कॉम्बो का योगदान मार्जिन गणना किए बिना है, वह वॉल्यूम

मूल कारण का निदान, दूसरों पर लागू होने वाले सबक और इस केस की सीमाएँ — उदाहरण और आँकड़े

तो बढ़ाता है, पर EBITDA को डुबो देता है। बाज़ार का संकेंद्रण निर्भरता को और बढ़ाता है: लैटिन अमेरिका में, मध्य 2024 तक अग्रणी ऐप मासिक सक्रिय डिलीवरी उपयोगकर्ताओं के 40% पर थी, Sensor Tower के अनुसार। एक और प्लेटफ़ॉर्म, जिसका 2020 में क्षेत्रीय हिस्सा 33% था, ब्राज़ील छोड़ने के बाद 2024 में घटकर 7% रह गया। एक ऑपरेटर के लिए इसका सीधा अर्थ है: नक्शा उसकी इजाज़त के बिना बदल जाता है, इसलिए स्टैंडर्ड रेसिपी, स्टॉपवॉच और अपने ग्राहकों का आधार किसी भी ऐप पर काम आते हैं, जबकि किसी एक ऐप में हासिल की गई जगह संपत्ति नहीं, बल्कि किराए पर ली हुई चीज़ है। इन सबक को आकार के हिसाब से अलग तरह से लागू किया जाता है। अगर आपका सालाना कारोबार आधा मिलियन डॉलर से कम है, तो आपका पहला कदम इसी हफ़्ते हर शिफ़्ट के लिए टैबलेट का एक मालिक तय करना है,

मूल कारण का निदान, दूसरों पर लागू होने वाले सबक और इस केस की सीमाएँ — आगे क्या

बिना किसी नए सॉफ़्टवेयर के। आधा मिलियन और एक मिलियन के बीच, जैसा कि यह केस है, पहला काम उस ब्रांड का ग्राम और वास्तविक समय तय करना है जो सबसे ज़्यादा रद्द करता है। एक मिलियन से ऊपर, पहला कदम हर ब्रांड और हर शाखा के लिए पाँच संकेतों का एक ही डैशबोर्ड बनाना है, जिसका कोई ज़िम्मेदार व्यक्ति हर सोमवार उसकी समीक्षा करे। पाँच से ज़्यादा या दस मिलियन से ज़्यादा वाले समूहों में, जिनमें बड़ी क्षमता वाला मीडिया-प्रसिद्ध शेफ़ का रेस्तराँ और अनुभव-आधारित थीम वाला रेस्तराँ भी शामिल हैं, डिलीवरी का असर अलग होता है: निजी ब्रांड और सेट-डिज़ाइन बैग में नहीं जाते, और इमेज रॉयल्टी व सेट के रखरखाव का खर्च ब्रेक-ईवन में जुड़ता है, किसी एक डिश में नहीं। फिर भी यह चैनल बढ़ रहा है; अमेरिका में फ़ुल-सर्विस रेस्तराँ का, नेशनल रेस्टोरेंट एसोसिएशन के अनुसार, परिसर से बाहर का ट्रैफ़िक 2019 में

मूल कारण का निदान, दूसरों पर लागू होने वाले सबक और इस केस की सीमाएँ — व्यवहार में (5)

19% से बढ़कर 2024 में 30% तक पहुँच गया। इसलिए वहाँ पहला कदम एक छोटा डिलीवरी मेन्यू है, जो यात्रा के लिए बनाया गया हो और जो भोजनकक्ष के अनुभव से समझौता न करे। और केस की सीमाएँ भी बताना ज़रूरी है, ताकि सर्वाइवरशिप बायस में न फँसें। मैं यही नतीजा उस बाज़ार में नहीं मानूँगा जहाँ एक ही ऐप लगभग सारे ऑर्डर समेट लेती है, जैसे ब्राज़ील, जहाँ सक्रिय मासिक उपयोगकर्ताओं का 89 % शीर्ष ऐप पर है (Sensor Tower, 2024), या अर्जेंटीना, जहाँ यह आंकड़ा 61 % है। वहाँ बातचीत और दृश्यता का महत्व ऑपरेशन से ज़्यादा होता है। न ही उस किचन में, जिसकी समस्या लोकेशन है, यानी ग्राहकों की माँग से बहुत दूर, और न ही उस कॉन्सेप्ट में, जिसका डिश सफ़र सहन नहीं कर पाता, क्योंकि कोई भी पोर्शन का वज़न कुरकुरी फ़्राई को नरम होकर पहुँचने से नहीं बचा सकता।

बिंदु-दर-बिंदु

डिलीवरी ऐप के एल्गोरिदम के बारे में मिथक बनाम सच्चाई

पेड विज्ञापन
A · पहले (आधार रेखा)मिथक: विज्ञापनों पर पैसा लगाने से ऐप में रेस्तराँ की पोज़ीशन ऊपर जाती है।
B · Masterestaurantसच्चाई: विज्ञापन तभी ख़रीदा जाता है जब खर्च चल रहा हो। अगर किचन मना करे या ऑर्डर रद्द हों, तो वही विफलताएँ बढ़ जाती हैं जिन्हें एल्गोरिदम दंडित करता है।
निष्कर्ष: विज्ञापन आख़िर में, और उसकी सीमा कॉन्ट्रिब्यूशन मार्जिन से बंधी हो।
रेटिंग
A · पहले (आधार रेखा)मिथक: अच्छी पुरानी रेटिंग पोज़ीशन की रक्षा करती है।
B · Masterestaurantसच्चाई: हाल की अवधि मायने रखती है, और कुछ बुरी रातें औसत कितना भी ऊँचा हो, उसे नीचे खींच लेती हैं।
निष्कर्ष: हर हफ़्ते हाल की अवधि का प्रबंधन करें।
कैंसलेशन
A · पहले (आधार रेखा)मिथक: एक अकेला रद्द किया गया ऑर्डर किसी को नज़र नहीं आता।
B · Masterestaurantसच्चाई: रेस्तराँ की ओर से हुआ हर रद्दीकरण भरोसा घटाता है और खाने, कमीशन और उस ग्राहक का नुकसान करता है जो दोबारा नहीं आता।
निष्कर्ष: शिफ़्ट शुरू होने से पहले स्टॉक की कमी बताएँ।
कीमत और शुल्क
A · पहले (आधार रेखा)मिथक: ग्राहक सिर्फ़ कीमत देखता है, इसलिए कीमत घटाना रैंकिंग जीतना है।
B · Masterestaurantसच्चाई: Intouch Insight की मिस्ट्री शॉपर रिपोर्ट के अनुसार 2024 और 2025 के बीच अमेरिका में थर्ड-पार्टी शुल्क औसतन 1,10 USD घट गए, और देर से पहुँचने वाला ऑर्डर किसी भी कीमत पर ग्राहक खोता है।
निष्कर्ष: छूट से पहले समय पर पूर्ति में प्रतिस्पर्धा करें।
वादा किया गया समय
A · पहले (आधार रेखा)मिथक: कम मिनट का वादा करने से ज़्यादा ऑर्डर आते हैं।
B · Masterestaurantसच्चाई: एल्गोरिदम वादे की तुलना असली समय से करता है, और जो वादा पूरा नहीं होता, वह आगे के सारे ऑर्डरों की पोज़ीशन गिरा देता है।
निष्कर्ष: टाइमर जो दिखाए, वही वादा करें।
और वर्चुअल ब्रांड
A · पहले (आधार रेखा)मिथक: एक ही किचन में ज़्यादा ब्रांड जोड़ने से दृश्यता कई गुना हो जाती है।
B · Masterestaurantसच्चाई: बिना मानक रेसिपी के, हर नया ब्रांड उन्हीं स्टेशनों पर लागत और समय के विचलन को बढ़ा देता है।
निष्कर्ष: नया ब्रांड तभी जोड़ें जब उसका ग्रामेज और समय तय हो चुका हो।
आमने-सामने तुलना

पोज़िशन गिराने वाली चीज़ (पहले)

  • यह मान लेना कि विज्ञापन से स्थान खरीदा जा सकता है।
  • पास पर एक ऑर्डर टैबलेट थी जिसका कोई मालिक नहीं था। पीक के दौरान थकान में वह ऐसे ऑर्डर ठुकरा देती थी जिन्हें किचन आराम से निकाल सकता था, और हर ऑर्डर के साथ ऐप को बताती थी कि यह रेस्तराँ भरोसेमंद नहीं है।
  • बिना घोषित कमी वाला सैल्मन।
  • वादा किए गए समय आदर्श रेसिपी से उठाए गए थे, स्टॉपवॉच से नहीं।

जिसने उसे उठाया (बाद में)

  • हर शिफ़्ट के लिए टैबलेट का एक मालिक।
  • सुशी के ग्राम और प्री-पोर्शनिंग स्टैंडर्ड रेसिपी जनरेटर से तय की गई, जिससे सैद्धांतिक और वास्तविक लागत का अंतर घटा और साथ ही रोल बनाने का समय अनुमानित हो गया। यही वह चीज़ थी जिसे एल्गोरिद्म बिना किसी को पता चले माप रहा था।
  • असली तस्वीरें और समझ में आने वाले नाम।
  • विज्ञापन तभी, जब संचालन पहले से खरा हो, और खर्च की सीमा हर कॉम्बो के योगदान मार्जिन से जुड़ी हो।
वे आंकड़े जो मायने रखते हैं

केस को संदर्भ देने वाले उद्योग के आंकड़े

30%
अमेरिका में रेस्तराँ के लिए डिलीवरी प्लेटफ़ॉर्म की प्रति ऑर्डर सामान्य कमीशन की ऊपरी सीमा (2025 में 15 से 30 % की रेंज)
35%
मेक्सिको में डिलीवरी ऐप्स की बिक्री पर कमीशन रेंज की ऊपरी सीमा (15 % से 35 %, CANIRAC के अध्यक्ष के अनुसार)
37%
अमेरिका के वयस्क जो हफ़्ते में कम से कम एक बार डिलीवरी मँगवाते हैं (2025)
30%
2024 में अमेरिका के फ़ुल-सर्विस रेस्तराँ का ऑफ़-प्रिमाइसेज़ ट्रैफ़िक (2019 में 19 %)
1.1USD
2024 से 2025 के बीच अमेरिका में थर्ड-पार्टी डिलीवरी ऐप्स की औसत फ़ीस में कमी (मिस्ट्री शॉपर ऑर्डरों के आधार पर)
40%
लैटिन अमेरिका में डिलीवरी ऐप्स के सक्रिय मासिक उपयोगकर्ता जो शीर्ष ऐप पर केंद्रित हैं (2024, साल के मध्य तक)
89%
ब्राज़ील में डिलीवरी ऐप्स के सक्रिय मासिक उपयोगकर्ता जो शीर्ष ऐप पर केंद्रित हैं (2024)
61%
अर्जेंटीना में डिलीवरी ऐप्स के सक्रिय मासिक उपयोगकर्ता जो शीर्ष ऐप पर केंद्रित हैं (2024)
38%
मेक्सिको में डिलीवरी ऐप्स के मासिक सक्रिय उपयोगकर्ताओं में DiDi Food की हिस्सेदारी (2024), वह बाज़ार जहाँ डिलीवरी ऐप्स के एल्गोरिदम आपस में प्रतिस्पर्धा करते हैं
7%
ब्राज़ील से बाहर निकलने के बाद लैटिन अमेरिका में डिलीवरी ऐप्स के सक्रिय मासिक उपयोगकर्ताओं में Uber Eats की हिस्सेदारी, यह दिखाने का उदाहरण कि जहाँ डिलीवरी ऐप्स के एल्गोरिद्म काम करते हैं, वहाँ नक्शा कैसे बदल जाता है (2024)
38%
2024 में मेक्सिको में डिलीवरी ऐप्स के सक्रिय मासिक उपयोगकर्ताओं में DiDi Food की हिस्सेदारी, यह वह बाज़ार है जहाँ ऐप का एल्गोरिद्म तय करता है कि रेस्तराँ कितना दिखेगा
दृश्यांकन
आंकड़े, दृश्य रूप में
आंकड़े, दृश्य रूप में30% अमेरिका में रेस्तराँ के लिए डिलीवरी प्लेटफ़ॉर्म की प्रति ऑर्; 35% मेक्सिको में डिलीवरी ऐप्स की बिक्री पर कमीशन रेंज की ऊपरी सी; 37% अमेरिका के वयस्क जो हफ़्ते में कम से कम एक बार डिलीवरी मँगवा; 30% 2024 में अमेरिका के फ़ुल-सर्विस रेस्तराँ का ऑफ़-प्रिमाइसेज़ ; 1.1USD 2024 से 2025 के बीच अमेरिका में थर्ड-पार्टी डिलीवरी ऐप्स की ; 40% लैटिन अमेरिका में डिलीवरी ऐप्स के सक्रिय मासिक उपयोगकर्ता जोअमेरिका में रेस्तराँ के लिए डिलीवरी प्लेटफ़ॉर्म की प्रति ऑर्डर सामान्य कमीशन की ऊपरी सीमा (2025 में 15…30%मेक्सिको में डिलीवरी ऐप्स की बिक्री पर कमीशन रेंज की ऊपरी सीमा (15 % से 35 %, CANIRAC के अध्यक्ष के अनु…35%अमेरिका के वयस्क जो हफ़्ते में कम से कम एक बार डिलीवरी मँगवाते हैं (2025)37%2024 में अमेरिका के फ़ुल-सर्विस रेस्तराँ का ऑफ़-प्रिमाइसेज़ ट्रैफ़िक (2019 में 19 %)30%2024 से 2025 के बीच अमेरिका में थर्ड-पार्टी डिलीवरी ऐप्स की औसत फ़ीस में कमी (मिस्ट्री शॉपर ऑर्डरों के…1.1USDलैटिन अमेरिका में डिलीवरी ऐप्स के सक्रिय मासिक उपयोगकर्ता जो शीर्ष ऐप पर केंद्रित हैं (2024, साल के मध्…40%
स्रोत: Wharton Magazine (2025) · El Universal San Luis, CANIRAC (2026) · National Restaurant Association (2025) · Intouch Insight (2025) · Sensor Tower (2024)इसके द्वारा बनाया गया चार्ट masterestaurant.com
उदाहरण केस (समग्र)

“दो साल तक हमें लगा कि ऐप हमें विज्ञापन न खरीदने की सज़ा दे रहा है। असल में बिना मालिक वाला टैबलेट हर शुक्रवार ऑर्डर ठुकरा रहा था, और सुशी में बिना बताए सैल्मन खत्म हो जाता था। छठे हफ़्ते में, पास पर एक व्यक्ति तय करने और पोर्शन का वज़न पक्का करने के बाद, हम पहली स्क्रीन से गायब होना बंद हो गए।”

— लैटिन अमेरिका के एक मध्यम आकार के शहर में तीन ब्रांड वाली एक डार्क किचन की पार्टनर-ऑपरेटर; सालाना आय का दायरा पाँच लाख से दस लाख डॉलर के बीच (काल्पनिक उदाहरण)

केवल उदाहरण के उद्देश्य से तैयार समग्र केस: केस के नाम और आँकड़े किसी वास्तविक व्यवसाय का वर्णन नहीं करते और न ही उद्योग के डेटा हैं।

इसे अपने रेस्तरां में कैसे लागू करें

कालक्रम के अनुसार उपचार: चार चरणों में 90 दिन

हफ़्ते 1-2: Restaurant Model Canvas से निदान
हमने रैंकिंग के पाँचों संकेतों को अलग किया और हर एक को उस किचन स्टेशन से जोड़ा जो उसे पैदा करता है, क्योंकि जिस संकेत का कोई ज़िम्मेदार न हो, वह हिलता नहीं। इस चरण में हमने विज्ञापन और लिस्टिंग को छूने का फ़ैसला नहीं किया, क्योंकि Canvas ने दिखाया कि यह चैनल उत्पादन में पैसा गँवा रहा था, और कोई भी अतिरिक्त ऑर्डर पास की उसी बाधा पर बोझ डालता।
हफ़्ते 3-5: सुशी ब्रांड में स्टैंडर्ड रेसिपी जेनरेटर
हमने हर पीस का पोर्शन वज़न, वेस्टेज और असेंबली का समय तय किया, और सैल्मन खत्म होने की स्थिति को शिफ़्ट शुरू होने से पहले ऐप में चिह्नित किया जाने लगा। दिक़्क़त जल्दी आई: सटीक वज़न से असेंबली धीमी हुई और दो हफ़्ते तक समय बिगड़ा रहा, जब तक हमने पोर्शनिंग सुबह की मिज़ान प्लास में नहीं डाल दी और पास फिर अपनी रफ़्तार पर लौट आया।
हफ़्ते 6-9: टैबलेट का ज़िम्मेदार व्यक्ति और असली वादे का समय
हर शिफ़्ट में एक व्यक्ति को ऑर्डर स्वीकार करने और मिले-जुले बैग बंद करने का समन्वय सौंपा गया, बिना नई भर्ती के: दोपहर के खाली घंटे उस पीक पर ले जाए गए जिसे डिमांड रडार ने बताया था। हमने वादे का समय वही रखा जो स्टॉपवॉच दिखाती थी। लिस्टिंग का कन्वर्ज़न कुछ दिनों के लिए गिरा, पर फ़ैसला टिका रहा, क्योंकि वादे से पहले पहुँचना कम वादा करने से ज़्यादा मायने रखता है।
केस का अंतिम चरण: एक लिस्टिंग जो कन्वर्ट करे और एक सीमा वाला विज्ञापन।
ऑपरेशन ठीक चलने लगा तो हमने असली डिश की फ़ोटो, समझ में आने वाले नाम और मार्जिन की गणना वाले कॉम्बो दोबारा बनाए, और यह सब तरीक़े की फ़ूड कॉस्ट की सीमा के भीतर रहा। तभी हमने पेड विज्ञापन आज़माया, जिसका खर्च उसी मार्जिन से बँधी सीमा तक रखा गया, और जो कॉम्बो सबसे ज़्यादा बिकता था पर कम कमाई देता था, उसका विज्ञापन बंद कर दिया।
✦ लागू कृत्रिम बुद्धिमत्ता

और कृत्रिम बुद्धिमत्ता के साथ?

अपनी डार्क किचन के चैनल, प्राइसिंग और यूनिट इकोनॉमिक्स को अनुकूलित करें। Diego F. Parra रेस्तरां में अनुप्रयुक्त AI के विशेषज्ञ हैं।

टूल और Masterestaurant की विधि

इस केस में इस्तेमाल हुए Masterestaurant इकोसिस्टम के टूल

Diego F. Parra ये उपचार Masterestaurant इकोसिस्टम के तैयार प्रोडक्ट्स से बनाता है, कोई ख़ास तौर पर बनाया हुआ समाधान नहीं, क्योंकि डिलीवरी ऐप्स के एल्गोरिद्म की समस्या शायद ही कभी अनोखी होती है। वह हर आकार की डार्क किचन में दोहराई जाती है, और उसे उसी काम के क्रम से ठीक किया जाता है।

इस केस में Restaurant Model Canvas ने निदान का क्रम तय किया, स्टैंडर्ड रेसिपी जनरेटर ने सुशी ब्रांड में लागत और समय का अंतर पाटा, और डिमांड रडार ने बताया कि लोगों को कहाँ लगाना है। ग्रोथ प्रोग्राम बाद में आते हैं, जब ऑपरेशन पहले से ठीक चल रहा हो।

⭐ त्वरण कार्यक्रम
Masterestaurant के तरीके से अनुशंसित
खोलें →
⭐ व्यावसायिक समूहों के लिए परामर्श
Masterestaurant के तरीके से अनुशंसित
खोलें →
⭐ MTIE — Masterestaurant Territory Engine (क्षेत्रीय बुद्धिमत्ता)
Masterestaurant के तरीके से अनुशंसित
खोलें →
⭐ रेस्तराँ के लिए बिना एक्सेल की लागत और वित्त चुनौती
Masterestaurant के तरीके से अनुशंसित
खोलें →
⭐ अंतरराष्ट्रीय मुख्य वक्ता (Diego F. Parra)
Masterestaurant के तरीके से अनुशंसित
खोलें →
Masterestaurant कार्यप्रणाली
खोलें →
रेस्तराँ के लिए विशेष टूल
खोलें →
रेस्टोरेंट के लिए बिज़नेस मॉडल कैनवास
अपने रेस्टोरेंट के व्यवसाय मॉडल को एक शीट में व्यवस्थित करें और इसे मुफ़्त डाउनलोड करें।
खोलें →
EXPONENTIAL परिवर्तन कार्यक्रम (8 सप्ताह)
एक्सपोनेंशियल: Masterestaurant का बिक्री और मार्केटिंग प्रोग्राम, जो डिलीवरी सहित चैनलों को बढ़ाता है, और यह भी मार्जिन की गणना के साथ, अंधेरे में तीर चलाए बिना।
खोलें →
प्रशिक्षण 0.1 (शून्य से रेस्टोरेंट शुरू करना)
खोलें →
Diego F. Parra

Diego F. Parra — रेस्तराँ बनाने और उन्हें बढ़ाने तथा रेस्तराँ, फ़ूडटेक और HORECA के लिए AI में विशेषज्ञ अंतरराष्ट्रीय सलाहकार। पद्धति +8,400 रेस्तराँ और 43 देशों में लागू · रेस्तराँ, आतिथ्य और खाद्य व्यवसायों में AI के विशेषज्ञ · रेस्तराँ, केटरिंग, बड़े आयोजनों और व्यावसायिक विकास में +20 वर्ष का अनुभव · ISBN सहित 3 पुस्तकों के लेखक: «Triunfar o morir en el intento» (2013) और «De esclavo a dueño» (2023) · HORECA क्षेत्र के अंतरराष्ट्रीय वक्ता और मुख्य वक्ता (keynote speaker)।

अक्सर पूछे जाने वाले प्रश्न

डिलीवरी ऐप्स के एल्गोरिद्म के बारे में अक्सर पूछे जाने वाले सवाल

डिलीवरी ऐप्स का एल्गोरिदम रेस्तराँ को कैसे क्रम में लगाता है?

डिलीवरी ऐप्स का एल्गोरिद्म रेस्तराँ को इस संभावना के आधार पर क्रम देता है कि ऑर्डर सही पहुँचेगा। इसमें स्वीकृति दर, अपनी ओर से होने वाले रद्दीकरण, हाल की रेटिंग, वादे के मुक़ाबले असली समय और लिस्टिंग का कन्वर्ज़न गिना जाता है। विज्ञापन दृश्यता खरीदता है, स्थिति नहीं। इसलिए पहले किचन सुधारें, फिर लिस्टिंग, और आख़िर में विज्ञापन।

डिलीवरी ऐप्स का एल्गोरिदम रेस्तराँ को कैसे क्रम में लगाता है?

डिलीवरी ऐप्स का एल्गोरिद्म रेस्तराँ को इस संभावना के आधार पर क्रम देता है कि ऑर्डर सही पहुँचेगा। इसमें स्वीकृति दर, अपनी ओर से होने वाले रद्दीकरण, हाल की रेटिंग, वादे के मुक़ाबले असली समय और लिस्टिंग का कन्वर्ज़न गिना जाता है। विज्ञापन दृश्यता खरीदता है, स्थिति नहीं। इसलिए पहले किचन सुधारें, फिर लिस्टिंग, और आख़िर में विज्ञापन।

डिलीवरी ऐप्स का एल्गोरिदम कैसे काम करता है?

यह रेस्तराँ को इस संभावना के आधार पर क्रम देता है कि ऑर्डर सही, समय पर और बिना रद्दीकरण पहुँचेगा। इसमें स्वीकृति, अपनी ओर से रद्दीकरण, हाल की रेटिंग, वादे के मुक़ाबले असली समय और लिस्टिंग का कन्वर्ज़न मिलाए जाते हैं। हर प्लेटफ़ॉर्म इन्हें अलग-अलग वज़न देता है और अपना पूरा फ़ॉर्मूला सार्वजनिक नहीं करता, इसलिए बेहतर है कि पाँचों संकेतों पर एक साथ काम किया जाए।

डिलीवरी ऐप्स का एल्गोरिदम कैसे काम करता है?

यह रेस्तराँ को इस संभावना के आधार पर क्रम देता है कि ऑर्डर सही, समय पर और बिना रद्दीकरण पहुँचेगा। इसमें स्वीकृति, अपनी ओर से रद्दीकरण, हाल की रेटिंग, वादे के मुक़ाबले असली समय और लिस्टिंग का कन्वर्ज़न मिलाए जाते हैं। हर प्लेटफ़ॉर्म इन्हें अलग-अलग वज़न देता है और अपना पूरा फ़ॉर्मूला सार्वजनिक नहीं करता, इसलिए बेहतर है कि पाँचों संकेतों पर एक साथ काम किया जाए।

क्या डिलीवरी ऐप्स पर विज्ञापन पोज़िशन सुधारता है?

विज्ञापन जब तक चलता है तब तक दृश्यता खरीदता है, लेकिन अगर ऑपरेशन में गड़बड़ी है तो वह ऑर्गेनिक स्थिति नहीं सुधारता। स्वीकृति कम हो या रद्दीकरण बार-बार हों, तो ज़्यादा भुगतान वाले ऑर्डर ज़्यादा विफलताओं और ख़राब रैंकिंग में बदल जाते हैं। इसलिए पहले किचन ठीक कीजिए, फिर मार्जिन से बँधी खर्च की सीमा तय कीजिए।

क्या डिलीवरी ऐप्स पर विज्ञापन पोज़िशन सुधारता है?

विज्ञापन जब तक चलता है तब तक दृश्यता खरीदता है, लेकिन अगर ऑपरेशन में गड़बड़ी है तो वह ऑर्गेनिक स्थिति नहीं सुधारता। स्वीकृति कम हो या रद्दीकरण बार-बार हों, तो ज़्यादा भुगतान वाले ऑर्डर ज़्यादा विफलताओं और ख़राब रैंकिंग में बदल जाते हैं। इसलिए पहले किचन ठीक कीजिए, फिर मार्जिन से बँधी खर्च की सीमा तय कीजिए।

डिलीवरी ऐप पर ऑर्डर कैंसल करने से कितना असर पड़ता है?

जितना लगता है उससे कहीं ज़्यादा, क्योंकि रेस्तराँ की ओर से होने वाला हर रद्दीकरण एल्गोरिद्म का भरोसा कम करता है, और साथ ही खाना और बिक्री दोनों जाते हैं। सबसे आम कारण है कोई सामग्री खत्म होना जो ऐप में चिह्नित नहीं की गई। शिफ़्ट शुरू होने से पहले उसे बताने से ज़्यादातर मामले रुक जाते हैं।

डिलीवरी ऐप पर ऑर्डर कैंसल करने से कितना असर पड़ता है?

जितना लगता है उससे कहीं ज़्यादा, क्योंकि रेस्तराँ की ओर से होने वाला हर रद्दीकरण एल्गोरिद्म का भरोसा कम करता है, और साथ ही खाना और बिक्री दोनों जाते हैं। सबसे आम कारण है कोई सामग्री खत्म होना जो ऐप में चिह्नित नहीं की गई। शिफ़्ट शुरू होने से पहले उसे बताने से ज़्यादातर मामले रुक जाते हैं।

डिलीवरी ऐप्स पर रेस्तराँ को कितनी रेटिंग चाहिए?

इसका कोई सार्वभौमिक प्रकाशित आंकड़ा नहीं है: हर प्लेटफ़ॉर्म अपनी सीमाएँ खुद तय करता है और सबसे ज़्यादा वज़न हाल के ऑर्डरों की अवधि को देता है, पूरे इतिहास के औसत को नहीं। रेटिंग को बनाए रखता है वादे का समय पूरा करना और पूरा ऑर्डर पहुँचाना। हर नकारात्मक समीक्षा का उसी दिन जवाब देने से पता चलता है कि क्या गड़बड़ है।

डिलीवरी ऐप्स पर रेस्तराँ को कितनी रेटिंग चाहिए?

इसका कोई सार्वभौमिक प्रकाशित आंकड़ा नहीं है: हर प्लेटफ़ॉर्म अपनी सीमाएँ खुद तय करता है और सबसे ज़्यादा वज़न हाल के ऑर्डरों की अवधि को देता है, पूरे इतिहास के औसत को नहीं। रेटिंग को बनाए रखता है वादे का समय पूरा करना और पूरा ऑर्डर पहुँचाना। हर नकारात्मक समीक्षा का उसी दिन जवाब देने से पता चलता है कि क्या गड़बड़ है।

डेटा और स्रोत

डिलीवरी ऐप्स का एल्गोरिदम के लिए 2026 डेटा

सरकारी, उद्योग संघों और मार्केट-डेटा जैसे आधिकारिक और गैर-व्यावसायिक स्रोतों से सत्यापित बेंचमार्क, कभी प्रतिस्पर्धियों से नहीं।

डेटामानस्रोत
न्यूयॉर्क में डिलीवरी प्लेटफ़ॉर्म द्वारा हर ऑनलाइन ऑर्डर पर लिए जाने वाले बेहतर सेवा शुल्क (enhanced service) की कानूनी अधिकतम सीमा, प्रतिशत के रूप में (2026)प्रत्येक ऑनलाइन ऑर्डर की कीमत का 20 %NYC Department of Consumer and Worker Protection — Requirements for Delivery Apps (2026)
अमेरिका के रेस्तरां संचालकों का प्रतिशत जो अपनी आय का 0 से 10 % तृतीय-पक्ष डिलीवरी से प्राप्त करते हैं (इस समूह में डिलीवरी कमीशन का असर कम है), मध्य-वर्ष रिपोर्ट 2026संचालकों का 47,2% (0-10% आय तृतीय-पक्ष डिलीवरी से, 2026)Restaurant365 — 2026 State of the Restaurant Industry: Mid-Year Report (2026)
अमेरिका में डिलिवरी प्लेटफ़ॉर्म द्वारा रेस्तराँ से प्रति ऑर्डर लिया जाने वाला सामान्य कमीशन (सीमा), डिलिवरी और भुगतान प्रोसेसिंग शुल्क के अतिरिक्त (2025)प्रति ऑर्डर 15 से 30 प्रतिशत (2025)Wharton Magazine — Are Food Delivery Apps Hurting Restaurants? (2025)
मेक्सिको में फूड डिलीवरी बाज़ार का अनुमानित मूल्य; लैटिन अमेरिका में ब्राज़ील के बाद दूसरा (2024)2,530 मिलियन डॉलर (2024)Expansión citando a Statista — México es el segundo lugar en el uso de Rappi, Uber Eats y Didi Food gracias a Mipymes (2025)
मेक्सिको में Didi Food प्लेटफ़ॉर्म के 70,000 से अधिक रेस्तरां में से MiPymes (सूक्ष्म, लघु और मध्यम उद्यम) का अनुपात (2025)70,000 से अधिक रेस्तरां वाले 60 % (2025)Expansión citando a Didi Food — México es el segundo lugar en el uso de Rappi, Uber Eats y Didi Food gracias a Mipymes (2025)
मेक्सिको में Uber Eats से जुड़े MiPymes जिन्होंने प्लेटफ़ॉर्म से जुड़ने के बाद आय में बढ़ोतरी की रिपोर्ट दी (Quadrant Strategies का अध्ययन)संबद्ध MiPymes का 91%Expansión citando a Quadrant Strategies — México es el segundo lugar en el uso de Rappi, Uber Eats y Didi Food gracias a Mipymes (2025)
संबंधित सामग्री

संबंधित सामग्री

संबंधित गाइड
Masterestaurant डार्क किचन इंडेक्स 2026
चेकलिस्ट · डार्क किचन और फ़ूडटेक
डिलीवरी यूनिट इकोनॉमिक्स: गलतियों की चेकलिस्ट बनाम सही तरीका (2026)
गाइड · डार्क किचन और फ़ूडटेक
डिलीवरी एल्गोरिदम का अनुकूलन: पहले बनाम बाद में Masterestaurant के साथ
तुलना · डार्क किचन और फ़ूडटेक
डिलीवरी एल्गोरिदम का अनुकूलन: मार्जिन जलाने वाला तरीका बनाम रैंकिंग जिताने वाला तरीका
गाइड · डार्क किचन और फ़ूडटेक
मैनेजरों के लिए वर्चुअल ब्रांड: पारंपरिक तरीका बनाम Masterestaurant तरीका
विकल्प · डार्क किचन और फ़ूडटेक
डार्क किचन बनाम पारंपरिक रेस्तराँ: फ़ैसला डिजिटल इंजन करता है, किचन नहीं
चेकलिस्ट · डार्क किचन और फ़ूडटेक
रेस्तराँ में अपने डायरेक्ट चैनल के उदाहरण: गंभीर गलतियाँ बनाम सही तरीका (2026)
विषय सूची
डार्क किचन और फ़ूडटेक के बारे में सब कुछ

पहले किचन को व्यवस्थित करें: रैंकिंग बाद में आती है

अगर आपका डिलीवरी चैनल बिक्री तो बढ़ाता है पर मुनाफ़ा घटाता है, तो Diego F. Parra का तरीका उन पाँच संकेतों से शुरू होता है जिन्हें एल्गोरिदम सचमुच मापता है, और चैनल के EBITDA पर ख़त्म होता है। Exponencial में हम गणना किए गए मार्जिन के साथ विकास पर काम करते हैं, और CA$H में उस लागत और कैश फ़्लो पर जो उसे टिकाए रखते हैं।

समुदाय

हमारे समुदाय में मुफ़्त में जुड़ें MASTERESTAURANT

43 देशों के रेस्तराँ मालिक और टीमें ज्ञान, टूल और लागू AI साझा कर रहे हैं — सीधे आपके WhatsApp पर।

समुदाय से जुड़ें
लेखक: Diego F. Parra  ·  संपादक: MASTERESTAURANT®
AI की सहायता से तैयार सामग्री, MASTERESTAURANT के संपादकीय दल द्वारा समीक्षित।
MR तुलनात्मक सूची इंजन v0.9.394