ホーム › 事例研究 › ダークキッチンとフードテック
事例研究

デリバリーアプリのアルゴリズム:ダークキッチンはどのようにキャンセルを抑え、標準レシピジェネレーターで90日以内にチャネルのEBITDAを再びプラスに戻したか

Diego F. Parra 著者 Diego F. Parra · 更新日 · ダークキッチンとフードテック

2026年10月28日の更新:出典付きの新しい数値10件、新しいよくある質問5件、新しいセクション8件を追加しました。

デリバリーアプリのアルゴリズム:ダークキッチンはどのようにキャンセルを抑え、標準レシピジェネレーターで90日以内にチャネルのEBITDAを再びプラスに戻したか — Masterestaurant
簡易判定

結論: デリバリーアプリのアルゴリズムは、注文が無事に届く確率に応じて飲食店を順位づけします。受付率、自店起因のキャンセル、直近の評価、約束時間に対する実際の提供時間、掲載ページの成約率が評価対象です。一方、広告が買えるのは表示回数であり、順位ではありません。

今回の架空事例では、広告費を払っていないことで順位が下がっていると考えていた3ブランドのダークキッチンが、実際にはパス(料理の受け渡し)と寿司のグラムの問題にあることを突き止めました。そして、次の順序で解決しました。まず厨房、次に掲載ページ、最後に広告です。広告費の上限は貢献利益率をもとに算出しました。

📈 導入事例詳細なビジネスケース:診断、期限付きの意思決定、測定された成果· 読了時間 3分· 2026-10-28

これはMasterestaurantで組み立てた架空の(複数事例を合成した)ケースで、Diego F. Parraの手法のパターンを使っています。まず結論を述べると、デリバリーアプリのアルゴリズムは支払額の多い店を優遇するのではなく、約束したことを守る店を優遇します。この厨房は売上こそ好調でしたが、お金は顧客の画面に届くずっと前、調理の段階で失われていました。ケースの概要は次のとおりです。ラテンアメリカの地方都市にあるゴーストキッチンで、寿司・ボウル・ハンバーガーの3ブランドを運営しています。スタッフは2交代制の9名で、客席はありません。2024年に開業し、客単価は中程度です。売上のほぼすべてがアプリ経由で、年間売上は50万ドルから100万ドルの範囲です。

このチャネルでミスをした場合のコストは小さくありません。Wharton Magazine(2025)によると、アメリカの飲食店がプラットフォームに支払う手数料は、注文1件あたり一般的に15~30%です。そのため、厨房がキャンセルした注文は二度支払うことになります。一度目は捨てられた食材と調理の手間、二度目は以降の注文で失われる表示順位です。しかも、この領域の需要は大きいものです。National Restaurant Association(2025)によると、アメリカの成人の37%が週に1回以上デリバリーを注文しています。ラテンアメリカの都市でもゴーストキッチンが普及するにつれ、この習慣は似たものになりつつあります。

共同経営者たちは自分たちなりの診断を持って来店しました。しかし、その診断は誤りでした。広告を出していないためにアプリから見放されたと考えていたのです。ところがパネルデータは別の事実を示していました。表示回数の低下は、受付拒否が増えた週末と、寿司ブランドがサーモン不足でキャンセルを始めた週に重なっていたのです。この問題は、どんな広告でも解決できません。

並べて比較

比較: デリバリーアプリのアルゴリズム

開始時点(ベースライン)改善後(3か月目)
ピークタイムの注文受付✕金曜と土曜の夜に拒否が集中。タブレットは担当者のいない受け渡し台に置かれたまま✓交代ごとに固定の担当者がタブレットに対応。拒否は欠品をあらかじめ申告した場合のみ
店舗側に起因するキャンセル✕ほぼすべてが寿司ブランドによるもの。アプリで欠品登録をしていないためサーモン不足が発生していた✓開店前に欠品をアプリで登録。キャンセルは散発的なものだけ
実際の提供時間と表示時間の比較✕理想的なレシピに基づいて提供時間を表示していたが、2ブランドを組み合わせた注文は遅れていた✓ステーションごと、およびブランドの組み合わせごとに実測した時間で表示時間を設定
寿司の理論原価と実際原価の乖離✕目安で盛り付けたため、原価率がこの手法の上限である32%を超えていた✓標準レシピジェネレーターで重量を固定し、原価率を32%の上限内に収めた
直近期間の評価✕遅延や不完全な注文へのレビューが直近期間の評価を押し下げていた✓直近期間の評価は良好。否定的なレビューには同日中に返信
掲載情報の成約率✕古い写真、わかりにくいメニュー名、マージンを計算せずに組んだコンボ✓実際の料理の写真、わかりやすい名称、貢献利益を計算したコンボ
人件費とシフト✕慣習どおりにシフトを組んでいたため、午後の中頃は人が余っていた✓人員は増やさず、実際のピークに合わせてシフトを移動
デリバリーチャネルのEBITDA✕手数料を引くと赤字。売上は伸びていたにもかかわらず✓黒字で安定。3か月目に成果が定着し、6か月目に再測定

配達アプリのアルゴリズムは、実際に何を測定しているのか?

配達アプリのアルゴリズムは、注文が無事に届くかどうかを測っています。広告費で買えるのは店舗を見せる場所だけで、その後の運営がそれを支えなければなりません。プラットフォームは、受注を受けた割合、店側都合でのキャンセル数、直近数週間の評価の推移、予定時間と実際の調理・配達時間のずれ、店舗ページの閲覧が購入につながった割合といった遵守度の指標でリストを並べ替えます。こうした露出の重みは、一つのアプリが市場を独占している地域ほど大きくなります。Sensor Tower(2024)によると、ブラジルでは iFood が配達サービスの月間アクティブユーザーの89%を占めていました。そのため、iFood のリストから落ちることは、このチャネルの需要のほぼすべてを失うことに等しくなります。Masterestaurant では、これを厨房の比喩で説明しています。アプリはパス(受け渡し台)の責任者のようなもので、料理は味見しません。見ているのは、時間どおりに、中身が揃って、返品なしで出せているかだけです。そして、2晩続けて失敗する店を容赦なく下位に落とします。

初期状況:順位が落ちた理由がわからないゴーストキッチン

この事例では、広告の出稿量が足りなかったのではなく、製造面の失敗によって露出を失っていました。この診断によって、作業計画全体が変わりました。対象は寿司、ボウル、ハンバーガーの3ブランドを展開するゴーストキッチンで、本事例は複数の事例を組み合わせた想定のケースです。この店舗は売上のほとんどをアプリ経由で得ていましたが、週末になるとリスト内での表示順位が下がっていました。共同経営者たちは、アルゴリズムは広告に投資しない店を罰すると考え、すでに有料キャンペーンの見積もりを取っていました。しかし、プラットフォームの管理画面は別の事実を示していました。順位低下は、受注拒否が多かった夜と、寿司ブランドがサーモンの欠品でキャンセルを始めた週に重なっていたのです。この時点で広告を出せば、提供しきれない店に客を送り込むことになり、失敗注文が一件増えるたびに店舗ページの評価はさらに下がっていたでしょう。まず厨房を立て直し、その後に視認性を買う。この順序こそがこの事例の結論です。

担当者のいないタブレットが受注承諾率を下げる理由とは?

シフトごとに担当者が決まっていない注文用タブレットは、最も売上が大きい時間帯に承諾率を下げます。厨房が混雑しているときには、誰もタブレットを見ていないからです。この店では端末がパス台に置かれ、理論上は盛り付けを担当している人が対応していました。そのため、受注拒否や期限切れの注文が、最も売れる2晩に積み重なっていました。アルゴリズムから見れば、応答されないまま期限切れになった注文は、店舗が受付できない状態であることを示しています。その結果、店舗ページの順位は、待っていた客だけでなく、その地域のすべての客に対して下がってしまいます。改善したのは技術ではなく、運用の仕組みでした。シフトごとにタブレットの担当者を決め、ピークタイム用の引き継ぎメモを書き残し、単純なルールを設けました。それは、注文を期限切れにするより先に、該当ブランドを一時停止するというものです。一時停止すると、その時間帯の売上は減ります。しかし、受注拒否によるダメージは週全体の順位に及び、その請求はあとから予告なく届きます。

原因はサーモン:顧客がすでに支払ったキャンセル

この事例のキャンセルには原材料の名前がついていました。サーモンです。在庫の情報をアプリに反映させるようにしたところ、キャンセルは止まりました。プラットフォーム上では欠品が一度も表示されず、客は寿司を注文し、厨房は注文を組み立てる段階で欠品に気づいてキャンセルしていました。しかも、決済はすでに済んでいます。評価にも順位にも、これ以上ないほど悪い組み合わせです。ここで、Masterestaurant のレシピ原価計算ツールを導入しました。各ロールのスケジュール(レシピ別の使用量表)を使い、時間帯ごとの予想販売数からサーモンの使用量を算出し、発注点を設定しました。さらに、営業開始前にアプリ上で商品を売り切れにする担当者を決めました。これを怠ると高くつきます。メキシコでは、CANIRAC(全国レストラン商工会議所)の会長が、配達アプリは売上の15%から35%の手数料を取っていると試算しています(El Universal San Luis, 2026)。このような手数料率のもとでは、キャンセルされた注文の一件一件が、流出していく利益であり、無償で失われていく信頼なのです。

2つのブランドで見る、予定時間と実際の時間のずれ

アプリに設定されていた調理時間は、理想的なレシピの時間でした。そして、アルゴリズムは予定時間と実際の時間のわずか1分の差も見逃しません。ずれはセット注文で大きくなっていました。ボウルとハンバーガーは別々のステーションから出てくるのに、袋詰めのタイミングを調整する人がいなかったため、配達員は待たされ、料理は冷めて届き、そのことがレビューに書かれていました。Diego F. Parra は、一見逆説的な順序を提案しています。まず、ピークタイムに厨房が実際に守れる時間まで提供予定時間を延ばし、そのうえで手法に基づいて時間を短縮していくというものです。提供時間を長く見せれば、クリック数は少し減るかもしれません。しかし、約束を守れなければ評価を失い、評価は数週間にわたってリストでの順位を動かします。運用面の解決策は、2ブランドの注文を組み立てる責任者を置くことでした。さらに、どのステーションが最後に完了するかを示す注文表示のボードも導入しました。競争するために時間を短く設定したらどうなったでしょうか。遅延が増え、レビューは悪化し、順位は下がり、そのサイクルは自己強化されていくでしょう。

結果:広告に投資する前に、店舗ページの順位が回復

順位は、厨房を整えたことで回復しました。しかも、広告に一銭も使う前にです。広告を売る側にとっては、この結果がもっとも耳の痛いものかもしれません。本事例は想定のケースですが、3か月目には、受注承諾数が受注総数に近づき、店側に起因するキャンセルはまれになり、デリバリーチャネルは損益計算書上でマイナスではなくなりました。その後になって初めて、店舗ページの購入率に取り組みました。具体的には、各ボウルの実際の写真、顧客が実際に検索する料理名、そして他のブランドの売上を食い潰さない価格設定の2ブランドセットを用意しました。価格が重要なのは、客が画面に表示された合計金額を比べるからです。Intouch Insight(2025)のレポートでは、米国におけるサードパーティ配達アプリの手数料は、2024年から2025年の間に平均1.10米ドル下がりました。運用が機能している状態で広告を重ねれば、購入された一回一回の訪問が、ようやく適切に配達された注文につながる現実的な見込みを持つようになります。

年間売上規模別に得られる教訓

この教訓は、どの規模でも同じ順序で当てはまります。まずアルゴリズムが測っている運用を整え、その次に視認性を買うことです。年間売上が50万米ドル未満であれば、今週の最初の一歩は、シフトごとのタブレット担当者を決め、引き継ぎメモを書くことです。50万から100万米ドル、つまり本事例の範囲では、最もキャンセルの多い原材料の原価計算を行い、発注点を設定します。100万米ドルを超えたら、各ブランドの予定時間を、レシピ上の時間ではなくピークタイムで測った実績に基づいて決めます。500万米ドルを超えるような大型のテーマ型コンセプトや著名シェフのブランドであれば、次に行うべきは、都市ごとにどのアプリが市場を支配しているかの監査です。メキシコでは、DiDi Food が配達の月間アクティブユーザーの38%を占めていました(Sensor Tower, 2024)。そして、1,000万米ドルを超えるグループは、手数料の交渉に入る前に、全店舗のキャンセルに関する管理データを一つに統合すべきです。

本事例の限界

この結果は、すべての市場で同じように再現されるわけではありません。手法をそのままコピーする前に、そのことを明確にしておくべきです。ほぼすべての需要を一つのアプリが集めている市場では、たとえばアルゼンチンのように、同じSensor Towerの2024年の調査でPedidosYaが配達の月間アクティブユーザーの61%を占めていた場合、厨房は単一のアルゴリズムに依存することになります。その場合、運用の改善よりもルールの変更の影響のほうがはるかに大きくなります。また、プラットフォームの勢力図が動いている市場でも、同じ結果は期待できません。Uber Eats は、ブラジルから撤退したあと、2020年の33%から2024年にはラテンアメリカの利用者の7%にまで低下しました。うまく順位付けされた店舗ページも、顧客を失いつつあるアプリに閉じ込められてしまうことがあります。一方、店内飲食も行っているレストランでは、デリバリーは補助的な位置づけになります。そこでは、店内と持ち帰り袋詰めで厨房を共有しているため、別の制約にぶつかります。タブレットが客席の注文と競合してしまうのです。このような場合は、まずステーションを分けることが最初の仕事であり、店舗ページに手を加えることではありません。

根本原因の診断、他の店舗にも応用できる教訓、このケースの限界

表面に現れていた症状の背後には、マーケティングとは無関係な原因がありました。受付率の低さは怠慢ではなく、注文用タブレットが担当者のいない受け渡し台に置かれていたことが原因でした。それを明らかにしたのは、拒否が売上の多い2晩に集中していたというデータです。その時間帯は、受け渡し台の担当者が盛り付けに追われていたのです。キャンセルにも明確な原因がありました。サーモンです。欠品が一度もアプリに登録されていなかったため、顧客は寿司を注文し、厨房が欠品に気づいた時点で、代金はすでに支払われていました。 理想的な提供時間に対して実際の時間が上回っていたのは、別の根本原因によるものでした。提供時間が理想的なレシピに基づいて設定されていたのです。特に2ブランドを組み合わせた注文で遅れが拡大していました。ボウルとハンバーガーは別々のステーションから出てくるため、袋詰めの最終確認を誰も調整していなかったのです。そして最もコストのかかる症状は原価計算に現れていました。寿司の理論原価と実際原価の差です。目安で盛り付けたため、原価率が、Masterestaurantの手法が目標ではなく上限として定める32%を超えていました。 私は何年ものあいだ、この点を間違えていました。繰り返し見るミスは、すべて同じところから生じています。私自身も、目に見えるものだからという理由で、まず掲載情報と広告に取り組むよう勧めていました。しかし、デリバリーアプリのアルゴリズムは本質的に、約束が果たされたかを数える会計係のようなものです。厨房が失敗していれば、どんなに美しい写真も評価されません。もし共同経営者たちが1週目から広告を出していたらどうなっていたでしょうか。注文はさらに同じ無人のタブレットに集中し、拒否とキャンセルは増え、オーガニックの表示順位はさらに下がっていたでしょう。そして、リピートしない顧客のために、広告費と手数料の二重払いが続いていたはずです。 このチャネルの緊張関係は現実のものであり、感情に流されずに対処する必要があります。手数料を取るのと同じアプリが顧客を連れてきているのです。解決策はアプリを嫌うことでも、その言いなりになることでもありません。上限を設けた有料の集客チャネルとして扱うことです。メキシコでは、CANIRAC(メキシコ飲食業協会)の会長が、デリバリーアプリの手数料を売上の15%から35%と示しています(El Universal San Luis、2026)。これは情報源を確認した時点での数字であり、変わる可能性があるため、公式のリンクで確認することをお勧めします。この負担のもとで貢献利益を計算せずにコンボを出すと、注文量は増えても、EBITDAは悪化します。 市場の集中によって、依存度はさらに高まっています。ラテンアメリカでは、2024年半ばまで最大手のアプリが、デリバリーの月間アクティブユーザーの40%を占めていました(Sensor Tower)。また、2020年に地域シェア33%を持っていた別のプラットフォームは、ブラジルから撤退した後、2024年には7%に落ち込みました。事業者にとっての教訓は単純です。市場の勢力図は、こちらの許可を待たずに変わります。だからこそ、標準レシピ、ストップウォッチによる計測、自社の顧客基盤は、どのアプリでも通用する資産です。一つのアプリで得た表示順位は資産ではなく、賃借物にすぎません。 教訓は規模によって適用の仕方が変わります。年間売上が50万ドル未満であれば、最初の一歩は今週中に、新しいソフトウェアを導入せず、シフトごとにタブレットの担当者を決めることです。このケースのように50万ドルから100万ドルの場合は、最も多くキャンセルしているブランドの重量と実際の提供時間を固定することが最初の一歩です。100万ドルを超える場合は、ブランドごと・店舗ごとに5つの指標をまとめた一つのダッシュボードを作り、毎週月曜日に確認する担当者を置いてください。 売り上げ5,000万ドル超や1,000万ドル超の多店舗グループ、大規模な客席を持つメディア出演シェフのレストラン、体験型のテーマレストランなどでは、デリバリーの位置づけが異なります。個人のブランドイメージや舞台演出は袋に入れて運べません。そして、ブランド使用料や店舗演出の維持費は、料理の原価ではなく損益分岐点に組み込むべきです。それでもチャネルは成長しています。アメリカのフルサービス業態では、National Restaurant Associationによると、店外での利用比率が2019年の19%から2024年には30%に上昇しました。そのため、この領域で最初に取り組むべきことは、店内での体験を損なわない、持ち運びを前提とした短いデリバリー用メニューを作ることです。 そして、本事例の適用範囲についても述べておきます。生存者バイアスに陥らないためです。ブラジルのように1つのアプリが月間アクティブユーザーのほぼすべてを占める市場では、同じ結果は期待できません。ブラジルでは首位アプリの月間アクティブユーザー比率が89%(Sensor Tower、2024年)、アルゼンチンでは61%に上ります。こうした市場では、オペレーションよりも交渉とアプリ内での露出のほうが重要になります。また、立地が問題の厨房にも当てはまりません。需要から遠すぎるからです。料理が配達の移動に耐えられないコンセプトも同様です。どれだけグラムを正確に守っても、届いた時点で揚げ物がしなしなになっていては意味がありません。

ポイント別解説

配達アプリのアルゴリズムに関する神話と実際

有料広告
A · 開始時点(ベースライン)神話:広告費を払えば、アプリでの順位が上がる。
B · Masterestaurant実際:支出している間だけ表示を買えるにすぎません。厨房が注文を断ったりキャンセルしたりすれば、アルゴリズムが罰する失敗がむしろ増えます。
判定: 広告は最後に、貢献利益に紐づけた上限を設けて使う。
評価
A · 開始時点(ベースライン)神話:過去の評価が高ければ、順位は守られる。
B · Masterestaurant実際:重視されるのは直近の期間です。長年の平均が高くても、数日の悪い営業で評価は引き下げられてしまいます。
判定: 直近の評価の推移を、毎週管理する。
キャンセル
A · 開始時点(ベースライン)神話:キャンセルが1件くらいなら気づかれない。
B · Masterestaurant実際:店舗に起因するキャンセルは1件ごとに信頼を損ね、食材費、手数料、そして二度と来ないお客様というコストを生みます。
判定: シフト開始前に、欠品を申告する。
価格と手数料
A · 開始時点(ベースライン)神話:お客様は価格しか見ないので、値下げすれば順位が上がる。
B · Masterestaurant実際:Intouch Insightの覆面調査レポートによると、2024年から2025年にかけて、米国のサードパーティ配達アプリの手数料は平均で1.10米ドル下がりました。それでも、遅く届く注文は、どんな価格であってもお客様を失わせます。
判定: 割引より先に、提供の確実さで競う。
約束する時間
A · 開始時点(ベースライン)神話:約束する分数を短くすれば、注文が増える。
B · Masterestaurant実際:アルゴリズムは約束した時間と実際の時間を比べます。守れない約束は、その後のすべての注文の順位を下げます。
判定: ストップウォッチが示す時間を約束する。
バーチャルブランドの追加
A · 開始時点(ベースライン)神話:同じ厨房にブランドを増やせば、露出が何倍にもなる。
B · Masterestaurant実際:標準レシピがなければ、ブランドを追加するたびに、同じステーションでの原価と時間のずれが積み重なります。
判定: 新しいブランドは、グラムと時間を固定してから追加する。
並べて比較

順位を押し下げていた要因(導入前)

  • 広告を出せば表示順位を買えると考えること。
  • ピークタイムに受け渡し台のタブレットが無人で置かれていた。疲労から厨房が対応できる注文まで拒否し、その都度アプリに「この店は信頼できない」と伝えていた。
  • 欠品を申告していないサーモン。
  • 提供時間は、ストップウォッチではなく理想的なレシピをもとに書かれていた。

順位を押し上げた要因(導入後)

  • シフトごとにタブレットの担当者を置く。
  • 標準レシピジェネレーターで寿司の重量と下ごしらえを管理した。その結果、理論原価と実際原価の乖離が縮小し、さらに盛り付けの時間も予測可能になった。アルゴリズムが測っていたのはまさにこの時間だったが、誰もそれに気づいていなかった。
  • 実際の料理の写真と、わかりやすい名称。
  • 広告は運営が基準を満たしてから出稿し、各コンボの貢献利益に紐づけた広告費の上限を設定。
重要な数字

本事例の背景となる業界数値

30%
米国のデリバリープラットフォームが飲食店に課す、1注文あたりの一般的な手数料の上限(2025年の目安レンジは15〜30%)
35%
メキシコの配達アプリが売上に対して課す手数料レンジの上限(15%〜35%、CANIRACの会長による)
37%
週に1回以上デリバリーを注文する米国の成人の割合(2025年)
30%
米国のフルサービス型レストランにおける店外での売上比率(2024年。2019年は19%)
1.1USD
2024年から2025年にかけての米国における、サードパーティ配達アプリの手数料の平均下落幅(覆面調査による注文)
40%
ラテンアメリカにおける配達アプリの月間アクティブユーザーのうち、首位アプリに集中している割合(2024年、年央まで)
89%
ブラジルにおける配達アプリの月間アクティブユーザーのうち、首位アプリに集中している割合(2024年)
61%
アルゼンチンにおける配達アプリの月間アクティブユーザーのうち、首位アプリに集中している割合(2024年)
38%
メキシコのデリバリーアプリの月間アクティブユーザーに占めるDiDi Foodのシェア(2024年)。アルゴリズムが競い合う市場です
7%
Uber Eatsがブラジルから撤退した後の、ラテンアメリカにおける配達アプリの月間アクティブユーザーに占めるシェア。配達アプリのアルゴリズムが店舗の地図をどう塗り替えるかの例(2024年)
38%
メキシコの配達アプリにおける、DiDi Foodの月間アクティブユーザーに占めるシェア(2024年)。アプリのアルゴリズムが店舗の露出を決める市場
表示
数字で見る
数字で見る30% 米国のデリバリープラットフォームが飲食店に課す、1注文あたりの一般的な手数料の上限(2025年の目安レンジは15〜30%; 35% メキシコの配達アプリが売上に対して課す手数料レンジの上限(15%〜35%、CANIRACの会長による); 37% 週に1回以上デリバリーを注文する米国の成人の割合(2025年); 30% 米国のフルサービス型レストランにおける店外での売上比率(2024年。2019年は19%); 1.1USD 2024年から2025年にかけての米国における、サードパーティ配達アプリの手数料の平均下落幅(覆面調査による注文); 40% ラテンアメリカにおける配達アプリの月間アクティブユーザーのうち、首位アプリに集中している割合(2024年、年央まで)米国のデリバリープラットフォームが飲食店に課す、1注文あたりの一般的な手数料の上限(2025年の目安レンジは15〜30%)30%メキシコの配達アプリが売上に対して課す手数料レンジの上限(15%〜35%、CANIRACの会長による)35%週に1回以上デリバリーを注文する米国の成人の割合(2025年)37%米国のフルサービス型レストランにおける店外での売上比率(2024年。2019年は19%)30%2024年から2025年にかけての米国における、サードパーティ配達アプリの手数料の平均下落幅(覆面調査による注文)1.1USDラテンアメリカにおける配達アプリの月間アクティブユーザーのうち、首位アプリに集中している割合(2024年、年央まで)40%
出典: Wharton Magazine(2025年) · El Universal San Luis、CANIRAC(2026年) · National Restaurant Association(2025年) · Intouch Insight(2025年) · Sensor Tower(2024年)チャート作成者: masterestaurant.com
事例(合成)

“2年間、私たちはアプリが広告費を払っていない店を罰しているのだと考えていました。ところが実際には、担当者のいないタブレットが毎週金曜日に注文を拒否し、サーモンの在庫切れを告知しないまますしが出されていたのです。6週目に、パスに専任の担当者を置き、グラムを固定したところ、トップ画面から消えることがなくなりました。”

— 3ブランドを運営する、ラテンアメリカの地方中核都市のダークキッチンのパートナー運営者。年商は50万〜100万米ドル(架空の事例)

事例はあくまで説明用の合成例です。登場する名称や数値は実在の事業を描写するものではなく、業界のデータでもありません。

自店への適用方法

時系列での進め方:90日間・4フェーズ

1〜2週目:Restaurant Model Canvasによる診断
配達アプリのランキングを決める5つのシグナルを切り分け、それぞれを生み出す調理ステーションに割り当てました。担当者のいないシグナルは動かないからです。このフェーズでは広告とプロフィールには手を付けないと決めました。キャンバスで、このチャネルは製造段階で赤字になっていること、そして注文を増やせば、パスの同じボトルネックに負荷がかかることが分かったためです。
3〜5週目:寿司ブランドへの標準レシピジェネレーターの導入
各品目のグラム数、ロス率、盛り付け時間を固定しました。サーモンの欠品は、シフト開始前にアプリ上で表示するようにしました。現場の摩擦はすぐに表れました。正確なグラム数で盛り付けに時間がかかり、2週間は提供時間が悪化したのです。そこで切り分け作業を朝の仕込みに移したところ、パスは元のペースを取り戻しました。
6〜9週目:タブレットの管理者設定と実際の提供時間の見直し
シフトごとに1人を配置し、注文の受け付けと、組み合わせバッグの締めを担当させました。採用はせず、昼過ぎの手の空く時間の人員を、需要レーダーが示したピークの時間帯に振り向けました。約束する提供時間は、ストップウォッチで実測した時間に合わせました。プロフィールのコンバージョンは数日下がりましたが、判断は維持しました。約束より早く届くことは、控えめに約束することより重要だからです。
事例の最終段階:成約につながる掲載ページと上限を設けた広告
オペレーションが安定したところで、実際の料理の写真を撮り直し、分かりやすい名称に変え、貢献利益を計算したセットに組み直しました。いずれもメソッドで定めた原価率の上限内に収めています。その後で初めて有料広告を試し、支出の上限を貢献利益に紐づけました。最も売れるが利益の少ないセットは、広告の対象から外しました。
✦ 応用人工知能

AIならどうなるか?

ダークキッチンのチャネル、価格設定、ユニットエコノミクスを最適化しましょう。 Diego F. Parra は、飲食店向けAI活用の専門家です。

ツールとMasterestaurantの方法

本事例で使用したMasterestaurantのエコシステムのツール

Diego F. Parraは、Masterestaurantのエコシステムにある既存の製品を組み合わせて、これらの施策を組み立てます。オーダーメイドは行いません。配達アプリのアルゴリズムの問題は、ほとんどの場合、特殊なものではないからです。同じパターンはどの規模のゴーストキッチンでも繰り返し起こり、同じ手順で改善できます。

本事例では、Restaurant Model Canvasで診断の順序を整理し、標準レシピ生成ツールですしブランドの原価と時間のずれを解消し、需要レーダーで人員を配置する場所を決めました。成長のためのプログラムは、オペレーションが安定してから導入します。

Diego F. Parra

Diego F. Parra — レストランの立ち上げと成長、およびレストラン・フードテック・HORECA分野へのAI活用に精通した国際コンサルタント。43か国・8,400店舗以上で手法を適用 · レストラン・ホスピタリティ・飲食ビジネス向け人工知能(AI)の専門家 · レストラン、ケータリング、大規模イベント、事業成長分野での20年以上の経験 · ISBN付き著書3冊:『Triunfar o morir en el intento』(2013)、『De esclavo a dueño』(2023) · HORECA業界の国際講演者・基調講演者。

よくある質問

配達アプリのアルゴリズムに関するよくある質問

デリバリーアプリのアルゴリズムは、飲食店をどのように順位づけするのでしょうか?

配達アプリのアルゴリズムは、注文が問題なく届く確率に基づいて飲食店を並べます。考慮されるのは、注文の受け入れ率、自店起因のキャンセル、直近の評価、約束時間と実際の時間の差、そしてプロフィールのコンバージョンです。広告が買えるのは順位ではなく表示です。まず厨房を、次にプロフィールを、最後に広告を見直しましょう。

デリバリーアプリのアルゴリズムは、飲食店をどのように順位づけするのでしょうか?

配達アプリのアルゴリズムは、注文が問題なく届く確率に基づいて飲食店を並べます。考慮されるのは、注文の受け入れ率、自店起因のキャンセル、直近の評価、約束時間と実際の時間の差、そしてプロフィールのコンバージョンです。広告が買えるのは順位ではなく表示です。まず厨房を、次にプロフィールを、最後に広告を見直しましょう。

デリバリーアプリのアルゴリズムはどのように機能するのでしょうか?

注文が正しく、時間通りに、キャンセルなく届く確率に基づいて飲食店を並べます。受け入れ率、自店起因のキャンセル、直近の評価、約束時間と実際の時間の差、プロフィールのコンバージョンを組み合わせて判断しています。プラットフォームごとに重み付けは異なり、計算式の全体も公開されていません。そのため、5つのシグナルを同時に改善するのが現実的です。

デリバリーアプリのアルゴリズムはどのように機能するのでしょうか?

注文が正しく、時間通りに、キャンセルなく届く確率に基づいて飲食店を並べます。受け入れ率、自店起因のキャンセル、直近の評価、約束時間と実際の時間の差、プロフィールのコンバージョンを組み合わせて判断しています。プラットフォームごとに重み付けは異なり、計算式の全体も公開されていません。そのため、5つのシグナルを同時に改善するのが現実的です。

デリバリーアプリの広告は順位を改善するのでしょうか?

広告は、支払っている間は表示を買えます。しかし、オペレーションが失敗していれば、自然な順位は改善しません。受け入れ率が低い、またはキャンセルが多い状態では、有料の注文が増えるほど失敗も増え、順位はさらに下がります。まず厨房を整え、そのうえで利益と結びついた支出の上限を設定してください。

デリバリーアプリの広告は順位を改善するのでしょうか?

広告は、支払っている間は表示を買えます。しかし、オペレーションが失敗していれば、自然な順位は改善しません。受け入れ率が低い、またはキャンセルが多い状態では、有料の注文が増えるほど失敗も増え、順位はさらに下がります。まず厨房を整え、そのうえで利益と結びついた支出の上限を設定してください。

デリバリーアプリでの注文キャンセルは、どの程度影響するのでしょうか?

想像以上に大きな影響があります。店舗に起因するキャンセルが1件発生するたびに、アルゴリズムからの信頼は下がり、料理と売上も失われます。最も多い原因は、アプリに反映されていない食材の欠品です。シフト開始前に申告しておけば、ほとんどの場合は防げます。

デリバリーアプリでの注文キャンセルは、どの程度影響するのでしょうか?

想像以上に大きな影響があります。店舗に起因するキャンセルが1件発生するたびに、アルゴリズムからの信頼は下がり、料理と売上も失われます。最も多い原因は、アプリに反映されていない食材の欠品です。シフト開始前に申告しておけば、ほとんどの場合は防げます。

デリバリーアプリで飲食店に必要な評価はどれくらいでしょうか?

公表されている普遍的な数値はありません。各プラットフォームが独自の基準を設定しており、重視されるのは過去の平均ではなく、直近の注文期間です。評価を支えるのは、約束した時間を守り、注文を完全な状態で届けることです。否定的なレビューには同日中に返信すると、何が問題だったのかを把握しやすくなります。

デリバリーアプリで飲食店に必要な評価はどれくらいでしょうか?

公表されている普遍的な数値はありません。各プラットフォームが独自の基準を設定しており、重視されるのは過去の平均ではなく、直近の注文期間です。評価を支えるのは、約束した時間を守り、注文を完全な状態で届けることです。否定的なレビューには同日中に返信すると、何が問題だったのかを把握しやすくなります。

データと情報源

デリバリーアプリのアルゴリズムに関する2026のデータ

政府、業界団体、市場データなど、公的かつ非商業的な出典に基づき検証可能なベンチマーク。競合他社のデータは含みません。

データ価値出典
ニューヨーク州で、配達プラットフォームがレストランに請求できる拡張サービス料(enhanced service)の法的上限。オンライン注文ごとの割合です(2026)オンライン注文ごとの価格の20%NYC Department of Consumer and Worker Protection — Requirements for Delivery Apps (2026)
米国のレストラン運営者のうち、売上の0~10%をサードパーティのデリバリーサービスから得ている割合(配達手数料の影響が比較的小さいグループ)、2026の年央レポート運営事業者の47,2%(サードパーティ製デリバリーによる売上比率 0~10%、2026)Restaurant365 — 2026 State of the Restaurant Industry: Mid-Year Report (2026)
米国のレストラン向けデリバリープラットフォームの注文あたり一般的手数料(幅)。配送料および決済処理手数料は別途(2025)注文ごとに15~30%(2025)Wharton Magazine — Are Food Delivery Apps Hurting Restaurants? (2025)
メキシコのフードデリバリー市場の推定額、ラテンアメリカで第2位(ブラジルに次ぐ)(2024)2,530百万ドル(2024)Expansión citando a Statista — México es el segundo lugar en el uso de Rappi, Uber Eats y Didi Food gracias a Mipymes (2025)
メキシコのDiDi Foodプラットフォームにある70,000軒以上のレストランのうち、中小企業(MiPyme)の割合(2025)70,000店舗超の飲食店の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)
Quadrant Strategiesの調査:メキシコでUber Eatsに加盟し、参加後に売上増加を報告した中小企業加盟MiPymesの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)

まず厨房を整える:ランキングはその後です

配達チャネルの売上は増えても利益が残らないのであれば、Diego F. Parraのメソッドは、アルゴリズムが実際に測定する5つのシグナルから始まり、チャネルのEBITDAの改善で終わります。Exponencialでは、貢献利益を計算したうえで成長を進め、CA$Hでは、その成長を支えるコストとキャッシュフローを管理します。

コミュニティ

コミュニティに無料で参加する MASTERESTAURANT

43か国の飲食店オーナーとチームが、ノウハウ、ツール、応用AIを共有 — WhatsAppで直接お届けします。

コミュニティに参加
著者: Diego F. Parra  ·  編集者: MASTERESTAURANT®
AIの支援を受けて作成され、MASTERESTAURANT編集チームが確認したコンテンツです。
MRリスト比較エンジン v0.9.394