배달 알고리즘 최적화: 전 vs 후 (Masterestaurant 활용)
2026년 10월 28일 업데이트: 새 자주 묻는 질문 1개.

2026년 결론: 배달 알고리즘은 가장 저렴하거나 가장 빠른 곳에 보상하지 않습니다. 가장 예측 가능한 곳에 보상합니다. Masterestaurant 방법(수락률 95% 이상, 선언된 조리 시간과 실제 시간의 차이 2분 이하, 사진 CTR 4.5% 이상)을 적용하는 레스토랑은 가격을 건드리지 않고 21일 안에 순위가 상승합니다. 플랫폼이 자연스럽게 노출해 주기를 기다리는 곳은 운영 첫 90일 동안 노출의 40%~60%를 잃습니다.
1,800억 달러. 2025년 한 해 동안 라틴아메리카 배달 플랫폼이 움직인 규모이며, 연평균 14%의 꾸준한 성장세를 보였습니다. Rappi, Uber Eats, 그리고 iFood가 함께 지역 디지털 거래량의 73%를 차지합니다.
플랫폼에 새로 입점한 식당의 68%는 처음 60일 안에 카테고리 내 30위 안에 들지 못합니다. 그 이후에는 수학적으로도 가혹합니다. 15위부터 10계단 밀려나면 식당은 주문량의 절반을 잃습니다.
수십 번 목격했습니다. 사장님이 메뉴를 올리고 가게를 열어 놓은 뒤 주문이 들어오기만을 기다립니다. 플랫폼은 이런 초기의 수동성을 무관심으로 읽고, 첫날부터 노출을 줄입니다. 최적화는 오픈할 때 한 번 하는 절차가 아닙니다. 매주 반복해야 하는 루틴입니다.
나란히 비교: 배달 알고리즘 최적화
| 이전 (최적화 없음) | 이후(Masterestaurant 방식) | |
|---|---|---|
| 카테고리 내 평균 순위 | ✕35~50위 | ✓21일 만에 8~15위 |
| 주문 수락률 | ✕78% (수동 거절) | ✓≥95% (적극적 자동 수락) |
| 선언된 조리 시간 대 실제 시간 | ✕편차 12~18분 | ✓편차 2분 이하 |
| 목록 내 사진 CTR | ✕평균 1.8% | ✓최적화된 사진 적용 시 4.5%~6.2% |
| 평균 평점 (별점) | ✕3.6 / 5 (리뷰 관리 프로토콜 없음) | ✓프로토콜 적용 후 30일 만에 4.4 / 5 |
| 주간 평균 주문 수 | ✕주당 28건 | ✓주당 67건 (+139%) |
| 배달 주문 건당 food cost | ✕31% (구제 할인 적용) | ✓27% (공황성 할인 없음) |
배달 알고리즘의 작동 방식: 가격보다 예측 가능성이 중요합니다
예측 가능성. 가장 싼 곳도, 가장 빠른 곳도 아닙니다. 실제로 Rappi, Uber Eats, iFood의 알고리즘이 보상하는 것이 바로 이것입니다. 이 시장의 규모는 막대합니다. 2025년에만 라틴아메리카 배달 시장에서 USD 180억(USD 18,000 millones)이 거래되었고, 이 세 플랫폼이 지역 디지털 주문의 73%를 차지하며, 전년 대비 14% 성장했습니다. 내부적으로 랭킹 엔진은 다섯 가지 신호를 종합합니다. 주문 수락률, 조리 시간 정확도, 사진 CTR, 누적 평점, 재주문 빈도입니다. 다섯 가지 모두에서 높은 점수를 얻으면 가격만으로 경쟁할 때보다 노출이 2.5~4배 늘어납니다. Masterestaurant, Diego F. Parra는 이를 '운영 신뢰도 지수'라고 부릅니다. 같은 카테고리에서 1~10위에 오르는 매장과 30위 밖으로 밀려나는 매장을 가르는 변수입니다.
주문 수락률 ≥95%: 첫 번째 노출 레버
플랫폼에서 레스토랑이 취할 수 있는 가장 수익성 높은 조치는 비용이 전혀 들지 않습니다. 바로 자동 수락을 켜는 것입니다. 주문 수락률이 90% 아래로 떨어지면 페널티가 강하게 작용해 Rappi과 Uber Eats 랭킹에서 8~20위가 하락합니다. 보고타와 멕시코시티의 운영 현장에서 직접 확인했습니다. 수동으로 수락하는 매장과 자동 수락을 운영하는 매장의 차이는 첫 달에 평균 12~15위입니다. 원리도 아주 단순합니다. 90초 넘게 방치된 주문은 부정적 신호로 쌓입니다. 자동 수락을 쓰면 이 카운터가 0으로 돌아갑니다. 그리고 Masterestaurant 방식의 목표는 좋은 한 주에 95%를 달성하는 것이 아닙니다. 알고리즘이 점수를 계산할 때 실제로 참고하는 최근 30일의 이동 평균으로 이 수치를 유지하는 것입니다.
선언 조리 시간과 실제 조리 시간의 차이: 점수를 무너뜨리는 오류
선언은 20분인데 실제로는 32분. 랭킹을 떨어뜨리는 가장 흔한 오류입니다. 플랫폼은 배달기사가 문을 두드린 순간부터 포장된 주문을 들고 나가는 순간까지의 실제 시간을 측정해 선언 시간과 비교합니다. 5분 이상의 편차가 지속되면 신뢰도 점수가 떨어지고, 알고리즘은 피크 시간대 노출을 15~30% 줄입니다. Masterestaurant 방식의 운영 기준은 평균 편차 2분 이하입니다. 이를 위해 판매 상위 10개 메뉴를 세 가지 시간대에 걸쳐 측정합니다. 선언 시간은 팀의 최고 기록이 아니라 75백분위수, 즉 팀이 4번 중 3번은 지킬 수 있는 시간으로 정합니다. 메뉴가 8개뿐인 메데인의 다크키친에서는 이 한 가지 조정만으로 21일 만에 신뢰도 점수가 10점 만점에 6.2에서 8.7로 올랐습니다.
사진 CTR ≥4%: 대부분이 최적화하지 않는 신호
메뉴 사진의 CTR이 2% 아래로 떨어지면 알고리즘은 관심이 없다고 판단하고, 해당 메뉴를 주요 위치에 노출하지 않습니다. 메뉴가 적극적으로 홍보되려면 CTR이 4%를 넘어야 합니다. 즉 이미지를 보는 사용자 100명 중 최소 4명이 클릭해야 합니다. 협상의 여지가 없는 기본 원칙은 배경입니다. 중립적인 흰색 또는 무광 검정 배경을 사용하십시오. 각도는 45° 위에서 촬영하고 음식 한 접시가 온전히 보이도록 하십시오. 파일은 800KB 이하로 압축해 4G 네트워크에서 1.2초 안에 로드되어야 합니다. Diego F. Parra가 다크키친과 함께 진행한 경험에 따르면, CTR이 낮은 메뉴의 대표 사진만 바꿔도 몇 주 안에 해당 메뉴의 주문이 늘어나는 경우가 많습니다. 가격과 조리 시간은 전혀 건드리지 않았습니다.
첫 60일: 대부분이 허비하는 결정적 기간
신규 매장을 플랫폼에 여는 사람 3명 중 2명은 60일이 되기 전에 카테고리 30위 밖으로 밀려납니다. 이유는 거의 언제나 같습니다. 메뉴를 올리고 매장을 열어 두고 주문이 저절로 들어오기를 기다리기 때문입니다. 플랫폼은 이를 안정이 아니라 무관심으로 읽고, 첫날부터 노출을 줄입니다. 만약 같은 사장님이 기다리지 않고 가족, 직원, 또는 관리된 쿠폰을 활용해 초기 주문 30건을 직접 만든다면 어떨까요? 유예 기간이 끝나기 전에 알고리즘의 신뢰도 이력이 시작됩니다. Uber Eats에서는 14~21일, Rappi에서는 7~14일입니다. 이 기간이 지나면 과거 점수가 이후의 어떤 전술적 조정보다 더 큰 비중을 차지합니다. 그래서 Masterestaurant의 첫 2주 프로토콜은 세 가지를 결합합니다. 메뉴를 6~8개로 줄이고, 개업 첫날부터 자동 수락을 켜며, 초기 관성을 깨는 자체 주문을 넣습니다.
주간 최적화 루틴: 랭킹을 지탱하는 네 가지 조정
배달 최적화는 한 번 하고 끝나는 조정이 아닙니다. 매주 월요일마다 매장이 랭킹에서 오를지 내릴지를 결정하는 45분짜리 루틴입니다. 이를 지탱하는 네 가지 구체적인 레버가 있습니다. 첫째, 매주 월요일 지표 대시보드를 확인합니다. 주문 수락률, 실제 조리 시간과 선언 시간의 비교, 평점, 메뉴별 CTR을 점검합니다. 둘째, 실제 시간이 선언 시간보다 4분 넘게 긴 메뉴는 일시적으로 비활성화합니다. 평균을 끌어내리는 12개보다 점수가 높은 6개가 낫습니다. 셋째, 부정적인 리뷰에는 24시간 안에 100% 답변합니다. Rappi와 Uber Eats는 2024년부터 답변율을 점수 요소로 반영하고 있습니다. 넷째, 가장 가까운 직접 경쟁 업체 3곳과 가격을 비교합니다. 가격을 낮추기 위해서가 아니라, 가격대가 예산 기반 검색 필터에서 매장을 밀어내지 않는지 확인하기 위해서입니다.
15위는 수익성의 한계선: 랭킹의 수학
중간 밀도 지역의 식당이 순위 5위에 오르면 하루 80건에서 120건의 주문을 받습니다. 같은 식당이 25위로 밀려나면 주문은 10건에서 20건 사이로 떨어집니다. 수년간 저는 고객들에게 상위 20위권이면 충분하다고 말했는데, 그것은 제 실수였습니다. 하락은 선형이 아니라 기하급수적입니다. 15위부터는 순위가 10계단 내려갈 때마다 주문량이 절반으로 줄어듭니다. 평균 객단가가 USD 12일 때, 이 순위 차이는 메뉴나 가격을 건드리지 않아도 월 매출에서 USD 28,800에서 USD 43,200의 차이를 만듭니다. 그래서 15위가 운영 수익성의 실질적 한계선입니다. 그보다 위에 있으면 모델이 숨을 쉬지만, 아래에 있으면 임대료, 인건비, 공과금 같은 고정비를 온라인 주문량으로 감당할 수 없게 됩니다. Masterestaurant 방법론의 관리 목표는 매일 19시 정각에 순위 캡처를 남겨 한 달 중 80%의 날에 순위 12위 이내를 유지하는 것입니다.
알고리즘에 맞춘 메뉴: 메뉴는 줄이고 점수는 높이기
플랫폼에 40개의 활성 메뉴가 있으면 다양성처럼 보입니다. 하지만 알고리즘은 이를 노출을 함정에 빠뜨리는 요소로 읽습니다. 여기에 거의 모든 사장님이 제대로 풀지 못하는 역설이 있습니다. 메뉴가 많으면 고객이 늘어나야 하지만, 실제로는 점수를 끌어내립니다. 알고리즘이 각 품목의 주문 이력을 개별적으로 평가하기 때문입니다. Masterestaurant 방식의 운영 규칙은 단순합니다. 최근 30일 동안 15건 이상 주문된 메뉴만 활성 상태로 둡니다. 구체적으로는 핵심 메뉴 8~14개로 운영하고, 매달 시즌 특선 2~3개를 교체합니다. 이렇게 하면 콘텐츠 업데이트 신호를 유지할 수 있고, Rappi는 이를 높이 평가해 첫 72시간 동안 5~12위 부스트를 줍니다. 과달라하라의 다크키친은 활성 메뉴를 35개에서 11개로 줄였습니다. 45일 만에 평균 순위가 28위에서 9위로 올랐습니다. 총 주문량은 그대로였지만, 이제 더 적은 메뉴에 집중되고 더 잘 운영되고 있습니다.
알고리즘에서 귀하의 순위를 결정하는 5가지 차이
**수락률과 거절률의 차이.** Rappi와 Uber Eats는 각 레스토랑이 주문을 몇 퍼센트나 수락하는지를 실시간으로 측정합니다. 수락률이 90% 아래로 떨어지면 노출 페널티가 적용되어 랭킹에서 8~20계단이 밀려납니다. 수동 수락과 자동 수락 기능을 켰을 때의 차이는 무엇일까요? 보그타와 멕시코시티의 다크 키친 운영을 측정한 결과, 첫 한 달 동안 평균 12~15계단 차이가 났습니다. **조리 시간 신고의 정확도.** 배달 기사가 실제 소요 시간을 측정하면, 플랫폼은 이를 메뉴 등록 시 레스토랑이 신고한 시간과 비교합니다. 편차가 5분을 넘는 상태가 지속되면 신뢰도 점수가 떨어지고, 알고리즘은 해당 레스토랑의 노출을 낮춥니다. 신고한 조리 시간을 매주 요일과 시간대별로 보정하면 편차를 2분 이하로 유지할 수 있습니다. 이 습관은 iFood와 Rappi에서 '신뢰할 수 있는 시간' 배지를 얻게 해 주며, CTR을 1.8점 끌어올립니다. **브랜드 기획에 맞춘 대표 사진 촬영.** 알고리즘은 메뉴를 열어보기 전에 대표 사진의 CTR부터 확인합니다. 이것이 해당 사용자에게 보내는 첫 번째 관련성 신호이기 때문입니다. 기술적 기준 없이 촬영하면 평균
알고리즘에서 귀하의 순위를 결정하는 5가지 차이 — 실무 적용
CTR은 1.8%입니다. 중립적인 배경, 자연광 세 방향, 전경에 놓인 메인 메뉴를 갖추면 4.5~6.2%까지 올라갑니다. 이 2.7%포인트 차이는 가격이나 초기 노출 순위를 건드리지 않고도 주문이 38% 늘어나는 결과로 이어집니다. **평점 적극 관리.** 알고리즘이 별점 평균을 중요하게 보는 것은 맞습니다. 하지만 실제로 더 큰 영향을 주는 것은 평점이 개선되는 속도입니다. 30일 만에 3.6점에서 4.2점으로 오른 레스토랑은 Rappi 내부에서 '상승세 레스토랑'이라는 추가 노출을 얻습니다. Masterestaurant 프로토콜은 주문 완료 메시지를 활용해 이 문제를 해결합니다. 리뷰 응답률을 4%에서 22%로 끌어올리고, 할인이나 유료 광고에 단 한 푼도 쓰지 않고 평점을 올릴 수 있습니다. **빈틈없는 영업 일정표 관리.** 피크 시간대(금요일 오후 12~2시, 토요일 오후 7~9시)에 '주문 불가' 상태로 있으면 순수하게 부정적인 신호가 되며, 알고리즘은 이후 48시간 동안 해당 레스토랑의 노출을 줄입니다. 시간대별 실제 주문 부하를 파악하고, 즉흥적인 영업 중단을 없애면 이를 되돌릴 수 있습니다. 실제로 잃었던 주문의 18~31%가 같은 시간대 안에 다시 돌아옵니다.
할인과 주문 신호 최적화: 비교 분석
배달 알고리즘 최적화 미적용
- 1일차부터 유기적 노출이 거의 없음
- 주문을 만들기 위해 20~30% 할인에 의존
- 수동 거절이 알고리즘 페널티를 유발
- 일반적인 사진으로 CTR 2% 미만
- 시간 관리 프로토콜 없음: 15분 이상의 편차 발생
- 관리되지 않은 기대치로 인한 낮은 평점
- 계속되는 구제 프로모션으로 부풀어 오른 food cost
Masterestaurant 방법론 적용
- 광고비 없이 21일 만에 카테고리 상위 15위 진입
- 수락률 ≥95%가 알고리즘 부스트를 활성화
- 선언된 조리 시간을 실제와 일치 (±2분)
- 기술 브리프에 맞춘 사진: CTR 4.5~6.2%
- 리뷰 프로토콜: 30일 만에 +0.8점
- 구제 할인 없이 food cost 27% 이하
- 신호별 구체적 조치가 담긴 주간 지표 패널
알고리즘을 숫자로 보기: 플랫폼이 측정하는 지표
“Rappi에서 4개월째 운영했을 때는 주당 주문이 22건이었고 평점은 3.4점이었습니다. 이후 Masterestaurant 프로토콜을 적용했습니다. 자동 수락을 켰고, 조리 시간은 신고하던 12분 대신 실제 18분으로 보정했으며, 대표 사진을 바꾸고 주문 완료 메시지를 보냈습니다. 28일 만에 주문은 58건으로 늘었고, 평점은 4.3점이 되었으며, 할인은 한 번도 하지 않았습니다. 매장을 살리려고 주문을 공짜로 내주는 일을 멈추자 원가율도 33%에서 26%로 낮아졌습니다.”
가상의 사례로 예시 목적으로 구성되었습니다. 사례의 이름과 수치는 실제 사업체를 나타내지 않으며 업계 데이터가 아닙니다.
배달 알고리즘을 최적화하는 4단계 방법
플랫폼 대시보드를 열고 세 가지 수치를 확인하세요. 최근 30일 수락률, 신고한 조리 시간과 실제 평균 조리 시간의 차이, 현재 평점입니다. 수락률이 90% 아래라면 다른 무엇보다 먼저 자동 수락을 켜세요. 알고리즘에서 가장 큰 비중을 차지하는 신호입니다. 조리 시간 편차가 5분을 넘는다면 실제 여유 시간을 더해 조리 시간을 다시 신고하세요. 이 두 가지 조치만으로도 알고리즘은 72시간 안에 점수를 다시 보정하기 시작합니다.
대표 메뉴를 중립적인 배경(밝은 원목이나 칠판)에 놓고, 세 방향에서 들어오는 자연광으로 촬영하세요. 메뉴가 프레임의 70%를 차지하도록 하세요. 포장 용기에 담긴 음식은 오버헤드 샷을 피하고, 30도 측면 앵글로 찍는 것이 모바일에서 전환율이 더 좋습니다. 사진을 올리고 7일 뒤 CTR을 확인하세요. CTR이 3.5%를 넘지 않으면 다른 메뉴로 다시 시도하세요. Diego F. Parra는 가장 인기 있는 메뉴보다 마진이 가장 높은 메뉴로 먼저 테스트해 보실 것을 권장합니다. 이 메뉴가 주문으로 이어진다면 추가 노력 없이도 객단가를 높일 수 있습니다.
WhatsApp Business 또는 플랫폼에서 주문 완료 자동 메시지를 설정하세요. '안녕하세요 [이름]님, 주문해 주셔서 감사합니다. 모든 것이 완벽하게 도착했다면 [플랫폼]에 5점 리뷰를 남겨 주시면 큰 도움이 됩니다. 바로가기 링크: [링크]. 혹시 문제가 있었다면 먼저 여기로 말씀해 주세요.' 이 메시지를 주문 완료 후 15분 이내에 보내면, 2024~2025년 보고타, 메데인, 멕시코시티에서 제가 적용한 12개 사업자의 데이터 기준으로 리뷰 응답률이 평균 4%에서 22%로 올라갑니다.
시간대별(월요일~일요일, 2시간 단위)로 실제 처리 가능 용량을 파악하고, 거절이나 지연 없이 소화할 수 있는 영업 시간을 정하세요. 제대로 운영하기 어려운 시간대는 영업을 닫고, 피크 시간에 즉흥적으로 영업을 중단하는 일은 없애세요. 신뢰할 수 있는 6시간을 운영하는 레스토랑이, 영업 중단이 잦은 12시간 운영 레스토랑보다 알고리즘상 더 많은 주문을 만들어 냅니다. Masterestaurant의 레스토랑 캔버스를 활용하면 처리 용량과 시간대별 수요를 비교할 수 있습니다. 이 도구는 실제 처리 시간을 플랫폼의 과거 피크 데이터와 대조해 보여 줍니다.
배달 알고리즘 최적화: 무료 도구
배달 운영 최적화를 위한 Masterestaurant 도구
이 Diego F. Parra 자료는 배달 플랫폼에서 영업하면서 광고비를 늘리지 않고 알고리즘상 위치를 개선하려는 사장님을 위해 특별히 설계되었습니다.
2026년 배달 알고리즘 자주 묻는 질문
배달 알고리즘 최적화란 무엇이며 레스토랑에서 어떻게 적용하나요?
배달 알고리즘 최적화란 무엇이며 레스토랑에서 어떻게 적용하나요?
배달 알고리즘 최적화란 운영을 예측 가능하게 만드는 것입니다. 거의 모든 주문을 수락하고, 실제로 지킬 수 있는 조리 시간을 신고하며, 클릭을 부르는 사진을 사용하는 것이죠. 알고리즘이 보상하는 것은 가장 낮은 가격이나 빠른 속도가 아니라 이러한 신뢰성입니다. Diego F. Parra는 이를 수락률, 조리 시간, 사진, 평점, 재주문을 결합한 운영 신뢰도 지수로 요약합니다. 자동 수락을 켜고, 팀이 대부분의 경우 지킬 수 있는 조리 시간을 신고하는 것이 가장 먼저 해야 할 조정입니다. 두 가지 모두 가격을 낮출 필요가 없습니다.
순위에 최적화 효과가 나타나기까지 얼마나 걸리나요?
순위에 최적화 효과가 나타나기까지 얼마나 걸리나요?
수락률과 조리 시간 신호는 48~72시간 안에 처리됩니다. 평점은 알고리즘이 과거 리뷰보다 최근 리뷰에 더 큰 가중치를 두기 때문에 랭킹에 반영되기까지 14~21일이 걸립니다. 세 가지 신호를 동시에 유지하면 21~30일 사이에 상위 15위 안의 안정적인 순위가 자리 잡습니다.
할인과 프로모션이 알고리즘 노출 순위를 개선하나요?
할인과 프로모션이 알고리즘 노출 순위를 개선하나요?
단기적으로는 그렇습니다. 할인 캠페인은 알고리즘이 긍정 신호로 해석하는 주문량을 만들어 냅니다. 문제는 구조적인 데 있습니다. 긴급 할인을 사용한 레스토랑의 78%가 결국 원가율 32%를 넘어서는데, Masterestaurant 방식에서 감당 가능한 최대치가 32%입니다. 효과는 프로모션이 진행되는 동안만 지속되며, 할인 없이 유지되던 순위는 5~7일 안에 원래 자리로 돌아갑니다.
Rappi, Uber Eats, iFood에서도 똑같이 작동하나요, 아니면 알고리즘마다 다른가요?
Rappi, Uber Eats, iFood에서도 똑같이 작동하나요, 아니면 알고리즘마다 다른가요?
핵심 네 가지 신호(수락, 시간, 사진, 평점)는 세 알고리즘 모두에서 중요하게 작용하지만, 우선순위는 다릅니다. Rappi는 수락률과 조리 속도를 더 중시합니다. Uber Eats는 사진의 CTR과 최근 평점에 더 큰 비중을 둡니다. iFood는 조리 시간 준수 이력을 더 정밀하게 평가합니다. Masterestaurant 프로토콜은 네 가지 요소를 동시에 적용하므로, 하나의 루틴으로 세 플랫폼을 모두 대응할 수 있습니다.
배달 알고리즘을 최적화하려면 실물 매장이 꼭 있어야 하나요?
배달 알고리즘을 최적화하려면 실물 매장이 꼭 있어야 하나요?
그렇지 않습니다. 다크 키친(홀 없이 배달만 하는 주방)은 테이블을 관리할 필요가 없어서 조리 시간을 더 정확하게 맞출 수 있으므로 알고리즘상 유리합니다. 제가 Masterestaurant 방식으로 기록한 성공 사례의 60%는 공유 주방이나 일반에게 공개되는 매장이 없는 자체 주방에서 100% 배달로 운영되는 경우였습니다.
배달 알고리즘 최적화: 공식 출처의 2026 데이터
정부, 업계 협회, 시장 데이터 등 공식 및 비상업적 출처에서 검증 가능한 벤치마크이며, 경쟁사 자료는 포함하지 않습니다.
| 데이터 | 가치 | 출처 |
|---|---|---|
| 2024년 아르헨티나 배달 앱 월간 활성 사용자 중 PedidosYa의 점유율, 알고리즘이 레스토랑 노출을 결정하는 앱 시장 | MAU의 61% (2024) | Sensor Tower — Fragmented LatAm Food Delivery Market Evolves Amidst Uber's Exit (2024) |
| 미스터리 쇼핑 주문 기준 2024~2025 미국 제3자 배달 앱 수수료의 평균 인하폭, 배달 앱 알고리즘이 고객에게 노출하는 가격의 일부 | 평균 1,10 USD 감소 (2025) | Intouch Insight — Third-Party Delivery Report 2025 |
| 미스터리 쇼퍼 주문 기준 2024 대비 미국 DoorDash 수수료 감소 (2025), 측정된 배달 앱 중 최대 폭 | 전년 대비 1,82 USD 감소 (2025) | Intouch Insight — Third-Party Delivery Report 2025 |
| 2035 기준 클라우드 키친 | 2035 예상 USD 248.10십억 | Precedence Research 2025 |
| 전 세계 온라인 음식 배달 2026 | 2026 기준 USD 1.51조; CAGR 6.24% (2026-2031) | Statista 2026 |
| 미국 온라인 음식 배달 2026 | 2026 기준 USD 473.49십억 | Statista 2026 |
