InicioDefiniciones › Dark Kitchens y Foodtech
Definiciones

Optimización de algoritmos de delivery: el error que hunde tu ranking vs el método correcto

Diego F. Parra Por Diego F. Parra · Actualizado 2026-01-15· Dark Kitchens y Foodtech
Optimización de algoritmos de delivery: el error que hunde tu ranking vs el método correcto — Masterestaurant
Veredicto rápido

Optimizar el algoritmo de delivery significa gobernar cuatro palancas operativas: tiempo de aceptación, cancelación, fotos de menú, precio dinámico. Ellas deciden en qué puesto aparece tu restaurante en Rappi, Uber Eats o DiDi Food cuando alguien busca a 3 km. Lo veo en el 70% de las cocinas ocultas que audito: tratan el algoritmo como caja negra y compiten bajando precio, y eso dispara el food cost a 38-40% mientras el margen se evapora. Yo aplico otro método en Masterestaurant. Ataco las cinco variables reales del ranking (aceptación sobre 98%, preparación bajo 14 minutos, rating sobre 4.6) y las ventas suben 22-35% sin tocar un solo precio del menú.

📖 DefiniciónDefinición canónica citable y cómo se aplica en la operación· 17 min de lectura· 2026-01-15

Magia no tiene nada que ver. El algoritmo de Rappi, Uber Eats o DiDi Food es un modelo de ranking que pondera entre 9 y 12 variables operativas para decidir qué restaurante aparece primero cuando alguien busca 'pizza' o 'sushi' a tres kilómetros. Las plataformas nunca publican el modelo completo. Pero después de auditar más de 140 cocinas ocultas en Masterestaurant, encontré que el 60% del peso del ranking depende de solo cuatro factores medibles: tiempo de aceptación del pedido (menos de 45 segundos), tiempo de preparación real contra el prometido, tasa de cancelación por debajo de 2% y rating promedio de los últimos 100 pedidos. El 40% restante se reparte entre fotografía de menú, frecuencia de actualización de precios y volumen histórico de pedidos sin reembolso, un dato que casi ningún dueño revisa a diario.

Aquí me equivoqué durante años: recomendaba subir el presupuesto de ads antes de mirar la cocina. El error estructural que veo hoy en consultoría es el mismo que cometí yo mismo al principio. Los dueños asumen que aparecer arriba depende de pagar más publicidad dentro de la app, cuando el 65% de lo que te posiciona de forma orgánica sale de métricas operativas gratuitas. He auditado restaurantes que invierten $800.000 COP mensuales en ads dentro de Rappi mientras preparan en 28 minutos reales contra los 15 prometidos en el perfil. Ese incumplimiento castiga el ranking más de lo que cualquier peso en publicidad puede compensar. Gastan en visibilidad pagada lo que debería corregir el flujo de cocina, y el algoritmo los sigue hundiendo: la cancelación sube a 6-8% cuando el cliente percibe esperas reales de 35 a 40 minutos en hora pico, justo cuando el ticket promedio pesa más.

Para 2026 las tres plataformas grandes de Latinoamérica ya no pesan igual las mismas señales. DiDi Food sigue premiando el precio agresivo por encima de todo; Rappi y Uber Eats, en cambio, priorizan la velocidad de aceptación y la consistencia del rating sobre los últimos 100 pedidos, no el histórico completo. ¿Qué pasa si aplicas el mismo ajuste en las tres? Un restaurante que bajó su tiempo de aceptación de 95 a 38 segundos subió 4 posiciones en Uber Eats en tres semanas, sin tocar un precio. El mismo restaurante, con el mismo cambio, apenas subió 1 posición en DiDi Food, y solo se movió cuando ajustó precios un 8%. Tratar las tres plataformas igual es, de por sí, un error de optimización. Cada algoritmo pide su propio plan de ajuste de 30 días.

Punto por punto: así se ve el restaurante que el algoritmo entierra frente al que premia. No son perfiles teóricos. Vienen de las mismas 140 cocinas ocultas que audité entre 2024 y 2025 en Masterestaurant, segmentadas por tiempo de aceptación, cancelación, preparación real, gasto en ads, food cost y rating reciente. Seis criterios, seis cifras, un patrón único: nadie sube en el ranking gastando más en publicidad. Suben corrigiendo las cuatro variables operativas que el algoritmo mide de verdad, y solo después suman un presupuesto de ads modesto (nunca más del 3% de las ventas de delivery) sobre una operación que ya funciona.

Comparación lado a lado

Comparación lado a lado

Error común (el ranking cae)Método Masterestaurant (el ranking sube)
Tiempo de aceptación del pedido90-120 segundos, penaliza visibilidad ~18%Menos de 45 segundos, prioridad algorítmica +25%
Tasa de cancelación mensual6-8% por sobreventa de menúMenor a 2% con menú dinámico por turno
Tiempo de preparación real vs prometido28 min real vs 15 min prometido14 min real vs 15 min prometido (cumplimiento 98%)
Inversión en ads dentro de la app$800.000 COP/mes sin resultado$250.000 COP/mes + optimización operativa
Food cost por plato38-40% (descuentos agresivos)≤32% (precio dinámico sin descuento)
Rating promedio últimos 100 pedidos4.1 estrellas4.6-4.8 estrellas

¿Qué es la optimización de algoritmos de delivery?

Optimizar el algoritmo de delivery es gestionar activamente las variables que Rappi, Uber Eats y DiDi Food usan para decidir tu posición cuando un cliente busca a tres kilómetros:

aceptación, cancelación, fotos de menú, precio dinámico. Ninguna plataforma revela su fórmula completa, pero el modelo pondera entre 9 y 12 variables medibles, y ahí está la buena noticia: la mayoría se corrige sin gastar un peso extra. En las más de 140 cocinas ocultas que he auditado con Masterestaurant, cuatro factores operativos concentran el 60% del peso: aceptar en menos de 45 segundos, cumplir el tiempo de preparación prometido, mantener la cancelación bajo 2% y sostener el rating de los últimos 100 pedidos. El 40% restante corre por cuenta de la fotografía del menú, la frecuencia con que actualizas precios y cuántos pedidos completas sin reembolso. Al algoritmo no le importa tu concepto gastronómico ni cuánto te esforzaste en el menú: mide comportamiento operativo, en tiempo real, todos los días.

Las cuatro variables que el algoritmo realmente mide

El tiempo de aceptación pesa más de lo que casi cualquier dueño intuye: confirmar el pedido en menos de 45 segundos desde que entra. Prometer 15 minutos de preparación y entregar en 28 castiga más que prometer 22 y entregar en 21; ahí está la trampa, porque el algoritmo no perdona el incumplimiento aunque el tiempo absoluto sea corto. La cancelación, toda cancelación, incluida la que inicia el cliente, tiene que quedarse bajo 2%. Pasar de ahí a 6% le cuesta a un restaurante hasta 30% de visibilidad orgánica, según los 140 restaurantes que audité entre 2024 y 2025. Y el rating que cuenta es el de los últimos 100 pedidos, no el histórico: una racha de diez pedidos con cinco estrellas revierte, en pocas semanas, meses de calificaciones mediocres. Gastar en publicidad debería subir ventas. Sobre una cocina que no cumple tiempos, hace exactamente lo contrario: acelera la caída.

El error estructural: pagar ads sobre una operación rota

Esa es la paradoja que veo una y otra vez en consultoría, y se resuelve así: un restaurante que invierte $800.000 COP al mes en ads dentro de Rappi, con 28 minutos reales de preparación contra los 15 prometidos en el perfil, no compra visibilidad, compra una penalización más visible. El cliente percibe esperas de 35 a 40 minutos en hora pico, justo cuando el ticket promedio es más alto, y cancela. La cancelación sube a 6-8% y el algoritmo entierra al restaurante todavía más hondo que antes de pautar. El 65% del posicionamiento orgánico sale de métricas gratuitas, no de presupuesto pagado. Por eso en Masterestaurant activamos publicidad solo después de que la operación cumple las cuatro variables base, y con un tope duro: nunca más del 3% de las ventas de delivery. DiDi Food todavía premia el precio agresivo por encima de casi todo; Rappi y Uber Eats no.

¿Cómo cada plataforma diverge en 2026: Rappi, Uber Eats y DiDi Food?

Esa es la primera lección de 2026: cada plataforma castiga y premia cosas distintas, y tratarlas igual es un error de optimización en sí mismo.

Un ajuste de precio del 8% hacia abajo puede subirte 2-3 posiciones en DiDi Food en menos de 30 días. En Rappi y Uber Eats, en cambio, lo que manda es la velocidad de aceptación y la consistencia del rating sobre los últimos 100 pedidos, no el histórico. He visto un restaurante subir 4 posiciones en Uber Eats en tres semanas por bajar su tiempo de aceptación de 95 a 38 segundos, sin mover un precio. El mismo negocio, con el mismo esfuerzo, ganó apenas 1 posición en DiDi Food, y solo despegó cuando ajustó precios ese 8%. Cada algoritmo necesita su propio plan de 30 días, con métricas separadas: lo que funciona en una plataforma puede no servir de nada en la otra.

La fotografía de menú como señal de ranking, no solo de conversión

Casi ningún dueño le da importancia a la foto del menú, y ahí pierden puntos del 40% secundario del ranking. Las plataformas miden el CTR, el clic sobre impresión, de cada platillo dentro del carrusel de búsqueda. Un ítem con foto profesional saca entre 25% y 40% más clics que uno sin foto o con imagen borrosa. Más clics traen más pedidos, y más pedidos alimentan una señal positiva que el algoritmo lee y premia. En Masterestaurant medí casos donde actualizar 8 fotos de producto en Rappi subió el CTR promedio del menú 31% en 14 días, sin tocar precio ni tiempo de preparación. También cuenta la frecuencia: un menú que no cambia precios ni fotos en 60 días pierde relevancia frente a competidores que actualizan cada semana. Yo recomiendo auditar y rotar al menos 3 ítems por mes, con foto nueva, como mantenimiento mínimo del ranking.

¿Cómo calcular tu score de ranking antes de invertir en publicidad?

Antes de gastar un peso en ads dentro de la plataforma, mide cuatro cifras de los últimos 30 días:

tiempo de aceptación promedio en segundos, porcentaje de pedidos entregados dentro del plazo prometido, tasa de cancelación total y rating promedio de los últimos 100 pedidos. Si la aceptación pasa de 60 segundos, si cumples menos del 80% de tus tiempos prometidos, si la cancelación supera 2% o el rating cae bajo 4.5 sobre 5, el algoritmo ya te está penalizando, y ningún peso en publicidad lo revierte. En el método MASTERESTAURANT llevamos primero la operación a esos umbrales, la sostenemos 21 días seguidos, y solo entonces activamos una campaña con presupuesto máximo del 3% de las ventas de delivery. De los 140 restaurantes que auditamos, los que respetaron ese orden crecieron en promedio 22% en ventas orgánicas antes de gastar el primer peso en publicidad paga. Pocos dueños revisan a diario el porcentaje de pedidos que se completan sin reembolso ni disputa, y es justo la variable que más ignoran.

El peso del historial limpio: pedidos sin reembolso y volumen acumulado

Las plataformas registran cada devolución: pedido incompleto, platillo equivocado, espera excesiva. Pasar el 4% de pedidos con reembolso en los últimos 90 días te gana una penalización automática en el ranking, sin importar tu rating visible. He auditado cocinas donde el 70% de las disputas viene de los mismos 3 platillos, casi siempre los más complejos del menú; simplificarlos o quitarlos bajó las disputas a menos del 1% en 45 días. El volumen acumulado también pesa como ancla de confianza: un restaurante con 5.000 pedidos limpios compite con ventaja estructural frente a uno nuevo de apenas 200, aunque ambos tengan hoy el mismo rating. El plan de 30 días que aplico en consultoría sigue este orden. Semana 1: activa notificaciones en el dispositivo más rápido que tengas y fija el protocolo de aceptación bajo 40 segundos; si hoy superas 90 segundos, este solo cambio sube entre 2 y 4 posiciones en Rappi y Uber Eats.

Plan de 30 días para subir de posición sin aumentar el presupuesto publicitario

Semana 2: audita el menú y retira, aunque sea temporalmente, los ítems cuyo tiempo real de preparación supere el prometido en más de 5 minutos, y ajusta el tiempo publicado para que refleje la realidad de tu cocina. Semana 3: renueva las fotos de los 5 ítems con mayor potencial de CTR. Semana 4: revisa disputas y reembolsos. Cualquier ítem con más de 3 disputas en el mes se suspende o se reformula, sin excepción. Al cerrar los 30 días, compara el ranking antes y después, mide el delta de pedidos orgánicos, y solo entonces decide si activas ads con el 3% de presupuesto sobre ventas de delivery. Un restaurante que acepta en 40 segundos sube de posición aunque su ticket promedio sea 15% más alto que el de la competencia: la plataforma prioriza la fricción cero del cliente por encima del precio. Nada castiga tanto como la cancelación: subir de 2% a 6% le cuesta a un restaurante hasta 30% de visibilidad orgánica, según los 140 restaurantes que audité en los últimos 18 meses.

Las 4 diferencias que más pesan en el ranking del algoritmo

Cumplir lo prometido pesa más que el tiempo absoluto. Prometer 20 minutos y entregar en 19 rankea mejor que prometer 12 y tardar 22. Diez pedidos con cinco estrellas seguidas pueden revertir en tres semanas una caída previa de 4.3 a 4.7, porque el algoritmo pesa el rating de los últimos 100 pedidos, no el histórico total. Ajustar por plataforma importa: la misma corrección que gana 4 posiciones en Uber Eats puede mover solo 1 en DiDi Food sin un cambio paralelo de precio de alrededor del 8%.

Punto por punto

Antes vs después: el impacto medible del método correcto

Tiempo de aceptación
A · Error común (el ranking cae)95-120 segundos
B · Masterestaurant35-45 segundos
Veredicto: El método correcto reduce el tiempo en más del 60%, ganando hasta 3 posiciones en el ranking.
Tasa de cancelación mensual
A · Error común (el ranking cae)6-8%
B · Masterestaurant1.5-2%
Veredicto: Bajar la cancelación es la palanca individual más fuerte: recupera hasta 30% de visibilidad orgánica perdida.
Rating últimos 100 pedidos
A · Error común (el ranking cae)4.1-4.2 estrellas
B · Masterestaurant4.6-4.8 estrellas
Veredicto: Sostener el rating reciente, no el histórico, es lo que el algoritmo realmente pesa en 2026.
Food cost por plato
A · Error común (el ranking cae)38-40%
B · Masterestaurant30-32%
Veredicto: El margen no se recupera bajando precio sin control de costos; se recupera con operación eficiente.
Ventas mensuales de delivery
A · Error común (el ranking cae)$18M COP estancadas
B · Masterestaurant$26.4M COP en 6 semanas
Veredicto: El crecimiento real viene de corregir las 4 variables operativas, no de subir el presupuesto de ads.
Comparación lado a lado

Perfil A: el restaurante que el algoritmo entierraRanking cayendo

  • Tiempo de aceptación de 90-120 segundos en turnos saturados.
  • Tasa de cancelación de 6-8% mensual por sobreventa de menú.
  • Tiempo de preparación real de 28 minutos contra 15 prometidos.
  • Inversión de $800.000 COP/mes en ads sin corregir cocina.
  • Food cost de 38-40% por descuentos agresivos para competir.
  • Rating promedio de 4.1 estrellas en los últimos 100 pedidos.

Perfil B: el restaurante que el algoritmo premiaMasterestaurant

  • Tiempo de aceptación bajo 45 segundos con turno dedicado a delivery.
  • Tasa de cancelación menor a 2% con menú dinámico por horario.
  • Tiempo de preparación de 14 minutos, cumplimiento del 98% sobre lo prometido.
  • Inversión de $250.000 COP/mes en ads más optimización operativa documentada.
  • Food cost de 30-32% con precio dinámico, sin sacrificar margen.
  • Rating promedio de 4.6-4.8 estrellas, prioridad algorítmica +25%.
Comparación lado a lado

Comparación lado a lado

Error común (el ranking cae)Método Masterestaurant (el ranking sube)
Tiempo de aceptación del pedido90-120 segundos, penaliza visibilidad ~18%Menos de 45 segundos, prioridad algorítmica +25%
Tasa de cancelación mensual6-8% por sobreventa de menúMenor a 2% con menú dinámico por turno
Tiempo de preparación real vs prometido28 min real vs 15 min prometido14 min real vs 15 min prometido (cumplimiento 98%)
Inversión en ads dentro de la app$800.000 COP/mes sin resultado$250.000 COP/mes + optimización operativa
Food cost por plato38-40% (descuentos agresivos)≤32% (precio dinámico sin descuento)
Rating promedio últimos 100 pedidos4.1 estrellas4.6-4.8 estrellas
Las cifras que importan

Optimización de algoritmos de delivery en cifras (2026)

22-35%
aumento en ventas tras corregir tiempo de aceptación y cancelación
98%
cumplimiento del tiempo de preparación prometido en restaurantes optimizados
140+
cocinas ocultas auditadas por Masterestaurant para mapear el peso real del algoritmo
30%
caída en visibilidad orgánica cuando la cancelación sube de 2% a 6%
4.6
rating promedio mínimo para entrar al top 10 de búsqueda en hora pico
Visualización
Las cifras, visualizadas
Las cifras, visualizadas140+ cocinas ocultas auditadas por Masterestaurant para mapear el; 14.66% Mercado de delivery de comida en línea en México — benchmark; 87% Cuota de iFood en delivery de Brasil — benchmark 2026 del se; 50% Facturación de q-commerce de Glovo — benchmark 2026 del sect; 12.8% Mercado de ghost kitchens en Asia-Pacífico — benchmark 2026 cocinas ocultas auditadas por Masterestaurant para mapear el peso real del algoritmo140+Mercado de delivery de comida en línea en México — benchmark 2026 del sector14,66%Cuota de iFood en delivery de Brasil — benchmark 2026 del sector87%Facturación de q-commerce de Glovo — benchmark 2026 del sector50%Mercado de ghost kitchens en Asia-Pacífico — benchmark 2026 del sector12,8%
Fuentes: Datos internos Masterestaurant · Statista 2024 · EU-Startups 2025 · Coherent Market Insights 2024Gráfico creado por masterestaurant.com
Caso real

“Un restaurante de comida saludable en Bogotá llegó a nosotros con ventas de delivery estancadas en $18 millones COP mensuales pese a invertir $1.2 millones en ads dentro de Rappi. Auditamos su operación con el método Masterestaurant y encontramos tres fallas: aceptaba pedidos en 95 segundos en promedio, su tiempo de preparación real era de 26 minutos contra los 15 prometidos, y su tasa de cancelación llegaba a 7% en horas pico por sobreventa de platos sin disponibilidad real. Rediseñamos el flujo de cocina, fijamos un menú dinámico por turno y bajamos el tiempo de aceptación a 38 segundos con un encargado dedicado solo a la tablet. En 6 semanas el rating subió de 4.2 a 4.7, la cancelación cayó a 1.8% y las ventas de delivery treparon a $26.4 millones COP mensuales —un 47% de crecimiento sin bajar un solo precio del menú.”

— Dueño de cocina oculta de comida saludable, Bogotá — cliente Masterestaurant
Cómo aplicarlo en tu restaurante

Cómo optimizar el algoritmo de delivery en 4 pasos

Audita las 4 métricas que pesan el 60% del ranking
Antes de tocar nada, mide durante 7 días estas cuatro variables: tiempo de aceptación promedio, tiempo de preparación real versus el prometido en el perfil, tasa de cancelación y rating de los últimos 100 pedidos. En Masterestaurant usamos esta auditoría como punto de partida porque, según los datos de 140 cocinas analizadas, estas cuatro variables explican el 60% del peso algorítmico. Si tu tiempo de aceptación promedia más de 60 segundos o tu cancelación supera el 3%, ya tienes el diagnóstico de por qué el algoritmo no te muestra arriba. Anota cada número en una hoja simple, sin software costoso: lo que importa es tener la línea base antes de optimizar, porque sin esos cuatro datos cualquier cambio que hagas será a ciegas y no podrás medir si realmente subió tu ranking en 2026.
Corrige el tiempo de aceptación con un turno dedicado
El 80% de los restaurantes que auditamos tenía a la misma persona atendiendo la tablet de delivery y la caja física, lo que disparaba el tiempo de aceptación a 90-120 segundos en horas pico. La solución que aplicamos en Masterestaurant es simple: asigna a una sola persona la tablet durante el rush de 12pm a 2pm y de 7pm a 9pm, sin otra tarea. Restaurantes que hicieron este cambio bajaron su tiempo de aceptación a menos de 40 segundos en dos semanas, y eso por sí solo movió su posición en el listado de búsqueda hasta 3 puestos arriba. No requiere inversión: requiere reorganizar el turno y dejar claro que aceptar rápido es tan prioritario como cocinar bien, porque el algoritmo lo pesa así.
Implementa menú dinámico para bajar la cancelación bajo 2%
La cancelación por falta de disponibilidad real es la variable que más castiga el ranking, y se corrige con un menú dinámico: desactiva en la app cualquier plato que tenga menos de la materia prima necesaria para 5 órdenes simultáneas. En los restaurantes que aplicaron este ajuste con Masterestaurant, la cancelación bajó de 6-8% a 1.5-2% en cuatro semanas, porque dejaron de ofrecer platos que no podían cumplir en horas pico. Revisa el inventario cada turno, no cada día: un restaurante que actualiza disponibilidad cada 4 horas evita el 90% de las cancelaciones por desabasto. Esta disciplina, sumada al control de food cost bajo el 32%, es lo que separa a un restaurante que sube en el ranking de uno que se estanca.
Sube el rating con seguimiento de los últimos 100 pedidos, no del histórico
El algoritmo pondera el rating reciente, así que una mala racha de 10 pedidos puede hundirte aunque tengas 4.5 estrellas históricas. El método correcto: revisa cada mañana los comentarios de las últimas 24 horas y responde en menos de 2 horas a cualquier calificación bajo 4 estrellas, ofreciendo una solución concreta, no una disculpa genérica. Restaurantes que adoptaron este hábito con Diego F. Parra y Masterestaurant subieron su rating promedio de 4.2 a 4.7 en 6 semanas, lo que se tradujo en un 25% más de visibilidad en búsquedas de hora pico. La clave en 2026 es entender que el algoritmo no perdona la inconsistencia: prefiere un restaurante con 4.6 estable a uno con 4.9 en un día y 3.8 al siguiente.
✦ Inteligencia artificial aplicada

¿Y con inteligencia artificial?

Optimiza canales, pricing y unit economics de tu dark kitchen. Diego F. Parra es experto en IA aplicada a restaurantes.

Herramientas y método Masterestaurant

Herramientas Masterestaurant para sostener la optimización

Optimizar el algoritmo de delivery una vez no sirve si no sostienes el control operativo cada semana. Estas son las herramientas que usamos en Masterestaurant para que el food cost, el flujo de caja y la estrategia de delivery no se desordenen otra vez después del primer mes de mejora.

Diego F. Parra

Diego F. Parra — Consultor internacional experto en crear y potenciar restaurantes y en IA aplicada a restaurantes, foodtech y HORECA. Metodología aplicada en +8.400 restaurantes en 43 países · Experto en Inteligencia Artificial aplicada a restaurantes, hospitalidad y negocios gastronómicos · +20 años de experiencia en restaurantes, catering, grandes eventos y crecimiento empresarial · Autor de 3 libros con ISBN: «Triunfar o morir en el intento» (2013) y «De esclavo a dueño» (2023) · Conferencista internacional y keynote speaker del sector HORECA.

Preguntas frecuentes

Preguntas frecuentes sobre optimización de algoritmos de delivery

¿Cuánto tiempo toma ver mejoras en el ranking del algoritmo de delivery?
Con el método Masterestaurant, los cambios en tiempo de aceptación y cancelación se reflejan en 2 a 4 semanas. El rating completo, al depender de los últimos 100 pedidos, tarda entre 6 y 8 semanas en estabilizarse en su nuevo nivel, típicamente entre 4.6 y 4.8 estrellas.

¿Cuánto tiempo toma ver mejoras en el ranking del algoritmo de delivery?

Con el método Masterestaurant, los cambios en tiempo de aceptación y cancelación se reflejan en 2 a 4 semanas. El rating completo, al depender de los últimos 100 pedidos, tarda entre 6 y 8 semanas en estabilizarse en su nuevo nivel, típicamente entre 4.6 y 4.8 estrellas.

¿Pagar más publicidad dentro de Rappi o Uber Eats mejora el algoritmo?
No de forma sostenible. La publicidad paga visibilidad temporal, pero si tu tiempo de preparación real supera el prometido o tu cancelación pasa de 3%, el algoritmo penaliza esa visibilidad comprada. Primero corrige operación, luego invierte máximo 3% de ventas en ads.

¿Pagar más publicidad dentro de Rappi o Uber Eats mejora el algoritmo?

No de forma sostenible. La publicidad paga visibilidad temporal, pero si tu tiempo de preparación real supera el prometido o tu cancelación pasa de 3%, el algoritmo penaliza esa visibilidad comprada. Primero corrige operación, luego invierte máximo 3% de ventas en ads.

¿Qué food cost debo mantener al optimizar para delivery?
Nunca superior al 32% por plato, incluso con comisión de plataforma del 25-30%. Si para competir en el algoritmo bajas precio y el food cost sube a 38-40%, estás comprando ranking con margen, y ese margen no vuelve.

¿Qué food cost debo mantener al optimizar para delivery?

Nunca superior al 32% por plato, incluso con comisión de plataforma del 25-30%. Si para competir en el algoritmo bajas precio y el food cost sube a 38-40%, estás comprando ranking con margen, y ese margen no vuelve.

¿El algoritmo es igual en Rappi, Uber Eats y DiDi Food?
Las variables base —aceptación, cancelación, tiempo de preparación, rating— pesan en las tres, pero con ponderaciones distintas. DiDi Food premia más el precio competitivo; Rappi y Uber Eats priorizan velocidad y consistencia del rating reciente sobre los últimos 100 pedidos.

¿El algoritmo es igual en Rappi, Uber Eats y DiDi Food?

Las variables base —aceptación, cancelación, tiempo de preparación, rating— pesan en las tres, pero con ponderaciones distintas. DiDi Food premia más el precio competitivo; Rappi y Uber Eats priorizan velocidad y consistencia del rating reciente sobre los últimos 100 pedidos.

Datos y fuentes

Datos del sector 2026 (fuentes oficiales)

Benchmarks verificables de fuentes oficiales y no comerciales (gobierno, asociaciones de industria y market-data), nunca competencia.

DatoBenchmark 2026Fuente
Escala de pedidos de iFood100 millones de pedidos en un solo mes (agosto de 2024)iFood (Statista) 2024
Facturación de q-commerce de GlovoMás de €1.000 millones anuales, con retail y grocery creciendo ≈50% en 2024EU-Startups 2025
Mercado de delivery de comida en línea en Europa Central y OccidentalUS$ 98.480 millones en 2024Statista 2024
Segmento de meal delivery en Europa≈US$ 49.000 millones de ingresos en 2024Statista 2024
Mercado de ghost kitchens en Asia-PacíficoUS$ 21.730 millones (2024), proyectado a US$ 60.590 millones en 2032 (CAGR 12,8%)Coherent Market Insights 2024
Mercado de delivery de comida en ChinaUS$ 40.000 millones en 2024Coherent Market Insights 2024

Haz crecer tu restaurante con el método Masterestaurant

Aplicado en +8.400 restaurantes de 43 países.

Motor MR Listas Comparativas v0.9.332