一百八十亿美元:这是2025年拉丁美洲外卖平台的交易规模,并且保持每年14%的稳定增长。Rappi、Uber Eats 和 iFood 三家合计占据该地区数字订单量的73%。
68%的新开线上店铺,在前60天内都没能进入所在品类的前30名。此后的数学更加残酷:从第15名开始,每下滑十个名次,餐厅的订单量就会损失一半。
我见过几十次这种情况:老板上传菜单、开启店铺,然后坐等订单。平台会把这种初期的被动解读为不上心,并从第一天起就压低曝光。优化不是开业时走的一道流程,而是每周都要重复的日常工作。
并排对比:外卖算法优化
| 优化前(未做优化) | 之后(Masterestaurant方法) | |
|---|---|---|
| 品类平均排名 | ✕第35-50名 | ✓21天内进入第8-15名 |
| 接单率 | ✕78%(人工拒单) | ✓≥95%(主动自动接单) |
| 备餐时间:声明值 vs 实际值 | ✕偏差12-18分钟 | ✓偏差≤2分钟 |
| 列表图片点击率(CTR) | ✕平均1.8% | ✓使用优化图片后为4.5%-6.2% |
| 平均评分(星级) | ✕3.6 / 5(无评价管理流程) | ✓实施评价流程30天后为4.4 / 5 |
| 平均每周订单量 | ✕每周28单 | ✓每周67单(+139%) |
| 每笔外卖订单的食材成本 | ✕31%(救急折扣) | ✓27%(不搞恐慌式折扣) |
外卖算法如何运作:可预测性比价格更重要
可预测性。不是最便宜,也不是最快,而这恰恰是Rappi、Uber Eats和iFood算法真正奖励的东西。背后的市场规模十分可观:仅拉丁美洲外卖在2025年就流转了180亿美元,这三大平台占据该地区数字订单的73%,同比增长14%。从底层逻辑看,排名引擎综合五项信号:接单率、备餐时间准确度、菜品图片点击率、累计评分,以及重复下单频率。五项都得分高,曝光量可比单纯拼价格高出2.5至4倍。在Masterestaurant、Diego F. Parra的框架里,这被称为“运营可靠性指数”:正是这个变量,将排在类目第1-10位的餐厅与排在第30名或之后、几乎无人问津的餐厅区分开来。
接单率≥95%:首要的曝光杠杆
餐厅在平台上最划算的一步,零成本:开启自动接单。接单率低于90%时,处罚力度很大,在Rappi和Uber Eats的排名中会损失8至20个位次。我在波哥大和墨西哥城的门店都见过:手动接单与开启自动接单之间,第一个月平均相差12至15个位次。机制也非常简单:超过90秒未处理的每一笔订单都会被记为负面信号。开启自动接单后,这个计数会归零。而且,Masterestaurant方法的目标不是某一周碰到95%,而是把它稳定在近30天的滚动平均值上,这正是算法计算评分时实际采用的时间窗口。
备餐时间:申报值与实际值的偏差,是摧毁评分的根源
申报20分钟,实际却要32分钟:这是导致排名下滑最常见的错误。平台会统计骑手敲门到餐品出门的真实时长,并与申报时间对比。持续偏差超过5分钟后,可靠性评分下降,算法会在高峰时段将曝光削减15%至30%。Masterestaurant方法的运营阈值是平均偏差≤2分钟。要达到这一标准,需要在三个不同时段对销量最高的10个菜品进行计时,然后申报第75百分位的时长,即团队四次里能做到三次的水平,而不是团队的最快纪录。麦德林一家暗厨只有8个在售菜品,仅调整这一项,就在21天内把可靠性评分从6.2分提升到了8.7分(满分10分)。
图片点击率≥4%:很少有人优化的信号
菜单图片的点击率低于2%时,算法会判定用户不感兴趣,并停止在显眼位置展示该菜品。要让某个菜品获得主动推荐,点击率必须超过4%,也就是每100位看到图片的用户中,至少有4人点击。不可妥协的基本要求从背景开始:使用中性色、白色或哑光黑。拍摄角度为45°俯拍,且完整呈现菜品份量。文件压缩至≤800 KB,在4G网络下须在1.2秒内加载完成。Diego F. Parra在陪伴暗厨经营的实践中发现,仅更换点击率低的菜品主图,通常几周内该菜品的订单量就会上升。价格和备餐时间都没有改动。
前60天:大多数人浪费掉的关键窗口期
每三家在平台上新开店的餐厅,就有两家在第60天前排名落到类目第30名之后。原因几乎都一样:上架菜单、开启店铺,然后坐等订单自己到来。平台不会把这种状态理解为稳定,而是理解为缺乏关注,并从第一天起就压低曝光。如果这位老板不坐等,而是通过亲友、员工或受控优惠券先产生自己的30笔初始订单,会怎样?这样就能在宽限期结束前启动算法的可靠性记录:Uber Eats需要14至21天,Rappi需要7至14天。超过这段时间,历史评分的权重将超过之后任何战术性调整。因此,Masterestaurant针对开业前两周的方案包含三个环节:菜单精简至6-8个菜品、开业即开启自动接单,以及那些打破初始惯性的自有订单。
每周优化例行流程:支撑排名的四项调整
外卖优化不是一次性的调整,而是每周45分钟的例行工作,它决定餐厅每周一在排名中是上升还是下滑。具体有四个抓手。第一,每周一检查数据看板:接单率、实际与申报的平均备餐时间、评分,以及各菜品的点击率。第二,暂时下架任何实际时长比申报超出4分钟以上的菜品;宁可保留6道高评分菜品,也不要让12道拉低平均分的菜品继续在线。第三,在24小时内回复100%的差评,因为Rappi和Uber Eats自2024年起就把回复率纳入评分因素。第四,对照三家最直接的竞争对手检查价格,目的不是降价,而是确认价格区间不会让餐厅被排除在按预算筛选的搜索结果之外。
第15位:排名中的盈利天花板
在中等密度的商圈,排名第5的餐厅每天能收到80至120单。同一家餐厅如果排在第25位,只能收到10至20单。多年来我都告诉客户,前20名之内的位置都可以接受,这是我判断错了。下滑不是线性的,而是指数级的:排名在第15位之后,每下降10位,订单量就减半。以12美元的平均客单价计算,这种排名差距意味着每月少了28,800至43,200美元的营业额,而菜单和价格一点都没动。因此,第15位才是真正的经营盈利上限:排在它之上,模型还能喘口气;排在它之下,固定成本(租金、薪资、水电)就再也无法靠线上订单覆盖。Masterestaurant的管理目标是:每月至少80%的天数保持在第12位或之前,并且每天晚上7:00用同一时刻的排名截图进行核验。
为算法优化菜单:菜品更少,评分更高
平台上有40个在售菜品,听起来很丰富,但算法会把它看作曝光陷阱。这正是大多数老板没有处理好的悖论:菜品越多,理应客户越多,但实际上它们会把评分拉低,因为算法会分别计算每个菜品的订单历史。Masterestaurant方法的运营规则很干脆:只保留过去30天内至少有15单的菜品在线。具体来说,就是运营8至14个核心菜品,每月轮换2或3个季节特色菜,既足以维持Rappi所奖励的内容更新信号,该信号可在前72小时内带来5至12个位次的提升。瓜达拉哈拉一家暗厨把在售菜品从35个减到11个,45天内平均排名从第28位升至第9位,订单总量不变,但现在集中在更少的菜品上,运营也更到位。
决定你在算法中位置的5个差异
**接单率与拒单率。** Rappi和Uber Eats能实时显示每家餐厅的接单比例。接单率低于90%时,流量会受到惩罚,在排名中下降8到20位。手动接单与开启自动接单相比差距有多大?根据我在博哥大和墨西哥城云厨运营中的实测,第一个月平均能相差12到15位。 **出餐时间申报的准确性。** 骑手记录实际送餐时间,平台将其与餐厅上架菜单时申报的出餐时间进行比对。持续偏差超过5分钟后,可信度评分会下降,算法也会把餐厅的排序往后压。每周按日期和时段校准申报的出餐时间,把偏差控制在2分钟以内。这一习惯能让餐厅获得iFood和Rappi的“出餐准时”标识,并带来1.8个点的CTR提升。 **封面图的技术规范拍摄。** 用户还没看菜单,算法已经先看封面图的CTR,这是该用户相关性的第一信号。没有技术规范时,平均CTR为1.8%。采用中性背景、三个自然光光源并把主菜放在前景,CTR可提升到4.5%至6.2%。这2.7个点的差距,能带来多38%的订单,而价格和初始排名都不用动。 **主动管理评价。** 星级均分确实是算法看重的指标,但真正有分量的是评分提升的速度。一家餐厅在30天内从3.6提升到4.2,会在Rappi内获得“上升中餐厅”的内部推荐加权。Masterestaurant方案通过订单完成后的结束语消息解决这一问题:评价回复率从4%提升到22%,无需花一分钱做折扣或付费推广,就能实现评分跃升。 **无空档的营业时段日历。** 在高峰时段显示“暂不可接单”(周五12点至14点、周六19点至21点)属于纯粹的负面信号,之后48小时内算法会减少该餐厅的曝光。梳理各时段的真实承接能力,并杜绝临时歇业,可以扭转这一局面:约18%至31%流失的订单会在同一时段内回流。
折扣与信号优化:对比分析
未做算法优化
- 第1天起自然曝光极低
- 依赖20%-30%的折扣来产生订单
- 人工拒单触发算法惩罚
- 通用照片,CTR低于2%
- 无备餐时间管理:偏差超过15分钟
- 未管理预期导致评分偏低
- 持续的救急优惠推高食材成本
采用Masterestaurant方法
- 无付费推广,21天内进入品类前15名
- 接单率≥95%,触发算法加权推荐
- 声明备餐时间与实际一致(±2分钟)
- 照片按技术简报拍摄:CTR为4.5%-6.2%
- 评价流程:30天内提升+0.8分
- 食材成本≤27%,且无救急折扣
- 每周指标面板,且每个信号都有对应的具体行动
算法的数据:平台实际衡量什么
“我们在Rappi经营了4个月,周订单22单,评分3.4。我们启用了Masterestaurant方案:开启自动接单,把出餐时间从申报的12分钟校准为实际的18分钟,更换了封面图,并发送了结束语消息。28天后,周订单增至58单,评分达到4.3星,一张折扣券都没用。食材成本率从33%降到26%,因为我们不再为了维持店铺存活而赠送订单。”
综合案例仅供说明:案例中的名称和数字不代表真实企业,也不是行业数据。
4步优化你的外卖算法
打开平台后台,记下三个数据:近30天的接单率、申报出餐时间与实际平均出餐时间的对比,以及当前评分。如果接单率低于90%,先开启自动接单,这是算法权重最高的信号。如果出餐时间偏差超过5分钟,把实际所需时间加上余量重新申报。完成这两项操作后,算法在72小时内就会开始重新校准你的评分。
用浅色木板或黑板作背景,三点自然光拍摄招牌菜,菜品占画面的70%。外卖包装餐食不要用俯拍,30度侧角拍摄在移动端的转化效果更好。上传照片后,7天查看一次CTR。如果CTR没有超过3.5%,就换一道菜重新拍。Diego F. Parra建议先主推毛利最高的单品,而不是最畅销的:如果它转化好,就能在不增加额外投入的情况下提高平均客单价。
在WhatsApp Business或平台中设置一条订单完成后的自动消息:‘您好[nombre],感谢您的订单。如果一切都很完美,希望您能在[plataforma]上给我们留下5星好评,直达链接:[link]。如果有什么不满意的地方,请先在这里告诉我。’这条消息在订单完成后15分钟内发送,据我2024至2025年在博哥大、麦德林和墨西哥城对12家运营商的数据统计,评价回复率平均可从4%提升到22%。
按时段(周一至周日,每2小时一档)梳理你的真实承接能力,确定哪些时段你能稳定完成订单、不拒单也不延误。关闭无法正常运营的时段,杜绝高峰期的临时歇业。每天稳定营业6小时的餐厅,获得的算法订单量会多于频繁歇业、却营业12小时的餐厅。用Masterestaurant的餐厅产能画布(Canvas)对比产能与需求时段,该工具会把你的真实出餐时间与平台历史高峰进行交叉分析。
Masterestaurant外卖优化工具
Diego F. Parra的这些资源专为经营外卖平台的店主设计,帮助你在不增加广告投入的前提下,提升算法排名。
2026年外卖算法常见问题
什么是外卖算法优化,它在餐厅里如何应用?
什么是外卖算法优化,它在餐厅里如何应用?
外卖算法优化,就是让你的经营变得可预测:几乎接下所有订单,申报你确实能做到的出餐时间,并使用能带来点击的照片。算法奖励的是这种可靠性,而不是最低价或最快速度。Diego F. Parra把这些归纳为“运营可靠性指数”,它综合了接单率、出餐时间、照片、评分和复购订单。开启自动接单,并申报你的团队大多数时候能够做到的出餐时间,这是最先要做的调整,而且这两项都不需要降价。
外卖算法优化的效果需要多久才会体现在排名上?
外卖算法优化的效果需要多久才会体现在排名上?
接单率和出餐时间信号在48至72小时内处理完成。评分因为算法更看重近期评价而非历史评价,需要14至21天才会影响排名。如果三项信号同时保持稳定,第21至30天前后,前15名的排名就会稳定下来。
折扣和促销能提升算法排名吗?
折扣和促销能提升算法排名吗?
短期来看确实如此:折扣活动会带来订单量,算法会把它理解为正面信号。但问题是结构性的:使用救急折扣的餐厅中,有78%的食材成本率最终超过32%,而按Masterestaurant的方法,32%是可行的上限。促销期间的推动力只能维持到活动结束,取消折扣后,排名会在5至7天内回到原点。
Rappi、Uber Eats和iFood的算法原理相同吗,还是各不相同?
Rappi、Uber Eats和iFood的算法原理相同吗,还是各不相同?
接单率、出餐时间、照片和评分这四项关键信号在三种算法中都有权重,但优先级有所不同。Rappi更看重接单率和出餐速度。Uber Eats更看重照片的CTR和近期评分。iFood对准时履约历史的权衡更为精细。Masterestaurant方案同时覆盖这四项因素,一套流程即可应对三个平台。
要优化外卖算法,必须有实体门店吗?
要优化外卖算法,必须有实体门店吗?
不一定。云厨(只做外卖、没有堂食区)在算法上有优势,因为无需管理餐桌,出餐时间更容易精确掌控。我用Masterestaurant方法记录的成功案例中,有60%是100%做外卖的运营,无论是共享厨房还是自有厨房,都没有面向消费者的门店。
外卖算法优化:来自官方来源的2026数据
可核实的基准数据,来自官方及非商业来源(政府、行业协会和市场数据),绝不取自竞争对手。
| 数据 | 数值 | 来源 |
|---|---|---|
| PedidosYa在2024年阿根廷外卖应用月活跃用户中的份额,该市场的算法决定餐厅的曝光度 | 占MAU的61%(2024) | Sensor Tower — Fragmented LatAm Food Delivery Market Evolves Amidst Uber's Exit (2024) |
| 美国第三方外卖平台佣金的平均降幅(2024至2025),依据神秘顾客订单测算,计入平台算法展示给顾客的价格 | 平均减少 1,10 USD(2025) | Intouch Insight — Third-Party Delivery Report 2025 |
| DoorDash 相较 2024 的费率降幅:美国神秘顾客订单测算(2025),在所测外卖平台中降幅最大 | 比上年减少 1,82 USD(2025) | Intouch Insight — Third-Party Delivery Report 2025 |
| 云厨房占比 2035 | 预计2035年达US$248.10十亿 | Precedence Research 2025 |
| 全球在线外卖配送 2026 | 2026年为US$1.51万亿;复合年增长率6.24%(2026–2031年) | Statista 2026 |
| 美国在线外卖配送 2026 | 2026年为USD 473.49十亿 | Statista 2026 |

