外卖平台不会按字母顺序展示您的餐厅。Uber Eats、Rappi和DiDi Food会计算一套内部评分,综合出餐时间、接单率、最近50单的评分以及处理投诉的响应速度。一家餐厅评分更高,但出餐时间较长,可能排在另一家评分稍低、但厨房快得多的餐厅后面好几位。这种排名差异会影响平台内相当一部分的自然流量。这一规律是Diego F. Parra在2025年对波哥大、麦德林和墨西哥城的暗厨进行审计时总结出来的。
我在运营外卖2到5年的餐厅中反复看到同一个错误:把平台当成一张电子传单来经营,菜单照旧、价格照旧、照片还是三年前拍的。这样的厨房每一单都要支付高额佣金,同时因为从不更新出餐时间,也不查看后台数据,排名也在下滑。结果就是订单一个季度比一个季度少,而老板不明白原因,因为问题不在产品本身,而在于算法如何解读他的运营数据。
Masterestaurant把这件事当作一个系统来处理,而不是一次性调价。方法的第一步是审计平台商家后台近90天的数据(Uber Eats Manager、Rappi Partners、DiDi Food Business),找出最能拉动毛利的10道菜,然后围绕这些菜重新设计线上菜单。在Diego F. Parra做过这项审计的餐厅,接单率在几周之内就有明显提升,而且无需增加额外人手。
到2026年,Uber Eats和Rappi正在把更多人工智能引入自己的排名系统:它们按时段预测需求,并根据餐厅兑现承诺出餐时间的概率来调整曝光度。这对不记录出餐时间的厨房是双重惩罚,因为算法不再因为一次失约就给予警告,而是通过持续下降的排名来体现。以一家客单价为例的餐厅来说,在同类目排名中掉下几位,每周可能就会少掉不少订单,一个月下来就是一笔相当可观的未成交销售额。Masterestaurant从2025年起,就在每次审计中纳入这一预测性指标。
并排对比
| 传统方法 | Masterestaurant方法 | |
|---|---|---|
| 平均出餐时间 | ✕22 分钟 | ✓11分钟 |
| 接单率 | ✕绝大多数订单 | ✓几乎所有情况 |
| 相对堂食的加价幅度 | ✕不加价,同价 | ✓较小的一部分 |
| 外卖菜单上的在售单品数 | ✕45道菜 | ✓14道菜 |
| 查看后台数据的频率 | ✕每月1次 | ✓每周数次 |
| 外卖的实际食材成本率 | ✕占比较高 | ✓占比适中 |
| 品类平均排名 | ✕列表中等位置 | ✓第3名 |
为什么我的餐厅评分不错,却没有出现在Uber Eats的前面?
因为排名并不只取决于星级。Uber Eats、Rappi和DiDi Food会把出餐时间、接单率、最近50单的评分以及处理投诉的响应速度综合成一个内部分数。一家餐厅评分更高,但出餐较慢,可能排在另一家评分稍低、但厨房灵活得多的餐厅后面好几位。这种排名差异会影响平台内相当一部分的自然流量。这一规律是Diego F. Parra在2025年对波哥大、麦德林和墨西哥城的暗厨进行审计时总结出来的。算法奖励的是运营的稳定性,而不只是顾客的满意度。
1. 照搬堂食菜单:最多厨房重复的错误
我在运营外卖2到5年的餐厅中反复看到同一个错误:把平台当成一张电子传单来经营,菜单照旧、价格照旧、照片还是三年前拍的。这样的厨房每一单都要支付高额佣金,同时因为从不更新出餐时间,也不查看后台数据,排名也在下滑。结果就是订单一个季度比一个季度少,而老板不明白原因,因为问题不在产品本身,而在于算法如何解读他的运营数据。一份没有精心筛选的菜单,会把毛利稀释在那些几乎没人点、却会拉低实际出餐时间平均值的菜品上。
2.
传统做法是在外卖平台上沿用堂食的价格,既没有覆盖平台佣金,也没有计入包装成本,结果每一道菜的毛利都在被侵蚀。在Diego F. Parra对暗厨的审计中,这项调整能在不提高顾客感知客单价的前提下,挽回4到7个点的毛利率,因为涨价是体现在线上价格上,而不是堂食价格上。很多老板觉得外卖不赚钱,原因正是忽视了这项调整:问题出在价格,而不是渠道。
3. 出餐时间控制在12分钟以内:权重最大的变量
Uber Eats和Rappi会对每周超过两次超出承诺出餐时间的厨房进行降权,导致排名下降。Masterestaurant方法为线上菜单的大部分菜品设定了12分钟的运营上限,并配备一个只负责外卖订单的专门工位,与堂食厨房分开。在Diego F. Parra实施这种分工的餐厅里,接单率在几周之内就有明显提升,而且无需增加额外人手。稳定地兑现承诺的出餐时间,算法会将其理解为可靠性,而可靠性正是带来曝光的动力。
4. 接单率:没人去看的温度计
高峰时段因缺料或缺人而拒单,会拉低接单率,而这一指标在排名算法中的分量不亚于评分。经常查看平台商家后台(Uber Eats Manager、Rappi Partners、DiDi Food Business),有助于找出拒单集中在哪些时段,并在那个时段到来之前调整排班或备货。真正能推动这个数字在6周内变化的,是这种运营层面的调整,而不是菜单改动。
5. 按平台区别设计照片与描述:在Rappi卖菜和在DiDi卖菜不是一回事
在三个平台使用同一张照片和同一段描述,忽略了每个平台都有自己的站内搜索相关性算法,而这套算法同样会考量图片带来的点击和转化。一道使用图库通用照片的菜,转化率通常远低于一张光线好、拍摄专业的自有照片。方法是先筛出最能拉动毛利的10道菜,再为每个平台设计不同的视觉和文案,并把营销团队的时间优先投入到这些菜品上。这个看似不起眼的细节,能明显提升餐厅所在类目中从点击到下单的转化率。
6. 排名中的预测性人工智能:2026年即将到来的变化
到2026年左右,Uber Eats和Rappi正在把更多人工智能引入自家排名:它们按时段预测需求,并根据餐厅兑现承诺出餐时间的概率调整曝光。这对不记录出餐时间的厨房是双重惩罚:算法不再因一次违约就放过,而是逐步下调排名。对于客单价在同类中偏高的餐厅,排名掉几个位次,每周可能少掉很多订单,一个月下来就是可观的未被承接的销售额。Masterestaurant自2025年起,每次审计都会纳入这一预测性变量。
结论:算法不会原谅照搬堂食的菜单,它奖励的是把外卖渠道当作正经经营的餐厅。
传统做法是把堂食菜单原样搬到Uber Eats、Rappi和DiDi Food上,既不调整价格也不调整出餐时间,这样算法会慢慢把店压下去,而不是一下子。差别在6到8周内就能看出:经Diego F. Parra审计的厨房,接单率从平庸提升到较高水平,并收回了老板以为因市场饱和而丢掉的排名。如果您的外卖本季度下滑了12%,第一步不是降价,而是在动菜单之前先审计平台后台近90天的数据。
并排对比:在收银台上哪里能看出差别
传统方法:照搬复制的菜单
- 外卖与堂食同价,没有覆盖平台佣金。
- 菜单有40到60项,与实体菜单一样,对算法没有主次之分。
- 平均出餐时间20到25分钟,没有目标,也不做每周统计。
- 照片千篇一律,或超过12个月没有更新。
- 每月只查看一次或更少的后台数据。
Masterestaurant方法:把算法当作销售渠道
- 在堂食价格基础上加价,以在扣除佣金后保护利润。
- 电子菜单精简为12到14个核心单品,都是轮换最快、利润最高的菜。
- 出餐时间低于12分钟,厨房里有每日可见的目标。
- 每90天重写一次照片和描述,使用顾客搜索时的关键词。
- 每周查看数次后台数据,并根据需求调整价格与营业时段。
一套运作良好的算法能带来的数字
“7周内,我们把电子菜单从38项精简到13项,以加价17%调整价格,并把出餐时间压到10分钟。接单率升至97%,食材成本率降至30%,六家分店中有两家的品类排名从第16名升到第2名。”
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。
外卖算法优化的4个步骤
在动价格或菜单之前,请下载Uber Eats Manager、Rappi Partners或DiDi Food Business的90天报告。找出接单率、平均出餐时间、最近50单的评分和取消率。在这一步,Diego F. Parra建议先标出贡献70%销量的10个单品:这些是算法已经在推的菜,优化就围绕它们展开。如果接单率低于85%,或出餐时间超过15分钟,那才是真正的瓶颈,而不是菜单或照片。这项审计耗时2到3个小时,应每季度重复一次以保持进步。
把外卖菜单精简到12到14道菜:选轮换最快、按实际食材成本率算利润最好的,而不是看堂食菜单。45项的菜单会分散顾客和算法的注意力,而算法更倾向于按单品转化率排序的菜单。每条描述都要用顾客搜索时的措辞重写(例如用“烤全鸡”而不是“招牌推荐”),照片每90天更新一次,用自然光、盛好的成品拍摄,不用图库照片。Masterestaurant方法要求每个核心单品在上架外卖菜单前食材成本率不超过32%,以在扣除平台佣金后保护利润。
如果不做这项调整,单笔净利润会降到无法支撑厨房人工成本和中期物料补充的水平。请透明地告知顾客这一变化:拉美大多数餐厅已经对实体渠道与外卖渠道实行差别定价,只要服务(包装、时效、品质)保持稳定,顾客是可以接受的。每当平台宣布佣金结构调整时,都应重新检视这一加价幅度,这在过去几年里在本地区发生过多次。
每周一和周四登录后台,查看整周的接单率、出餐时间和评分。如果接单率低于90%,或出餐时间超过12分钟,就调整厨房班次,或在午餐和晚餐高峰期暂时下架出餐较慢的单品。这一复查节奏是Diego F. Parra为Masterestaurant的每位客户在审计第一个月起就落实的,它能在几天内发现排名下滑,而不是几周之后,那时大部分潜在订单已经流失。目标不是持续完美,而是测量的纪律性。算法奖励的是周复一周的稳定,而不是一个好月份之后三个月放弃后台。
外卖算法优化:今天就能开始使用的免费工具
Masterestaurant用于巩固优化的工具
Masterestaurant生态系统中的这三款工具,能在不增加日常运营人手的前提下,配合外卖算法审计。
每款工具解决的瓶颈不同:渠道策略、增长预测,以及单笔订单的真实利润控制。
三款工具在审计的头几周配合使用,而这段时间正是接单率通常明显改善的时期。
关于外卖算法优化的常见问题
2026年外卖平台实际收取多少佣金?
2026年外卖平台实际收取多少佣金?
平台会对每笔订单收取佣金,比例因平台、城市和所选套餐(基础、Plus或高级)而异:套餐越全面,收费越高,换来的曝光也越多。如果餐厅开通了应用内的推广活动,还要加上广告费。
外卖菜单要不要提高价格?
外卖菜单要不要提高价格?
如果不做这项调整,平台佣金会让单笔净利润过于微薄,连包装成本和中期物料补充都覆盖不了。
为外卖优化的菜单应该有多少道菜?
为外卖优化的菜单应该有多少道菜?
保留12到14个核心单品,选轮换最快、食材成本率最好的(最好不超过32%)。40到60道菜的菜单会稀释转化率,也会让算法无所适从,因为算法更倾向于单品点击率高的菜单。
多久检查一次算法指标?
多久检查一次算法指标?
每周至少两次:查看接单率、出餐时间和最近订单的评分。只每月看一次,会让排名下滑被漏掉,修正要花30天,而不是3到4天。
2026 数据(外卖算法优化)
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 |
|---|---|---|
| 墨西哥外卖平台上的活跃本地餐厅,覆盖超过60个城市(2024) | 超过52千家本地餐厅(2024) | El Universal citando a DiDi Foods — Apps de comida impulsan crecimiento de restaurantes locales en México (2024) |
| iFood 活跃用户(iFood 是拉丁美洲领先的外卖应用,位于巴西),截至2024年第三季度末 | 约12.2百万活跃用户(2024年第3季度) | Sensor Tower — Top 5 Food Delivery Apps in Latin America Q3 2024 Performance (2024) |
| PedidosYa 在拉丁美洲的周活跃用户,2024年第三季度区间的上限 | 4.8至5.3百万周活跃用户(2024年第3季度) | Sensor Tower — Top 5 Food Delivery Apps in Latin America Q3 2024 Performance (2024) |
| iFood 在巴西的月订单量,从平均约70百万单增至2024年8月达到的100百万单里程碑 | 月订单量100百万单(2024年8月) | Bloomberg Línea — Rappi y iFood: qué le depara a las apps de delivery ante reformas y presión por rentabilidad en Latam? (2025) |
| 墨西哥使用外卖应用的网民,数据来源:墨西哥在线销售协会(AMVO)(2023报道) | 墨西哥网民的83%(2023) | The Food Tech citando a AMVO — El delivery de alimentos y bebidas sigue creciendo (2023) |
| iFood 在拉丁美洲外卖应用中的月活跃用户份额;这一集中化格局也正是外卖应用算法的数据基础(2024年累计) | 拉美 MAU 份额的40%(2024) | Sensor Tower — Fragmented LatAm Food Delivery Market Evolves Amidst Uber's Exit (2024) |

