听说附近一家新开的餐厅有五星级酒店的大厨坐镇，小王对餐厅里的各种高规格美食充满了期待，便高高兴兴地约了朋友前去享用。到了餐厅之后，小王被服务员泼了一盆冷水——由于前来用餐的顾客太多，很多主打菜已经告罄。小王心里十分失落，用餐体验直线下降， 暗想：这家餐厅真差劲，没有金钢钻，揽什么瓷器活啊?
菜品备货不足严重影响客户体验
现实生活中，这样的场景经常上演，严重影响了餐厅的美誉度。对销量的预测影响着餐厅运营的方方面面，比如合理备货、安排人手、营销策略等等 ，大多数餐厅经营者也都知道准确预测菜品销量的重要性，却苦于无法科学合理地预测，各大系统服务商也大都没有这项功能，只能凭借直觉预估，离真实情况去之甚远。本文节选自 《从零开始做餐饮》 一书，点击 “阅读原文” 抢购本书。
究其原因，主要有以下两大难点
不确定性因素太多
受季节、节日、天气等外在因素和推广活动、特价菜、更换菜单等内在因素的共同影响，餐厅菜品的销量往往不太稳定，难以准确预测。
时间段对不同餐厅的不同影响
餐厅在不同时间段的营业情况肯定不一样，具体对应细节则需视实际情况而定，有些餐厅按小时甚至按午晚餐区分就已足够，有些餐厅细致到每十分钟才能确保准确度。
麦当劳这样全时段运营的餐厅菜品销量更难预测
难做并不意味着不能做。如果餐厅经营者能够排除一切内外因素，利用历史数据构建起基础模型 ，也能够对菜品的日常销量拥有基本把握。在这方面，某家餐厅的做法颇有借鉴意义。
这是一家主营烤三文鱼的餐厅，菜品对食材的新鲜度要求较高，通常一天会备两次货， 因此对烤三文鱼的销量预测也有较高的要求。为了精准备货，这家餐厅将烤三文鱼的周销量变化情况制成了下图。
某餐厅烤三文鱼的周销量变化情况
不难发现，这家餐厅烤三文鱼的销量呈正态分布，大多数时候都会落在平均值附近正负一个标准差的区间内，在这个区间内备货一般不会出现积压的情况。
如何选择适合能准确预测菜品销量的历史数据
同类型时段的数据一起统计
比如对于主营写字楼工作餐的餐厅而言，周一到周五的午餐营业数据就属于同一个类型，可以放到一起统计。
靠近尚都北塔办公楼的喜家德周末晚上没有工作日中午火爆
剔除特殊情况
特殊情况需要特殊考虑。餐厅经营者在构建菜品销量的基础模型时，应先剔除特殊天气、节日、活动等时候的数据。当要预测特殊情况下的销量时，可以结合之前的类似情况再做考虑。
随餐厅发展进行微调
餐厅在不同发展时期接待的客流量肯定不一样，应季菜单的更换也会对客流量产生较大影响。所以，餐厅经营者在选择 “种子” 数据时，应以近期为主 。预测菜品销量所需的数据并不要求数量庞大，重点在于更贴近想要预测的未来时间段。
言及于此，可能有些初创餐厅的经营者会发出这样的疑问：“我的餐厅刚开业没多久，没有历史数据怎么办?” 对于新开业餐厅而言，各菜品的销量确实较难预测，但是日均营业额在选址初期就就能有效测算。
总营业额 = 客流量 ( 可以通过 “掐表数人流” 方式统计) × 客单价
如果这家餐厅并不是经营者开的第一家店，那么客单价的浮动大致在10%的范围以内; 如果确实是一个全新的概念，那么餐厅经营者不妨借鉴下面这家日式居酒屋的算法。
某日式居酒屋的客单价计算表
上表中的 “品类均价” 由菜单的定价决定，“点单比例” 则意为顾客中点此品类的比例。这家日式居酒屋主营菜品是烤物类的小盘菜，于是店主预估90%的顾客都会点此品类中的菜品。“平均每人每单点的次数” 就是这90%的客人平均每人每单会在“烤物小盘菜”品类下点多少菜品。最后将 “品类均价” “点单比例” 和 “平均每人每单点的次数” 三者相乘，得出各个品类的客单价，全部品类的客单价之和即是总客单价 。
除此之外，利用 “点单比例” 也能预估每个品类的销售额。将总销售额分解到各个品类， 餐厅在备货时就不会乱了分寸，日后也方便根据每天的营业数据进行调整。
