助力酒店管理 | 提升英语能力

基于大数据的餐饮企业经营分析与决策

摘    要:

餐饮业市场竞争激烈,同时受移动互联网的影响较大。在消费者已经数字化和在线化的场景下,餐饮企业的数字化转型正伴随着用户消费习惯和交易场域的变化而逐步演进。消费者在美团等电商平台的评价直接影响到潜在消费者的选择,同时也揭示了相关餐饮品种的优缺点。利用大数据进行用户评价的文本情感分析、结合企业内部经营数据分析,可以有效地辅助餐饮企业经营决策,提升经营绩效。

 

一、引言

突如其来的新冠疫情,对餐饮行业造成了巨大冲击,对经营者提出了严峻的考验。餐饮业由于其所需资金数量较少,技术含量不高,产业壁垒小,产品差异小,产业发展前景广阔,顾客转换成本低,有限的市场中涌现大量的竞争者,市场较易饱和。同时,面临宏观经济增长不稳定性、疫情影响、原材料成本提升,加速了餐饮企业实现数字化转型的步伐,即利用数字化的应用帮助提升生产效率和改善经营绩效。

消费者已经数字化和在线化,每天用在手机浏览的时间占据了人们大部分的休闲时间,也造就了人们在决策前会依赖手机进行查询和分析的习惯。消费者在消费前,特别是新客户会在线上进行搜索和比较,最终的抉择也会受产品可搜索性、产品展示的吸引力、在线下单量、评分、评语等影响。餐饮企业的线上运营模式适用AARRR模型,该模型是肖恩在《增长黑客—如何低成本实现爆发式成长》一书中提出的。AARRR模型对应产品运营的5个重要的环节,分别是:(1)获取用户(Acquisition):用户如何找到我们?(2)激活用户(Activation):用户的首次体验如何?(3)提高留存(Retention):用户会回来吗?(4)增加收入(Revenue):如何赚到更多的钱?(5)环节推荐(Refer):病毒式营销,用户会告诉其他人吗?对于餐饮企业获客的主要方式有媒体投放、搜索引擎优化、电商平台引流、微信公众号、抖音、美团、大众点评网、地图搜索等;通过搜素、分类列表、详细页等满足用户消费决策的需要,特别是用户评价分值和用户评价语言,刺激用户消费冲动;通过注册会员、签到、打卡、任务、赠送会员券、会员打折等提高客户粘性,把平台公域流量打造成品牌自身的私域流量;通过收集用户消费行为数据,对用户画像,分析数据辅助经营优化,给客户提供个性化服务,提升客户的价值创造;通过推荐有礼、推荐码、优惠券等让客户推荐新客户,实现品牌的社交化传播裂变,使消费者成为企业的推销者。餐饮企业只用利用数字化升级做全时段加全渠道的运营,实现餐饮店线上线下客户信息一体化无缝连接,才能拥有更强的竞争力。数字化业务的开展,为企业提供了大量数据,充分利用这些企业内、外部数据,对产品、用户、门店、不同时段、不同促销手段和活动策划等开展分析,可以多维度提示经营数据产生的内在原因,动态优化方案,改善经营绩效。

二、基于大数据的分析模型

基于大数据的餐饮业业务分析模型包括数据采集、数据预处理、数据存储、数据挖掘与分析、可视化等主要环节。

1. 数据采集

平台的应用、相关应用软件的开发以及智能化移动设备的发展,使信息产生和获取途径大大丰富,如通过抓取的方式获得用户评价数据。数据采集后,基于一定的方法对已经采集到的数据进行适当的处理,清洗去噪、聚合修正,最终得到可信赖数据,存储到一个大数据集合里。

一般对数据的获取,来自两个方面:内部数据和外部数据。内部数据,即自己公司的数据库或数据统计平台中的数据。如果是要从数据统计平台中提取数据,一般的数据统计平台都会支持数据导出,只需要导出需要的数据即可。如果是要从公司数据库中提取数据,则一般运用SQL从公司数据库取数。外部数据的获取,主要有两种方式:第一种就是获取外部公开的数据集,比如一些科研机构、企业、政府会开放一些数据,这些数据集通常比较完善、质量相对较高,特别是Wind金融数据库、锐思数据库等。第二种就是利用爬虫从网络中爬取,如电商网站获取某个餐品的评论信息等等。要爬取一个网页,首先分析一下网页结构,构造请求网址,对于多页面的内容,构造循环,遍历每一页的数据进行爬取。

2. 数据预处理

数据的预处理包括数据转换、清洗、聚合、修正等过程。将采集到的信息进行标准化的预处理,要针对图片、影像、行为等非结构化数据提取并将其有效转换为可识别、可计量的结构化数据,经过清洗和去噪,不断的聚合、修正,最终得到可信赖的数据,存储在大数据集合中。

3. 数据存储

在经过了数据预处理过程后,将数据存储到一个集合里。数据存储要满足大规模批量运算和实时请求的需求,实时数据一般具有数据粒度小、高并发、实时响应的特点,针对这些特点采用链式存储,将碎片化或断点的信息串联起来,实施块链式管理。批量数据与实时数据的数据量相当庞大,写入后一般不再修改,所以采用分布式文件系统进行存储,在满足批量运算的前提下,对数据格式进行适当压缩,节约存储成本。

4. 数据分析与挖掘

在数据分析时充分运用数据分析工具,既保留传统的查询、筛选、比对、匹配等简单的数理统计技术,又引入包括数据挖掘算法、机器学习、知识图谱等在内的新技术。利用数据挖掘算法,运用逻辑统计、分类算法、聚类分析、回归分析、决策树和神经网络等算法建立数学模型,对相关评论进行文本挖掘。基于机器学习的方法利用机器学习算法(支持向量机)训练已标注情感类别的训练数据集训练分类模型,再通过分类模型预测爬取到的评论所属情感分类。并利分类中的关键词揭示正面情感和负面情感的主要原因,辅助相关决策。

5. 可视化呈现

可视化方法可通过创建表格、图标、图像等直观地表示数据。许多传统的数据可视化方法经常被使用,比如表格、直方图、散点图、折线图、柱状图、饼图、面积图、流程图、泡沫图表等,以及图表的多个数据系列或组合像时间线、维恩图、数据流图、实体关系图等。此外,一些数据可视化方法如平行坐标式、树状图、锥形树图和语义网络等也开始被使用。

三、餐饮服务的线上数据分析

在线餐品的消费者评价对后续销售产生较大的影响,特别是负面评语,极易引起潜在消费者的质疑与犹豫。评语中的关键词可以反映引起食客趋之若鹜的优点,也可以归纳出引起食客不满的关键原因。利用评分和评语进行语料情感分析,判断出正负面情绪,计算两类评语的比例,就可以判断餐饮服务的质量如何。评语的情感分析是利用爬虫进行评语爬取,开展文本挖掘,提取关键字,然后做出词向量模型。再使用SVM(支持向量机)等模型进行训练,最后使用模型将收集的餐品评论进行情感分类,分类后基于关键词进行关联分析提取每一个评论中的关键词,用于关联分析,获取此餐饮企业的最主要的一些特点,还可以使用隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)主题模型,精准提取到餐饮服务优缺点的主题,聚焦餐饮服务核心的优点与不足,对运营管理提供支持。

餐饮服务评语的情感分析主要包括以下几个步骤:

1. 利用Python爬虫对餐饮服务的门店或某个具体餐品的评语进行采集

采用Python爬虫对某一餐饮企业的服务评语数据进行采集,如美团平台上一款本地一大型综合商超内的某一烤鱼店的“2-4人烤鱼特惠套餐”的评价进行抓取,该套餐美团优惠价129元,半年售1488份,总评价832条,好评得分率为93%,低分评价12条。通过对目标内容进行分析,寻找请求的目标地址的规律,请求目标地址,从而爬取到评论的内容。

2. 数据存储

可以使用MYSQL数据库来存储采集到的评语内容,建立一个数据库和表,然后连接并定义游标,通过SQL语句,执行数据存储。爬取的字段信息有顾客ID、评论时间、评分、评论内容提取出来并存储到MYSQL数据库中。

3. 数据预处理

文本数据的预处理主要包括分词和去停用词两个步骤。中文分词是指将一个汉字序列划分成一个个单独的词。采用“结巴中文分词”对评论数据进行分词处理,先搭建语料库,构建词向量空间。停用词是指一些完全没有用或者没有意义的词。分词时需要去除助词、介词、连词、语气词及标点符号等一些没有实际意义的词语,这些停用词表可以从网上下载。这样可以更好地判断评论数据要表达的情感倾向。可以采用IF-IDF算法和Word2Vec两种方法对评论文本进行向量化。TF-IDF能够过滤掉常见的词语,保留句子中重要的词语。Word2Vec使用词向量来表示文本信息,是通过一个嵌入空间来表示文本的相似性,文本之间相似性越高,空间上的距离就越近。

关键词提取是通过确定分类特征来实现的。分类特征就是分类对象所展现的部分特点,是实现分类的依据。通过一定的统计方法找到信息量丰富的特征,如在情感分类中,常用词频选择特征,也就是选在语料库中出现频率高的词。具体方法是计算出整个语料里面每个词的信息量,根据信息量进行倒序排序,选择排名靠前的信息量的词,把这些词作为特征。采用词云图展示主要的特征及出现的频率。“2-4人烤鱼特惠套餐”的评价中正面特征和负面特征的词云图如下:

 

 

4. 机器学习建模

基于机器学习的情感分类问题,它的处理过程可以分为两个部分,一部分是学习过程,另一部分是情感分类过程。其中,学习过程包括训练过程和测试过程,训练过程中对训练集进行训练得到分类器,用其对测试集进行情感分类,将测试的结果反馈给分类器,进一步改进训练方法,生成新的分类器,最后利用最终生成的分类器对新的文本进行情感分类。

可以选用支持向量机SVM、朴素贝叶斯模型NB、K最近邻K-NN、人工神经网络模型ANN、逻辑回归模型LR等模型进行分类。使用机器学习进行情感分析时,采取有监督的机器学习方法来对文本进行分类,即需要对训练样本进行人工标注正面评语和负面评语类别,分别用0和1标识,用机器学习方法进行训练,获得一个情感分类器。再通过这个情感分类器对所有文本进行积极和消极的二分分类。

5. 关联分析

采用Textrank方法分别提取正、负向评论文档中的关键词,绘制词云,利用投票机制对文本中的重要成分进行排序,以直观的方式获取餐饮服务的关键信息。或者采用Apriori关联分析算法,使用发现频繁项集,产生关联规则,判断正、负向评论文档中的关键词。这些正向评论文档中的关键词就是企业产品的核心竞争优势,要努力保持,而负向评论文档中的关键词则是产品的不足之处,要加以改进和规避。

四、利用内部经营数据进行盈利模式分析

通过在线服务评价,汇集了消费者的消费体验感,并进一步揭示了餐饮服务中就餐环境、菜品口味、菜品性价比、服务质量等影响菜品销量的一些核心要素,餐饮业管理者可以有的放矢,保持特色吸引客流,规避问题提升口碑,最终目的是扩大销售额,实现利润最大化。对于经营的效果,则可以进一步通过盈利模式分析进行。盈利模式分析可以通过三步来进行,利润表分析找差距、成本构成分析找原因、边际贡献分析找对策。

1. 利润表分析找差距

餐饮业经营的成果反映在利润表中,采用对标法,把待分析企业的利润表与同行业中的标杆企业相对比,通过结构化分析方法,查找差距。

表1 2020年餐饮业上市公司利润表数据分析 单位:万元

 

从营业总收入入手,按照净利润的计算过程,分项目揭示其占收入的比例,反映影响利润大小的主要因素,通过对比,提示不同企业在不同项目上的差异。经营总成本涵盖了营业成本(加工餐品的相关成本)、营业税金及附加、销售费用、管理费用、财务费用、研发费用等,主要反映与生产经营有关的成本费用,体现了餐品的生产成本和企业的运营管理成本,是提升企业运营绩效的主要关注点。通过不同企业的对比,可以找到餐品设计、运营管理上的差异,寻求突破方向。各企业营业利润又受非经营性净收益、公允价值变动净收益、投资净收益、资产处置收益、其他收益的影响,这些收益项目与企业的主营业务无关,是锦上添花性质的,对企业经营成果不起到可持续的影响。进一步在营业利润的基础上,考虑营业外收支的影响,就可以计算出利润总额,即企业年度总的经营成果。上交了企业所得税,剩余的即为净利润。2020年同庆楼之所以能够实现盈利,原因在于其营业总成本占比与其他企业相比,控制的更好。所以,从利润表的对比分析中,关注营业总成本是企业提升经营绩效的关键。

 

图3 同庆楼利润表数据分析

2. 成本构成分析找原因

从表2中3家上市公司的营业成本构成对比中可以看出,营业成本控制是企业能否盈利的一个主要决定因素;管理费用要从总费用控制入手;销售费用要从投入产出效率管理入手,寻求最佳的产出。

表2 2020年餐饮企业营业成本分析 单位:万元

 

 

3. 边际贡献分析找对策

大数据分析在餐饮业的运用,除了运用外部大数据外,企业经营过程中产生的经营数据的分析,也至关重要。经营数据的分析采用边际贡献分析法,边际贡献分析法的基础是变动成本法。在餐饮企业中运用变动成本法核算成本费用,把营业总成本中的各个项目划分为固定成本和变动成本两类。变动成本主要核算与具体餐品有关的变动成本,如直接材料、直接人工(制做菜品的厨师相关薪酬等)、与顾客用此餐相关的直接支出等。与某个餐品没有直接关系的支出均计入固定成本,如房租、水电气、服务员薪酬(可以看作酌量性固定成本)、原材料的供应运输费用等。

边际贡献分析时,首先对固定成本分明细类别进行归集,总量进行控制。然后,针对每个餐品计算其单位边际贡献和餐品边际贡献,即该餐品在计算周期内的总的总边际贡献,餐品边际贡献等于单位边际贡献乘以销售数量。最后,把所有餐品的边际贡献合计,得到企业总的边际贡献。在此基础上,求每个餐品的边际贡献在企业总的边际贡献中的百分比,即可以反映出每个餐品在经营成果中的贡献度。这个贡献度又取决于两个因素,一是销售量,二是单位边际贡献。所以,为了提升经营绩效,要合理设计餐品结构,重点关注两类产品,一类是可以增加流量的,一类是单位边际贡献高的。所有的营销方案设计和菜品设计都要围绕这个原则开展。

五、应用展望

餐饮企业数字化应用可概括为前端服务接受数据,后端收集分析数据并反馈给前端辅助经营优化的过程,数字化必将成为餐饮经营管理的基础。通过数字化获取客户、扩展收入渠道、获取客户反馈、供应链协同、开展经营效率和效果分析等,为餐饮企业带来了全新的、立体多维的营运模式。开展基于大数据经营管理,打造品牌自身的私域流量池,实现品牌的社交化传播裂变。开展基于大数据的分析,通过数智化方法辅助决策,提升餐饮企业的经营绩效。


参考文献

 

[1]王婷,杨文忠.文本情感分析方法研究综述[J].计算机工程与应用,2021,57(12):11-24.

[2]朱晓霞,宋嘉欣,张晓缇.基于主题挖掘技术的文本情感分析综述[J].情报理论与实践,2019,42(11):156-163.

 

[3]洪巍,李敏.文本情感分析方法研究综述[J].计算机工程与科学,2019,41(04):750-757.

 

[4]刘玉林,菅利荣.基于文本情感分析的电商在线评论数据挖掘[J].统计与信息论坛,2018,33(12):119-124.

 

[5]刘苗,李蔚,朱述政,喻燕君,刘扬,纪宏.基于互联网文本情感分析的消费情感指数构建[J].统计与信息论坛,2018,33(08):31-38.



赞(0) 打赏
未经允许不得转载:酒店英语 » 基于大数据的餐饮企业经营分析与决策
分享到

龚老师的植发基金

龚老师的植发基金又多了一笔...

微信扫一扫

登录

找回密码

注册