餐饮套餐购买率低如何排查原因并提升复购

套餐购买率低，先不要急着降价或把点击少直接判定为价格高。应把问题拆成两段：顾客是否愿意第一次买，以及买过后是否愿意再次买。前者重点看套餐是否好懂、适合当下时段、比单点更有理由；后者重点看实际份量、搭配体验、稳定性和再次购买场景。下文会用一个虚构教学示例，带你从异常信号、判断路径到小范围验证逐步处理；示例仅用于教学，不承诺同类结果。

先分清：是首次购买弱，还是复购弱

不要只看套餐销量。套餐销量下降，可能来自曝光减少、下单人数减少，也可能是老顾客不再购买。先按可获得的数据分开看：

• 首次套餐购买率 = 首次购买套餐的顾客数 ÷ 看到套餐、此前未买过该套餐且完成下单的顾客数。
• 套餐复购率 = 在观察期内再次购买该套餐的已购顾客数 ÷ 首次购买该套餐的顾客数。
• 套餐选择率 = 套餐订单数 ÷ 同类餐品订单数，可用于观察套餐在相关需求中的竞争力。

分母必须固定。例如比较午餐表现时，应比较同一午餐时段的数据，不能把全天套餐订单和午餐单点订单直接相除。若现有系统支持，也可按新老顾客、门店、堂食或外带渠道分别查看；若不支持，先用连续几天的订单记录人工抽样即可。

虚构教学示例：发现问题不在“卖得少”本身

某虚构快餐店推出“工作日午餐套餐”：主食、荤菜、素菜和饮品。店员记录了连续14个工作日的午餐数据：

经营负责人不能只根据90单套餐就说“价格高”。这里至少有两个待验证异常：首次购买率12%，说明不少人看到了却没有把套餐作为首选；复购率约15.3%，说明买过的人也没有形成稳定回购。这些比例是否偏低还需与同场景历史基线比较，不能仅凭数值判定。确认两段都弱时，先找影响决策和体验的共同原因，再分别验证。

用四项检查定位首次购买障碍

1. 检查搭配是否解决一个完整需求

套餐不是把几样商品放在一起。顾客在午餐、晚餐、加班或多人用餐时，想解决的需求不同。搭配如果出现“两个都想吃但口味重复”“饮品不适合餐食”“配菜只是凑数”，顾客会宁愿单点。

教学示例中，负责人抽查了30笔未购买套餐但购买主食的订单，发现16笔都加购了店内另一款辣味小食，而套餐自带的是清淡素菜。套餐虽然菜品数量更多，却没有覆盖这部分顾客的口味偏好。此时的判断不是“顾客嫌贵”，而是现有组合不够贴近常见下单组合。

处理动作：保留原套餐作为对照，新建一个仅替换配菜或小食的版本。一次只改一个核心搭配，避免同时改主食、份量和价格，导致无法判断有效因素。

2. 检查份量承诺与实际感受是否一致

份量问题常在购买后暴露，因而更容易拉低复购。菜单上写“超值”“双人”，但顾客吃完仍需加点，或剩余过多，都会降低再次选择意愿。重点不是追求越大越好，而是让份量与使用场景一致。

教学示例里，负责人回看套餐订单，发现72名首次购买者中有29人同单加购主食或肉类；其中午餐套餐的加购比例明显高于同类单点组合。这个信号不能直接证明份量不足，但足以提出假设：套餐的主食或蛋白质无法满足午餐正餐需求。

处理动作：连续3天由固定人员按同一标准出餐并称量关键食材，记录实际范围；同时询问少量购买者“吃完是否需要再加餐”。若常见加购集中在一种品类，可测试增加该品类的小份选项，或明确把原套餐定位为轻食，而不是继续用模糊的“大份”描述。

3. 检查适用时段，而不是把全天放在一起看

同一套餐在午餐高峰、下午茶和晚餐的需求不同。午餐顾客在意出餐效率和饱腹感，下午茶可能更在意轻量搭配，晚餐则可能需要多人分享。套餐放在不匹配的时段，即使价格合理也难转化。

教学示例中，另查全天记录，午餐有90单套餐，下午时段仅4单，但菜单全天展示相同套餐。负责人没有因此扩大促销，而是先将套餐的主推时段限定为工作日午餐，并在非午餐时段弱化展示，避免无效曝光干扰判断。

验证方式：选择连续7个可比工作日，比较午餐时段的首次套餐购买率。除时段展示外，其他条件尽量不变；若同时更换菜品、文案和优惠，就无法知道是哪项起作用。

4. 检查与单点相比的“选择理由”

顾客会在心里做比较：套餐能否少花选择时间、获得更合适的搭配，或比常见单点组合更方便。这里不必默认套餐一定更便宜，也不能只用总价比较。

教学示例中，最常见单点组合为主食、荤菜、素菜，合计金额与套餐接近；但套餐多了一杯顾客不常选的饮品，同时不能替换配菜。顾客看见的并非“多一杯饮品”，而是“被绑定了不需要的东西”。

处理动作：列出前20笔相关单点订单，统计高频组合，再与套餐逐项对照。若套餐比单点多出的内容使用率低，可测试“饮品可选”或“配菜二选一”；若套餐确实适合省心下单，就把核心组成写清楚，避免只写笼统名称。

再看复购：购买后的落差最值得优先处理

首次购买提升后，不能马上判定套餐成功。复购低通常意味着预期与实际体验有差距，也可能是顾客缺少再次购买场景。检查顺序建议是：出品稳定性、份量感、可替换性、购买间隔和触达方式。

回到教学示例，负责人对72名首次购买者做订单回看：11人复购套餐，另有18人后来购买过店内主食和荤菜，但没有再买套餐。这18人说明顾客并未完全流失，而是回到了单点选择。结合前述加购和搭配信息，更合理的优先假设是套餐组合不合适，而不是店铺整体没有回头客。

负责人因此不急着给所有人发折扣，而是进行两组小测试：

1. A组保留原套餐；B组只将饮品改为可选配菜，其他不变。
2. 两组各运行7个可比午餐日，记录首次购买率、同单加购率和首次购买者在后续21天内的复购情况。

比较时应看绝对人数和比例。例如B组有80名首次购买者、16人复购，复购率为20%；A组有70名首次购买者、10人复购，复购率约14.3%。这只能说明该测试期间B组表现更好，仍需检查是否存在时段、缺货、出餐人员变化等干扰，不能宣称改动必然带来固定提升。

若现有系统支持，可给首次购买套餐的顾客做分组观察；若不支持，可用订单号、日期和购买内容建立简单表格。关键是预先规定观察期，例如首次购买后21天，而不是看到几笔好订单就提前下结论。

建立一轮可验证的套餐优化节奏

一次诊断不需要做成大工程，但每轮都要有明确假设、唯一主要改动和判定标准。

• 第1步：选一个套餐和一个场景。 例如只看工作日午餐，不混入全天数据。
• 第2步：确定当前基线。 至少记录首次购买率、套餐订单数、同单加购率和约定周期内复购率。
• 第3步：写下假设。 例如“饮品绑定降低首次选择意愿”，而不是泛泛地说“套餐不好卖”。
• 第4步：单项调整。 更换一个配菜、调整一个可选项，或限定一个适用时段，不要同时全面降价和换品。
• 第5步：按相同口径复盘。 看新旧数据，并记录缺货、天气、团购订单、人员变动等明显干扰。
• 第6步：保留、继续测试或回退。 指标改善且出品可执行，再扩大范围；结果不清晰，就延长观察或减少变量。

特别要避免两种误判：点击低不等于价格高，可能是套餐名称、内容表达、适用时段或入口位置不清楚；复购低也不必然说明顾客不满意，先确认顾客是否仍在店内消费、是否有合理的再次购买周期。

下一步，先选销量较稳定的一个套餐，拉取最近两到四周的同场景订单，分别算出首次套餐购买率和复购率。随后从搭配、份量、时段、单点对比中选出证据最强的一项，只做一次小范围改动，并提前写好观察周期与保留标准。

常见问题

套餐点击少，是否应该先降价？

不建议直接降价。先确认顾客是否看懂套餐内容、是否处于适合购买的时段，以及套餐是否比常见单点组合更省事或更合适。降价会改变利润和需求判断，适合作为单独测试变量，而不是默认答案。

新套餐没有足够复购数据，怎么判断先改什么？

先看首次购买后的同单加购、是否转向购买相近单点，以及少量顾客的具体反馈。新套餐可先解决最明显的搭配或份量疑点，等积累到预设观察期后再判断复购，避免过早频繁改版。

能否同时测试两个套餐版本？

可以，但两组应尽量在相近日期、时段和渠道中运行，并且每个版本只保留一个主要差异。若一个版本同时更换菜品、价格和展示方式，即使销量变化，也很难判断真正原因。

复购率多低才算有问题？

没有脱离品类、购买周期和门店场景的统一数字。更实用的做法是与同一套餐此前周期、同类套餐或同一批顾客的单点回购情况比较，并确认统计窗口一致。

按问题继续阅读

• 需要继续推敲主餐和搭配品的组合时，可参考餐饮与烘焙的套餐组合思路，再用本店需求和成本检验。
• 核算套餐基础毛利时可使用毛利率计算器；人工、赠品和活动新增费用仍要另行计入。