江海区那边，饭菜总被投诉的单子，我一看后台数据，先盯的不是投诉内容。
我盯的是出餐时间分布。
同样一锅菜，11:20前后的满意度差得很明显。差多少？按我们那次抽样，投诉率能拉开到接近两倍。很怪吧。很多人第一反应是味道，咸了淡了，火候不对。可从数据上看，真正把评价往下拽的，经常是温度掉得太快，或者排队时间超过了一个临界点。这个临界点每个项目不一样，但江门江海区这几所学校特别敏感，大概卡在7到9分钟之间，再往后，用餐体验就开始塌。
我当时把那几周的销售、留餐、回收量摊开看，纸面上很普通。普通到有点烦。
但一对齐时间轴，就不一样了。
有一个档口出餐慢一点点，慢的不是半小时，是两三分钟，可它偏偏卖得最多。销量高，投诉也高。因为学生都挤过去了，队伍长，后面的菜到了手里已经没那么热。管理层来问我，说是不是要涨价。我当场就说，不该先动价格，先动周转速度。价格调一点也许有用，但不会比把平均等候时长压下来更直接。
我对这种事一直有点偏执。
客单价最高的不一定最赚钱，这句很多人听过。我在学校团餐里碰到过更反直觉的情况：毛利率看着一般、菜式也不“高级”的组合，因为翻台快、浪费少、补货准，它反而稳稳地把整体经营数据顶住了。那个时候我们做的是企业团餐模式迁移到学校场景，本来有人想照搬原来的定价方式，我看完日均交易曲线以后直接摇头，不行，会乱。
乱在哪里？
乱在峰值太尖。
早上采购的人按经验下单，中午库存就出现两个问题，一个是某些食材剩得发软，一个是另一批根本不够补。你让供应链去背这个锅，他也委屈，因为他看到的是平均销量，不是峰值半小时里的真实消耗。我后来专门把每10分钟成交量拆开，又叠了一层天气变量和课表变动，那张图挺丑的，全是锯齿，但就是它告诉我什么时候该多备15%，什么时候只要保守一点就够了。
还有一个细节，很容易被忽略。
汤品或者带汁类菜品，一旦预估量多给了5%到8%，现场并不会“显得更安全”，通常只会让尾段品质掉得更快。这个损耗和投诉之间的相关性，比很多人以为的大。我记得那天现场冰柜旁边特别吵，有人在喊加汤，有人在催分装，我站在角落里拿着平板，看最后20分钟的剩余量曲线，一截一截往下掉。那个画面其实很笨重，但数字就是这么冷：超过某个储备阈值后，多出来的不叫保障，那叫拖累。
说到底，我最怕的是大家凭感觉改方案。
感觉这东西，在团餐里有时候会害人。 真的会。
比如档口布局。有一次他们准备把销量最高的位置换成所谓“主打款”，理由听起来很顺：让学生一眼看到招牌。但我的数据模型跑出来以后显示，这种改法可能让首轮选择率提升，却会让第二轮排队拥堵增加12%上下，最终满意度反而下降。嗯，就是这么别扭。所以我后来建议，把高频菜放在出餐最快的位置，把波动最大的品类拆出去，不要挤在同一个节点上。这件事没什么戏剧性，就是把流速调顺而已，可流速顺了以后，被投诉次数真的会少很多。
我见过太多人盯着“吃什么”，忘了盯“多久拿到”。
中午十二点零五分的时候，有个项目负责人还跟我争，说学生嫌味道淡。我没跟他争口头上的输赢，只是把当天每个窗口的等待时长标红给他看。他沉默了一下，说，那是不是说明我们饭菜没问题？我说，也不能这么绝对，但从置信区间看，你至少不能先从口味入手，你应该先改流程，再看反馈回来的波动幅度。不然你今天加盐，下周又减油，到最后谁都不知道哪一步真有效。
这种时候我经常觉得自己像是在处理一堆移动的小数点。 很碎。 但碎才是真的。
有些学校窗口其实不是不好吃，是节奏太乱；不是采购贵，是预测粗；不是定价错，是价格层级和消费时段没有贴住。不贴住，就会出现一种很烦人的现象：午高峰明明销量不错，总体利润却飘；老师那边觉得没问题，学生端又一直抱怨。这种矛盾如果只靠人工巡场，很难抓准，因为人的记忆总爱挑印象深的地方记，而数据不会，它只认发生次数和区间变化。
江海区那几个项目后来顺一些，也不是突然好了，就是一些小地方慢慢拧回来。 比如提前半小时做预热准备，比如把部分易冷菜换成更抗时间损耗的组合，比如采购侧按不同日型设安全库存，而不是死守固定比例。 听起来都不惊人？ 对，本来也不惊人。 可团餐很多时候就是这样，一堆不起眼的小参数互相打架，你只要放错一个位置，就会被投诉追着跑。
原创文章，如若转载，请注明出处：https://www.ztrw.cn/628.html
