5 ключевых показателей эффективности ресторанной сети с точки зрения бизнес-аналитики

Сложности, которые мешают сбору качественной отчетности в ресторанах, можно разделить на технические и организационные. Эти сложности можно обойти, ниже мы рассматриваем примененные нами решения.

Like-for-like – сопоставимые продажи

Этот показатель отражает, на сколько результаты текущего периода изменились относительно прошлого, а также позволяет выявить причины данных изменений. Он дает объективную картину динамики продаж, так как учитывает при сравнении только рестораны, работавшие в двух сравниваемых периодах, и исключает новые либо закрытые точки. Применение like-for-like анализа также исключает влияние сезонности и помогает спрогнозировать динамику будущих периодов.

Пример: в текущем году открылось 10 новых ресторанов к 10, которые работали в прошлом году. Выручка увеличилась в 2 раза, но, те заведения, что работали в прошлом периоде, выросли только на 10 %.

Частая ошибка здесь – сравнение дней один к одному: некорректно сравнивать дни, если в прошлом году дата выпадала на разные по загрузке дни. Например, 27 февраля 2022 года воскресенье, а в 2023 году – понедельник.

Product mix, рейтинг блюд и структура спроса

Product mix – полный товарный ассортимент, предлагаемый покупателю.

Рейтинги формируются, как количество проданных блюд на N чеков. Наряду с количеством сухих чеков (чеки только с 1 блюдом) и структурой докупки товаров к определенным блюдам или комбо-наборам эти данные позволяют предложить оптимальные маркетинговые акции и отследить их эффективность.

Отсутствие такой информации может дорого обойтись компании. В нашей практике были случаи, когда на основании данных мы помогали ресторанам избегать ошибок в расчетах маркетинговых акциях.

Покажем на примере акции, когда при достижении суммы чека в 150 рублей, клиент мог приобрести десерт за 1 рубль. Однако из-за ошибки в настройке кассовой системы, если чек был 100 рублей и добавлялся десерт за еще 100 рублей, величина чека становилась 101 рубль. Из-за риска фрода (мошенничества) акцию досрочно закрыли в течение трех дней.

Но как показал ретроспективный анализ, случаев использования ошибки было меньше 3% от общего числа акционных чеков, при этом, средний чек с акцией был на 132 рубля выше обычного. Эта информация могла существенно повлиять на принятие решения о продолжении акции, но без аналитики ее просто не было. В итоге компания упустила выгоду от остановки акции и потеряла средства, вложенные в рекламу: билборды, флаеры, реклама на радио и др.

Есть и обратный пример, когда при анализе акции «Купи напиток за 1 рубль по купону» выявили, что порядка 30% чеков содержали только акционный напиток без докупок, а незначительное увеличение среднего чека полностью съело бюджет на продвижение.

План-факт анализ/АВС-анализ/XYZ-анализ

План-факт анализ – это сравнение плановых и фактических показателей по ресторану в тех же аналитических разрезах за аналогичный период.

ABC-анализ — маркетинговый инструмент, позволяющий выделить блюда-лидеры и блюда-аутсайдеры и позволяющий ресторанам отказаться от нерентабельных позиций.

XYZ-анализ — указывает на регулярность продаж: как часто клиенты покупают продукт.

Необходимо учитывать, что в реальности на анализируемую совокупность влияет не один, а сразу несколько факторов. С этим ограничением уверенно помогает справиться многомерный ABC-анализ.

Для анализа SPMH помимо информации из чеков необходима информация о времени работы персонала. Соответственно, должна быть внедрена система учета рабочих часов сотрудников (пропуски, биометрия).

На основании SPMH составляется расписание (план), которое потом сравнивается с фактом. Сложность заключается в том, что практически невозможно найти коробочное решение, которое предлагало бы возможность одновременного учета рабочего времени с биометрией и гибкого управления расписанием.

Кроме того, при планировании показателя SPMH важно учесть изменения в рамках дня и недели (пики нагрузки по дням и часам), чтобы получить корректную картину при сравнении.

В нашей практике были случаи, когда на основании показателя SPMH для мотивации персонала и геймификации процесса между точками сети проводились чемпионаты. За рубежом, кстати, это очень частая практика.

На расчет себестоимости продукции в компании влияет масса особенностей: партионный учет, учет или не учет логистической и складской составляющих в себестоимости, модели FIFO (first in – first out - первыми списываются товары, которые были поставлены раньше), LIFO (last in – first out - товары, которые поступили в последнюю очередь, следует первыми списать с учета) или средняя себестоимость (расчет по среднему арифметическому).

Часть наших клиентов считала себестоимость на уровне каждого ингредиента на каждый день, другие, напротив, упрощали расчет до максимума и закладывали себестоимость для блюда в целом на месяц по всей сети. Конечно, идеально, когда известна маржа каждого чека, а значит есть представление о себестоимости каждого продаваемого в ресторане продукта. Однако при анализе Food Cost мы рекомендуем найти баланс между сложностью расчетов себестоимости и применимостью результатов анализа.

Этот показатель отражает долю выручки, которая тратится на содержание персонала, и наряду с Food Cost является одним из двух основных показателей затрат ресторанов.

Главная проблема расчета Labour Cost заключается в том, что данные часто готовятся вручную, так как многие составляющие LC сложно автоматизировать. Кроме того, в расчетах много методологических сложностей: прогноз льгот, премий и переработок, учет стажеров, совместителей, курьеров и уборщиков, аутстаффинг (вывод персонала за штат). Учитывать Labour Cost на уровне каждого ресторана в разрезе разных параметров – непростая задача, но аналитике она по силам.

Для одного из наших клиентов мы реализовали систему мониторинга, где для каждой составляющей LC (премии, ночная уборка аутстаффинг и проч.) был заведен процент, при превышении которого в аналитическую службу автоматически направляется отчет о том, на что обратить внимание.

Кстати, так как у нас большой опыт в проектах по автоматизации процессов в фудритейле, мы отметили, что в 2022 году показатель Labour Cost в ресторанах в целом увеличился на несколько пунктов.

Это один из наиболее важных показателей эффективности, которые нужно автоматизировать. Корректность его расчета зависит, в первую очередь, от того, насколько точные у вас данные о Food Cost и Labour Cost – для ресторана это основные составляющие затрат в структуре EBITDA.

Кроме того, для расчета нужны данные не только из ресторанов, но и из back office (1С Предприятие, управление складом, ERP и проч.) и head office (например, штрафы и издержки юридического лица). Поскольку переменных затрат очень много, важно организовать систему автоматической загрузки и проверки данных для быстрого получения итогового показателя.

К формированию P&L отчета компании подходят уже в достаточной степени аналитической зрелости. Этот отчет является своего рода срезом всей деятельности ресторана.

В практике Qlever Solutions был кейс, когда автоматизация подготовки P&L отчета крупной ресторанной сети сэкономила порядка 1 млн руб. в год (в перерасчете затрат на оплату труда).

Важным является не только формирование общего представления о финансовом результате на уровне топ-менеджмента компании, но и предоставление каждому ресторану информации об их финансовом результате.

Причем время здесь играет решающее значение: чем более оперативно управляющие увидят динамику, тем больше они понимают, как те или иные решения повлияли на эффективность, и тем более точны они становятся. У управляющих формируется бизнес-мышление и мотивация использовать данные для максимизации прибыли.

Для автоматизированной рассылки отчетности мы используем специальные модули, которые позволяют доставить информацию в стандартизированном виде максимальному числу получателей без необходимости лицензирования пользовательского доступа.