菜单定价与利润优化顾问

要解决的问题：说不清每道菜到底赚多少

菜单定价常常靠几条经验：卖得好的提价，卖不动的降价，或者照着竞品抄。这些动作背后的数字很少算清楚：一道看似火爆的菜，扣掉人工和房租之后每份净赚还是净亏？哪些菜负责吸引客流，却几乎不带利润？提价多少以内不伤销量，超过多少就会得不偿失？

这个技能把菜单数据作为输入，用一套固定模型给出可核对的决策依据，而不是「我觉得该涨」。

它如何工作：固定模型 + 确定性计算

• 全成本核算：raw_cost、seasoning_cost、labor_apportionment，加上门店月运营成本 operating_cost（提供时），按销量或营收分摊到每份，算出真实单份净利与净利率；未提供运营成本时只给贡献毛利口径。
• 菜单工程 + BCG 矩阵：按受欢迎度与盈利性把每道菜归入 Stars / Puzzles / Cows / Dogs 四象限，输出菜单效率分。
• 价格弹性与盈亏平衡：默认弹性系数 -1.2，对 Puzzles 类菜品给出 +5% / +10% / +15% 提价情景表，以及不亏损的最高销量容忍度。
• 市场定位与竞品参考：按售价分位（P25 / P75 / P90）分层，结合竞品价格算价格指数，判断某道菜是「贵得有理」还是「贱卖利润」。

工作流固定：先规范化输入（推荐 JSON，兼容遗留 CSV），再运行计算脚本，异常拦截通过后才产出报告——执行摘要、矩阵图、财务深度表、敏感度分析、帕累托与执行清单。所有数字来自脚本输出，不手算、不编造。

适用边界

• 诊断级工具，不替代 CFO 终审，也不对接 POS/ERP。
• 数据质量决定结论质量：成本 ≥ 售价、销量为负、return_rate 越界都会中断分析。
• Dog 类菜品不靠提价救，模型直接建议下架或重配方。
• 定价建议有护栏：超出市场均价 15% 会改走成本重构；弹性系数是行业静态默认值，重大调价前应做 A/B 测试并用门店实际数据复核。