外卖AI经营诊断

门店数据很多，问题定位却很难

外卖平台每天给商家吐出一堆数字：曝光量、点击率、转化率、客单价、复购率。但营业额下滑时，这些指标往往一起变差或互相矛盾，老板很难判断到底是流量入口出了问题、菜单页不够吸引人、还是老客在流失。更麻烦的是，单看一个指标异常，很容易把「曝光掉了」误判为「投放不够」，把「点击率掉了」误判为「图片不行」，而真相可能是隔壁新开的竞对分流了流量。

从漏斗拆解到双证据归因

这个技能把营业额拆成 曝光 × 点击率 × 转化率 × 客单价 × 复购频次 的漏斗，逐层定位下滑节点。每个节点都有对应的排查清单：点击率下降且曝光正常时，强制进入商圈对比；转化率下降时检查引流款、起送门槛和差评曝光；复购率下降时关联差评关键词与配送时效。

核心约束是双证据归因：任何结论必须至少有两个数据维度同时支持。比如「点击下降 + 竞品新增」才能判定竞争导致点击下滑，单一指标异常只能标为「疑似」。

利润侧独立拆解：食材成本 → 配送补贴 → 平台抽点 → 活动让利 → 退款损失 → 人力成本，找出利润流失点。菜单侧分析 SKU 销售分布和高价 SKU 贡献。

输出固定为五段：经营健康度评分、关键问题（含数据表现和证据）、原因排序、建议（含操作难度、成功概率区间、数据依据）、本周优先级清单。

输出有边界，建议不带参数

技能明确不做几件事：不修改平台后台、不猜测平台算法、不编造竞品数据、不保证方案有效。涉及促销的建议只给方向，比如「加大引流款折扣力度」，不给「满减设 XX 元减 X 元」这类具体参数——没有门店的真实成本结构，任何让利幅度都可能是亏损的起点。最终经营决策仍由老板自己做。