你的外卖订单总是出错，差评只是结果
周五晚上 11 点 40 分，我站在奥斯汀东区一家泰餐厨房的出餐口，手里拿着显示 3.8 星的手机。最近三条差评已经打开了：「菜上错了。」「又漏东西了。」「备注不要花生，猜猜里面有什么。」
这条线上出的菜是好吃的。咖喱酱每周二现磨，主厨做同一道 larb 做了十九年。所以我问了一个最直接的问题——到底哪儿坏了？答案不在厨房里，而在顾客点下「下单」到小票送到灶台之间那九十秒。
3.8 星，几乎从来不是菜品问题
把任何一家外卖占比高的餐厅的一星评论翻出来看，反复出现的就是四个词：上错、漏单、凉了、太慢。不是「难吃」，不是「没味道」，不是「太贵」。顾客很少因为「不合口味」惩罚厨房，他们惩罚的是「我拿到的不是我点的」。
这个区别很关键，因为两类问题的解法完全不同。菜难吃是配方问题；订单错了是沟通问题——而沟通问题可以在几周内解决，不需要几年。
代价也比看上去大。在我服务过的独立餐厅里，外卖已经占到营收的大约四分之一，却制造了比例极不相称的投诉——多数门店接近 40%。与此同时，多份调研都指向同一个结论：订单准确率是顾客是否复购的最强预测指标，Waitr 的调查给出的数字是 73% 的食客这么认为。我的读法更简单：没人会复购一份自己没收到的东西。
每一次交接，都是一次传话游戏
堂食订单只跨一道边界：顾客告诉服务员。外卖订单要跨五到六道：顾客到 App，App 到平板，平板到出餐口，出餐口到灶台，灶台到打包台，打包台到骑手。
单看每一道交接都无害。合起来就是一条误差会被放大的链条，而最后拍板的人——周五晚上 7 点 20 分手里拎着四个一模一样牛皮纸袋的打包员——恰恰是掌握信息最少的那个。
「泰式炒河粉，不要花生」就是在这一步变成「泰式炒河粉，多加花生」的。不是因为谁不上心，而是因为这条备注同时活在三个地方：App 的备注栏、小票上的手写、某个人的记忆里。
为什么堂食的错误能补救，外卖的不能
堂食上错菜，顾客九十秒内就会说。服务员道歉，厨房重做，这个晚上通常还能收好。成本是一盘菜，加一点面子。
外卖送错袋，顾客已经在三英里之外。钱付了，小费算好了。没有对话、没有更正、没有当场补救的机会。唯一剩下的渠道，是一条会被几百个陌生人看到的公开评论。
这个不对称就是全部的商业逻辑。24 美元的退款对餐厅来说不痛，但对顾客来说，那是他当天唯一有空吃的一顿饭。这种事赔不出来，只能不让它发生。
几乎每一个错单，都逃不出这三个原因
审过几百张外卖小票之后，错误基本聚成三类，几乎没有一类是「员工不努力」。
1. 语言。顾客用英文下单，灶台用西班牙语、普通话或越南语工作。小票以一种语言到达，然后在全晚最忙的八分钟里，在某个人的脑子里被翻译一次。这不是培训问题，是信息设计问题。
2. 备注埋在长句里。「要脆一点、不要洋葱、酱料分装、严重花生过敏」作为一段文字塞进备注栏。结构化订单会把每一项变成一个无法被跳过的开关；一段文字，是可以被一眼扫过去的。
3. 没有逐项核对。打包时没人一件一件点。袋子封上、递出去，第一个清点内容物的人是顾客——在自己家厨房，开着摄像头，晚上 8 点 15 分。
那家奥斯汀厨房改了什么
我们没换配方、没换人、没换外卖平台。改的只是订单从顾客走到打包台的路径。
第一，订单从「一段消息」变成「一个结构化对象」：菜品 ID、用开关表达的加料与忌口、红色渲染且无法忽略的过敏标记。第二，厨房小票双语并排打印——英文给出餐口，西班牙语给灶台——高压时刻不依赖任何人的临场翻译。第三，打包变成清单：屏幕显示四件，打包员核对四件，四项全绿袋子才离开台面。第四，每笔退款和投诉在 24 小时内归到具体菜品和工位，规律几天就能浮出来，不用等一个季度。
十一个周之后：错单率从 9.4% 降到 1.8%，退款与重做从每月约 1100 美元降到 200 美元以下，公开评分从 3.8 升到 4.5。菜单一个字没改，价格一分没降。
老板的总结比任何报表都直接：「我们不是因为菜难吃丢客人，是因为我们一直承诺一件事，然后送出另一件。」
解法很无聊，所以它才有效
这里没有任何聪明的增长黑客。准确率是一种运营纪律，而它会复利：重做少了，食材成本就低；退款少了，毛利就好；评分高了，在外卖平台里的排位就靠前；排位靠前，你才接得住更多订单。
评分的经济学早有定论。哈佛一项被广泛引用的研究发现，餐厅在 Yelp 上每提高一星，营收对应提升 5% 到 9%。你不需要整整一星。在一个顾客正在两英里内六家泰餐之间做选择的市场里，0.3 星就是「被考虑」和「被划过去」的差别。
接下来 30 天该盯的五个数字
别再看虚荣指标。每周跟这五个数，你了解的情况会比任何 BI 供应商告诉你的都多：
• 每 100 单外卖的错单率（目标压到 2 以下）
• 退款与重做成本占外卖销售额的比例
• 「漏单」在全部投诉中的占比——通常都是最大的一类
• 评分趋势按周看，不要按天看；日波动会把人逼疯
• 30 天与 60 天复购率——唯一能证明前四个数在起作用的指标
这不是劝你退出外卖平台
说清楚：DoorDash、UberEats、Grubhub 不是问题，对大多数独立餐厅来说，下架也不是策略。问题在于我们把外卖硬接在了一套为「坐在桌边的人」设计的工作流上，然后对出现的裂缝感到意外。
正确的做法是让订单本身成为唯一事实来源——结构化一次，顾客、厨房、打包台读到的是同一份东西。这恰好也是二维码菜单在堂食做的事：顾客的选择在下单那一刻就变成结构化数据，而不是服务员对一段嘈杂对话的记忆。
同一份菜单、同一套加料逻辑、同一组过敏标记，两个渠道共用。数据模型一致之后，错误就不再是「人的问题」，而会回到它本来的样子：管道问题。
从你最近 50 单开始
在花钱之前，先做免费的那一版。调出最近 50 单外卖，数一数有几单上错、漏单、或者备注没执行。我问过的老板大多猜 3%，真实数字通常在 7% 到 12% 之间。
这个差距——你以为的和顾客实际经历的之间——就是你全部的机会。把它补上，评分会自己回来。
订单准了，评分就好了，客人也就回来了。→ qrfood.ai
