你的外賣訂單總是出錯，負評只是結果
星期五晚上 11 點 40 分，我站在奧斯汀東區一間泰菜廚房的出餐口，手上拿著顯示 3.8 星的手機。最近三條負評已經打開了：「送錯菜。」「又漏東西。」「備註不要花生，猜猜裡面有甚麼。」
這條線上出的菜是好吃的。咖喱醬每星期二現磨，主廚做同一道 larb 做了十九年。所以我問了一個最直接的問題——到底哪裡壞了？答案不在廚房裡，而在客人按下「下單」到單據送到爐頭之間那九十秒。
3.8 星，幾乎從來不是食物問題
翻開任何一間外賣比例高的餐廳的一星評論，反覆出現的就是四個詞：送錯、漏單、凍了、太慢。不是「難食」，不是「無味」，不是「太貴」。客人很少因為「不合口味」懲罰廚房，他們懲罰的是「我拿到的不是我點的」。
這個分別很關鍵，因為兩類問題的解法完全不同。食物難食是配方問題；訂單出錯是溝通問題——而溝通問題可以在幾星期內解決，不需要幾年。
代價也比看上去大。在我服務過的獨立餐廳裡，外賣已佔營業額大約四分之一，卻製造了比例極不相稱的投訴——多數門店接近 40%。同時，多份調查都指向同一個結論：訂單準確度是客人會否再落單的最強預測指標，Waitr 的調查給出的數字是 73% 的食客這樣認為。我的讀法更簡單：沒有人會再買一份自己沒收到的東西。
每一次交接，都是一次傳話遊戲
堂食訂單只跨一道界線：客人告訴侍應。外賣訂單要跨五至六道：客人到 App，App 到平板，平板到出餐口，出餐口到爐頭，爐頭到打包枱，打包枱到外送員。
單看每一道交接都無害。合起來就是一條誤差會被放大的鏈條，而最後拍板的人——星期五晚上 7 點 20 分手裡拿著四個一模一樣牛皮紙袋的打包員——偏偏是掌握資訊最少的那個。
「泰式炒河粉，不要花生」就是在這一步變成「泰式炒河粉，多加花生」的。不是因為誰不上心，而是因為這條備註同時活在三個地方：App 的備註欄、單據上的手寫、某個人的記憶裡。
為甚麼堂食的錯誤能補救，外賣的不能
堂食送錯菜，客人九十秒內就會說。侍應道歉，廚房重做，這個晚上通常還能收好。成本是一碟菜，加一點面子。
外賣送錯袋，客人已經在三英里之外。錢付了，貼士算好了。沒有對話、沒有更正、沒有當場補救的機會。唯一剩下的渠道，是一條會被幾百個陌生人看到的公開評論。
這個不對稱就是全部的商業邏輯。24 美元的退款對餐廳來說不痛，但對客人來說，那是他當天唯一有空吃的一頓飯。這種事賠不出來，只能不讓它發生。
幾乎每一個錯單，都逃不出這三個原因
審過幾百張外賣單據之後，錯誤基本聚成三類，幾乎沒有一類是「員工不努力」。
1. 語言。客人用英文下單，爐頭用西班牙語、普通話或越南語工作。單據以一種語言到達，然後在全晚最忙的八分鐘裡，在某個人的腦海中翻譯一次。這不是培訓問題，是資訊設計問題。
2. 備註埋在長句裡。「要脆一點、不要洋蔥、醬汁分開裝、嚴重花生敏感」作為一段文字塞進備註欄。結構化訂單會把每一項變成一個無法被跳過的開關；一段文字，是可以被一眼掃過去的。
3. 沒有逐項核對。打包時沒有人一件一件點。袋子封上、遞出去，第一個清點內容物的人是客人——在自己家的廚房，開著鏡頭，晚上 8 點 15 分。
那間奧斯汀廚房改了甚麼
我們沒換配方、沒換人、沒換外賣平台。改的只是訂單由客人走到打包枱的路徑。
第一，訂單由「一段訊息」變成「一個結構化物件」：菜式 ID、以開關表達的加料與忌口、紅色顯示且無法忽略的敏感標記。第二，廚房單據雙語並排打印——英文給出餐口，西班牙語給爐頭——高壓時刻不依賴任何人的臨場翻譯。第三，打包變成清單：螢幕顯示四件，打包員核對四件，四項全綠袋子才離開枱面。第四，每筆退款與投訴在 24 小時內歸到具體菜式和工位，規律幾天就浮出來，不用等一個季度。
十一個星期之後：錯單率由 9.4% 降到 1.8%，退款與重做由每月約 1100 美元降到 200 美元以下，公開評分由 3.8 升到 4.5。菜單一個字沒改，價格一分沒減。
老闆的總結比任何報表都直接：「我們不是因為食物難食而流失客人，是因為我們一直承諾一件事，然後送出另一件。」
解法很沉悶，所以它才有效
這裡沒有任何聰明的增長黑客。準確度是一種營運紀律，而它會複利：重做少了，食材成本就低；退款少了，毛利就好；評分高了，在外賣平台裡的排名就靠前；排名靠前，你才接得住更多訂單。
評分的經濟學早有定論。哈佛一項被廣泛引用的研究發現，餐廳在 Yelp 上每提升一星，營業額對應提升 5% 到 9%。你不需要整整一星。在一個客人正在兩英里內六間泰菜之間做選擇的市場裡，0.3 星就是「被考慮」和「被掃過去」的分別。
接下來 30 天該盯的五個數字
別再看虛榮指標。每星期跟這五個數，你了解的情況會比任何 BI 供應商告訴你的都多：
• 每 100 張外賣單的錯單率（目標壓到 2 以下）
• 退款與重做成本佔外賣營業額的比例
• 「漏單」在全部投訴中的佔比——通常都是最大的一類
• 評分趨勢按星期看，不要按日看；日波動會把人逼瘋
• 30 日與 60 日再落單率——唯一能證明前四個數在起作用的指標
這不是叫你退出外賣平台
說清楚：DoorDash、UberEats、Grubhub 不是問題，對大多數獨立餐廳來說，下架也不是策略。問題在於我們把外賣硬接在一套為「坐在枱邊的人」設計的工作流程上，然後對出現的裂縫感到意外。
正確的做法是讓訂單本身成為唯一事實來源——結構化一次，客人、廚房、打包枱讀到的是同一份東西。這恰好也是二維碼菜單在堂食做的事：客人的選擇在下單那一刻就變成結構化數據，而不是侍應對一段嘈雜對話的記憶。
同一份菜單、同一套加料邏輯、同一組敏感標記，兩個渠道共用。數據模型一致之後，錯誤就不再是「人的問題」，而會回到它本來的樣子：管道問題。
由你最近 50 張單開始
在花錢之前，先做免費那一版。調出最近 50 張外賣單，數一數有幾張送錯、漏單、或者備註沒執行。我問過的老闆大多猜 3%，真實數字通常在 7% 到 12% 之間。
這個差距——你以為的與客人實際經歷的之間——就是你全部的機會。把它補上，評分會自己回來。
訂單準了，評分就好了，客人也就回來了。→ qrfood.ai
