
2015年的那些餐飲大數(shù)據(jù),你知道么?
2016年1月5日,餐飲O2O與華空間聯(lián)合主辦深圳特璨---2016深圳特色餐飲峰會上,餐飲O2O創(chuàng)始人羅華山分享了主題為《2015年餐飲大數(shù)據(jù)與2016年餐飲業(yè)九大趨勢》,現(xiàn)場來賓直呼干貨。
今天發(fā)布有料有趣有深度的餐飲大數(shù)據(jù),從市場整體環(huán)境、業(yè)態(tài)調(diào)研、8090新生代消費特點、選址與消費數(shù)據(jù)四個方面來解讀餐飲行業(yè)。數(shù)據(jù)分析師培訓(xùn)
1、2015北上廣深一線城市餐廳統(tǒng)計數(shù)據(jù)
1、一線城市餐廳增量超過50000+,增幅均超過50%;
2、北上超17萬,廣深超12萬,每天新增150+家餐廳;
3、增量最高城市是北京:68842,增幅最高城市是廣州:96.3%;
4、對應(yīng)深圳總?cè)丝跀?shù),每200人擁有一家餐廳;
5、元旦期間中國人一餐飯平均花費:89元。
以上數(shù)據(jù)統(tǒng)計自大眾點評,但經(jīng)餐飲O2O君與點評確認,表示下半年餐廳數(shù)量飆升與美團合并后部分數(shù)據(jù)重疊的因素存在。cda數(shù)據(jù)分析師培訓(xùn)
2、深圳餐飲市場數(shù)據(jù)
1、深圳人均消費77.68元,高出廣東人均66.93元14.3%,比全國人均的89.03低了13.4%;
2、珠海、深圳、中山分列前三位,珠海超過深圳廣州,旅游城市是主要因素;
3、TOP10中,前3位超過全省平均水平,后7位均未達全省平均水平。
如需查看該部分詳細分析報告,請點擊閱讀:中國首份《餐飲業(yè)社會化媒體指數(shù)報告》火熱發(fā)布
3、餐飲業(yè)態(tài)TOP3:中餐、正餐、火鍋
第一,中餐更符合中國人的口味,所以是他們外出就餐的第一選擇;
第二,快餐是剛需,另外隨著人們生活節(jié)奏加快、女性參與工作比例的增大,在家做飯頻率減少、外出娛樂生活的豐富,使得快餐成為我們?nèi)粘I钪械闹匾a充。
4、快餐顧客關(guān)注因素
1、口味是顧客最關(guān)注的因素,相比上海,廣州顧客更看重性價比,顯得更加實在;
2、與我們平時主觀感覺的不同,我們會以為,速度因素是他們吃快餐時的主要考慮因素,而事實并非如此,口味恰恰是消費者選擇快餐的主要考慮。
5、中餐顧客關(guān)注因素
除了口味外,性價比和等待時間是中餐顧客較關(guān)注的因素。
這里的性價比不是指餐廳老板認為的菜品有多么優(yōu)惠,而是從顧客的角度,餐廳能給他們帶來的性價比感知,如菜品的質(zhì)量、分量與價位上的對比等。
如需查看該部分詳細分析報告,請點擊閱讀:從新生代崛起消費透視餐飲業(yè)未來發(fā)展
6、對菜品的認知
我們在調(diào)查中問70、80、90后,知道多少個菜品。發(fā)現(xiàn)80、90后接觸的菜品顯著多于70后;但有個反差,問知道多少種魚的種類,16.5%的受訪90后認為魚都是一樣的,而70后中表示不能辨別魚種類的只有4.7%。
看來,90后的識別能力是比較弱的,他們雖然是見識廣泛,但是信息的接受深度是不夠的。這提醒我們當(dāng)面對新生代去做廣告的時候,可能不要做得太深奧了。
7、好吃+好看+好玩,具備可分享元素
在外就餐的時候,新生代非常喜歡進行拍照。90后喜歡拍照的比例最高,有超過40%吃飯會拍照,而80后為38.4%,而70后僅為24.7%。同時,新生代在吃飯拍照的時候,90后拍“自己和朋友們”的比例將近30%,80后為22.9%。
因此可見,在外就餐照片的共享已經(jīng)成為新生代圈子里重要的互動方式之一。90后是追求全方位感官刺激的視覺系群體,而且他們覺得吃飯這個事情就是要和玩到一起去,他們更注重有人情味的和好玩的方式。
8、吃飯體現(xiàn)了新生代強烈的小圈子社交特色
再來看80、90后他們吃飯的時候和誰一起去。90后比80后更凸現(xiàn)出傾向于和朋友而不是家人一起去吃飯,70后則多是陪家人一起。在外就餐時,90、80后三到四人為主,90后兩個人出去用餐的比例是33.1%,也是高于80后的。他們更傾向小圈子的社交方式。
9、不差錢,吃、吃、吃
對于新生代群體,他們被吸引進店的因素非常多元化,除了常見的“口味”、“團購促銷”、“排隊的情況”以外,裝修的“逼格”、“高大上”的環(huán)境、“服務(wù)特色”以及“情懷故事”都能吸引一定的人群進店消費。
新生代群體有較高的在外就餐比例。13.9%的80后以及22.6%90后表示工作日午餐和晚餐都不在家吃,有8.1%80后和12.7%90后周末的午餐和晚餐都不在家吃。
10、用餐的便捷性、智能化有較高需求
新生代每頓飯愿意花費在飯桌上的時間大大縮減。新生代吃飯時長超過55%在0.5~1個小時以及1~1.5小時;他們吃飯的速度加快,30分鐘內(nèi)解決以及30~1小時解決的人群高于70后。
由于接觸互聯(lián)網(wǎng)較早,新鮮事物層出不窮,因此他們培養(yǎng)起了對新鮮事物的強烈好奇心,對新事物具有強大的接受能力。在對待“微信預(yù)約下單”這種新型方式上82.4%的90后以及79%的80后表示“喜歡”。
11、消費者每周外出用頻次
1、56%的每周至少一次去購物中心用餐,說明購物中心是首選,其它場所也有近50%
2、80%顧客每周會在外吃飯是3次以下
3、有亮點的是鄰里型商場,每周4次以上達到33.8%,遠高于其它場所,方便是首要因素
4、近4成人每周去美食街3次。
12、消費者用餐消費時段
1、不論哪個場所,晚餐明顯好于午餐
2、購物中心餐飲消費時段集中在周五晚至周六晚和節(jié)假日,占比近75%,周日和平時人流下滑。購物中心是餡餅還是陷阱?
3、鄰里商場和街鋪周一至周五中午有不錯的人流,特別是街店平時可超30%,但周六中午不理想。
13、人均消費價格帶
1、四種商圈均為50-60元最暢銷,但競爭相對也最大;
2、購物中心價格正態(tài)分布,從40-100元以上平均分布,說明購物中心餐飲業(yè)態(tài)搭配豐富,可選擇性多,適合中上消費力客群;
3、鄰里商場則是50-60元一枝獨秀,大眾化的價格,因為地點便捷性以性價比作為主要考慮因素;
4、街店以20-60元的正態(tài)平均分布,街店以附近居民為主要消費對象,對價格相對比較敏感,客單價較低;
5、美食街的價格帶呈非正態(tài)分布,沒有明顯的定位,各種價格均有不等表現(xiàn),說明依市場選擇來定位,客群不確定。
14、外出用餐和誰去?多少人去?
1、無論哪種商圈,最喜歡與家人、朋友2-4人一起吃飯,再次說明餐飲的本質(zhì)是社交;
2、1人不去購物中心用餐,最喜歡與家人和朋友一起去購物中心;
3、招待客戶多會就近選擇去鄰里商場;
4、同事聚餐最喜歡去街店消費,主因講究實惠和不受時間限制。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10