Menu engineering combineert verkoopcijfers met winstgevendheid om je menu te optimaliseren. Maar klantfeedback vertelt je waarom gerechten wel of niet populair zijn. Door beide te combineren, bereken je niet alleen welke gerechten het meest opleveren, maar ook hoe je ze nog winstgevender kunt maken.
De basis: menu engineering matrix
Menu engineering verdeelt je gerechten in 4 categorieën op basis van populariteit en winstgevendheid:
- Stars: Populair én winstgevend (promoten)
- Plowhorses: Populair maar niet winstgevend (prijs verhogen of kosten verlagen)
- Puzzles: Winstgevend maar niet populair (marketing verbeteren)
- Dogs: Niet populair en niet winstgevend (van menu halen)
? Voorbeeld matrix:
Restaurant met 8 hoofdgerechten, data van 3 maanden:
- Biefstuk: 35% van verkoop, 42% marge → Star
- Pasta: 25% van verkoop, 28% marge → Plowhorse
- Eendenborst: 8% van verkoop, 48% marge → Puzzle
- Kip: 12% van verkoop, 22% marge → Dog
Klantfeedback toevoegen aan de mix
Verkoopcijfers vertellen je wat er gebeurt, maar niet waarom. Klantfeedback geeft context:
- Waarom is een gerecht niet populair? Te duur, onduidelijke beschrijving, slechte presentatie?
- Waarom is een gerecht wel populair? Grote porties, unieke smaak, goede prijs-kwaliteit?
- Wat zou klanten meer doen bestellen? Andere bereidingswijze, andere garnering?
⚠️ Let op:
Verzamel feedback systematisch via recensies, directe gesprekken of korte vragenlijsten. Losse opmerkingen geven een vertekend beeld.
Marge-berekening per feedback-categorie
Combineer je menu engineering data met feedback om de impact op marge te berekenen:
? Voorbeeld: Pasta (Plowhorse):
Huidige situatie:
- Verkoop: 100 porties/maand
- Verkoopprijs: €16,50 (€15,14 excl. BTW)
- Ingrediëntkosten: €5,20
- Marge per portie: €9,94
- Totale maandmarge: €994
Feedback: "Porties zijn te klein voor de prijs"
Drie scenario's doorrekenen
Met klantfeedback kun je verschillende aanpassingen doorrekenen:
Scenario 1: Portie vergroten (feedback implementeren)
- Ingrediëntkosten stijgen naar €6,80
- Marge per portie daalt naar €8,34
- Maar verkoop stijgt naar 140 porties (40% meer door tevredenheid)
- Nieuwe maandmarge: €1.168 (+17%)
Scenario 2: Prijs verhogen
- Nieuwe prijs: €18,50 (€16,97 excl. BTW)
- Marge per portie: €11,77
- Verkoop daalt naar 85 porties (-15% door prijsverhoging)
- Nieuwe maandmarge: €1.000 (+1%)
Scenario 3: Gerecht vervangen
- Nieuwe pasta met feedback-elementen
- Hogere ingrediëntkosten maar ook hogere prijs mogelijk
- Reken door wat realistisch is
? Formule voor scenario-vergelijking:
Impact op totale marge = (Nieuwe marge per portie × Nieuwe volume) - (Huidige marge per portie × Huidige volume)
Gebruik deze formule voor elk feedback-gebaseerd scenario.
Feedback integreren in menu engineering
Maak van klantfeedback een extra dimensie in je analyse:
- Stars: Wat maakt ze zo succesvol? Kopieer elementen naar andere gerechten
- Plowhorses: Waarom populair ondanks lage marge? Kan je de marge verhogen zonder populariteit te verliezen?
- Puzzles: Wat weerhoudt klanten? Prijs, beschrijving, presentatie?
- Dogs: Is er nog hoop via aanpassingen, of definitief weg?
Praktische implementatie
Zo werk je dit uit in je restaurant:
Maandelijks: Analyseer verkoopcijfers en verzamel feedback van afgelopen maand. Identificeer patronen en kansen.
Per kwartaal: Bereken scenario's voor gerechten die feedback krijgen. Test één aanpassing per keer om het effect te meten.
Jaarlijks: Grote menu-herziening op basis van opgebouwde data en feedback.
⚠️ Let op:
Test wijzigingen altijd beperkt. Verander niet je hele menu tegelijk, dan weet je niet wat werkt en wat niet.
Een systeem zoals KitchenNmbrs helpt je de kostprijzen en marges automatisch bij te houden, zodat je scenario's snel kunt doorrekenen zonder handmatig te rekenen.
Hoe combineer je menu engineering met klantfeedback? (stap voor stap)
Verzamel je menu engineering data
Bepaal voor elk gerecht de populariteit (% van totale verkoop) en winstgevendheid (marge per portie). Plaats ze in de matrix: Stars, Plowhorses, Puzzles of Dogs.
Categoriseer klantfeedback per gerecht
Verzamel feedback uit recensies, gesprekken en observaties. Groepeer per gerecht: wat vinden klanten goed, wat niet, en wat zou ze meer doen bestellen?
Bereken scenario's voor aanpassingen
Voor elk gerecht met veel feedback: reken door wat aanpassingen betekenen voor kosten, prijs en verwachte verkoop. Vergelijk de totale marge-impact van verschillende opties.
Test één wijziging per keer
Implementeer de meest kansrijke aanpassing en meet het effect gedurende 4-6 weken. Alleen zo weet je of je berekening klopt in de praktijk.
✨ Pro tip
Begin met je 3 best-verkopende gerechten. Als je die optimaliseert op basis van feedback, heb je al 60-70% van je menu-impact te pakken zonder overweldigende hoeveelheid data.
احسبها بنفسك؟
في تطبيق KitchenNmbrs يمكنك فعل ذلك بنقرات قليلة. 7 أيام مجاناً، بدون بطاقة ائتمان.
هل كان هذا المقال مفيداً؟
الأسئلة الشائعة
Hoe verzamel ik betrouwbaar klantfeedback over mijn gerechten?
Combineer verschillende bronnen: online recensies, directe gesprekken met gasten, en observatie van wat er op borden terugkomt. Vraag specifiek naar gerechten, niet algemeen naar 'het eten'.
Wat als feedback tegenstrijdig is met mijn verkoopcijfers?
Kijk naar de bron. Negatieve feedback is vaak luider dan positieve ervaringen. Als een gerecht goed verkoopt ondanks kritiek, kan het zijn dat de kritiek van een kleine groep komt.
Hoe vaak moet ik mijn menu engineering analyse updaten?
Maandelijks voor de cijfers, per kwartaal voor grondige analyse met feedback. Je menu en klanten veranderen constant, dus je data moet up-to-date blijven.
Kan ik deze methode ook gebruiken voor dranken en desserts?
Ja, dezelfde principes gelden. Let wel op dat dranken andere marges hebben (pour cost 18-25%) en desserts vaak impulsaankopen zijn die minder feedback krijgen.
Wat als een Star-gerecht plotseling negatieve feedback krijgt?
Onderzoek direct wat er veranderd is: ingrediënten, bereiding, presentatie of personeel. Stars zijn je goudmijn, dus problemen snel oplossen voorkomt omzetverlies.
📚 المصادر المستشارة
- EU Verordening 852/2004 — Levensmiddelenhygiëne (2004) — مصدر رسمي
- EU Verordening 853/2004 — Hygiënevoorschriften voor levensmiddelen van dierlijke oorsprong (2004) — مصدر رسمي
- EU Verordening 1169/2011 — Voedselinformatie aan consumenten (2011) — مصدر رسمي
- NVWA — Hygiënecode voor de horeca (2024) — مصدر رسمي
- NVWA — Allergenen in voedsel (2024) — مصدر رسمي
- Codex Alimentarius — International Food Standards (2024) — مصدر رسمي
- FSA — Safer food, better business (HACCP) (2024) — مصدر رسمي
- BVL — Lebensmittelhygiene (HACCP) (2024) — مصدر رسمي
- Warenwetbesluit Bereiding en behandeling van levensmiddelen (2024) — مصدر رسمي
- WHO — Foodborne diseases estimates (2024) — مصدر رسمي
SFDA (الهيئة العامة للغذاء والدواء) — https://www.sfda.gov.sa
معايير نظام تحليل المخاطر ونقاط التحكم الحرجة المعروضة في هذا التطبيق هي لأغراض إعلامية فقط. لا تضمن KitchenNmbrs أن القيم المعروضة محدثة أو كاملة. يُرجى دائمًا الرجوع إلى الهيئة العامة للغذاء والدواء للاطلاع على أحدث اللوائح.
بقلم
Jeffrey Smit
مؤسس ومدير تنفيذي لـ KitchenNmbrs
أسس جيفري سميت KitchenNmbrs بناءً على 8 سنوات من الخبرة العملية كمدير مطبخ في 1NUL8 Group في روتردام. مهمته: منح كل صاحب مطعم السيطرة على تكلفة الطعام.
صمم قائمتك لأقصى هامش ربح
هندسة القائمة تجمع بين الشعبية والربحية. KitchenNmbrs يمنحك البيانات لتصميم قائمتك استراتيجياً. جرّب مجاناً لمدة 14 يوماً.
ابدأ التجربة المجانية →