
金拱门PK肯大爷,谁才是连锁快餐真正的王者?
肯德基和麦当劳在中国的竞争,从他们登陆之日起就一直激烈进行着,数据侠薛晓娟(江湖人称K姐)结合美团外卖、饿了么、百度外卖和大众点评等网站数据,帮金拱门麦叔叔和肯大爷大战了X个回合。
借着麦当劳改名金拱门的热度,来八一八金拱门麦叔叔和肯大爷的鸡腿汉堡战!
肯德基和麦当劳在中国的竞争从他们登陆起就一直激烈进行着,从世界范围看,麦当劳的门店数量远远高于肯德基,但在中国肯德基的门店数量远远高于麦当劳。
第一回合:门店数量
显然肯大爷占了绝对的优势,比麦叔叔多出一倍的门店数量。
数量超过1/2门店加入外卖行列(外卖平台,不包括官方APP点餐外送数据)。
第一回合:肯大爷胜。
第二回合:单品较量
肯大爷的香辣鸡翅夺得冠军,麦辣鸡翅麦叔叔家冠军,排名靠前的还有香辣鸡腿堡,原味鸡,新奥尔良烤翅等。说明下,这里的数据来自美团某月的单品销量数据。
下图中看到你喜欢吃的单品了吗?字小=销量低(字越大销量越大),和有密集恐惧症的同学说声sorry。
销量和单品价格有关联吗?如下散点图(横轴商品的价格,竖轴商品的销量),销量高的单品都在低价格区域,销量靠前的唯有麦当劳的麦辣鸡腿汉堡套餐价格超过20元,10块左右的小食备受青睐。
因第二回合的单品仅是某一个月的数据,所以销量暂只能看出单品的红火程度,显然肯大爷的几个单品确实更受大众青睐!
第二回合:肯大爷胜。
第三回合:店铺线上销量PK
金黄色麦叔叔和红色肯大爷在上海的位置分布,地图中带入了销量信息(圆圈越大门店销量越高),肯大爷门店数量众多,郊区突出;麦叔叔的门店圆圈大销量大,但店铺集中在市中心带。
地图上看出,麦当劳似更胜一筹,之前听一个朋友说,上海人更喜欢吃麦当劳,倒是没有太相信,现在数据告诉我了,稳稳的信了。
下面箱线图每个点代表麦肯家的各个门店,数值X轴是门店对应的销量,麦叔叔的门店销量更有优势,四分位间距IQR也比肯大爷家大,中位数是1.5倍的差距(肯大爷median=3443,麦叔叔median=5365)。
线上的麦叔叔用了只有肯大爷1/2门店数量,卖出了超过肯大爷的销量(下图barchart 左一)。门店均单2.3K,肯大爷1.2K(下图barchart右四),不过和线上其他卖的好的快餐相比,麦肯成绩都不能算理想。
月均销量上,麦叔叔也没有败下阵来。
第三回合:麦叔叔胜。
线上门店销售前十的都是麦当劳餐厅,麦当劳吴中路餐厅,月均9351排名第一,排名前25的餐厅肯德基只有3家入榜。
因为销量权重大于前两回合,综上麦叔叔胜出(仅是线上销量上海站)。
第四回合:小谈麦肯竞(ji)争(you)关系
将地图镜头拉近:
再近一点:
再再近一点:
陆家嘴6家店,麦叔叔旁边毫无意外的开着肯爷:
自古英雄间惺惺相惜,相爱相杀......
与其说是麦肯互相角逐竞争,K姐更愿意认为:
1. 麦叔和肯爷都非常善于选址(几乎所有门店都是人流旺地);
2. 麦叔和肯爷都非常有钱(无论对方在哪繁华地段,都能开到它周围),好比:为什么有钱人都扎堆住在相同的小区? 因为那里物业好环境好价格大......,关键是人家买得起啊!(心疼的抱住自己);
在一起,两家还可以共享目标消费人群,互利互助,没有永远的敌人但有着共同的利益!手牵手,共同把钱挣!
麦肯的选址能力外,还有很强营销模式,小例:大学时小K曾在肯德基做过2年的收营员,收银6步骤到现在都忘不了,其中一步就是推荐购买:
1. 当顾客只买单品时就推荐套餐,或者搭配饮料;
2. 小份就推荐大份;
3. 有带儿童的就推荐儿童套餐,同时拿出玩具。
就我个人的收银来说,推荐成功率一半的样子,是不是牛哄哄(当时自己没有这方面的意识)。
第三回合报表展示麦肯的店月均单(1K-3K),其实都不算好成绩,面临着互联网快餐的挑战,是否能够逆袭,用之后的销量数据来验证吧。
在本土化和门店数量扩张上,肯德基走的更彻底,但是麦当劳经营理念和策略或许也有其道理,“中国消费者进入西式快餐店,还是希望选择更多的代表西方元素的东西”,还有一个重要原因麦叔叔的套餐便宜,性价比高。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23