京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06