AI ช่วยออกแบบเมนูร้านอาหาร

เมนูที่ขายดีไม่ได้แปลว่ากำไรดีเสมอไป

ผมเรียนรู้เรื่องนี้จากประสบการณ์จริงของร้านอาหารที่ผมดูแลอยู่

เมนูหนึ่งขายได้ทุกวัน ลูกค้าสั่งบ่อยมาก แต่พอดูต้นทุนจริง — กำไรต่อจานแทบไม่มี เพราะวัตถุดิบราคาสูงและ portion ใหญ่เกินไป

ในขณะที่อีกเมนูหนึ่งคนสั่งน้อย แต่กำไรต่อจานสูงมาก เพราะต้นทุนต่ำและ perceived value สูง

ปัญหาคือเราไม่รู้ว่าเมนูไหนอยู่ในหมวดไหน จนกว่าจะมีข้อมูลชัดเจน

เครื่องมือที่ใช้จริง

เครื่องมือหลัก:

• Claude Code — รับข้อมูลยอดขาย + ต้นทุน แล้ววิเคราะห์ Menu Engineering Matrix ให้ครบทุกเมนู
• Google Sheets — เก็บข้อมูลเมนู ยอดขาย ต้นทุน ใช้เป็น input ให้ AI
• Airtable — ถ้ามีระบบ database เมนูอยู่แล้ว export มาใช้ได้เลย

ทางเลือกสำหรับคนไม่ใช้ Claude Code:

• ChatGPT + Excel — เก็บข้อมูลใน Excel แล้ว copy-paste ให้ ChatGPT วิเคราะห์
• Google Sheets + Gemini — ใช้ Gemini ที่ built-in ใน Google Sheets ได้เลยโดยไม่ต้องออกจากโปรแกรม

Menu Engineering Matrix

Menu Engineering คือวิธีวิเคราะห์เมนูโดยดูจาก 2 มิติ:

• ความนิยม — เมนูนี้สั่งบ่อยแค่ไหน?
• กำไร — เมนูนี้ทำกำไรต่อจานเท่าไหร่?

เมื่อเอา 2 มิตินี้มาคูณกัน ได้ Matrix 4 กลุ่ม:

Star — ขายดี + กำไรสูง

เมนูในฝัน ลูกค้าชอบและคุณได้กำไรดี

สิ่งที่ควรทำ: promote ให้มากที่สุด ใส่ในตำแหน่ง prime ของเมนู (มุมขวาบน หรือกลางหน้า) ถ่ายรูปสวยๆ ใส่ในโฆษณา ห้ามขึ้นราคาโดยไม่จำเป็น

Plow Horse — ขายดี + กำไรต่ำ

เมนูที่คนชอบแต่ทำให้คุณเหนื่อย คุณต้องผลิตเยอะ แต่กำไรน้อย

สิ่งที่ควรทำ:

• ลดต้นทุน — ปรับสูตร ลด portion เล็กน้อย หาวัตถุดิบทดแทน
• ขึ้นราคา ทีละนิด ถ้า demand ยังไม่ตก แสดงว่าคนยอมจ่ายมากกว่านี้ได้
• จับคู่ กับ side dish ที่กำไรดีเพื่อเพิ่ม average check

Puzzle — ขายไม่ดี + กำไรสูง

เมนูที่ถ้าคนรู้จักมากขึ้นจะช่วยร้านได้มาก แต่ปัจจุบันยังไม่เป็นที่นิยม

สิ่งที่ควรทำ:

• ย้ายตำแหน่ง ในเมนู ให้เห็นง่ายขึ้น
• ตั้งชื่อใหม่ ให้ฟังดูน่าสั่งขึ้น
• ให้พนักงาน recommend — "วันนี้แนะนำเมนูนี้เลยครับ"
• ทำ bundle กับ Star เพื่อดึง trial

Dog — ขายไม่ดี + กำไรต่ำ

เมนูที่อยู่แล้วกินพื้นที่เฉยๆ ทำให้เมนูยาวเกินไปโดยไม่จำเป็น

สิ่งที่ควรทำ: เอาออก ไม่ต้องเสียดาย เมนูที่สั้นกว่าทำให้ลูกค้าตัดสินใจง่ายขึ้น และลด complexity ในครัว

ขั้นตอนทำจริง: Export > วิเคราะห์ > Action Plan

ขั้นที่ 1: Export ยอดขายจาก POS

ระบบ POS ส่วนใหญ่ export รายงานยอดขายแยกตามเมนูได้ ดูที่เมนู "รายงาน" > "ยอดขายตามสินค้า" > export CSV หรือ Excel

ข้อมูลที่ต้องมีต่อเมนู:

• ชื่อเมนู
• จำนวน order ต่อเดือน
• ราคาขาย
• ต้นทุนวัตถุดิบต่อจาน (ถ้ามี — ถ้าไม่มีประมาณเอาก็ได้)

ขั้นที่ 2: เก็บข้อมูลใน Google Sheets

จัดตารางง่ายๆ ใน Google Sheets:

ขั้นที่ 3: ส่ง Prompt วิเคราะห์ให้ AI

Prompt วิเคราะห์ Menu Engineering Matrix:

วิเคราะห์เมนูด้วย Menu Engineering Matrix จากข้อมูลด้านล่าง

[วาง data จาก Google Sheets ตรงนี้]

การวิเคราะห์:
1. คำนวณ Gross Profit ต่อจานทุกเมนู (ถ้ายังไม่มีในข้อมูล)
2. คำนวณค่าเฉลี่ย popularity (ยอดขาย) และค่าเฉลี่ย profitability (กำไร/จาน)
3. จัดกลุ่มเมนูแต่ละรายการเป็น: Star / Plow Horse / Puzzle / Dog
   - Star = ยอดสูงกว่าค่าเฉลี่ย + กำไรสูงกว่าค่าเฉลี่ย
   - Plow Horse = ยอดสูงกว่าค่าเฉลี่ย + กำไรต่ำกว่าค่าเฉลี่ย
   - Puzzle = ยอดต่ำกว่าค่าเฉลี่ย + กำไรสูงกว่าค่าเฉลี่ย
   - Dog = ยอดต่ำกว่าค่าเฉลี่ย + กำไรต่ำกว่าค่าเฉลี่ย

Output: ตารางผลลัพธ์ทุกเมนู + กลุ่ม + คำแนะนำเฉพาะของแต่ละเมนู

ขั้นที่ 4: ให้ AI สร้าง Action Plan จัดลำดับ Priority

Prompt ปรับราคาและตำแหน่งเมนู:

จากผล Menu Engineering Matrix ด้านบน สร้าง action plan สำหรับเจ้าของร้านอาหาร

เน้น maximize กำไรรวมโดยไม่ต้องเพิ่มจำนวนลูกค้า

แนะนำ:
1. เมนูไหนควรขึ้นราคา — ขึ้นเท่าไหร่ เพราะอะไร
2. เมนูไหนควรลดต้นทุน — ลดได้ยังไง (portion / วัตถุดิบ / สูตร)
3. เมนูไหนควรย้ายตำแหน่งในเมนู — ย้ายไปไว้ที่ไหน
4. เมนูไหนควรเอาออก — เพราะอะไร
5. เมนูไหนควร bundle กัน — bundle ยังไงให้ได้กำไรดีขึ้น

เรียงลำดับตาม impact สูง -> ต่ำ พร้อมบอกว่าแต่ละ action ประมาณเพิ่มกำไรได้กี่ %

AI วิเคราะห์ให้ได้จากข้อมูลจริง

ก่อนหน้านี้ต้องทำ Matrix นี้ด้วย Excel เอง ดึงข้อมูลยอดขาย, คำนวณต้นทุนต่อจาน, plot graph เอง — ใช้เวลาครึ่งวัน

ตอนนี้ผมส่ง 2 อย่างให้ AI:

1. ข้อมูลยอดขาย — จำนวน order แต่ละเมนูต่อเดือน
2. ต้นทุนวัตถุดิบ — ราคาวัตถุดิบต่อจาน

AI จะ:

• คำนวณ Gross Profit ต่อจาน ให้ทุกเมนู
• เทียบกับค่าเฉลี่ย แล้วแบ่งว่าเมนูไหนอยู่ quadrant ไหน
• ออก Action List ว่าแต่ละเมนูควรทำอะไร
• เรียงลำดับตาม impact — ควรแก้เมนูไหนก่อน

ตัวอย่างผลลัพธ์

แค่มีข้อมูลสองชุด — ยอดขายกับต้นทุน — AI ทำ analysis นี้ให้ได้ใน 5 นาที

ทำแค่นี้ กำไรขึ้นได้โดยไม่ต้องขายเพิ่ม

สิ่งที่น่าตื่นเต้นคือ Menu Engineering ไม่ต้องหาลูกค้าใหม่ ไม่ต้องลงโฆษณาเพิ่ม แค่จัดการ เมนูที่มีอยู่แล้ว ให้ดีขึ้น

• เปลี่ยน Dog เป็น Puzzle ด้วยการปรับ pricing + positioning
• เปลี่ยน Plow Horse ให้กำไรดีขึ้นด้วยการลดต้นทุน
• Promote Star ให้คนสั่งมากขึ้น

ร้านอาหารของผมทดลองทำแล้ว เพียงแค่เอา Dog ออก 4 เมนู และย้ายตำแหน่ง Puzzle 2 เมนู — ยอด order ต่อโต๊ะเพิ่มขึ้นและ average check สูงขึ้น โดยที่จำนวนลูกค้าเท่าเดิม

สรุป

เมนูไม่ใช่แค่ list อาหาร แต่คือ เครื่องมือทำเงิน ที่ต้องวางแผนด้วยข้อมูล

Menu Engineering Matrix แบ่งเมนูเป็น 4 กลุ่ม — Star, Plow Horse, Puzzle, Dog — แต่ละกลุ่มมี action ที่ต่างกัน

AI ทำ analysis นี้ได้จากข้อมูลยอดขายและต้นทุนที่คุณมีอยู่แล้ว ไม่ต้องเป็น data analyst ก็ทำได้

อ่านต่อ

• AI ตรวจสอบ SEO เว็บไซต์
• สร้าง Pitch Deck ระดมทุน ด้วย AI