菜品份量应该怎样根据真实剩餐数据调整，而不是只靠厨师经验？
厨师说“这个量客人吃着才踏实”，这句话多半是对的。问题在于，它是对哪一类客人、哪个时段、哪种场合说的。份量是一个很少被重新检验的参数：菜单定下来以后，盘子里剩多少往往只是被倒进桶里，没有人回头把它和份量联系起来。
让数据介入份量调整，不是要取代厨师的判断，而是把这个判断变成一个可以检验的假设。下面用宫保鸡丁的一组模拟数字，走一遍必赢亚洲餐饮减废里从剩余记录到份量决定的闭环。
先看分布，不要看平均数
假设某家店记录了宫保鸡丁 20 份的盘中剩余率，已经扣除了不可避免的部分，只看客人本可以吃完的那部分。20 份只是为了把计算摆在纸面上，实际样本要大得多。
示例推演 · 宫保鸡丁 20 份盘中剩余率（%）
全部：0 0 0 0 0 0 3 3 5 5 8 8 10 10 12 15 20 40 55 70 平均 13.2% 中位数 6.5% P75 12% 多人同桌（12 份） 中位数 1.5% P75 5% 单人客（8 份） 中位数 17.5% P75 40%
平均数 13.2% 听起来像是这道菜整体偏大，可它比 P75 还高：三份剩下四成到七成的盘子把它拉了上去。中位数 6.5% 说明大多数客人吃得完。把客群拆开就更清楚：多人同桌的中位数只有 1.5%，单人客却是 17.5%，P75 达到 40%。真正的问题不是这道菜偏大，而是单人客点了一份为多人分食设计的量。此时若按平均数整体减份，多人同桌会觉得少，单人客依然吃不完。
从剩余到份量的六步闭环
- 取数。只取盘中剩余里的可避免部分，扣除骨头、茶叶渣、汤底，同时记录菜品、时段和客群。
- 看分布。看中位数和 P75，也看最大的几份是谁点的。样本太少时分位数不稳，建议至少积累两周，每个客群有几十份记录再下结论。
- 拆客群和时段。单人与多人、午市与晚市、堂食与外卖，分别计算分位数。
- 写假设。把厨师的经验判断写成一句可检验的话，例如“单人客的宫保鸡丁主料减 20%，退菜率不会上升”。
- 做试验。同一道菜做两周对比，控制销量与客群，流程见下文。
- 算账并回填。把省下的食材成本和满意度风险放在同一张账上，达标就写回菜单与备餐标准，下一轮再从第一步开始。
分位数到动作的规则表
| 剩余率位置 | 含义 | 首选动作 | 备选动作 |
|---|---|---|---|
| 中位数不超过 5%，P75 不超过 10% | 大多数客人吃得完 | 保持现有份量，只做抽检 | 关注个别时段是否偏高 |
| 中位数不超过 10%，P75 在 10%–20% | 少数偏大 | 主料减 10%–15%，或配菜改为可选 | 增加一个半份选项 |
| 整体中位数低，但某客群中位数不低于 15% | 份量对不上这个客群 | 为该客群增设单人份或半份，不整体减份 | 按时段调整推荐搭配 |
| 中位数超过 20% | 整体偏大，或口味、搭配有问题 | 先查退菜与评价，再决定减份或重新设计 | 拆成大小两个规格 |
| 主食、配菜剩余高，主菜剩余低 | 附带品被默认给多了 | 主食一份起、可续添；配菜可选 | 自助沙拉台改用小盘、勤补少放 |
阈值为示例，用来说明规则的形状；不同菜品的成本结构与客群不同，需要用自己的数据校准。
按这张表，宫保鸡丁的整体数字落在第二行（中位数 6.5%，P75 12%），但拆开客群后，单人客的中位数是 17.5%，触发第三行。规则表要在拆完客群以后使用：首选动作是增设单人份，而不是全员减份。
把假设变成一次 A/B 试验
- 第 0 天写下判定标准。只改一个变量，例如单人份主料减 20%；成功标准可设为单人客盘中剩余的 P75 至少下降 10 个百分点，退菜率与好评率不变差。
- 第 1–14 天隔天交替。单日用新份量、双日用旧份量，14 天里每个版本恰好各覆盖一遍星期一到星期日；同时记录销量、称重、退菜和评价。
- 第 15 天读结果。比较两组的中位数、P75、退菜率与评价。若销量差异超出预期，先查是不是活动或客群造成的。
- 第 16 天做决定。达标就固化并写回标准；不达标就回到假设，换一种手段，例如半份代替减份。
成本核算：省下多少，冒多大风险
示例推演 · 单人份的盈亏平衡
标准份：售价 26 元，主料 9.00 元，毛利 17 元 单人份主料减 20%：每份少用 9.00 × 20% = 1.80 元 单人客每天 20 份，其中 12 份改点单人份 每天少用主料 12 × 1.80 = 21.60 元，30 天约 648 元 风险线：21.60 ÷ 17 ≈ 1.3 单 每天因份量不满意而流失的订单少于 1.3 单，就不亏
份量调整的三类风险
- 缩水感。客人对份量的感知有时比克重更重要。评价里出现“少”“不够吃”，就是硬性的止损信号；小份也不等于便宜份，若单人份同时降价 2 元，降价额就超过了省下的 1.80 元，靠食材成本已经不划算。
- 样本偏差。试验期正好遇上活动、天气或大桌聚餐，数据就会被带偏，所以要控制销量与客群。
- 把厨师排除在外。哪道菜盛少了会被挑理，厨师比任何模型都清楚。这类经验用来写假设，数据负责检验，不负责替代。
试验期间产生的剩余物，也别忘了记录去向。必赢亚洲 App 里与剩餐相关的视图，可以按菜品和时段查看剩余记录；减不掉的那部分，则交给必赢亚洲厨余资源化，按成分选择下一条路径。