价格弹性怎么算：餐饮零售调价前该想清楚的三件事

价格弹性说人话就是一句：价格变 1%，销量会变百分之几。弹性是 -1.5，意味着涨价 10%，销量掉 15%，总收入是下降的；弹性是 -0.5，涨价 10% 销量只掉 5%，总收入反而上升。

这个数字之所以值钱，是因为它把"调价"这件事从赌博变成了测算。但真要算出可信的弹性，有三个前提必须先过。

第一件事：确认你的数据里有价格变动

这是最致命也最常被忽略的一条。要估计价格对销量的影响，历史上价格就必须变动过。如果你三年没调过价，再多的交易数据也估不出弹性——数据里根本没有价格变化这个信号。

先去数据里找这几类"天然实验"：

• 历史调价记录（哪怕只有一两次）
• 促销活动期间的临时降价
• 不同城市/区域执行了不同价格
• 外卖平台与堂食价格不一致的时期
• 套餐上下架造成的实际单价变化

找到了，就有基础；一条都没有，正确做法是设计一次小范围试验去制造数据，而不是硬算一个没有依据的数字。这一点必须说清楚：在没有价格变动的数据上"算"出来的弹性，是模型在猜，不是在算。

第二件事：小心把别的东西当成价格效应

就算有价格变动，也不能直接拿"降价那周销量涨了 20%"来当弹性。促销通常伴随着其他动作：门店海报、外卖平台流量位、节假日、竞品同期也在做活动。这些都会推高销量，全算在价格头上就会严重高估弹性，导致你误以为降价很有效。

处理办法有几种，按可靠性从高到低：

• 分店试验（最可靠）：一部分门店调价，另一部分保持原价作对照，两组的差值才是价格效应。这也是唯一能干净剥离外部因素的做法。
• 自然实验 + 控制变量：把节假日、天气、促销力度、竞品价格都作为控制变量放进模型。可靠性取决于你能不能把主要干扰项都收集齐。
• 问卷式的联合分析（Conjoint）：在完全没有历史价格变动时的备选方案。它测的是"意愿"不是"行为"，会有偏差，只适合做粗略排序。

第三件事：单品弹性没用，你要的是交叉弹性

餐饮零售真正的问题很少是"这一个单品该定多少钱"，而是"调了这个，会不会把那个的生意抢走"。

交叉弹性衡量的就是这个：A 降价对 B 销量的影响。它有两种方向——

• 替代关系（正交叉弹性）：A 降价，B 销量下降。经典场景是新套餐把高毛利单品的生意吃掉了，总单量没涨，毛利反而跌了。这是套餐设计最常见的自伤。
• 互补关系（负交叉弹性）：A 降价，B 销量也涨。主食降价带动饮品，这才是好的组合设计要找的关系。

所以套餐优化的正确目标不是"每个单品都定到最优价"，而是在毛利与客单价的约束下，求解整个组合的最优结构——哪些放进套餐、折扣给多少、哪些必须保持单点。这一步通常是混合整数规划，因为约束很多：套餐数量上限、单品成本、厨房出品能力、价格阶梯不能倒挂。

算完之后，别一次性全国铺开

弹性是从历史数据里估出来的，它对未来的适用性有条件：客群没大变、竞争格局没大变、不能外推到历史价格区间之外。涨价 5% 的估计相对可信，直接外推到涨价 30% 就不可信了。

所以正确的收尾是给出一个A/B 验证方案：选多少家门店、跑多久、看哪些指标、多大差异才算显著。这里有一个很多人忽略的细节——样本量要在开始前算好。门店数太少或时间太短，最后拿到的差异会淹没在噪声里，你会得到一个"看起来没效果"的结论，然后错误地放弃一个其实有效的方案。

三个实际的提醒

• 分客群看，别只看总体。外卖客群和堂食客群的价格敏感度经常差很多，混在一起算会得到一个谁都不像的平均值。
• 关注价格心理阈值。从 19.9 涨到 20.9，跨过了整数关口，实际影响往往大于线性模型的预测。这类阈值效应要单独检验。
• 把毛利结构一起放进去。销量最优不等于毛利最优。有些单品降价能带来很多单量，但每单毛利已经很薄，算总账反而是亏的。

最后，如果你现在的情况是"三年没调过价、也没做过分店试验"，那么最该做的第一件事不是找人算弹性，而是设计一次小范围、可回滚的价格试验，用两三个月拿到能算的数据。这笔投入比直接建模便宜得多，而且结论可靠得多。