Oddle | 離峰沒人？用排隊數據把客人找回來

週末門口那條人龍，其實是你整週離峰時段的解方。只要每個排隊的人都被留下來，填滿平日空桌就不是碰運氣，而是一道可以精準操作的題目。這篇用 TWD 帳算給你看離峰空桌的真實成本，並一步步示範怎麼把排隊數據變成名單、鎖定沉睡客、發出可衡量的回流行銷。

週六晚上，你的店門口排了一條人龍，客人等了三十分鐘還願意等。週二中午，同一個位子空了大半，服務生比客人還多。你缺的從來不是客人，缺的是把尖峰那群人留下來、在離峰時段找回來的方法。這就是餐廳離峰行銷真正要解的題：不是再去外面買一批新客，而是把你已經賺到、卻讓他們走掉的那群人請回來。

大部分餐廳在離峰時段做的事，是打折。平日午餐限定折扣、LINE 群發優惠券，發給所有人，然後祈禱有人上門。這招會稀釋你的毛利，而且通常找錯人。這篇文章想講的是另一條路：你週末排隊的那群人，本身就是一份名單。只要每一個排隊的人都變成一筆資料，你的週二中午就不是碰運氣，而是一道可以精準操作的題目。

餐廳離峰行銷的盲點：尖峰排到門外，離峰卻冷清見底

先把問題講清楚。一間生意不錯的餐廳，一週之內的來客數可以差到三、四倍。週五、週六的晚餐翻桌兩到三輪，門口還排隊；週二、週三的午餐翻不到一輪，整片座位區是空的。

很多老闆看到離峰冷清，直覺反應是「要再多拉一點客人進來」，於是加投廣告、再發一波優惠。但你真正的處境是：尖峰時段，已經有一大群人證明了他們想吃你的東西，願意為你排隊。他們吃完就走了，你對他們一無所知，下次也沒辦法主動找他們回來。

離峰時段的空桌，不是因為這座城市沒有想吃飯的人。是因為你沒有把尖峰的客人留成一份可以再聯絡的名單。把這個問題從「客人不夠」重新定義成「資料沒留下」，後面要做的事就清楚了。

先算一筆帳，離峰的空桌到底有多貴

離峰的空桌之所以痛，是因為它的成本你已經付了。

舉一個例子（數字是示意，方便你套自己的店）。假設你開一間四十個座位的休閒餐廳，平均客單價 350 元。週末晚餐幾乎滿座、翻兩輪以上；但平日午餐的上座率大概只有六成不到，一輪都翻不滿。問題在於，不管平日中午坐了幾個人，你的房租照算、排班的人事費照付。這些是固定成本，空桌不會幫你省下任何一塊錢。

把帳算到底：如果平日午餐每天只要多賣 15 桌、每桌 700 元，一週五個平日就是超過三萬五千元的營業額，一個月十四萬以上。這些幾乎都落在你已經付掉的固定成本之上，多賣的這部分，貢獻的是接近淨利的金額。離峰時段不是不重要的零頭，它是你已經買單、卻沒有收成的產能。

那要怎麼補上這塊？關鍵在你用什麼方法。離峰打折是把優惠灑給所有人，每一桌的毛利都被吃掉一塊。用 email 把特定的人找回來則是另一回事，每一封的邊際成本趨近於零，而且只發給真正離開的那群人。這也呼應一個餐飲老觀念：把餐廳回頭客找回來，幾乎一定比再去外面獲取一個全新客人便宜。

想更完整地看回頭客在帳上的價值，可以參考這篇講餐廳回頭客的真實成本：CAC vs LTV的拆解。

如果你想更細地看自己每個時段的來客數與營業結構，這邊有一篇講餐廳每月該盯哪些經營數據的整理可以參考。

你每一個尖峰，都在流失一份名單

這裡先誠實講一件大部分餐廳的現況。

多數店家在門口其實沒有留下任何客人的資料。就算有做會員，通常也只有一桌裡那個拿手機登記的人留了下來，同桌的其他三、四個人，吃完就匿名離開了。靠點數卡、會員卡累積回頭客，本質上是「一桌抓一個」，效率很低。

而排隊，剛好是相反的場景。願意在你門口等三十分鐘的人，已經用最真實的方式投票了，他們想吃你的東西。一個尖峰晚上，門口可能有二、三十組這樣的人。如果這些人連名字都沒留下，等於每一個忙碌的夜晚，你都把一份現成、而且品質極高的名單丟進垃圾桶。

這不是說現在用的工具不好。像 inline 這類候位系統，在「管理現場那條線」這件事上做得很好，叫號、預估等待、通知入座都很順。問題不在排隊管理本身，而在排隊結束之後，那些資料去了哪裡。對多數系統來說，客人入座，這趟旅程就結束了。但對你的生意來說，入座才是開始，真正的價值在於下一次回訪。把現場累積的紀錄變成可用的洞察，是另一門功課，這篇餐廳數據分析有更完整的說明。

把排隊變成名單，排隊數據怎麼來

講到這裡你大概在想：道理我懂，但我要怎麼把每一個排隊的人都留下來？

這就是 Oddle Queue 在做的事。它是一套虛擬候位系統，客人用手機線上候位、即時看目前排到哪、輪到時收到通知，你的團隊則在 Host App 裡跟訂位一起管理。從現場操作來看，它和你現在用的候位工具沒有太大不同。

差別在資料。每一個加入排隊的人，不管最後有沒有入座，都會自動變成你顧客資料庫裡的一筆排隊數據。等到位卻離開的、最後沒等到的、來吃完就走的，全部都進了同一個資料庫，成為一份你日後可以主動聯絡的名單。週末那條人龍，從一個要應付的麻煩，變成一份每個尖峰都會自動更新的回訪名單。

（提醒一下，Oddle Queue 目前在台灣與新加坡是 Beta 階段，正在開放給部分商家，功能會持續長出來。）

知道要找誰，用顧客分群鎖定離峰客

有了名單還不夠，離峰行銷做得好不好，差別在你找對人。把優惠發給所有人是浪費，把它發給「排過隊、但最近沒回來」的那一小群，才是精準。

Customer Intelligence 就是負責這件事的那一層。它有一張顧客生命週期地圖，用「最近多久來過」和「來的頻率」兩個維度，把你整個客群攤開來看，你會一眼看到有多少比例的客人已經沉睡、多少在流失邊緣、多少是你最該珍惜的常客。

它也內建幾組現成的分群，像是「沉睡客（Lapsed）」「最佳顧客」「首次到訪」，你也可以自己拉條件做客製分群，例如「過去 90 天排過隊、但之後沒再回訪」「住在店附近的客人」。每一筆訂單、訂位、付款、排隊紀錄，都會持續豐富這些檔案，分群越用越準。換句話說，你要找的不是「所有人」，而是清清楚楚的那幾百個人。

把客人找回來，餐廳離峰行銷的回流操作怎麼做

名單有了，對象選好了，最後一步是把訊息送出去，並且知道它有沒有用。Marketing 裡有兩種做法，搭配著用。

第一種是 Broadcast，一次性的廣播。你挑一個分群，比方說「沉睡的排隊客」，發一封平日限定的回流優惠，例如「平日午餐限定，回店招待一道小菜」。重點是你可以為這封信設定一個目標和歸因區間，例如「點擊信件後 30 天內完成一筆訂單就算轉換」。這樣你看到的就不只是開信率，而是真實帶回了幾桌、多少營業額。

第二種是 Automation，自動化流程。設定一次之後，只要有排過隊的客人一段時間沒回來，系統就會自動寄出一封喚回信，每天替你跑，不用你的團隊動手。等於是替離峰時段佈了一張永遠在運作的網。

舉個具體的例子，把這套組起來：你建一個分群「過去 90 天內排過隊、之後沒回訪、且住在店附近」；對這群人發一封 Broadcast，主旨是「平日中午想你，這週招待你一杯飲料」；設定目標為「30 天內完成一筆內用或外帶」。一週後你打開報表，看到這封信帶回了 18 桌、補了幾個原本空著的平日中午。這就是可以衡量、可以複製的離峰行銷，而不是發完優惠券就沒有下文。

順帶一提，根據業界與 Oddle 自有數據，經營得好的 email 行銷，活躍名單的開信率通常落在 25% 到 40% 之間。而每一封信的邊際成本接近於零，這跟「離峰全面打折、每桌都讓利」是完全不同的成本結構。

為什麼這比「離峰打折」更划算

回頭看最常見的那招，離峰全面打折或 LINE 群發優惠券，問題出在三個地方。

一是它找錯人。優惠灑給所有人，包含那些本來就會在週末付全價的常客，等於是主動訓練你最好的客人「再等下一檔折扣」，反而壓低了你尖峰的收入。

二是它吃毛利。每一桌都讓一塊利，量越大、傷越深，而且離峰本來就是要補產能，結果用更低的毛利去補，划不划算很難說。

三是它看不到成效。優惠券發出去之後，多少人是因為這檔活動才回來的？你很難說清楚。

精準回流剛好相反。它只找那些已經離開的人，成本接近於零，而且每一檔都看得到帶回多少營業額。這才是真正划算的餐廳離峰行銷：用最小的成本，換到可以衡量的顧客回訪。更關鍵的是這份資產會複利，每一次尖峰服務，都會自動把新的人補進你的名單。你不是每個月重新去外面買一次需求，而是把你早就擁有、卻一直放著沒用的需求收回來。

說到底，離峰時段該做的，不是再去外面找客人，是把尖峰那群已經為你排過隊的人，好好請回來。