Priya 买了一台冰淇淋自动售货机，把它放在一个区域火车站旁的通勤广场里。人流量完全如销售宣传册所承诺的那样。但前六周的营收却并非如此。在更仔细地审视自己的数据之前，她几乎要把这一切当作选址不佳而放弃。.
这就是她发现了什么、她做出的三处改变，以及九十天后数据是什么样子的故事。这不是一个成功童话。中间有几周她已准备卖掉这台机器。但这个案例之所以有用，恰恰是因为转机来自枯燥、可衡量的修正，而非运气。.
初始设置与最初的数据
Priya 把机器放在站台出口附近，面向傍晚通勤人流。她备了标准的杯装和甜筒组合、几款巧克力和香草口味，定价与广场里其他小亭一致。机器本身是一台紧凑的单缸机型，对首次购买来说很合理。她每天早上上班路上检查一次，每两天补一次货。.
到第六周结束时，她坐下来对着电子表格，数据平平。生意好时机器一天卖大约十八杯，差时卖六七杯。她只能覆盖原料和租金，仅此而已。选址看起来很热闹，但机器并没有把人群转化为销售。.
数据实际显示了什么
数据首先推翻的是她对高峰时段的假设。她原本让机器面向傍晚人流，但机器的销售日志显示，大多数购买发生在早上 7 点到 9 点之间。早间通勤者想在赶火车前快速买点东西。她面向傍晚的摆放位置，意味着机器背对着早间人群。.
第二个发现关乎选择。销量集中在香草和巧克力上。她为了显得有趣而备的芒果和抹茶口味留在机器里，卖得很慢。她压着不赚钱的库存。.
第三个是支付环节的缺口。机器的读卡器在早高峰连接缓慢，相当一部分交易在支付界面被放弃。在按时刻表行动的人群中，二十秒的延迟就是一单丢失的生意。.
她做出的三处改变
她没有移动机器，而是重新调整了朝向，把前面板转向早间站台出口，背对傍晚街道。下午和傍晚的销量没有消失，但早间时段终于能清楚地看到机器。.
她精简了菜单。香草、巧克力，外加一款轮换的季节口味。更小的菜单意味着更少浪费、更快补货，柜子看起来也是满的，而不是半空。.
她与收卡处理商一起修复了支付流程，并在取货区附近增加了一个简单的即取即走套餐。套餐是一杯冰淇淋加隔壁小亭的一块小糕点，一键购买。它明确瞄准想要一样东西、而且要快的早间通勤者。.
食品安全在这一切中都不是事后考虑。她收紧了温度记录，使混合料在早高峰期间保持在安全区间，遵循了 美国食品药品监督管理局（FDA）《食品法典》. 中的冷藏指导。一台干净、低温的机器，就是当地卫生检查员不会多说什么就通过的机器。.
九十天的数据
第一张电子表格之后的九十天，机器在工作日卖四十多杯，周五接近六十杯。套餐上线后客单价略有上升，因为套餐把单杯销售变成了一个小早餐。慢销口味下架后，原料浪费减少了一半以上。她不再把机器当作副业，而是开始把它当作店面来经营。.
对她来说最重要的数字是：机器现在能自己支付租金、原料和刷卡手续费，还有剩余，而且仅靠工作日就做到了。周末成了额外奖励，而不是全部生意。她没有增加第二个点位。她只是让拥有的这一个真正运转起来。.
修正之后的一个典型早晨
看看机器现在的样子会有帮助，因为这些改变在纸面上听起来很小。Priya 在 6:30 前补好混合料和杯子，擦净取货托盘，出门时检查温度读数。早高峰从 7 点持续到 9 点，机器一天的大部分订单都在这个时段完成。中午前后有一个较小的午餐小高峰。到了傍晚，机器就靠偶尔的下班买家维持。节奏足够可预测，她可以每天补一次货，而不是每两天一次，她也不再像紧张的父母那样盯着机器。整个运营现在每天只占用她大约四十分钟的注意力，这是最让她意外的地方。她原以为自动售货机需要盯着。它需要的是测量，然后它基本就能自己运转。.
她会做得不一样的地方
她告诉我，最大的错误是第一个月相信人流量，而不是相信自己的销售日志。人流量告诉你人们在哪里走。日志告诉你他们何时购买、买什么、在哪里放弃。她还说，她会从第一天起就用更小的菜单，并且会更早向机器供应商询问双缸机型。第二个缸本可以让她以完整品质运行两种口味，而不必保留慢销品，这正是她现在为第二个点位在看的机器。.
人流数据告诉你人们在哪里走动。销售日志告诉你他们何时购买。相信日志。.
如果你正在考虑你的第一台 冰淇淋自动售货机, Priya 案例的教训很简单。大多数失败的点位并不是失败的点位。它们是未被测量的点位。在责怪街道之前先看日志，在降价之前先精简菜单，在做任何其他事情之前先把支付流程做快。 Red Rabbit 的团队可以为你讲解单罐和双罐选项，以及哪种适合通勤点位、哪种适合休闲场所。Priya 起步时用的那台机器如今仍在那座广场运行。区别在于，现在她能通过数字知道它为什么有效。.
来自Red Rabbit的相关机器
