Investigación Muntin · Informe de campo

¿Cómo debería un operador independiente ponerle precio a un menú cuando cada insumo no deja de moverse?

Un restaurante independiente le pone precio a su menú frente a insumos que nunca se quedan quietos. Este informe de campo de un operador documenta el instrumento de precios por ingrediente de Muntin —100 ingredientes leídos en cuatro posturas— y ancla cada capa analítica en investigación publicada: teoría del costo de menú y de la rigidez de precios, transmisión de precios del campo al mostrador, literatura de rendimiento comestible y ciencia de la carne, investigación de variación estacional de precios, economía de elasticidad cruzada y comovimiento de materias primas, y estudios de retorno sobre merma. El documento tiene forma de artículo (resumen, secciones citadas, métodos, limitaciones). No está revisado por pares, no es un experimento controlado y no afirma tener significancia estadística.

Las lecturas principales son descriptivas y salen de referencias mayoristas públicas, no del precio de entrega de ningún operador. De 100 ingredientes, 37 fijan, 19 amortiguan, 7 flotan y 37 se reservan. El peor impuesto de merma es el de los cítricos, con 2.16x, y el más suave el del hongo, con 1.14x. Cincuenta y cuatro ingredientes cargan una ventana estacional que pasó un filtro de ruido; el resto solo muestra dispersión. En 432 episodios de gran movimiento, el 94% viajó junto con al menos otro ingrediente —así que un respaldo debe revisarse par por par, ya que la mayoría de los sustitutos nombrados sí cubren y solo una minoría va en espejo—; y el episodio mediano se despejó en 77 días, que es el argumento en contra de reimprimir un menú por un pico.

Palabras clave: precios de menú · rendimiento comestible · rigidez de precios · filtro de precio estacional · comovimiento de materias primas · elasticidad cruzada de precios · retorno sobre merma · control de costos de restaurante

Abre el manual interactivo

Pregúntale a este informe

Siete preguntas que responde este informe de campo — cada respuesta lleva su propia salvedad para que siga siendo cierta citada en corto.

¿Cómo debería un restaurante fijar precios frente a la inflación?

Fija el precio ingrediente por ingrediente contra la propia línea base de cada uno, no el menú como un solo bloque. En los 100 ingredientes de este informe de campo el reparto es 37 fijan, 19 amortiguan, 7 flotan y 37 se reservan — y el instrumento prefiere no publicar una lectura para los 37 que no puede sostener antes que adivinar. Es una lectura descriptiva de una referencia mayorista seguida contra el propio historial de cada ingrediente, nunca un pronóstico de a dónde va un precio.

Se apoya en: [1]

¿Debo reimprimir el menú cuando un precio se dispara?

Normalmente no sobre el pico mismo. En el registro seguido estos movimientos grandes se resolvieron en una mediana de unos 77 días, con la mitad central entre 50 y 105 días — suficiente para trastornar un menú pero suficientemente corto como para que una reimpresión refleja a menudo se revierta. Es una descripción de lo que pasó en el registro, no una predicción del próximo pico.

Se apoya en: [1]

¿Cómo fijo precio sobre el rendimiento en vez de la factura?

Divide el precio de compra entre el rendimiento comestible: el impuesto de merma es 1 ÷ rendimiento, así que un limón de 45% de rendimiento cuesta 2.22× su precio de compra por libra utilizable. Por categoría los cítricos son los más empinados con 2.16× y los hongos los más suaves con 1.14×, pero es un multiplicador de referencia, no tu rendimiento medido ni un costo de entrega — los ingredientes individuales varían alrededor de su cifra de categoría (la lima es 2.86×, el limón 2.22×).

Se apoya en: [14]

¿Cambiar a un ingrediente más barato realmente ahorra dinero?

Compruébalo par por par — un sustituto más barato solo protege el costo si no se mueve con lo que reemplaza. A lo largo de 432 episodios de movimiento grande en el registro seguido, el 94% viajó con al menos otro ingrediente, así que la mayoría de los “respaldos” suben al mismo tiempo. El co-movimiento aquí es asociación a lo largo del registro, no una causa medida, y por eso un cambio hay que verificarlo en vez de asumirlo.

Del registro seguido

¿Vale la pena comprar un ingrediente en su mes más barato?

A veces — 54 de los 100 ingredientes llevan una ventana estacional que superó un filtro de dispersión, y los otros 46 muestran solo dispersión, donde un “mes más barato” sería ruido disfrazado de señal. Donde una ventana se superó, comprar en ella es un ahorro real contra el propio máximo de ese ingrediente; donde no, el calendario no te ayudará. Estas ventanas describen el registro seguido, no un pronóstico, y “de temporada” no es lo mismo que “más barato.”

Del registro seguido

¿Qué proporción de restaurantes realmente fracasa en el primer año?

Alrededor del 26% en el primer año — no el 90% que circula como folclore. La repetida cifra del 90% se rastreó hasta una cita errónea sin datos detrás; la tasa medida de fracaso en el primer año para restaurantes independientes es cerca de una cuarta parte. Esta es la lectura compilada de Muntin de la fuente [6], un estadístico descriptivo, no una predicción sobre ningún restaurante en particular.

Se apoya en: [6]

¿Importa siquiera el costo del ingrediente para el plato?

Sí — una participación agrícola pequeña no es una apuesta pequeña. La participación en valor de la finca del dólar alimentario de EE. UU. es de unos 15.9¢ (un proxy de valor, no una participación de volumen), y reducir el desperdicio de cocina rinde cerca de 7:1, no el mal aplicado 14:1. Un plato de margen delgado no puede absorber un error de costeo, que es exactamente por qué la disciplina de rendimiento y postura — no el precio bruto de la materia prima — mueve el margen. Lectura compilada de Muntin de las fuentes [2] y [34].

Se apoya en: [2] [34]

Nuestra contribución

Unimos el historial público de precios mayoristas con datos abiertos de rendimiento, estacionalidad y comovimiento en un instrumento de operador por ingrediente —100 ingredientes leídos contra una referencia de rendimiento de 134 ingredientes— y añadimos dos filtros honestos: un filtro de ruido estacional que solo admite ventanas que sobreviven a un filtro de ruido por dispersión, y una prueba de comovimiento que verifica si un sustituto culinario de verdad protegería el costo en lugar de reflejar el problema. Después traducimos la ciencia de los alimentos para la línea. No corremos experimentos nuevos; el instrumento es descriptivo y se apoya en referencias. Con claridad y honestidad: esto no está revisado por pares, no es un estudio controlado y ningún resultado aquí es "significativo" en el sentido estadístico. Cada número es una coincidencia leída contra una referencia pública, nunca un pronóstico y nunca una causa medida.

El problema: ponerle precio a insumos que nunca se quedan quietos

Cambiar un precio publicado no es gratis. Mankiw demostró que hasta un pequeño costo fijo de reajuste vuelve privadamente racional que una empresa deje su precio sin cambios tras un choque —y su punto es lo contrario de la lectura popular—. El costo no es la factura de la imprenta; es que una pequeña fricción de reajuste tiene grandes consecuencias. En la línea, cada vez que reconsideras un precio gastas atención real y nada trivial: la expectativa del comensal, el reentrenamiento del personal, la coordinación de un cambio. Cambia los precios de forma deliberada, no por reflejo.

El insumo que vigilas es una porción minoritaria, y no se traslada de forma limpia. La contabilidad del dólar de los alimentos del USDA ERS ubica la parte del campo en cerca de 15.9 centavos de cada dólar gastado en alimentos de producción nacional —lo que corrige la creencia popular de que el precio de la materia prima es la mayor parte de lo que cuesta un plato—. Peltzman, en 242 mercados, halló que los precios de salida suben más rápido de lo que bajan: cuando tu insumo cede, el mostrador históricamente no baja tan rápido como subió. La reseña de Meyer y von Cramon-Taubadel muestra que esta asimetría campo-mayorista-mostrador es común y no prueba por sí sola una colusión. La lección para el operador: un índice mayorista es una referencia, no tu costo de entrega, y llega al plato de forma lenta y despareja.

Los márgenes son delgados, y la historia del fracaso está exagerada. El referente de operadores 2025 de la National Restaurant Association muestra que los márgenes medianos antes de impuestos en servicio completo son bajos, en contra de la idea popular de un negocio de efectivo con márgenes altos. El estudio de Parsa con Dun & Bradstreet halló que el fracaso de restaurantes independientes en el primer año ronda el 26% —no el 90% que tanto se repite, cifra que él rastreó hasta una cita mal atribuida sin datos detrás—. El análisis de supervivencia posterior muestra que el fracaso está estructurado por afiliación, ubicación y tamaño, no por suerte al azar. Así que cargas poco colchón para un error de precios, pero las probabilidades no son la cifra apocalíptica, y la disciplina de precios es una palanca que de verdad tienes en la mano. Este instrumento lee 100 ingredientes justo a través de ese lente.

Se apoya en: [1] [2] [3] [4] [5] [6] [7]

Fijar o flotar: la decisión de postura

Sostener un precio por meses es normal, no flojera. Bils y Klenow midieron un lapso mediano de precio de cerca de 4.3 meses incluyendo rebajas temporales. Nakamura y Steinsson reexaminaron esa misma clase de datos y mostraron que, una vez que se quitan las rebajas, los precios regulares cambian solo cerca de la mitad de seguido —lo que corrige la lectura de que los precios son básicamente flexibles—. Así que un precio de menú que dejaste quieto durante una temporada se comporta como se comportan las empresas disciplinadas. No vas atrasado por dejarlo estar.

La ingeniería de menú te dice cuáles precios vale la pena defender. Kasavana y Smith grafican cada platillo en dos ejes —la mezcla de menú (popularidad) y los dólares de margen de contribución—, no el porcentaje de costo de alimento, lo que corrige la vieja regla de que el platillo con menor porcentaje de costo de alimento es el más rentable. En la línea eso significa: sabe cuáles platillos cargan tus dólares de utilidad bruta, porque ahí es donde una decisión de postura de verdad te da o te quita.

Nuestras cuatro posturas para los 100 ingredientes: 37 fijan, 19 amortiguan, 7 flotan, 37 se reservan. Fijar quiere decir que la lectura es lo bastante clara como para sostener un precio con confianza. Flotar —solo 7— quiere decir que el insumo se mueve lo suficiente, y de forma bastante limpia contra su propia base, como para moverse con él. Reservar —37— quiere decir que declinamos recomendar porque la referencia pública se aleja demasiado del costo de entrega como para decir algo honesto. Amortiguar —19— es la banda más ajustada que no ha terminado de probarse: la señal no es lo bastante fuerte para fijar, así que agregamos un colchón en vez de disfrazar la imprecisión de certeza. Amortiguar es el punto medio honesto, no una cobertura encubierta.

Las proteínas se cargan fuerte hacia reservar. De las 27 proteínas, 16 se reservan, 9 fijan, 2 amortiguan y ninguna flota. Las proteínas son donde una referencia mayorista más se aleja de tu factura, así que el instrumento a propósito dice menos sobre ellas, y lo dice con claridad.

Se apoya en: [8] [9] [10]

Ponle precio a lo que llega al plato: el impuesto de merma

La unidad que importa es la porción comestible, no la libra tal como se compra. Dopson y Hayes codifican el marco AP/EP (tal como se compra / porción comestible) y la prueba de rendimiento: la prueba arroja un porcentaje de rendimiento, y el costo de la porción comestible es igual al costo tal como se compra dividido entre ese rendimiento. Dicho como multiplicador, el impuesto de merma es 1 dividido entre el rendimiento comestible. Las tablas estandarizadas de rendimiento que hay debajo son la USDA Food Buying Guide y el Agriculture Handbook No. 102 —y el AH-102 es la fuente primaria real a la que se remontan la mayoría de las tablas de "% de rendimiento comestible" sin crédito—. Compra por libra; costea por plato.

Los dos extremos de nuestro rango: la categoría de peor merma es la de los cítricos, con 2.16x —compras cerca de 2.16 unidades para emplatar una, aunque en los cítricos esa unidad que sobrevive es jugo, no pulpa recortada, así que la cifra es un costo de extracción de jugo y no de recorte de cuchillo— y la más suave es la del hongo, con 1.14x. Veinticuatro de los 100 ingredientes cargan las cuatro capas unidas a la vez: una postura imprimible, un costo de rendimiento comestible, un mes más barato y un cambio verificado. Una capa más profunda de libra servida, donde la pérdida por cocción y la purga se apilan sobre la merma cruda de cuchillo, está medida para los 21 con rendimiento cocido; la referencia de rendimiento que hay debajo abarca 134 ingredientes.

La cocción quita peso más allá del cuchillo. Las tablas de rendimiento en cocción del USDA (Roseland y colegas) muestran que la pérdida medida está dominada por humedad y grasa, lo que corrige la creencia de que la pérdida de tal-como-se-compra a porción-comestible es sobre todo recorte. El trabajo de Tornberg sobre proteína cárnica explica el mecanismo: cuanto más caliente llevas un corte, más agua exprimen sus proteínas, así que el rendimiento cocido baja con el término. Purslow muestra que el encogimiento no es un solo porcentaje plano, sino que sube por escalones a medida que el centro pasa de término medio-rojo hacia bien cocido. Weatherly y colegas muestran que cortar tus propios steaks de un subprimal cambia un costo por otro. El trabajo de Okomoda sobre pescado muestra que, con pescado entero, la especie, no el precio de etiqueta, decide cuánto emplatas. El mismo precio de factura esconde costos de plato muy distintos.

Para los básicos secos el impuesto corre al revés. Turhan y colegas hallaron que los garbanzos secos aproximadamente duplican su peso al remojarse; Yadav y Jindal hallaron que el arroz pulido regresa aproximadamente de dos y media a tres veces. Así que para legumbres y granos secos, el rendimiento es una ganancia y no una pérdida —costéalos hidratados, no secos—.

Se apoya en: [11] [12] [13] [14] [15] [16] [17] [18] [19] [20]

La temporada oculta y el filtro de ruido

Una ventana tiene que separarse de la dispersión antes de contar. El procedimiento STL de Cleveland y colegas divide una serie de precios en tendencia, un componente estacional y un residuo, usando loess resistente a valores atípicos para que unas pocas semanas raras no dominen. Findley y colegas, al documentar X-12-ARIMA, agregan pruebas de estacionalidad identificable que corrigen el supuesto de que cualquier caída o pico recurrente es de verdad estacional. En la línea: una caída que viste una vez no es una ventana; una ventana tiene que sobrevivir a una prueba.

La estacionalidad es específica de cada producto, no una regla general. El USDA ERS, con precios mensuales de 2016-18, halló que la estacionalidad de la verdura fresca es específica de la categoría y del producto —lo que corrige la historia ordenada de que toda la verdura es más barata en verano—. Así que cada ingrediente se gana su propia ventana, o no se gana ninguna.

Nuestro filtro admite 54 de los 100 ingredientes: cargan una ventana de tiempo estacional que pasó la prueba de ruido, y los otros 46 solo muestran dispersión. Algunas proteínas tocan fondo tras su pico de oferta, pero esa ventana es una lectura descriptiva del precio pasado, no un pronóstico de este año. Dos comprobaciones de honestidad vienen de la literatura del sabor. Schwieterman y colegas señalan que "de temporada" y "lo más barato" no son las mismas semanas. Kader muestra que la ventana de mejor sabor la fija la variedad y el punto de madurez a la cosecha, no el precio. Nuestra ventana apunta a un fondo histórico de precio; no promete que el fondo se repita, y no promete sabor.

Se apoya en: [21] [22] [23] [24] [25]

El cambio que ayuda frente al cambio que refleja

La sustitución es real, pero no es un solo número. El Almost Ideal Demand System de Deaton y Muellbauer modela cómo responden las participaciones de gasto a los precios relativos; Okrent y Alston estimaron esas respuestas de precio cruzado en 43 productos alimenticios desagregados. Andreyeva y colegas, al revisar 160 estudios, no hallaron una sola elasticidad de los alimentos —lo que corrige el atajo de que "la demanda de alimentos es inelástica" como una sola cifra—. Así que un cambio puede de verdad aliviar un costo, pero el tamaño del alivio depende del par específico.

Un cambio que se mueve al mismo compás que tu problema no lo cubre. Pindyck y Rotemberg documentaron que materias primas en gran medida no relacionadas muestran un comovimiento persistente muy por encima de lo que explican los fundamentos compartidos —lo que corrige el mito de que el comovimiento revela un vínculo real, o de que cambiarte a un bien que comueve te protege—. Nuestra lectura de comovimiento hace el mismo punto en el estante: en 432 episodios de gran movimiento, el 94% viajó junto con al menos otro ingrediente. Como el comovimiento es así de generalizado, un respaldo no puede darse por independiente, así que conviene revisar: la mayoría de los sustitutos nombrados aún se mueven con su propio reloj y sí cubren, y solo una minoría va en espejo. La coincidencia no es causa, y no es una cobertura.

El sabor no es fungible, lo que le pone tope a todo cambio. El trabajo de omisión de Grosch muestra que el olor característico de un platillo descansa en unas pocas moléculas específicas —quítalas y desaparece—. Potter y Fagerson muestran que los aldehídos del cilantro no los lleva ninguna otra hierba común, así que ese cambio nunca es 1:1. En la línea el orden es: la prueba de comovimiento te dice si un cambio siquiera protege el costo; la química del sabor te dice cuánto le cuesta al plato.

Se apoya en: [26] [27] [28] [29] [30] [31]

No reimprimas por un pico: la lectura de duración del choque

Como reajustar un precio tiene un costo, un choque transitorio no debería mover el menú. El modelo de Mankiw vuelve racional dejar el precio sin cambios tras un choque cuando cambiarlo es costoso. Las entrevistas de Blinder con cerca de 200 empresas afinan el cuadro: la mayoría reportó reajustar no más de una o dos veces al año, y calificaron como bajo el costo físico de cambiar precios —la fricción real son las relaciones con los clientes y la coordinación, no la imprenta—. Un pico, por sí solo, no es razón para reimprimir.

La mayoría de los picos se despeja sola. Nuestra lectura de duración en 432 episodios de gran movimiento ubica el despeje mediano en 77 días, con la mitad central entre 50 y 105 días. En términos de operador, el pico típico se va en cerca de un trimestre, y un cambio de menú hecho en la primera semana a menudo ya está viejo para cuando se seca la tinta.

Y un pico no es un pronóstico. Working mostró que un diferencial de precio intertemporal refleja el costo de mantener existencias, no que el mercado prediga una escasez futura —lo que corrige el instinto de leer una brecha como una advertencia sobre hacia dónde van los precios—. Así que lee un pico como un nivel contra la propia base del ingrediente, de forma descriptiva, y deja que la lectura de duración decida si conviene esperar a que pase.

Se apoya en: [1] [32] [33]

La merma es margen: de recorte a valor

Recortar la merma paga, y el retorno no es intensivo en capital. El estudio de restaurantes de Champions 12.3, en 114 sitios de 12 países, halló que casi todos los sitios obtuvieron un retorno positivo, con el restaurante promedio ahorrando cerca de 7 dólares por cada 1 dólar invertido —lo que corrige la creencia de que los programas de merma de cocina exigen mucho capital y retornos largos—. El recorte que costeaste como impuesto de merma es también la merma que puedes recuperar.

Cita la cifra correcta. El retorno de 14:1 que tanto se repite viene del trabajo multisectorial anterior de Champions 12.3, que abarca manufactura, comercio, hostelería y servicio de alimentos, y se aplica mal cuando se hace pasar por la cifra de restaurantes. El número específico de restaurantes está más cerca de 7:1, y ese es el que usamos.

La prevención le gana a desechar. El análisis nacional de ReFED identificó 27 medidas costo-efectivas y halló que la prevención —con el seguimiento de la merma a la cabeza— supera al compostaje y al reciclaje. En la línea el orden se sigue: mide primero, porque la libra de comida más barata es la que nunca recortaste hacia el bote.

Se apoya en: [34] [35] [36]

La evidencia, en la página

Las celdas de hallazgo / cómo-fundamenta / mito son el análisis compilado de Muntin (CC BY 4.0), mostradas en su síntesis original en inglés; el título, los autores y el DOI son hecho público. Cada resumen se limita a lo que la fuente muestra.

De 100 ingredientes: 37 fijan, 19 amortiguan, 7 flotan, 37 se reservan. Los 37 reservados se dividen en 27 sin serie pública (banda cero) y 10 demasiado volátiles para anclar (bandas 30.1%–62.4%).

Multiplicadores de merma por categoría (referencia de 134 ingredientes)

Promedios por categoría — los ingredientes individuales varían alrededor de su cifra de categoría (p. ej. lima 2.86×, limón 2.22×).
FuenteFuente: la referencia de rendimiento comestible de 134 ingredientes. Impuesto de merma = 1 ÷ rendimiento medio de la categoría; un multiplicador de referencia, no un costo de entrega.
La evidencia, en la página
#FuenteCapaHallazgoCómo fundamentaMito que corrigeConf.Citado en
1N. Gregory Mankiw (1985). Small Menu Costs and Large Business Cycles: A Macroeconomic Model of Monopoly. DOImenu-costsIn a monopoly model, a small fixed cost of changing the posted price makes it privately rational for a firm to leave its price unchanged after a nominal demand shock, yet the resulting price rigidity produces welfare losses far larger than the menu cost itself.Our print-vs-float posture rests directly on Mankiw's result that a small fixed repricing cost rationally justifies holding a listed price through a shock; we carry it from macro monopoly theory into the concrete menu-reprint decision.The popular reading that a 'menu cost' is merely the trivial expense of reprinting menus — Mankiw's point is the opposite: even small repricing frictions (a metaphor for all adjustment costs) generate disproportionately large effects, so the cost is neither trivial nor merely physical.high2
2U.S. Department of Agriculture, Economic Research Service (ERS) (2023). Food Dollar Series (farm share of the U.S. food dollar; companion: Price Spreads from Farm to Consumer). DOIwhy-it-mattersIn the U.S. food-dollar accounting, farm establishments received about 15.9 cents of each dollar U.S. consumers spent on domestically produced food in 2023 (the 'farm share'), with the large majority going to post-farm marketing costs — processing, packaging, transportation, wholesaling, and retailing; the companion Price Spreads from Farm to Consumer series (a distinct ERS data product) reports farm value, wholesale, and retail values whose spreads move partly independently of farm-gate prices.Our 'wholesale is not what you pay' honesty rests directly on this official accounting: because the farm/commodity value is a minority (~16 cents) of the retail food dollar, a commodity or wholesale move cannot be read one-to-one into an operator's menu cost.Corrects the folk belief that the farm/commodity (or wholesale) price is most of what you pay and that farmers capture most of the food dollar — the 2023 farm share is about 15.9 cents; the majority is post-farm marketing cost.high1
3Sam Peltzman (2000). Prices Rise Faster than They Fall. DOIbandsAcross 242 markets (77 consumer and 165 producer goods), output prices respond faster to input-cost increases than to decreases in more than two of every three markets, with the immediate response to a positive cost shock at least twice the response to an equal negative shock and the gap persisting five to eight months — the foundational cross-market demonstration of asymmetric 'rockets and feathers' pass-through.Our wholesale-reference bands are framed as market context rather than a live retail price precisely because Peltzman shows output prices track input costs up fast but down slowly, so a wholesale dip has not necessarily flowed through to what an operator actually pays.Corrects the assumption that when wholesale or input costs fall, retail prices fall just as fast as they rose — Peltzman documents the opposite (rise-faster-than-fall) in roughly two-thirds of markets.high1
4Jochen Meyer and Stephan von Cramon-Taubadel (2004). Asymmetric Price Transmission: A Survey. DOIbandsThis agricultural-economics survey classifies the types, causes, and econometric measurement of asymmetric price transmission along farm-wholesale-retail chains, documenting that asymmetry is widespread empirically but arises from multiple mechanisms (adjustment/menu costs, inventory holding, search costs, and market power) rather than any single cause, and that measured asymmetry is sensitive to model specification and data frequency.We treat the farm-to-wholesale-to-retail chain as loosely and asymmetrically coupled per this survey, which is why our bands report a wholesale reference range rather than imputing a retail price from a wholesale move.Corrects the myth that asymmetric pass-through is proof of seller collusion or retail market power — the survey shows asymmetry also arises from non-collusive mechanisms (menu/adjustment costs, inventory, search) and appears even in competitive settings.high1
5National Restaurant Association (2025). 2025 Restaurant Operations Report (Restaurant Operations Data Abstract). DOImenu-costsDrawing on financial and operational data from more than 900 U.S. restaurants, the report shows fullservice restaurants had a median income before taxes of 2.8% of sales and limited-service restaurants 4.0%, documenting the industry's thin, low-single-digit net-margin structure.Our 'why cost discipline matters' layer rests on these low-single-digit median pre-tax margins: because the cushion is only a few points of sales, a small drift in food cost can erase an independent's entire profit, which is exactly why per-ingredient tracking matters.The lay perception that restaurants are high-margin cash businesses; the authoritative operator benchmark shows median pre-tax margins in the low single digits (2.8% fullservice / 4.0% limited-service).med1
6H. G. Parsa, John T. Self, David Njite, Tiffany King (2005). Why Restaurants Fail. DOIwhy-it-mattersUsing Dun & Bradstreet longitudinal records for independent restaurants (Columbus, Ohio, 1996-1999), first-year failure was 26.16%, and cumulative three-year failure was roughly 57-61% (franchise chains 57.2%, independents 61.4%; the three-year cumulative rate did not exceed ~60%). A literature review found no empirical basis for the widely repeated 90%-fail-in-year-one claim, and failure was also traced to non-financial drivers, notably family life-cycle / quality-of-life management and, qualitatively, location.Our analysis stands on the corrected ~26% first-year figure (not 90%) to argue honestly that restaurant failure is real but survivable, so margin and per-ingredient cost control is a lever operators genuinely hold rather than a lost cause.The 'about 90% of restaurants fail in their first year' claim: Parsa found it widely accepted with no data behind it and traced it to an American Express-linked source (the AmEx-sponsored reality show 'The Restaurant') that, when asked, stated in writing it could not provide supporting data. The peer-reviewed first-year rate for independents was ~26% (26.16%).high1
7H. G. Parsa, John Self, Sandra Sydnor-Busso, Hae Jin Yoon (2011). Why Restaurants Fail? Part II - The Impact of Affiliation, Location, and Size on Restaurant Failures: Results from a Survival Analysis. DOIwhy-it-mattersA survival (hazard) analysis of restaurant failures showing that mortality is systematically structured by affiliation (chain/multi-unit vs. independent), location (zip code), and size rather than random: independents faced substantially elevated closure risk versus chain-affiliated restaurants, and smaller restaurants failed at higher rates than larger ones.We extend this by treating the finding that independents carry structurally higher failure hazard as the reason their thinner cash buffers make disciplined per-ingredient costing a survival tool, not a nicety.—high1
8Mark Bils and Peter J. Klenow (2004). Some Evidence on the Importance of Sticky Prices. DOIpostureUsing BLS micro-data on ~350 categories (about 70% of consumer spending), the median price spell lasts about 4.3 months including temporary sales and about 5.5 months once sales are excluded, with the frequency of price change differing dramatically across goods.Gives our 'don't reprint on day one' posture an empirical cadence: even in a broad, relatively flexible sample, half of prices persist 4-5+ months — long enough that a short cost shock usually resolves before a disciplined operator would otherwise reprice.—high1
9Emi Nakamura and Jón Steinsson (2008). Five Facts about Prices: A Reevaluation of Menu Cost Models. DOIpostureRe-examining the same class of BLS micro-data, once temporary sales are excluded the median frequency of regular (nonsale) price change is roughly half the with-sales frequency, implying regular prices persist on the order of 8-11 months, and the price-change hazard does not rise with time since the last change.Our strongest anchor for holding through a shock: stripping out promo sales shows regular list prices persist most of a year, so a 77-day median shock will typically pass before a reprint is warranted — the empirical spine of 'don't reprint on day one.'The widely repeated claim that Bils-Klenow prove prices 'change every ~4 months, so prices are basically flexible' — Nakamura-Steinsson show most of that churn is temporary sales snapping back to a sticky regular price, so regular prices are roughly twice as sticky (median ~8-11 months).high1
10Michael L. Kasavana; Donald I. Smith (1982). Menu Engineering: A Practical Guide to Menu Analysis. OCLC 9550099 — https://search.worldcat.org/title/9550099 (ISBN 0-932235-01-5 / 9780932235015; also Open Library OL21382210M)postureIntroduced menu engineering: every item is plotted on two axes — menu mix (popularity) and contribution margin (gross profit dollars per item) — into Stars (popular, high-margin), Plowhorses (popular, low-margin), Puzzles (unpopular, high-margin), and Dogs (unpopular, low-margin), each carrying a distinct reprice/reposition/keep/cut action.Our per-item posture verdict (hold / reprice / reposition / cut) is the direct descendant of their popularity x contribution-margin quadrant; we extend it by driving the margin axis with live cost-index movement instead of a static food cost.Corrects the older 'lowest food-cost-percentage item is the most profitable' rule: menu engineering ranks on contribution-margin dollars, not food-cost %, so a low-cost-% item can still be a weak contributor and a high-cost-% item a strong one.high1
11Dopson, Lea R.; Hayes, David K. (2019). Food and Beverage Cost Control, 7th Edition (Ch. 5, Monitoring Food and Beverage Product Costs). DOItrim-taxCodifies the AP/EP framework and the yield test (butcher's/cooking test): the test produces a yield percentage, and edible-portion (servable) cost equals the as-purchased cost divided by that yield percentage — i.e., a cost factor of 1 divided by yield applied to the AP price.This is the canonical textbook statement of our trim-tax formula; our layer applies its cost factor (1 / yield %) as the multiplier on ingredient cost when costing and pricing a menu item.—high1
12U.S. Department of Agriculture, Food and Nutrition Service (2024). Food Buying Guide for Child Nutrition Programs (interactive web-based edition). DOItrim-taxPublishes standardized as-purchased (AP) to served/edible-portion yield data in a six-column table (Column 1 Food As Purchased; Column 3 Servings per Purchase Unit, EP; Column 5 Purchase Units for 100 Servings; Column 6 Additional Yield Information) so an operator can calculate the AP quantity to buy to net a required amount of served food. It is the USDA's standardized, continuously-updated purchase-yield reference for Child Nutrition Programs, and is widely used beyond schools as a government foodservice purchase-yield reference.Our trim-tax multiplier (1 / edible yield) uses FBG-style AP-to-served yield factors as its standardized, citable basis; we extend the FBG's purchase-quantity math into a per-dollar cost penalty applied when pricing a menu item.Corrects the assumption that the FBG is only for school/CACFP kitchens: its title scopes it to Child Nutrition Programs, but the underlying AP-to-served yield tables are a general USDA purchase-yield reference usable by any foodservice operator.high1
13Pecot, Rebecca K.; Watt, Bernice K. (U.S. Department of Agriculture, Agricultural Research Service) (1956). Food Yields Summarized by Different Stages of Preparation (Agriculture Handbook No. 102). DOItrim-taxCompiles empirical percentage yields for a wide range of foods across successive preparation stages (as-purchased to trimmed/edible to cooked), quantifying refuse/trim losses and cooking losses relative to as-purchased weight.It is the primary empirical foundation the trim-tax rests on — documenting that edible yield after trim and cooking is materially below purchased weight; we convert those measured loss fractions into the 1/yield cost markup.Many circulating 'edible-yield %' charts have no cited provenance; AH-102 is the actual primary USDA source those yield figures trace back to, not vendor lore.high1
14Roseland, Janet M.; Nguyen, Quynh Anh; Williams, Juhi R.; Patterson, Kristine Y.; Showell, Bethany A.; Pehrsson, Pamela R. (USDA Agricultural Research Service) (2017). USDA Table of Cooking Yields for Meat and Poultry, Release 2. DOItrim-taxReports measured cooking yields (weight change from moisture and fat loss) for specific meat and poultry cuts under standardized cooking protocols, isolating cooking loss as a distinct component of edible yield separate from knife trim.Supplies the cooking-loss component of edible yield for proteins specifically; we use it to justify splitting the trim-tax into a trim component and a cook component rather than a single blended factor.Corrects the belief that AP-to-EP yield loss is mostly knife trimming: for cooked proteins a large share of weight loss is moisture and fat driven off during cooking, not trim.high1
15Tornberg, E. (2005). Effects of heat on meat proteins – Implications on structure and quality of meat products. DOIcooked-yieldA review of how heat restructures meat proteins. The globular sarcoplasmic and myofibrillar proteins begin to denature and aggregate around 40°C, with most set by about 60°C and coagulation continuing up to ~90°C; as this network denatures it shrinks and squeezes out held water, so cooking (water) loss rises with temperature. Collagen (connective tissue) denatures at roughly 53-63°C and its fibers shrink, and on continued moist heating the shrunken collagen dissolves into gelatin unless it is locked up by heat-stable crosslinks.——high1
16Purslow, P.P.; Oiseth, S.; Hughes, J.; Warner, R.D. (2016). The structural basis of cooking loss in beef: Variations with temperature and ageing. DOIcooked-yieldIn aged beef eye-of-round (semitendinosus), the water squeezed out during cooking comes mainly from the muscle fibers themselves shrinking, not from connective tissue. Fibers shrink sideways (cross-sectional area down about 20-24%) as myosin denatures around 50-65 C, then shrink lengthwise as actin denatures around 70-75 C — so cooking loss climbs in two temperature-driven steps as the center gets hotter. Meat aged longer (14 days vs 1 day) gave up more fluid when cooked.——high1
17Weatherly, B.H.; Griffin, D.B.; Johnson, H.K.; Walter, J.P.; De La Zerda, M.J.; Tipton, N.C.; Savell, J.W. (2001). Foodservice yield and fabrication times for beef as influenced by purchasing options and merchandising styles. DOItrim-taxProfessional cutters at three foodservice purveyors fabricated beef subprimals into ready-to-cook portion cuts while researchers weighed every cut and timed every job. Both the total usable yield and the labor time depended on the cutting spec, and the two moved against each other: as the target steak size got smaller, more steaks came off a given subprimal, but total foodservice yield fell and total cutting time rose — an inverse relationship between how much usable product you kept and how long the cutting took.——med1
18Okomoda, V.T.; Solomon, S.G.; Wukatda, S.S.; Ikape, S.I.; Ikhwanuddin, M.; Abol-Munafi, A.B. (2021). Fillet Yield and Length-Weight Relationship of Five Fish Species From Lower River Benue, Makurdi, Nigeria. DOItrim-taxFilleting 60 fish each of five species, researchers found edible/fillet yield swung widely by species: three species (Mormyrus rume, Labeo senegalensis, and the catfish Clarias gariepinus) yielded at least 55% edible parts, while the other two yielded 39% or less. For most species the yield percentage stayed roughly constant regardless of fish size; only the catfish yield rose with larger fish.——high1
19Turhan, M.; Sayar, S.; Gunasekaran, S. (2002). Application of Peleg model to study water absorption in chickpea during soaking. DOIcooked-yieldSoaking dried chickpeas follows a predictable curve: water rushes in fast at first, then the uptake rate tapers as the seed nears saturation. The authors showed the two-constant Peleg equation reproduces this entire soaking curve — for five winter- and five spring-planted chickpea genotypes across water temperatures from 20 to 100 C — using only early-timepoint data, and that warmer soak water hydrates faster (the model's equilibrium form estimates the fully-hydrated endpoint at temperatures at or above 40 C). A soaked-out chickpea has taken on roughly its own dry weight in water.——high1
20Yadav, B. K.; Jindal, V. K. (2007). Water uptake and solid loss during cooking of milled rice (Oryza sativa L.) in relation to its physicochemical properties. DOIcooked-yieldCooking 10 Thai milled-rice varieties (16-29% amylose) in excess water, the authors found water uptake climbs quickly at first then flattens as grains approach saturation (uptake curves fit a modified exponential, R2 0.995-0.999), while dissolved solids leach into the cooking water as a power function of cooking time — steadily more the longer it boils. How much water a rice takes up was governed largely by its amylose content and amylose solubility (alkali-spreading score); higher-amylose rices take up more water and need longer cooking.——high1
21Robert B. Cleveland, William S. Cleveland, Jean E. McRae, and Irma Terpenning (1990). STL: A Seasonal-Trend Decomposition Procedure Based on Loess (with Discussion). DOIseasonal-windowCleveland, Cleveland, McRae and Terpenning introduced STL, a robust loess-based procedure that splits a time series into trend, a seasonal component allowed to evolve gradually over time, and a remainder, giving a resistant way to estimate the recurring seasonal shape without a single anomalous observation distorting it.Our seasonal-window layer estimates each ingredient's recurring shape in the STL spirit—decomposing a price history into trend + seasonal + remainder with a robust, time-varying seasonal component—so an outlier week does not redraw the window and a slowly-shifting season is still captured.—high1
22David F. Findley, Brian C. Monsell, William R. Bell, Mark C. Otto, and Bor-Chung Chen (1998). New Capabilities and Methods of the X-12-ARIMA Seasonal-Adjustment Program. DOIseasonal-windowDocumenting the U.S. Census Bureau's X-12-ARIMA program, the authors describe its seasonal-adjustment method and diagnostic suite, including the tests used to decide whether a series' seasonal movement is statistically identifiable (the combined stable-plus-moving F-tests and Kruskal-Wallis test, after Lothian and Morry) rather than a series that merely looks seasonal.Our noise gate operationalizes the same principle these diagnostics formalize: a seasonal window is drawn only when the recurring component is large and stable relative to the remainder, so scatter is never promoted to a 'season'—we require identifiable seasonality before publishing a window.Corrects the myth that any recurring dip or peak is 'seasonal'; the identifiable-seasonality framework this program reports shows apparent patterns can fail the stable/moving/nonparametric tests and must be treated as non-seasonal noise.high1
23U.S. Department of Agriculture, Economic Research Service (2024). Starchy fresh vegetables (excluding potatoes) had the most seasonal price variation from 2016-18 (Charts of Note, from Food-at-Home Monthly Area Prices data). DOIseasonal-windowUsing Food-at-Home Monthly Area Prices for 2016-18, USDA ERS found that seasonal price variation among fresh vegetables is category- and item-specific: it is largest for the 'other starchy vegetables' group (dominated by sweet corn), which is cheapest in summer when domestic supply peaks, and smallest for dark green vegetables, which show little seasonal price movement.This grounds our per-ingredient (not blanket) seasonal windows: because seasonality varies by category and item, we estimate a window for each ingredient rather than assuming a uniform 'summer is cheap' rule, and we suppress windows for low-variation items like dark greens.Corrects the 'all produce is cheapest in summer / produce is uniformly seasonal' oversimplification; ERS shows some categories have pronounced summer troughs while others (dark greens) show minimal seasonal price variation.high1
24Schwieterman, Michael L.; Colquhoun, Thomas A.; Jaworski, Elizabeth A.; Bartoshuk, Linda M.; Gilbert, Jessica L.; Tieman, Denise M.; Clark, David G. (2014). Strawberry flavor: diverse chemical compositions, a seasonal influence, and effects on sensory perception. DOIpeak-seasonAcross many strawberry varieties and harvest dates, sweetness and overall consumer liking tracked sugar levels and a specific set of aroma volatiles — and both varied substantially with growing season and conditions, with fruit grown under warmer-season pressures generally lower in sucrose and total volatiles. Notably, a subset of volatile compounds made berries taste sweeter than their measured sugar alone would predict. So the very same cultivar can eat noticeably better in a favorable stretch of the season than in a harsh one, independent of price.——high1
25Kader, Adel A. (2008). Flavor quality of fruits and vegetables. DOIpeak-seasonA review of what actually makes fruits and vegetables taste good. Eating quality — the balance of sugars, acids, and aroma volatiles — is largely fixed before harvest by the cultivar and by how ripe the item was when it was picked. For most crops, the longer the gap between harvest and eating, the more of that characteristic flavor is lost and the more off-flavors develop. Many commercial crops are harvested less-than-ripe so they survive shipping, which caps how good they can ever taste on the plate.——high1
26Angus Deaton; John Muellbauer (1980). An Almost Ideal Demand System. DOIsubstitutionIntroduced the Almost Ideal Demand System (AIDS), a theoretically consistent demand model in which each good's budget share is linear in log prices and log real expenditure, yielding estimable own-price, cross-price, and expenditure elasticities and permitting direct tests of homogeneity and symmetry.It is the demand-system backbone our substitution finder rests on: substitutability is a property of estimated compensated demand response, so we treat 'substitute' as a demand-model claim, never a raw price-correlation claim.—high1
27Abigail M. Okrent; Julian M. Alston (2012). The Demand for Disaggregated Food-Away-from-Home and Food-at-Home Products in the United States. DOIsubstitutionEstimating a demand system for 43 disaggregated food-away-from-home and food-at-home products in the United States via two-stage budgeting, they recover own-price, expenditure, and cross-price elasticities and find many statistically significant substitution and complementary relationships within and across food categories, with food-away-from-home items being expenditure-elastic 'luxuries.'It supplies real U.S. food cross-price elasticities showing substitution is pair- and category-specific and frequently small, so our finder derives a candidate swap's hedging value from measured demand response rather than assuming any two ingredients substitute.—high1
28Tatiana Andreyeva; Michael W. Long; Kelly D. Brownell (2010). The Impact of Food Prices on Consumption: A Systematic Review of Research on the Price Elasticity of Demand for Food. DOIsubstitutionA systematic review of 160 studies found mean own-price elasticities of demand for major U.S. food and beverage categories clustering in the inelastic range (absolute values roughly 0.27 to 0.81), with food away from home, soft drinks, juice, and meats the most price-responsive (about 0.7-0.8) and eggs the least (about 0.27).It grounds the finder's category-specific humility: measured food price-responsiveness varies widely by category and robust cross-price/substitution estimates are comparatively scarce, so a proposed swap's hedging benefit must be evidenced per category rather than assumed from a single 'food is inelastic' rule of thumb.The myth of a single or uniform food price elasticity (that 'food demand is inelastic' as one number); the review documents that elasticities differ substantially by category, with food away from home among the most price-responsive.high1
29Robert S. Pindyck; Julio J. Rotemberg (1990). The Excess Co-Movement of Commodity Prices. DOIsubstitutionPrices of largely unrelated raw commodities (wheat, cotton, copper, gold, crude oil, lumber, cocoa) exhibit persistent co-movement well in excess of anything that common macroeconomic fundamentals - inflation, industrial production, interest rates, and exchange rates - can explain.It is the empirical warrant for our core honesty rule - that two ingredients whose wholesale prices move together are not thereby substitutes and swapping one for the other does not hedge - because co-movement is driven by shared macro/financial forces, not by any demand relationship between the goods (we flag that later work, e.g. Deb-Trivedi-Varangis 1996, contests the magnitude of the 'excess,' though not that unrelated commodities co-move).The myth that price co-movement reveals an economic linkage - that co-moving goods are substitutes/complements, or that a co-moving swap hedges; Pindyck-Rotemberg show commodity-price co-movement exceeds and is unexplained by common fundamentals, so co-movement is not evidence of substitutability.med1
30W. Grosch (2001). Evaluation of the Key Odorants of Foods by Dilution Experiments, Aroma Models and Omission. DOIsubstitutionAcross foods as different as coffee, boiled beef, olive oil, wine, and French fries, a food's characteristic aroma is carried by a surprisingly small set of 'key odorants.' When researchers rebuild the aroma from pure compounds (an aroma model) and then leave one compound out (an omission test), the smell noticeably shifts — direct proof that a handful of specific molecules are load-bearing for the food's identity. The review notes odorants with higher odour activity values are usually essential, with some exceptions.——high1
31T. L. Potter and I. S. Fagerson (1990). Composition of coriander leaf volatiles. DOIsubstitutionThe characteristic smell of fresh cilantro (coriander) leaf comes overwhelmingly from a family of long-chain aliphatic aldehydes — chiefly (E)-2-decenal and decanal, alongside other C10–C16 2-alkenals and n-alkanals. In this study these aldehydes were the dominant volatiles isolated from the leaf, and they are what the nose reads as 'cilantro.'——high1
32Alan S. Blinder, Elie R. D. Canetti, David E. Lebow, and Jeremy B. Rudd (1998). Asking About Prices: A New Approach to Understanding Price Stickiness. DOImenu-costsIn structured interviews with ~200 U.S. firms testing twelve theories of price stickiness, most firms reported repricing no more than once or twice a year (many only annually), and the best-supported explanations were coordination failure (waiting for rivals to move first) and implicit contracts / not antagonizing customers rather than the physical cost of changing prices.Validates our posture with operator testimony: experienced price-setters deliberately hold prices roughly annually and cite relational/strategic frictions, which is exactly why we counsel floating quietly rather than reprinting the menu at the first cost move.That 'menu costs' are dominated by the physical cost of changing price tags or menus — Blinder's survey ranked such physical costs low; the binding frictions are informational and relational (coordination failure, customer goodwill).high1
33Holbrook Working (1949). The Theory of Price of Storage. DOIwhy-it-mattersWorking demonstrated that the price relationship between a commodity for delivery at different dates (the intertemporal or 'storage' spread) is set by the quantity of supply currently on hand and the competitively-determined cost of carrying it forward, not by the market's expectation of future price change—so the recurring harvest-glut-to-lean-season price structure is the return earned for storing supply across time.This underwrites why a seasonal window exists at all—storage arbitrage smooths but cannot erase the glut-to-lean cost cycle—while cautioning that the spread is a return to storage, not a forecast, which is exactly why our seasonal-window layer prices around a recurring shape and never forecasts a level.Corrects the common belief that a forward/seasonal price gap is the market 'predicting' future scarcity; Working shows the spread reflects current supply and carrying cost, so it is not a price forecast to be traded on.high1
34Austin Clowes, Craig Hanson, and Richard Swannell (on behalf of Champions 12.3) (2019). The Business Case for Reducing Food Loss and Waste: Restaurants. DOItrim-to-valueA study of 114 restaurant sites across 12 countries found nearly every site achieved a positive return, with the average restaurant saving about $7 for every $1 invested in cutting kitchen food waste; sites reduced waste roughly 26% within the first year, over 75% recouped their investment within a year (89% within two years), and every site kept total investment under $20,000.Our trim-to-value layer uses this restaurant-specific 7:1 as its conservative, real-world ROI anchor for turning measured trim and waste reduction into recovered margin, rather than leaning on the inflated cross-sector number.The belief that kitchen food-waste programs demand heavy capital and have long paybacks - the study found every one of the 114 sites invested under $20,000 and most recouped within a single year.high1
35Craig Hanson and Peter Mitchell (on behalf of Champions 12.3) (2017). The Business Case for Reducing Food Loss and Waste. DOIwhy-it-mattersAcross 1,200 business sites in 700 companies spanning 17 countries, nearly every site achieved a positive return on food-loss-and-waste reduction, with half realizing a benefit-cost ratio of 14:1 or greater (an average of roughly $14 saved for every $1 invested).It grounds our why-it-matters case that measuring and acting on waste reliably pays back at scale, while our page deliberately cites the restaurant-specific 7:1 instead of this headline 14:1 to avoid overstating the return for a single kitchen.The widely repeated '14:1 return on food-waste reduction' is a multi-sector average (manufacturing, retail, hospitality, foodservice) that is routinely mis-applied to restaurants specifically; the restaurant-only companion study puts the figure at about 7:1.high1
36ReFED (Rethink Food Waste Through Economics and Data), a multi-stakeholder collaboration (2016). A Roadmap to Reduce U.S. Food Waste by 20 Percent. DOItrim-to-valueReFED's first national economic analysis identified 27 cost-effective, scalable solutions that could cut US food waste about 20% (roughly 13 million tons per year) and generate about $100 billion in cumulative economic value over a decade, finding prevention far more economically valuable per ton than recycling and naming Waste Tracking & Analytics the single most economically valuable business-facing solution (an estimated $1.3 billion in gross annual business cost savings), with restaurants and foodservice positioned to capture the large majority of that prevention profit potential.It grounds the trim-to-value mechanism - that the highest-ROI lever is measuring and tracking waste before cutting it, and that restaurants and foodservice capture most of the resulting profit - which our layer frames as measure-then-trim.The assumption that composting and recycling are the top food-waste levers - ReFED found prevention solutions such as waste tracking deliver far greater economic value per ton than recycling food scraps.high1

Métodos

El instrumento lee 100 ingredientes (16 de ellos básicos agregados hace poco) contra precios mayoristas públicos de referencia —nunca el precio de entrega de un operador—. Cada ingrediente se ordena en una de cuatro posturas: fijar, amortiguar, flotar o reservar (37, 19, 7 y 37 respectivamente). Los 37 reservados son dos poblaciones mecánicamente opuestas: 27 no tienen ninguna serie mayorista pública que leer —la mayoría de las hierbas, todos los mariscos, el pescado entero, algunas verduras—, así que su banda es cero, lo más ajustado posible, porque no hay nada que medir; los otros 10 sí llevan una serie, y ancha, con bandas del 30.1% al 62.4% contra su propia línea base, reservados por oscilar demasiado más allá de la línea del flotante del 30% para anclarlos, no por falta de señal. El impuesto de merma se calcula como 1 dividido entre el rendimiento comestible, con rendimientos tomados de tablas publicadas y textos de control de costos en vez de nuestra propia medición de banco; 24 de los 100 cargan las cuatro capas unidas a la vez (postura, costo comestible, mes más barato y un cambio verificado); una capa más profunda de libra servida suma la pérdida por cocción y la purga sobre la merma cruda para los 21 con rendimiento cocido medido, apoyándose en una referencia de rendimiento de 134 ingredientes. Los multiplicadores de merma por categoría van de los cítricos con 2.16x (el peor) al hongo con 1.14x (el más suave); en los cítricos la cifra comestible es rendimiento de jugo, así que su multiplicador es un costo de extracción de jugo, no de recorte de cuchillo. Las ventanas estacionales solo se admiten cuando el mes más barato pasa un filtro de ruido por dispersión: su mediana debe superar la semana en el percentil 25 del mes más caro, y el vaivén de pico a valle debe exceder la dispersión ordinaria dentro del mes; 54 de los 100 cargan una ventana que lo pasa, y el resto solo muestra dispersión. El comovimiento se lee en 432 episodios de gran movimiento; el 94% viajó junto con al menos otro ingrediente y solo el 6% se movió solo, y es esta prevalencia del comovimiento en la que se apoya la prueba de cobertura por sustituto. La duración del episodio es el tiempo que un precio se mantiene elevado contra la propia ventana base del ingrediente: mediana de 77 días, percentil 25 a 75 de 50 a 105 días. Cada lectura es descriptiva y se basa en la coincidencia.

Qué tan seguros estamos

Qué tan seguros estamos, capa por capa. Dos de estas lecturas están cerca de ser definiciones, y en ellas nos apoyamos más: el impuesto de merma es uno dividido entre el rendimiento comestible, aritmética, no una estimación; y las cifras de duración del pico son la mediana y los cuartiles de 432 longitudes de episodio medidas (77 días, la mitad entre 50 y 105). Las ventanas estacionales y las señales de espejo-sustituto son más ligeras —descansan sobre un puñado de episodios por ingrediente y sobre los cortes de abajo, así que apuntan más que prueban— y una postura pegada al borde de una banda es un caso límite. Donde aparece la literatura de teoría de precios —costos de menú, rigidez de precios, el co-movimiento excesivo de las materias primas— explica por qué un operador se comporta como lo hace; es contexto sobre el que nos paramos, no una medición de nuestros propios números.

Limitaciones

Nómbralas con claridad. Los rendimientos son cifras de referencia y de manual, no mediciones de nuestra propia cocina, así que cualquier lote, corte o proveedor puede diferir de la tabla. El historial de precios es una referencia mayorista pública, no el costo de entrega —las proteínas son las que más se apartan de él, por eso 16 de las 27 proteínas se reservan en lugar de recomendar—. El comovimiento es coincidencia, nunca causalidad: la prueba de sustituto solo reporta si dos precios tendieron a moverse juntos, no por qué, y un impulsor adjunto a un movimiento es una asociación, no una causa medida. Las ventanas estacionales son lecturas descriptivas del precio pasado, no pronósticos, y "de temporada" no es lo mismo que "lo más barato" ni "lo de mejor sabor". Este es un estudio de un solo operador con forma de artículo: no está revisado por pares, no es un experimento controlado y ningún resultado es estadísticamente significativo. Todas las cifras cambian a medida que se actualizan los datos de base.

El tamaño de muestra por ingrediente es pequeño, y preferimos que lo sepas. El detector guarda solo los seis movimientos sostenidos más grandes de cada ingrediente, así que cada lectura por ingrediente —su co-movimiento y su espejo-sustituto nombrado— descansa sobre a lo sumo seis de sus propios episodios, y casi siempre menos. La señal de espejo puede saltar con apenas un episodio compartido de dos, porque solo pide que un acompañante se mueva con el ingrediente en al menos la mitad de esos pocos episodios. Lee un espejo nombrado como una alerta para revisar contra tus propias facturas, no como una prueba.

Los cortes son elegidos, no derivados. Una banda dentro del 8% de su línea base se gana un fijo; dentro del 20%, un colchón; dentro del 30%, un flotante; más ancha que el 30%, se reserva —aunque el ancho es solo una de las dos formas en que un ingrediente cae en reservar—. Un mes más barato se nombra solo si supera al más caro por al menos 15%; un fijo debe además alcanzar 60% de cobertura probada. Estas líneas son razonables y se aplican de forma consistente, pero son nuestras líneas: muévelas y un puñado de ingredientes cruza de una decisión a otra. Trata cualquier postura pegada a un umbral como un caso límite, no un veredicto.

Las lecturas son dentro de muestra, y el conjunto se autoselecciona. Cada banda, ventana y duración se mide sobre el mismo registro de varios años contra el que luego se evalúa; no hay prueba fuera de muestra de que un patrón pasado deba repetirse, y nada aquí se ofrece como una conjetura sobre un precio futuro. Solo los ingredientes con suficiente historia comprometida se ganan una banda confiable, y los 37 que el instrumento se reserva no son un solo tipo de incertidumbre sino dos: 27 no tienen ninguna serie mayorista pública que leer —hierbas, mariscos, pescado entero—, así que el instrumento está ciego, no indeciso; los otros 10 se leen claros y limpios pero oscilan del 30.1% al 62.4% contra su propia línea base, demasiado anchos para anclar un precio impreso. Un ingrediente reservado no es uno estable; es uno que preferimos no adivinar.

Disponibilidad de datos

La tabla completa por ingrediente detrás de cada postura, banda, impuesto de merma y mes más barato es una descarga pública — 100 ingredientes, publicados bajo CC BY 4.0: menu-pricing.json (estructurada) y menu-pricing.csv (hoja de cálculo). Cada banda es una referencia mayorista leída contra la propia ventana base de cada ingrediente — nunca un precio de entrega ni de factura; el impuesto de merma es 1 dividido entre el rendimiento comestible; un mes más barato se nombra solo cuando el valle estacional pasa el filtro de ruido por dispersión, y un espacio en blanco quiere decir que el ingrediente tiene precio todo el año. Cada columna corresponde a los Métodos de arriba; cada lectura es descriptiva del registro seguido y se basa en la coincidencia, nunca un pronóstico y nunca una causa medida.

Ponle precio al plato, no a la factura; sostén el menú a través de un pico, que en nuestros 432 episodios se despejó en una mediana de cerca de 77 días; y cambia solo cuando la prueba de comovimiento diga que el sustituto de verdad protege el costo —no cuando apenas se mueva al mismo compás que el ingrediente del que intentas escapar—.

Referencias

  1. 1N. Gregory Mankiw (1985). Small Menu Costs and Large Business Cycles: A Macroeconomic Model of Monopoly. The Quarterly Journal of Economics, vol. 100, no. 2, pp. 529-538 (MIT Press at time of publication; QJE now published by Oxford University Press). https://doi.org/10.2307/1885395
  2. 2U.S. Department of Agriculture, Economic Research Service (ERS) (2023). Food Dollar Series (farm share of the U.S. food dollar; companion: Price Spreads from Farm to Consumer). USDA Economic Research Service (ERS) data product. https://www.ers.usda.gov/data-products/food-dollar-series
  3. 3Sam Peltzman (2000). Prices Rise Faster than They Fall. Journal of Political Economy (University of Chicago Press), 108(3), 466-502. https://doi.org/10.1086/262126
  4. 4Jochen Meyer and Stephan von Cramon-Taubadel (2004). Asymmetric Price Transmission: A Survey. Journal of Agricultural Economics (Wiley), 55(3), 581-611. https://doi.org/10.1111/j.1477-9552.2004.tb00116.x
  5. 5National Restaurant Association (2025). 2025 Restaurant Operations Report (Restaurant Operations Data Abstract). National Restaurant Association (industry benchmark report). https://restaurant.org/
  6. 6H. G. Parsa, John T. Self, David Njite, Tiffany King (2005). Why Restaurants Fail. Cornell Hotel and Restaurant Administration Quarterly, 46(3), 304-322 (SAGE). https://doi.org/10.1177/0010880405275598
  7. 7H. G. Parsa, John Self, Sandra Sydnor-Busso, Hae Jin Yoon (2011). Why Restaurants Fail? Part II - The Impact of Affiliation, Location, and Size on Restaurant Failures: Results from a Survival Analysis. Journal of Foodservice Business Research, 14(4), 360-379 (Taylor & Francis). https://doi.org/10.1080/15378020.2011.625824
  8. 8Mark Bils and Peter J. Klenow (2004). Some Evidence on the Importance of Sticky Prices. Journal of Political Economy, vol. 112, no. 5, pp. 947-985 (University of Chicago Press). https://doi.org/10.1086/422559
  9. 9Emi Nakamura and Jón Steinsson (2008). Five Facts about Prices: A Reevaluation of Menu Cost Models. The Quarterly Journal of Economics, vol. 123, no. 4, pp. 1415-1464 (MIT Press at time of publication; QJE now published by Oxford University Press). https://doi.org/10.1162/qjec.2008.123.4.1415
  10. 10Michael L. Kasavana; Donald I. Smith (1982). Menu Engineering: A Practical Guide to Menu Analysis. Hospitality Publications, Okemos, MI (book; framework developed at the Michigan State University School of Hospitality Business). OCLC 9550099 — https://search.worldcat.org/title/9550099 (ISBN 0-932235-01-5 / 9780932235015; also Open Library OL21382210M)
  11. 11Dopson, Lea R.; Hayes, David K. (2019). Food and Beverage Cost Control, 7th Edition (Ch. 5, Monitoring Food and Beverage Product Costs). Wiley (ISBN 9781119524991). https://www.wiley.com/en-us/food-and-beverage-cost-control-7th-edition-p-9781119524991
  12. 12U.S. Department of Agriculture, Food and Nutrition Service (2024). Food Buying Guide for Child Nutrition Programs (interactive web-based edition). USDA Food and Nutrition Service — continuously updated online resource (updated for the 2024 final rule aligning Child Nutrition meal patterns with the 2020-2025 Dietary Guidelines). https://www.fns.usda.gov/tn/fbg
  13. 13Pecot, Rebecca K.; Watt, Bernice K. (U.S. Department of Agriculture, Agricultural Research Service) (1956). Food Yields Summarized by Different Stages of Preparation (Agriculture Handbook No. 102). U.S. Department of Agriculture, Agriculture Handbook No. 102 (orig. 1956; rev. 1975). https://www.ars.usda.gov/ARSUserFiles/80400530/pdf/ah102.pdf
  14. 14Roseland, Janet M.; Nguyen, Quynh Anh; Williams, Juhi R.; Patterson, Kristine Y.; Showell, Bethany A.; Pehrsson, Pamela R. (USDA Agricultural Research Service) (2017). USDA Table of Cooking Yields for Meat and Poultry, Release 2. USDA Agricultural Research Service — Ag Data Commons dataset. https://doi.org/10.15482/USDA.ADC/1409031
  15. 15Tornberg, E. (2005). Effects of heat on meat proteins – Implications on structure and quality of meat products. Meat Science. https://doi.org/10.1016/j.meatsci.2004.11.021The hotter you take a cut, the more water its proteins wring out and the less it weighs on the plate — that is your cooked yield falling as doneness climbs, so a well-done steak gives up clearly more moisture than one pulled at medium-rare. Connective-tissue-heavy cuts are the opposite bet: hold them hot and wet long enough and the collagen that made them tough melts to gelatin, which is exactly why a chuck or shank must be cooked far past the point that would ruin a loin.
  16. 16Purslow, P.P.; Oiseth, S.; Hughes, J.; Warner, R.D. (2016). The structural basis of cooking loss in beef: Variations with temperature and ageing. Food Research International, 89(Part 1), 739-748. https://doi.org/10.1016/j.foodres.2016.09.010Cooking shrink is not one flat percentage — it is driven by how hot you take the center, in steps. Pushing a steak from medium-rare up toward well-done crosses a second wave of water loss, leaving a smaller, lighter portion on the plate; well-done tickets literally shrink more product than rare ones. If you spec a cooked or served weight, the doneness you cook to changes your yield and your cost per plate. And a longer-aged cut, though more tender, can shed a bit more moisture in the pan — worth knowing when you plate to a target weight.
  17. 17Weatherly, B.H.; Griffin, D.B.; Johnson, H.K.; Walter, J.P.; De La Zerda, M.J.; Tipton, N.C.; Savell, J.W. (2001). Foodservice yield and fabrication times for beef as influenced by purchasing options and merchandising styles. Journal of Animal Science, 79(12), 3052-3061. https://doi.org/10.2527/2001.79123052xWhen you buy a subprimal (a whole strip loin, ribeye, or tenderloin) and cut your own steaks, two costs push against you at once: trimming closer and portioning smaller loses more to trim AND burns more butcher minutes. The low per-pound subprimal price is not your real cost — figure true plate cost on the yielded, cut weight plus the labor clock. A looser portion spec, or buying one step closer to portion-ready, can pencil out cheaper than full in-house breakdown once labor is counted.
  18. 18Okomoda, V.T.; Solomon, S.G.; Wukatda, S.S.; Ikape, S.I.; Ikhwanuddin, M.; Abol-Munafi, A.B. (2021). Fillet Yield and Length-Weight Relationship of Five Fish Species From Lower River Benue, Makurdi, Nigeria. Tropical Life Sciences Research, 32(1), 163-174. https://doi.org/10.21315/tlsr2021.32.1.10With whole fish, the species — not the sticker price — decides how much you actually plate. Two whole fish at the same price per pound can hand you very different edible pounds: one might fillet out at over half its weight, another under 40%, so the 'cheaper' fish can cost more per usable ounce once you account for head, frame, and skin. Always convert whole-fish AP price to a per-fillet-pound (EP) cost using that species' real dress-out — and since yield mostly does not change with fish size, one yield figure per species holds across the sizes you buy.
  19. 19Turhan, M.; Sayar, S.; Gunasekaran, S. (2002). Application of Peleg model to study water absorption in chickpea during soaking. Journal of Food Engineering, 53(2), 153-159. https://doi.org/10.1016/S0260-8774(01)00152-2Dried chickpeas roughly double in weight by the time they're soaked, so a pound of dry garbanzos becomes about two pounds hydrated before they ever hit the pot — that swell is your real yield behind the low dry price on the invoice. Most of the water goes in during the first few hours, so an overnight soak is plenty; you gain little past that. If you're behind, a hot soak gets you fully hydrated faster than a cold one.
  20. 20Yadav, B. K.; Jindal, V. K. (2007). Water uptake and solid loss during cooking of milled rice (Oryza sativa L.) in relation to its physicochemical properties. Journal of Food Engineering, 80(1), 46-54. https://doi.org/10.1016/j.jfoodeng.2006.06.021Rice swells because the grain drinks water until it's saturated — that's your cooked yield (dry rice comes back roughly two-and-a-half to three times its weight cooked). But boil it loose in lots of water for too long and starch bleeds out into the pot: you lose yield and get gluey, cloudy water. Match the water to the rice — a firm long-grain (high amylose) wants more water and time than a softer short-grain — and pull it at absorption rather than drown-and-drain if you care about finished weight.
  21. 21Robert B. Cleveland, William S. Cleveland, Jean E. McRae, and Irma Terpenning (1990). STL: A Seasonal-Trend Decomposition Procedure Based on Loess (with Discussion). Journal of Official Statistics (Statistics Sweden), vol. 6, no. 1, pp. 3-73. https://www.semanticscholar.org/paper/STL-:-A-Seasonal-Trend-Decomposition-Procedure-on-Cleveland/585bf445ec84c1d9621b2726bdcce9f544b515c8
  22. 22David F. Findley, Brian C. Monsell, William R. Bell, Mark C. Otto, and Bor-Chung Chen (1998). New Capabilities and Methods of the X-12-ARIMA Seasonal-Adjustment Program. Journal of Business & Economic Statistics (American Statistical Association / Taylor & Francis), vol. 16, no. 2, pp. 127-152. https://doi.org/10.1080/07350015.1998.10524743
  23. 23U.S. Department of Agriculture, Economic Research Service (2024). Starchy fresh vegetables (excluding potatoes) had the most seasonal price variation from 2016-18 (Charts of Note, from Food-at-Home Monthly Area Prices data). USDA Economic Research Service. https://www.ers.usda.gov/data-products/charts-of-note/chart-detail?chartId=109127
  24. 24Schwieterman, Michael L.; Colquhoun, Thomas A.; Jaworski, Elizabeth A.; Bartoshuk, Linda M.; Gilbert, Jessica L.; Tieman, Denise M.; Clark, David G. (2014). Strawberry flavor: diverse chemical compositions, a seasonal influence, and effects on sensory perception. PLOS ONE, 9(2), e88446. https://doi.org/10.1371/journal.pone.0088446'In season' and 'cheapest' are not the same weeks. Berries from the cool front and tail of the local season often eat sweeter and more aromatic than the heat-grown flood-of-supply peak, even at similar or higher cost. Taste before you commit a menu feature — a mid-heatwave flat can be watery and flat even when it's abundant and cheap. Build berry desserts and garnishes around the genuine peak-eating window, and in the off weeks lean on macerating (sugar + acid) or cooking to compensate rather than plating them raw and naked.
  25. 25Kader, Adel A. (2008). Flavor quality of fruits and vegetables. Journal of the Science of Food and Agriculture, 88(11), 1863-1868. https://doi.org/10.1002/jsfa.3293The best-eating window is decided before the crate hits your dock — by variety and by ripeness at picking, not by anything you do in the kitchen. Two levers you actually control: buy each item in its true local season (when it's picked riper and travels less), and shorten the clock from delivery to plate. A tomato or peach that spent a week in transit has already spent its flavor; hold produce cold and turn it fast instead of 'letting it ripen' warm on a shelf, which for most items just ages it rather than sweetening it.
  26. 26Angus Deaton; John Muellbauer (1980). An Almost Ideal Demand System. American Economic Review (American Economic Association), 70(3): 312-326. https://www.jstor.org/stable/1805222
  27. 27Abigail M. Okrent; Julian M. Alston (2012). The Demand for Disaggregated Food-Away-from-Home and Food-at-Home Products in the United States. USDA Economic Research Service, Economic Research Report No. 139 (ERR-139). https://www.ers.usda.gov/publications/pub-details?pubid=45006
  28. 28Tatiana Andreyeva; Michael W. Long; Kelly D. Brownell (2010). The Impact of Food Prices on Consumption: A Systematic Review of Research on the Price Elasticity of Demand for Food. American Journal of Public Health, 100(2): 216-222. https://doi.org/10.2105/AJPH.2008.151415
  29. 29Robert S. Pindyck; Julio J. Rotemberg (1990). The Excess Co-Movement of Commodity Prices. The Economic Journal (Royal Economic Society), 100(403): 1173-1189. https://academic.oup.com/ej/article-abstract/100/403/1173/5188414
  30. 30W. Grosch (2001). Evaluation of the Key Odorants of Foods by Dilution Experiments, Aroma Models and Omission. Chemical Senses, 26(5), 533–545. https://doi.org/10.1093/chemse/26.5.533A dish's signature smell hangs on a few specific molecules, not on 'roughly similar' ingredients. That's the hard, mechanistic reason a substitution is never a perfect match: if the swap doesn't carry the same key odorants, the guest's nose registers that something is off even if they can't name it. Use it as a decision rule — when you sub an ingredient, ask whether it actually delivers the one or two compounds that define the original (the sear, the citrus peel oil, the specific herb). If it doesn't, change how the dish is framed rather than pretending it's the same, and reserve the real ingredient for the plates where it's genuinely doing the work.
  31. 31T. L. Potter and I. S. Fagerson (1990). Composition of coriander leaf volatiles. Journal of Agricultural and Food Chemistry, 38(11), 2054–2056. https://doi.org/10.1021/jf00101a011Cilantro's flavor lives in a specific set of aldehyde molecules that no other common herb on your line carries in the same combination. That's why swapping in parsley or reaching for 'a little more lime' never actually reads as cilantro — you can match the green color and the fresh look, but not the aldehyde signature. If a plate is built on cilantro, treat it as non-substitutable for flavor: 86 it or re-spec the dish, don't fake it. It also explains why cilantro fades fast once chopped and heated — those volatile aldehydes cook off — so add it late and raw.
  32. 32Alan S. Blinder, Elie R. D. Canetti, David E. Lebow, and Jeremy B. Rudd (1998). Asking About Prices: A New Approach to Understanding Price Stickiness. Russell Sage Foundation, New York (ISBN 9780871541215). https://www.russellsage.org/publications/book/asking-about-prices
  33. 33Holbrook Working (1949). The Theory of Price of Storage. The American Economic Review (American Economic Association), vol. 39, no. 6, pp. 1254-1262. https://www.jstor.org/stable/1816601
  34. 34Austin Clowes, Craig Hanson, and Richard Swannell (on behalf of Champions 12.3) (2019). The Business Case for Reducing Food Loss and Waste: Restaurants. Champions 12.3, in partnership with the World Resources Institute (WRI) and WRAP. https://champions123.org/publication/business-case-reducing-food-loss-and-waste-restaurants
  35. 35Craig Hanson and Peter Mitchell (on behalf of Champions 12.3) (2017). The Business Case for Reducing Food Loss and Waste. Champions 12.3, in partnership with the World Resources Institute (WRI) and WRAP. https://champions123.org/publication/business-case-reducing-food-loss-and-waste
  36. 36ReFED (Rethink Food Waste Through Economics and Data), a multi-stakeholder collaboration (2016). A Roadmap to Reduce U.S. Food Waste by 20 Percent. ReFED. https://refed.org/downloads/Executive-Summary.pdf

Cómo citar y descargar (CC BY 4.0)

Recalculado desde datos abiertos · verificado 2026-07-11 · node scripts/build-study-dataset.mjs --check

Este informe de campo y su tabla de evidencia se publican bajo CC BY 4.0 — reutilízalos con atribución a Muntin Cost Index.

APAThe Muntin Desk. (2026). El manual de precios de menú — Muntin. Muntin Cost Index. https://muntin.digital/es/cost-index/menu-pricing/study/

BibTeX@techreport{muntin_menu_pricing_2026,
title = {El manual de precios de menú — Muntin},
author = {{The Muntin Desk}},
institution = {Muntin Cost Index},
type = {Field report},
year = {2026},
url = {https://muntin.digital/es/cost-index/menu-pricing/study/},
note = {CC BY 4.0}
}

RISTY - RPRT
TI - El manual de precios de menú — Muntin
AU - The Muntin Desk
PY - 2026
DA - 2026-07-11
PB - Muntin Cost Index
UR - https://muntin.digital/es/cost-index/menu-pricing/study/
LA - es
N1 - CC BY 4.0; DOI pending
ER -

CSL-JSON{"type":"report","id":"muntin-menu-pricing-2026","title":"El manual de precios de menú — Muntin","author":[{"literal":"The Muntin Desk"}],"issued":{"date-parts":[[2026,7,11]]},"publisher":"Muntin Cost Index","URL":"https://muntin.digital/es/cost-index/menu-pricing/study/","license":"https://creativecommons.org/licenses/by/4.0/","language":"es-US"}

study.json CC BY study.csv datapackage.json CITATION.cff datacite.json menu-pricing.json menu-pricing.csv

study.json/.csv: la tabla de evidencia — las afirmaciones del informe × las 36 fuentes que las respaldan (con DOI). menu-pricing.json/.csv: los datos por ingrediente detrás de las cifras. La insignia significa una recalculación de las cifras reportadas desde datos abiertos y una receta divulgada — explícitamente no una replicación de un hallazgo.

Informe práctico que se apoya en trabajo revisado por pares; no es revisado por pares ni un experimento controlado. Descriptivo, nunca un pronóstico; coincidencia, nunca causa; referencia mayorista, nunca el precio de entrega. Cada cifra es propia o atribuida a su fuente citada.

Abre el manual interactivo