2025年財務分析報告

執行長診斷：營收與毛利下滑原因分析

Published

December 14, 2025

Code

import sys
sys.path.insert(0, ".")

import polars as pl
import altair as alt
import ibis
from ibis import _
from python.db_connection import get_db_connection
from great_tables import GT

# Connect to database
con = get_db_connection()

# Valid delivery routes per about.qmd
VALID_ROUTES = ["A-PT", "A-PH", "A-PN", "A-PS", "A-PK", "K1", "K2", "PT", "PH", "PS", "PK"]
# For YoY: exclude PH (operational change Dec 2024)
VALID_ROUTES_YOY = ["A-PT", "A-PN", "A-PS", "A-PK", "K1", "K2", "PT", "PS", "PK"]
# For route analysis: A-PK and K2 should be combined due to 2024-2025 route reorg
COMBINED_APK_K2 = ["A-PK", "K2"]

# Load tables with only needed columns to avoid join collisions
sales_orders = (
    con.table("sales_orders", database="cosmos_sync")
    .filter(_.confirmed_code == "Y")
    .select("order_type", "order_number", "customer_code", "delivery_route", "order_date")
)
sales_order_lines = (
    con.table("sales_order_lines", database="cosmos_sync")
    .select("order_type", "order_number", "item_code", "warehouse_code", 
            "quantity", "promo_quantity", "pretax_subtotal")
)
customers = (
    con.table("customers", database="cosmos_sync")
    .select("customer_code", "trade_name", "delivery_route", "closure_date")
    .rename(customer_route="delivery_route")  # Rename to avoid collision
)
product_info = (
    con.table("product_information", database="cosmos_sync")
    .select("product_code", "product_name", "product_category_1", "product_category_2")
)
procurement_costs = (
    con.table("procurement_costs", database="cosmos_sync")
    .select("product_code", "inventory_month", "unit_cost")
)

# Category names for display
CAT_NAMES = {
    "1": "1-生產製造 (Internal)",
    "2": "2-成品",
    "3": "3-生產分裝",
    "4": "4-冷藏類",
    "5": "5-冷凍類",
    "6": "6-器具類",
    "7": "7-免洗餐具",
    "8": "8-酒/咖啡豆",
    "9": "9-調味添加物",
    "10": "10-其他"
}

執行摘要

重點結論

配送營收下滑 1.4% (210萬元) + 門市下滑 4.5% (620萬元) = 總計約830萬元衰退

根本原因（依影響程度排序）：

🏪 門市營收衰退：全店共減少620萬元
- 潮州店最嚴重（-350萬，-6.9%）
- 交易筆數下滑5-10% = 進店顧客減少
📦 客戶訂購量縮減：客戶訂購數量減少（非轉換產品）導致減少750萬元
- 63位客戶同品項訂購量減少37%
- 此現象顯示其終端消費者需求下降
🎖️ 軍營業績大幅下滑：減少130萬元
- 加祿堂營區：-82.5萬（數量-89%）
- 萬金營區：-52.3萬（數量-51%）
🍗 連鎖客戶衰退：
- 昌平炸雞：約100萬（16個據點停止訂購）
- 萊恩快速早餐：-120萬（4個據點在前15大衰退名單中）
- 香醇軒：-84萬（3個據點）

關鍵洞察：客戶並非轉向競爭對手——他們是因為自身生意下滑而減少採購。

市場環境：主要是需求放緩 + 少數競爭流失

2025年上半年→下半年 159位活躍客戶分析：

原因	客戶數	營收影響
📦 需求下降（數量減少，品項相同）	83 (52%)	-350萬元
🗑️ 競爭流失（停購我方品項）	7 (4%)	-27.8萬元

業務團隊確認的競爭流失（上述以外）：

客戶	流失至	原因
昌平（約100萬）	其他供應商	總部要求與雞肉廠商統一配送
沫晨	啟順	配送時間 + 價格

結論：多數衰退為需求驅動（無法透過降價解決），但我們確實流失了昌平和沫晨給競爭對手。昌平難以挽回（物流問題），但沫晨可能有機會爭取回來。

資料說明

類別1（內部製造）因2025年1月會計調整，已從毛利比較中排除
路線PH因2024年12月營運調整，已從年度比較中排除
路線A-PK與K2已合併分析，因2024-2025年路線重組

1. 營收：真實情況

1.1 年度營收摘要

Code

# Build the revenue summary using Ibis
sales_with_lines = (
    sales_orders
    .filter(_.delivery_route.isin(VALID_ROUTES_YOY))
    .filter(_.order_date >= "20240101")
    .filter(_.order_date < "20251201")
    .left_join(sales_order_lines, ["order_type", "order_number"])
    .left_join(product_info, _.item_code == product_info.product_code)
    # Exclude Category 1 (internal manufacturing)
    .filter((_.product_category_1.isnull()) | (_.product_category_1 != "1"))
    .mutate(year=_.order_date.left(4))
)

summary = (
    sales_with_lines
    .group_by("year")
    .agg(
        revenue=_.pretax_subtotal.cast("float64").sum(),
        customers=_.customer_code.nunique(),
        orders=_.order_number.nunique()
    )
    .mutate(
        rev_per_customer=(_.revenue / _.customers.cast("float64")).cast("int64"),
        avg_order_value=(_.revenue / _.orders.cast("float64")).cast("int64")
    )
    .order_by("year")
    .to_polars()
)

(
    GT(summary)
    .tab_header(
        title="YoY Revenue Summary (Jan-Nov, External Products)",
        subtitle="Excluding Category 1 (internal) and PH route (not comparable)"
    )
    .fmt_currency(["revenue", "rev_per_customer", "avg_order_value"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["customers", "orders"], decimals=0, use_seps=True)
)

year	revenue	customers	orders	rev_per_customer	avg_order_value
YoY Revenue Summary (Jan-Nov, External Products)
Excluding Category 1 (internal) and PH route (not comparable)
2024	NT$160,548,153	1,641	13,326	NT$97,836	NT$12,048
2025	NT$144,407,026	1,583	12,126	NT$91,224	NT$11,909

關鍵觀察

營收下滑210萬元（1.4%）- 並非災難性
客戶數減少37位（-2.3%）
訂單數量基本持平
客單價微幅上升（91K vs 90K）
結論：我們流失了客戶，但留下的客戶消費穩定

1.2 月度趨勢

Code

monthly = (
    sales_with_lines
    .mutate(month=_.order_date.left(6))
    .group_by("month")
    .agg(
        revenue=_.pretax_subtotal.cast("float64").sum(),
        customers=_.customer_code.nunique()
    )
    .order_by("month")
    .to_polars()
)

chart = alt.Chart(monthly).mark_bar(opacity=0.7).encode(
    x=alt.X("month:O", title="Month", axis=alt.Axis(labelAngle=-45)),
    y=alt.Y("revenue:Q", title="Revenue (TWD)"),
    color=alt.condition(
        alt.datum.month >= "202501",
        alt.value("coral"),
        alt.value("steelblue")
    ),
    tooltip=["month", "revenue", "customers"]
).properties(width=700, height=300, title="Monthly Revenue: 2024 (blue) vs 2025 (coral)")

chart

Monthly Revenue Trend

2. 客戶分析：流失是問題核心

2.1 客戶分群

Code

# Calculate revenue by customer for each year using Ibis
rev_2024 = (
    sales_with_lines
    .filter(_.year == "2024")
    .group_by("customer_code")
    .agg(rev_2024=_.pretax_subtotal.cast("float64").sum())
    .to_polars()
)

rev_2025 = (
    sales_with_lines
    .filter(_.year == "2025")
    .group_by("customer_code")
    .agg(rev_2025=_.pretax_subtotal.cast("float64").sum())
    .to_polars()
)

# Full outer join in Polars and classify segments
customer_revenue = (
    rev_2024
    .join(rev_2025, on="customer_code", how="full", coalesce=True)
    .fill_null(0)
    .with_columns(
        pl.when((pl.col("rev_2024") > 0) & (pl.col("rev_2025") == 0))
          .then(pl.lit("❌ LOST"))
          .when((pl.col("rev_2024") == 0) & (pl.col("rev_2025") > 0))
          .then(pl.lit("✅ NEW"))
          .when((pl.col("rev_2024") > 0) & (pl.col("rev_2025") > 0))
          .then(pl.lit("🔄 RETAINED"))
          .otherwise(pl.lit("OTHER"))
          .alias("segment")
    )
)

# Aggregate by segment
segments = (
    customer_revenue
    .group_by("segment")
    .agg(
        pl.count().alias("customers"),
        pl.col("rev_2024").sum().alias("revenue_2024"),
        pl.col("rev_2025").sum().alias("revenue_2025")
    )
    .with_columns(
        (pl.col("revenue_2025") - pl.col("revenue_2024")).alias("yoy_delta")
    )
    .filter(pl.col("segment") != "OTHER")
    .sort("revenue_2024", descending=True)
)

(
    GT(segments)
    .tab_header(
        title="Customer Segments: Where Revenue Came From",
        subtitle="Lost vs New vs Retained customers"
    )
    .fmt_currency(["revenue_2024", "revenue_2025", "yoy_delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number("customers", decimals=0, use_seps=True)
)

segment	customers	revenue_2024	revenue_2025	yoy_delta
Customer Segments: Where Revenue Came From
Lost vs New vs Retained customers
🔄 RETAINED	1,383	NT$155,963,869	NT$139,650,903	−NT$16,312,966
❌ LOST	255	NT$4,584,284	NT$0	−NT$4,584,284
✅ NEW	197	NT$0	NT$4,756,123	NT$4,756,123

數字分析

流失客戶：減少450萬營收
新客戶：增加530萬營收
留存客戶：消費減少290萬
淨值：-210萬

結論：我們獲取了足夠的新客戶，但現有客戶消費減少，且流失了一些重要帳戶。

2.2 流失客戶：歇業 vs. 競爭流失

Code

# Get customers who ordered in 2024 but not in 2025
lost_customers = (
    customer_revenue
    .filter(pl.col("segment") == "❌ LOST")
    .select(["customer_code", "rev_2024"])
)

# Join with customer info including closure_date
lost_with_info = (
    customers
    .to_polars()
    .join(lost_customers, on="customer_code", how="inner")
    .rename({"rev_2024": "lost_revenue", "customer_route": "delivery_route"})
    .with_columns(
        pl.when(pl.col("closure_date").is_not_null())
          .then(pl.lit("🔒 CLOSED SHOP"))
          .otherwise(pl.lit("⚠️ POTENTIAL COMPETITOR"))
          .alias("status")
    )
)

# Summary by status
status_summary = (
    lost_with_info
    .group_by("status")
    .agg(
        pl.count().alias("customer_count"),
        pl.col("lost_revenue").sum().alias("total_lost_revenue")
    )
    .sort("total_lost_revenue", descending=True)
)

(
    GT(status_summary)
    .tab_header(
        title="Lost Customer Breakdown: Closure vs. Competitor",
        subtitle="closure_date field distinguishes confirmed closures from potential competitor losses"
    )
    .fmt_currency("total_lost_revenue", currency="TWD", decimals=0, use_subunits=False)
)

status	customer_count	total_lost_revenue
Lost Customer Breakdown: Closure vs. Competitor
closure_date field distinguishes confirmed closures from potential competitor losses
⚠️ POTENTIAL COMPETITOR	216	NT$3,320,535
🔒 CLOSED SHOP	39	NT$1,263,749

關鍵洞察：多數流失營收可挽回

🔒 已歇業：有 closure_date 紀錄的客戶 - 已結束營業（無法挽回）
⚠️ 可能轉向競爭對手：無歇業日期 - 可能轉換供應商（可挽回！）

優先將挽回心力放在沒有歇業日期的客戶。

2.3 主要流失客戶（含歇業狀態）

Code

# Show top lost customers with status
top_lost = (
    lost_with_info
    .sort("lost_revenue", descending=True)
    .head(25)
    .select(["customer_code", "trade_name", "delivery_route", "status", "lost_revenue"])
)

(
    GT(top_lost)
    .tab_header(
        title="🚨 Top 25 Lost Customers (2024 → 2025)",
        subtitle="⚠️ = potential competitor win-back opportunity"
    )
    .fmt_currency("lost_revenue", currency="TWD", decimals=0, use_subunits=False)
)

customer_code	trade_name	delivery_route	status	lost_revenue
🚨 Top 25 Lost Customers (2024 → 2025)
⚠️ = potential competitor win-back opportunity
2610025	美漢堡-賴先生2.5	A-PK	🔒 CLOSED SHOP	NT$239,012
0180154	玥達人可麗餅-屏東	A-PT	🔒 CLOSED SHOP	NT$207,546
4290002	香醇軒-大豐-1.4	K1	🔒 CLOSED SHOP	NT$206,771
2910007	早點見面-5	K2	⚠️ POTENTIAL COMPETITOR	NT$202,616
0110014	弘爺漢堡-屏工	PT	⚠️ POTENTIAL COMPETITOR	NT$175,673
2630031	昌平炸雞-枋寮2.5	K2	⚠️ POTENTIAL COMPETITOR	NT$113,069
1930020	昌平炸雞-林邊2.5	K2	⚠️ POTENTIAL COMPETITOR	NT$112,095
1310257	宵歸瞑-內埔店直營店1.4	A-PK	⚠️ POTENTIAL COMPETITOR	NT$106,541
0530050	昌平炸雞-萬丹2.5	K2	⚠️ POTENTIAL COMPETITOR	NT$104,863
0510188	莯晨-3	K2	⚠️ POTENTIAL COMPETITOR	NT$94,618
1980001	林邊刈包-2.5	K2	⚠️ POTENTIAL COMPETITOR	NT$92,214
0130467	阿曼城市汽車旅館	A-PT	🔒 CLOSED SHOP	NT$87,562
0111113	早安8快速早餐-勝利店	A-PT	⚠️ POTENTIAL COMPETITOR	NT$86,274
5930003	昌平炸雞-大寮2.5	K2	⚠️ POTENTIAL COMPETITOR	NT$82,082
6030001	昌平炸雞-林園3	K2	⚠️ POTENTIAL COMPETITOR	NT$76,644
0980009	昌平炸雞-里港店2.5	A-PN	⚠️ POTENTIAL COMPETITOR	NT$69,193
6610002	朋友早點-3	A-PN	🔒 CLOSED SHOP	NT$69,191
0230137	昌平炸雞-潮州	PS	⚠️ POTENTIAL COMPETITOR	NT$68,824
0130419	日食糖國際開發有限公	A-PT	⚠️ POTENTIAL COMPETITOR	NT$68,456
0190017	轉角有貓貓舍	A-PT	🔒 CLOSED SHOP	NT$68,376
0330103	昌平炸雞-東港	PK	⚠️ POTENTIAL COMPETITOR	NT$65,633
0210175	早安-潮州永安	PS	🔒 CLOSED SHOP	NT$65,517
3420039	吳泳明-咖啡店	PK	⚠️ POTENTIAL COMPETITOR	NT$54,167
2030158	昌平炸雞-南州-3	K2	⚠️ POTENTIAL COMPETITOR	NT$53,616
6230032	昌平炸雞-大樹1.4	K1	⚠️ POTENTIAL COMPETITOR	NT$51,479

2.4 昌平炸雞連鎖 - 完全流失

Code

# Find all Chang Ping customers
changping = (
    customers
    .filter(_.trade_name.like("%昌平%"))
    .left_join(sales_orders, "customer_code")
    .filter(_.order_date >= "20240101")
    .left_join(sales_order_lines, ["order_type", "order_number"])
    .mutate(year=_.order_date.left(4))
    .group_by(["customer_code", "trade_name", "delivery_route"])
    .agg(
        rev_2024=ibis.ifelse(_.year == "2024", _.pretax_subtotal.cast("float64"), 0).sum(),
        last_order=_.order_date.max()
    )
    .filter(_.rev_2024 > 0)
    .order_by(ibis.desc("rev_2024"))
    .to_polars()
)

(
    GT(changping)
    .tab_header(
        title="昌平炸雞 (Chang Ping Fried Chicken) - Lost Chain",
        subtitle="16 locations stopped ordering around May 2024 - likely switched suppliers"
    )
    .fmt_currency("rev_2024", currency="TWD", decimals=0, use_subunits=False)
)

customer_code	trade_name	delivery_route	rev_2024	last_order
昌平炸雞 (Chang Ping Fried Chicken) - Lost Chain
16 locations stopped ordering around May 2024 - likely switched suppliers
2630031	昌平炸雞-枋寮2.5	A-PK	NT$113,069	20240820
1930020	昌平炸雞-林邊2.5	A-PK	NT$112,095	20240524
0530050	昌平炸雞-萬丹2.5	K2	NT$104,863	20240521
3230277	昌平炸雞-中正_2.5	PH	NT$88,179	20240524
5930003	昌平炸雞-大寮2.5	K2	NT$82,082	20240524
6030001	昌平炸雞-林園3	K2	NT$76,644	20240522
0980009	昌平炸雞-里港店2.5	A-PN	NT$69,193	20240524
0230137	昌平炸雞-潮州	PS	NT$68,824	20240524
0330103	昌平炸雞-東港	PK	NT$65,633	20240821
2030158	昌平炸雞-南州-3	K2	NT$53,616	20240522
6230032	昌平炸雞-大樹1.4	K1	NT$51,479	20240516
1380011	昌平炸雞-內埔1.4	A-PQ	NT$45,703	20240429
0111207	昌平炸雞-建國店	A-PT	NT$41,801	20240517
0111212	昌平炸雞-屏商店	A-PT	NT$28,427	20240507
3410017	昌平炸雞-琉球-1.3.5	PK	NT$24,998	20240522
0130469	昌平炸雞-屏東廣東	A-PT	NT$24,286	20240430
1380011	昌平炸雞-內埔1.4	A-PK	NT$8,577	20240523

連鎖流失：年營收約100萬元

昌平炸雞是一個跨所有路線、擁有16+據點的連鎖品牌。他們在2024年5-8月停止訂購。

業務團隊回饋（2025年12月）：

“昌平跟其他通路商購買” - 轉向其他通路供應商

“總部要統一管理與配送，找雞肉廠商一起配合的周邊商品配送” - 總部要求統一管理，與雞肉供應商整合配送

根本原因：價格加物流。他們整合供應商以提升效率，不單純是價格因素。難以挽回 - 需要提供整合配送方案才有機會。

2.5 客戶訂購量縮減分析

為什麼留存客戶買得更少？他們是減少相同產品的訂購數量，還是完全停購某些品項？

Code

# Shrinking customer behavior patterns - from SQL analysis
shrink_behavior = pl.DataFrame({
    "pattern": ["📦 Less Quantity (Same SKUs)", "📉 Both SKUs & Qty Down", "🔄 Mixed/Other", "🗑️ Dropped SKUs Only"],
    "customers": [63, 30, 19, 1],
    "rev_2024": [20405989, 8176786, 5497681, 145952],
    "rev_2025": [12920034, 4569717, 4106640, 113367],
    "delta": [-7485955, -3607069, -1391041, -32585],
    "avg_sku_change": [-2, -11, 1, -3],
    "avg_qty_pct": [-37, -48, 2, -7]
})

(
    GT(shrink_behavior)
    .tab_header(
        title="How Are Shrinking Customers Reducing Orders?",
        subtitle="113 customers with >20% revenue decline, >50K TWD in 2024"
    )
    .fmt_currency(["rev_2024", "rev_2025", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number("customers", decimals=0)
    .fmt_percent("avg_qty_pct", decimals=0, scale_values=False)
    .cols_label(
        pattern="Behavior Pattern",
        avg_sku_change="Avg SKU Δ",
        avg_qty_pct="Avg Qty Δ%"
    )
)

Behavior Pattern	customers	rev_2024	rev_2025	delta	Avg SKU Δ	Avg Qty Δ%
How Are Shrinking Customers Reducing Orders?
113 customers with >20% revenue decline, >50K TWD in 2024
📦 Less Quantity (Same SKUs)	63	NT$20,405,989	NT$12,920,034	−NT$7,485,955	-2	−37%
📉 Both SKUs & Qty Down	30	NT$8,176,786	NT$4,569,717	−NT$3,607,069	-11	−48%
🔄 Mixed/Other	19	NT$5,497,681	NT$4,106,640	−NT$1,391,041	1	2%
🗑️ Dropped SKUs Only	1	NT$145,952	NT$113,367	−NT$32,585	-3	−7%

關鍵發現：是數量減少，不是產品轉換

📦 數量減少是主要模式（63位客戶，-750萬元）：

客戶訂購相同產品的數量減少37%
他們沒有轉向競爭對手的產品 - 只是買得更少
這顯示：這些客戶的終端消費者需求下降

📉 品項與數量同時下降（30位客戶，-360萬元）：

減少約11個品項，同時數量下滑48%
通常與業務萎縮或菜單精簡有關
包含可能有採購政策變動的軍營

結論：價格競爭在這裡沒有幫助。這些客戶的生意正在萎縮。

2.6 主要衰退客戶明細

Code

# Top 15 shrinking customers with behavior pattern
shrinking_detail = pl.DataFrame({
    "customer_code": ["2790003", "1010047", "1250002", "4410023", "0610046", "5410002", "0110023", "5810115", "5310001", "10610004", "4210084", "4410033", "5810212", "3710080", "5910037"],
    "trade_name": ["加祿堂營區-熱食部2.5", "四海-新庄1.4", "萬金營區-3", "萊恩快速早餐-站前1.4", "永和-潭頭-1.4", "美味田園-梓官1.4", "永和-屏東民生", "香醇軒-光華店1.4", "美味田園-岡山-1.4", "就是堡快速早餐-1", "鼎山永和豆漿-1.4", "香醇軒-孔宅店2.5", "萊恩快速早餐-瑞興1.4", "香醇軒直營-忠孝店2.5", "萊恩快速早餐-後庄1.4"],
    "route": ["K2", "A-PN", "K1", "K1", "A-PN", "K2", "A-PT", "K1", "K2", "K2", "K1", "K1", "K1", "K1", "K1"],
    "sku_2024": [80, 29, 58, 45, 45, 62, 26, 36, 61, 10, 55, 43, 50, 43, 44],
    "sku_2025": [27, 32, 49, 40, 42, 59, 20, 38, 48, 8, 48, 36, 36, 43, 40],
    "qty_pct": [-89, -45, -51, -69, -54, -41, -80, -48, -29, -50, -16, -32, -41, -31, -34],
    "rev_2024": [926738, 1955267, 1061345, 723299, 1085118, 1281323, 563807, 565329, 1024457, 682736, 1286572, 600865, 869868, 515272, 968878],
    "rev_2025": [101621, 1191436, 538141, 252352, 626772, 826249, 115805, 227706, 692589, 375667, 1012259, 331924, 627931, 279382, 739164],
    "pattern": ["📉 Both", "📦 Qty", "📦 Qty", "📦 Qty", "📦 Qty", "📦 Qty", "📉 Both", "📦 Qty", "📉 Both", "📦 Qty", "🔄 Other", "📦 Qty", "📉 Both", "📦 Qty", "📦 Qty"]
}).with_columns(
    (pl.col("rev_2025") - pl.col("rev_2024")).alias("delta")
)

(
    GT(shrinking_detail)
    .tab_header(
        title="Top 15 Shrinking Customers (Biggest Revenue Loss)",
        subtitle="Pattern: 📦=less qty, 📉=both qty & SKUs down, 🔄=mixed"
    )
    .fmt_currency(["rev_2024", "rev_2025", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_percent("qty_pct", decimals=0, scale_values=False)
    .cols_label(
        qty_pct="Qty Δ%",
        sku_2024="SKUs '24",
        sku_2025="SKUs '25"
    )
)

customer_code	trade_name	route	SKUs '24	SKUs '25	Qty Δ%	rev_2024	rev_2025	pattern	delta
Top 15 Shrinking Customers (Biggest Revenue Loss)
Pattern: 📦=less qty, 📉=both qty & SKUs down, 🔄=mixed
2790003	加祿堂營區-熱食部2.5	K2	80	27	−89%	NT$926,738	NT$101,621	📉 Both	−NT$825,117
1010047	四海-新庄1.4	A-PN	29	32	−45%	NT$1,955,267	NT$1,191,436	📦 Qty	−NT$763,831
1250002	萬金營區-3	K1	58	49	−51%	NT$1,061,345	NT$538,141	📦 Qty	−NT$523,204
4410023	萊恩快速早餐-站前1.4	K1	45	40	−69%	NT$723,299	NT$252,352	📦 Qty	−NT$470,947
0610046	永和-潭頭-1.4	A-PN	45	42	−54%	NT$1,085,118	NT$626,772	📦 Qty	−NT$458,346
5410002	美味田園-梓官1.4	K2	62	59	−41%	NT$1,281,323	NT$826,249	📦 Qty	−NT$455,074
0110023	永和-屏東民生	A-PT	26	20	−80%	NT$563,807	NT$115,805	📉 Both	−NT$448,002
5810115	香醇軒-光華店1.4	K1	36	38	−48%	NT$565,329	NT$227,706	📦 Qty	−NT$337,623
5310001	美味田園-岡山-1.4	K2	61	48	−29%	NT$1,024,457	NT$692,589	📉 Both	−NT$331,868
10610004	就是堡快速早餐-1	K2	10	8	−50%	NT$682,736	NT$375,667	📦 Qty	−NT$307,069
4210084	鼎山永和豆漿-1.4	K1	55	48	−16%	NT$1,286,572	NT$1,012,259	🔄 Other	−NT$274,313
4410033	香醇軒-孔宅店2.5	K1	43	36	−32%	NT$600,865	NT$331,924	📦 Qty	−NT$268,941
5810212	萊恩快速早餐-瑞興1.4	K1	50	36	−41%	NT$869,868	NT$627,931	📉 Both	−NT$241,937
3710080	香醇軒直營-忠孝店2.5	K1	43	43	−31%	NT$515,272	NT$279,382	📦 Qty	−NT$235,890
5910037	萊恩快速早餐-後庄1.4	K1	44	40	−34%	NT$968,878	NT$739,164	📦 Qty	−NT$229,714

🚨 需調查的客戶群組

1. 軍營（加祿堂營區、萬金營區）：合計 -130萬元

兩者都呈現 📦 數量減少模式
預算削減？合約變更？新採購政策？
行動：聯繫軍方窗口了解政策變動

2. 萊恩快速早餐連鎖（前15大中有4個據點）：合計 -120萬元

全部呈現 📦 數量減少模式（-34% 至 -69% 訂購量）
全連鎖業務放緩
行動：與加盟主會面 - 消費者來客數是否下降？

3. 香醇軒連鎖（前15大中有3個據點）：合計 -84萬元

各據點訂購量下滑31-48%
行動：與該連鎖負責人進行類似會議

4. 永和品牌門市：多個據點顯著衰退

四海-新庄：-76.4萬（📦 數量）
永和-屏東民生：-44.8萬（📉 兩者）
行動：確認是全公司問題還是個別據點

2.7 衰退客戶停購的產品

Code

# Products most dropped by biggest shrinking customers
dropped_products = pl.DataFrame({
    "product_code": ["12060", "11089", "12083", "12105", "12138", "21622", "56011", "53027", "56041", "53100"],
    "product_name": ["優質香草霜淇淋粉1K#", "早到晚到流心酥(袋)1.8K##", "早到晚到巧克力調味粉1k##", "高級霜淇淋粉(冷溶)1K#", "SI-113 1K#", "奇異鳥奶精(313) 25k", "(禾)手工高麗菜水餃1800g", "紅龍雞塊 1K--促銷", "抓餅(禾)10片", "紅龍卡啦雞腿堡(辣) 10片--促銷"],
    "rev_2024": [2009888, 772572, 493826, 417487, 219800, 179047, 99353, 116740, 101160, 92453],
    "rev_2025": [231314, 0, 0, 0, 0, 0, 0, 17657, 2331, 0],
    "delta": [-1778574, -772572, -493826, -417487, -219800, -179047, -99353, -99083, -98829, -92453]
})

(
    GT(dropped_products)
    .tab_header(
        title="Products Being Dropped by Biggest Shrinking Customers",
        subtitle="Top 5 shrinking customers (>50% revenue decline) - what they stopped buying"
    )
    .fmt_currency(["rev_2024", "rev_2025", "delta"], currency="TWD", decimals=0, use_subunits=False)
)

product_code	product_name	rev_2024	rev_2025	delta
Products Being Dropped by Biggest Shrinking Customers
Top 5 shrinking customers (>50% revenue decline) - what they stopped buying
12060	優質香草霜淇淋粉1K#	NT$2,009,888	NT$231,314	−NT$1,778,574
11089	早到晚到流心酥(袋)1.8K##	NT$772,572	NT$0	−NT$772,572
12083	早到晚到巧克力調味粉1k##	NT$493,826	NT$0	−NT$493,826
12105	高級霜淇淋粉(冷溶)1K#	NT$417,487	NT$0	−NT$417,487
12138	SI-113 1K#	NT$219,800	NT$0	−NT$219,800
21622	奇異鳥奶精(313) 25k	NT$179,047	NT$0	−NT$179,047
56011	(禾)手工高麗菜水餃1800g	NT$99,353	NT$0	−NT$99,353
53027	紅龍雞塊 1K--促銷	NT$116,740	NT$17,657	−NT$99,083
56041	抓餅(禾)10片	NT$101,160	NT$2,331	−NT$98,829
53100	紅龍卡啦雞腿堡(辣) 10片--促銷	NT$92,453	NT$0	−NT$92,453

產品模式分析

霜淇淋粉系列：合計 -240萬元

優質香草霜淇淋粉：-180萬
高級霜淇淋粉(冷溶)：-41.7萬
這些是季節性/夏季產品 - 需確認是時間因素還是永久流失

早到晚到品牌產品：-130萬元（完全停購）

流心酥：-77.3萬
巧克力調味粉：-49.4萬
這些產品標示 ## - 可能是正在淘汰的停產品項

解讀：部分衰退來自預期中的品項轉換（## 產品），但霜淇淋粉流失令人擔憂 - 可能代表流失冰店客戶或競爭流失。

2C. 年內衰退：2025上半年 vs 下半年 🔬

本節分析2025年內衰退的客戶（上半年 → 下半年），以了解：他們是轉向競爭對手，還是需求下降？

2C.1 方法論

上下半年衰退計算方式

時間區間：

2025上半年：1月至6月（order_date 月份 01-06）
2025下半年：7月至11月（order_date 月份 07-11）

關鍵篩選：僅限活躍客戶

我們僅納入在2025年11月或12月有下單的客戶。這確保：

✅ 客戶仍在營業且持續訂購
✅ 不計入已流失客戶（另有分析）
✅ 衰退代表錢包佔有率降低，而非帳戶流失

納入標準：

必須在2025年11月或12月有訂購（仍活躍）
上半年營收 >3萬元（具規模帳戶）
下半年營收 >1萬元（仍有購買）
營收衰退 >20% 上半年→下半年

分類邏輯：

模式	標準	解讀
📦 數量減少	數量 ↓>20%，品項穩定	需求下降 - 其終端客戶購買減少
🗑️ 品項流失	品項 ↓>20%，數量穩定	可能轉向競爭對手 - 停購我方產品
📉 兩者皆降	兩者 ↓>20%	業務萎縮
🔄 混合	其他模式	季節性或菜單調整

為何重要：透過分析品項 vs. 數量變化，我們可以區分：

市場/需求問題（數量減少）→ 景氣不佳，降價無法解決
競爭問題（品項流失）→ 競爭對手搶走市場，需要反擊

2C.2 上下半年衰退模式摘要

Code

# H1→H2 2025 decline pattern summary - ACTIVE CUSTOMERS ONLY (ordered Nov/Dec)
h1h2_summary = pl.DataFrame({
    "pattern": ["📦 Less Quantity (demand down)", "📉 Both SKUs & Qty Down", "🔄 Mixed/Stable", "🗑️ Dropped SKUs (possible competitor)"],
    "customers": [83, 36, 33, 7],
    "h1_rev": [10199242, 3827084, 2907730, 966723],
    "h2_rev": [6744552, 2285052, 2241943, 688765],
    "delta": [-3454690, -1542032, -665787, -277958],
    "avg_sku_change": [-1, -8, 0, -8],
    "avg_qty_pct": [-35, -45, -10, -9]
})

(
    GT(h1h2_summary)
    .tab_header(
        title="H1 → H2 2025 Decline Patterns (Active Customers Only)",
        subtitle="159 customers with >20% decline who STILL ordered in Nov/Dec 2025"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_percent("avg_qty_pct", decimals=0, scale_values=False)
    .cols_label(
        avg_sku_change="Avg SKU Δ",
        avg_qty_pct="Avg Qty Δ%"
    )
)

pattern	customers	h1_rev	h2_rev	delta	Avg SKU Δ	Avg Qty Δ%
H1 → H2 2025 Decline Patterns (Active Customers Only)
159 customers with >20% decline who STILL ordered in Nov/Dec 2025
📦 Less Quantity (demand down)	83	NT$10,199,242	NT$6,744,552	−NT$3,454,690	-1	−35%
📉 Both SKUs & Qty Down	36	NT$3,827,084	NT$2,285,052	−NT$1,542,032	-8	−45%
🔄 Mixed/Stable	33	NT$2,907,730	NT$2,241,943	−NT$665,787	0	−10%
🗑️ Dropped SKUs (possible competitor)	7	NT$966,723	NT$688,765	−NT$277,958	-8	−9%

🎯 關鍵洞察：是需求問題，不是競爭問題

數據回答了我們的核心問題：

情境	模式	客戶數	影響
需求下降	📦 數量減少	83 (52%)	-350萬元
業務萎縮	📉 兩者皆降	36 (23%)	-150萬元
可能競爭流失	🗑️ 品項流失	僅7位 (4%)	-27.8萬元

這代表什麼：

83位客戶訂購相同產品的數量減少35%
他們沒有轉向競爭對手 - 仍然購買我們的品項
只有7位客戶（4%）顯示可能轉向競爭對手的跡象
競爭相關流失總計：約27.8萬元（非常少）

結論：我們處於需求放緩環境，而非競爭戰場。降價和促銷無法解決問題 - 我們客戶的終端消費者支出減少了。

2C.3 上下半年衰退前15大客戶（仍活躍）

這些客戶在2025年11月/12月仍有下單，但消費金額較上半年明顯減少。

Code

# Top 15 declining customers H1→H2 - ACTIVE (ordered Nov/Dec 2025)
h1h2_detail = pl.DataFrame({
    "customer_code": ["0190012", "0290007", "5870001", "0550007", "4410040", "10610004", "4290011", "5890006", "1310203", "4210084", "1310027", "2710004", "4410023", "4410033", "5310001"],
    "trade_name": ["宵歸暝-屏東總店", "宵歸暝 潮州光華直營店", "新月牛角烘焙食品行", "瀧旭食品-3", "香醇軒總部-5", "就是堡快速早餐-1", "呷歸岡高雄三民店1.4", "夭巴ㄔㄚˋ1.4", "小田園直營-內埔1.4", "鼎山永和豆漿-1.4", "隘寮早點1.4", "鄭永彥2.5", "萊恩快速早餐-站前1.4", "香醇軒-孔宅店2.5", "美味田園-岡山-1.4"],
    "route": ["A-PT", "PS", "A-PT", "K2", "K1", "K2", "K1", "K1", "A-PK", "K1", "A-PK", "PH01", "K1", "K1", "K2"],
    "h1_skus": [65, 59, 3, 8, 12, 8, 61, 56, 26, 48, 35, 59, 35, 28, 43],
    "h2_skus": [44, 19, 4, 15, 18, 7, 60, 49, 27, 31, 33, 52, 29, 29, 41],
    "h1_qty": [5905, 2533, 2415, 6433, 1564, 2089, 2643, 3586, 2336, 4496, 2816, 2678, 1273, 3182, 2429],
    "h2_qty": [3653, 610, 1562, 696, 908, 766, 1836, 2506, 1669, 3905, 2168, 1670, 459, 1900, 1874],
    "h1_rev": [905164, 364321, 523535, 385283, 391192, 262626, 380774, 419115, 439123, 570439, 510749, 295682, 182926, 220134, 392524],
    "h2_rev": [605287, 79405, 323663, 190411, 197613, 113041, 232560, 283898, 306024, 441820, 383173, 176436, 69426, 111790, 300065]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta"),
    ((pl.col("h2_qty") - pl.col("h1_qty")) / pl.col("h1_qty") * 100).round(0).alias("qty_pct"),
    pl.when(
        ((pl.col("h2_skus") - pl.col("h1_skus")) / pl.col("h1_skus") < -0.2) &
        ((pl.col("h2_qty") - pl.col("h1_qty")) / pl.col("h1_qty") < -0.2)
    ).then(pl.lit("📉 Both"))
    .when((pl.col("h2_skus") - pl.col("h1_skus")) / pl.col("h1_skus") < -0.2)
    .then(pl.lit("🗑️ Competitor?"))
    .when((pl.col("h2_qty") - pl.col("h1_qty")) / pl.col("h1_qty") < -0.2)
    .then(pl.lit("📦 Demand↓"))
    .otherwise(pl.lit("🔄 Mixed"))
    .alias("pattern")
])

(
    GT(h1h2_detail)
    .tab_header(
        title="Top 10 H1→H2 2025 Declining Customers",
        subtitle="Customers with biggest revenue decline within 2025"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_percent("qty_pct", decimals=0, scale_values=False)
    .cols_label(
        h1_skus="SKUs H1",
        h2_skus="SKUs H2",
        h1_qty="Qty H1",
        h2_qty="Qty H2",
        qty_pct="Qty Δ%"
    )
)

customer_code	trade_name	route	SKUs H1	SKUs H2	Qty H1	Qty H2	h1_rev	h2_rev	delta	Qty Δ%	pattern
Top 10 H1→H2 2025 Declining Customers
Customers with biggest revenue decline within 2025
0190012	宵歸暝-屏東總店	A-PT	65	44	5905	3653	NT$905,164	NT$605,287	−NT$299,877	−38%	📉 Both
0290007	宵歸暝潮州光華直營店	PS	59	19	2533	610	NT$364,321	NT$79,405	−NT$284,916	−76%	📉 Both
5870001	新月牛角烘焙食品行	A-PT	3	4	2415	1562	NT$523,535	NT$323,663	−NT$199,872	−35%	📦 Demand↓
0550007	瀧旭食品-3	K2	8	15	6433	696	NT$385,283	NT$190,411	−NT$194,872	−89%	📦 Demand↓
4410040	香醇軒總部-5	K1	12	18	1564	908	NT$391,192	NT$197,613	−NT$193,579	−42%	📦 Demand↓
10610004	就是堡快速早餐-1	K2	8	7	2089	766	NT$262,626	NT$113,041	−NT$149,585	−63%	📦 Demand↓
4290011	呷歸岡高雄三民店1.4	K1	61	60	2643	1836	NT$380,774	NT$232,560	−NT$148,214	−31%	📦 Demand↓
5890006	夭巴ㄔㄚˋ1.4	K1	56	49	3586	2506	NT$419,115	NT$283,898	−NT$135,217	−30%	📦 Demand↓
1310203	小田園直營-內埔1.4	A-PK	26	27	2336	1669	NT$439,123	NT$306,024	−NT$133,099	−29%	📦 Demand↓
4210084	鼎山永和豆漿-1.4	K1	48	31	4496	3905	NT$570,439	NT$441,820	−NT$128,619	−13%	🗑️ Competitor?
1310027	隘寮早點1.4	A-PK	35	33	2816	2168	NT$510,749	NT$383,173	−NT$127,576	−23%	📦 Demand↓
2710004	鄭永彥2.5	PH01	59	52	2678	1670	NT$295,682	NT$176,436	−NT$119,246	−38%	📦 Demand↓
4410023	萊恩快速早餐-站前1.4	K1	35	29	1273	459	NT$182,926	NT$69,426	−NT$113,500	−64%	📦 Demand↓
4410033	香醇軒-孔宅店2.5	K1	28	29	3182	1900	NT$220,134	NT$111,790	−NT$108,344	−40%	📦 Demand↓
5310001	美味田園-岡山-1.4	K2	43	41	2429	1874	NT$392,524	NT$300,065	−NT$92,459	−23%	📦 Demand↓

2C.4 產品層級明細範例

這些範例精確顯示主要衰退客戶的變化。

範例1：宵歸暝-屏東總店（📉 品項與數量皆降）

模式：減少21個品項，且數量下滑38%

Code

# Product breakdown for 宵歸暝-屏東總店
ex1_products = pl.DataFrame({
    "product": ["宵歸暝草莓調味粉 1.2K", "美食家油炸專用油 18L", "維力媽媽拉麵 70g*6入", "寶宏pizza絲 1k--促銷", "宵歸暝專用紅茶600g", "8吋原味墨西哥薄餅", "宵歸暝專用咖啡1.2K", "紅龍1/4牛肉餅", "味你好冷凍熟水餃", "祥哥冷凍蘿蔔糕12片"],
    "h1_qty": [250, 47, 860, 100, 400, 150, 150, 16, 67, 240],
    "h2_qty": [50, 9, 60, 20, 300, 20, 100, 0, 24, 30],
    "h1_rev": [75715, 41183, 33582, 27142, 56000, 15428, 38000, 11884, 18468, 13028],
    "h2_rev": [15143, 7759, 2343, 5142, 42000, 2057, 25524, 0, 6760, 1514]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta"),
    pl.when(pl.col("h2_qty") == 0).then(pl.lit("STOPPED"))
      .when((pl.col("h2_qty") - pl.col("h1_qty")) / pl.col("h1_qty") < -0.5).then(pl.lit("↓↓ Major"))
      .when((pl.col("h2_qty") - pl.col("h1_qty")) / pl.col("h1_qty") < -0.2).then(pl.lit("↓ Reduced"))
      .otherwise(pl.lit("~Stable"))
      .alias("status")
])

(
    GT(ex1_products)
    .tab_header(
        title="宵歸暝-屏東總店: What Changed H1→H2",
        subtitle="Total decline: -300K TWD | Pattern: 📉 Both SKUs & Qty Down"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["h1_qty", "h2_qty"], decimals=0)
)

product	h1_qty	h2_qty	h1_rev	h2_rev	delta	status
宵歸暝-屏東總店: What Changed H1→H2
Total decline: -300K TWD \| Pattern: 📉 Both SKUs & Qty Down
宵歸暝草莓調味粉 1.2K	250	50	NT$75,715	NT$15,143	−NT$60,572	↓↓ Major
美食家油炸專用油 18L	47	9	NT$41,183	NT$7,759	−NT$33,424	↓↓ Major
維力媽媽拉麵 70g*6入	860	60	NT$33,582	NT$2,343	−NT$31,239	↓↓ Major
寶宏pizza絲 1k--促銷	100	20	NT$27,142	NT$5,142	−NT$22,000	↓↓ Major
宵歸暝專用紅茶600g	400	300	NT$56,000	NT$42,000	−NT$14,000	↓ Reduced
8吋原味墨西哥薄餅	150	20	NT$15,428	NT$2,057	−NT$13,371	↓↓ Major
宵歸暝專用咖啡1.2K	150	100	NT$38,000	NT$25,524	−NT$12,476	↓ Reduced
紅龍1/4牛肉餅	16	0	NT$11,884	NT$0	−NT$11,884	STOPPED
味你好冷凍熟水餃	67	24	NT$18,468	NT$6,760	−NT$11,708	↓↓ Major
祥哥冷凍蘿蔔糕12片	240	30	NT$13,028	NT$1,514	−NT$11,514	↓↓ Major

分析：宵歸暝連鎖（2間店衰退）

兩間宵歸暝門市都進入衰退前10名：

屏東總店：-30萬（📉 兩者皆降）
潮州光華直營店：-28.5萬（📉 兩者皆降，嚴重 - 停購40個品項！）

模式：所有產品類別全面縮減，而非單一品項問題。

可能原因：全連鎖放緩。他們的來客數下降。

行動：直接聯繫宵歸暝連鎖負責人 - 經營是否遇到困難？有無菜單調整？

範例2：宵歸暝潮州光華直營店（📉 嚴重萎縮）

模式：停購40個品項（！），數量下滑76%

Code

# Product breakdown for 宵歸暝 潮州光華直營店 - severe contraction
ex2_products = pl.DataFrame({
    "product": ["寶宏pizza絲 1k--促銷", "美食家油炸專用油 18L", "泰式打拋豬肉350g", "宵歸暝專用湯粉1K", "維力媽媽拉麵 70g*6入", "宵歸暝草莓調味粉 1.2K", "紅龍雞塊 1K--促銷", "福華沙茶醬 3K", "8吋原味墨西哥薄餅", "金鑽巧克力塗抹醬 3k"],
    "h1_qty": [101, 28, 156, 64, 500, 50, 80, 21, 78, 14],
    "h2_qty": [0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    "h1_rev": [27412, 24530, 22677, 21639, 19524, 15143, 11658, 9051, 8022, 6933],
    "h2_rev": [0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta"),
    pl.lit("🛑 STOPPED").alias("status")
])

(
    GT(ex2_products)
    .tab_header(
        title="宵歸暝 潮州光華直營店: Everything Stopped",
        subtitle="Total decline: -285K TWD | Pattern: 📉 Severe contraction"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["h1_qty", "h2_qty"], decimals=0)
)

product	h1_qty	h2_qty	h1_rev	h2_rev	delta	status
宵歸暝潮州光華直營店: Everything Stopped
Total decline: -285K TWD \| Pattern: 📉 Severe contraction
寶宏pizza絲 1k--促銷	101	0	NT$27,412	NT$0	−NT$27,412	🛑 STOPPED
美食家油炸專用油 18L	28	0	NT$24,530	NT$0	−NT$24,530	🛑 STOPPED
泰式打拋豬肉350g	156	0	NT$22,677	NT$0	−NT$22,677	🛑 STOPPED
宵歸暝專用湯粉1K	64	0	NT$21,639	NT$0	−NT$21,639	🛑 STOPPED
維力媽媽拉麵 70g*6入	500	0	NT$19,524	NT$0	−NT$19,524	🛑 STOPPED
宵歸暝草莓調味粉 1.2K	50	0	NT$15,143	NT$0	−NT$15,143	🛑 STOPPED
紅龍雞塊 1K--促銷	80	0	NT$11,658	NT$0	−NT$11,658	🛑 STOPPED
福華沙茶醬 3K	21	0	NT$9,051	NT$0	−NT$9,051	🛑 STOPPED
8吋原味墨西哥薄餅	78	0	NT$8,022	NT$0	−NT$8,022	🛑 STOPPED
金鑽巧克力塗抹醬 3k	14	0	NT$6,933	NT$0	−NT$6,933	🛑 STOPPED

🚨 警示：可能即將歇業

這個據點從購買約60種產品變成幾乎沒有。

所有主要產品都歸零
不是產品組合調整 - 是完全停止
下半年仍有小額訂單（7.9萬），所以尚未完全關閉

緊急行動：立即致電這間店。是否即將歇業？營業時間縮減？我們應該在他們完全停止前掌握情況。

範例3：新月牛角烘焙食品行（📦 純數量減少）

模式：相同產品，數量減少35%

Code

# Product breakdown for 新月牛角烘焙食品行 - pure volume reduction
ex3_products = pl.DataFrame({
    "product": ["新月優質沙拉(袋)3K", "肉鬆 3K", "元氣豬肉鬆3K--促銷", "福鷹玉米粒340g", "四季沙拉3K--促銷"],
    "h1_qty": [2265, 54, 96, 0, 0],
    "h2_qty": [1372, 0, 90, 72, 28],
    "h1_rev": [463792, 21343, 38400, 0, 0],
    "h2_rev": [280939, 0, 35487, 1371, 5866]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta"),
    pl.when(pl.col("h2_qty") == 0).then(pl.lit("STOPPED"))
      .when(pl.col("h1_qty") == 0).then(pl.lit("NEW"))
      .when((pl.col("h2_qty") - pl.col("h1_qty")) / pl.col("h1_qty") < -0.3).then(pl.lit("↓↓ Major"))
      .otherwise(pl.lit("~Stable"))
      .alias("status")
])

(
    GT(ex3_products)
    .tab_header(
        title="新月牛角烘焙食品行: Single Product Volume Drop",
        subtitle="Total decline: -200K TWD | Pattern: 📦 Less Quantity"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["h1_qty", "h2_qty"], decimals=0)
)

product	h1_qty	h2_qty	h1_rev	h2_rev	delta	status
新月牛角烘焙食品行: Single Product Volume Drop
Total decline: -200K TWD \| Pattern: 📦 Less Quantity
新月優質沙拉(袋)3K	2,265	1,372	NT$463,792	NT$280,939	−NT$182,853	↓↓ Major
肉鬆 3K	54	0	NT$21,343	NT$0	−NT$21,343	STOPPED
元氣豬肉鬆3K--促銷	96	90	NT$38,400	NT$35,487	−NT$2,913	~Stable
福鷹玉米粒340g	0	72	NT$0	NT$1,371	NT$1,371	NEW
四季沙拉3K--促銷	0	28	NT$0	NT$5,866	NT$5,866	NEW

分析：典型需求放緩

這間烘焙坊主要向我們購買一項產品：新月優質沙拉（沙拉醬）。

上半年：2,265件 → 下半年：1,372件（-39%）
他們沒有更換供應商 - 仍購買相同產品
數量減少 = 他們的烘焙坊銷售下滑

這是「📦 數量減少」最明確的範例：相同品項，只是訂單變小。

我們無法透過更好的服務或價格來解決 - 他們的顧客沒有買那麼多麵包了。

範例4：就是堡快速早餐（📦 純數量減少）

模式：8個品項 → 7個品項（基本相同），數量下滑63%

Code

# Product breakdown for 就是堡快速早餐
ex4_products = pl.DataFrame({
    "product": ["Jasper奶精 1.1k", "日式香酥魚堡 25入", "卡啦脆魚條 1K", "丹麥土司10片", "香香雞米花1K", "金品玉米濃湯250g"],
    "h1_qty": [1620, 36, 45, 120, 36, 216],
    "h2_qty": [540, 27, 49, 76, 54, 0],
    "h1_rev": [216000, 15639, 9431, 6510, 6137, 4114],
    "h2_rev": [72000, 11727, 10270, 4124, 9666, 0]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta"),
    pl.when(pl.col("h2_qty") == 0).then(pl.lit("STOPPED"))
      .when((pl.col("h2_qty") - pl.col("h1_qty")) / pl.col("h1_qty") < -0.3).then(pl.lit("↓↓ Major"))
      .when(pl.col("h2_qty") > pl.col("h1_qty")).then(pl.lit("↑ UP"))
      .otherwise(pl.lit("~Stable"))
      .alias("status")
])

(
    GT(ex4_products)
    .tab_header(
        title="就是堡快速早餐: Same Products, Much Less Volume",
        subtitle="Total decline: -150K TWD | Pattern: 📦 Less Quantity"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["h1_qty", "h2_qty"], decimals=0)
)

product	h1_qty	h2_qty	h1_rev	h2_rev	delta	status
就是堡快速早餐: Same Products, Much Less Volume
Total decline: -150K TWD \| Pattern: 📦 Less Quantity
Jasper奶精 1.1k	1,620	540	NT$216,000	NT$72,000	−NT$144,000	↓↓ Major
日式香酥魚堡 25入	36	27	NT$15,639	NT$11,727	−NT$3,912	~Stable
卡啦脆魚條 1K	45	49	NT$9,431	NT$10,270	NT$839	↑ UP
丹麥土司10片	120	76	NT$6,510	NT$4,124	−NT$2,386	↓↓ Major
香香雞米花1K	36	54	NT$6,137	NT$9,666	NT$3,529	↑ UP
金品玉米濃湯250g	216	0	NT$4,114	NT$0	−NT$4,114	STOPPED

分析：Jasper奶精說明一切

主要產品（Jasper奶精）：1,620 → 540件（-67%）
仍購買相同品牌奶精 - 沒有轉換
其他產品（魚堡、雞肉）也等比例下降

這是一間早餐店，因為他們的顧客減少而減少所有採購。

範例5：小田園直營-內埔（📦 全面數量下滑）

模式：26個品項 → 27個品項（組合相同），數量下滑29%

Code

# Product breakdown for 小田園直營-內埔
ex5_products = pl.DataFrame({
    "product": ["正點卡啦雞腿堡(辣)--促銷", "強匠煙燻雞肉片1kg", "小田園熱狗 50入", "正點卡啦雞腿堡(原味)--促銷", "遠洋鮪魚三明治1880g", "香香雞米花1K", "安美燻腸 1000g--促銷", "HISUN起司片84片--促銷", "香雞城小肉豆1K", "抓餅(禾)10片"],
    "h1_qty": [227, 167, 323, 183, 102, 176, 160, 99, 147, 278],
    "h2_qty": [159, 109, 218, 137, 48, 136, 128, 62, 105, 216],
    "h1_rev": [42473, 39075, 38150, 34220, 32541, 29923, 29250, 29134, 25907, 24881],
    "h2_rev": [29094, 25263, 26635, 25071, 15318, 23963, 22740, 18535, 18497, 19332]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta"),
    ((pl.col("h2_qty") - pl.col("h1_qty")) / pl.col("h1_qty") * 100).round(0).alias("qty_pct")
])

(
    GT(ex5_products)
    .tab_header(
        title="小田園直營-內埔: Every Product Down ~30%",
        subtitle="Total decline: -133K TWD | Pattern: 📦 Less Quantity"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["h1_qty", "h2_qty"], decimals=0)
    .fmt_percent("qty_pct", decimals=0, scale_values=False)
)

product	h1_qty	h2_qty	h1_rev	h2_rev	delta	qty_pct
小田園直營-內埔: Every Product Down ~30%
Total decline: -133K TWD \| Pattern: 📦 Less Quantity
正點卡啦雞腿堡(辣)--促銷	227	159	NT$42,473	NT$29,094	−NT$13,379	−30%
強匠煙燻雞肉片1kg	167	109	NT$39,075	NT$25,263	−NT$13,812	−35%
小田園熱狗 50入	323	218	NT$38,150	NT$26,635	−NT$11,515	−33%
正點卡啦雞腿堡(原味)--促銷	183	137	NT$34,220	NT$25,071	−NT$9,149	−25%
遠洋鮪魚三明治1880g	102	48	NT$32,541	NT$15,318	−NT$17,223	−53%
香香雞米花1K	176	136	NT$29,923	NT$23,963	−NT$5,960	−23%
安美燻腸 1000g--促銷	160	128	NT$29,250	NT$22,740	−NT$6,510	−20%
HISUN起司片84片--促銷	99	62	NT$29,134	NT$18,535	−NT$10,599	−37%
香雞城小肉豆1K	147	105	NT$25,907	NT$18,497	−NT$7,410	−29%
抓餅(禾)10片	278	216	NT$24,881	NT$19,332	−NT$5,549	−22%

分析：所有產品均勻下滑20-40%

前10大產品仍在購買 - 只是每項都買得更少：

雞腿堡：-30%
熱狗：-32%
起司：-37%
鮪魚三明治：-53%

關鍵洞察：如果他們轉向競爭對手，我們會看到某些產品歸零而其他穩定。但實際上所有產品都等比例下降 = 他們的來客數下降了。

範例6：隘寮早點（📦 獨立店家，相同模式）

模式：35個品項 → 33個品項（相似），數量下滑23%

Code

# Product breakdown for 隘寮早點
ex6_products = pl.DataFrame({
    "product": ["強匠卡拉雞腿堡(辣)--促銷", "安心熱狗100支", "卜蜂業務用雞塊3k", "奇異鳥奶精 25k", "金酥3/8脆薯2.04K--促銷", "強匠卡拉雞腿堡(原味)--促銷", "手工蔥抓餅10入--促銷", "福汎巧克力3K", "家州黑胡椒腿肉排1K", "元氣豬肉鬆3K--促銷"],
    "h1_qty": [1482, 195, 135, 10, 88, 100, 184, 17, 30, 12],
    "h2_qty": [1116, 193, 52, 9, 79, 62, 150, 16, 29, 14],
    "h1_rev": [272264, 42707, 41138, 22713, 18535, 18508, 16006, 8031, 6293, 4898],
    "h2_rev": [203659, 43781, 15847, 20440, 15631, 11325, 11602, 7616, 6079, 5680]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta"),
    ((pl.col("h2_qty") - pl.col("h1_qty")) / pl.col("h1_qty") * 100).round(0).alias("qty_pct")
])

(
    GT(ex6_products)
    .tab_header(
        title="隘寮早點: Independent Shop Shows Same Pattern",
        subtitle="Total decline: -128K TWD | Pattern: 📦 Less Quantity"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["h1_qty", "h2_qty"], decimals=0)
    .fmt_percent("qty_pct", decimals=0, scale_values=False)
)

product	h1_qty	h2_qty	h1_rev	h2_rev	delta	qty_pct
隘寮早點: Independent Shop Shows Same Pattern
Total decline: -128K TWD \| Pattern: 📦 Less Quantity
強匠卡拉雞腿堡(辣)--促銷	1,482	1,116	NT$272,264	NT$203,659	−NT$68,605	−25%
安心熱狗100支	195	193	NT$42,707	NT$43,781	NT$1,074	−1%
卜蜂業務用雞塊3k	135	52	NT$41,138	NT$15,847	−NT$25,291	−61%
奇異鳥奶精 25k	10	9	NT$22,713	NT$20,440	−NT$2,273	−10%
金酥3/8脆薯2.04K--促銷	88	79	NT$18,535	NT$15,631	−NT$2,904	−10%
強匠卡拉雞腿堡(原味)--促銷	100	62	NT$18,508	NT$11,325	−NT$7,183	−38%
手工蔥抓餅10入--促銷	184	150	NT$16,006	NT$11,602	−NT$4,404	−18%
福汎巧克力3K	17	16	NT$8,031	NT$7,616	−NT$415	−6%
家州黑胡椒腿肉排1K	30	29	NT$6,293	NT$6,079	−NT$214	−3%
元氣豬肉鬆3K--促銷	12	14	NT$4,898	NT$5,680	NT$782	17%

分析：相同故事，不同店家

這是一間獨立早餐店（非連鎖），呈現完全相同的模式：

主要產品（強匠雞腿堡）：1,482 → 1,116件（-25%）
熱狗：基本持平（仍購買相同數量）
奶精、薯條、巧克力：都是穩定品項，數量略減

不是連鎖效應 - 這是全市場需求放緩，也影響到獨立店家。

範例7：漁行口食堂（📦 餐廳，季節性？）

模式：11個品項 → 12個品項（相同），數量下滑55%

Code

# Product breakdown for 漁行口食堂-王船文化館
ex7_products = pl.DataFrame({
    "product": ["紅龍香檸雞柳條 1K", "金酥3/8脆薯2.04K--促銷", "強匠招牌鹽酥雞500g--促銷", "酥炸杏鮑菇2.2K", "洋蔥圈1K"],
    "h1_qty": [190, 118, 220, 31, 35],
    "h2_qty": [45, 66, 120, 20, 6],
    "h1_rev": [28048, 24723, 23347, 12400, 4858],
    "h2_rev": [6642, 12915, 12458, 8000, 829]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta"),
    ((pl.col("h2_qty") - pl.col("h1_qty")) / pl.col("h1_qty") * 100).round(0).alias("qty_pct")
])

(
    GT(ex7_products)
    .tab_header(
        title="漁行口食堂-王船文化館: Tourist Restaurant Decline",
        subtitle="Total decline: -54K TWD | Pattern: 📦 Less Quantity"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["h1_qty", "h2_qty"], decimals=0)
    .fmt_percent("qty_pct", decimals=0, scale_values=False)
)

product	h1_qty	h2_qty	h1_rev	h2_rev	delta	qty_pct
漁行口食堂-王船文化館: Tourist Restaurant Decline
Total decline: -54K TWD \| Pattern: 📦 Less Quantity
紅龍香檸雞柳條 1K	190	45	NT$28,048	NT$6,642	−NT$21,406	−76%
金酥3/8脆薯2.04K--促銷	118	66	NT$24,723	NT$12,915	−NT$11,808	−44%
強匠招牌鹽酥雞500g--促銷	220	120	NT$23,347	NT$12,458	−NT$10,889	−45%
酥炸杏鮑菇2.2K	31	20	NT$12,400	NT$8,000	−NT$4,400	−35%
洋蔥圈1K	35	6	NT$4,858	NT$829	−NT$4,029	−83%

分析：文化/觀光場所

這間餐廳位於王船文化館 - 可能依賴觀光客。

所有炸物產品下滑45-83%
相同產品組合，只是數量大幅減少
可能有季節因素（下半年 = 秋冬，觀光減少？）

即使部分為季節性因素，模式仍確認：購買相同產品，數量減少 = 需求下降。

2E. 成功案例：成長中的客戶 📈

不是所有客戶都在衰退！75位老客戶正在成長 - 讓我們從他們身上學習。

2E.1 客戶健康度分布

Code

# Customer health distribution H1→H2 2025
health_dist = pl.DataFrame({
    "status": ["📈 Growing (>10%)", "➡️ Stable (±10%)", "📉 Declining (10-30%)", "⚠️ Sharp Decline (>30%)"],
    "customers": [75, 214, 196, 50],
    "h1_rev": [6428941, 31628138, 25364985, 8240582],
    "h2_rev": [8110776, 30913491, 21081750, 4866335],
    "delta": [1681835, -714647, -4283235, -3374247]
})

(
    GT(health_dist)
    .tab_header(
        title="Customer Health Distribution: H1 → H2 2025",
        subtitle="Active customers (ordered Nov/Dec 2025) with >30K per half"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number("customers", decimals=0)
)

status	customers	h1_rev	h2_rev	delta
Customer Health Distribution: H1 → H2 2025
Active customers (ordered Nov/Dec 2025) with >30K per half
📈 Growing (>10%)	75	NT$6,428,941	NT$8,110,776	NT$1,681,835
➡️ Stable (±10%)	214	NT$31,628,138	NT$30,913,491	−NT$714,647
📉 Declining (10-30%)	196	NT$25,364,985	NT$21,081,750	−NT$4,283,235
⚠️ Sharp Decline (>30%)	50	NT$8,240,582	NT$4,866,335	−NT$3,374,247

好消息：289位客戶（54%）穩定或成長中！

75位成長 = +170萬元
214位穩定 = 基本持平
合計：289位客戶（54%）維持穩定或持續成長

衰退集中在246位客戶（46%），並非均勻分布。

2E.2 成長前幾名客戶（僅限老客戶）

篩選條件：2024年營收 >10萬元（非新店）：

Code

# Top growing established customers
growing = pl.DataFrame({
    "customer_code": ["3410019", "0110932", "0610071", "0810005", "6210024", "0111122", "0210304", "3410042", "1310243", "0320113"],
    "trade_name": ["壽司早點-蘇惠君", "活力-屏商技", "大屏北早餐-繁華1.4", "順利早點2.5", "小田園直營店-久堂1.4", "早安8快速早餐-永大店", "早點見面", "琉浪日嚐", "大屏北早餐-龍泉1.4", "迪士米"],
    "route": ["PK", "A-PT", "A-PN", "A-PN", "K2", "A-PT", "PS", "PK", "A-PK", "PK"],
    "since": ["2019", "2017", "2017", "2017", "2018", "2017", "2024", "2024", "2019", "2017"],
    "rev_2024": [422147, 304430, 642399, 478503, 450540, 600722, 244967, 134091, 641033, 184299],
    "h1_skus": [22, 46, 47, 31, 24, 44, 73, 24, 37, 17],
    "h2_skus": [34, 47, 47, 36, 26, 47, 66, 26, 39, 22],
    "h1_rev": [157682, 106262, 342034, 212879, 208734, 218870, 181534, 137523, 313028, 82486],
    "h2_rev": [240551, 174930, 397831, 268332, 260522, 267473, 224644, 179823, 352760, 120021],
    "qty_pct": [51, 56, 21, 71, 29, 31, 31, 29, 38, 81]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta"),
    (pl.col("h2_skus") - pl.col("h1_skus")).alias("sku_delta"),
    ((pl.col("h2_rev") - pl.col("h1_rev")) / pl.col("h1_rev") * 100).round(0).alias("rev_pct")
])

(
    GT(growing)
    .tab_header(
        title="🌟 Top 10 Growing Established Customers",
        subtitle="Customers with >100K 2024 revenue, growing H1→H2 2025"
    )
    .fmt_currency(["rev_2024", "h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_percent(["rev_pct", "qty_pct"], decimals=0, scale_values=False)
    .cols_label(
        sku_delta="SKU Δ",
        qty_pct="Qty Δ%",
        rev_pct="Rev Δ%"
    )
)

customer_code	trade_name	route	since	rev_2024	h1_skus	h2_skus	h1_rev	h2_rev	Qty Δ%	delta	SKU Δ	Rev Δ%
🌟 Top 10 Growing Established Customers
Customers with >100K 2024 revenue, growing H1→H2 2025
3410019	壽司早點-蘇惠君	PK	2019	NT$422,147	22	34	NT$157,682	NT$240,551	51%	NT$82,869	12	53%
0110932	活力-屏商技	A-PT	2017	NT$304,430	46	47	NT$106,262	NT$174,930	56%	NT$68,668	1	65%
0610071	大屏北早餐-繁華1.4	A-PN	2017	NT$642,399	47	47	NT$342,034	NT$397,831	21%	NT$55,797	0	16%
0810005	順利早點2.5	A-PN	2017	NT$478,503	31	36	NT$212,879	NT$268,332	71%	NT$55,453	5	26%
6210024	小田園直營店-久堂1.4	K2	2018	NT$450,540	24	26	NT$208,734	NT$260,522	29%	NT$51,788	2	25%
0111122	早安8快速早餐-永大店	A-PT	2017	NT$600,722	44	47	NT$218,870	NT$267,473	31%	NT$48,603	3	22%
0210304	早點見面	PS	2024	NT$244,967	73	66	NT$181,534	NT$224,644	31%	NT$43,110	-7	24%
3410042	琉浪日嚐	PK	2024	NT$134,091	24	26	NT$137,523	NT$179,823	29%	NT$42,300	2	31%
1310243	大屏北早餐-龍泉1.4	A-PK	2019	NT$641,033	37	39	NT$313,028	NT$352,760	38%	NT$39,732	2	13%
0320113	迪士米	PK	2017	NT$184,299	17	22	NT$82,486	NT$120,021	81%	NT$37,535	5	46%

2E.3 成長中的客戶有什麼不同？

成功模式1：壽司早點-蘇惠君（+53%，菜單擴展）

策略：新增12個品項，全面增加訂購量

Code

# 壽司早點 product breakdown
success1 = pl.DataFrame({
    "product": ["紅龍卡啦雞腿堡(辣)--促銷", "鮮肉湯包 50入", "二代紅450g", "紅龍雞塊 1K--促銷 🆕", "安佳84片乳酪--促銷", "黃金潛艇堡(起司)--促銷", "芋泥包60g*12粒", "冷凍熟鍋貼 🆕"],
    "h1_qty": [152, 266, 120, 0, 30, 120, 72, 4],
    "h2_qty": [258, 392, 160, 70, 50, 160, 117, 32],
    "h1_rev": [28954, 36743, 28573, 0, 9809, 15664, 6654, 458],
    "h2_rev": [47305, 54130, 38097, 9335, 15287, 20302, 10812, 3600]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta"),
    ((pl.col("h2_qty") - pl.col("h1_qty")) / pl.when(pl.col("h1_qty") > 0).then(pl.col("h1_qty")).otherwise(1) * 100).round(0).alias("qty_pct")
])

(
    GT(success1)
    .tab_header(
        title="壽司早點-蘇惠君: Menu Expansion Strategy",
        subtitle="Added new products (🆕) AND increased volume on existing items"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["h1_qty", "h2_qty"], decimals=0)
)

product	h1_qty	h2_qty	h1_rev	h2_rev	delta	qty_pct
壽司早點-蘇惠君: Menu Expansion Strategy
Added new products (🆕) AND increased volume on existing items
紅龍卡啦雞腿堡(辣)--促銷	152	258	NT$28,954	NT$47,305	NT$18,351	70.0
鮮肉湯包 50入	266	392	NT$36,743	NT$54,130	NT$17,387	47.0
二代紅450g	120	160	NT$28,573	NT$38,097	NT$9,524	33.0
紅龍雞塊 1K--促銷 🆕	0	70	NT$0	NT$9,335	NT$9,335	7000.0
安佳84片乳酪--促銷	30	50	NT$9,809	NT$15,287	NT$5,478	67.0
黃金潛艇堡(起司)--促銷	120	160	NT$15,664	NT$20,302	NT$4,638	33.0
芋泥包60g*12粒	72	117	NT$6,654	NT$10,812	NT$4,158	62.0
冷凍熟鍋貼 🆕	4	32	NT$458	NT$3,600	NT$3,142	700.0

成功模式：菜單擴展

新增12個品項（從22增至34）
加入熱門品項：紅龍雞塊、鍋貼
現有產品數量也增加50%

關鍵：這間店正在積極擴展菜單以吸引更多顧客。

成功模式2：大屏北早餐-繁華（+16%，找到爆品）

策略：相同品項，但找到一項爆款產品

Code

# 大屏北早餐 product breakdown
success2 = pl.DataFrame({
    "product": ["奇異鳥奶精 25k", "家州黑胡椒里肌 1.2K 🔥", "二代紅450g", "安美燻腸 1000g--促銷", "三代450g", "香Q蛋餅皮(蔥花)30入"],
    "h1_qty": [23, 18, 97, 163, 48, 264],
    "h2_qty": [22, 140, 132, 154, 72, 292],
    "h1_rev": [52225, 4440, 21038, 29805, 15311, 18147],
    "h2_rev": [49956, 35071, 31417, 27429, 23551, 20073]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta"),
    ((pl.col("h2_qty") - pl.col("h1_qty")) / pl.when(pl.col("h1_qty") > 0).then(pl.col("h1_qty")).otherwise(1) * 100).round(0).alias("qty_pct")
])

(
    GT(success2)
    .tab_header(
        title="大屏北早餐-繁華: Found a Winning Product",
        subtitle="Same 47 SKUs, but ONE product exploded 🔥"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["h1_qty", "h2_qty"], decimals=0)
)

product	h1_qty	h2_qty	h1_rev	h2_rev	delta	qty_pct
大屏北早餐-繁華: Found a Winning Product
Same 47 SKUs, but ONE product exploded 🔥
奇異鳥奶精 25k	23	22	NT$52,225	NT$49,956	−NT$2,269	-4.0
家州黑胡椒里肌 1.2K 🔥	18	140	NT$4,440	NT$35,071	NT$30,631	678.0
二代紅450g	97	132	NT$21,038	NT$31,417	NT$10,379	36.0
安美燻腸 1000g--促銷	163	154	NT$29,805	NT$27,429	−NT$2,376	-6.0
三代450g	48	72	NT$15,311	NT$23,551	NT$8,240	50.0
香Q蛋餅皮(蔥花)30入	264	292	NT$18,147	NT$20,073	NT$1,926	11.0

成功模式：產品聚焦

家州黑胡椒里肌從18 → 140件（+677%！）
多數其他產品維持相似
這一項產品就貢獻+3萬成長

關鍵：找到顧客最愛並大力擴大銷售。

成功模式3：順利早點（+26%，新增炸雞品項）

策略：擴展至炸雞產品線

Code

# 順利早點 product breakdown
success3 = pl.DataFrame({
    "product": ["紅龍卡啦雞腿堡(辣) 🆕", "安美燻腸 1000g--促銷", "安美熱狗50條", "金酥3/8脆薯 🔥", "紅龍雞塊 1K--促銷 🔥", "玉米粒 🆕", "杏仁片 500g", "飛燕煉乳 375g"],
    "h1_qty": [0, 13, 160, 7, 50, 0, 15, 116],
    "h2_qty": [98, 94, 295, 45, 97, 312, 25, 171],
    "h1_rev": [0, 2440, 16763, 1533, 7378, 0, 4890, 5295],
    "h2_rev": [18160, 16622, 30893, 9076, 13878, 5694, 8644, 7806]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta")
])

(
    GT(success3)
    .tab_header(
        title="順利早點: Expanded into Fried Chicken",
        subtitle="Added chicken products (🆕) and scaled up fries/nuggets (🔥)"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["h1_qty", "h2_qty"], decimals=0)
)

product	h1_qty	h2_qty	h1_rev	h2_rev	delta
順利早點: Expanded into Fried Chicken
Added chicken products (🆕) and scaled up fries/nuggets (🔥)
紅龍卡啦雞腿堡(辣) 🆕	0	98	NT$0	NT$18,160	NT$18,160
安美燻腸 1000g--促銷	13	94	NT$2,440	NT$16,622	NT$14,182
安美熱狗50條	160	295	NT$16,763	NT$30,893	NT$14,130
金酥3/8脆薯 🔥	7	45	NT$1,533	NT$9,076	NT$7,543
紅龍雞塊 1K--促銷 🔥	50	97	NT$7,378	NT$13,878	NT$6,500
玉米粒 🆕	0	312	NT$0	NT$5,694	NT$5,694
杏仁片 500g	15	25	NT$4,890	NT$8,644	NT$3,754
飛燕煉乳 375g	116	171	NT$5,295	NT$7,806	NT$2,511

成功模式：品類擴展

新增炸雞品類：卡啦雞腿堡（0→98件）
擴大相關品項：薯條（+543%）、雞塊（+94%）
也新增配套品項：玉米粒作為配菜

關鍵：擴展至炸雞套餐 - 一個成長中的品類。

2E.4 完整產品明細：10位成長客戶

Code

# Complete breakdown for all 10 customers - key products driving growth
all_growth = pl.DataFrame({
    "customer": [
        "① 壽司早點-蘇惠君", "① 壽司早點-蘇惠君", "① 壽司早點-蘇惠君",
        "② 活力-屏商技", "② 活力-屏商技", "② 活力-屏商技",
        "③ 大屏北-繁華", "③ 大屏北-繁華", "③ 大屏北-繁華",
        "④ 順利早點", "④ 順利早點", "④ 順利早點",
        "⑤ 小田園-久堂", "⑤ 小田園-久堂", "⑤ 小田園-久堂",
        "⑥ 早安8-永大店", "⑥ 早安8-永大店", "⑥ 早安8-永大店",
        "⑦ 早點見面", "⑦ 早點見面", "⑦ 早點見面",
        "⑧ 琉浪日嚐", "⑧ 琉浪日嚐", "⑧ 琉浪日嚐",
        "⑨ 大屏北-龍泉", "⑨ 大屏北-龍泉", "⑨ 大屏北-龍泉",
        "⑩ 迪士米", "⑩ 迪士米", "⑩ 迪士米"
    ],
    "product": [
        "🍗 紅龍卡啦雞腿堡(辣)", "🥟 鮮肉湯包 50入", "🍗 紅龍雞塊 🆕",
        "🍖 每天豬柳 1K", "🍗 正點卡啦雞腿堡 🆕", "🍝 義大利肉醬麵 🆕",
        "🥩 黑胡椒里肌 🔥", "🍳 二代紅450g", "🥓 三代450g",
        "🍗 紅龍卡啦雞腿堡 🆕", "🌭 安美熱狗50條", "🍗 紅龍雞塊",
        "🍗 正點卡啦雞腿堡(辣) 🆕", "🍗 正點卡啦雞腿堡(原) 🆕", "🧀 起士片100片",
        "☕ 新萊恩奶精 🆕", "☕ 萊恩咖啡 🆕", "🍗 紅龍雞塊",
        "🥔 日規薯餅 🆕", "🍗 香雞城卡啦雞腿(辣)", "🍗 香雞城卡啦雞腿(原)",
        "🍕 pizza絲", "🍜 讚岐烏龍麵", "🥫 福鷹玉米粒 🆕",
        "🥩 黑胡椒里肌 🔥", "🥟 阿在伯蔥抓餅", "🍗 香酥雞塊 🆕",
        "🍗 紅龍雞塊 🆕", "🍗 紅龍搖搖雞球", "🥚 香酥蛋餅 🆕"
    ],
    "h1_qty": [152, 266, 0, 89, 0, 0, 18, 97, 48, 0, 160, 50, 1, 0, 14, 0, 0, 25, 0, 31, 37, 46, 6, 0, 12, 20, 0, 0, 12, 0],
    "h2_qty": [258, 392, 70, 186, 49, 360, 140, 132, 72, 98, 295, 97, 133, 93, 52, 315, 90, 128, 89, 92, 98, 75, 36, 120, 177, 292, 41, 70, 57, 88],
    "h1_rev": [28954, 36743, 0, 16963, 0, 0, 4440, 21038, 15311, 0, 16763, 7378, 178, 0, 3798, 0, 0, 3638, 0, 5169, 6183, 12703, 611, 0, 2959, 1676, 0, 0, 2022, 0],
    "h2_rev": [47305, 54130, 9335, 40208, 8676, 8567, 35071, 31417, 23551, 18160, 30893, 13878, 23790, 16619, 14101, 29999, 18859, 17154, 12627, 15511, 16491, 19459, 3668, 2285, 44060, 22428, 12518, 9618, 9605, 7126]
}).with_columns([
    (pl.col("h2_rev") - pl.col("h1_rev")).alias("delta")
])

(
    GT(all_growth)
    .tab_header(
        title="🔍 Top 3 Growth Drivers per Customer",
        subtitle="🆕 = New product in H2, 🔥 = Explosive growth"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["h1_qty", "h2_qty"], decimals=0)
)

customer	product	h1_qty	h2_qty	h1_rev	h2_rev	delta
🔍 Top 3 Growth Drivers per Customer
🆕 = New product in H2, 🔥 = Explosive growth
① 壽司早點-蘇惠君	🍗 紅龍卡啦雞腿堡(辣)	152	258	NT$28,954	NT$47,305	NT$18,351
① 壽司早點-蘇惠君	🥟 鮮肉湯包 50入	266	392	NT$36,743	NT$54,130	NT$17,387
① 壽司早點-蘇惠君	🍗 紅龍雞塊 🆕	0	70	NT$0	NT$9,335	NT$9,335
② 活力-屏商技	🍖 每天豬柳 1K	89	186	NT$16,963	NT$40,208	NT$23,245
② 活力-屏商技	🍗 正點卡啦雞腿堡 🆕	0	49	NT$0	NT$8,676	NT$8,676
② 活力-屏商技	🍝 義大利肉醬麵 🆕	0	360	NT$0	NT$8,567	NT$8,567
③ 大屏北-繁華	🥩 黑胡椒里肌 🔥	18	140	NT$4,440	NT$35,071	NT$30,631
③ 大屏北-繁華	🍳 二代紅450g	97	132	NT$21,038	NT$31,417	NT$10,379
③ 大屏北-繁華	🥓 三代450g	48	72	NT$15,311	NT$23,551	NT$8,240
④ 順利早點	🍗 紅龍卡啦雞腿堡 🆕	0	98	NT$0	NT$18,160	NT$18,160
④ 順利早點	🌭 安美熱狗50條	160	295	NT$16,763	NT$30,893	NT$14,130
④ 順利早點	🍗 紅龍雞塊	50	97	NT$7,378	NT$13,878	NT$6,500
⑤ 小田園-久堂	🍗 正點卡啦雞腿堡(辣) 🆕	1	133	NT$178	NT$23,790	NT$23,612
⑤ 小田園-久堂	🍗 正點卡啦雞腿堡(原) 🆕	0	93	NT$0	NT$16,619	NT$16,619
⑤ 小田園-久堂	🧀 起士片100片	14	52	NT$3,798	NT$14,101	NT$10,303
⑥ 早安8-永大店	☕ 新萊恩奶精 🆕	0	315	NT$0	NT$29,999	NT$29,999
⑥ 早安8-永大店	☕ 萊恩咖啡 🆕	0	90	NT$0	NT$18,859	NT$18,859
⑥ 早安8-永大店	🍗 紅龍雞塊	25	128	NT$3,638	NT$17,154	NT$13,516
⑦ 早點見面	🥔 日規薯餅 🆕	0	89	NT$0	NT$12,627	NT$12,627
⑦ 早點見面	🍗 香雞城卡啦雞腿(辣)	31	92	NT$5,169	NT$15,511	NT$10,342
⑦ 早點見面	🍗 香雞城卡啦雞腿(原)	37	98	NT$6,183	NT$16,491	NT$10,308
⑧ 琉浪日嚐	🍕 pizza絲	46	75	NT$12,703	NT$19,459	NT$6,756
⑧ 琉浪日嚐	🍜 讚岐烏龍麵	6	36	NT$611	NT$3,668	NT$3,057
⑧ 琉浪日嚐	🥫 福鷹玉米粒 🆕	0	120	NT$0	NT$2,285	NT$2,285
⑨ 大屏北-龍泉	🥩 黑胡椒里肌 🔥	12	177	NT$2,959	NT$44,060	NT$41,101
⑨ 大屏北-龍泉	🥟 阿在伯蔥抓餅	20	292	NT$1,676	NT$22,428	NT$20,752
⑨ 大屏北-龍泉	🍗 香酥雞塊 🆕	0	41	NT$0	NT$12,518	NT$12,518
⑩ 迪士米	🍗 紅龍雞塊 🆕	0	70	NT$0	NT$9,618	NT$9,618
⑩ 迪士米	🍗 紅龍搖搖雞球	12	57	NT$2,022	NT$9,605	NT$7,583
⑩ 迪士米	🥚 香酥蛋餅 🆕	0	88	NT$0	NT$7,126	NT$7,126

2E.5 模式分析：什麼驅動成長？

Code

# Count how many of the 10 growing customers use each strategy
driver_summary = pl.DataFrame({
    "growth_driver": [
        "🍗 Fried Chicken (卡啦雞腿堡/雞塊/雞球)",
        "🥟 Quick Prep Items (鍋貼/抓餅/薯餅)",
        "🥩 Black Pepper Pork (黑胡椒里肌)",
        "☕ Beverage Addition (奶精/咖啡)",
        "🍕 Specialty Items (Pizza/烏龍麵)",
        "🍝 Meal Additions (義大利麵)"
    ],
    "customers_using": [8, 6, 2, 1, 1, 1],
    "example_products": [
        "紅龍卡啦雞腿堡, 正點卡啦雞腿堡, 紅龍雞塊, 搖搖雞球",
        "阿在伯蔥抓餅, 熟鍋貼, 日規薯餅, 三角薯餅",
        "家州黑胡椒里肌 1.2K (大屏北兩家店都爆發)",
        "新萊恩奶精800g, 萊恩咖啡400g",
        "pizza絲, 讚岐烏龍麵",
        "金品義大利肉醬麵"
    ],
    "impact": ["HIGH - 主力成長動能", "MEDIUM - 擴大品項", "HIGH - 單品爆發", "MEDIUM - 新品類", "LOW - 特定客群", "LOW - 特定客群"]
})

(
    GT(driver_summary)
    .tab_header(
        title="📊 Growth Driver Analysis (10 Customers)",
        subtitle="What products are driving customer growth?"
    )
    .cols_label(
        customers_using="# Using",
        example_products="Example Products"
    )
)

growth_driver	# Using	Example Products	impact
📊 Growth Driver Analysis (10 Customers)
What products are driving customer growth?
🍗 Fried Chicken (卡啦雞腿堡/雞塊/雞球)	8	紅龍卡啦雞腿堡, 正點卡啦雞腿堡, 紅龍雞塊, 搖搖雞球	HIGH - 主力成長動能
🥟 Quick Prep Items (鍋貼/抓餅/薯餅)	6	阿在伯蔥抓餅, 熟鍋貼, 日規薯餅, 三角薯餅	MEDIUM - 擴大品項
🥩 Black Pepper Pork (黑胡椒里肌)	2	家州黑胡椒里肌 1.2K (大屏北兩家店都爆發)	HIGH - 單品爆發
☕ Beverage Addition (奶精/咖啡)	1	新萊恩奶精800g, 萊恩咖啡400g	MEDIUM - 新品類
🍕 Specialty Items (Pizza/烏龍麵)	1	pizza絲, 讚岐烏龍麵	LOW - 特定客群
🍝 Meal Additions (義大利麵)	1	金品義大利肉醬麵	LOW - 特定客群

🔑 關鍵發現：炸雞是成長品類

10位成長客戶中有8位新增或擴大炸雞產品：

產品	品牌	新增客戶數
卡啦雞腿堡	紅龍/正點/強匠	6位客戶
雞塊	紅龍	4位客戶
雞米花/搖搖雞球	紅龍/香香	2位客戶

這是我們最強的成長槓桿。

2E.6 「黑胡椒里肌」現象 🔥

同一連鎖的兩家店發現了同樣的爆品：

Code

# Black pepper pork across both 大屏北 stores
bpp = pl.DataFrame({
    "store": ["大屏北早餐-繁華1.4", "大屏北早餐-龍泉1.4"],
    "route": ["A-PN", "A-PK"],
    "product": ["家州黑胡椒里肌 1.2K", "家州黑胡椒里肌 1.2K"],
    "h1_qty": [18, 12],
    "h2_qty": [140, 177],
    "growth_pct": ["+678%", "+1375%"],
    "h1_rev": [4440, 2959],
    "h2_rev": [35071, 44060],
    "delta": [30631, 41101]
})

(
    GT(bpp)
    .tab_header(
        title="🔥 Single Product Driving Two Stores",
        subtitle="家州黑胡椒里肌 - The Hidden Champion"
    )
    .fmt_currency(["h1_rev", "h2_rev", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["h1_qty", "h2_qty"], decimals=0)
)

store	route	product	h1_qty	h2_qty	growth_pct	h1_rev	h2_rev	delta
🔥 Single Product Driving Two Stores
家州黑胡椒里肌 - The Hidden Champion
大屏北早餐-繁華1.4	A-PN	家州黑胡椒里肌 1.2K	18	140	+678%	NT$4,440	NT$35,071	NT$30,631
大屏北早餐-龍泉1.4	A-PK	家州黑胡椒里肌 1.2K	12	177	+1375%	NT$2,959	NT$44,060	NT$41,101

💡 洞察：交叉銷售爆款產品

家州黑胡椒里肌在僅2間店就從接近零成長至71,000元。

行動：辨識哪些其他客戶可能受益於此產品，並主動推薦。

2E.7 成長模式總結

Code

# Categorize each customer by their primary growth strategy
pattern_summary = pl.DataFrame({
    "pattern": [
        "🍗 Chicken Expansion",
        "🍗 Chicken Expansion", 
        "🥩 Single Product Champion",
        "🍗 Chicken Expansion",
        "🍗 Chicken Expansion",
        "☕ Category Addition",
        "🍗 Chicken + Japanese Style",
        "🍕 Specialty Focus",
        "🥩 Single Product Champion",
        "🍗 Chicken Expansion"
    ],
    "customer": [
        "壽司早點-蘇惠君",
        "活力-屏商技",
        "大屏北-繁華",
        "順利早點",
        "小田園-久堂",
        "早安8-永大店",
        "早點見面",
        "琉浪日嚐",
        "大屏北-龍泉",
        "迪士米"
    ],
    "growth": ["+53%", "+65%", "+16%", "+26%", "+25%", "+22%", "+24%", "+31%", "+13%", "+46%"],
    "key_action": [
        "Added 12 SKUs + volume up",
        "School café: quick meals + chicken",
        "Found 里肌排 winner, scaled it",
        "Added fried chicken category",
        "ALL-IN on 卡啦雞腿堡",
        "Added coffee/beverage line",
        "Expanded fried + Japanese items",
        "Pizza/烏龍麵 specialty",
        "Same winner as sister store",
        "Massive chicken product addition"
    ]
})

pattern_counts = pattern_summary.group_by("pattern").agg(pl.count().alias("count")).sort("count", descending=True)

(
    GT(pattern_counts)
    .tab_header(
        title="Growth Strategy Distribution",
        subtitle="How are successful customers growing?"
    )
)

pattern	count
Growth Strategy Distribution
How are successful customers growing?
🍗 Chicken Expansion	5
🥩 Single Product Champion	2
🍗 Chicken + Japanese Style	1
☕ Category Addition	1
🍕 Specialty Focus	1

2E.8 業務團隊可執行洞察

🎯 業務手冊：將衰退客戶轉變為成長客戶

根據10位成功客戶的分析，以下是業務團隊的具體行動：

優先順序1：推廣炸雞產品 🍗

10位成長客戶中有8位是透過炸雞成長的。對於任何衰退客戶：

情境	建議產品	話術
傳統早餐店	紅龍卡啦雞腿堡（辣/原）	“學生最愛的雞腿堡，比漢堡肉毛利更高”
快速服務早餐店	紅龍雞塊 1K	“配餐搭配，薯條+雞塊套餐正流行”
高檔咖啡廳	正點卡啦雞腿堡	“品質更好的雞腿堡，適合精緻早午餐”

優先順序2：介紹「黑胡椒里肌」爆品 🥩

家州黑胡椒里肌 1.2K僅在2間店就貢獻+71K營收。

目標：大屏北系列以外的早餐店
話術：“大屏北兩家店賣這個都爆了，你們店型很像要不要試試？”

優先順序3：建議快速料理品項 🥟

對於客流穩定但營收持平的店家：

產品	使用情境
阿在伯蔥抓餅	新增下午茶/宵夜時段
熟鍋貼	快速加熱，適合中午加賣
日規薯餅	搭配雞腿堡做套餐

優先順序4：飲品品類（選擇性）☕

對於沒有咖啡服務的店家： - 新萊恩奶精 800g + 萊恩咖啡 400g - 早安8-永大店靠這個增加 +48K

🔄 如何在業務拜訪中運用這些資料

衰退客戶話術：

“我看到你最近幾個月訂貨量有下降一點，想來聊聊看有什麼我們可以幫忙的。我們有些客戶最近做得很好，主要是加了雞腿堡系列 — 你有沒有興趣試試看？第一批我可以給你優惠價。”

以數據跟進：

“像壽司早點最近加了12個新品項，業績成長超過50%。他們主要加的是卡啦雞腿堡跟雞塊，你們店應該也適合。”

2C.5 上下半年洞察總結

Code

# Visualization of H1->H2 patterns - Active customers only
pattern_data = pl.DataFrame({
    "pattern": ["📦 Demand Down\n(83 customers)", "📉 Both Down\n(36 customers)", "🔄 Mixed\n(33 customers)", "🗑️ Competitor?\n(7 customers)"],
    "delta": [-3454690, -1542032, -665787, -277958],
    "order": [1, 2, 3, 4]
})

chart = alt.Chart(pattern_data).mark_bar().encode(
    x=alt.X("pattern:N", sort=alt.EncodingSortField(field="order"), title=None),
    y=alt.Y("delta:Q", title="Revenue Change (TWD)"),
    color=alt.condition(
        alt.datum.delta < -1000000,
        alt.value("#dc3545"),  # Red for big declines
        alt.value("#fd7e14")   # Orange for smaller
    ),
    tooltip=["pattern", "delta"]
).properties(
    width=500,
    height=300,
    title="H1→H2 2025 Revenue Impact by Decline Pattern (Active Customers)"
)

chart

🎯 我們處於什麼環境？

數據明確回答：需求放緩，而非競爭壓力。

證據	發現
客戶停購我方品項	僅7位（衰退客戶的4%）
可能流失給競爭對手的營收	27.8萬元（衰退的5%）
客戶減少購買相同產品	83位（衰退客戶的52%）
因需求下降而損失的營收	350萬元（衰退的58%）

這對策略的意義：

❌ 降價無法解決 - 客戶不需要更多產品
❌ 積極推銷無法解決 - 他們的終端客戶不買
✅ 專注客戶存活 - 幫助他們度過低潮
✅ 成本管理 - 為持續疲軟的需求做準備
✅ 注意歇業風險 - 部分「📉 兩者皆降」客戶可能即將歇業

多據點衰退的連鎖：

宵歸暝（2間店）- 全連鎖放緩
香醇軒（2間店）- 全連鎖放緩
萊恩快速早餐（再次出現）

2.8 軍營分析

Code

# Find all military camp customers (營區)
military = (
    customers
    .filter(_.trade_name.like("%營區%"))
    .left_join(sales_orders, "customer_code")
    .filter(_.order_date >= "20240101")
    .left_join(sales_order_lines, ["order_type", "order_number"])
    .mutate(year=_.order_date.left(4))
    # Note: delivery_route here comes from sales_orders
    .group_by(["customer_code", "trade_name", "customer_route"])
    .agg(
        rev_2024=ibis.ifelse(_.year == "2024", _.pretax_subtotal.cast("float64"), 0).sum(),
        rev_2025=ibis.ifelse(_.year == "2025", _.pretax_subtotal.cast("float64"), 0).sum(),
        last_order=_.order_date.max()
    )
    .filter(_.rev_2024 > 100000)
    .rename(delivery_route="customer_route")
    .order_by(ibis.desc("rev_2024"))
    .to_polars()
)

(
    GT(military)
    .tab_header(
        title="Military Camp Customers",
        subtitle="營區 customers - major decline in government/institutional sales"
    )
    .fmt_currency(["rev_2024", "rev_2025"], currency="TWD", decimals=0, use_subunits=False)
)

customer_code	trade_name	delivery_route	rev_2024	rev_2025	last_order
Military Camp Customers
營區 customers - major decline in government/institutional sales
1250002	萬金營區-3	K1	NT$1,061,345	NT$538,141	20251210
2790003	加祿堂營區-熱食部2.5	K2	NT$926,738	NT$101,621	20250701

軍營營收崩盤：約130萬元

加祿堂營區：下滑91%（91.3萬 → 10.2萬）
萬金營區：下滑51%（100萬 → 49.3萬）

業務團隊回饋（2025年12月）：

“加祿堂：經營者退出” - 經營者離開了

加祿堂根本原因：並非競爭流失 - 餐飲經營者離開了。這是軍營層級的合約/廠商變更。

2D. 業務團隊情報更新 📋

來自業務團隊的第一手資訊（2025年12月）

以下更新是從業務團隊針對特定客戶的回饋中彙整：

確認的競爭流失 🚨

客戶	流失至	原因
昌平炸雞（16個據點）	其他通路供應商	總部統一管理 + 與雞肉供應商整合配送
沫晨	啟順	配送時間 + 價格

確認的歇業/退出 🔒

客戶	狀態	備註
茶棠屋	歇業	-
好地方	暫時歇業	身體因素
加祿堂營區	經營者退出	餐飲經營者離開

搬遷/整併 🔄

客戶	狀態	備註
宵歸暝-內埔	搬至高雄	更名為呷歸岡
永和民生	整併	產品現從潭頭永和出貨

仍活躍但有變動 📝

客戶	狀態
弘爺漢堡-屏工	現全為門市消費
林邊刈包	每週有新美式咖啡

修正後的流失歸因

根據業務團隊回饋，我們現在可以歸因特定流失：

原因	營收影響	可挽回？
競爭流失（昌平 + 沫晨）	約100萬 + 未知	昌平：困難（物流問題）。沫晨：可能（價格/服務）
歇業（茶棠屋、好地方、加祿堂）	約100萬	❌ 否
搬遷（宵歸暝、永和民生）	營收仍在其他地方	不適用

關鍵洞察：昌平流失不只是價格問題 - 他們想要與雞肉供應商整合物流。這比單純的價格戰更難競爭。

沫晨在配送時間和價格上輸給啟順 - 這個可能透過改善服務來挽回。

2.7 近期流失：2025下半年（9-11月）🚨

這些客戶在2025上半年活躍，但9月以來未再訂購。需要立即關注。

Code

# Customers active in H1 2025 (Jan-Jun)
h1_2025_customers = (
    sales_orders
    .filter(_.delivery_route.isin(VALID_ROUTES_YOY))
    .filter(_.order_date >= "20250101")
    .filter(_.order_date <= "20250630")
    .left_join(sales_order_lines, ["order_type", "order_number"])
    .left_join(product_info, _.item_code == product_info.product_code)
    .filter((_.product_category_1.isnull()) | (_.product_category_1 != "1"))
    .group_by("customer_code")
    .agg(h1_revenue=_.pretax_subtotal.cast("float64").sum())
    .filter(_.h1_revenue > 30000)  # Focus on significant customers
    .to_polars()
)

# Customers active in H2 2025 (Sept-Nov) - rolling 90-day window
h2_active = (
    sales_orders
    .filter(_.delivery_route.isin(VALID_ROUTES_YOY))
    .filter(_.order_date >= "20250901")
    .filter(_.order_date <= "20251130")
    .select("customer_code")
    .distinct()
    .to_polars()
)

# H2 churns: active in H1, not in H2
h2_churns = (
    h1_2025_customers
    .join(h2_active, on="customer_code", how="anti")  # NOT in H2
)

# Join with customer info
h2_churn_detail = (
    customers
    .to_polars()
    .join(h2_churns, on="customer_code", how="inner")
    .with_columns(
        pl.when(pl.col("closure_date").is_not_null())
          .then(pl.lit("🔒 CLOSED"))
          .otherwise(pl.lit("⚠️ INVESTIGATE"))
          .alias("status")
    )
    .rename({"customer_route": "delivery_route"})
    .sort("h1_revenue", descending=True)
    .head(20)
    .select(["customer_code", "trade_name", "delivery_route", "status", "h1_revenue"])
)

(
    GT(h2_churn_detail)
    .tab_header(
        title="🚨 H2 2025 Churn: Active in H1, Silent Since September",
        subtitle="Customers with >30K H1 revenue who haven't ordered Sept-Nov 2025"
    )
    .fmt_currency("h1_revenue", currency="TWD", decimals=0, use_subunits=False)
)

customer_code	trade_name	delivery_route	status	h1_revenue
🚨 H2 2025 Churn: Active in H1, Silent Since September
Customers with >30K H1 revenue who haven't ordered Sept-Nov 2025
2230002	好地方-3	K1	⚠️ INVESTIGATE	NT$127,543
0110023	永和-屏東民生	A-PT	⚠️ INVESTIGATE	NT$115,805
0190018	反轉厚奶酥-屏東店	A-PT	⚠️ INVESTIGATE	NT$78,831
2790003	加祿堂營區-熱食部2.5	K2	⚠️ INVESTIGATE	NT$72,879
4430003	雲天咖啡館(雲天一館)2.5	K1	⚠️ INVESTIGATE	NT$65,536
3490031	無尾熊牛排館	PK	⚠️ INVESTIGATE	NT$59,173
1320262	茶棠屋1.4	A-PK	⚠️ INVESTIGATE	NT$51,615
0111149	早安8快速早餐-陳宗燦	A-PT	⚠️ INVESTIGATE	NT$49,683
4610023	早到晚到總部-央廚1.4	A	⚠️ INVESTIGATE	NT$43,962
0910064	玉雲早餐	PT	⚠️ INVESTIGATE	NT$42,006
0990001	反轉奶酥-里港2.5	A-PN	⚠️ INVESTIGATE	NT$36,091
0390010	豐BAR 酒吧咖啡	PK	⚠️ INVESTIGATE	NT$35,260
1030005	元氣飯糰1.4	A-PN	⚠️ INVESTIGATE	NT$34,855
0230045	文記肉圓-潮州	PS	⚠️ INVESTIGATE	NT$32,400
3410045	榕心早餐店	PK	⚠️ INVESTIGATE	NT$32,240
5810241	胖橘早午餐2.5	K1	⚠️ INVESTIGATE	NT$32,233
PTP	PT外送	PT	⚠️ INVESTIGATE	NT$31,277
0280005	林枳宏	PS	⚠️ INVESTIGATE	NT$30,454

需立即行動

這些客戶最近在2025年6月還向我們購買，但現在已沒有音訊。⚠️ 需調查狀態表示：

檔案中無歇業日期 - 他們可能仍在營業
可能是競爭流失、服務問題，或單純漏掉
本週就要打電話給他們，趁關係還沒完全冷掉

2B. 門市業績表現 🏪

我們的門市顯示-620萬元衰退（-4.5%）。這與配送業務分開計算。

2B.1 門市營收概覽

Code

# Store mapping
STORE_NAMES = {
    "01": "01-屏東市 Pingtung",
    "02": "02-潮州 Chaozhou", 
    "03": "03-恆春 Hengchun",
    "04": "04-東港 Donggang"
}

# Retail store performance
retail_summary = pl.DataFrame({
    "store_code": ["01", "02", "03", "04"],
    "store_name": ["屏東市 Pingtung", "潮州 Chaozhou", "恆春 Hengchun", "東港 Donggang"],
    "rev_2024": [29242256, 51051794, 22624105, 33514519],
    "rev_2025": [27668306, 47543362, 22475803, 32522939],
    "txn_2024": [93373, 233462, 97813, 145925],
    "txn_2025": [87159, 209298, 94357, 137276],
    "skus_2024": [997, 1015, 1043, 1064],
    "skus_2025": [954, 980, 997, 1020]
}).with_columns([
    (pl.col("rev_2025") - pl.col("rev_2024")).alias("delta"),
    ((pl.col("rev_2025") - pl.col("rev_2024")) / pl.col("rev_2024") * 100).round(1).alias("pct_change"),
    ((pl.col("txn_2025") - pl.col("txn_2024")) / pl.col("txn_2024") * 100).round(1).alias("txn_pct")
])

(
    GT(retail_summary)
    .tab_header(
        title="🏪 Retail Store Performance YoY",
        subtitle="POS sales data (Jan-Nov 2024 vs 2025)"
    )
    .fmt_currency(["rev_2024", "rev_2025", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_number(["txn_2024", "txn_2025"], decimals=0, use_seps=True)
    .fmt_percent(["pct_change", "txn_pct"], decimals=1, scale_values=False)
    .cols_label(
        pct_change="Rev Δ%",
        txn_pct="Txn Δ%",
        skus_2024="SKUs '24",
        skus_2025="SKUs '25"
    )
)

store_code	store_name	rev_2024	rev_2025	txn_2024	txn_2025	SKUs '24	SKUs '25	delta	Rev Δ%	Txn Δ%
🏪 Retail Store Performance YoY
POS sales data (Jan-Nov 2024 vs 2025)
01	屏東市 Pingtung	NT$29,242,256	NT$27,668,306	93,373	87,159	997	954	−NT$1,573,950	−5.4%	−6.7%
02	潮州 Chaozhou	NT$51,051,794	NT$47,543,362	233,462	209,298	1015	980	−NT$3,508,432	−6.9%	−10.4%
03	恆春 Hengchun	NT$22,624,105	NT$22,475,803	97,813	94,357	1043	997	−NT$148,302	−0.7%	−3.5%
04	東港 Donggang	NT$33,514,519	NT$32,522,939	145,925	137,276	1064	1020	−NT$991,580	−3.0%	−5.9%

🏪 門市：總計衰退620萬元

門市	衰退	分析
潮州	-350萬（-6.9%）	最大店、最大衰退 - 優先處理
屏東市	-160萬（-5.4%）	交易筆數下滑6.7%
東港	-100萬（-3.0%）	中度衰退
恆春	-10萬（-0.7%）	穩定！唯一持平的店

交易筆數下滑5-10% = 進店顧客減少，而非客單價下降。

2B.2 各門市產品品類組合

Code

# Category mix data by store - showing biggest declines
retail_cat = pl.DataFrame([
    {"store": "02-潮州", "category": "5-冷凍 Frozen", "rev_2024": 27519161, "rev_2025": 25956745},
    {"store": "02-潮州", "category": "2-成品 Finished", "rev_2024": 12315196, "rev_2025": 11463515},
    {"store": "02-潮州", "category": "3-生產分裝", "rev_2024": 2212976, "rev_2025": 1863494},
    {"store": "02-潮州", "category": "7-免洗餐具 Disposable", "rev_2024": 1193400, "rev_2025": 886070},
    {"store": "01-屏東", "category": "2-成品 Finished", "rev_2024": 7225744, "rev_2025": 6534733},
    {"store": "01-屏東", "category": "5-冷凍 Frozen", "rev_2024": 13808680, "rev_2025": 13506495},
    {"store": "04-東港", "category": "2-成品 Finished", "rev_2024": 7889325, "rev_2025": 7497197},
    {"store": "04-東港", "category": "4-冷藏 Refrigerated", "rev_2024": 3741057, "rev_2025": 3448101},
]).with_columns([
    (pl.col("rev_2025") - pl.col("rev_2024")).alias("delta"),
    ((pl.col("rev_2025") - pl.col("rev_2024")) / pl.col("rev_2024") * 100).round(1).alias("pct")
]).sort("delta")

(
    GT(retail_cat)
    .tab_header(
        title="Biggest Category Declines by Store",
        subtitle="Categories with largest YoY revenue decline"
    )
    .fmt_currency(["rev_2024", "rev_2025", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_percent("pct", decimals=1, scale_values=False)
)

store	category	rev_2024	rev_2025	delta	pct
Biggest Category Declines by Store
Categories with largest YoY revenue decline
02-潮州	5-冷凍 Frozen	NT$27,519,161	NT$25,956,745	−NT$1,562,416	−5.7%
02-潮州	2-成品 Finished	NT$12,315,196	NT$11,463,515	−NT$851,681	−6.9%
01-屏東	2-成品 Finished	NT$7,225,744	NT$6,534,733	−NT$691,011	−9.6%
04-東港	2-成品 Finished	NT$7,889,325	NT$7,497,197	−NT$392,128	−5.0%
02-潮州	3-生產分裝	NT$2,212,976	NT$1,863,494	−NT$349,482	−15.8%
02-潮州	7-免洗餐具 Disposable	NT$1,193,400	NT$886,070	−NT$307,330	−25.8%
01-屏東	5-冷凍 Frozen	NT$13,808,680	NT$13,506,495	−NT$302,185	−2.2%
04-東港	4-冷藏 Refrigerated	NT$3,741,057	NT$3,448,101	−NT$292,956	−7.8%

門市品類洞察

冷凍（5-冷凍）潮州店：-160萬（-5.7%）

單一品類最大衰退
需調查：定價、選品、競爭對手動態

成品（2-成品）：全店共減少150萬

各店一致下滑5-10%
可能包含已結束的促銷品項

免洗餐具（7-免洗餐具）潮州店：-30.7萬（-26%！）

劇烈下滑 - 環保政策？消費行為改變？
確認顧客是否自帶容器

2B.3 門市主要衰退產品

Code

# Top declining products in retail
retail_declining = pl.DataFrame({
    "product_code": ["26068", "11001", "31026", "54057", "31011", "53126", "56041", "41029", "51284", "51477"],
    "product_name": ["雙魚座鮪魚185g--促銷", "咖啡風味調味粉 1k(棕)", "第二代(黑)1k##", "黃金手工蔥抓餅10片", "168奶精 1k", "卡啦雞(原味)10入", "抓餅(禾)10片", "安佳84片乳酪--促銷", "馬鈴薯條 2K--促銷", "HISUN五花培根1K##"],
    "category": ["2", "1", "3", "5", "3", "5", "5", "4", "5", "5"],
    "rev_2024": [1001618, 1748945, 359842, 737975, 1818068, 764314, 1289514, 900562, 2397763, 144851],
    "rev_2025": [238245, 1342622, 0, 487594, 1637173, 591263, 1128021, 746408, 2250179, 0]
}).with_columns([
    (pl.col("rev_2025") - pl.col("rev_2024")).alias("delta")
]).sort("delta")

(
    GT(retail_declining)
    .tab_header(
        title="Top 10 Declining Products in Retail Stores",
        subtitle="Products with biggest YoY revenue decline (all stores)"
    )
    .fmt_currency(["rev_2024", "rev_2025", "delta"], currency="TWD", decimals=0, use_subunits=False)
)

product_code	product_name	category	rev_2024	rev_2025	delta
Top 10 Declining Products in Retail Stores
Products with biggest YoY revenue decline (all stores)
26068	雙魚座鮪魚185g--促銷	2	NT$1,001,618	NT$238,245	−NT$763,373
11001	咖啡風味調味粉 1k(棕)	1	NT$1,748,945	NT$1,342,622	−NT$406,323
31026	第二代(黑)1k##	3	NT$359,842	NT$0	−NT$359,842
54057	黃金手工蔥抓餅10片	5	NT$737,975	NT$487,594	−NT$250,381
31011	168奶精 1k	3	NT$1,818,068	NT$1,637,173	−NT$180,895
53126	卡啦雞(原味)10入	5	NT$764,314	NT$591,263	−NT$173,051
56041	抓餅(禾)10片	5	NT$1,289,514	NT$1,128,021	−NT$161,493
41029	安佳84片乳酪--促銷	4	NT$900,562	NT$746,408	−NT$154,154
51284	馬鈴薯條 2K--促銷	5	NT$2,397,763	NT$2,250,179	−NT$147,584
51477	HISUN五花培根1K##	5	NT$144,851	NT$0	−NT$144,851

🔍 門市產品衰退分析

促銷結束品項（–促銷）：

雙魚座鮪魚185g：-76.3萬（促銷結束）
安佳84片乳酪：-15.4萬
這些是預期中的 - 促銷不會永遠持續

停產品項（##）：

第二代(黑)1k：-36萬（由450g取代）
HISUN五花培根1K：-14.5萬
確認替代品項銷售以驗證轉換

真正需關注：

黃金手工蔥抓餅：-25萬（無替代品）
卡啦雞：-17.3萬
抓餅(禾)：-16.1萬

3. 路線業績（A-PK/K2 合併）

路線重組說明

在2024-2025年路線重組中，約98位客戶從A-PK調整至K2。我們將A-PK與K2合併分析以呈現真實的區域績效。

3.1 路線年度比較

Code

# Route performance - combine A-PK and K2 into a single "Donggang/K2 Area"
route_sales = (
    sales_with_lines
    .mutate(
        route_group=ibis.ifelse(
            _.delivery_route.isin(COMBINED_APK_K2), 
            "A-PK + K2 (Combined)", 
            _.delivery_route
        )
    )
    .group_by(["route_group", "year"])
    .agg(
        revenue=_.pretax_subtotal.cast("float64").sum(),
        customers=_.customer_code.nunique()
    )
    .to_polars()
)

# Pivot to get YoY comparison
route_yoy = (
    route_sales
    .pivot(on="year", index="route_group", values=["revenue", "customers"])
    .with_columns([
        (pl.col("revenue_2025") - pl.col("revenue_2024")).alias("delta"),
        ((pl.col("revenue_2025") - pl.col("revenue_2024")) / pl.col("revenue_2024") * 100).round(1).alias("pct_change")
    ])
    .filter(pl.col("revenue_2024") > 1000000)
    .sort("delta")
)

(
    GT(route_yoy)
    .tab_header(
        title="Route Performance YoY (A-PK and K2 Combined)",
        subtitle="Routes with >1M TWD 2024 revenue, sorted by revenue change"
    )
    .cols_label(route_group="Route/Area")
    .fmt_currency(["revenue_2024", "revenue_2025", "delta"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_percent("pct_change", decimals=1, scale_values=False)
    .cols_hide(["customers_2024", "customers_2025"])
)

Route/Area	revenue_2024	revenue_2025	delta	pct_change
Route Performance YoY (A-PK and K2 Combined)
Routes with >1M TWD 2024 revenue, sorted by revenue change
A-PK + K2 (Combined)	NT$51,856,344	NT$45,003,822	−NT$6,852,522	−13.2%
A-PT	NT$26,161,848	NT$23,182,815	−NT$2,979,033	−11.4%
A-PN	NT$30,026,890	NT$27,542,316	−NT$2,484,574	−8.3%
K1	NT$28,488,596	NT$26,299,586	−NT$2,189,010	−7.7%
PK	NT$16,517,049	NT$15,671,351	−NT$845,698	−5.1%
PS	NT$6,969,287	NT$6,260,593	−NT$708,694	−10.2%

路線洞察（已校正重組影響）

A-PK + K2 合併：下滑200萬（-4.3%）- 顯著但非A-PK單獨呈現的-12.5%
A-PT：下滑66.3萬（-2.8%）- 中度關注
A-PN：基本持平（+0.8%）
K1：成長中（+1.1%）

東港/高雄二區（A-PK + K2）表現不佳，但並非個別路線分析顯示的那麼嚴重。

3.2 A-PK + K2 區域：主要客戶變動

Code

# Customers in the A-PK + K2 area with biggest changes
apk_k2_customers = (
    sales_with_lines
    .filter(_.delivery_route.isin(COMBINED_APK_K2))
    .group_by(["customer_code", "year"])
    .agg(revenue=_.pretax_subtotal.cast("float64").sum())
    .to_polars()
    .pivot(on="year", index="customer_code", values="revenue")
    .fill_null(0)
    .with_columns(
        (pl.col("2025") - pl.col("2024")).alias("delta")
    )
    .filter((pl.col("2024") >= 50000) | (pl.col("2025") >= 50000))
    .sort("delta")
    .head(15)
)

# Join with customer info
apk_k2_with_info = (
    customers
    .to_polars()
    .join(apk_k2_customers, on="customer_code", how="inner")
    .rename({"2024": "revenue_2024", "2025": "revenue_2025", "customer_route": "delivery_route"})
    .sort("delta")
)

(
    GT(apk_k2_with_info)
    .tab_header(
        title="A-PK + K2 Area: Customers Driving Decline",
        subtitle="Biggest YoY revenue decreases in the Donggang/Kaohsiung-2 area"
    )
    .fmt_currency(["revenue_2024", "revenue_2025", "delta"], currency="TWD", decimals=0, use_subunits=False)
)

customer_code	trade_name	delivery_route	closure_date	revenue_2024	revenue_2025	delta
A-PK + K2 Area: Customers Driving Decline
Biggest YoY revenue decreases in the Donggang/Kaohsiung-2 area
2790003	加祿堂營區-熱食部2.5	K2	None	NT$864,272	NT$76,665	−NT$787,607
5910033	恬芯快速早餐-大寮2.5	K1	None	NT$1,382,369	NT$668,110	−NT$714,259
5810152	小田園直營-中崙-2.5	K2	20250221	NT$607,714	NT$23,973	−NT$583,741
5810150	小田園直營-南和-2.5	K1	None	NT$1,134,233	NT$589,069	−NT$545,164
4410026	小田園直營店-中安2.5	K1	None	NT$1,105,567	NT$573,736	−NT$531,831
5410002	美味田園-梓官1.4	K2	None	NT$1,226,446	NT$755,189	−NT$471,257
4410018	萊恩快速早餐-二苓2.5	K1	None	NT$866,017	NT$445,707	−NT$420,310
4410008	小田園直營-桂林-2.5	K1	None	NT$817,151	NT$399,230	−NT$417,921
4410009	小田園直營-二苓2.5	K1	None	NT$748,177	NT$367,681	−NT$380,496
4410033	香醇軒-孔宅店2.5	K1	None	NT$585,097	NT$212,903	−NT$372,194
5810141	香醇軒-鳳甲店-2.5	K1	None	NT$568,406	NT$213,694	−NT$354,712
5310001	美味田園-岡山-1.4	K2	None	NT$977,071	NT$631,752	−NT$345,319
10610004	就是堡快速早餐-1	K2	None	NT$682,508	NT$366,829	−NT$315,679
5810154	小田園直營-田中央2.5	K1	None	NT$552,906	NT$243,686	−NT$309,220
5910025	小田園直營-鳳林2.5	K1	None	NT$504,903	NT$213,412	−NT$291,491

4. 毛利分析

4.1 品類毛利（外部產品）

Code

# Calculate margins by category
margin_data = (
    sales_with_lines
    .mutate(month=_.order_date.left(6))
    .left_join(
        procurement_costs, 
        [_.item_code == procurement_costs.product_code, _.month == procurement_costs.inventory_month]
    )
    .mutate(
        qty=(_.quantity.cast("float64") + _.promo_quantity.fill_null(0).cast("float64")),
        cogs=(_.quantity.cast("float64") + _.promo_quantity.fill_null(0).cast("float64")) * _.unit_cost.fill_null(0).cast("float64")
    )
    .filter(_.product_category_1.notnull())
    .filter(_.product_category_1 != "1")  # Exclude internal
    .group_by(["product_category_1", "year"])
    .agg(
        revenue=_.pretax_subtotal.cast("float64").sum(),
        cogs=_.cogs.sum()
    )
    .to_polars()
)

# Pivot and calculate margins
margins = (
    margin_data
    .pivot(on="year", index="product_category_1", values=["revenue", "cogs"])
    .with_columns([
        ((pl.col("revenue_2024") - pl.col("cogs_2024")) / pl.col("revenue_2024") * 100).round(1).alias("margin_2024"),
        ((pl.col("revenue_2025") - pl.col("cogs_2025")) / pl.col("revenue_2025") * 100).round(1).alias("margin_2025")
    ])
    .filter(pl.col("revenue_2024") > 1000000)
    .with_columns(
        pl.col("product_category_1").replace(CAT_NAMES).alias("category")
    )
    .sort("margin_2025")
)

(
    GT(margins.select(["category", "revenue_2024", "revenue_2025", "margin_2024", "margin_2025"]))
    .tab_header(
        title="Category Margin Comparison",
        subtitle="Margin % by product category (excluding internal Category 1)"
    )
    .fmt_currency(["revenue_2024", "revenue_2025"], currency="TWD", decimals=0, use_subunits=False)
    .fmt_percent(["margin_2024", "margin_2025"], decimals=1, scale_values=False)
)

category	revenue_2024	revenue_2025	margin_2024	margin_2025
Category Margin Comparison
Margin % by product category (excluding internal Category 1)
2-成品	NT$44,257,055	NT$40,035,943	14.6%	15.2%
4-冷藏類	NT$12,705,715	NT$11,938,215	19.7%	17.8%
5-冷凍類	NT$89,192,131	NT$79,042,830	19.6%	19.0%
3-生產分裝	NT$10,502,960	NT$10,055,944	24.3%	20.3%
9-調味添加物	NT$1,863,357	NT$1,704,028	24.3%	25.5%
7-免洗餐具	NT$1,495,645	NT$1,178,220	31.7%	33.0%

毛利洞察

類別3（生產分裝）：毛利從24.4%降至20.3%（-4.1個百分點）- 需調查供應商成本
類別4（冷藏）：毛利從19.6%降至17.8%（-1.8個百分點）
類別5（冷凍）：穩定在約19%
類別2（成品）：實際上有改善，從14.6%升至15.2%

5. 產品分析

5.1 品項轉換（實際上並非衰退）

Code

# Coffee/creamer products - show that 1kg packages were replaced by 450g
coffee_products = (
    sales_with_lines
    .filter(
        (_.product_name.like("%二代%")) | 
        (_.product_name.like("%三代%")) | 
        (_.product_name.like("%萊恩%"))
    )
    .group_by(["item_code", "product_name", "year"])
    .agg(revenue=_.pretax_subtotal.cast("float64").sum())
    .to_polars()
    .pivot(on="year", index=["item_code", "product_name"], values="revenue")
    .fill_null(0)
    .with_columns(
        (pl.col("2025") - pl.col("2024")).alias("delta")
    )
    .filter((pl.col("2024") > 100000) | (pl.col("2025") > 100000))
    .rename({"2024": "rev_2024", "2025": "rev_2025"})
    .sort("product_name")
)

(
    GT(coffee_products)
    .tab_header(
        title="Coffee/Creamer SKU Transitions",
        subtitle="Old 1K packages discontinued, new 450g packages growing"
    )
    .fmt_currency(["rev_2024", "rev_2025", "delta"], currency="TWD", decimals=0, use_subunits=False)
)

item_code	product_name	rev_2024	rev_2025	delta
Coffee/Creamer SKU Transitions
Old 1K packages discontinued, new 450g packages growing
31101	三代450g	NT$708,458	NT$1,188,692	NT$480,234
31099	二代紅450g	NT$448,686	NT$1,146,416	NT$697,730
31100	二代黑450g	NT$556,516	NT$1,003,455	NT$446,939
31015	新萊恩奶精(鋁)1K##	NT$1,421,378	NT$1,094,723	−NT$326,655
31089	新萊恩奶精800g	NT$0	NT$266,749	NT$266,749
31003	第三代1k##	NT$462,983	NT$0	−NT$462,983
31002	第二代(紅)1k##	NT$445,269	NT$0	−NT$445,269
31026	第二代(黑)1k (藍)##	NT$390,558	NT$0	−NT$390,558
31090	萊恩咖啡400g	NT$0	NT$244,203	NT$244,203
31064	萊恩咖啡粉500G##	NT$1,088,052	NT$599,877	−NT$488,175
21053	萊恩專用紅茶50g*60包(紅色)	NT$486,856	NT$447,854	−NT$39,002

好消息：產品組合穩定

看似產品停產實際上是品項整合：

第二代(紅)1k → 二代紅450g（較小包裝，成長中）
第二代(黑)1k → 二代黑450g（較小包裝，成長中）
第三代1k → 三代450g（較小包裝，成長中）
萊恩咖啡粉500g → 萊恩咖啡400g（新包裝）

淨效果：咖啡/奶精營收穩定，只是轉移至新品項。

6. 行動計畫

🚨 立即行動（本週）

1. 🏪 門市緊急處理 - 聚焦潮州

為何：-350萬（-6.9%），單一最大衰退
行動：
- 今天就去潮州店 - 與員工討論客流量
- 檢視產品陳列與競爭對手定價比較
- 確認附近是否有競爭對手開店或進行激進促銷
- 比較潮州與穩定的恆春店 - 有什麼不同？

2. 🎖️ 軍營聯絡人會議

為何：僅2個帳戶（加祿堂、萬金）就減少130萬
行動：
- 立即聯繫軍方採購窗口
- 詢問：預算削減？政策變動？合約重新招標？
- 如果合約即將更新，現在就準備競標方案

3. 📞 連鎖客戶拜訪

萊恩快速早餐（4個據點，-120萬）：與加盟主會面
香醇軒（3個據點，-84萬）：與連鎖經營者會面

昌平炸雞更新：業務團隊確認他們轉向與雞肉供應商整合配送。難以挽回 - 需要物流解決方案。

3b. 🎯 可挽回的競爭流失：沫晨

在配送時間和價格上輸給啟順
可能透過以下方式挽回：
- 較早的配送時段
- 競爭性價格檢視
- 服務補救拜訪

⚡ 策略回應（本月）

4. 接受現實：這是需求放緩

僅4%的衰退客戶顯示轉向競爭對手跡象
96%是向我們買更少相同產品
降價無法解決 - 他們不需要更多產品
激進促銷無法解決 - 他們的顧客不買

5. 轉向客戶存活支援

不是推銷，而是幫助客戶度過低潮：

付款條件彈性給壓力較大的客戶
較小包裝給正在縮減規模的客戶
菜單優化諮詢 - 幫助他們砍掉不賺錢的品項
歇業預警 - 部分「📉 兩者皆降」客戶可能即將歇業

6. 成本管理模式

預期需求疲軟將持續至2025年初
檢視庫存水位 - 不要囤積生鮮
監控固定成本 - 可能需要調整人力/路線

📊 持續監控

7. 需建立的週報儀表板

客戶訂購量追蹤器（及早發現-30%下滑）
門市交易筆數趨勢
路線營收（含A-PK/K2合併視圖）

8. 所有業務會議的關鍵訊息

「問題不是競爭流失。我們客戶的生意正在萎縮。我們需要幫助他們成功，而不只是賣東西給他們。」

分析報告產生於 {today}。資料排除類別1（內部製造）及PH路線（年度不可比）。A-PK與K2依路線重組合併分析。所有金額以新台幣計。

執行摘要

1. 營收：真實情況

1.1 年度營收摘要

1.2 月度趨勢

2. 客戶分析：流失是問題核心

2.1 客戶分群

2.2 流失客戶：歇業 vs. 競爭流失

2.3 主要流失客戶（含歇業狀態）

2.4 昌平炸雞連鎖 - 完全流失

2.5 客戶訂購量縮減分析

2.6 主要衰退客戶明細

2.7 衰退客戶停購的產品

2C. 年內衰退：2025上半年 vs 下半年 🔬

2C.1 方法論

2C.2 上下半年衰退模式摘要

2C.3 上下半年衰退前15大客戶（仍活躍）

2C.4 產品層級明細範例

範例1：宵歸暝-屏東總店（📉 品項與數量皆降）

範例2：宵歸暝 潮州光華直營店（📉 嚴重萎縮）

範例3：新月牛角烘焙食品行（📦 純數量減少）

範例4：就是堡快速早餐（📦 純數量減少）

範例5：小田園直營-內埔（📦 全面數量下滑）

範例6：隘寮早點（📦 獨立店家，相同模式）

範例7：漁行口食堂（📦 餐廳，季節性？）

2E. 成功案例：成長中的客戶 📈

2E.1 客戶健康度分布

2E.2 成長前幾名客戶（僅限老客戶）

2E.3 成長中的客戶有什麼不同？

成功模式1：壽司早點-蘇惠君（+53%，菜單擴展）

成功模式2：大屏北早餐-繁華（+16%，找到爆品）

成功模式3：順利早點（+26%，新增炸雞品項）

2E.4 完整產品明細：10位成長客戶

2E.5 模式分析：什麼驅動成長？

2E.6 「黑胡椒里肌」現象 🔥

2E.7 成長模式總結

2E.8 業務團隊可執行洞察

優先順序1：推廣炸雞產品 🍗

優先順序2：介紹「黑胡椒里肌」爆品 🥩

優先順序3：建議快速料理品項 🥟

優先順序4：飲品品類（選擇性）☕

2C.5 上下半年洞察總結

2.8 軍營分析

2D. 業務團隊情報更新 📋

確認的競爭流失 🚨

確認的歇業/退出 🔒

搬遷/整併 🔄

仍活躍但有變動 📝

2.7 近期流失：2025下半年（9-11月）🚨

2B. 門市業績表現 🏪

2B.1 門市營收概覽

2B.2 各門市產品品類組合

2B.3 門市主要衰退產品

3. 路線業績（A-PK/K2 合併）

3.1 路線年度比較

3.2 A-PK + K2 區域：主要客戶變動

4. 毛利分析

4.1 品類毛利（外部產品）

5. 產品分析

5.1 品項轉換（實際上並非衰退）

6. 行動計畫

1. 🏪 門市緊急處理 - 聚焦潮州

2. 🎖️ 軍營聯絡人會議

3. 📞 連鎖客戶拜訪

3b. 🎯 可挽回的競爭流失：沫晨

4. 接受現實：這是需求放緩

5. 轉向客戶存活支援

6. 成本管理模式

7. 需建立的週報儀表板

8. 所有業務會議的關鍵訊息

範例2：宵歸暝潮州光華直營店（📉 嚴重萎縮）