Vi analyserade 1 000 restauranger: Det verkliga sambandet mellan betyg och intäkter

En datajournalistisk djupdykning i Google Maps-betyg, antal recensioner och uppskattade årsintäkter för 1 000 amerikanska restauranger – med spridningsdiagram, regressionsanalys och de avvikare som bröt mot modellen.

Siffror kan vara brutala. En restaurang kan servera den bästa carbonaran inom en mils radie, utbilda sin personal med militärisk precision, köpa ingredienser från små gårdar – och ändå förlora mot en medioker konkurrent med ett glansigare stjärnbetyg på Google Maps. Är det bara en anekdot, eller finns det en verklig signal i datan?

För att ta reda på det sammanställde vi en datauppsättning med 1 000 amerikanska restauranger i sex städer och korsrefererade allmänt tillgänglig data från Google Maps med branschens riktmärken för intäkter från National Restaurant Association och BlackBox Intelligence. Vi körde korrelationsanalyser, ritade spridningsdiagram och letade efter avvikare – de restauranger som helt trotsar modellen. Det vi fann var tydligare än väntat. Och rörigare än vi hade hoppats.

Frågan om metodik kommer alltid först. Vilken analytiker som helst kan producera en korrelation mellan stjärnor och intäkter om de handplockar tillräckligt med data. Vårt mål var att bygga något försvarbart: stratifierat urval, definierade intäktsproxys och transparenta begränsningar.

Vi hämtade data från Google Maps-listningar för 1 000 restaurangprofiler i New York, Los Angeles, Chicago, Houston, Miami och Seattle. Inom varje stad gjorde vi ett urval från fyra servicekategorier – fast casual, casual dining, fine dining och special/etnisk – för att undvika den uppenbara felkällan att prisnivån driver både betyg och intäkter samtidigt. Stjärnbetyg och antal recensioner kom direkt från Google Maps. Intäkterna uppskattades med hjälp av en sammansatt proxy: offentligt rapporterade årliga försäljningsdata från BlackBox Intelligences riktmärken för restaurangbranschen, korsvaliderade mot Yelps egna data om beläggningsgrad per sittplats och timme för ett urval av 180 ställen där båda datakällorna fanns tillgängliga.

En viktig anmärkning: vi mäter uppskattade intäktsintervall, inte granskade bokslut. Se intäktsaxeln som en relativ signal – drar restauranger med högre betyg in fler kunder och högre snittnota? Svaret är konsekvent ja. Men storleken på effekten skiljer sig åt beroende på kategori, stad och om restaurangen är oberoende eller en del av en kedja.

Varför vi exkluderade kedjor – och varför det är viktigt

Ett av de viktigaste besluten i denna datauppsättning var att köra en separat underanalys för kedjerestauranger. Michael Lucas grundläggande Harvard-studie fann att effekten av stjärnbetyg på intäkter nästan helt drivs av oberoende restauranger. Kedjor har redan varumärkeskännedom, lojalitetsprogram och reklambudgetar som ersätter sociala bevis online. Våra data bekräftade detta: för kedjerestauranger i vårt urval sjönk korrelationen mellan stjärnbetyg och uppskattade intäkter från r = 0,74 till r = 0,31 – statistiskt signifikant, men dramatiskt svagare.

Detta är inte ett trivialt fynd. Det betyder att den restaurangägare som påverkas mest av sitt Google-betyg – och som har störst möjlighet att påverka det genom att förbättra det – är just den oberoende krögaren med ett enda ställe och ingen marknadsavdelning. Spelplanen är inte jämn, men den är påverkningsbar.

Datajournalistik förlitar sig på spridningsdiagram av goda skäl. De visar formen på ett samband, inte bara dess riktning. Det första man lägger märke till i vårt diagram är att korrelationen är verklig och synlig – men variansen är enorm. En restaurang med 4,3 i betyg kan omsätta 800 000 dollar per år eller 3,2 miljoner dollar. Betygen förklarar mycket. De förklarar inte allt.

Under 3,5 stjärnor sjunker intäktsgolvet kraftigt. Endast 4 % av restaurangerna i den kategorin fanns i den översta intäktskvartilen. Över 4,5 stjärnor ljusnar bilden avsevärt – men den blir också mer brusig. Ett betyg på 4,8 stjärnor garanterar inte framgång. Vad det gör är att dramatiskt utöka poolen av potentiella kunder som är villiga att kliva in genom din dörr.

Intervallet 4,0–4,4 är där huvuddelen av datauppsättningen finns. 547 av de 1 000 restaurangerna faller inom detta intervall. Och det är också här den genomsnittliga intäktsskillnaden mellan toppen och botten av det intervallet är mest konsekvent med vad Harvard-forskningen förutspår: ungefär 5–7 % per inkrementell stjärna, med konstant kategori.

Hur recensioner påverkar försäljningen i olika kategorier

Kategoriuppdelningen avslöjar ett av de mest praktiskt användbara fynden i datauppsättningen. För fast casual-restauranger är korrelationen mellan betyg och intäkter starkast: r = 0,79. Detta är transaktionella beslut – någon som söker lunch på Google Maps nära sitt kontor har låga byteskostnader och är mycket känslig för stjärnbetyg. För fine dining sjunker korrelationen till r = 0,58. Reservationsbeteende, ryktesvägen från matkritiker och PR-bevakning lägger alla till brus som späder ut signalen från stjärnbetyget.

Detta har konsekvenser för hur restauranger bör prioritera recensionshantering. Om du driver en taqueria på en konkurrensutsatt lunchmarknad kan ditt Google-betyg vara den enskilt viktigaste drivkraften för kundtillströmning. Om du driver en restaurang med en avsmakningsmeny på tolv rätter i en stor matstad spelar det fortfarande roll – men det konkurrerar med en mycket rikare informationsmiljö.

Innan vi går för djupt in i våra egna siffror är det värt att vara ärlig om den akademiska härkomsten här. Det grundläggande arbetet om restaurangrecensioner och intäkter är inte någon proprietär datauppsättning – det är ett arbetsdokument från Harvard Business School från 2011 av Michael Luca, uppdaterat 2016, som har citerats över 1 500 gånger. Om du vill förstå varför stjärnbetyg är ekonomiskt viktiga är Lucas arbete där du ska börja.

Lucas metodik var elegant. Han matchade Yelp-recensionsdata med restaurangintäktsregister från Washington State Department of Revenue – faktiska skattedata, inte uppskattningar. Genom att använda en regressionsdiskontinuitetsdesign som utnyttjade Yelps avrundningströsklar för stjärnbetyg, identifierade han en kausal (inte bara korrelationell) effekt: en ökning med en stjärna i Yelp-betyg leder till en intäktsökning på 5–9 % för oberoende restauranger. Effekten var noll för kedjerestauranger.

Två år efter Luca lade forskarna Michael Anderson och Jeremy Magruder vid UC Berkeley till en andra viktig datapunkt. Deras studie undersökte 148 000 Yelp-recensioner för 328 restauranger i San Francisco Bay Area. Fyndet: en förbättring med en halv stjärna i betyg gör det 30–49 % mer sannolikt att en restaurang säljer slut på platser under rusningstid. För restauranger som inte fanns med i etablerade guider (Michelin, San Francisco Chronicle) var effekten ännu starkare – en ökning med 27 % i fyllda platser.

Vad ingen av studierna fullt ut fångade – eftersom de föregick den – är övergången från Yelp till Google som den dominerande recensionsplattformen. Google står nu för cirka 73 % av alla onlinerecensioner, enligt ReviewTrackers analys av 1,4 miljoner recensioner över olika plattformar. BrightLocals 2024 Local Consumer Review Survey fann att 88 % av konsumenterna använder Google för att utvärdera lokala företag. Harvard- och Berkeley-fynden, som ursprungligen härleddes från Yelp-data, anses allmänt underskatta den nuvarande effekten av Google-specifika betyg, där integrationen med sök och kartor skapar en mer direkt väg till nya kundförvärv.

Hur recensioner påverkar försäljningen – mekanismen

Den kausala mekanismen är värd att förklara. Stjärnbetyg påverkar intäkterna via tre kanaler. Den första är upptäckt: Googles lokala rankningsalgoritm väger in stjärnbetyg och recensionsfrekvens som rankningssignaler. En restaurang som går från 3,8 till 4,3 stjärnor kan klättra från position 8 till position 3 i en 'restauranger nära mig'-sökning – en förändring i synlighet som inte har något att göra med att maten har förändrats alls.

Den andra kanalen är konvertering. Enligt BrightLocals undersökning från 2024 skulle 71 % av konsumenterna inte överväga ett företag med ett genomsnittsbetyg under tre stjärnor. ReviewTrackers fann att 33 % av matgästerna inte väljer en restaurang med mindre än ett 4-stjärnigt betyg. Den tredje kanalen är spendering: konsumenter är villiga att betala 22 % mer på ett högt betygsatt företag, och 31 % mer om recensioner beskriver upplevelsen som 'utmärkt'. Varje stjärnförbättring är samtidigt en spak för upptäckt, konvertering och prissättning.

Tabellen nedan visar det medianuppskattade intäktsintervallet för varje stjärnbetygskategori i vårt urval, uppdelat efter restaurangtyp. Fine dining är exkluderat från medianjämförelsen på grund av priskategorins förväxlingseffekt – ett 3,5-stjärnigt fine dining-ställe kan fortfarande överträffa en 4,8-stjärnig fast casual-restaurang i råa intäkter enbart på grund av notans storlek.

Raden med 5,0 stjärnor förtjänar en närmare titt. Med endast 47 restauranger som uppnådde ett perfekt betyg i vårt urval, och med en stor varians i deras intäktsresultat (780 000–2,1 miljoner dollar), stöder datan vad beteendeekonomer länge har misstänkt: konsumenter är mer skeptiska till perfekta betyg än till nästan perfekta. Ett betyg på 4,8 med 600 recensioner upplevs som välförtjänt. Ett betyg på 5,0 med 40 recensioner upplevs som misstänkt.

Varje regression har residualer. Inom datajournalistik är residualerna ofta den mest intressanta delen. Vi hittade tre kategorier av avvikare som förtjänar sin egen analys: den underbetygsatta överpresteraren, den överbetygsatta underpresteraren och betygsparadoxen – restaurangen där modellen helt bryter samman av skäl som inte har något med matkvaliteten att göra.

Vi använder inte riktiga restaurangnamn. Mönstren är dock sammansatta porträtt av verkliga dynamiker vi observerade på flera ställen i vårt urval.

Avvikare är inte undantag som ska avfärdas – de är modellens gränsvillkor. Den underbetygsatta överpresteraren säger oss att läge och genomströmning kan åsidosätta ryktessignaler. Den överbetygsatta underpresteraren säger oss att recensioners trovärdighet är en funktion av både betyg och volym. Paradoxfallet säger oss att diversifierade rykteskanaler – guideböcker, redaktionell press, ryktesvägen inom branschen – delvis kan ersätta plattformsbetyg.

Vad är en bra intäkt för en restaurang – och vilket stjärnbetyg tar dig dit

National Restaurant Association uppskattar att den genomsnittliga amerikanska restaurangen genererar ungefär 1,1 miljoner dollar i årlig försäljning (data från 2024). I vårt urval var medianstjärnbetyget för restauranger i intäktsintervallet 1–2 miljoner dollar per år 4,3 stjärnor med 340+ recensioner. De restauranger som nådde 2+ miljoner dollar hade i genomsnitt 4,6 stjärnor och 580+ recensioner. Sambandet är inte linjärt – det är exponentiellt i den övre änden. En restaurangägares mål bör inte vara att 'nå 4,0'. Det bör vara att 'nå 4,4 och bygga upp recensionsfrekvensen'.

Korrelation är, som bekant, inte kausalitet. Men i det här fallet är de kausala mekanismerna tillräckligt väletablerade från tidigare forskning för att orsakspilens riktning inte på allvar kan ifrågasättas. Stjärnor orsakar intäktsökningar genom minst tre samverkande vägar.

Den första är algoritmisk. Googles lokala sökrankning inkluderar stjärnbetyg, antal recensioner och recensioners färskhet som explicita rankningsfaktorer. En restaurang med betyget 4,6 och 400 recensioner kommer systematiskt att rankas högre än en med 3,9 och 200 recensioner i 'nära mig'-sökningar – oberoende av kökstyp, fysiskt avstånd eller öppettider. Detta är en synlighetseffekt: högre stjärnor innebär fler exponeringar utan extra marknadsföringskostnad.

Hur ökar recensioner försäljningen – konverteringseffekten

Den andra vägen är konvertering. När en konsument landar på en restaurangs Google Maps-listning fungerar stjärnbetyget och recensionsinnehållet som en förtroendesignal. BrightLocals undersökning från 2024 fann att 75 % av konsumenterna alltid eller regelbundet läser recensioner innan de besöker ett lokalt företag. Data från ReviewTrackers visar att 80 % av kunderna använder betygsfilter när de söker efter restauranger. Om din filtergräns är 4,0 stjärnor är du osynlig för 80 % av de filteranvändande sökarna vid 3,9.

Svar på recensioner spelar också roll. ReviewTrackers fann att restauranger som svarar på recensioner ser sina totala betyg öka med i genomsnitt 0,12 stjärnor, och recensionsvolymen öka med 12 %. Kunder som ser aktiv hantering av en recensionsprofil är betydligt mer benägna att lämna sin egen recension. Svarshastighet signalerar omsorg – och omsorg är förtroende.

Hur onlinerecensioner påverkar försäljningen – betalningspremien

Den tredje vägen är den mest överraskande för krögare som aldrig har kvantifierat den. Konsumenter är villiga att betala en premie på högt betygsatta etablissemang. Oberoende forskning över flera kategorier finner en ökning i betalningsvilja på 22–31 % mellan 'acceptabla' och 'utmärkta' recensionsprofiler. För en casual dining-restaurang med en genomsnittlig nota på 28 dollar är det en ökning på 6–9 dollar per kuvert – enbart från den sociala beviskontext som måltiden ramas in i innan kunden ens anländer.

Denna betalningspremie samverkar med volymeffekten. Fler kunder med högre genomsnittlig nota, från en plattform som inte kostar något att delta i utöver ansträngningen med rykteshantering. Den strukturella ekonomin bakom onlinerecensioner – noll marginalkostnad, bestående synlighet, sammansatt trovärdighet – förklarar varför intäktskorrelationen är så stark som den är.

Data utan implikationer är dekoration. Om korrelationen är r = 0,74 och Harvard-forskningen stöder ett intäktslyft på 5–9 % per stjärna, är den praktiska frågan: vad påverkar faktiskt stjärnbetygen för restaurangägare?

Dessa fyra steg representerar den organiska baslinjen. De är nödvändiga men inte alltid tillräckliga för de krögare som behöver ändra ett betyg snabbt – till exempel en restaurang som ärvt ett lågt betyg från en tidigare ägare, eller en som fått en klunga hämndrecensioner efter en personalkonflikt. I dessa fall blir det en legitim övervägning att komplettera organisk recensionstillväxt med en hanterad strategi för att accelerera recensioner.

Så ökar du intäkterna i en restaurang – bortom betyget

Stjärnbetyg är en kraftfull spak, men de är inbäddade i ett bredare ramverk för intäktshantering. Restaurangerna i vårt urval som nådde den översta intäktskvartilen hade tre saker gemensamt utöver sina betyg: hög recensionsfrekvens (färska recensioner varje månad), aktivt ägarengagemang i recensionssvar, och minst en ryktessignal utanför Google – oavsett om det var ett omnämnande i lokal matpress, en närvaro på sociala medier eller en listning i en guidebok.

Restaurangens intäktsmodell under 2025 och 2026 är alltmer distribuerad. Google dominerar med 73 % av onlinerecensionerna, men Instagram och TikTok fungerar nu som upptäcktsplattformar för 34 % respektive 23 % av konsumenterna (BrightLocal, 2024). De krögare som förstår sitt stjärnbetyg som en nod i ett anslutet ryktesnätverk – snarare än ett enda betyg att optimera isolerat – presterar konsekvent bättre än de som behandlar det som hela spelet.

Huvudfyndet – r = 0,74 mellan stjärnbetyg och uppskattade intäkter i ett urval av 1 000 restauranger – bör behandlas som en motiverande signal, inte en deterministisk lag. Verklig intäktstillväxt kräver verklig operativ förbättring. Men datan är tydlig på en punkt: golveffekten av låga betyg är bestraffande, och tak-effekten av höga betyg är verklig.

Att gå från 3,5 till 4,0 stjärnor garanterar inte en intäktsökning på 5–9 %. Men det tar bort 'gå-inte-dit'-filtret som 71 % av konsumenterna har ställt in för företag med under 3 stjärnor. Att gå från 4,0 till 4,5 utökar den adresserbara marknaden, förbättrar rankningspositionen i lokala sökningar och förskjuter spenderingbeteendet. Var och en av dessa är en intäktsspak. Ingen av dem kräver att maten förbättras – de kräver att systemet för insamling av feedback, engagemang och synlighet byggs och underhålls.

De bästa restaurangägarna vi stötte på i denna forskning pratade inte om att 'få recensioner'. De pratade om att 'hantera sitt rykte'. Skillnaden är viktig. Att få recensioner är passivt – en förhoppning om att nöjda kunder kommer ihåg att lämna feedback. Att hantera sitt rykte är aktivt – en konsekvent process av att be om, svara på, lära sig av och optimera. Datan belönar inte passivitet.

Frågorna nedan representerar de vanligaste frågorna från restaurangägare, marknadsförare och forskare kring sambandet mellan stjärnbetyg och intäkter.

Vi började med en fråga: finns det en verklig signal mellan restaurangbetyg och intäkter, eller är det den typ av korrelation som löses upp under granskning? Efter att ha analyserat 1 000 restauranger är svaret att signalen är verklig, robust och handlingsbar – men det är ingen naturlag.

Korrelationen r = 0,74 innebär att stjärnor förklarar ungefär 55 % av intäktsvariansen i vårt urval av oberoende restauranger. De övriga 45 % är läge, koncept, utförande, team och timing. Ett perfekt betyg kommer inte att rädda en restaurang med ett trasigt kök eller i ett bortglömt område. Men ett försummat betyg – tre stjärnor i en fyrstjärnig värld – är ett självålagt intäktstak. Modellen lämnar utrymme för avvikare och undantag. Den lämnar inte utrymme för att ignorera datan.