产品介绍
把「感觉这个点位不错」变成可复核的数字结论
结构化报告 · 每一步中间结果都可对账 · 不承诺收益
01品类覆盖:先选二级业态,再看三级细分
报告与试算都按二级品类建模(客单、面积、投资区间挂在二级上),三级只做门店形态细分; 当前开放 57 个二级品类、241 个三级细分
快餐简餐 8 个细分 客单 ¥28 · 40–80㎡
简餐 5 个细分 客单 ¥38 · 50–120㎡
冒菜麻辣烫 4 个细分 客单 ¥38 · 35–70㎡
螺蛳粉 3 个细分 客单 ¥26 · 25–50㎡
粤式烧腊 4 个细分 客单 ¥35 · 20–50㎡
小吃夜宵 5 个细分 客单 ¥22 · 25–60㎡
轻食沙拉 4 个细分 客单 ¥42 · 40–90㎡
中式正餐 6 个细分 客单 ¥65 · 120–300㎡
酸菜鱼 4 个细分 客单 ¥68 · 110–260㎡
早茶 4 个细分 客单 ¥75 · 200–400㎡
火锅 4 个细分 客单 ¥85 · 150–350㎡
烤肉 4 个细分 客单 ¥85 · 120–280㎡
烧烤 4 个细分 客单 ¥60 · 100–250㎡
异国料理 4 个细分 客单 ¥95 · 120–280㎡
茶饮 4 个细分 客单 ¥18 · 20–60㎡
咖啡 4 个细分 客单 ¥30 · 30–100㎡
烘焙甜品 5 个细分 客单 ¥35 · 40–100㎡
便利店 4 个细分 客单 ¥25 · 60–120㎡
生鲜果蔬 4 个细分 客单 ¥35 · 50–150㎡
零食折扣 4 个细分 客单 ¥30 · 40–100㎡
母婴用品 4 个细分 客单 ¥180 · 80–160㎡
数码3C 4 个细分 客单 ¥500 · 60–150㎡
服饰鞋包 5 个细分 客单 ¥260 · 80–180㎡
美妆集合 4 个细分 客单 ¥180 · 60–140㎡
运动户外 4 个细分 客单 ¥380 · 100–220㎡
数码配件 4 个细分 客单 ¥120 · 15–40㎡
洗衣干洗 4 个细分 客单 ¥60 · 30–70㎡
家政保洁 4 个细分 客单 ¥120 · 20–60㎡
快递驿站 4 个细分 客单 ¥5 · 20–50㎡
汽车美容 4 个细分 客单 ¥150 · 80–200㎡
宠物服务 4 个细分 客单 ¥180 · 50–120㎡
剧本杀 4 个细分 客单 ¥88 · 120–250㎡
台球厅 4 个细分 客单 ¥40 · 150–300㎡
网咖 4 个细分 客单 ¥25 · 200–400㎡
KTV 4 个细分 客单 ¥120 · 500–1200㎡
健身工作室 5 个细分 客单 ¥200 · 200–500㎡
桌游 4 个细分 客单 ¥60 · 80–180㎡
电竞馆 4 个细分 客单 ¥35 · 150–350㎡
早教托育 4 个细分 客单 ¥3,000 · 150–300㎡
学科辅导 4 个细分 客单 ¥2,500 · 150–300㎡
艺术培训 5 个细分 客单 ¥2,000 · 120–280㎡
职业技能 5 个细分 客单 ¥4,000 · 150–350㎡
少儿编程 4 个细分 客单 ¥3,500 · 120–250㎡
口腔诊所 4 个细分 客单 ¥800 · 150–350㎡
中医理疗 4 个细分 客单 ¥150 · 100–250㎡
药房 4 个细分 客单 ¥60 · 60–150㎡
体检中心 4 个细分 客单 ¥900 · 400–900㎡
眼科视光 4 个细分 客单 ¥600 · 120–280㎡
美发 5 个细分 客单 ¥120 · 60–150㎡
美甲 4 个细分 客单 ¥80 · 20–50㎡
皮肤管理 4 个细分 客单 ¥280 · 80–180㎡
轻医美 4 个细分 客单 ¥1,500 · 150–400㎡
养发 4 个细分 客单 ¥160 · 40–100㎡
商务酒店 4 个细分 客单 ¥280 · 300–2000㎡
经济连锁 4 个细分 客单 ¥160 · 300–2000㎡
民宿公寓 4 个细分 客单 ¥120 · 300–2000㎡
星级酒店 4 个细分 客单 ¥800 · 300–2000㎡
该业态的二级品类暂未在前台开放,可在后台「品类管理」里开启;当前开放范围是「餐饮」。
02能力矩阵:品类不同,判断维度也不同
每个一级业态都有独立的坪效、面积与投资参数,当前启用 9 个业态
餐饮
高频刚需,选址敏感度最高
零售
客单与周转决定选址逻辑
生活服务
社区属性强,看常住人口
休闲娱乐
夜间经济,看年轻客群密度
教育培训
政策敏感,看学区与家庭结构
医疗健康
资质门槛高,看人口老龄化
美业
复购驱动,看女性客群占比
酒店住宿
客单按间夜计,看客流结构而非临街面
其他业态
未归类业态
03六步方法论:每一步都留下可对账的中间结果
从选城市到出结论,中间不跳步,任何一步都能回头查数据来源
选城市
先看城市的人口与社零增速,排除总量不够撑起门店模型的市场。
定商圈
在城市内比较核心与次级商圈的客群结构,锁定 2–3 个候选。
圈层采样
以候选点为圆心,按 500m / 1km / 3km 抓取 POI 并按业态归类。
品类建模
用该品类的客单价、面积与投资区间,反推需要多少有效客流。
投资测算
把租金、人力、能耗、折旧与测算营业额放进同一张损益表。
风险与结论
按数据生成风险清单与触发条件,给出可复核的结论。
04免费试算先看方向,完整报告再定签约
试算不消耗积分;完整报告按点位计费,一个点位一份报告
| 能力项 | 免费试算 | 完整报告 |
|---|---|---|
| 圈层能级 | 500m / 1km / 3km 三圈概览 | 三圈 + 分业态结构对比 |
| 投资测算 | 面积与投资区间粗算 | 完整损益表与投资回收期 |
| 风险清单 | 3 条主要风险提示 | 全量风险与触发条件 |
| 导出台账 | 页面内查看 | 报告导出与台账留档 |
| 费用 | 免费 | 80 元 / 点位 |
完整报告金额由后台「点位单价」配置决定,当前为 80 元/点位;注册赠送积分可直接抵扣。
05数据口径:结论可以被逐条复核
POI 来源
高德 / 腾讯 / 百度地图开放平台;未接入实时接口时按点位坐标生成基准值,报告底部会标注本次数据口径。
半径口径
以点位坐标为圆心,按 500m / 1km / 3km 三圈统计,同一 POI 只计一次,跨圈按最近圈层归属。
指标定义
客群指数为 0–100 人工校准分;竞争强度按同业态占比相对全城均值的偏离计算;租金为参考租金,单位 元/㎡/月。
06选址这一步,贵在选错
连锁行业最贵的成本不是租金,是「凭感觉选错」之后付出的装修、人力与时间。一家 80㎡ 的店,装修加设备往往要 30 万到 60 万,签的是三年租约,装修折旧摊在合同期里,前 12 个月做不起来,后面两年基本都在给房东和供应商打工。
复盘关店案例时几乎总能找到同一个原因:决策时用的是「我觉得这里人挺多的」,而不是「数据显示这里的客群结构撑得起我的品类」。而真正做过门店数据的人都知道,数据其实不缺——地图平台能拿到周边每一家店的位置、分类、评分、人均消费;缺的是把这几万个点位翻译成一句「以你的预算和品类,这里值不值得开」的那一步。
选址参谋只做这一步。它不承诺「一定赚钱」,它做的是把判断依据摊开:这个商圈是什么成色、你要做的品类在这里竞争到什么程度、按你的预算这笔钱多久能回来。每一个中间结果都能在报告里找到出处,换一个人拿同样的数据复算,应该得到同一个结论。
07六项能力,回答六个具体问题
商圈测评
以落点为圆心,统计周边 POI 的业态构成、连锁化率、平均评分与人均消费,再和同城其他商圈横向比较,给出商圈能级(核心 / 次级 / 社区)与客群指数。商圈能级决定了这里的租金水位与客流基数,是所有后续判断的地基——一个次级商圈的铺位,装修再贵也变不成核心商圈的客流。
竞品密度分析
针对你选定的品类,统计同业态门店在 500m / 1km / 3km 三个圈层里的数量,算出它在该商圈全部业态中的占比,再和全城同业态的平均份额对比。这个比值比「这条街有 30 家奶茶店」有用得多:30 家在 500 家门店的商圈里是 6%,在 100 家门店的商圈里是 30%,前者还有空间,后者已经是红海。
三层圈层客流
500m 是步行可达的日常客流,1km 是主力客群的覆盖范围,3km 是商圈的整体腹地。三层的数据要分开看:一家便利店靠 500m,一家火锅店靠 3km。报告里三层分别给出门店数、连锁率、评分与客单价,而不是把三层平均成一个「综合分」——平均会把最关键的近距离数据抹平。
选址体检
把商圈数据、品类竞争、租金水位、面积匹配度放在一起逐项打分,最后形成一份风险清单。风险不是模板套话,而是按数据触发的:租金占测算营业额超过品类承受上限会触发「租金压力」;同业态密度超过全城均值 1.5 倍会触发「过度竞争」;目标品类在 1km 内连锁率过高会触发「头部品牌占位」。
投资测算
按品类典型投资区间与你的预算档位,反推可租面积,再把租金、人力、能耗、折旧、平台抽成放进同一张损益表,算出保本营业额与投资回收期,并给出止损线——连续几个月低于这条线,就该考虑转让而不是继续投入。
报告导出
完整报告可以打印或存为 PDF,包含全部中间数据与口径说明。它的用途是内部决策留档、跟合伙人或加盟商对齐判断依据,而不是对外出具投资建议。
08品类库:每个品类都有自己的账
「餐饮」不是一个品类。一家螺蛳粉店和一家火锅店,客单价差 3 倍,后厨面积差 4 倍,回本周期差一倍以上。所以站内品类库按一级业态分 8 类,再往下细分到具体的店型,每个二级品类都带自己的参数:典型客单价、建议面积区间、投资区间、业态系数(连锁化与线上化程度)。
下面这些品类都能在报告里直接选用,括号里是它归属的一级业态。点任意一个进入工作台,品类会预先选好,你只需要给一个点位。
09数据从哪来
POI 数据来自高德、百度、腾讯三家开放平台的地理检索接口,按圈层半径抓取后按「平台 POI ID + 坐标距离」去重合并。三家的覆盖各有短板:高德在商场内部的店铺更全,百度在街边小店更密,腾讯在部分城市的社区商业更细,所以默认三家叠加,用哪一家、叠不叠加都可以在后台切换。
商圈与城市的行政区划、中心坐标来自公开的行政区划数据;商圈参考租金是逐商圈人工录入的区间中位值,不是实时成交价。品类参数(客单价、面积、投资区间)来自公开的行业调研与品牌加盟政策,属于量级参考,不是你所在城市、你所选物业的真实报价。
所有对外展示的数字都标注口径。看到一个数不知道怎么算出来的,可以直接问我们——如果解释不清,那是我们的问题,不是你的理解问题。
10它做不到什么
它算不出这家店的老板会不会经营。同一个铺位,两个人做同一个品类,结果可能完全不同,而这一点任何模型都预测不了。
它也算不出政策变化、地铁改线、隔壁商场改造、房东临时涨价。报告里给的是概率与区间,触发条件写清楚,最终签字的人仍然是经营者。
它更不是投资建议。测算基于公开地图数据与模型推算,实际经营结果受选址之外的众多因素影响,风险自负。这句话不是免责套话,是我们对自己能力边界的认定。