案例 | 极海服务连锁品牌复盘选址策略，快速挖掘潜力点位

好的选址就是成功的一半。一家店生意好不好是多种因素共同作用的结果，但产品不好可以改，服务不好可以改，唯独选址不当，回天乏术，只能推倒重来。

过去这种试错损失的仅仅止于开店成本，但随着海底捞、九毛九、太二等餐饮企业在二级市场风起云涌，新茶饮、咖啡的几波热潮，投资人大量涌入餐饮连锁行业，拓店失误、拓店缓慢的机会成本正在变得越来越高昂。

去年11月，和府捞面完成4.5亿元D轮融资；今年3月，遇见小面完成两年内第三轮千万融资；5月，夸父炸串连续完成A和A+轮近亿元融；6月，奈雪通过港交所聆讯，即将成为奶茶第一股。

在投资人眼中，门店规模及门店规模的增长是衡量投资价值最重要指标，考验的是品牌标准化的能力，这不仅仅是产品的标准化流程，选址的标准化也是其中至关重要的一环。一个明确的选址逻辑可以帮助投资人更好的评估品牌的市场规模，也有助于快速拓店。

为什么大数据选址往往难以落地？

在近期与中小连锁品牌沟通的过程中，我们发现很多创始人其实都有运用大数据选址的想法，但具体到实操层面，往往很难落地，这种矛盾主要表现在三个层面：

对数据来源准确度不认可。很多数据来源可疑，真假参半，时效性很差，在此基础上得到的结论也自然很难得到认可。

对数据处理逻辑的不认可。数据选址逻辑大同小异，但品牌对什么才是适合自己的选址往往有自己的见解，这是非常宝贵的隐性知识，很难用一套固定的框架去实现个性化的分析。

对输出结果的预期不一致。数据选址只能告诉你在哪个商场、哪个社区、哪个范围选址，没法告诉你具体在哪层楼、哪个位置选址。一些品牌对大数据的比较陌生，往往会有过高的预期。

事实上，数据选址应用较多的主要是处于快速扩张阶段的品牌，尤其是当品牌需要跨城市、跨区域拓店时，借助大数据快速完成潜在选址点的筛选和调研，再派人实地考察，确定最终选址，可以大大提高选址的针对性和拓店效率。

成熟的连锁企业选址一般分为门店规划和门店拓展两个部门，前者主要负责整体的统筹规划和店址评估，后者主要负责具体的落实成交。虽然都是选址，但工作职能、涉及技能、应用范围却有着明显的差异。

极海作为一家地理大数据公司，擅长的正是门店规划这一职能。通过多年积累的多维度数据、技术和经验，自2017年拓展零售行业以来，已累计为沃尔玛、麦当劳、百胜、星巴克、赛百味等知名品牌提供数据分析和规划服务。

如何用大数据复盘品牌选址策略，挖掘潜力点位？

每个品牌都有自己独特的生态位，很难用同一套选址逻辑去套用。

前期的选址更多的是一种试错和积累的过程，需要定期复盘，推演哪家门店位置选得好，好在哪里，哪家门店位置选的不好，哪里不好。通过不断的复盘，内化企业选址能力，逐渐找到企业最适合的选址逻辑。

过去，这种复盘主要基于选址人员的感受和经验，无法快速加载到数据模型中，应用到其他同类城市的选址筛选上。极海做的，就是基于已有门店的经营状况及周边地理数据，运用机器学习对门店的选址策略进行分析，量化品牌的选址策略。

我们选址探索的着力点就在于其他品牌的选址。

品牌每年都要在选址上投入大量资源，麦当劳、星巴克等一线品牌的高级选址岗位年薪过百万，可以说每一个点位都是品牌用真金白银砸出来的，是对客群规模、人群画像与品牌调性、选址策略的高度凝练。

理想情况下，拥有相同客群的品牌门店在位置上也会趋同，就像麦当劳的周边大概率会有肯德基一样——在深圳，71%的麦当劳可以在500米范围内，找到至少一家肯德基，如果放宽到1000米，这一比例可以达到95%。对于肯德基来说，最简单最经济的选址策略就是跟着麦当劳开，实际上，这也是很多品牌正在使用的方法。

我们对全国的连锁门店位置进行了系统性的整理，目前已覆盖全国600+品牌，45万家门店，所有数据均来自于企业官网和小程序，并且实现了每日更新，保留了品牌发展的历史轨迹，极大的提高了数据的准确性和及时性。

▲ 星巴克门店拓张趋势

下面，我们以喜茶为例，对这一策略的可行性进行探索。

谁是喜茶的共生品牌？

我们称肯德基和麦当劳这样的“好基友”为共生品牌，他们的门店位置分布具有较强的一致性，在一定范围内同时出现的概率很高，选址策略趋于一致。

▲ 喜茶在上海的门店点位及排队量

这里我们仅以喜茶为例，根据喜茶一周的平均排队数据，将优势门店筛选出来。图中圆圈越大代表排队越多，上海一共家105家门店，一共筛选出75家（绿色圆圈）作为本次案例的样本数据。

根据以上数据，我们计算出其在上海喜茶的共生品牌如下。由于具体的算法要考虑到不同品牌数量级、行业特性和随机性对结果的影响，不是简单的计算同时出现的概率，过于复杂，故在此不做过多的阐述。

▲ 仅显示关联度具有统计学意义的前十个品牌（数据模型请咨询wx:geoheychina)

这些在地图上的位置关系如图，总体而言，分布具有较高的一致性。

▲ 为避免品牌过多难增加读图难度，这里仅显示前五的品牌。

我们将这些品牌（关联度前五）的点位在地图上，按照品牌的关联程度对其进行赋值，并将其聚合绘制成热力图，从图中可以看到，大多数喜茶门店（90%）都落在热力区域周边，这一算法具有较好的拟合度。

同时我们也观察到有一些热力区域喜茶并没有覆盖，如上海的五角广场区域（图中右上方红色区域），我们认为这是喜茶潜在的拓展点。

沿着这条思路，继续深挖下去可以用于测算喜茶的市场规模，但这不作为本文的重点，我们将会在后续的案例文章中阐述。

 

能否对这一结果进行推广？

以喜茶为例，其实并不是为了研究喜茶，而是为了验证这一选址模式是否能够在同类城市中推广。

正如前文所说，数据选址应用较多的主要是处于快速扩张阶段的品牌，尤其是当品牌需要跨城市、跨区域拓店时，能否利用在本地市场已经验证过的规律和经验，快速在同类市场中复制推广是问题的关键。

我们选择喜茶，主要是因为喜茶的也处于快速扩张阶段，体量适中，数据质量较高，覆盖城市较多，数据结论可以在不同城市验证。北京和上海同作为一线城市，商业环境较为类似，在上海训练的模型应该在北京也保持较高的有效性。

▲ 喜茶在北京的实际门店与预测选址模型（数据来源：http://stores.geohey.com)

事实也正是如此，从图中可以看到，大多数喜茶门店（86%）都落在热力区域周边，虽然不如上海，但仍具有较好的拟合性，用于前期的开店选址已经够用了。

事实上，这种算法不是一蹴而就的，品牌需要定期复盘，当北京门店达到一定数量时，再根据本地最新的数据不断去修正模型，以获得更好的结果。

比较完同类城市，我们进一步观察以下城市的拟合情况，指标整体表现良好。

👇长沙（约92%符合预测）

👇杭州（约81%符合预测）

👇成都（约79%符合预测）

👇重庆（约75%符合预测）

👇郑州（约78%符合预测）

👇济南（100%符合预测）

 

如何对点位进行下一步评估？

选址是个辛苦活，我们拿到十个范围，可选物业可能就有上百个，这些点都需要有专人查看，是否满足营业、动线需求，并从中筛选出几个意向选址，再上会讨论决策。

不是参会的每个人都对这个地方熟悉，这就需要将收集到的资料整理成文字、图片和表格，方便决策。就市场需求而言，有两项核心的内容，分别是周边位置分析和周边客群分析。前者我们一般称之为门店布局规划图，这是很多成熟的连锁企业都在用的一套方法。

门店布局规划图

我们以候选门店为圆心，半径500米为半径，粗略的圈出了候选门店的辐射范围，为了更精准的描述门店的辐射范围，我们将与圆接壤较多的自然街区（以道路划分的连续区域）也囊括在内，并将在这范围内的兴趣点POI在地图上一一标识出来。

▲ 极海制图

在过去，常见的标识内容包括四大块内容，根据行业和品牌的不同会在图上呈现不同的内容，这四大板块包括：

交通：公交站与公交线路、地铁站有地铁线路、主要道路；

基础设施：学校教育、医疗卫生、文体、金融邮电、商业服务等；

商业设施：商场、办公楼、住宅区、企业位置等；

竞品：周边直接竞品的布局；

这对大多数品牌已经够用，能够清楚的向与会人员描述这一位置的交通状况、周边位置、潜在客群、竞争态势等核心内容。同时，规范的制图也让候选点的比较变得更加直观，更有利于在他们之间的决策。

但这种定制也更多依赖于品牌自己的经验判断，现在我们会更加突出“共生品牌”在地图上的分布，通过对过往绩优门店位置的分析，他们经常在一定范围内同时出现，这意味着他们很可能服务的是同一类相似的客群，对选址有重要的参考意义。

周边客群分析

通过周边设施和品牌的分布，我们可以大致的了解这一带的商业情况，但如果想要获得更精细的数据结果，就必须借助人口数据了。

人口数据最大的问题就是贵。在过去，统计人口流量主要依靠人数，现在则更多的依靠手机APP的位置采点数据和手机信令数据，无论是哪一种，都是非常昂贵的选择，所以一般只用于最后的决策分析，很少用于前期的筛选。

以手机数据为例，待选点A与待选点B周边的中午12点热力分布如下图所示。

▲待选点A周边人口流量热力图,极海制图

▲待选点B周边人口流量热力图,极海制图

以我们之前所绘制的自然街区范围为界，统计其中的人口流量与结构如下。

总体而言，A点人流量更大，且主要以来此地工作的人口居多，整体学历更高，年龄结构更更低，在其他情况情况较为类似的情况下，A点更加适合咖啡茶饮类门店的布局，而B点以居住人口居多，人口结构偏大，适合社区商业和服务类门店的布局。

 

选址的本质是选流量

在流量越来越贵的时代，抖音通过智能算法将流量分发给更精准的人，从而提高了流量的价值，带来了更高的营收。选址的本质也是流量，不过是从线上转到了线下。核心还是两句话——有多少人，都什么人？

前者大家都知道，也比较重视，自然是人越多越好，但这点房东也知道，所以相应的租金也水涨船高。这样的地方适合两类品牌，一是利润高周转快的产品，二是为了打品牌做知名度。

随着租金成本的提高，很多品牌不堪重负，直言“在给房东打工”，品牌需要更加重视门店与人群的匹配度，通过提高转化率来控制门店成本。品牌和选址其实是一件相互磨合的过程，既需要品牌不断挖掘自己的特色迎合细分市场，也需要找到细分受众更加聚集的场所。

以Manner Coffee 为例，目前Manner已完成4轮融资，估值超过20亿美元，平均单店估值高达1200万美金。6年前他在上海开出第一家店的时候，星巴克在上海已经开出了365家门店，全上海有超过3500家独立咖啡店。

▲manner从一家小小的门店发展到今天

与星巴克以购物场所为主不同，Manner 的门店主要布局在办公场所周边。一方面这与Manner的经营形态相关——Manner创立之初就是以档口店的形式主打10元高性价比精品咖啡，咖啡刚需用户和年轻白领才是其最精准的客户。

另一方面是与其他咖啡形成差异化竞争，门店面积小，不争夺商场高人流高租金的位置，这才是Manner在被誉为“上海咖啡性价比之王”的同时，仍能保持全部门店盈利的原因。

这段时间在和很多中小连锁品牌沟通过程中收获很多感想，也是这篇文章写作的初衷。

火热的资本正在提速中国门店的品牌化、连锁化、集中化进程，有限的窗口期红利要求品牌以更快的速度扩张，从区域性品牌转变为全国性品牌。在这一过程中，选址成为重中之重。

很多品牌都意识到了大数据的重要性，但受限于对大数据的认知不清、数据准确性存疑、选址逻辑的不认可，往往很难起到预期的效果。

所以我们在这篇文章中大数据在选址中的应用做了一次系统性的阐述，将选址逻辑、数据来源、适用范围和阶段、应用案例都进行了说明，希望能对你有所启发。

选址的本质就是选流量，门店的流量是基于地理位置的，下一步连锁门店的选址，也离不开对线下客流的精细化了解和匹配。