网规1.0-GIS时代，网规2.0-大数据时代，网规3.0-计算引擎时代。

本文从网规工作的历史和现状，谈谈零售空间价值计算引擎如何赋能网规，提升拓店效率和开店成功率。

本篇6470字，阅读需谨慎。

一、引言

连锁品牌的门店新开过程，一般分三步，由组织内不同的角色参与：

 连锁品牌门店开店过程 

· 网规：网络规划部门做前期市场调研、生成开店规划、形成开店策略；

· 拓店：拓店部门负责具体城市、商圈排查，寻找机会点；

· 决策：运营或者销售部门会在最终决策环节参与进来。

今天我们重点聊聊网规。

二、网络规划的现状和意义

1. 

基于大量的调研和访谈，我们总结得出网络规划当下的实务价值是策略和初筛。

今天中国零售空间和门店供给没有数字化，门店的档期价格，都需要拓展人员通过线下BD。然而这种方式缺乏策略和基本标准，我们拓展人员拓展回来的机会点质量太低，可能几十个机会点，最后只能开出一家店，拓店成本非常高。

通过网规，对城市商圈进行分类分级、排序，并针对不同商圈制定不同的开店策略，能有效解决这个问题。

还有很多大品牌，往往会测算城市的开店密度，并设定保护区，一来挖掘城市潜力、二来保证门店存活率。类似的具体网规工作还有很多，本篇先不展开。

2.

经过大量调研和访谈我们还发现，中国连锁品牌的另一个现状是，决策环节的投入存在严重不足。

实务层面，大部分网络规划部门，还要负责建设开店标准建设，包括生成拓店表等。用于解决开店的标准问题，部分解决决策问题。

基于这个现状，聊网络规划的意义，就跟我们在《新消费品牌科学选址系统框架里》一文中建议的一样，品牌有必要在体系内部拉通关于网规工作的共识，定义清楚具体店型的开店目标函数。

比如有些品牌标榜“我就是要开XXX品牌的商场，只有它们才配得上我们品牌”。这也是一种开店时的网规策略，可能是为了帮助自己未来高效撬开中腰部体系的MALL，所以选择从上往下切。只是需要把策略抽象为目标函数，不要等店开出来亏钱了，才意识到自己目标函数可能定义错了，因此懊悔不已。

又比如有些品牌网规部门制定的开店策略，会成为拓店部门的铁律，替代围绕开店目标函数决策的过程。然而场地资源的客流信息和商务条件，在网规阶段拓店团队获取具体机会点以前是没有的。然而如果缺乏这些变量，肯定是不应该进入决策的。

近十年在大数据成为政治正确以后，一些所谓大数据行业从业者，往往津津乐道于这些不可检验、也不做开店后结果检验的大数据，并在决策环节否决一线拓店人员辛苦拓展回来的机会点，我们认为这是不可取的。

可证伪性，是所有大数据是否值得采用的第一门槛，最好还有一个清晰的目标函数，比如基于营业结果，对某个决策的投入产出比进行价值检验。

3. 

刚到线下的消费品，开店目的往往是为消费者提供线下体验场，包括以策展形态出现的快闪店和一批慢闪店，可能都是从品牌公关预算里切割出来的体验营销的花费。

这批品牌，往往强调定位匹配，但是品牌增长，特别是初探线下的消费品牌增长，本就是向A3人群做适当的泛化探索，这类似于搜索问题或者推荐算法的EE问题（Explore&Exploit），这是品牌增长、跨越鸿沟的关键。

即便是以体验种草为目的的门店，我们认为也要进行单位体验成本评估。以体验为目的的开店，可以将人群触达泛化和营销效率之间的平衡作为一个目标函数，然后求解极值。

4.

大部分诞生于线下的连锁品牌，其目标函数相对清晰，我们在《中国连锁品牌门店评估体系建设导论》一文中展开聊了聊，并归结于租售比这个ROI指标。

此前重点聊的是，基于拓店团队已经搜集并获取的机会点，我们如何做开店决策。单单从开关店决策角度来看，租售比目标函数是相对确定的，但是真实的商业战场哪有这么简单，比如今天的茶饮、咖啡赛道，各大品牌争夺市场时，如果将门店汰换作为一种成本，那么设定目标函数并非易事。

基于网络规划工作的意义，无论是传统连锁品牌还是初探线下的新消费品牌，网规肯定不仅仅是客群匹配这么简单，而是求得基于某个目的的效率最优解的整个过程。

5. 

我们对过去网规工作现状意义的阐述通常是，网规=策略+初筛，或许有人会认为这稍显偏颇，但如果将开店过程拆解和推敲，其实我们找不到更好的答案了。

附上我们可计算开店的UCR技术体系架构拆解图

三、网规的过去、现在、未来

1. 网规1.0时代-GIS时代

90年代肯德基、麦当劳等国际连锁品牌进入中国，GIS伴随着这批领先的连锁企业在中国快速发展，进入连锁行业。

2. 网规2.0时代-大数据时代

中国大量的连锁品牌快速发展，连锁化率迅速攀升。

另一个残酷的问题出现了：随着商品经济进一步发展，各品类的商品供给日渐充足，市场竞争日渐激烈，开店变得越来越难。

在缺乏开店计算决策方法的情况下，如何通过大数据，去提升开店效率、提升开店成功率，逐渐成为连锁品牌重点关注的问题。

同时随着移动互联网的发展，地图软件的兴起让海量数据的获取变成可能。

比如基于品牌自身关注的客群分布，地铁站、学校等公共设施分布的数据进行排序；

比如根据人口、竞品的分布，对城市商圈进行分级，根据商圈分级安排拓店工作；

比如由于茶饮连锁的外卖占比越来越高，饿了么美团们的订单分布数据能够有效引导城市拓店规划。

3. 网规3.0时代-计算引擎时代

数字化时代和数智化时代的最大差异在于，前者由我们人类给出知识，后者能自己生成并检验知识。

我们在《在转化率洞察|线下门店的特征工程》一文中举了很多例子，跟随对标品牌门店来开店，这是我们人类给出的知识和策略。而检验我们实际开店的结果，判断策略正确与否，就是一套机器生成的知识。

在我们看来，连锁品牌不应盲目抄头部企业，也不应盲目根据感性判断、市场定位等去做初筛，而应从自身的历史门店转化率数据进行洞察和检验，围绕a\u\c自建标签体系，这就是线下门店的特征工程。

我们认为网规3.0时代最重要的变化，就是从数字化到数智化——从人类给出知识的专家系统，进化到能自己生成有价值知识的AI系统。

就像ChatGPT带火的这波生成式AI模型一样，我们可以利用基于社交网络的，手机里的大量信息，去喂养一个属于自己的数字人。

连锁行业即将进入计算引擎时代，网规3.0时代也就是智能网规时代。

连锁行业也应该利用自己的已开业门店数据，去喂养一个品牌私有化的可计算引擎。比如利用开业门店转化率去检验原有策略，检验冷启动时建设的标签体系，去检验网规使用的数据等。

我们越来越多地看到一些连锁品牌基于可检验和可优化的标准，进行更精细颗粒度的策略工作，比如在不同城市选择截然不同的开店策略：某些城市只开社区店，某些城市只开写字楼店，某些城市只开商场店；某些城市开大店，某些城市只开小店等。

四、计算引擎时代智能网规核心问题

1. 网规的初筛工作应该背什么指标？

在谈网规工作应该背什么指标之前，我们先回到前面聊的网规的意义。我们的拓店团队，面对中国庞大而分散的4000万个店铺空间，不能第一时间知道哪里有空，也无法精准选出更适合我们品牌的店铺，所以我们才投入成本到网规工作中。

我们发散一下，如果有这么一个平台或者服务商，可以近乎无限地提供拓店服务，品牌就只需为已经开出的店支付服务费用，这么一来，我们还需要初筛么？有没有可能，既然获取机会点成本为0，假设决策成本很低，那只管推进，我们只要做好开店决策就可以了，机会点多多益善，还做什么初筛。

今天连锁品牌拓店，需要投入巨大成本。获取一个机会点的成本至少几百几千元，如果能通过网规提升拓店精准度，这个价值应该是很确定的。

那么网规工作，可以背机会点开店采纳率指标。机会点采纳率高了，说明拓店团队，在同样的跑动投入成本下，能成功开出更多家店。开店效率高了，才能更有效地实现品牌的规模化增长。

2. 网规的策略工作应该背什么指标？

但是如果只以机会点采纳率为指标，最后开出来的一堆店，在短时间内就倒闭了怎么办？品牌最终要的是门店增长，盈利增长，开店成功率才是最终目的。

那是否可以把开店成功率作为一个管理指标？有些连锁企业确实是这么做的，比如便利蜂。这类企业的网规部门，往往承揽了部分拓店团队的职能，开发团队则多是完成线下执行工作。

但是大部分连锁企业，网规并不背负或者管辖拓店开发工作。我们认为背负开店成功率指标，能解决动机上的问题，并不能真正有效驱动网规提升开店成功率。

门店租金本质是流量的购买费用，流量转化率和流量成本，决定开店能否成功。

流量成本是由拓店开发部门的机会点获取和线下商务谈判决定的；流量转化率由进店率、购买率、连带率和客单价构成；购买率、连带率和客单价，往往受门店运营和导购影响更大。

△ 某汽车品牌门店转化漏斗，来源LOCATION（均为演示数据）

△ 已开门店数据仪表盘，来源LOCATION（均为演示数据）

进店率其实已经代表了过店消费者对品牌的偏好。从某些意义上来说，网规工作洞察进店率；拓店工作基于进店率，洞察商务谈判尽量低的进店客流成本；运营工作背负单位进店客流的客单挖掘。这或许是个分工管理体系。

但是实务上，除了分工明确，如何在不同部门之间适当构建共同背负可影响的指标，这也是有意义的。所以或许未必需要细化到上述颗粒度，在我们还没通过拓店开发，获得具体的店铺价格、客流等数据的情况下，开店策略生产最有效的意义抓手，或许应该归结于转化率洞察。比如同样租金购买了同样的客流，如何通过一个可落地的策略，发现进店率、购买率、客单价、连带率等效率指标的筛选体系。

那么，如果给网规工作的开店策略部分设计一个目标函数：

网规工作是围绕人货场标签体系，求解MAX[转化率(a、u、c)/网规成本]。

a是内容，包括店型、货品、门头、橱窗；

u是触达的客群，男女、老少、消费水平、有车没车、有娃没娃、品牌品类偏好等人群标签的浓度；

c是场景，周边竞品、地铁站分布、社区房价户数、商场等级楼层、道路情况、城市人口等。

综上，机会点转化率+门店流量转化率的增长+网规投入成本作为网规工作指标，可能是比较好的选择。（因为不同组织的部门实际分工往往不同，我们指的是网规工作而非网规部门）

2. 计算引擎驱动的智能网规投入成本问题

不谈ROI（投入产出比）的数智化都是耍流氓。

首先，线下太大了，任何一个企业要完全通过自建网规体系采买构建所需数据体系，都是规模不经济的。

同时，3.0时代的网规，必须要有能力层，基于自己结果数据的检验，来形成真正的网规价值。

这两层都需要巨大的成本，但也是机会。

同样的故事，在线上计算广告领域已经走过20年，数据层面区隔一方数据CDP和第三方数据DMP。

对线下连锁企业而言，建设自己的零售空间价值计算引擎，类似于建设自己的LOCATION DATA PLATFORM，可以叫他LDP。

就和第三方CDP生态一样，作为一个消费类企业，LDP的建设除了数据层，在应用能力层，也完全可以通过拥有丰富最佳实践的第三方来降低建设成本。同时通过1方和3方数据的隐私隔离以及基于目标函数进行统一计算。

数智化能力的自建成本，不谈数据成本，光一个算法工程师的工资一年就需投入近百万。

3. 计算引擎驱动的智能网规一些具体应用，竞争策略洞察：跟随还是避开？需要结果检验

选址时应该与竞品“贴贴”，还是和竞品拉开距离？

例如奶茶、餐饮小吃，通常是以聚集效应为主，消费者更愿意前往“小吃一条街”消费：

但对有些品类而言，竞品分流效应会比集聚效应影响更大，因为商圈人口消费潜力存在上限，竞品多了，消费者会被严重分流。

听过一个下沉市场的连锁茶饮品牌分享一个案例，在某个县级市，所有奶茶店咖啡店品牌都在这个县级市一条步行街上开店，可能最开始是古茗先开了，然后一点点跟上，后来瑞幸来了，最后库迪也在隔壁开了一家。

最终结果就是这条街的茶饮门店租金，远远高于其他街区。他在这条街区开了一年店亏到不行，换到另外街区就开始赚钱了。

这个例子放在网规环节谈而不是开店决策环节谈，或许未必恰当，但是它能够直观指出一个点，所有的策略，都需要结果检验。

比如抖音上传播甚广的那些开店口诀，奶茶店扎堆开，面包店避开对手开之类的，这或许对夫妻店来说已经足够，但是在今天连锁品牌开店过程里，这些远远不够。

连锁品牌开店其实就和APP埋点一样，沉淀开店漏斗数据，根据场景类型、店型分类等，判断竞品浓度与自己门店转化率是正相关还是负相关，进而总结出跟着对手开还是避开对手开，能够更大程度保证开店成功率。

△ 竞品洞察案例，来源LOCATION（已脱敏）

4. 计算引擎驱动的智能网规一些具体应用：人群画像定位同样需要检验

根据城市区域进行画像分类洞察，同时要交由市场逐步进化。在不同城市和场景中开店，需要匹配不同的画像，尤其是进驻新城市时，或者纯线上品牌开始在线下开店时，都需要重新定位目标客群。

注：强转化率相关客群因素分析显示：餐饮消费水平在100-150元、居住房价在4W-6W、年龄在25-40岁、子女年龄在0-5岁这四个因素，与该品牌门店转化率相关性最强——该品牌门店所在点位的辐射范围内，符合这四个因素的客群比重大，转化率也会相对较高，从而带来更高的销售额和ROI。

5. 计算引擎驱动的智能网规一些具体应用：开店密度的分析评估，保护半径设定

门店保护半径设定，是网规部门用于探索新的开店机会点和避免过密开店的传统手段。

消费者活动范围的追踪，品牌会员分布，这些数据的可视化，结合门店业绩，能帮助品牌形成开店密度的策略检验，包括有些品牌在省市层面优先级选择的开店策略安排。

△ 某品牌会员浙江省分布图，为演示数据

△ 肯德基门店深圳分布，均为演示数据

6. 计算引擎驱动的智能网规一些应用：拓店团队评分表的生产和迭代

每次拓店表的信息搜集，到开店后的数据反馈，本身就是宝贵的数据沉淀，闭环反馈和积累门店特征工程的过程。拓店流程的在线化，可将每个门店的特征都做好信息化留存，并根据门店业绩结果探究「好业绩」背后的关键因素，不断优化评分表。

7. 网规工作冷启动问题

对刚开始开店的品牌而言，冷启动问题是普遍存在的难题。

常见方法，从相近品类或对标公司挖人，借鉴他们的策略、拓店表、开店标准、经验等；有些品类存在一些经验丰富的大商，直接通过大经销商进行线下冷启动。

我们常说，全渠道时代不要刻意强调D2C，不要去否定经销商模型，要把生意分为物流、财务流、信息流。

经销商是很好的货物流、财务流的线下渠道，但品牌如何做好客户资产管理，包括售前的潜客信息管理、售后的客户价值管理，这个信息流层面的整体管理，才是今天消费品竞争格局下的重中之重。

比如消费电子赛道，相当多的品牌都是直管终端门店信息流，和经销商的合作则是放在货物流和财务流层面。

另外一个思路，也有不少新锐品牌在使用：批量踩点竞品门店，获取竞品门店的进店数据，以此校验自身的开店策略。

再有一个思路，低成本测试：比如利用商场连廊多经点位铺设慢闪店，我们服务过不少品牌，会利用先锋店进行批量的低成本测试，原来开1、2家门店的成本，就能一个月铺开10个城市几十个月租的慢闪店，在此期间测品、测设计陈列，优化出门店模型，这批先锋店长期扎根下来，落地为长期门店。

当然，我们过去几年看到大批新到线下的品牌，都是先开旗舰店，然后在旗舰店巨大的成本下进行优化迭代，最后再铺开其他店型。从2015前后到现在的8年，相当多品牌开了旗舰店之后，就再没有勇气继续探索线下了。

最后，冷启动问题，本质是精益思维，不是刚开始开店才有的，如果我们构建好开店的分类分级体系，并把每个新场景、每个新品上市、每个优化后的门店设计都归为冷启动环节，强调低成本测试UNIT，进行数据检验CHECK，然后再通过规模化复制REPEAT。

五、写在最后

本文大部分的思考，基于我们和目前国内各行业TOP品牌的网络规划人员的调研和访谈，若有不恰当之处，仅代表我们对连锁门店网络规划工作未来进化方向思考的一家之言。

如果对大家有什么帮助，请感谢参与本次调研的大批优秀连锁品牌相关伙伴，欢迎大家多多交流，一起进步，共同推动中国消费品牌的线下规模化扩张。

本文作者：潜水

14年连锁门店选址信息化经验，原苏宁易购不动产研发中心负责人，统筹苏宁集团数万家连锁门店拓展信息化全过程。

现任LOCATION产品总监