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。

01■

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：

今天我们重点聊聊网规。

02■

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

03■

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

04■

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？

2. 网规的策略工作应该背什么指标？

△ 已开门店数据仪表盘，来源LOCATION（均为演示数据）

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]。

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

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

△ 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。

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，均为演示数据数据

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

7. 网规工作冷启动问题

05■

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。