文|極海品牌監(jiān)測
有人從海底撈的失利中看到了機會
悲觀者往往正確，但成功往往屬于樂觀者。今年市場大環(huán)境確實不好，海底撈、呷哺呷哺兩大行業(yè)巨頭相繼陷入虧損關店風波，這是客觀事實，但有的人垂頭喪氣，把一切歸結于疫情，有的人卻能從中看到突圍的機會，玩起了彎道超車。
"這家火鍋" 的創(chuàng)始人也是這么想的。火鍋是一個高度地域性的品類，同樣是一年 5000億的產值，真正能在全國范圍開店的品牌遠不如奶茶。而在這少數的幾個全國性品牌中，海底撈一直被看作是天花板般的存在。
但隨著海底撈的擴張失速，神話破滅，越來越多的火鍋品牌似乎看到了打破天花板的可能。雖說海底撈仍然是無可置疑的行業(yè)龍頭，但財務上的失敗總是要滯后于管理和產品上的失敗，種種跡象表明，海底撈內部出了大問題，硬剛海底撈并非不可能。
憑借過硬的產品品質及良好的財務模型，"這家火鍋" 成功從資本市場拿到 5 億融資。根據計劃，這筆融資將主要用于品牌在一線城市的門店拓展。創(chuàng)始人對外宣稱要在一線城市與海底撈正面競爭，并計劃在接下來的一年內拓店 100 家，把自己從一個地域性品牌升級為全國性品牌。
老王的困境：100家門店如何規(guī)劃？
錢有了，戰(zhàn)略方向也有了，現在該輪到老王頭疼了。
老王作為開發(fā)部負責人，深耕行業(yè)十幾年，在選址上頗有自己的一套。他就像是這座城市的活地圖，哪里人多熱鬧，哪里適合開店他都了如指掌。
可要離開熟悉的城市，到陌生的一線城市拓店，還是讓老王犯了難，高昂的開店成本讓他不得不謹慎懷疑自己原有的選址經驗能否匹配新城市的特點，一年 100 家的指標更是讓他想想都覺得心累。
而眼下要緊的是把整體的選址規(guī)劃定下來，選擇哪些城市？分別開多少家？選擇策略怎么定？在哪些商圈布局？如何篩選空白市場？怎么評估選址點位的可行性？……
這些關鍵問題沒定下來，后續(xù)的工作重心、招聘培訓、資源匹配問題都很難推進。老王在紙上反復羅列著現在亟待解決的問題，莫名的不安全感漸漸涌上心頭。
這種不安全感讓老王感覺有些熟悉，他曾經有過兩次類似的經歷。
第一次是老王剛入行的時候，選址主要靠直覺，好在運氣還不錯，開了幾個好頭，這也讓老王開始自滿起來。但隨后幾次選址上的失誤又很快讓老王對自己的直覺陷入深深的自我懷疑，從 "愚昧山峰" 跌入 "絕望之谷" 。
所幸隨著實踐經驗的增長和老王自身的努力，老王逐漸從 "絕望之谷" 中走了出來，他的直覺和經驗也變得越來越準確。
但馬上他又遇到了第二個問題——每個人的經驗不同，遇到分歧時往往很難達成共識，也就無法說服別人，幾家事后被證明不錯的門店就是這樣被否決的。
老王很快意識到要必須要形成一套相對客觀的選址標準來減少這種內部損耗，提供決策效率。老王從過去的選址實踐中不斷復盤，反復琢磨到底哪些因素讓一家店成功，又是哪些因素讓一家店失敗，然后據此提出 "好店標準" ，但又在實踐中不斷被現實打臉，這是老王第二次感到一種深深的無力。
這種無力感是普遍的，大多數企業(yè)在擴張過程中都要經歷這樣一個的階段。企業(yè)開始追求規(guī)范化、流程化，要求有具體的選址標準，但這一標準的有效性仍然有待大量實踐的檢驗，也必然要為此付出大量的試錯成本。
不過老王發(fā)現每次遇到困難都是自己進一步提升的機會，這讓他的心情好了一點。
現在，他遇到的問題是如何更進一步，擺脫為單個門店選址的技術問題，站在更高的戰(zhàn)略視角，為100家門店制定有效的選址策略。
學我者生，像我者死：從海底撈偷師
機緣巧合之下，老王找到了我們，希望極海能為他提供一些思路。
通過與老王的溝通，我們認識到"這家火鍋"無論是價位還是客群都與海底撈高度相似，事實上，"海底撈"一直是他們對標的品牌。換句話說，海底撈開得好的地方，他們去開銷量也不會太差。
“既然如此，你怎么不直接把店開在海底撈旁邊？”我揶揄道。
“倒也不是沒有嘗試過，但離得近了容易兩敗俱傷，雖說我們不怕競爭，但這樣做對誰都沒有好處，大部分情況我們并不想和他們出現在一起?！崩贤跻埠苷\實。
“那就是說，你們認可海底撈的選址，但又不想選在海底撈周邊？既要學習他，又不能太像他。"我再一次確認老王的需求。
“算是吧，不過去年海底撈關店挺多的，他們的選址方法也不見得有多好，與其說我認可海底撈的選址，倒不如說是認可海底撈開店的結果，只有那些業(yè)績好的門店，才值得參考。”老王思路很清晰。
“那是當然，給我兩天時間，我想我已經找到了問題的解決方案?！蔽艺f。
兩天后，我再次找到老王，并向他展示了我們的研究成果。
“這是什么？”第一次看到這張圖，老王顯然還有點疑惑。
“這就是海底撈在北京的選址規(guī)劃地圖。黃色的點是海底撈的在營門店，紅色的點是海底撈停業(yè)的門店，藍色區(qū)域是海底撈在北京的潛在選址街區(qū)，顏色越深，優(yōu)先級越高?！蔽蚁蚶贤鹾唵谓忉尩?，然后留給他一點時間消化這張圖的內容，我知道他馬上就會有新的疑惑。
“我很好奇，你是怎么知道海底撈的選址規(guī)劃的？”老王半信半疑。
“恐怕海底撈自己內部也沒有這樣一張圖吧 ，這些藍色的選址區(qū)域都是通過算法計算出來的?！蔽彝蝗幌氲?，或許海底撈會對這張圖更感興趣。
我把圖片放大到國貿CBD商圈一帶，讓老王能看到更多的細節(jié)?！盎疑珗D標代表已經關店的位置，紅色圖標代表海底撈正常營業(yè)的門店。在我們推薦的區(qū)域內，有些地方已經有門店了，根據你的要求，這些地方我們并不推薦，但有些區(qū)域還沒有海底撈，但非常適合他，我們稱之為空白市場，也是我們推薦你重點去考察的區(qū)域?！?/p>
“有點意思，那你是依據什么推薦的？”老王眼睛一亮。
“從技術實現上要和你講清楚可能有點難度，但邏輯一點也不復雜?！蔽翌D了頓強調道，“我們只是在向海底撈偷師！用海底撈來試錯，畢竟從別人的錯誤中吸取教訓，總比從自己的錯誤中吸取教訓要好得多?！?/p>
“海底撈在北京一共開過94家門店，其中有73家在營，姑且認為這都是值得學習的 '經驗' ；21家關閉，是我們需要規(guī)避的 '教訓' 。就像你曾經做過的事情一樣，我們會分析這73家在營的門店周邊有哪些共性，21家關閉的門店周邊又有哪些特征，然后將經驗和教訓相結合，生成海底撈的選址邏輯?！蔽依^續(xù)解釋道，“不同的是，現在這一切都是極海用機器模型完成的。”
“然后你們基于他的選址邏輯在全城范圍內找到符合要求的街區(qū)，不同的分級就代表不同的匹配程度？”老王迅速理解了我下一步想要表達的內容，但也同樣表達了疑惑，“ 我看左上角有一家門店也在你的預測范圍內，但卻顯示關店狀態(tài)，這種情況多嗎？”
“你觀察得很仔細。一家門店開得好不好，七成看選址，這話不假，但反過來不也還有三成不受選址控制嗎？” 我意識到老王其實是在質疑模型的有效性，于是接著說道，“海底撈在北京的94家門店，有61家在我們的推薦區(qū)域內，其中在營門店56家，存活率近92%，關閉5家，關店率僅為8%。而不在推薦區(qū)域內的33家門店，有16家關閉，關店率近50%，遠高于平均水平。”
“也就是說，在推薦區(qū)域內開店，關店概率只有8%；離開這個區(qū)域，關店的風險就要提高5倍?！崩贤鹾芸煲庾R到這一算法背后的應用價值，“你們僅憑門店位置數據，就可以預測出哪里適合海底撈，哪里不適合？”
“是的，如果把那些因為開的過密而關閉的門店踢出去出來，推薦效果會更好?！?/p>
“你們能拿到海底撈的銷售數據嗎？”老王又冒出新問題。
“顯然不能，但如果有門店業(yè)績數據，模型的準確率還有很大的提升空間?！?/p>
“你們給出的推薦區(qū)域大概有多大？或者說，能有多精確？”老王問。
“不同的城市不太一樣，北京的推薦選址區(qū)域全城大概有34k㎡，占北京城區(qū)面積的2%，就算只考慮五環(huán)以內，也只有5%。我們推薦的區(qū)域其實都是由城市路網切割而成的自然街區(qū)，這樣你在安排跑店任務的時候就可以給出大家都能懂的街道范圍了?！?/p>
“這倒是能減少我們很多跑店的時間，看來我們放在北京的資源和人力可以適當精簡一些?！崩贤跞粲兴?。
“是的，不過在上海你可能得費點力氣了?！蔽已a充道。
“海底撈在上海的預測你也做了嗎？”
“是的，上海我們推薦的區(qū)域有125k㎡，占城區(qū)面積的10%。上海適合開店的地方整體還是要比北京多一些。“
“還有其他的案例嗎？“
“我們對海底撈門店數量較少的成都也做出了預測。成都核心城區(qū)累計 23 家門店，目前只有 15 家門店在營，其中 80% 都在我們的推薦區(qū)域內?！?我補充道，“ 在推薦區(qū)域內，目前還沒有一家門店停業(yè)，而在推薦區(qū)域外，關店率高達 73%，這是我們嘗試過的幾個城市中，模型表現最好的。同時我們還在成都發(fā)現了不少潛在的空白市場，這是你們的機會?！蔽胰鐚嵒卮稹?/p>
“你的建議給我提供了很大的幫助，我好像有點頭緒了，不過還是想和你具體聊聊如何用這套方法幫助我制定下一步的規(guī)劃？”老王問道。
“其實只要能大致預估出每個城市空白市場的數量，剩下的對你來說都不是難事?！蔽乙庾R到我還沒梳理完，便推脫道，“如果你認可這一套邏輯的話，我今晚再把具體的建議發(fā)給你，今天已經有點晚了，下一步規(guī)劃的問題我們可以下次再聊?！?/p>
晚上，在老王的催促下，我把詳細建議發(fā)送給他，這里我也簡單闡述一下：
構建城市模型：以一線及主要新一線城市的海底撈門店為學習樣本，分別構建城市選址模型，在全城范圍內找到所有符合模型的選址區(qū)域；
預估城市規(guī)模：計算每個城市的空白市場規(guī)模，預估潛在門店數量，根據預估的值決定去哪些城市不去哪些城市，先去哪些城市后去哪些城市，然后按照比例分配100家門店歸屬，制定進一步的資源分配計劃。
迭代營業(yè)數據：主要城市拿出一定比例的門店作為測試門店，用實際的門店業(yè)績數據驗證與優(yōu)化推薦模型，逐漸用自有品牌數據替換海底撈數據，根據推薦結果動態(tài)調整考察區(qū)域。
回歸一切問題的核心——選址邏輯
選址通常是一個戰(zhàn)術問題，但選址規(guī)劃肯定是一個戰(zhàn)略問題。
戰(zhàn)略要求從全局謀劃實現全局目標的規(guī)劃，它回答的不是一家店怎么開、在哪里開的問題，而是100家、1000家店怎么開、在哪開的問題。
在這個大問題的下面，還有無數的小問題。城市怎么選？商圈怎么選？點位怎么選？什么標準評估？競爭對手怎么應對？……
每一個問題單獨拎出來都是大問題。但如果我們進一步追問，會發(fā)現所有的問題又都指向一個更本質的問題——選址邏輯。
你的選址邏輯是什么？經不經得起考驗？能不能數字化？如果你能清晰而明確地回答這些問題，你就抓住了選址的本質。
