AI选址分析怎么做？课程连锁门店30个点位的复盘与3个坑

AI选址分析在课程连锁门店这件事上，核心就一句话：把过去靠区域经理拍脑袋的判断，拆成几个能打分、能复盘的指标。它较大的价值不是告诉你哪个点位一定赚钱，而是帮你把明显不行的点位提前排掉。

说白了，它就是把你脑子里的选址标准变成一张表，再让模型去跑候选点位。它干的是排序的活，不是算命的活。

很多人对它的期待是「告诉我这个铺子能不能开」。这个期待一定会落空。模型能回答的是：在你能拿到的这批点位里，哪个相对更好，哪个明显别碰。剩下的事，租金怎么谈、物业靠不靠谱、门口什么时候开始修路，还得靠人。

什么是AI选址分析？它到底能帮课程连锁门店解决什么？

它真正省下来的是试错的钱。一家200平米的课程门店，月租按3万算，一年就是36万。装修加设备一次性投进去，按1500块一平米算是30万。再加上开业前三个月的老师工资和推广费，开一家店的沉没成本大概在70万到80万之间。选错一个点位，这笔钱基本收不回来。

AI选址分析在这个环节上的作用，就是把「先开一家试试」变成「先在表上试十家」。这一步的成本几乎为零。

课程门店比餐饮门店难算在哪

餐饮看的是人流，走过路过的人多，生意就有底。课程门店看的是特定半径内有多少个符合年龄的孩子，以及家长愿不愿意为这段路程花时间。3公里是行业里常用的口径，真正起作用的往往是步行15分钟能不能到，或者开车10分钟内有没有地方停车。

条件写不进公开数据里，得靠实地跑。模型负责把范围缩小，人负责去现场确认。

它算不出来的是什么

租金谈判的空间、房东的人品、物业的响应速度、商圈未来两年的规划，这些都不在模型里。有个做课程的客户问过我，能不能让AI直接给个「开或不开」的结论。我说给不了，给了你也不敢信。

案例复盘：30个候选点位筛到7个，中间发生了什么？

我接触过一个做少儿素质课的连锁品牌，准备在一个新城市开第一批店，候选点位拉出来30个。前一年他们在另一个城市连开3家，两家没撑过一年。这次想换个方法。

第一步：把亏掉的两家店当成样本

复盘最有价值的部分往往不是成功的店，是失败的店。团队把那两家亏损门店的数据翻出来一项项对照：周边小区入住率、对口小学的班级数、租金占营收比、同品类机构数量、公交地铁站点距离。

对照完发现一个共同点：两家店的租金占营收比都超过了25%。行业里比较舒服的区间是15%到20%，超过25%就意味着每个月要多招十几个学生才能填平。

第二步：把指标写成权重，跑一遍排序

团队最后定了六个一级指标：人口密度、目标年龄段占比、竞品密度、租金水平、交通可达性、周边业态。每个指标下面再拆细项，给不同权重。模型跑完，30个点位排出高低，前7个进入实地考察。

有个细节值得说：竞品密度不是越低越好。完全没同行的商圈，很多时候说明这个品类在这片区域根本没需求。有三五家同类机构扎堆的地方，反而证明家长愿意为这类课程跑一趟。

第三步：实地看完，砍掉一半

7个点位实地跑完，只剩4个能谈。被砍掉的原因五花八门：有的在二楼但电梯经常坏，有的物业是二房东转租、合同只剩两年，有的门口正在修地铁围挡要围三年。这些问题模型一个都算不出来。

AI选址分析给出的结论，永远应该是候选名单，不是最终答案。

做门店风险评估，哪些指标必须放进模型？

指标不在多，在于能不能反映真实的经营压力。我习惯把它们分成三组：能带来学生的、会吃掉利润的、会让你开不了业的。

第一组：决定上限的指标

• 3公里内目标年龄段人口数量，这个数字决定了天花板有多高。
• 周边对口学校和幼儿园的班级数，比总人口更能说明问题。
• 家长的通勤路径，接送孩子顺不顺路，比相对距离重要得多。

第二组：决定能不能活下来的指标

租金占预估营收的比例是硬指标，超过25%就要非常小心。另外还得算清楚需自行评估风险学员数：月租3万、人力成本5万、其他开支2万，一个月固定支出10万，客单价按3000块一年算，每个月要新签接近30个学生才需自行评估风险。这个数字算出来，再去看周边有没有这么多孩子，很多点位当场就能否掉。

第三组：一票否决的指标

消防能不能过、房产证和租赁合同是否对得上、房屋性质是不是商业、有没有被抵押。这几项任何一项出问题，前面算得再漂亮都白搭。因为二房东跑路关店的，因为房屋性质是住宅办不下许可关店的，每年都能听到。

连锁门店选址最容易踩的坑有哪些？

三个坑最常见，而且都不是技术问题，是用法问题。

坑一：拿一线城市的模型套三四线

在一线城市跑出来的权重，搬到三四线基本失效。一线城市家长对距离敏感，三四线城市家长更在意口碑和老师。同一个指标，权重可能要从0.3调到0.1。每进一个新城市，模型都得重新校准一遍。

坑二：把AI结论当终审判决

有团队拿到排序表，直接跳过实地考察就签约。这种事听着离谱，但真发生过。模型输出的是概率，签约签的是合同，两码事。

坑三：只算开店成本，不算退出成本

很多人算选址只算投入，不算关店要赔多少。课程门店的装修基本是为特定业态定制的，转让时折价很厉害。签合同前把租期、免租期、提前解约条款谈清楚，比多算两个指标管用。

预算有限的中小机构，怎么低成本用起来？

不用买系统，一张表格就能起步。核心是把判断标准写下来，让每次决策可复盘。

先用Excel把打分表搭出来

六个指标，每个给个权重，每个候选点位打分，加权求和。这张表自己动手做一遍，你对「什么才是好点位」的理解会清楚很多。做表的过程比表本身值钱。

把已经开出来的店当训练样本

连锁机构最值钱的资产之一是自己的历史门店数据。把每家店的真实营收、租金、学员数填回表里，看看得分高的店是不是真的经营得好。对不上的，说明权重有问题，回去改。数据口径可以参考国家统计局公布的分区人口数据，比拍脑袋估的靠谱。

最后给个建议：下一个点位决定之前，先花两个小时把这张表做出来。做不出来，说明你还没想清楚自己在选什么。AI选址分析不是买套软件，是建一套自己的判断标准。