agentleFS
ykjshenzhen2008-ship-itykjshenzhen2008-ship-it/commercial-real-estate-skills/skills/commercial-site-research/SKILL.md

commercial-site-research

Skill0 starsChanged 35 days agoMITView on GitHub

商业体/购物中心/文旅项目/街区商业深度调研主Skill。覆盖【场外周边8维】客群画像、人流时空分析、商圈租金、消费力评估、竞争格局(含街铺/非标园区/社区裙楼非传统竞品)、业态需求度矩阵、文旅专项; 【场内本体2维·v2.0新增】项目本体踏勘(产权租赁/面积得房率/楼层品牌/垂直动线/停车场/公区中庭/空置/**超外区二房东**)、分层分时段人流(分层×时段×星期三维+业态容量系数); 【非标能力3维·v2.2新增】11 内容生产力与事件运营(月≥4场/流效指标/非租金收入)、12 在地文化证据链(方志证据★分级·防凭空造文化)、13 主理人生态与业态内容化(可收编明星小店/工序可见度)。 输出结构化MD报告。四层数据体系:L0实地踏勘 > L2 WebSearch > L1四引擎API(高德+腾讯地图+大众点评POI+**UGC自采集**)> L3估算。 维度5含**项目本体平均租金四路径推断协议**(无公开财报时适用),铁律:报平均租金必须带「分母/含项/口径源」三后缀。 集成TAM/SAM/SOM市场sizing、4类竞品分析、定位地图、人机协作工作流。**铁律:楼层布局/品牌落位/面积/文化四不推测。** v2.2 新增**非标适宜度评分**(区别于开发适宜度/场内健康度)、**前台非标·后台标准**落地检查、**老化与泡沫风险6条**。

  • Reads credentials
  • Installs packages

The file

Files
SKILL.md

商业体深度调研 Skill(场外周边8维 + 场内本体2维 + 非标能力3维)

定位:非标商业分析团队的调研主引擎。当需要评估一个商业体/购物中心/文旅项目/街区商业时,本 Skill 是第一入口。产出数据底座,供6位专家Skill做方案蒸馏。

⚠️ v2.0 重大变更:原框架 8 维全部是"场外周边"调研,缺"场内本体"这一层,导致楼层/品牌/面积只能靠推测(实测证明必错)。v2.0 补上维度9 项目本体踏勘与维度10 分层分时段人流,并把数据体系升级为四层(新增 L0 实地踏勘层)。

⚠️ v2.2 重大变更:前 10 维全部是传统商业地产维度(地段+客群+人流+竞争+租金+消费力+业态),能判断"适合不适合做标品盒子",但判断不了"适不适合做非标、非标能不能撑住"。v2.2 补上维度11 内容生产力与事件运营、维度12 在地文化证据链、维度13 主理人生态与业态内容化,配套新增非标适宜度评分、前台非标·后台标准落地检查、老化与泡沫风险6条,并把三不推测铁律升级为四不推测(+不推测文化)。


一、触发场景

以下任一情况触发本 Skill:

  • "分析XX项目周边客群/人流/市场"
  • "XX地块适合做什么业态"
  • "调研XX购物中心周边的消费力"
  • "XX文旅项目周边租金水平如何"
  • "帮我看下XX街区周边各类业态的需求缺口"
  • 团队框架中"六维调研"阶段的执行入口
  • 任何需要商业体周边数据支撑决策的场景
  • "XX项目接管前评估/存量改造可行性/帮我看看这个场子本身怎么样" → 必做维度9、10
  • "去踩盘/看场/实地考察XX项目" → 调 references/onsite-audit-checklist.md 作业表
  • "XX项目人流怎么样" → 不做总数,做分层×时段×星期三维(维度10)
  • "XX项目适合做非标吗 / 想做非标改造 / 做主题街区" → 必做维度11、12、13 + 非标适宜度评分(v2.2)
  • "帮这个项目想个定位/slogan/主题" → 先过维度12 证据分级,文化母题无 ★★ 证据不得下笔
  • "这个项目活动怎么做 / 内容怎么运营" → 维度11:月≥4场门槛 + 流效指标 + 非租金收入

二、与单店选址Skill的区别

对比项单店选址Skill(三个源Skill)本Skill(商业体周边调研)
分析对象单个店铺位置商业体/购物中心/文旅项目/街区(体量500㎡以上)
核心问题"这个位置适合开XX店吗?""这个周边能支撑什么业态组合?缺口在哪?"
调研半径500-1000m1-3km(核心区1km、辐射区3km)
租金调研❌ 无✅ 周边租金水平+趋势
消费力间接推断✅ 多源交叉验证
客群画像POI数量推断✅ 人口结构+生活方式+消费偏好
业态需求度❌ 无✅ 核心创新:供需缺口矩阵
文旅游客结构❌ 无✅ 游客/本地客比、过夜率、季节性
输出格式HTMLMD(首选)/ PDF

三、调研框架:13大维度(场外周边8 + 场内本体2 + 非标能力3)

分组维度适用
场外周边1 区位交通 / 2 客群画像 / 3 人流时空 / 4 竞争格局 / 5 租金水平 / 6 消费力 / 7 业态需求度矩阵 / 8 文旅专项所有项目
场内本体 ⭐v2.09 项目本体踏勘 / 10 分层分时段人流存量项目、改造项目、接管前评估、竞品踩盘 → 必做
非标能力 ⭐v2.211 内容生产力与事件运营 / 12 在地文化证据链 / 13 主理人生态与业态内容化凡涉及"非标/调改/主题定位/文商旅" → 必做;纯标化盒子可简化

⚠️ 只要涉及"已建成/在运营"的项目,维度9、10 就是必做项,不是可选项。 缺了这两维,楼层布局、品牌落位、面积结构只能推测,而推测必错(见文末 v2.0 复盘)。

⚠️ 只要涉及"非标"两个字,维度11、12、13 就是必做项。 缺了这三维,会把"装修风格"当成"非标",做出有主题、无内容、无主理人、无证据的空壳方案——这是 2026 年非标项目最常见的死法。 作业底稿:references/nonstandard-content-playbook.md(含六问闸门 / 文化证据★分级 / 流效指标 / 事件基准 / 非租金收入 / 前后台分工 / 老化泡沫风险 / 第五消费时代对齐表)。

维度1:区位与交通(Location & Accessibility)

调研内容:

  • 行政区位:所在区/街道/商圈层级
  • 交通可达性:地铁线路+站点数(步行10分钟内)、公交线路、主干道、高速出口
  • 交通态势:实时拥堵指数(高德traffic API)、高峰时段流速
  • 停车配套:周边停车场数量+车位规模
  • 交通枢纽距离:机场/高铁站/城际站车程

数据来源:

  • 高德 geocode API(地址→坐标)
  • 高德 POI around API(搜索地铁站/公交站/停车场)
  • 高德 traffic status API(实时拥堵)
  • WebSearch(城市规划/交通规划文件)

评分逻辑(满分100):

  • 地铁覆盖(40分):步行10分钟内每条地铁线+10分,上限40
  • 公交覆盖(15分):站点数×3,上限15
  • 道路通达(20分):主干道接驳+高速出入口
  • 停车配套(15分):停车场数×3+车位规模
  • 交通态势(10分):畅通10/缓行7/拥堵4

维度2:周边客群画像(Population Demographics)

调研内容:

  • 人口规模:1km/3km半径内常住人口、工作人口
  • 年龄结构:0-14/15-25/26-35/36-50/50+ 各段占比
  • 收入水平:人均可支配收入、家庭月收入中位数
  • 职业结构:白领/蓝领/学生/自由职业/退休占比
  • 家庭结构:单身/二人/核心家庭/三代同堂占比
  • 生活方式标签:通勤族/夜生活/亲子/文艺/运动健康
  • 教育水平:本科及以上占比

数据来源:

  • 高德 POI around(住宅小区数量→推断居住人口;写字楼→推断工作人口;学校→推断学生+家庭)
  • WebSearch:统计年鉴/第七次人口普查/区级统计公报
  • WebSearch:贝壳/链家周边房价→间接推断收入水平
  • 估算模型:住宅POI数×平均户数×平均人口(详见下文估算公式)

估算公式:

常住人口(1km) = 住宅小区POI数 × 平均户数(300) × 平均人口(2.8)
工作人口(1km) = 写字楼POI数 × 平均工位密度(0.8人/㎡) × 平均面积(5000㎡)
学生人口(1km) = 学校POI数 × 平均在校生(800)

⚠️ 估算数据必须在报告中标注"估算"标签,不可与真实数据混用。

客群标签推断规则:

  • 写字楼密集 → 通勤白领标签
  • 学校密集 → 亲子家庭标签
  • 文化设施密集 → 文艺标签
  • 夜间餐饮密集 → 夜生活标签
  • 健身房/运动场密集 → 运动健康标签

维度3:人流时空分析(Foot Traffic Analysis)

调研内容:

  • 日均人流:工作日/周末/节假日日均客流量
  • 时段分布:早高峰/午高峰/晚高峰/夜间各时段占比
  • 星期维度:平日 vs 周末比值(社区商业健康度关键指标,也是对手最容易切入的软肋)
  • 人流来源:路过客流/目的性客流/居住客流/办公客流
  • 分层人流:逐层冷热分布与衰减拐点 → 见维度10(必须做,否则会把"高楼层塌陷"误判为"全场转化低")
  • 季节性波动:旅游旺季/淡季差异(文旅项目必查)
  • 人流趋势:同比/环比变化

⚠️ "日均人流"是全场最有欺骗性的数字。 必须拆成「分层 × 时段 × 星期」三维看,否则结论必然跑偏。

数据来源:

  • 高德 traffic status API(交通拥堵指数→人流代理指标)
  • 高德 POI density(商业密度→人流推断)
  • WebSearch:项目官方数据/媒体报道/行业报告
  • WebSearch:大众点评/小红书打卡热度(UGC活跃度→客流代理)
  • 估算模型:交通指数+POI密度+商业面积综合推算

人流估算公式:

日均人流(估算) = 周边商业总面积(㎡) × 平均坪效人流转化率(0.8人/㎡/日)
              + 交通枢纽日均吞吐量 × 经停率(0.05)
              + 周边住宅人口 × 日均外出率(0.3)

时段分布参考模板:

时段商务区居住区文旅区
7-10时25%15%5%
10-14时20%20%20%
14-18时25%20%30%
18-22时20%30%35%
22-7时10%15%10%

维度4:商业市场与竞争格局(Market & Competition)

调研内容:

  • 商圈层级:市级/区级/社区级
  • 商业存量:3km内商业体数量+总体量(㎡)
  • 竞品画像:同类型商业体列表(名称/体量/定位/开业年限/主力业态)
  • 竞品经营:客流/出租率/品牌矩阵(能查到的)
  • 空置率:周边商业空置率
  • 未来供应:在建/待开业商业项目
  • 市场容量估算(TAM/SAM/SOM法,学自market-researcher)
  • 4类竞品分类(学自market-researcher)
  • 定位地图(2D矩阵找白空间)

数据来源:

  • 高德/腾讯地图 POI around(购物中心/商业街/百货/超市 POI搜索)
  • WebSearch:赢商网/联商网/商业地产志 行业数据
  • WebSearch:项目官方公众号/年报
  • WebSearch:政府商务局公开数据

4类竞品分类法:

类型定义示例
直接竞品同业态、同客群同区域同体量购物中心
间接竞品不同业态、解决同需求社区商业街/夜市(分流休闲需求)
替代品替代方式满足需求电商/直播(替代线下零售)
潜在进入者容易进入市场的在建商业体/空置大盘

⭐ 非传统竞品三类(v2.0 新增,桌面研究最易漏):

类型特征为什么必须查
街铺/底商沿街门面、住宅底商分流日常与轻餐;其中的明星小店是招商猎物
非标商业/工改商园区开放式园区、主理人品牌集群、办公+餐饮未来持续对手;判断关键是"旺区在沿街还是内部"(内部未渗透 = 仍在培育期,存在窗口期)
社区商业/裙楼住宅群楼、小型街区常藏本地明星小店,人气已验证但未规模化,是最好的收编对象

💡 两条腿看竞品:①威胁度——当前分流能力 vs 未来分流能力分开判断(很多对手是"未来对手"而非"当前对手");②猎场价值——它是不是主理人品牌的试验场?别人试错、我们摘果子。

TAM/SAM/SOM市场容量估算:

TAM(总可寻址市场)= 3km内常住人口 × 人均年商业消费支出
SAM(可服务市场)= TAM × 项目类型适配系数(购物中心0.6/街区0.3/文旅0.2)
SOM(可获取市场)= SAM × 预估市占率(新项目Year1: 2-5%/Year3: 5-15%)

自下而上验证:
SOM(自下而上) = 预估日均客流 × 客单价 × 365天
若 TAM法SOM 与 自下而上SOM 差距>3倍 → 重新审视假设

定位地图(2D白空间分析):

X轴:价格定位(大众 ←→ 高端)
Y轴:体验定位(功能型 ←→ 体验型)

绘制周边所有竞品在矩阵中的位置 → 寻找空白象限 → 非标化机会

示例洞察:
  "3km内高端体验型象限空白 → 非标文化商业机会"
  "大众功能型已饱和 → 避免标化定位"

竞争强度评分(满分100,分越高竞争越激烈):

竞争强度 = 直接竞品数×15 + 间接竞品数×5 + 3km内商业总面积/10000×2 + 空置率×(-3) + 在建项目数×10

竞争强度高 → 业态差异化需求高 → 非标化改造空间大


维度5:租金水平(Rental Market)

调研内容:

  • 周边商业租金:首层/二层/三层平均租金(元/㎡/月)
  • 租金走势:近1-2年涨跌趋势
  • 租金结构:保底租金+抽成模式 / 纯租金 / 流水分成
  • 典型项目租金:周边标杆商业体的租金水平
  • 住宅租金:周边住宅租金(间接反映消费力)
  • 售价回报:周边商业售价+投资回报率

数据来源(关键差异化维度):

  • WebSearch:贝壳/链家/安居客 商铺租金挂牌数据
  • WebSearch:58同城商铺出租
  • WebSearch:当地商业地产中介报告
  • WebSearch:项目官方招商手册(如有)
  • WebSearch:第一太平戴维斯/世邦魏理仕/戴德梁行 市场报告

租金分位数参考:

分位含义用途
P25区域偏低租金业态承受力评估下限
P50区域中位租金定价基准
P75区域偏高租金品牌筛选门槛

租金承受力倒推模型:

业态可承受租金 = 客单价 × 日均客流量 × 30天 × 毛利率 × 租金占比(15-20%) / 面积(㎡)

用此模型反推:在当前租金下,哪些业态能存活、哪些会亏损。


🔴 维度5扩展:项目本体「平均租金」推断(无公开财报时)

必读:references/rent-inference-protocol.md(四路径收敛法 · 2026-09-15 百信广场实测复盘)

第一铁律 —— 报「平均租金」必须带三个后缀,缺一不可:

  1. 分母:商业建筑面积 / 可租面积(GLA)→ 两者差近一倍,GLA ÷ 商业建面 ≈ 50%–65%
  2. 含项:纯租金 / 全口径(含物业费+推广费)→ 差 25–35 元/㎡/月
  3. 口径源:REITs披露 / 自家台账 / 中介挂牌 → 中介挂牌一律按建筑面积

四路径:A 楼层结构法 / B 业态加权法(推荐主用)/ C 可比项目法(同城 REITs)/ D 销售额×租售比(7%–10%) 三条校验:租售比落在 6%–10% / 全场平均÷商圈首层 对应「首层÷全楼层」倒数 / 全场平均×55% ≈ 挂牌均价 先核准体量:算租金前必须先锁定「商业建筑面积 / 可租面积 / 计租面积」三个数并 ≥2 源交叉——这一个数错,后面全错。


维度6:消费力评估(Spending Power)

调研内容:

  • 人均消费:周边餐饮/零售/娱乐人均消费水平
  • 消费结构:餐饮/零售/娱乐/服务/教育 支出占比
  • 消费趋势:升级品类(精品咖啡/轻食/潮玩)vs 存量品类增速
  • 支付能力:房价收入比、消费信贷渗透率(间接)
  • 品牌渗透:星巴克/喜茶/lululemon等标杆品牌是否已进驻
  • POI评分分析:周边商户平均评分、高分店占比(腾讯地图POI详情含评分)

数据来源:

  • 腾讯地图 poi_search/poi_detail(⭐新增:POI搜索返回含评分/人均消费/营业时间,直接获取消费力硬数据)
  • 腾讯地图 poi_nearby(周边餐饮/咖啡/零售POI + 评分 + 人均)
  • WebSearch:大众点评周边商户人均消费(取中位数)
  • WebSearch:美团/饿了么外卖客单价
  • WebSearch:统计局社零总额/人均消费支出
  • 高德/腾讯 POI(标杆品牌POI存在性→消费力代理指标)
  • 房价数据(贝壳)→ 收入推断 → 消费力推断

腾讯地图消费力数据采集法(⭐新增):

from tmap_client import TmapClient
client = TmapClient()

# 搜索周边餐饮POI(返回含评分、人均消费)
results = client.poi_nearby("餐厅", location="lat,lng", radius=1000, page_size=20)
# 每个POI含:title, address, category, _distance, score(评分), price(人均)

# 搜索标杆品牌
starbucks = client.poi_search("星巴克", location="lat,lng", page_size=5)
lululemon = client.poi_search("lululemon", location="lat,lng", page_size=5)

# 消费力分析:
# 1. 周边餐饮人均消费中位数 → 消费力基准
# 2. 高分店(4.5+)占比 → 品质消费倾向
# 3. 标杆品牌存在性+数量 → 消费力分级验证

消费力评分(满分100):

消费力分 = 人均餐饮消费÷50×25 + 房价中位数÷3万×25 + 标杆品牌进驻数×5 + 人均可支配收入÷5万×25

标杆品牌消费力分级:

级别标杆品牌消费力信号
S级lululemon/Aesop/Blue Bottle高消费力客群
A级星巴克臻选/喜茶LAB/蔚来NIO House中高消费力
B级星巴克/喜茶/海底捞中等消费力
C级蜜雪冰城/正新鸡排/沙县大众消费力

维度7:业态需求度矩阵(Category Demand Matrix)⭐核心创新

这是本Skill与三个单店选址Skill的最大差异。

调研目标:评估各类业态在该位置的供需缺口,输出招商方向建议。

标准业态清单(可按项目类型调整):

大类细分业态关键POI关键词
餐饮正餐/快餐/茶饮咖啡/烘焙/火锅/日料西餐餐厅/咖啡/奶茶/烘焙
零售服饰/美妆/数码/家居/超市便利/潮玩服装/美妆/数码/超市
娱乐影院/KTV/密室剧本/电玩/Livehouse电影院/KTV/密室
服务美容美发/健身/教培/宠物/医疗美容/健身/培训/宠物
体验展览/手作/亲子/市集展览/手工/亲子
文创书店/画廊/设计买手/非遗书店/画廊/买手

需求度评估模型:

对每个细分业态计算:

供给指数 = 周边该业态POI数量 / 区域平均密度 × 100

需求指数 = 目标客群规模 × 该客群对该业态的消费偏好率 × 消费频次
         (基于客群画像×行业消费偏好表推算)

供需缺口 = 需求指数 - 供给指数

需求度评级:
  缺口 > 30 → ⭐⭐⭐⭐⭐ 极度紧缺(优先招商)
  缺口 15-30 → ⭐⭐⭐⭐ 供不应求(重点招商)
  缺口 0-15 → ⭐⭐⭐ 基本平衡
  缺口 -15-0 → ⭐⭐ 轻微过剩
  缺口 < -15 → ⭐ 严重过剩(不建议引入)

客群×业态消费偏好参考表(精简版,完整32细分业态×7客群矩阵见 references/consumer-preference-table.md):

客群类型高偏好业态低偏好业态
通勤白领咖啡/轻食/健身/便利店亲子/教培
亲子家庭教培/亲子体验/超市/餐饮酒吧/密室
年轻潮流潮玩/茶饮/密室/Livehouse传统百货
文艺客群书店/展览/手作/精品咖啡快时尚
银发客群健康/超市/中医/茶馆潮玩/密室

需求指数换算(客群占比×偏好值加权求和,0-100)与"非标机会信号→专家视角"映射表,均在 references/consumer-preference-table.md 中,调用维度7时务必查阅。

输出格式:业态需求度矩阵表

业态供给指数需求指数供需缺口需求度招商优先级
精品咖啡6590+25⭐⭐⭐⭐P0
潮玩零售3075+45⭐⭐⭐⭐⭐P0
正餐中餐8580-5⭐⭐P2
..................

维度8:文旅专项(Tourism-Specific,仅文旅项目启用)

调研内容:

  • 游客规模:年接待游客量、日均游客量
  • 游客结构:本地客/外地客比、客源地TOP5
  • 过夜率:周边酒店入住率、平均房价
  • 季节性:旺季/淡季客流比、节庆活动影响
  • 二次消费:门票收入vs二次消费占比
  • 文旅资源:周边景区/博物馆/文化遗产密度
  • 网红效应:小红书/抖音打卡热度、UGC量

数据来源:

  • WebSearch:文旅局年度统计/假期客流通报
  • WebSearch:携程/马周边边酒店数据
  • WebSearch:小红书/抖音话题热度
  • 高德 POI(景区/酒店/博物馆 POI搜索)

维度9:项目本体踏勘(In-Mall Audit)⭐v2.0 核心新增

为什么必须有这一维:维度1–8 全部是"场外周边"调研。若缺场内本体,楼层布局、品牌落位、面积结构只能靠推测,而推测必错(实测教训:把 B1 超市写成 L1、面积低估 33%、把健康的引流引擎误判为低效资产)。

调研内容:

  • 9.1 产权与租赁结构:产权方/业主构成(村集体/国资/多业主)、运营商与业主关系、开业与接管时间、主力店租约到期时间(决定调改窗口)
  • 9.2 面积与得房率:商业建面、实测得房率、可租面积、公区面积、各层面积切分
  • 9.3 楼层布局与品牌清单:逐层逐铺的品牌、品类、经营状况;品类密度(同品类≥3 家即预警内耗);首店/旗舰店识别
  • 9.4 垂直动线与可达性:扶梯是否逐层可达、有无跨层/跳跃、直梯通达性、特色动线(跨层大步梯等)、动线断点
  • 9.5 停车场结构:层数/车位数/是否智能、能否直达各楼层、各层使用均匀度、导视与楼层主题匹配度、停车场→商场通道是否有主题展陈
  • 9.6 公区与中庭:利用率(有人停留 vs 纯通道)、活动空间、休息区、绿植装置、临时设施与中岛品质
  • 9.7 空置盘点:整铺空置 / 中岛空置 / 边角空置(后两项最易漏)
  • 9.8 ⭐ 超外区 / 二房东识别(最高价值):对每个主力店(超市/百货/影院/电器/大餐饮)逐一确认——有无收银线外的转租区域?谁招商谁收租?装修价格谁管控?这些商户是否在商场 POS/会员系统内?

💡 行业锚点:大型超市"超外区"租金收入通常占其支付业主总租金的 65%–85%。看到的低租金往往靠转租撑起——不查这一项,等于漏掉一整层收益结构与品质失控问题。

数据来源:

  • 实地踏勘(首选) → 用 references/onsite-audit-checklist.md 作业表
  • 线上品牌阵容搜索(公众号/开业报道/赢商网/联商网/本地媒体)+ 大众点评楼层导览
  • 项目访谈(招商/营运/物业)

⚠️ 四不推测铁律(v2.2 由"三不推测"升级):

楼层布局、品牌落位、面积数据、在地文化——禁止凭经验推测。 前三项:先搜线上公开资料,再用实测对冲,冲突时以实测为准。未核实的项必须标注 [待实测]。 第四项「在地文化」:禁止凭感觉编文化故事。主题母题必须有方志/档案/老照片/老街坊口述支撑,并按维度12 给出 ★ 级证据强度。★ 级(仅概念联想)不得作为贯穿多期的主题母题,必须标注 [证据不足·待补] 并降级为视觉点缀。


维度10:分层分时段人流(Vertical & Temporal Traffic)⭐v2.0 核心新增

为什么单列:"日均客流"是全场最有欺骗性的数字。真实结构是三维的——分层 × 时段 × 星期。只知道总数,会把"低楼层健康、高楼层塌陷"误判成"全场转化低"。

调研内容:

  • 10.1 分层人流:逐层定点计数(扶梯口 5 分钟通过人数 × 12 = 小时人流),识别冷热楼层与衰减拐点
  • 10.2 时段差异:早间(银发/超市/早茶)/午后/晚间(餐饮/家庭)/夜间(夜娱)
  • 10.3 星期差异:平日 vs 周末 vs 节假日(平日/周末比值是社区商业健康度关键指标,也是对手切入的软肋)
  • 10.4 内外动线:主入口(门神位置品牌)、外街与场内是否联通、接驳口、后勤动线是否干扰客流
  • 10.5 ⭐ 业态容量系数(判断业态能否撑起楼层)
业态单位面积承载是否外溢能否撑楼层
健身/瑜伽/普拉提极低(百人即满)否(密闭)❌
网咖/KTV低否❌
影院中脉冲式(散场才溢出)⚠️
儿童游乐/电玩高是✅
餐饮高(翻台+排队外溢)是✅✅
零售高动线串联✅

关键判断:若某楼层堆满"低容量+零外溢"业态(健身/网咖/KTV),即便每家都经营得好,楼层也是冷的。问题不在招商质量,在业态容量错配。

数据来源:

  • 实地分时段计数(作业表 F 节)
  • 定性快判:排队/满座/空座、卫生间与休息区使用强度、停车饱和度(场外看粘性、场内看楼层热度)
  • 与维度3交叉验证:自上而下(客流×转化×客单)vs 自下而上(逐业态坪效)——差额即诊断线索

维度11:内容生产力与事件运营(Content & Events)⭐v2.2 核心新增

为什么必须有这一维:前 10 维能算出"这个位置值多少租金",但算不出"这个项目凭什么让人再来第二次"。非标商业的核心资产不是铺位,是内容的持续生产能力。缺这一维,方案会退化成"好装修 + 好招商",开业热闹三个月后断崖。

调研内容:

  • 11.1 事件频次与结构:月均活动场次(行业锚点:非标项目月 ≥4 场为常态化门槛,成熟期 6–8 场/月)、活动类型结构(自研IP 40% / 联办共创 30% / 场地输出 20% / 社群自发 10%)

    ⚠️ 危险信号:连续 2 个月 <2 场 → 团队或预算已断,主题正在失效

  • 11.2 内容团队与预算:有无专职内容团队(人数/归属部门)、内容预算占推广费比例(锚点:≥30%;成熟内容型品牌约 5% 销售额投内容)、活动是"内容"还是"打折促销"
  • 11.3 UGC 与注意力资产:小红书/抖音笔记数、话题播放量、自发笔记占比(剔除官方号与商单)、打卡点位数量与质量
  • 11.4 ⭐ 流效指标(与坪效并列,非标项目的方向盘)
层指标频率
流量日均/分时段客流日
停留平均停留时长、业态间穿梭率周
复访30日复访率、月均到访次数月
传播UGC 笔记数、互动量、自发占比月
参与活动到场、社群活跃、UGC 转化率场
转化客单价、提袋率、租售比月
  • 11.5 ⭐ 非租金收入结构(财务测算必补项)
非租金收入 = 场地活动(市集/快闪/展览/拍摄) + 联名与内容合作
          + 会员费/社群权益 + 广告与导视位 + 数据与服务
占比锚点 `[基准参考]`:标化mall 3%–8% / 非标街区·园区成熟期 8%–20% / 培育期 3%–6%

⚠️ 三条纪律:①单独列示,不与租金混算(分母闸);②培育期不得按成熟期比例计入(量级闸);③无专职内容团队时按 0 起步,不凭空给数(交付闸)。

🔴 流效 → 租金的传导链(凡提"非标改造能提租",必须写清路径):

内容投入 → 事件频次↑ → UGC↑ → 到访理由↑ → 复访率↑
        → 商户销售↑ → 租售比稳定 → 租金承受力↑ → 租金↑

没写出这条链条的"非标提租"结论一律打回——只说"做了非标所以租金能涨"是循环论证(report-rigor-gate 循环闸)。

数据来源: 项目公众号/活动台账、小红书与抖音话题页、MediaCrawler 自采集(见 §4 第四引擎)、场地租赁报价、推广费预算表。


维度12:在地文化证据链(Local Culture Evidence Chain)⭐v2.2 核心新增

为什么必须有这一维:非标项目最大的浪费是凭空造文化——设计师拍脑袋想一个"意境",用满三期八年后被发现没有一句方志支撑,主题随之崩塌。这一维的作用是把"文化母题"从事后包装变成事前取证。

⭐ 证据强度分级(铁律:主题母题证据必须 ≥★★;★ 级只能做点缀,不得做母题):

等级定义可采信源用法
★★★ 文献确证正式出版物/方志/档案明确记载地方志、地名志、行业史、档案馆藏、老地图、学术论著✅ 可做唯一主题母题
★★ 口述+实物佐证街坊共识 + 可指认实物老居民口述(≥3人独立印证)、现存老字号、老照片、老行当遗迹✅ 可做母题,须与★★★搭配
★ 概念联想只是名字好听/意象相关,无实证营销文案、设计师灵感、"感觉这里适合"❌ 不得作为母题

取证动作清单(缺一不可):

  1. 查地方志/地名志 → 地名由来、产业史、建置沿革
  2. 查档案馆/老地图/老照片 → 物理遗存与空间记忆
  3. 访老街坊(≥3 人独立印证,杜绝单人叙事)
  4. 盘现存老字号/老行当 → 有无可合作/可收编的活体传承

调研内容:

  • 12.1 方志与史料:可引用的具体记载(必须给到出处,不写"据说""相传")
  • 12.2 市井记忆与口述:老街坊共识、老字号、老铺面、老行当
  • 12.3 原生IP 与社群:已存在的社区组织/节庆/习俗(比新造的更值钱)
  • 12.4 证据强度判定:给出 ★ 级并列出证据清单,★ 级证据在报告中必须显式标注 [证据不足·待补]

💡 与三浦展第五消费时代对齐:在地文化不是"复古情怀",是"本地主义 + 精神意义"两条消费趋势的交汇点,也是非标项目唯一无法被连锁复制的护城河。


维度13:主理人生态与业态内容化(Maker Ecosystem)⭐v2.2 核心新增

为什么必须有这一维:维度4 找出了"非传统竞品里的明星小店",维度7 算出了"业态供需缺口",但谁来填这些铺没解决。非标的答案是主理人,不是连锁。缺这一维,招商最终还是招连锁,非标变回标化。

调研内容:

  • 13.1 主理人存量与来源(三条路径,按优先级)
    1. 收编本地明星小店(最优)→ 已被市场验证、有人气基础、就在 3km 内;直接复用维度4「非传统竞品三类」的猎场价值判断
    2. 跨城迁移 → 从同类非标项目(阿那亚/天目里/东茅街)吸引成熟主理人开二店
    3. 孵化 → 快闪位/短租位试水,跑通转正式;必须有孵化预算与退出机制,否则是慈善
  • 13.2 主理人画像与存活率:平均店龄、是否跨店经营、是否自带内容生产能力(自己会不会做小红书/办活动)、首年闭店率(>30% 预警)
  • 13.3 ⭐ 业态内容化潜力(看"工序是否可见")
可见度业态内容自产打卡属性
高(可展示制作全过程)烘焙、咖啡烘焙、糖水、烧腊明档、手作、花艺、铁器/木工⭐⭐⭐天然打卡点
中(可展示部分)生鲜(现杀现切)、茶饮、宠物洗护⭐⭐可做
低(密闭/后台)健身、网咖、KTV、教培⭐内容黑洞
  • 13.4 合作模式灵活性:短租/联营/抽成/孵化期减免是否可行;主理人要的是共同创作,不是商务条款

💡 与维度10「业态容量系数」联用(威力最大的交叉判断): 能产内容(明档/手作)+ 高外溢 + 高容量 = 楼层引擎,优先给好位置; 内容黑洞 + 零外溢 + 低容量(健身/网咖/KTV 三重叠加)= 即便每家都赚钱,楼层也是死的。 问题不在招商质量,在业态属性错配——这类业态应放高楼层或边角,不占主街。

数据来源: 大众点评高分小店榜、小红书本地探店、街铺实地扫街、本地生活类公众号、维度4猎场清单复用。


四、四层数据体系

层级数据源可靠度用途
L0 实地踏勘 ⭐v2.0新增现场观测/计数/拍照/访谈(用 references/onsite-audit-checklist.md)⭐⭐⭐⭐⭐+楼层布局/品牌清单/面积结构/垂直动线/停车场/超外区/分层分时段人流——维度9、10 唯一可靠来源
L1 实时API高德 geocode/POI/traffic + 腾讯地图 poi_search/poi_nearby/poi_detail/distance_matrix + 大众点评POI开放接口 poisearch/poi_detail(商场人气榜/品类/优惠/预订)+ ⭐v2.2 UGC自采集 MediaCrawler(小红书/抖音/快手/B站/微博/知乎)⭐⭐⭐⭐⭐区位/交通/POI密度/竞品数/POI评分/人均消费/营业时间/商场业态人气榜·品类供给·优惠力度·预订热度/UGC笔记数·互动量·自发占比·打卡热度(维度11)
L2 公开数据WebSearch(统计年鉴/行业报告/大众点评/贝壳)⭐⭐⭐⭐人口/收入/租金/客流/行业趋势
L3 估算模型基于L1+L2的推算公式 + TAM/SAM/SOM⭐⭐⭐补充缺口数据/市场容量验证

⚠️ 数据优先级(v2.0 铁律):L0 实测 > L2 搜索 > L1 API > L3 估算。 凡 L0 能覆盖的项(楼层/品牌/面积/动线/停车/超外区),禁止用 L3 估算替代;L3 产出的结论一律标注 [待实测验证]。 桌面推演与实地观测冲突时,无条件以实测为准,并在报告中显式对账。

四引擎策略(⭐高德+腾讯地图双地图 → ⭐⭐高德+腾讯+大众点评三引擎 → ⭐⭐⭐v2.2 加 UGC 自采集):

引擎优势使用场景
高德APIPOI分类码精细、交通态势APIPOI分类搜索、交通拥堵分析
腾讯地图POI含评分/人均消费/营业时间、distance_matrix批量距离(脚本需 TMAP_KEY,或 tempkey 手机验证14天;自带 create_key.py 辅助申请)消费力数据采集(人均/评分)、可达性批量计算、无AMAP_KEY时的替补引擎
大众点评POI开放接口商场美食/到综商户人气榜、品类供给(美食/亲子/丽人)、楼层导览、优惠信息、预订/排号热度——直接喂给维度7业态需求度矩阵业态供给与热度采集(⭐最贴近"非标业态需求度"的硬数据)、商场竞品深度画像、消费力交叉验证
⭐ UGC 自采集(MediaCrawler)小红书/抖音/快手/B站/微博/贴吧/知乎公开笔记、互动量、话题热度——唯一能测"注意力资产"的通道维度11 流效/传播层、维度12 在地文化热度验证、维度13 主理人与明星小店发现、竞品内容策略对标

调用优先级:高德(区位/交通/POI密度)→ 腾讯地图(POI评分/人均/距离,无高德Key时替补)→ 大众点评POI(业态人气榜/品类/优惠,非标业态需求度核心数据源) → MediaCrawler(UGC/注意力,非标内容力核心数据源)。前三引擎均需Key/企业资质,缺失时按"诚实边界"降级为L2+L3。

可调用 Skill 映射(⭐已安装并验证脚本可用):

L1 引擎已安装 Skill调用脚本Key 获取方式状态
高德lbs-market-analyzer__skillhubscripts/competitor_analysis.py(POI竞品扫描)、scripts/amap_key_automator.py(自动配Key)automator 用 Playwright 打开高德控制台→用户扫码登录→自动建 Web Service Key 写入 ~/.workbuddy/.env⏳ 待跑 automator
腾讯地图tencentmap-map-assistantscripts/tmap_client.py(geocoder/poi_search/poi_nearby/poi_detail/distance_matrix)配 TMAP_KEY(.env),或 tempkey 手机验证14天;脚本含 create_key.py 辅助⏳ 待配 Key
大众点评(本 Skill 自带)references/dianping_poi_client.py需企业资质 DIANPING_APPKEY/DIANPING_APPSECRET/DIANPING_SESSION⏳ 待企业资质

两个地图调研 Skill 已确认就位(磁盘存在、脚本语法通过):高德 lbs-market-analyzer__skillhub(自带 Key 自动配置)、腾讯 tencentmap-map-assistant。详见 9.4 节调用与激活方式。

数据标注规则(强制):

  • L1数据标注 [API](注明高德/腾讯/大众点评)
  • L2数据标注 [来源:XXX]
  • L3数据标注 [估算]
  • 每个数据点必须标注来源层级,不可混用无标注

五、综合评分体系

项目开发适宜度总分(满分100)

维度权重说明
区位交通15%可达性基础
客群规模与结构20%需求基础盘
人流水平15%商业活力
竞争格局10%差异化空间
租金水平10%成本约束
消费力15%支付能力
业态需求度15%招商可行性
文旅潜力0-10%仅文旅项目计入

文旅项目时:前7维各降1-2%,文旅潜力占10%

⭐ 存量/改造项目补充评分:场内健康度(v2.0 新增)

上述"开发适宜度"适用于新建/拿地决策。存量项目、改造项目、接管前评估必须追加这一张表——它评的是"这个场子本身健不健康",与周边无关:

场内维度权重评分要点
垂直动线健康度25%逐层可达性、动线断点、分层人流衰减拐点(哪层开始掉)
业态容量适配度25%各层是否存在"低容量+零外溢"业态堆积(健身/网咖/KTV)导致楼层冷
停车场效能15%能否直达各层、导视与楼层主题匹配、各层使用均匀度
品牌组合健康度15%品类密度内耗(同层同品类≥3家预警)、首店占比、主力店锚点质量
公区与场域10%中庭利用率、有人停留 vs 纯通道、临时设施与中岛品质
租赁结构健康度10%租约到期分布(调改窗口)、超外区/二房东占比、数据可见性

💡 用法:与"开发适宜度"分开报。一个周边评分一般但场内健康的场子,改造价值往往高于周边评分高但场内失衡的场子——因为周边改不了,场内可以改。

⭐⭐ 非标适宜度评分(v2.2 新增 · 判断"该不该做非标")

为什么需要第三张评分表:前两张表回答的是"能不能做商业"(开发适宜度)和"场子健不健康"(场内健康度), 都回答不了"该不该做非标"。一个开发适宜度 85 分的地块,可能恰恰最适合做标化盒子;一个 60 分的场子,可能因为文化证据扎实、主理人沃土而非常适合做非标。

非标维度权重评分要点对应维度
在地文化证据强度25%★★★ 25分 / ★★ 18分 / ★ 6分 / 无证据 0分——这项不过关,非标定位不成立维度12
内容生产与事件能力25%月均场次(≥4场满分)、专职内容团队、内容预算占推广费比例(≥30%满分)维度11
主理人生态丰度20%3km 内可收编明星小店数(≥5家满分)、主理人自带内容能力、孵化机制维度13
注意力 / UGC 资产15%UGC 月增量趋势、自发笔记占比、现有打卡点数量维度11.3
空间可塑性15%外摆/骑楼/露台/街巷尺度/层高≥4.5m,具备两项即满分;纯盒子密封结构 0 分维度9

评级(与开发适宜度分开报):

评级分数含义建议
NS-A75+非标沃土可做非标主攻,且能撑住 3 年以上培育
NS-B55–74条件具备但有短板可做局部非标(一个主题街区/一层/一段),不做全盘非标
NS-C40–54硬伤明显先补短板(通常是文化证据或主理人),再谈非标
NS-D<40不宜非标诚实建议做标化,不要硬套非标叙事

💡 三条使用纪律: ① 三张表分开报,不得加权成一个总分(量级闸:三件事不是一回事); ② 在地文化证据 <★★ 时,非标适宜度评分直接封顶 55 分——证据不足的非标就是泡沫; ③ NS-C/NS-D 也要写进报告。"这个项目不适合做非标"是最有价值、也最常被省略的结论。

🔴 前台非标 / 后台标准(v2.2 新增 · 落地检查)

开发商做非标最容易翻车的地方:把前台和后台一起非标了 → 成本失控、工期失控、无法复制。

前台(可非标)后台(必须标准)
内容立面母题、艺术装置、分区色彩、叙事线、活动IP招商SOP、品牌落位模板、租约模板、租金审批流
空间骑楼/檐廊、外摆、街巷尺度、打卡点模块化工期、成本定额、机电标准、消防动线
人主理人共创、社群运营会员系统、POS/数据口径、活动SOP、应急预案

判断法:凡是能被复制到下一个项目的,都要标准化;凡是只能属于这一个项目的,才非标。

⛔ 落地硬要求:非标方案报批时,必须同时提交一份**「后台标准化清单」**——写清哪些沿用集团标准件、哪些必须定制、定制部分的增量成本与工期。没有这份清单的非标方案不应上会。

评级标准(开发适宜度)

评级分数含义
S级85+极优区位,强烈推荐开发
A级70-84优良区位,推荐开发
B级55-69一般区位,需差异化定位
C级40-54较弱区位,谨慎评估
D级<40不建议开发

六、工作流程

Step 0:调研大纲生成与确认(⭐人机协作,学自deep-research)

生成调研大纲(8维度×子项),让用户确认/修改后再执行:

调研大纲模板:
━━━━━━━━━━━━━━━━━━━━━━━━━
项目:{名称} | 类型:{类型} | 半径:{半径}
━━━━━━━━━━━━━━━━━━━━━━━━━
□ 维度1 区位交通
  ├─ 1.1 行政区位与商圈层级
  ├─ 1.2 地铁/公交/停车覆盖
  └─ 1.3 实时交通态势
□ 维度2 客群画像
  ├─ 2.1 常住/工作/学生人口
  ├─ 2.2 年龄收入结构
  └─ 2.3 生活方式标签
□ 维度3 人流时空
  ├─ 3.1 日均人流(工作日/周末/节假日)
  └─ 3.2 时段分布
□ 维度4 竞争格局
  ├─ 4.1 4类竞品盘点
  ├─ 4.2 TAM/SAM/SOM市场容量
  └─ 4.3 定位地图白空间
□ 维度5 租金水平
  ├─ 5.1 商业租金P25/P50/P75
  └─ 5.2 租金承受力倒推
□ 维度6 消费力
  ├─ 6.1 腾讯地图POI评分+人均消费
  ├─ 6.2 标杆品牌进驻验证
  └─ 6.3 消费力分级
□ 维度7 业态需求度矩阵
  ├─ 7.1 6大类业态供需缺口
  └─ 7.2 招商优先级P0/P1/P2
□ 维度8 文旅专项(如适用)
□ 维度9 项目本体踏勘(存量/改造项目必做)
  ├─ 9.1 产权租赁 / 9.2 面积得房率 / 9.3 楼层品牌
  ├─ 9.4 垂直动线 / 9.5 停车场 / 9.6 公区中庭
  └─ 9.7 空置 / 9.8 超外区·二房东
□ 维度10 分层分时段人流(分层×时段×星期)
□ 维度11 内容生产力与事件运营(非标项目必做)
  ├─ 11.1 月均活动场次(对照≥4场门槛)
  ├─ 11.2 内容团队与预算占比
  ├─ 11.3 UGC / 自发笔记占比
  ├─ 11.4 流效指标体系
  └─ 11.5 非租金收入单列测算
□ 维度12 在地文化证据链(非标项目必做)
  ├─ 12.1 方志/档案/老地图取证
  ├─ 12.2 老街坊口述(≥3人独立印证)
  └─ 12.3 证据强度 ★ 级判定
□ 维度13 主理人生态与业态内容化(非标项目必做)
  ├─ 13.1 可收编明星小店清单
  ├─ 13.2 主理人画像与首年存活率
  └─ 13.3 业态内容化可见度判定
━━━━━━━━━━━━━━━━━━━━━━━━━
确认后开始执行 / 需要调整哪些维度?

Step 1:需求确认

  • 项目名称/地址(必填)
  • 项目类型:购物中心/街区商业/文旅项目/文创园/存量改造(必填)
  • 项目体量:建筑面积㎡(可选)
  • 调研半径:默认核心1km+辐射3km(可选)
  • 重点关切:客群/租金/业态需求/竞争(可选)

Step 2:L1数据采集(三引擎:高德 + 腾讯地图 + 大众点评POI)

优先高德API,检查 AMAP_KEY 环境变量。若未设置,切换腾讯地图(需 TMAP_KEY,或用其 tempkey 手机验证14天)。大众点评POI作为第三引擎(需企业资质 DIANPING_*),提供业态人气榜实证,资质就绪后激活。

高德API获取:

  • geocode:地址→坐标
  • POI around 1km:住宅/写字楼/学校/地铁/公交/停车场/购物中心/餐饮/标杆品牌
  • POI around 3km:商业体/景区/酒店
  • regeocode:行政区/商圈
  • traffic status:实时拥堵

腾讯地图获取(⭐补充高德缺失能力):

  • poi_nearby:周边餐饮/零售POI 含评分+人均消费+营业时间
  • poi_search:标杆品牌搜索验证
  • distance_matrix:批量计算项目到各交通枢纽距离(可达性评分)
  • regeocoder:逆地理+周边POI一站式获取

三引擎互补:高德做POI分类密度统计,腾讯做POI评分+人均消费采集,大众点评做业态人气榜/品类供给实证。

Step 3:L2数据采集(WebSearch并行Agent策略,学自deep-research)

并行启动4个Agent(使用Agent工具,各自独立搜索、汇总结果):

  • Agent A:人口/收入/统计年鉴/人口普查
  • Agent B:租金/房价/商业地产报告/中介数据
  • Agent C:竞品经营数据/行业报告/赢商网/联商网
  • Agent D:消费数据/大众点评/标杆品牌进驻/社零总额

每个Agent独立搜索3-5轮,返回结构化数据点+来源链接

Step 4:L3估算补充

对L1+L2无法覆盖的数据点,使用估算公式补充,标注[估算]。

  • 人口估算(POI数×均户×均人)
  • 人流估算(商业面积×坪效转化+交通吞吐×经停率)
  • TAM/SAM/SOM市场容量(人口×人均消费×适配系数)
  • 自下而上验证(日均客流×客单价×365 vs TAM法SOM)

Step 5:分析与评分

  • 13维度逐项评分(纯标化盒子可简化11-13,但须在报告中说明)
  • 计算综合开发适宜度总分
  • 存量项目另算「场内健康度」;非标项目另算「非标适宜度」(三张表分开报,不得合并成一个总分)
  • 生成业态需求度矩阵
  • 绘制定位地图(2D白空间分析)
  • 识别3-5个核心机会业态 + 2-3个风险业态
  • ⭐ 非标项目追加三项:①判定文化证据 ★ 级 ②确认主理人来源路径 ③写出「流效→租金」传导链

Step 6:输出报告(MD格式)

按输出模板生成MD报告。

Step 7:专家视角注入(可选)

将调研数据底座交给6位专家Skill做方案蒸馏:

  • 阿那亚:文化社群视角
  • 天目里:设计驱动视角
  • 新天地:城市更新视角
  • 追光研究所:趋势判断视角
  • 百联ZX:圈层运营视角
  • 老杨:实战操盘/真话体检视角(租售比NOI硬指标把脉)

七、输出报告模板(MD格式)

# {项目名称}周边商业调研报告

> 调研日期:YYYY-MM-DD | 调研半径:核心1km / 辐射3km | 项目类型:XXX

## 执行摘要

{一段话结论:项目区位评级、核心客群、人流水平、3个机会业态、2个风险点、综合建议}

## 一、区位与交通
### 1.1 行政区位
### 1.2 交通可达性
### 1.3 交通态势
| 指标 | 数值 | 来源 |
|------|------|------|
## 二、周边客群画像
### 2.1 人口规模
### 2.2 年龄与收入结构
### 2.3 客群标签
## 三、人流时空分析
### 3.1 日均人流
### 3.2 时段分布
## 四、商业市场与竞争格局
### 4.1 商圈层级与商业存量
### 4.2 四类竞品盘点(直接/间接/替代/潜在)
### 4.3 TAM/SAM/SOM市场容量估算
### 4.4 定位地图与白空间分析
### 4.5 竞争强度评分
## 五、租金水平
### 5.1 商业租金
### 5.2 租金走势
### 5.3 租金承受力倒推
## 六、消费力评估
### 6.1 人均消费(腾讯地图POI+大众点评交叉验证)
### 6.2 POI评分分析(高分店占比/品质消费倾向)
### 6.3 标杆品牌进驻验证
### 6.4 消费力分级
## 七、业态需求度矩阵 ⭐
### 7.1 供需缺口表
### 7.2 机会业态TOP5
### 7.3 风险业态TOP3
## 八、文旅专项(如适用)
## 九、项目本体踏勘(存量/改造项目必做)
### 9.1 产权与租赁结构(含主力店租约到期与超外区)
### 9.2 面积与得房率(三级口径)
### 9.3 楼层布局与品牌清单
### 9.4-9.7 垂直动线 / 停车场 / 公区中庭 / 空置
## 十、分层分时段人流(分层×时段×星期 + 业态容量系数)
## 十一、内容生产力与事件运营(非标项目必做)⭐
### 11.1 事件频次与结构(对照月≥4场门槛)
### 11.2 内容团队与预算
### 11.3 UGC 与注意力资产(自发笔记占比)
### 11.4 流效指标体系
### 11.5 非租金收入测算(单列)
### 11.6 「流效→租金」传导链
## 十二、在地文化证据链(非标项目必做)⭐
### 12.1 方志/档案/老地图取证
### 12.2 老街坊口述(≥3人)
### 12.3 证据强度 ★ 级判定与母题建议
## 十三、主理人生态与业态内容化(非标项目必做)⭐
### 13.1 可收编明星小店清单(含来源与位置)
### 13.2 主理人画像与存活率
### 13.3 业态内容化可见度矩阵
## 十四、综合评分
### 14.1 十三维评分表
### 14.2 开发适宜度评级
### 14.3 场内健康度评分(存量项目)
### 14.4 非标适宜度评分 NS-A/B/C/D(非标项目)
### 14.5 后台标准化清单(非标方案报批必备)
## 十五、调研结论与建议
### 15.1 核心发现
### 15.2 招商方向建议
### 15.3 风险提示(含**老化与泡沫风险6条**)

八、与6位专家Skill的协同

本Skill是数据底座,6位专家Skill是方案蒸馏器:

commercial-site-research(本Skill)
    ↓ 输出8维度调研数据 + 业态需求度矩阵
6位专家Skill各自注入视角
    ↓
非标商业分析团队框架
    ↓
六要素方案输出(定位/主理人/招商/营运/设计/IP)

调用时机:

  • 团队框架"六维调研"阶段 → 调用本Skill
  • 调研完成后 → 数据底座交给专家Skill
  • 本Skill不直接输出方案,只输出数据+分析+建议

九、数据获取工具链

9.1 高德API调用(L1主引擎)

# 地理编码
curl "https://restapi.amap.com/v3/geocode/geo?address={地址}&key={AMAP_KEY}"

# POI周边搜索
curl "https://restapi.amap.com/v3/place/around?location={lng,lat}&types={类型码}&radius={半径}&key={AMAP_KEY}"

# 逆地理编码
curl "https://restapi.amap.com/v3/geocode/regeo?location={lng,lat}&key={AMAP_KEY}"

# 交通态势
curl "https://restapi.amap.com/v3/traffic/status/around?location={lng,lat}&key={AMAP_KEY}"

常用POI类型码:

类型编码用途
住宅小区120000居住人口推断
写字楼120200工作人口推断
学校141200学生+家庭推断
地铁站150500交通可达性
公交站150700交通可达性
停车场150900停车配套
购物中心060100竞品分析
餐饮050000消费力+业态供给
咖啡厅050500标杆品牌+消费力

9.2 腾讯地图API调用(⭐L1补充引擎,学自tencentmap-map-assistant)

需 TMAP_KEY 显式配置(或 tempkey 手机验证14天;脚本含 create_key.py 辅助申请),非真正零配置;配置正式Key提升稳定性。

import sys, os
sys.path.insert(0, os.path.expanduser('~/.workbuddy/skills/tencentmap-map-assistant/scripts'))
from tmap_client import TmapClient

client = TmapClient()

# 地址→坐标
geo = client.geocoder("广州市天河区天河城")

# 周边POI搜索(⭐含评分/人均消费/营业时间,高德无此能力)
pois = client.poi_nearby("餐厅", location="23.136,113.325", radius=1000, page_size=20)
# 返回每个POI含:title, address, category, _distance, score(评分), price(人均)

# 标杆品牌搜索(消费力验证)
starbucks = client.poi_search("星巴克", location="23.136,113.325", page_size=5)

# 批量距离计算(可达性评分,高德无此能力)
distances = client.distance_matrix(
    from_list=["23.136,113.325"],  # 项目坐标
    to_list=["23.147,113.332", "23.130,113.340"],  # 地铁站/商圈坐标
    mode="driving"
)

# 逆地理+周边POI一站式
regeo = client.regeocoder(23.136, 113.325, get_poi=True)

腾讯地图核心能力对照表:

方法用途对应调研维度
geocoder地址→坐标Step 2 坐标获取
poi_nearby周边POI+评分+人均维度6消费力 / 维度7业态供给
poi_search关键词搜索POI维度4标杆品牌验证
poi_detailPOI详情维度4竞品深度
distance_matrix批量距离计算维度1交通可达性
regeocoder坐标→地址+周边POI维度1区位 / 维度2客群
direction路线规划维度1交通(驾车/步行/公交)

9.3 大众点评POI开放接口调用(⭐L1第三引擎 · 业态需求度核心数据源)

官方文档:https://poiopen.dianping.com/ (POI搜索 /router/poisearch/search、POI详情 /router/poi/detail) 接入门槛:需企业资质(个体工商户/公司)在大众点评开放平台注册开发者并通过实名认证,创建应用获取 appkey+appsecret,再申请 POI 读取权限拿到 session 授权码。个人开发者通常无法接入核心商业API。

鉴权方式:所有请求需携带 appkey+session+timestamp+sign,其中 sign 为 MD5 加签(参数名转小写→按ASCII正序排序→拼接→首尾包裹 appsecret→UTF-8编码→MD5→16进制小写)。签名有效期30分钟。

# 见 references/dianping_poi_client.py(已实现MD5签名+搜索+详情)
from dianping_poi_client import DianpingPOIClient
import os

client = DianpingPOIClient(
    appkey=os.getenv("DIANPING_APPKEY"),
    appsecret=os.getenv("DIANPING_APPSECRET"),
    session=os.getenv("DIANPING_SESSION"),
)

# ① 周边POI搜索(半径≤5000m,品类可过滤:美食/亲子/丽人/休闲娱乐…)
res = client.poi_search(
    keyword="", latitude=23.136, longitude=113.325,
    radius=3000, categories="美食,亲子", mall=0
)
# 返回商户列表:名称/品类/坐标/距离

# ② 商场详情(⭐核心价值):美食商户人气榜、到综商户人气榜、楼层导览、优惠信息、美食列表
mall = client.poi_detail(openshopid="{商场ID}", need_mall_info=True)
# mallInfo.popularShops       → 商场美食商户人气榜(直接反映业态热度)
# mallInfo.dzPopularShops    → 商场到综(到店综合)商户人气榜
# mallInfo.foodRankingListUrl→ 美食榜跳转
# mallInfo.floorGuideUrl     → 楼层业态分布
# mallInfo.discount / discountUrl → 商场优惠力度(消费力/促销强度信号)

大众点评POI → 调研维度映射表:

返回字段调研价值对应维度
categories(美食/亲子/丽人…)周边业态供给结构维度7 业态需求度(供给侧)
mallInfo.popularShops 美食人气榜各餐饮细分品类真实热度排序维度7 需求度矩阵(需求侧硬数据)
mallInfo.dzPopularShops 到综榜到店综合业态热度维度4 竞品深度 / 维度7
mallInfo.floorGuideUrl 楼层导览竞品商场业态组合维度4 竞品画像
mallInfo.discount 优惠信息促销强度→消费力/价格敏感度维度6 消费力交叉验证
bookable/queueable 预订/排号商家运营热度维度3 人流/维度4 竞品
外卖 takeawayinfo 优惠外卖渗透→客群到家消费习惯维度2 客群/维度6

⭐ 这是三大引擎中**唯一能直接给出"业态人气榜/热度排序"**的数据源,对维度7「业态需求度矩阵」是决定性补强——把"供需缺口"从推算升级为"榜单实证"。

9.4 已安装地图调研 Skill 调用入口与 Key 激活(高德/腾讯)

本 Skill 的 L1 高德、腾讯引擎分别对应已安装的两个地图调研 Skill,调研时直接调用其脚本(均已验证语法通过):

高德引擎 → lbs-market-analyzer__skillhub

  • 竞品/POI 扫描:python3 ~/.workbuddy/skills/lbs-market-analyzer__skillhub/scripts/competitor_analysis.py --address "地址" --keywords "行业词" --radius 3000
  • 自动配 Key(⭐推荐先跑一次):python3 ~/.workbuddy/skills/lbs-market-analyzer__skillhub/scripts/amap_key_automator.py
    • 脚本用 Playwright 打开高德开放平台控制台,用户扫码/验证登录后自动创建 Web Service Key 并写入 ~/.workbuddy/.env 的 AMAP_KEY
    • 依赖:本机需 playwright(pip install playwright + playwright install chromium)
    • 这是把 L1 高德引擎从"降级模式"升级为"实测模式"的最快路径(用户只需扫码一次)

腾讯引擎 → tencentmap-map-assistant

  • 调用示例:python3 -c "import sys,os; sys.path.insert(0, os.path.expanduser('~/.workbuddy/skills/tencentmap-map-assistant/scripts')); from tmap_client import TmapClient; c=TmapClient(); print(c.geocoder('地址'))"
  • Key 获取:在 ~/.workbuddy/.env 加 TMAP_KEY=...(向腾讯位置服务申请 WebServiceAPI Key);或用 tempkey 手机验证拿 14 天临时 Key;脚本目录含 create_key.py 辅助申请
  • 注意:该 Skill 的"零配置开箱即用"仅限其 MCP/自然语言路径,脚本调用需显式 TMAP_KEY

激活后效果:L1 前三引擎就位 → 维度1/4/6/7 由实测 POI/人均消费/人气榜驱动,报告从 L2+L3 估算升级为 API 实证。

9.5 UGC / 注意力自采集(⭐L1 第四引擎 · v2.2 新增 · 维度11 核心数据源)

背景:红狐 Hub 费用到期后,改用自托管 MediaCrawler(NanmiCoder, MIT)覆盖小红书/抖音/快手/B站/微博/贴吧/知乎。 仓库 ~/.workbuddy/tools/MediaCrawler | venv ~/.workbuddy/binaries/python/envs/mediacrawler | 已封装 Skill mediacrawler-scraper。 大众点评仍不在覆盖内,F&B 核验维持浏览器自动化(agent-browser/huashu-mac-use)+ 天眼查(tyc-mcp)。

采集口径(必须统一,否则数据不可比):

项口径
关键词项目名 / 主理人品牌名 / 活动IP名 / 竞品名(对照采集)
时间窗近 12 个月,按月分桶
指标笔记数、互动总量(赞+藏+评)、自发笔记占比(剔除官方号与商单)
输出月度趋势 + TOP 内容 + 打卡点位词频

采集结果 → 维度映射:

指标对应维度用法
笔记数月度趋势维度11.3 注意力资产增长见顶/转负 = 注意力老化预警
自发笔记占比维度11.3<30% 说明热度靠商单堆,不真实
打卡点位词频维度11.3 / 维度12识别真实打卡点,验证主题装置是否生效
高互动本地小店维度13.1直接产出可收编主理人清单
竞品笔记趋势维度4 / 维度11竞品内容策略对标与威胁度再判断

⚠️ 合规红线:仅采集公开可见内容;不绕过登录/风控;不存储个人隐私字段;不用于转售或超范围抓取;遵守各平台 robots 与调用频次惯例。 ⚠️ 降级路径:MediaCrawler 不可用时,人工检索话题页公开笔记数/播放量作为 L2 降级数据,标注 [降级估算]。

9.6 WebSearch查询模板(L2)

人口类:
- "{城市}{区} 第七次人口普查 常住人口"
- "{城市}{区} 2024 统计年鉴 人均可支配收入"
- "{城市}{区} 人口结构 年龄分布"

租金类:
- "{地址} 周边商铺租金 贝壳"
- "{城市}{区} 商业地产租金 2025 第一太平戴维斯"
- "{商圈} 租金走势 2025"

消费类:
- "{地址} 周边 大众点评 人均消费"
- "{城市} 社零总额 2024"
- "{品牌名} {城市} 门店 开业" (标杆品牌进驻查证)

竞品类:
- "{商圈} 商业体 存量 2025 赢商网"
- "{项目名} 客流 出租率 2025"
- "{城市} 在建商业项目 2025 2026"

十、诚实边界

  1. 数据层级透明:每个数据点标注来源层级[API]/[来源]/[估算],绝不混用
  2. 估算局限:L3估算数据误差可能达±30%,报告必须提示"估算数据仅供参考"
  3. API配额:高德免费额度单日POI搜索5000次;腾讯地图免费配额类似,单次调研约消耗15-25次
  4. 无Key降级:无AMAP_KEY时切换腾讯地图(需 TMAP_KEY);三引擎均不可用时仅用L2+L3
  5. 时效性:L2数据依赖公开报告时效,超过1年的数据需标注"截至YYYY年"
  6. 不替代实地调研:本Skill是桌面调研,不可替代实地踩勘,报告末尾必须提示建议实地验证
  7. 业态需求度矩阵为模型推算:供需缺口是基于公开数据+估算模型的推算结果,非精确市场调研
  8. TAM/SAM/SOM为估算:市场容量基于人均消费×人口的推算,非精确行业数据
  9. 腾讯地图POI评分/人均消费:数据来自腾讯位置服务,可能存在滞后,需与大众点评交叉验证
  10. 大众点评POI接口门槛:需企业资质+应用审核+appkey/appsecret/session,个人不可用;且为"附近搜索"模式(半径≤5000m、品类受限),不提供原始客流人数/客群画像,仅提供POI与商场榜单层面数据
  11. 大众点评数据合规:仅用于本研究框架内的商圈/业态分析,不得擅自转售或超范围抓取;遵守开放平台调用频次与署名条款

十一、调研质量检查清单(⭐学自market-researcher)

报告输出前,逐项确认:

数据采集质量

  • 每个数据点标注了来源层级[API]/[来源]/[估算]
  • L1数据(API)覆盖了至少5个维度
  • L2数据(WebSearch)至少有3个不同来源交叉验证
  • L3估算数据标注了估算公式和假设条件
  • 关键数据(客流/租金/消费力)有至少2个来源交叉验证

分析完整性

  • 13维度全部覆盖(1-8 场外周边 + 9-10 场内本体 + 11-13 非标能力;文旅项目含维度8;纯标化盒子可简化11-13但须说明)
  • 维度9 本体踏勘八项齐全:产权租赁 / 面积得房率 / 楼层品牌 / 垂直动线 / 停车场 / 公区中庭 / 空置 / 超外区
  • 维度10 三维齐全:分层 × 时段 × 星期(缺任一维,人流结论不可信)
  • ⭐ 维度11 内容力齐全:月均活动场次(对照 ≥4 场门槛)/ 内容团队与预算占比 / UGC 与自发笔记占比 / 流效指标体系 / 非租金收入单列测算
  • ⭐ 维度12 文化证据已分级:主题母题给出 ★ 级 + 证据清单(方志/档案/老照片/口述≥3人);★ 级证据已标注 [证据不足·待补] 并降级为点缀
  • ⭐ 维度13 主理人生态已盘点:可收编明星小店 ≥5 家(或说明稀缺)/ 业态内容化可见度已判定 / 合作模式灵活性已评估
  • ⭐ 非标适宜度评分已出(NS-A/B/C/D),且与开发适宜度、场内健康度三张表分开报
  • ⭐ 后台标准化清单已附(非标方案报批必备)
  • 主力店超外区/二房东逐一排查(超市/百货/影院/电器/大餐饮)
  • 业态需求度矩阵至少覆盖6大类×15+细分业态
  • TAM/SAM/SOM市场容量有自下而上验证
  • 定位地图标注了所有主要竞品位置
  • 4类竞品(直接/间接/替代/潜在)均已盘点
  • 非传统竞品三类已盘点(街铺底商 / 非标工改商园区 / 社区裙楼)
  • 品类密度内耗检查:同品类同层≥3家是否标注预警

结论可靠性

  • 综合评分有13维度明细评分支撑(非标项目另附非标适宜度)
  • 有「实测 vs 桌面研究」对账表:哪些判断被推翻、哪些被验证(v2.0 强制)
  • 楼层布局/品牌落位/面积数据均已线上搜索核实,无凭空推测(四不推测铁律)
  • 在地文化母题有 ★★ 以上证据,无凭空编造(四不推测铁律·第四项)
  • 未核实项已标注 [待实测]/[证据不足·待补]
  • 机会业态TOP5有供需缺口数据支撑
  • 风险业态有具体风险描述
  • ⭐ 凡提"非标改造能提租",已写出「流效→租金」完整传导链(循环闸;只说"做非标所以能涨"一律打回)
  • ⭐ 老化与泡沫风险 6 条已逐条对照(文化叙事泡沫 / 事件疲劳 / 注意力老化 / 主理人存活率 / 资本耐心 / 视觉母题疲劳)
  • ⭐ KPI 口径已确认:若为非标,是否已建议把考核从坪效改为流效(复访率/停留时长/UGC)
  • 报告末尾有实地验证建议
  • 估算数据有"仅供参考"提示
  • 人流结论已排除"总数陷阱"(非全场均值,为分层分时段结构)

十二、文件清单

文件说明状态
SKILL.md本文件,调研方法论与工作流程✅
references/consumer-preference-table.md客群×业态消费偏好详表(7类客群×32细分业态偏好矩阵+需求指数换算+非标启示)✅ v1.0
references/rent-benchmark-library.md各城市商圈租金基准库(4能级×首层P50+业态楼层系数+承受力速算+趋势信号)✅ v1.0
references/rent-inference-protocol.md项目本体平均租金推断协议(四路径收敛法):口径三要素铁律+体量核准排雷+可信度分级+三类必否决信源+三条一致性校验+活法/死法估值接入+检索关键词清单✅ v1.0
references/dianping_poi_client.py大众点评POI开放接口MD5签名客户端(搜索+商场详情人气榜),需DIANPING_*环境变量✅ v1.0
references/onsite-audit-checklist.md实地踏勘作业表(A到场前预研/B楼层逐层/C停车场与垂直动线/D公区中庭/E产权租赁超外区/F分层分时段人流/G周边竞品/H踏勘后必做 + 5个踩坑教训)✅ v1.0 · v2.0新增
references/nonstandard-content-playbook.md非标内容方法论手册(10篇前沿文章蒸馏):六问闸门 / 在地文化证据★分级 / 流效指标体系 / 事件运营基准(月≥4场·内容预算锚点)/ 参与式机制(认养·共创·回收·记账)/ 主理人生态三条路径与内容化可见度 / 非租金收入结构 / 前台非标·后台标准 / 老化与泡沫风险6条 / 第五消费时代对齐表 / UGC采集口径✅ v1.0 · v2.2新增

调用关系:维度2/维度7 客群→业态需求推算 → 查 consumer-preference-table.md;维度5 租金锚定与承受力倒推 → 查 rent-benchmark-library.md;项目本体平均租金(无公开财报)→ 查 rent-inference-protocol.md;维度11/12/13 非标能力与老化风险 → 查 nonstandard-content-playbook.md。前三表均为 [基准参考],须以 L1/L2 实测数据校准。

参考Skill(已学习并融合方法论)

Skill来源融合的方法论
market-researcher推荐市场安装TAM/SAM/SOM市场sizing、4类竞品分类法、定位地图、调研质量检查清单
deep-research推荐市场安装人机协作工作流(大纲→确认→并行搜索→报告)、并行Agent搜索策略
tencentmap-map-assistant推荐市场安装已接入为 L1 腾讯引擎:POI评分/人均消费/营业时间、distance_matrix批量距离(脚本需TMAP_KEY)
lbs-market-analyzer__skillhub用户已安装已接入为 L1 高德引擎:AMAP LBS 竞品扫描(competitor_analysis.py)+ Key自动配置(amap_key_automator.py,Playwright扫码自动建Key写.env)
store-location-analysis__skillhub用户已安装高德API六维评分、A-E评级体系(高德引擎评分逻辑参考)
store-site-analysis__skillhub用户已安装多地址对比模式、热力图可视化(候选地块对比参考)
大众点评POI开放接口poiopen.dianping.comL1第三引擎:商场美食/到综人气榜、品类供给、楼层导览、优惠/预订热度——维度7业态需求度核心硬数据

附:项目类型适配表

项目类型调研半径核心维度输出侧重
购物中心3km客群+竞争+租金+业态需求招商方向矩阵
街区商业1-2km人流+客群+业态需求定位+招商
文旅项目5km+文旅专项+游客结构+业态需求定位+业态组合
文创园2-3km客群+竞争+业态需求产业定位+招商
存量改造1-3km全维度改造方向+可行性

附:版本更新记录

版本日期更新内容
v1.02026-07-12初始版本:8维度调研框架+三层数据体系+业态需求度矩阵
v1.12026-07-12融合3个市场Skill方法论:TAM/SAM/SOM(market-researcher)、人机协作工作流+并行Agent(deep-research)、腾讯地图双引擎+POI评分/人均消费(tencentmap-map-assistant);新增4类竞品分类法、定位地图、调研质量检查清单
v2.02026-09-06⭐ 补上"场内本体"这一整层(基于汕头星汇国际广场实测复盘):<br>① 新增维度9 项目本体踏勘(产权租赁/面积得房率/楼层品牌/垂直动线/停车场/公区中庭/空置/超外区二房东)<br>② 新增维度10 分层分时段人流(分层×时段×星期三维 + 业态容量系数)<br>③ 数据体系升为四层,新增 L0 实地踏勘层,确立优先级 L0实测 > L2搜索 > L1 API > L3估算<br>④ 维度3 增补星期维度与分层交叉引用;维度4 增补非传统竞品三类(街铺底商/非标工改商园区/社区裙楼)+ 威胁度与猎场价值双看<br>⑤ 确立三不推测铁律(楼层/品牌/面积禁推测)<br>⑥ 新增 references/onsite-audit-checklist.md 实地踏勘作业表<br>⑦ 质量检查清单扩至10维度 + 强制「实测 vs 桌面」对账

v2.0 复盘背景(教训来源)

对星汇国际广场做桌面研究后实地踏勘,推翻原判断 3 项、补上盲区 2 项:

类型桌面研究结论实测
事实错误超市在 L1,约 6,000㎡在 B1,约 8,000㎡
定性错误超市低效、应压缩经营健康,是全场引流引擎
定性错误公区 27,200㎡ 是成本中庭+绿植步梯人气旺,是有效资产
结论偏差全场"高流量低转化"低楼层健康、高楼层垂直塌陷(结构问题非全场问题)
盲区1未覆盖超外区:超市自行招商收租,商场无收益/无管控/无数据(行业锚点:占超市支付租金 65-85%)
盲区2未覆盖多层停车场直达高楼层——被忽略的最优解

根因:原 8 维度全部是"场外周边"调研,框架内没有"场内本体"这一层,导致楼层/品牌/面积只能推测,而推测必错。v2.0 即为此补上维度9、10 与 L0 实测层。 | v1.2 | 2026-07-12 | 补齐两个待补充参考库:①consumer-preference-table.md(7客群×23业态偏好矩阵+需求指数换算+非标启示);②rent-benchmark-library.md(4能级租金基准+业态楼层系数+承受力速算+趋势信号)。Skill完整可用 | | v1.3 | 2026-07-12 | 接入大众点评POI开放接口为L1第三引擎:双地图→三引擎。补齐业态人气榜/品类供给/楼层导览/优惠热度数据源,直接喂给维度7业态需求度矩阵;新增references/dianping_poi_client.py签名客户端;诚实边界新增企业资质门槛与合规条款 | | v1.4 | 2026-07-13 | 正式接入两个已安装的地图调研 Skill 为 L1 引擎:高德 lbs-market-analyzer__skillhub(含 amap_key_automator.py 自动配Key)、腾讯 tencentmap-map-assistant(tmap_client.py)。修正腾讯"零配置"误述(脚本需TMAP_KEY);新增§9.4调用入口与Key激活指南、L1表"可调用Skill映射"、参考Skill表标注两引擎已接入 | | v2.0 | 2026-09-06 | 框架级升级:补上"场内本体"这一层。场外周边8维(原)→ 新增维度9项目本体踏勘(产权租赁/面积得房率/楼层品牌/垂直动线/停车场/公区中庭/空置/超外区二房东)、维度10分层分时段人流(分层×时段×星期三维+业态容量系数);确立四层数据体系 L0实测 > L2 WebSearch > L1三引擎API > L3估算;铁律"楼层/品牌/面积三不推测";新增 references/onsite-audit-checklist.md 实地踏勘作业表 | | v2.1 | 2026-09-15 | 维度5扩展:项目本体「平均租金」推断协议。新增 references/rent-inference-protocol.md(四路径收敛法:楼层结构/业态加权/可比REITs/销售额×租售比 + 三条一致性校验 + 活法死法估值接入)。确立「口径三要素」铁律:报平均租金必须带①分母(建面/可租,差近一倍)②含项(纯租金/全口径,差25–35元)③口径源(REITs/台账/挂牌)三后缀,缺一不可。来源:百信广场东区实测复盘(原估90元→校正165元,并挖出建面口径硬错误5万→12万㎡,总租金差3.5倍) | | v2.2 | 2026-09-16 | ⭐ 补上"非标能力"这一整层(基于10篇非标前沿文章蒸馏:三浦展《第五消费时代》/ 这有山 / 春生北海 / 三顿半 / 东茅茶馆 / 一条 / 歪堂Derek / 铁娃公社 / 几里建筑 / 小红书复盘):<br>① 新增维度11 内容生产力与事件运营(月≥4场常态化门槛 / 内容预算≥推广费30% / 流效指标体系与坪效并列 / 非租金收入单列测算 8%–20% / 「流效→租金」传导链强制书写)<br>② 新增维度12 在地文化证据链(方志·档案·老照片·口述≥3人取证;证据强度★★★/★★/★ 三级;★级不得作主题母题)<br>③ 新增维度13 主理人生态与业态内容化(收编/迁移/孵化三条路径;业态内容化可见度矩阵;与维度10业态容量系数联用识别"内容黑洞+零外溢"死楼层)<br>④ 三不推测铁律升级为四不推测(+不推测文化)<br>⑤ 新增第三张评分表 非标适宜度 NS-A/B/C/D(文化证据25%/内容力25%/主理人20%/UGC15%/空间可塑性15%;证据<★★直接封顶55分),三张表分开报不得合并<br>⑥ 新增 前台非标 / 后台标准 落地检查与「后台标准化清单」报批硬要求<br>⑦ 新增 老化与泡沫风险6条(文化叙事泡沫/事件疲劳/注意力老化/主理人存活率/资本耐心·KPI须从坪效改流效/视觉母题疲劳)<br>⑧ 数据体系 L1 升级为四引擎:新增 UGC自采集(MediaCrawler,红狐到期替代方案),补 §9.5 采集口径与合规红线<br>⑨ 新增 references/nonstandard-content-playbook.md(六问闸门/证据分级/事件基准/非租金收入/第五消费时代对齐表)<br>⑩ 大纲模板、输出模板、质量检查清单全面扩至13维 |

v2.2 复盘背景(认知修正来源)

对 10 篇非标前沿文章做横向蒸馏后,识别出现有框架的三个系统性缺口:

类型原框架判断v2.2 修正
框架缺口10 维全为传统商业地产维度(地段+客群+人流+竞争+租金+消费力+业态),能判"适不适合做标品盒子"判不了"适不适合做非标、非标能不能撑住" → 补维度11/12/13 + 非标适宜度评分
测算缺口收入 = 租金 × 面积,非租金收入从未测算非标街区成熟期非租金收入占 8%–20%;传统测算法系统性低估非标价值 → 补维度11.5
判断基调偏差"做日常、做高频、做社区"被写成约束下的次优解(因体量超前/被城市级分流/辐射半径有限)按第五消费时代(本地主义+关系型+慢消费+日常性),这恰恰是时代主航道 → 应写成主动站位,非退而求其次
论证缺口"做了非标所以租金能涨"被当作可接受的推论这是循环论证 → 强制写「流效→租金」完整传导链(内容投入→事件频次↑→UGC↑→到访理由↑→复访率↑→销售↑→租售比稳→租金承受力↑)

根因:原框架是为"标化盒子选址"设计的,衡量的是位置价值;非标商业衡量的是关系价值(复访×停留×参与×传播)。v2.2 即为补上这一层,并把"非标"从装修风格拉回到生产关系。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.