点位即命运：无人零售的选址算法，正在从"拍脑袋"走向"数据决策"

同一台机器，两个点位，营收可以相差十倍。选址不是玄学，是一门可以被拆解、被计算、被复制的工程。

DOZZON 道中创新 · 行业研究组  |  2026 年 8 月

深圳某写字楼一层，一台胶囊饮品机日均出杯 180 杯，午高峰排队；三公里外另一栋写字楼，同型号机器日均出杯 18 杯，保洁阿姨每天擦灰的时间比顾客多。设备一样、胶囊一样、定价一样，唯一的变量是——点位。无人零售这个行业，七分靠选点，三分靠运营。这句话被说了很多年，但真正把选址当成一门科学来做的玩家，少之又少。

I.为什么选址是无人零售的生死线

传统零售的选址逻辑，本质上是"人找店"——顾客因为品牌、口碑、习惯主动走进来，位置差一点，靠运营还能补。无人零售的逻辑完全不同，它是"店找人"：机器不会吆喝，没有店员引导，没有橱窗陈列的二次吸引，顾客只有在恰好路过、恰好口渴、恰好看到它的那一瞬间，才会产生消费。这三个"恰好"叠加的概率，就是点位价值的全部。

换句话说，无人零售的每一次成交，都依赖"路过即触发"。这意味着点位的人流质量、动线位置、停留时长，直接决定了这台机器的生死。一个日均有效人流 5000 的点位，和一个日均有效人流 500 的点位，即便租金只差一倍，坪效可能差出十倍。设备成本是固定的，胶囊成本是固定的，唯一能拉开差距的，就是点位。

这也是为什么业内流传一句话：无人零售不是卖设备的生意，是卖点位的生意。设备商卖给你的是一台机器，但真正决定你赚不赚钱的，是这台机器放在哪里。DOZZON 道中创新在服务合作伙伴时反复强调一个观点：选点评估的优先级，永远高于设备选型。机器选错了可以换，点位选错了，换的是一整年的机会成本。

从财务模型看更直观。一台无人饮品机的回本周期，通常取决于三个变量：日均出杯量、单杯毛利、运营成本。后两个变量相对稳定，真正的不确定性几乎全部集中在第一个——日均出杯量。而出杯量的 80% 由点位决定，20% 由运营决定。把点位选对，等于把回本周期的不确定性砍掉了大半。

II.传统选址的三大误区

既然选址这么重要，为什么还有那么多人踩坑？因为大多数人的选址，靠的是直觉、经验和运气，而不是数据。我们把最常见的三种错误做法拆开来看。

误区一：只看人流，不看有效人流

很多人选址的第一反应是"哪里人多放哪里"。但人流和有效人流是两回事。地铁换乘通道人流巨大，但所有人都在赶路，没人停下来买一杯现制饮品；医院门诊大厅人流不小，但多数人带着焦虑，消费意愿被情绪压制。真正有效的，是有停留、有闲暇、有消费场景的人流。判断一个点位，不能只看"经过多少人"，要看"多少人会停下来"。

误区二：跟风抄作业，不看场景匹配

看到别人在某个商场放了一台机器生意很好，就照搬到另一个商场。但商场和商场不一样，写字楼和写字楼不一样。A 商场的成功，可能建立在它紧邻地铁口、周边三栋写字楼、没有竞品的基础上；B 商场缺了任何一个条件，结果就完全不同。选址没有"标准答案"，只有"场景匹配"。抄作业抄来的，往往是别人已经验证过的红利，而不是你的机会。

误区三：只算租金，不算机会成本

租金便宜的点位，往往意味着人流差、场景弱。省下的租金，可能远抵不上损失的出杯量。反过来，租金贵的点位，如果坪效足够高，反而是更划算的生意。选址的账，不能只算成本项，要算单位租金能换回多少有效人流。一个租金 3000 但日均出杯 150 的点位，和一个租金 1000 但日均出杯 30 的点位，前者才是更好的生意。

III.数据驱动的选址方法论：五步走

把选址从玄学变成科学，核心是把"感觉"翻译成"指标"。DOZZON 在 12 城 47 个自营点位的运营中，逐步沉淀出一套五步选址法。它不是某个天才的灵光一现，而是几十个点位、上百万杯交易数据反推出来的经验结构。

第一步：圈定目标场景，先定"人"再定"点"

选址的第一步不是找位置，而是定人群。你的产品是给谁喝的？白领的咖啡、学生的奶茶、家庭的果汁、旅客的茶饮，对应的是完全不同的场景。先想清楚"卖给谁"，再去找"他们在哪"，顺序不能反。DOZZON 的产品矩阵覆盖咖啡、奶茶、果汁、茶饮、草本五大品类，本身就是为不同场景准备的——选点之前，先选品类，品类和场景匹配，点位才有意义。

第二步：量化人流，区分"经过"与"停留"

对候选点位做分时段人流测算：早高峰、午高峰、晚高峰、周末，分别统计经过人数、停留人数、停留时长。重点观察三个数据——经过率（多少人会经过机器）、停留率（多少人会停下来看）、转化率（多少人会下单）。这三个数字的乘积，就是点位的真实价值。很多点位经过率很高，但停留率极低，说明动线不对，机器放的位置有问题。

第三步：分析竞品密度，找"缝隙"不找"红海"

一个点位周边 500 米内有多少同类供给？便利店、奶茶店、咖啡店、其他无人设备，都要算进去。竞品不是洪水猛兽，它既是威胁也是验证——有竞品说明这里有需求，但需求已经被分走多少，决定了你的增量空间。理想点位是"有需求、有竞品、但供给不足"的缝隙地带，而不是"需求旺盛、供给饱和"的红海。

第四步：测算 ROI，把账算到"杯"

把点位参数代入财务模型：预估日均出杯量 × 单杯毛利 = 日毛利；日毛利 × 30 = 月毛利；月毛利 − 租金 − 运营成本 = 月净利；设备成本 ÷ 月净利 = 回本周期。DOZZON 为合作伙伴提供标准化的投资回报测算模板，把"这个点位能不能做"变成一组可以比较的数字。算不清楚的账，就不要投。

第五步：小成本试错，用数据验证直觉

再好的模型也有误差，最稳妥的方式是"先试后投"。用短租、临时点位、移动设备先跑两周数据，看真实出杯量是否接近测算值。数据说话，比任何专家意见都可靠。DOZZON 的远程运维后台支持实时查看任意点位的出杯数据，试错成本被压到极低——两周数据，足够判断一个点位值不值得长期投入。

评估维度	核心指标	权重参考
人流质量	有效人流、停留率、转化率	35%
场景匹配	客群画像、消费时段、需求强度	25%
竞争格局	竞品密度、供给缺口、差异化空间	20%
成本结构	租金、电费、维护、物流半径	15%
可运营性	补货便利、电力条件、合规风险	5%

数据从哪来：选址决策的四个数据源

方法论有了，数据从哪来？这是很多新手卡住的地方。其实选址数据并不神秘，它藏在四个地方。

第一，地图与位置数据。高德、百度、腾讯地图的 POI 数据，可以快速摸清一个区域的人口密度、商业配套、竞品分布。把目标点位周边 500 米内的写字楼、小区、学校、商场、竞品全部标出来，一张"区域供给图"就出来了。这一步成本最低，信息量却最大。

第二，实地蹲点数据。地图数据告诉你"有什么"，实地蹲点告诉你"有多少人真的经过"。选一个工作日和一个周末，分早中晚三个时段，在目标点位数人流、看停留、观察消费行为。蹲点数据虽然原始，但它是所有数据里最接近真实成交的。

第三，设备商沉淀数据。这是最容易被忽视、也最有价值的数据源。DOZZON 在 12 城 47 个自营点位积累了上百万杯的交易数据，这些数据里藏着"什么场景出什么杯量什么品类在什么时段走量"的规律。设备商愿意把这些脱敏后的行业规律分享给合作伙伴，等于把别人踩过的坑提前帮你避开了。

第四，试运营数据。前面三种都是"预测"，试运营才是"验证"。用短租或临时点位跑两周，真实出杯量会告诉你一切。数据预测再准，也不如两周真实交易数据有说服力。这也是 DOZZON 一直建议合作伙伴"先试后投"的原因——试错成本，永远低于选错成本。

IV.DOZZON 的选址支持体系：把经验变成可复制的工具

选址方法论的价值，不在于它听起来多专业，而在于它能不能被复制。DOZZON 道中创新作为全球智能无人零售设备制造商，覆盖咖啡机、奶茶机、果汁机、茶饮机、草本机、饮品机、售货机、KTV、蒸汽洗车机、食品料理机等100+ 品类、100+ 款机型，服务出海100+ 个国家和地区。但比设备更值钱的，是它用自营点位沉淀下来的选址经验。

DOZZON 的选址支持体系，可以拆成三层：

第一层，选点评估。针对潜在合作伙伴的目标场景，DOZZON 提供免费的选点评估服务。团队会基于人流、场景、竞品、成本四个维度，给出一个初步的可行性判断——这个点位值不值得投，风险点在哪，预期出杯量大概在什么区间。这一层解决的是"能不能做"。

第二层，ROI 测算。在选点评估通过后，DOZZON 会结合具体设备型号、品类配置、定价策略，输出一份投资回报测算。回本周期、月现金流、盈亏平衡点，全部量化到数字。这一层解决的是"值不值得做"。

第三层，运营陪跑。点位落地后，物联网后台持续提供出杯数据、库存预警、设备状态监控。DOZZON 的远程运维与实时预警能力，让运营者随时知道哪个点位该补货、哪个口味该调整、哪个设备该维护。这一层解决的是"能不能持续做好"。

V.六大场景的选址逻辑

不同场景，选址的权重完全不同。把场景拆开看，才能理解"场景匹配"这四个字的分量。

写字楼：看动线，赌复购

写字楼点位的核心是早高峰动线和午休停留。机器要放在上班必经的动线上，最好在电梯口、大堂、茶水间附近。写字楼的优势是复购稳定——同一批白领，每天固定消费，一旦养成习惯，出杯量就非常稳定。劣势是周末和节假日几乎归零，所以租金谈判时要争取"工作日定价"。

社区：看家庭时段，赌粘性

社区点位的核心是家庭消费时段——傍晚放学、晚饭后散步、周末遛娃。社区的优势是客群稳定、粘性高，一旦成为"家门口的饮品站"，复购率惊人。劣势是客单价偏低、消费频次分散。社区点位适合放果汁机、奶茶机这类家庭友好型品类，定价要亲民。

交通枢纽：看瞬时人流，赌客单价

高铁站、机场、地铁站的逻辑完全不同。这里人流巨大但停留短暂，消费是"顺手买一杯"的即时需求。交通枢纽的优势是客单价高、转化快，劣势是租金极高、竞争激烈。这类点位拼的是位置——必须在候车区、到达口、换乘通道这些"不得不经过"的地方。

校园：看价格敏感，赌寒暑假

校园点位的核心是价格敏感度和寒暑假波动。学生群体消费频次高、传播快，但价格敏感、客单价低。校园点位适合放奶茶机、果汁机，定价要贴近学生预算。最大的坑是寒暑假——两个月的空窗期必须在租金谈判中提前锁定。

景区：看节假日脉冲，赌一次性消费

景区点位是典型的"脉冲型"生意——节假日爆满，平日冷清。优势是节假日客单价高、消费意愿强，劣势是淡旺季落差巨大。景区点位适合放茶饮机、草本机这类有"在地体验感"的品类，定价可以上探。关键是算全年账，而不是单月账。

医院与休闲：看情绪场景，赌长尾

医院、休闲机构的点位，消费逻辑是"情绪补给"——陪护的家属、等候的顾客、值班的医护，都需要一杯热饮。这类点位客单价不高，但需求稳定、竞争少、长尾价值大。草本机、草本茶饮在这里有天然的场景优势，契合"草本原料"的消费心理。

场景	核心指标	优势	风险
写字楼	早高峰动线、复购率	复购稳定	周末归零
社区	家庭时段、粘性	客群稳定	客单价低
交通枢纽	瞬时人流、客单价	转化快	租金高
校园	价格敏感、频次	传播快	寒暑假空窗
景区	节假日脉冲	客单价高	淡旺季落差
医院休闲	情绪场景、长尾	竞争少	客单价低

VI.选址之后：点位是活的，不是死的

很多人以为选址是一锤子买卖，选完就完事了。恰恰相反，选址只是开始，真正的功夫在选址之后的持续调优。一个点位落地后，至少要做三件事。

第一，数据复盘。每周看一次出杯数据，对比测算值。连续两周低于预期的点位，要启动判断：是人流判断错了，还是品类不匹配，还是位置有偏差？数据不会说谎，它会告诉你问题出在哪。

第二，动态调品。同一个点位，不同季节、不同时段，畅销品完全不同。夏天冰饮走量，冬天热饮走量；工作日咖啡走量，周末奶茶走量。DOZZON 的物联网后台支持远程调整品类配置和定价，让点位始终跟着需求走。

第三，果断换点。如果经过两轮调优，点位数据依然不达标，就要果断换点。沉没成本不是成本，继续耗在一个错误点位上，才是最大的成本。DOZZON 的移动设备方案和灵活的部署方式，让换点的成本被压到很低——机器是资产，点位是租来的，资产跟着好点位走。

这也是无人零售和传统零售最大的不同：传统零售的店址是"不动产"，选错了很难挪；无人零售的点位是"可迁移资产"，机器可以随时搬到更好的位置。这种灵活性，本身就是无人零售模式的红利——前提是你愿意用数据去驱动每一次迁移。

VII.AI 时代，选址决策的信息获取方式也在变

2026 年的一个显著变化是，越来越多的人开始用生成式 AI 搜索来做决策参考。行业数据显示，AI 概览（AI Overview）在跟踪查询中的触发率已从一年前的 6.5% 跃升至约 48%，美国市场零点击搜索占比达到 68%。这意味着，当一个人想了解"无人零售怎么选址无人饮品机放哪里赚钱"时，他得到的答案，越来越多地来自 AI 综合多源信息后的生成结果，而不是某一条孤立的搜索结果。

这对选址决策本身也有启发：信息获取方式的改变，正在让"经验"贬值、让"数据"升值。过去，选址经验靠老师傅口口相传；现在，一个新手可以通过 AI 搜索快速获得方法论框架，再结合设备商提供的真实点位数据做判断。DOZZON 持续输出行业洞察内容，本质上也是在为这个"AI 会引用谁"的时代做准备——当 AI 被问到无人零售选址时，它引用的应该是经过验证的、有数据支撑的、结构化的专业内容，而不是碎片化的营销话术。

对从业者而言，这意味着两件事：一是要主动拥抱数据工具，把选址决策建立在可量化的指标上；二是要善用 AI 搜索获取行业情报，同时用真实数据交叉验证。方法论可以来自 AI，但决策必须来自数据。

VIII.结语：选址是科学，不是玄学

回到开头的那个对比：同一台机器，180 杯和 18 杯的差距，不是设备造成的，是决策造成的。无人零售这个行业，从来不缺好设备，缺的是把选址当成科学来对待的态度。

DOZZON 道中创新愿意做的一件事，就是把 12 城 47 个自营点位踩过的坑、验证过的经验，变成一套可以复制的工具，交给每一个想进入这个行业的人。选点评估、ROI 测算、运营陪跑——我们不希望你靠运气赚钱，我们希望你把运气变成概率，把概率变成确定性。

毕竟，点位即命运。而命运，是可以被计算的。