点位测算：门数与单杯结构怎么拆（口径演示）

1先说口径：本文所有数字都是演示用的

测算方法的价值在于结构，不在具体数字。本文出现的每一个数字都是为了演示计算过程而设的示例口径，不代表任何真实点位。读者套用时，请用自己的实测数据替换每一个输入项。

测算拆成两段：门数段（门口过多少人）与单杯段（一杯饮品的收入与成本结构）。两段各自独立估，最后拼在一起看。

2门数段：从「门口过客」到「日均杯量」

门数不等于客流。从「门口经过」到「出一杯」，中间隔着四道折扣，每一道都要单独估：

按这套示例口径：800 × 60% × 30% × 8% ≈ 11.5 杯/天。注意这不是预测，是把不确定拆成四个可分别验证的假设——哪个环节估错了，复盘时能定位到环节本身。

四个环节里，触达率最容易被高估：设备摆在主动线背面、门口有遮挡、标识不醒目，都会让「经过的人」变成「没看见的人」。这也是为什么位置谈判要把朝向写进条款。

3单杯段：一杯饮品的收入与成本结构

单杯段同样用示例口径拆结构（数字为演示）：

示例口径下，单杯贡献 ≈ 12 − 3 − 1 − 0.8 − 0.5 − 1.2 = 5.5 元/杯。再乘日均杯量，得到单点位的日贡献结构——这是一切点位比较的统一货币。

拆结构的好处是知道该优化哪一项：杯量不足的点位先修门数段（位置、曝光、转化）；杯量可以但贡献薄的点位，再看单杯段里哪一项占比异常。不拆结构的直接「看总账」，往往找不到真正的问题出在哪。

4敏感性检查：测算的最后一道工序

测算做完不等于结论到手，还要做敏感性检查：把最不确定的输入项（通常是转化率与门数）各上下浮动一档，看结果变化多少：

• 转化率 8% → 5%：日均杯量降约四成——结论对转化率高度敏感，说明这个环节需要更多实测数据支撑；
• 门数 800 → 600：杯量同比例下降，说明门数假设直接影响盈亏平衡判断；
• 单杯收入 12 → 10：贡献变薄，提示定价要与点位客群的价格带匹配。

如果敏感性检查显示结论对某个假设极度敏感，正确的做法不是接受测算结果，而是先花最小的成本把这个假设验证掉——比如先上线观察两周真实数据，再决定是否加大投入。

最后补一句测算之外的话：点位做不成的原因里，「测算错误」其实只占一部分——另一半是「测算对了但执行走样」：位置没按谈判结果落地、补货频率没按测算执行、菜单没有按数据调整。测算给的是上限，执行决定拿到多少。两件事分开复盘，点位运营才会螺旋上升。

5常见测算错误清单：五个高频翻车点

测算方法的错误往往集中在几处，列出来对照检查：

1. 把门数当客流：门口经过的人里，大量是「路过不停留」的背景人流，不剔除会高估数倍；
2. 用别人的转化率：不同位置、不同客群、不同菜单的转化率不可互相搬用，别人的数字只能当量级参考；
3. 漏算隐性成本：路途时间、进场报备、设备保险、临时搬运——这些不进测算表，运营半年后都会冒出来；
4. 按最优情况做敏感性：敏感性检查浮动幅度太小，等于没做；浮动幅度要大到「如果发生，我会怎么办」的程度；
5. 测算一次用一年：点位环境会变，测算假设会过期——上线后用真实数据定期回填，测算表才是活的。

这五个错误的共同点是：都发生在下结论之前。对照清单自查一遍，比上线后用真金白银验证便宜得多。

6从测算到落地：上线后用真实数据回头校准

测算的价值不在「算得准」，而在留下可校准的痕迹。上线两周后，把真实数据逐项填回测算表，每一项的偏差都会告诉你：当初是哪个假设出了问题。

这套「测算—上线—校准」的循环，每跑完一个点位，你的参考区间库就厚一分。做过三五个点位之后，新点位的测算误差会明显收窄——不是因为方法变好了，是因为输入项的质量变高了。

最后提醒一个常见的错误用法：不要把测算表当成「说服自己的工具」——先有了想做的结论，再回头凑数字。测算的诚实性取决于输入项的诚实性，每个数字都要能回答「这是怎么来的」。