北京餐饮价格秘密解析：哪里是“钱坑”，哪里是“性价比之王”？
根据极海品牌监测（https://stores.geohey.com）的数据统计，截至2023年8月底，北京星巴克共计523家，北京平均客单价39.5元/人，其中客单最高的是位于前门大栅栏的北京坊店，均价70元/人；客单最低的是位于建外大街的宝钢大厦店，客单价仅有北京坊店的40%，低至28元/人。
同一城市相同品牌的门店为什么会在客单价上有如此悬殊的差异？是否存在一些特定的地方客单价就是比其它地方更高，而另一些地方则是价格洼地，同样的品牌在这些区域的客单价往往低于平均？
为了探究这一规律，我们花费数日从北京15.5万家商户中清洗出156家连锁品牌，共计1.2万条带有客单价信息的门店数据。这些门店的具体分布如下：对于高于品牌平均客单价的门店，我们用蓝色标记，对于低于平均客单价的门店，我们用绿色标记。然而，肉眼很难从地图中找出规律，因此我们需要设计恰当的统计单位和评估指标，让数据的规律更直观地“跳”出来。
首先我们依托城市路网将城市空间切割为自然街区，然后分别统计每块街区上的门店数量及其中客单高于所属品牌均价的门店数量（即蓝色点位数量），最后计算每一街区内蓝色点位的占比，我们也将这一占比命名为“餐饮物价指数”。
本质上，这是一个投票逻辑。不同品牌的客单价存在较大的差异，均价120的海底捞怎么和均价20多的瑞幸咖啡比较呢？但同一品牌的客单价是相对稳定的，能够排除品类、品牌的影响，更准确的反映出位置对价格的影响，每当有一家门店的客单高于该品牌的城市均价时，就意味着这家门店为“该街区是餐饮高物价”这一选项投了一票。
以南五环的北京荟聚为例，商场共有51家样本门店，有76%的门店客单价高于其所属品牌在京均价。其中呷哺呷哺在这里的客单价为83元/人，高于76元/人城市均价；马记永在这里的客单价为42元/人，高于39元/人的城市均价；喜茶在这里的客单价为23元/人，高于21元/人的城市均价……
当然其中也不乏一些品牌，如DQ在这里的客单价20元/人，低于22元/人的城市均价；Wagas 80元/人，低于85元/人的城市均价。但无论如何，从整体指标来看，该街区“餐饮物价水平更高”是大概率事件。
接下来进一步以餐饮物价指数为依据，我们将城市街区划分为10类，其中颜色越偏向红色代表餐饮物价指数越高，越偏向蓝色代表餐饮物价指数越低。以图中的红色为例，该颜色代表该街区内客单价高于该品牌城市均价的门店数量占比超过90%。
事实上我们很难用简单的语言去概况餐饮物价指数这一指标的分布，因为并不是经济越发达、客流越大的的地方相对物价就越高，郊区的相对物价也不如我最初猜想的低。这让我想到一些品牌下沉后发现低线城市的客单价并不比高线城市低，想起过年时妈妈和我吐槽现在乡下的菜价比城市里的还要更高。
这里我将图中较为显著的高价区域罗列出来，即使是同样的品牌，在这些地方的客单价也要明显高于其他地方。
我们发现除中高端商场外，机场、火车站、景区等场景在其中占到了很大的比例。这些地方商家的进入门槛普遍较高，造成消费者流动性大选择性少，所以定价往往偏高，相信这一点大家都深有体会，这就是垄断创造的高价。
我很高兴能够通过这种方式能够将这些地方识别出来，一方面我们用数据证明了这一问题的普遍性，另一方也说明这一方法的确具有不错的有效性。
下面则是我们识别出来的一些价格洼地，同样的品牌在这里或许不得不接受一个更低的客单价。
其中比较典型的场景是校区、医院和大型社区。如花园桥、中关村和五道口地铁周边，是海淀大学分布最密集的区域，学生的消费力普遍较低这一点是共识。但医院周边的餐饮卖不起价也是实情，可能刚在医院花钱的人并不愿意再在吃饭上奢侈一把。回龙观是大型社区的代表，华联同成街店和回龙观购物中心周边都是相对价格偏低的区域。
那么现在，让我们回到最初的问题，相同品牌的不同门店为什么会在客单价上有如此悬殊的差异？其中一部分原因在于品牌为特殊场景构建了新的价格体系。比较典型的是火车站和景区的定价往往偏高，优惠往往更少，在这里你很难吃到麦当劳的“穷鬼套餐”。
而更普遍的原因在于客群，即使产品定价一致，也会因为消费者选择的产品、套餐不同而产生明显的客均价差异。我们是否能利用这种规律来验证或预测品牌的客单价，品牌商也可以根据这些信息调整市场策略和产品定位呢？
以星巴克为例，我们将“餐饮物价指数”按20%的等间距分为五类，然后分别计算了分布在该类街区上门店的平均客单价。从图中不难看出，分布在高价街区的星巴克门店平均客单价要远高于低价街区。
同样的规律在瑞幸咖啡上也得到了验证。餐饮物价指数越高的街区，分布在上面的瑞幸咖啡门店客单价也越高。
最后不得不说，客单价仍然是一个非常复杂的问题，受到很多因素的共同影响，但通过”餐饮物价指数“这一指标，我们可以更好的利用客观指标描述一个区域的物价，为商家在预估营业额、设计产品结构上提供一项有价值的参考数据。