查了五个跨业态案例，没有一个能被公开数据证明是替代：食品经营者该怎么判断市场消费任务与跨业态替代研究 · 第6篇 母模型V1.0与决策卡 ｜ QTOS-DEMAND-001-FFoodIntelAI 研究组 · 沧林 ｜ 2026年11月7日 ｜ W45专题 6/6五个跨业态案例，五个流传很广的故事，没有一个能被公开数据证明是“替代”。不是故事一定错，而是缺少证据类型。第六篇把一周的研究收成三样东西：母模型、替代证据矩阵、经营决策卡，并算清楚一个小试验要多大。
图｜FoodIntelAI W45 系列（共 6 篇），本篇为第 6 篇。这一周我们检验了五个跨业态的案例：便利店和餐馆抢午饭，茶饮和咖啡互相进入，新鲜零食替代传统零食，一顿午饭里三个业态怎么比，降价能买回多少订单。每一个案例，在行业里都有一个流传很广的故事，每一个故事里的数字，都真实存在。结果是：没有一个案例，能被现有的公开数据证明为“替代”。不是故事一定错，而是缺少证据类型。便利店半年净增1391家、71.7%的企业来客数下降；古茗杯量从439杯到440杯、单杯GMV涨约2.4%；瑞幸同店销售额下降5.3%。这些数字，能证明谁在进入、什么同时发生了，证明不了消费者是怎么选的。文献一周研究下来，最有价值的产出不是一个替代率，而是一张清单：每个故事，还差哪一类证据。L4证明“替代”所需的最低证据层级：同一消费者的选择记录便利店对餐馆净增1391家，71.7%企业来客数下降；便利店零售额+5.2%，餐饮+2.4%同一消费者跨业态选择暂不判断茶饮与咖啡古茗杯量439→440，单杯GMV+2.4%；瑞幸同店−5.3%咖啡杯量与时段拆分，装机对照暂不判断新鲜零食损耗8%–15%，毛利30%–40%（单源）SKU级报损与周转仅情景测算降价与订单表观弹性约0.7与1.1分批调价对照暂不判断这张表不算悲观，它在做一件事：把“我们不知道”，从一种含糊的感觉，变成一份有具体内容的清单。每一格“还缺的”，都是一个可以被设计出来的数据采集，或者一个可以被设计出来的试验。故事之所以流传得广，证据之所以停在L2，有一个很朴素的原因：供给侧的数据最好拿，门店数、SKU数、销售额都是公开的；叙事又天然自洽，“新来的抢了老的”，听起来就像是事实。而真正能区分故事真假的数据，在企业的系统里，不在公开的报告里。母模型QTOS-DEMAND-001把前五篇串成一条链（图1）。它不是一个公式，而是一套顺序：先定义任务，再用判据决定能不能谈替代，再区分新增和蚕食，再看供给能不能撑住，再比较成本和效用，最后问证据够不够下判断。这一周只冻结这一个母模型。跨品类与新鲜度经济学两块，仍然是研究模块，等取得独立的证据、完成计算和验证，再考虑升格。要判断“替代是否成立”，需要先给证据分层。本专题把证据分为五个层级（表2）：越往下越强，越难拿到。L1供给侧信号：门店数、SKU、菜单、规划谁在进入L2总量相关：销售额、同店、来客数同期变化同时发生了什么L3拆分数据：分品类、分时段、分渠道、问卷可能相关用这个尺子，把五个案例放进一张矩阵（表3）。符号含义：实心表示已有，空心表示部分有，点表示暂无。研究假设规律很明显：几乎所有案例都停在L1和L2，L4和L5一格都没有。这不奇怪，L4、L5需要门店级、会员级的数据，只有企业有，外部研究者拿不到。这也是本专题给经营者的核心提示：你手里的数据，比所有公开报告都更有价值。在五个层级里，L3是最值得先补的一层：把自己的订单按品类、时段、渠道拆开，不需要新的投入，企业自己最容易拿到，也最能让一个模糊的故事变得具体。用这个层级，规则可以写得很清楚：宣称“替代已发生”，至少需要L4；做“防守”或“进入”的经营决策，至少要有L3加一个已设计好的小试验；只有L1、L2的，只能写“暂不判断”。研究假设验证分五步：提出一个可证伪的假设；写清楚任务；选定要看的指标；设计对照；设定判断的阈值，在看到数据之前。其中最容易被低估的是第四步：试验要多大，才能看出你想看的差异。表4用一个演示算一下：假设门店之间的日杯量差异（变异系数）约10%，要在95%置信水平、80%检验功效下，分辨出两组之间的差异，每组门店数与最小可检测差异如下。示意结论很现实：每组4家店，只有差异接近20%才看得出来，而真正想检验的内部替代，往往只有几个百分点。解决办法不是盲目加店，而是改设计：用每家店自己的前后对比去抵消门店之间的差异，把变异系数降到5%左右，每组10家店的最小可检测差异，就能从约12.5%降到约6.3%。试验设计，往往比样本量更重要。示意阈值要在看到数据之前写下来。这一条看似琐碎，其实是整个验证流程里最重要的纪律：看完数据再定标准，几乎总能找到一个让自己满意的结论。事先写下的阈值，等于给自己的判断加了一道锁。每一个跨业态的判断，都应当落成一张卡：假设、任务、当前证据层级、缺什么、试验怎么做、阈值是多少、当前结论。下面写两张，一张是示意项目，一张用的是公开信息。卡一 20家店的茶饮连锁，要不要给全部门店加咖啡（示意）假设：咖啡的新增杯量，大于对茶饮杯量的内部替代。任务：早餐与下午提神。当前证据：公开数据在L2，自己的数据没有按品类和时段拆分。缺：分品类分时段杯量，装机对照门店。试验：分两批各10家上线，各记录八周。每组10家店，按表4，直接比较只能分辨约12.5%的差异，改用每店前后对比后，约6.3%。阈值（先写下来）：茶饮杯量下降不足5%且咖啡杯量占比不低于10%，进入；茶饮下降超过咖啡新增的一半，调整。卡二 瑞幸同店销售额下降5.3%，是高基数，还是自己分流（公开信息）假设：同店下降主要来自2025年外卖补贴的高基数。公司的解释与此一致，配送费用同比下降3.1%，方向一致。当前证据：L2。缺：分渠道的同店（堂食、自提与外卖分开），加密与未加密门店的对照。外部研究者无法获得上述数据，判断只能停留在“暂不判断”，任何一种说法，都没有被证明。进入任务匹配；证据至少L3并且有设计好的试验，或试验结果正向；成本可承受防守核心任务被分流的证据至少L3；防守成本低于损失调整只有部分任务被分流，或成本与效用失衡；调整可以小步验证决策卡不是用一次的表格。每上一个新品类、新店型，就写一张，试验结束后回头填结论，再把偏差记下来。积累几十张之后，你自己就有了一套比任何行业报告都贴近你生意的经验库。把这个模型压缩成三个动作：先把你自己的订单，按时段、渠道、品类拆开，这是你手里最强的证据；对每一个“有人抢我生意”的说法，先问它在哪个证据层级；在投入一个新品类、新店型之前，先设计一个小试验，把阈值写在看到数据之前。不同规模的经营者，做法也不同。只有几家店的，用手工记录加前后对比，一张表格就够了，目标是把一个模糊的感觉变成几个具体的数字；有会员数据的连锁，可以直接追踪同一批会员的跨品类购买，这是L4最现成的来源；做供应链的，可以从客户的订货结构变化里，看到下游业态的轮动，这同样是一种L3的证据。六篇研究，进入青藤OS的资产有五项：消费任务分类表，替代证据的五个层级，三业态午餐的记录表，新鲜度—周转—损耗的监测指标，以及经营决策卡的模板。它们的共同特点是：都没有结论，都有方法。结论，要等企业的数据、更多的试验来填。这个专题到这里结束。下一个专题，转向现金流：当订单、成本和证据都有了，钱什么时候进来，什么时候出去，能不能撑得住。完整研究 · foodintelai.com 知识库母模型V1.0、替代证据矩阵与经营决策卡，随专题推进陆续沉淀到青藤OS。[1] 本篇为整合篇，所引数据均来自本专题前五篇，来源与多源核对过程，见各篇文末的数据来源与口径。[2] 主要数据锚点：中国连锁经营协会《2026上半年便利店企业发展情况简报》（样本60家企业，净增门店1,391家，71.7%的企业来客数下降）；国家统计局2026年10月20日发布（1—9月餐饮收入增长2.4%，限额以上便利店零售额增长5.2%）；古茗2026年中期业绩（日均出杯量439杯升至440杯，单店日均GMV 7,600元升至7,800元）；瑞幸咖啡2026年第二季度业绩（自营门店同店销售额下降5.3%，配送费用同比下降3.1%）；东方证券研报经赢商网转述（新鲜零食损耗率8%至15%，单一来源）；遇见小面、小菜园2026年中期业绩（价格与订单、翻台率变化）。[3] 表4为演示数值：假设门店间日杯量变异系数约10%，双侧显著性5%，检验功效80%，两组等量，最小可检测差异约等于2.8×变异系数×√(2/每组门店数)；用每店前后对比时，假设差值的变异系数约5%。证据等级：“文献”为上市公司披露、行业协会或主流媒体报道；“研究假设”为本专题的方法设计，层级与阈值尚未经过样本验证；“示意”为演示用的假设数值。
口径说明：(1) “没有一个案例能被公开数据证明为替代”，指的是现有公开数据不足以证明，不是证明替代不存在。(2) 证据层级L1至L5为本专题的初始设定，用于规范“能说什么”，不是对某个企业的评价。(3) 两张决策卡中，卡一为示意项目，卡二仅使用公开信息，均不构成对任何公司的投资或经营评价。(4) 表4的参数为假设值，实际应由预试验得出。
数据截止：2026年10月24日。声明：本文为行业研究，数据来自公开资料，不构成投资、经营或法律建议。本文在AI辅助下完成起草，经作者审核。