闭店率42%的行业：选址怎样才能做成一个可复核的决定餐饮选址决策模型 V1.0 · 第6篇 模型整合与验证 ｜ QTOS-SITE-001-FFoodIntelAI 研究组 · 沧林 ｜ 2026年10月20日 ｜ W43专题 6/6
2025年，全国餐饮行业闭店率仍有42.17%。六篇研究走到最后，要交的不是一个更漂亮的评分表，而是一套能说清依据、能被复核、能被实际结果纠正的决定方法。第六篇，把前五篇串成流程，用三个案例走一遍。先回到第一篇的数字。年报口径下，2025年全国餐饮行业闭店率为42.17%，比2023年的52.69%回落了10.5个百分点；同年新开门店334.43万家，年底活跃商户757.77万家。闭店率回落了，但仍处在很高的水平：开一家店，是一个试错成本很高的决定。文献前五篇，我们把这个决定拆成了五个问题：有没有需求，能不能触达，竞争下能不能成交，经济上成不成立，风险能不能接受。本周最后一篇，要把它们接成一个可以运行的流程。结论先说：V1.0不是一个评分表，而是一套顺序固定的关卡，前面的关卡不过，就不靠后面的加分去抵消。目标也要说清楚。V1.0不宣称自己准确，它只保证三件事：每一步都说得出依据，每个数字都能复核，开业之后能用实际结果去纠正它。42.17%2025年行业闭店率（年报口径，2023年为52.69%）数据：中国饭店协会《2026中国餐饮业年度报告》。1 总论选址到底在判断什么因果链、变量分类、模型边界2 需求目标需求有多大三情景需求区间、数据可信度分级3 空间需求能否变成订单转化链、现场调查做法、空间侧订单区间4 竞争这个位置适合做什么竞争密度三状态、品类位置适配、份额依据5 经济性订单能否撑起盈利与回收保本订单量、敏感性、回收期、约束规则模型的输入至少包括六类：项目类型与价格定位、候选地址与空间特征、区域需求与客流证据、竞争供给、成本与投资预算、经营者的运营约束。每个关键变量都要登记来源、采集日期、证据等级、适用范围和缺失情况（表2）。等级沿用第2篇的暂行分级，A到E。登记的目的不是好看，而是让后面每一次“这个数靠不靠谱”的争论，都有地方可查。每一关给出保守、基准、乐观三个值；任一硬否决，流程立即停止三条纪律贯穿始终：每一关都给保守、基准、乐观三个值，不给单点；需求侧和空间侧各算一遍，取较小值；任何一关出现硬否决，流程立刻停止，不靠后面的加分去抵消。每一关的输出，都是下一关的输入：需求关给出日订单区间，空间关再给出另一个区间，两者取较小值；竞争关为“本店份额”补上依据；经济关把订单翻译成保本线、回收期和现金缺口；风险修正关再用证据等级和敏感性，给结论降级。硬约束，一票否决：投入与现金缺口超出可承受的资金；关键合规条件不满足；基准订单低于保本订单量。核心评价，四项：需求、空间、竞争、经济。每项按证据判为强、中、弱。任一项为弱且无法补救，就不进。风险修正：关键变量中D、E级证据占一半以上，结论最高只能到观望；客单价下降10%之后保守订单仍低于保本线的，降一级。研究假设为什么不用一个加权总分？因为总分会让一项很差的指标，被另外几项很好的指标掩盖。需求为零的位置，租金再低、竞争再少，也不该拿到一个“还不错”的分数。V1.0用关卡和否决，是为了让最差的那一项说了算。进入保守订单≥保本，基准回收期≤24个月，现金缺口≤营运资金，修正后无降级补齐待验证变量后签约观望基准订单≥保本，但保守不过线，或证据不足写明补什么证据、降什么成本放弃基准订单低于保本，或硬约束不满足证据变化后可重新评估这些阈值和规则，都是V1.0的初始设定，没有经过历史样本校准。它给出的是一个有依据的决定，不是成功的概率。下面三个案例都是示意，沿用同一品类、同一单位经济模型（实收客单价28元，单笔贡献毛利12元，开业前三个月订单为稳定期的60%、80%、100%），只改位置参数，不使用任何真实门店数据。示意图2 保守与基准订单占保本线的比例（示意，100%为保本线）日均固定成本3450元（其中租金1500元），保本线288单；需求侧与空间侧取较小值后，保守280单、基准380单。基准回收期约13.5个月（投入55万元）。保守订单比保本线低约3%。客单价下降10%时，保本线升到364单，与基准订单只差4%。观望：租金降到每天1100元以下，保本线降到255单，保守订单才过线日均固定成本2050元，保本线171单；保守190单、基准260单，保守订单高出保本线约11%。基准回收期约8.5个月（投入28万元）。但客单价下降10%时，保本线升到217单，高于保守订单。证据：需求与竞争为B级，早高峰客流仅一次观察，为C级。进入：附两个条件，补测早高峰客流，守住价格带，不下探日均固定成本1950元，保本线163单；保守60单、基准150单，基准也低于保本线。保守情景前12个月累计现金缺口约36.6万元，超过12万元的备用营运资金。证据：入住率、人流都没有实测，关键变量全部是D、E级。没有竞店，不等于蓝海，更可能是没有需求，第4篇的三种状态，在这里分不出来。三个案例说明了V1.0最主要的两个作用。一是把“位置好”翻译成可以讨论的数字：案例A的位置没有问题，问题在租金。二是把“看起来没问题”变成“证据不够”：案例C没有任何一项是明确否定的，它只是什么都没有证明。实际操作时，建议按这个顺序：先登记变量和证据等级，再分别算需求侧和空间侧的保守值，取较小值，先看保守值能不能过保本线。过不了，就先别算后面的，回头看是能降固定成本，还是该换位置。V1.0的价值，要等开业之后才能验证。每个项目要记录预测订单与实际订单，预测成本与实际成本，在开业第3、6、12个月复盘一次。偏差超过20%时，要找出偏差来自哪一环（表5），再修订对应的参数。20%是初始设定，需要用样本校准。研究假设复盘不是追究谁错了，而是给每个参数找出处。一个连续三家店都偏高的转化率，说明参数该改；只有一家店偏低，说明这家店有自己的问题。样本多了，这套规则里的初始设定，才会变成有依据的设定。做一个选址决定，不必先追求准确，先追求可复核：每一步有依据，每个数字有等级，每个结论都带着“还差什么证据”。这样的决定，哪怕错了，也能知道错在哪里，下一次就能少错一点。不是找到那个对的位置，而是把“为什么进、为什么不进”，写成别人可以复算的账。V1.0之后最重要的一步，是用真实门店的开业数据去校准它：把权重、阈值、转化率、爬坡曲线，从“初始设定”变成“有样本支持”。六篇研究的变量字典、测算表和决策报告模板，会陆续沉淀到青藤OS。完整研究 · foodintelai.com 知识库决策流程、标准决策报告模板与验证计划，随专题推进陆续沉淀到青藤OS。[1] 中国饭店协会、扬州大学旅游烹饪学院《2026中国餐饮业年度报告》（2026年9月12日发布），经新京报贝壳财经、北京日报报道核对：闭店率52.69%（2023）→42.17%（2025）；2025年新开门店334.43万家；年底活跃商户757.77万家。[2] 本篇为整合篇，除上述年报数据外，不引入新的外部数据。前五篇所引数据与来源，见各篇文末的数据来源与口径。证据等级：“文献”为行业机构公开报告；“研究假设”为本专题的判断，规则与阈值尚未经过历史样本校准；“示意”为演示用的假设值，不是真实数据。
口径说明：(1) 闭店率为年报口径，具体统计方式以原报告为准。(2) 三个案例均为示意，使用同一单位经济模型，只改位置参数，不对应任何真实门店。(3) 案例中的回收期和现金缺口为简化的现金口径，未计税、融资成本和押金回收；开业前三个月订单为稳定期60%、80%、100%的爬坡假设。(4) V1.0的所有规则、权重与阈值，均为初始设定，输出的是有依据的决定，不是成功概率。
数据截止：2026年10月20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。