Stockout timing decides peak season share
2026-10-27博晓通

Stockout timing decides peak season share

Stockout timing decides peak season share 文章配图

As of October 27, 2026, the US National Retail Federation expects retail sales in November and December to grow 4.2% over 2025, reaching roughly 1.013 trillion dollars for the holiday season. For consumer brands that sell through physical stores, the number that matters is not the headline growth rate but whether shelf availability can hold through a compressed, promotion heavy season, because a stockout in December cannot be recovered in January and the shopper who substitutes once often stays with the substitute.

What the 4.2% forecast actually measures

Known factsUnverifiedNeeds verification
NRF forecasts November and December retail sales to grow 4.2% over 2025, about 1.013 trillion dollars in totalHow much of the growth is price inflation rather than unit volumeCategory level growth rates behind the aggregate
Coresight frames holiday 2026 around last mile costs and a cautious consumerWhether retailers will absorb last mile costs or pass them onPromotional depth by category in the final three weeks
Holiday demand concentrates in a narrow window around peak promotional datesThe exact split between in store and online demandStore level availability during peak weeks

The forecast is an aggregate, and aggregates hide the operational problem. A 4.2% increase in dollars can come from more units, higher prices, or a mix of both, and each case implies a different stocking decision. If growth is mostly price driven, unit volumes stay flat and the risk is overstocking rather than stockout; if growth is volume driven, availability becomes the binding constraint.

The second piece of context is cost. Coresight's holiday outlook centres on last mile economics meeting a cautious consumer, which points to a season where retailers protect margin by trimming depth rather than widening assortment. Narrower assortment raises the cost of a single stockout, because there is no adjacent item to absorb the demand.

Last mile costs meet a cautious consumer

Why depth gets cut first

When fulfilment costs rise and shoppers compare prices more carefully, the first lever retailers pull is depth: fewer facings, later replenishment, and tighter safety stock. Depth cuts are invisible in a planogram review but visible in availability data within two weeks. Brands that only check listing status will conclude everything is fine while the shelf is quietly thinning.

This is why availability has to be measured, not assumed. A listing that exists in the retailer's system but is out of stock on the shelf is functionally absent, and the shopper experience is identical to a delisted item. Store checks capture that gap; system reports do not.

The consumer signal is not a demand collapse

Consumer demand does not collapse in a cautious market, but it shifts timing and format. Purchases move closer to need, pack sizes shrink, and promotional windows become decisive. For a brand, that means the demand curve is steeper than the annual average, and the penalty for missing the peak week is larger than the annual availability average suggests.

Store availability is a distribution question

Availability failures are usually described as supply problems, but they originate in distribution design. Three variables determine whether an item survives the holiday window: replenishment frequency to the store, the distance from the serving distribution centre, and whether the item is included in the retailer's automatic reorder logic. An item outside the reorder logic depends on manual orders, and manual orders fail exactly when store staff are busiest.

The practical implication is that holiday readiness is decided weeks before the season, when replenishment parameters are set. Brands that wait until December to raise availability concerns are negotiating against a schedule that has already been fixed. The earlier the parameters are reviewed, the more room a brand has to adjust them.

A checklist for the six week window

The table below sets out the four measures worth tracking through the holiday window, with the definition that makes each one comparable across stores and weeks. The third column shows what a brand should be able to reconstruct after the season ends.

MeasureDefinitionWhat to reconstruct afterwards
Distribution coverageShare of target stores carrying the listingWhether the listing survived the season
On shelf availabilityShare of covered stores where the item is purchasable on the check dateWhich weeks and stores failed
Replenishment intervalDays between deliveries to the storeWhether failure followed a delivery gap
Substitution rateShare of shoppers buying an alternative when the item is absentWhether lost sales returned later

Distribution coverage and on shelf availability are often reported as a single number, which is the most common measurement error in holiday reporting. Coverage is a listing fact and moves slowly; availability is a daily operational fact and moves fast. Combining them produces a figure that neither describes the assortment nor the shelf.

Replenishment interval is the diagnostic variable. When availability drops in a store, comparing the failure dates against delivery dates separates a logistics failure from a demand spike. If failures cluster right before deliveries, the store is running too lean; if they cluster right after, the delivery itself was short.

Substitution rate closes the loop on lost sales. A high substitution rate means the shopper stayed in the category but left the brand, which is a competitive loss rather than a category loss. Tracking it requires store level observation, and even a small sample is more useful than none.

  1. The regional sales lead confirms the target store list and the listing status for each SKU before the season starts, and files the confirmation.
  2. The field team visits a sample of stores weekly, recording date, store identifier and whether the item is purchasable.
  3. The supply chain team matches failure dates against delivery dates to separate logistics gaps from demand spikes.
  4. The category manager reviews substitution observations and flags SKUs where shoppers consistently switch brands.
  5. The brand lead consolidates the four measures after the season and records which weeks failed and why.
FieldExample valueNote
Forecast periodNovember and December 2026NRF holiday window
Growth rate4.2% over 2025Aggregate retail sales
Total spending1.013 trillion dollarsNRF projection
Evidence linkSource 1 in this articleNRF holiday FAQ
Verification statusPending store checksAvailability to be filled in

FAQ

  • Does the 4.2% forecast mean every category grows?

    No. The forecast is an aggregate for November and December. Category performance varies with price sensitivity and promotion intensity, so the headline is a baseline rather than a target.

  • Why does store availability matter more in a high promotion season?

    Because demand arrives in a narrow window. A stockout in mid December cannot be recovered in January, and shoppers who substitute once often keep the substitute.

  • What is the difference between distribution coverage and on shelf availability?

    Coverage counts stores that carry the listing. Availability counts stores where the item is purchasable on a given day. A brand can have full coverage and weak availability at the same time.

  • How often should availability be checked during the holiday window?

    Weekly is the practical minimum, and daily during the two weeks around peak promotional dates. Each check should record date, store and SKU so the trend can be rebuilt later.

Sources

猜你喜欢
长三角电商交易会开幕 近万SKU新品怎么过选品关 文章配图
博晓通
2026-10-28
长三角电商交易会开幕 近万SKU新品怎么过选品关
<p>截至 10 月 28 日的公开信息,第四届长三角电商交易会 10 月 28 日至 29 日在南京国际博览中心 2 号馆及 2A 登录厅举行,展览规模 12000 平方米、参展企业近 300 家、带来近万种 SKU;中国礼物将在现场进行产品首发,并带来国台、官栈、北京工美等 15 个企业品牌。主办方把节奏设计成白天对接渠道、晚上专场直播,线上分会场 10 月 26 日至 11 月 1 日在苏宁易购同步开启。对品牌方来说,这是一次把新品同时放进选品、直播与渠道三个筛子的机会。</p><div style='display:none'><table><thead><tr><th>已知事实</th><th>未证实</th><th>需要核实</th></tr></thead><tbody><tr><td>第四届长三角电商交易会 10 月 28 日至 29 日在南京国际博览中心举行,展览规模 12000 平方米、参展企业近 300 家</td><td>现场成交与意向签约金额</td><td>展后 30 天的实际转化率</td></tr><tr><td>参展企业带来近万种 SKU,中国礼物现场进行产品首发并带来 15 个企业品牌</td><td>首发新品的动销表现</td><td>首发款的定价与渠道分配</td></tr><tr><td>线上分会场 10 月 26 日至 11 月 1 日在苏宁易购同步开启</td><td>线上分会场的流量来源</td><td>线上线下同款的价差控制</td></tr></tbody></table></div><p>主办方江苏贸促国际会展有限公司业务总监王婷婷给出的定位是,交易会要成为区域电商资源重新匹配的节点:长三角有大量品牌工厂、产业带企业和老字号,也有平台、达人、团长、买手和采购商,平时供需双方找对方成本不低。把这些主体放到同一个场景里,通过展示、选品、直播和渠道对接形成闭环,生产端更直接地接触新渠道,渠道端更高效地找到稳定供给。</p><h3>三类买家 三种判断标准</h3><p>同一个展台前站着的买家,判断标准并不相同。MCN 机构与达人看内容表现力和佣金空间,平台看品类缺口与价格带,私域团长与采购商看复购与毛利。品牌如果只准备一套话术,很容易在某一类买家面前失分。交易会现场同时安排了遥望科技、愿景娱乐、苏宁易购等机构与平台选品展播,数百组渠道商到场对接,涵盖 MCN、达人主播、私域团长、公域平台与传统渠道商。</p><table><thead><tr><th>买家类型</th><th>现场角色</th><th>关注点</th><th>品牌要准备的材料</th></tr></thead><tbody><tr><td>MCN 与达人</td><td>遥望科技、愿景娱乐现场选品</td><td>内容表现力与佣金空间</td><td>卖点脚本、样品、佣金方案</td></tr><tr><td>电商平台</td><td>苏宁易购现场选品展播</td><td>品类缺口与价格带</td><td>商品资质、价格体系、供货能力</td></tr><tr><td>私域团长与采购商</td><td>数百组渠道商对接</td><td>复购率与毛利空间</td><td>供货价、起订量、履约时效</td></tr><tr><td>线下传统渠道</td><td>区域经销商巡馆</td><td>动销与退换政策</td><td>陈列方案、退换货条款</td></tr></tbody></table><p>新品首发选择展会,核心原因是可以在同一时间拿到多类买家的反馈。线上首发只能看到转化率,看不到买家为什么犹豫;展会现场可以直接观察到采购商在哪个卖点上停留、在哪个价格上皱眉。对产品创新研究来说,这种定性反馈比转化率更早、更具体,能直接指导下一版产品概念的调整。</p><p>参展构成也说明了品类方向:稻香村、冠生园、桃源村等食品餐饮企业,南京云锦研究所、惠山泥人等工艺品类企业,太湖雪、辑里丝绸、洋晨服饰等纺织服装企业,以及家居家电、家用日化、健康养生、宠物用品等类别。食品与服装是长三角产业带的传统强项,工艺与文创则承担差异化角色,两类商品在选品逻辑上完全不同。</p><h3>白天对接晚上直播 转化链路被压到 13 小时</h3><p>交易会单日开展时间长达 13 个小时,展期两天持续到晚上 22 时,白天对接渠道、晚上专场直播。配套的两场专场直播里,快手与抖音头部达人雪宝将在 10 月 28 日晚举办长三角电商交易会双十一直播之夜,交个朋友淘宝选品团队将赴现场选品并于展后开启专场溯源直播。链路被压缩到当天,意味着品牌的样品、脚本、库存与客服必须在开幕前全部就位。</p><p>展会现场的意向不等于订单。对品牌方,更有价值的动作是把展后 30 天拆成三段来跟:第一周确认样品与合同的落地情况,第二周跟踪首批订单的履约,第三到四周复盘动销与退货。三段都跑通,才算完成一次有效的新品验证;任何一段断裂,展会投入就只能算品牌曝光。</p><p>线上分会场提供了另一个观察窗口。10 月 26 日至 11 月 1 日,苏宁易购同步开启线上分会场,品牌可以把同款商品在线上分会场的表现与线下展台反馈对照,判断价格带与卖点是否一致。线上线下同款出现明显价差,往往意味着渠道政策没有对齐,这类问题越早发现越好。</p><div style='display:none'><ol><li>品牌市场负责人在开幕前完成样品、卖点脚本、报价单与资质文件四件套,确认每类买家都有对应的材料版本。</li><li>参展人员在现场按买家类型记录意向,登记机构名称、对接人、关注卖点与报价反馈,当日汇总回传。</li><li>电商运营在展后第一周核对线上分会场同款商品的价格与库存,标注与线下报价存在价差的 SKU。</li><li>产品经理在展后第四周输出新品验证结论,包含动销、退货与买家反馈三类证据,决定是否进入量产或改款。</li></ol><table><thead><tr><th>字段</th><th>示例值</th></tr></thead><tbody><tr><td>记录日期</td><td>2026-10-28</td></tr><tr><td>买家类型</td><td>MCN 机构</td></tr><tr><td>对接机构</td><td>遥望科技</td></tr><tr><td>关注卖点</td><td>礼盒装与文化联名</td></tr><tr><td>报价反馈</td><td>要求佣金 25%</td></tr><tr><td>核验状态</td><td>待跟进</td></tr></tbody></table></div><p>把展会当成一次结构化的新品测试,而不是一次曝光采购,投入产出才算得清。近万种 SKU 同场竞争的环境里,能被买家记住的往往不是价格最低的那一款,而是卖点最清楚、供货最稳定的那一款。</p><ul><li><p>长三角电商交易会主要面向哪些买家?</p><p>覆盖 MCN 机构、达人主播、私域团长、公域平台、传统渠道商与采购商,数百组渠道商到场对接,遥望科技、愿景娱乐、苏宁易购等机构现场选品展播。</p></li><li><p>新品为什么适合在展会首发?</p><p>可以在同一时间获得多类买家的定性反馈,观察到采购商在哪个卖点停留、在哪个价格犹豫,这类信息比线上转化率更早、更具体。</p></li><li><p>展后应该跟哪些数据?</p><p>建议按三段跟:首周样品与合同落地、次周首批订单履约、第三到四周动销与退货复盘。三段跑通才算完成一次有效的新品验证。</p></li><li><p>线上分会场和线下展台的数据怎么对照?</p><p>用同款商品比价格带与卖点一致性。若线上线下出现明显价差,通常意味着渠道政策没有对齐,需要优先处理。</p></li></ul><ul><li><a href='https://jnsb.xhby.net/pc/con/202610/27/content_1600592.html'>江南时报:长三角电商交易会10月28日举办</a></li></ul>
签约门店破3万家 量贩零食的高潜门店该怎么选 文章配图
博晓通
2026-10-28
签约门店破3万家 量贩零食的高潜门店该怎么选
<p>截至 10 月 28 日的公开信息,万辰集团 10 月 27 日晚公告 2026 年三季报:前三季度营业收入 556.28 亿元,同比增长 52.15%;归母净利润 18.38 亿元,同比增长 114.99%;扣非净利润 17.6 亿元,同比增长 118.35%;其中量贩零食业务营收 551.76 亿元,加回股份支付费用后净利润 29.5 亿元。截至 9 月中旬,集团签约量贩零食门店突破 3 万家。在单店分流与开店天花板讨论升温的背景下,这份财报给出的答案是:存量老店收入同比仍正增长,单店服务会员数持续提升。对做门店筛选的团队来说,问题已经从前端能开多少店,转向后端哪些店值得继续加密。</p><div style="display:none"><table><thead><tr><th>已知事实</th><th>未证实</th><th>需要核实</th></tr></thead><tbody><tr><td>前三季度营收 556.28 亿元同比增 52.15%,归母净利润 18.38 亿元同比增 114.99%,扣非净利润 17.6 亿元同比增 118.35%(财联社)</td><td>利润增长中规模效应与采购议价的贡献比例</td><td>三季报毛利率与费用率明细</td></tr><tr><td>量贩零食业务营收 551.76 亿元,加回股份支付费用后净利润 29.5 亿元;第三季度营收 207.92 亿元同比增 48.73%</td><td>加盟与直营门店的收入结构占比</td><td>业务分部披露与加盟政策文本</td></tr><tr><td>截至 9 月中旬签约量贩零食门店突破 3 万家;三季度末合同负债 5.11 亿元较期初增 65.89%;公司称存量老店收入同比仍正增长</td><td>单店分流在不同城市能级的差异</td><td>分区域同店数据与门店密度口径</td></tr></tbody></table></div><p>把三个数字放在一起看,增长的来源就清楚了:营收增长 52.15%,利润增长接近 115%,利润增速是营收增速的两倍多,说明单店与总部的效率都在改善,而不是单纯靠开店堆规模。第三季度营收 207.92 亿元、同比增长 48.73%,与前三季度增速基本同步,意味着扩张节奏没有明显减速,规模效应仍在释放。</p><h3>合同负债涨 65.89% 的含义</h3><p>合同负债从期初增长 65.89% 至 5.11 亿元,公司解释为量贩零食业务增长带来预收门店货款增加。这个科目的意义在于它反映下游的备货意愿:加盟商愿意提前打款,说明对周转有信心。但它同时也是双刃剑——预收增加意味着后续要用货履约,一旦终端动销放缓,预收会转化为库存压力,而不是收入。</p><p>门店密度上升后,最常被质疑的是新店抢了老店的生意。公司在机构调研中的说法是,优势市场持续深化拓展的过程中,存量老店收入同比仍实现正增长,未出现分流下滑,会员规模与门店增速相匹配,单店服务会员数持续提升。这个说法如果成立,说明加密开店仍在扩大总需求,而不是切分存量。</p><table><thead><tr><th>观察指标</th><th>本期表现</th><th>含义</th><th>需要警惕的情形</th></tr></thead><tbody><tr><td>存量老店收入</td><td>同比正增长</td><td>加密未明显切分存量</td><td>增速低于新店开张速度</td></tr><tr><td>单店服务会员数</td><td>持续提升</td><td>门店覆盖人群仍在扩大</td><td>会员增长依赖促销拉新</td></tr><tr><td>合同负债</td><td>5.11 亿元,较期初增 65.89%</td><td>下游备货意愿强</td><td>预收转化不畅形成退货</td></tr><tr><td>第三季度营收增速</td><td>48.73%</td><td>扩张节奏未减速</td><td>增速靠开店而非同店</td></tr></tbody></table><p>上表四行构成一组交叉验证:如果存量老店收入正增长、单店会员数提升、合同负债增加,三者同向,说明扩张仍在创造增量;如果出现存量店收入转负、会员数停滞而合同负债继续上升,就说明增长靠压货维持。对门店筛选来说,前一组信号支持继续加密,后一组信号则应先停下开店、修复单店。</p><h3>下沉市场的开店验证</h3><p>公司提到下沉市场亦验证了开店可行性,长期看量贩单店覆盖密度仍有提升空间。这个判断的依据是单店覆盖密度而非城市数量:在一个人口规模有限的下沉市场,只要单店覆盖的会员数能够支撑租金与人力,开店就成立。反过来,若某区域单店会员数已经接近饱和,继续加密只会摊薄单店产出,这时的正确动作是转向仓配效率与商品结构,而不是继续签店。</p><p>把经验转成筛选模型,需要三个变量:区域门店密度、单店会员覆盖、以及该区域的供应链半径。密度决定竞争强度,会员覆盖决定需求厚度,供应链半径决定履约成本。三者组合可以形成一个简单判据:密度低、会员覆盖高、半径短的区域优先加密;密度高但会员覆盖仍低的区域适合做商品结构调整;密度与会员都饱和的区域应停止新签,转为提升单店坪效。</p><div style="display:none"><ol><li>拓展负责人按城市与商圈统计现有门店密度,标注三公里内同业门店数量,形成密度底图。</li><li>运营负责人导出各店会员数与月活,计算单店服务会员数,识别覆盖不足与饱和两类门店。</li><li>供应链负责人测算各区域仓到店的平均配送半径与时效,标注半径过长的区域暂缓加密。</li><li>投决会对三类区域分别给出加密、调结构、停签的结论,并设定 6 个月后复评节点。</li></ol><table><thead><tr><th>字段</th><th>示例值</th><th>核验方式</th></tr></thead><tbody><tr><td>区域名称</td><td>按城市与商圈编码</td><td>拓展台账</td></tr><tr><td>门店密度</td><td>三公里内同业门店数量</td><td>地图与巡店记录</td></tr><tr><td>单店服务会员数</td><td>会员总数除以在营门店数</td><td>会员系统导出</td></tr><tr><td>供应链半径</td><td>仓到店平均公里数与时效</td><td>仓配系统数据</td></tr><tr><td>区域结论</td><td>加密、调结构或停签</td><td>投决会纪要</td></tr></tbody></table></div><ul><li><p>3 万家签约门店是不是已经接近天花板?</p><p>签约数量不等于在营数量,也不直接等于天花板。判断依据应是单店服务会员数与区域密度:若单店会员仍在提升、密度仍低于同业,加密仍有空间;若单店会员停滞而密度已高,继续签店只会摊薄产出。</p></li><li><p>利润增速远超营收增速,是否可持续?</p><p>取决于来源。若来自采购规模效应与仓配效率提升,具备可持续性;若来自费用压缩或一次性收益,则难以延续。财报口径把增长归因于量贩零食业务增长与经营效率提升,具体拆分需看毛利率与费用率明细。</p></li><li><p>合同负债大增是好事还是风险?</p><p>两面性。预收增加说明加盟商备货意愿强,但也意味着后续必须用货履约。若终端动销放缓,预收会变成退货与库存压力。观察时要把合同负债与单店动销、退货率放在一起看。</p></li><li><p>文中的数据口径是什么?</p><p>营收、净利润、扣非净利润、量贩零食业务数据、合同负债与签约门店数量来自万辰集团 2026 年三季报及公司公告,由财联社报道整理,属媒体口径。分区域同店数据与加盟直营结构未披露,本文未做推算。</p></li></ul><ul><li><a href="https://baijiahao.baidu.com/s?id=1880214728360272823&wfr=spider&for=pc">财联社:签约门店超3万家 万辰集团前三季度净利翻番</a></li></ul>
安记食品跌停背后 调味品渠道价格与去库存 文章配图
博晓通
2026-10-28
安记食品跌停背后 调味品渠道价格与去库存
<p>截至 10 月 28 日的公开信息,安记食品 10 月 27 日盘后披露的三季报显示,第三季度营业收入 1.32 亿元、同比下滑 15.36%,归母净利润亏损 193.92 万元,而去年同期为盈利 942.99 万元;10 月 28 日 A 股食品饮料板块全天走弱,安记食品盘中触及跌停。对电商与渠道运营者来说,这份报表值得读的不是跌停本身,而是公司给出的三条原因,餐饮终端动销偏弱、行业存量竞争、渠道去库存,它们会直接改写线上商品页的价格与促销节奏。</p><div style="display:none"><table><thead><tr><th>已知事实</th><th>未证实</th><th>需要核实</th></tr></thead><tbody><tr><td>第三季度营收 1.32 亿元、同比降 15.36%,归母净利润亏损 193.92 万元</td><td>亏损是否在第四季度延续</td><td>四季度促销投入的具体预算</td></tr><tr><td>前三季度营收 3.96 亿元、同比降 5.38%,归母净利润 1467.40 万元、同比降 31.18%</td><td>渠道库存的实际消化进度</td><td>各区域经销商的库存周转天数</td></tr><tr><td>公司称餐饮终端动销偏弱、行业存量竞争叠加渠道去库存,销售费用增加</td><td>费用增加的具体科目构成</td><td>费用投放对应的销量弹性</td></tr></tbody></table></div><p>报表里的数字是分层的。单季营收 1.32 亿元、同比下滑 15.36%,归母净利润由去年同期的盈利 942.99 万元转为亏损 193.92 万元,扣非净利润只剩 49.21 万元、同比降 94.17%。把时间拉长到前三季度,营收 3.96 亿元、同比降 5.38%,归母净利润 1467.40 万元、同比降 31.18%。单季跌幅明显大于累计跌幅,说明压力高度集中在第三季度这三个月里。</p><p>公司对原因的解释是三条:餐饮终端动销偏弱、行业存量竞争、渠道去库存,同时销售费用增加。这三条不是并列关系,而是有先后。餐饮终端动销偏弱导致渠道周转放慢,渠道为了回笼资金开始去库存,去库存过程中同行的存量竞争又把价格压下来,最后企业只能加大费用投放维持货架位置。理解这个顺序,才能理解为什么营收只降了一成半,利润却直接转负。</p><div style="width:100%;overflow-x:auto;"><table width="100%" border="1" cellspacing="0" cellpadding="0" style="width:100%;table-layout:fixed;border-collapse:collapse;margin:18px 0;font-size:14px;line-height:1.7;min-width:520px;"><thead><tr><th style="background:#eef4fb;color:#1f2d3d;font-weight:600;text-align:left;padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">企业</th><th style="background:#eef4fb;color:#1f2d3d;font-weight:600;text-align:left;padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">第三季度营收</th><th style="background:#eef4fb;color:#1f2d3d;font-weight:600;text-align:left;padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">第三季度归母净利</th></tr></thead><tbody><tr><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">安记食品</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">1.32 亿元 同比降 15.36%</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">亏损 193.92 万元</td></tr><tr><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">燕京啤酒</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">49.84 亿元 同比增 2.25%</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">7.35 亿元 同比增 10.15%</td></tr><tr><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">中炬高新</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">11.76 亿元 同比增 14.76%</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">1.96 亿元 同比增 59.61%</td></tr><tr><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">涪陵榨菜</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">7.02 亿元 同比增 2.35%</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">2.05 亿元 同比降 11.79%</td></tr><tr><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">三全食品</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">15.3 亿元 同比增 6.7%</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">4867 万元 同比降 41.0%</td></tr><tr><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">盐津铺子</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">14.61 亿元 同比降 1.70%</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">1.54 亿元 同比降 33.77%</td></tr></tbody></table></div><p>把同期披露的几家放在一张表里,分化非常清楚。燕京啤酒第三季度营收 49.84 亿元、同比增 2.25%,归母净利润 7.35 亿元、同比增 10.15%;中炬高新第三季度营收 11.76 亿元、同比增 14.76%,归母净利润 1.96 亿元、同比增 59.61%。同处调味与饮品赛道,这两家走出的是量价齐升的曲线,与安记食品的方向完全相反。</p><p>另一头是增收不增利的一组。涪陵榨菜第三季度营收 7.02 亿元、同比增 2.35%,归母净利润 2.05 亿元、同比降 11.79%;三全食品第三季度营收 15.3 亿元、同比增 6.7%,归母净利润 4867 万元、同比降 41.0%;盐津铺子第三季度营收 14.61 亿元、同比降 1.70%,归母净利润 1.54 亿元、同比降 33.77%。收入还能守住,利润先掉下去,这是典型的以价换量,也是渠道端最值得警惕的信号。</p><h3>增收不增利的三条线</h3><p>第一条线是折扣。当渠道去库存与终端动销偏弱同时发生,最直接的动作就是加大促销力度,而促销体现在线上商品页的到手价上,不是标价上,所以从页面抓取的价格往往看不出异常,只有把优惠券与满减折算进去才能发现价差。第二条线是费用。盐津铺子在投资者电话会议中提到包材成本增加 10% 左右、深海鳕鱼原料成本同比增加 40% 左右,成本端压力叠加费用投放,利润空间被两头挤压。第三条线是结构,高毛利品项卖不动时,整体毛利率会被动下移。</p><h3>成本与费用往两个方向走</h3><p>值得注意的是,成本与费用在这轮周期里方向相反。原料与包材成本是刚性的,短期内只能通过配方调整、规格变化或采购集中度来对冲;而销售费用是弹性的,企业可以选择在旺季加投、淡季收缩。安记食品选择在利润已经转负的季度继续增加销售费用,说明它判断货架位置与终端可见度比短期利润更重要,这是一个明确的取舍,也意味着第四季度的价格竞争不会因为这份报表而缓和。</p><p>去库存不会停在经销商的仓库里,它会顺着价格传导到线上。经销商要回笼资金,最有效的方式是把库存以更低价格放给二级渠道,二级渠道再把这些货挂到电商平台的店铺里,于是同一个 SKU 在商品页上出现多个价位。这时候品牌看到的价格异常,往往不是某个商家恶意破价,而是库存压力在价格上的自然表达,处理方式也完全不同。</p><p>对做价格监测的团队来说,这轮周期的难点在于区分两种低价。一种是促销性的,有明确的档期、有品牌授权的优惠折算口径;另一种是清库存性的,没有档期、价格长期低于建议零售价、且集中在特定批次或特定生产日期。前者的价差可以解释,后者的价差会持续侵蚀价格秩序。把这两类分开统计,比笼统地统计破价链接数量更有决策价值,也更容易向经销商还原事实。</p><ul style="list-style:none;padding:0;margin:18px 0;"><li style="border:1px solid #d9e2ec;border-left:3px solid #024e9a;border-radius:6px;padding:12px 14px;margin-bottom:10px;background:#fafcff;"><strong style="display:block;margin-bottom:4px;color:#024e9a;">促销性低价</strong><span>有明确档期与授权口径,价差可通过优惠折算解释,属于计划内的价格波动。</span></li><li style="border:1px solid #d9e2ec;border-left:3px solid #024e9a;border-radius:6px;padding:12px 14px;margin-bottom:10px;background:#fafcff;"><strong style="display:block;margin-bottom:4px;color:#024e9a;">清库存低价</strong><span>无档期、长期低于建议零售价、集中于特定批次,会持续拉低整个链接的价格锚点。</span></li><li style="border:1px solid #d9e2ec;border-left:3px solid #024e9a;border-radius:6px;padding:12px 14px;margin-bottom:10px;background:#fafcff;"><strong style="display:block;margin-bottom:4px;color:#024e9a;">价差归因</strong><span>把同款 SKU 的到手价按店铺、批次、档期三个维度拆分,判断价差来源而非只看绝对值。</span></li></ul><div style="display:none"><ol><li>价格监测岗每周固定日期抓取目标 SKU 在主要电商平台的前二十条商品链接,记录标价、券后价与实际到手价三个口径。</li><li>渠道运营负责人对价差超过一成的链接逐一核查店铺资质与授权状态,确认是否为授权经销商,并留存截图与抓取时间。</li><li>销售管理岗把核查结果按促销性、清库存性两类归档,形成周度价差报告,抄送对应区域经销商作为沟通依据。</li></ol><table><thead><tr><th>字段</th><th>示例</th></tr></thead><tbody><tr><td>监测日期</td><td>2026-10-28</td></tr><tr><td>商品 SKU</td><td>排骨味王 200 克装</td></tr><tr><td>平台店铺</td><td>某平台旗舰店</td></tr><tr><td>标价</td><td>12.9 元</td></tr><tr><td>券后到手价</td><td>9.8 元</td></tr><tr><td>价差归因</td><td>清库存性</td></tr></tbody></table></div><ul><li><p>安记食品为什么单季由盈转亏?</p><p>公司给出的原因是餐饮终端动销偏弱、行业存量竞争叠加渠道去库存,同时销售费用增加。营收降幅一成半而利润转负,说明费用与折扣的侵蚀幅度大于收入下滑本身。</p></li><li><p>渠道去库存一般会持续多久?</p><p>没有统一答案,取决于终端动销恢复速度与经销商的资金压力。可观察的信号是经销商回款周期与二次进货频次,如果连续两个季度进货频次未恢复,说明去库存尚未结束。</p></li><li><p>线上出现低价链接一定是经销商破价吗?</p><p>不一定。相当一部分低价来自库存压力下的正常出清,尤其是集中在特定批次的链接。判断的关键是有没有档期与授权口径,而不是价格本身低多少。</p></li><li><p>品牌该怎么区分促销和清库存?</p><p>看三点:有没有明确的活动档期、价格是否长期低于建议零售价、低价是否集中在特定生产批次。三项都符合清库存特征,只有前一项符合则是常规促销。</p></li></ul><ul><li><a href="https://www.aigupiao.com/dynamic/detail/5823641">爱股票:三季报亏损叠加板块走弱 安记食品跌停异动解析</a></li><li><a href="https://www.tyjzk.com/article/80600.html">糖烟酒周刊:一大波食企三季报出炉</a></li><li><a href="https://www.jiemian.com/article/15250912.html">界面新闻:天猫双11食品大牌表现亮眼</a></li></ul>
Anthropic交表 模型供给集中后可见度怎么测 文章配图
博晓通
2026-10-28
Anthropic交表 模型供给集中后可见度怎么测
<p>截至 10 月 27 日的公开信息,Anthropic 于 10 月 26 日正式向美国证券交易委员会递交 S-1 招股书,启动上市进程;招股书显示其 2026 年上半年收入 162.86 亿美元,同期账面净亏损 807.48 亿美元,剔除可转债等非现金项后经营亏损 6.93 亿美元,较 2025 年同期的 21.35 亿美元收窄约 68%。按 token 计费的消费式收入占比约 80%,上半年贡献 131 亿美元。对做 AI 搜索可见度监测的品牌团队来说,这份结构说明模型供给正在向少数厂商集中。</p><div style="display:none"><table><tr><th>已知事实</th><th>未证实</th><th>需要核实</th></tr><tr><td>10 月 26 日递交 S-1,2026 年上半年收入 162.86 亿美元,账面净亏损 807.48 亿美元</td><td>账面亏损中非现金项的具体构成</td><td>招股书附注与现金流量表</td></tr><tr><td>按 token 计费的消费式收入 131 亿美元占约 80%,订阅式 32 亿美元占约 20%</td><td>两类收入的毛利结构差异</td><td>分业务毛利与成本拆分</td></tr><tr><td>年化收入超 10 万美元客户从 950 余家增至 1.19 万家,超 100 万美元客户 1900 余家</td><td>客户集中度与续约率</td><td>前十大客户占比与净留存率</td></tr></table></div><p>收入曲线很陡:2023 年、2024 年、2025 年和 2026 年上半年分别为 0.41 亿美元、3.86 亿美元、45.85 亿美元和 162.86 亿美元,两年半扩大约 400 倍。创始人团队通过 Class F 类普通股掌握 50.1% 的投票权,这一设计让公司治理在股东利益与 AI 安全之间保持平衡,也意味着上市后公众股东的实际控制力有限。</p><h3>模型少数的三个后果</h3><p>第一个后果是回答风格趋同。当少数模型占据主要调用量,AI 回答的组织方式、引用偏好与表述习惯会趋于一致,品牌在不同平台看到的差异可能小于预期。第二个后果是信源权重集中,模型对某类站点的偏好会被放大,进不了这类站点的品牌更难被引用。</p><p>第三个后果是更新节奏同步。模型厂商的版本迭代会同时影响多个下游产品,品牌刚建立的可见度基线可能因为一次版本更新而整体失效。三个后果叠加,意味着监测不能按平台逐一做,而要按「模型—入口」的组合来做。</p><h3>订阅与消费的收入结构启示</h3><p>收入结构里,按 token 计费的消费式收入占约 80%,订阅式占约 20%。这个比例说明企业侧与开发者侧的调用是主要收入来源,也意味着模型厂商的优化方向会优先服务调用量大、对成本敏感的场景。对品牌而言,这解释了为什么轻量化模型与低延迟回答会成为主流:它们服务的是调用量。</p><p>品牌若只按消费级产品的曝光逻辑做内容,会与模型厂商的优化方向错位。更有效的做法是把内容做成适合被批量调用的形态:结构清晰、事实密度高、字段可解析,这类内容在检索与生成环节都更容易被取用。</p><p>供给集中后,监测需要拆得更细。下表列出三项能力、定义与判断口径,品牌可据此定位问题出在覆盖、结构还是准确性上。</p><table><tr><th>能力项</th><th>定义</th><th>判断口径</th><th>常见问题</th></tr><tr><td>入口覆盖</td><td>监测覆盖的模型与产品组合数</td><td>覆盖组合数占主流入口比例</td><td>只测单一平台,结论外推</td></tr><tr><td>引用获取</td><td>回答引用品牌自有信源的比例</td><td>引用来源域名分布</td><td>内容未被索引或结构不可解析</td></tr><tr><td>描述准确</td><td>回答对品牌的表述与事实一致度</td><td>偏差类型与严重度统计</td><td>旧信息残留,更新滞后</td></tr></table><p>三项能力里,入口覆盖最容易被低估。多数团队只在一个平台上做测试,得到的结论却被用来指导全渠道内容策略;一旦模型或入口发生变化,原有结论立刻失效。把覆盖组合数作为一项独立指标,可以提醒团队定期检查监测范围是否跟上了入口变化。</p><p>第一是建立跨模型的问题库。同一组问题在多个模型上跑,记录回答差异与引用来源差异,而不是只看单一平台的排名。第二是把内容做成可解析结构,减少模型理解成本。第三是缩短复测周期,把季度复测改为月度,对高价值品类做到周度。</p><p>三项里,跨模型问题库最基础。没有它,品牌无法判断某次可见度下降是自身问题还是模型更新导致;有了它,至少能把变化归因到具体入口,再决定是补内容还是等版本稳定。</p><h3>竞品对比该怎么做才不失真</h3><p>竞品对比最容易失真的地方是样本不一致。若品牌在 A 模型测、竞品在 B 模型测,得出的位次差没有意义。正确做法是在同一组问题、同一批模型、同一时间窗口内同步采集,再按入口分别比较,最后看整体分布。</p><p>另一个失真来源是时间。模型版本更新会让同一组问题的回答整体重排,跨版本比较必须做趋势对照而不是绝对值对照。这也是为什么竞品对比报告要标注采集日期与模型版本,否则读者无法判断结论是否仍然有效。</p><div style="display:none"><ol><li>监测岗把问题库在主流模型上同步跑,记录回答差异与引用来源域名。</li><li>内容团队把产品信息改为可解析结构,减少模型理解成本。</li><li>数据岗按入口拆分引用获取与描述准确两项指标,建立分入口基线。</li><li>复核岗在同一时间窗口同步采集竞品数据,报告标注采集日期与模型版本。</li></ol><table><tr><th>字段</th><th>示例值</th></tr><tr><td>监测对象</td><td>品牌引用来源占比</td></tr><tr><td>覆盖入口</td><td>主流对话式入口</td></tr><tr><td>采样窗口</td><td>同一周</td></tr><tr><td>基线建立日期</td><td>2026-10-27</td></tr><tr><td>核验状态</td><td>待复测</td></tr></table></div><ul><li><p>模型供给集中对品牌有什么影响?</p><p>三个后果:回答风格趋同、信源权重集中、更新节奏同步。品牌刚建立的可见度基线可能因一次版本更新整体失效,监测需按模型与入口的组合来做。</p></li><li><p>为什么不能只在一个平台测可见度?</p><p>结论无法外推。不同入口的引用偏好与回答结构不同,只测单一平台会把局部结论当成整体结论,入口变化后原结论立即失效。</p></li><li><p>内容该做成什么形态更容易被引用?</p><p>结构清晰、事实密度高、字段可解析。模型厂商的优化方向服务调用量大的场景,可解析内容在检索与生成环节都更容易被取用。</p></li><li><p>竞品对比最容易失真的地方在哪?</p><p>样本与时间不一致。必须同组问题、同批模型、同一时间窗口采集,并标注采集日期与模型版本。</p></li></ul><ul><li><a href="https://finance.sina.com.cn/tech/roll/2026-10-27/doc-iniwqpfh2422267.shtml">新浪科技:美国大模型第一股Anthropic交表 两年半收入规模扩大400倍</a></li></ul>
AI回答把品牌说错 四类偏差要先归因再修 文章配图
博晓通
2026-10-28
AI回答把品牌说错 四类偏差要先归因再修
<p>截至 10 月 28 日的公开信息,中国互联网络信息中心数据显示,截至 2025 年 12 月我国生成式人工智能产品用户规模已达 5.15 亿,接近网民总数的一半。当用户问这个品牌怎么样、这两款怎么选,模型给出的是一段组织好的判断,而不是一页待点击的链接。10 月 26 日凤凰网刊出的一份治理路径梳理把这类问题拆成四类偏差:事实性、时效性、归因性与评价性,并给出诊断、归因、修复、复检的四阶段框架。对品牌与市场团队来说,AI 回答出错不再只是舆情问题,而是一个需要基线、证据与复检的日常运维科目。</p><div style='display:none'><table><thead><tr><th>已知事实</th><th>未证实</th><th>需要核实</th></tr></thead><tbody><tr><td>品牌在 AI 答案中的偏差可分为事实性、时效性、归因性、评价性四类,成因与修复动作各不相同</td><td>四类偏差在不同行业的分布比例</td><td>各类偏差对应的可量化损失</td></tr><tr><td>一次回答经过检索、召回与排序、生成与表述三段,偏差可能出现在任何一段</td><td>三段各自的错误贡献率</td><td>平台侧检索与生成的具体权重</td></tr><tr><td>T/ZGCIT 124—2026《大语言模型内容安全评测标准》2026 年 8 月 10 日发布,将提示注入等手法界定为对抗攻击</td><td>标准在实际执法中的引用频率</td><td>对抗攻击的判定细则</td></tr></tbody></table></div><p>四类偏差的共同点是都发生在模型的输出层,根因却在输入层的证据结构。参数被说错,往往是因为官网与第三方渠道的表述不一致;产品被说成已停产,往往是因为最新信息没有足够多的高可信度信源承接;竞品功能被安到本品牌身上,往往是因为品牌实体在知识层面没有被清晰区分。只看回答本身,永远找不到可修的地方。</p><h3>检索 召回 生成 三段链路</h3><p>一次回答大致经过三段:检索阶段模型决定去哪些来源取信息,召回与排序阶段决定哪些片段进入上下文,生成阶段把片段组织成一段话。偏差可能出现在任何一段,来源本身有错、高可信度来源没被选中、组织过程中被简化或与其他实体合并,都属于常见形态。这个结构解释了一个常见困惑:品牌官网上明明写得对,模型还是说错,因为官网只是候选来源之一,是否被召回、是否被信任,取决于它在整个证据网络中的权重与一致性。</p><table><thead><tr><th>偏差类型</th><th>典型表现</th><th>主要成因</th><th>修复方向</th></tr></thead><tbody><tr><td>事实性错误</td><td>参数、价格、资质、成立时间、服务范围被说错</td><td>可检索记录本身错误或缺失</td><td>补充权威信源,统一口径</td></tr><tr><td>时效性错误</td><td>引用三年前信息,已停产产品仍被推荐</td><td>旧内容在检索结果中权重更高</td><td>更新内容并提高来源层级</td></tr><tr><td>归因性错误</td><td>把竞品的功能或案例安在本品牌身上</td><td>品牌实体边界不清,信息源互相矛盾</td><td>明确实体定义,清理矛盾表述</td></tr><tr><td>评价性偏差</td><td>语气偏负面、排序靠后、只提竞品不提本品牌</td><td>负面或低可信度来源占比过高</td><td>增加可核验的正面证据</td></tr></tbody></table><p>面对错误信息,企业最直觉的反应是删掉它。但生成式环境基本堵死了这条路径:模型不提供面向品牌的更正入口,错误信息分散在大量第三方页面,即便删除部分页面,模型缓存与训练语料中的残留仍可能持续影响输出。更关键的是,删帖本身有合规隐患,真实存在的负面评价、监管处罚、司法判决不属于错误信息,压制它们既不合规,也会在系统层面降低品牌证据的可信度。</p><h3>三条红线</h3><p>报道给出的边界很清楚:不删除、不压制真实的负面信息;不使用提示注入等干预手段,这类手法已被 T/ZGCIT 124—2026 明确界定为对抗攻击;不编造第三方评价与背书材料。三条红线的共同逻辑是,一旦被发现存在干预痕迹,后续所有正面证据的可信度都会被重新评估,得不偿失。</p><p>四阶段框架里,归因是最容易被跳过的一步,也是决定修复效率的一步。报道介绍的做法不是推测原因,而是直接向模型追问为什么不推荐该品牌、为什么推荐竞品,从回答中读取它实际引用的依据与缺口,再结合内容源采纳率统计定位错误出处。这一步把模糊的 AI 不了解我们,拆成可执行的四个判断:是没有记录、记录互相矛盾、来源权重不够,还是信息过期。</p><p>四个判断对应四种完全不同的动作:补权威信源、统一口径、提升来源层级、更新时效。跳过归因直接补内容,最常见的失败就是在已经充分的方向继续加码,真正的缺口始终没人处理。对 GEO 优化来说,这也是判断服务商专业度的分水岭,能不能说清错在哪一维,比能不能承诺排名更有价值。</p><p>复检的前提是基线可比。诊断阶段确定的平台清单、提问词集合与采集频次,复检时必须完全沿用;换口径重测,得到的差异无法区分是修复起效还是口径变化。报道提到,有服务商以约 30 分钟一次的频率对 20 余个主流 AI 平台轮询,量化品牌提及率与首推率、推荐位次、情感倾向、引用信源、竞品对标五个维度,每项指标对应回答原文,可逐条回溯。</p><p>高频轮询的价值不在看得更勤,而在于把单次回答变成时间序列。有了时间序列,才能区分偶发波动、模型版本更新导致的系统性变化、以及品牌证据改动带来的真实改善。这三种情况混在一起,任何纠偏成效都无法评估。</p><div style='display:none'><ol><li>品牌市场负责人确定监测平台清单与提问词集合,覆盖品牌词、品类词与竞品对比词三类,形成问题库并标注版本号。</li><li>数据岗按固定频次采集各平台回答,保存原文、时间、地区与引用来源,形成可回溯的基线数据包。</li><li>分析岗对偏差做四类归因,标注存在性、一致性、可信度、时效性四个维度中的缺口,输出修复优先级。</li><li>品牌经理在修复完成后用同一基线复检,比对提及率与引用来源结构的变化,误差超过 10% 时补充样本。</li></ol><table><thead><tr><th>字段</th><th>示例值</th></tr></thead><tbody><tr><td>问题库版本</td><td>v2026-10</td></tr><tr><td>平台</td><td>豆包</td></tr><tr><td>提问表述</td><td>这个品牌的酸奶适合儿童吗</td></tr><tr><td>偏差类型</td><td>时效性错误</td></tr><tr><td>缺口维度</td><td>时效性</td></tr><tr><td>核验状态</td><td>已复检</td></tr></tbody></table></div><p>把四类偏差、三段链路与四阶段动作连起来看,AI 回答纠偏其实是一件很朴素的事:先能稳定地发现问题,再准确地说清错在哪,最后用同一把尺子验证有没有改好。缺任何一环,投入都会变成一次没有结论的动作。</p><ul><li><p>AI 回答把品牌参数说错了,能直接要求平台删除吗?</p><p>生成式环境通常不提供面向品牌的更正入口,删帖路径基本不通。更可行的做法是补充更高权重、更一致的正确证据,让正确答案在可信度判断中胜出。</p></li><li><p>怎么判断错误是偶发还是系统性偏差?</p><p>看同一问题在不同时间、不同平台是否重复出现同类偏差。单次回答受提问方式、时间与地区影响,只有形成时间序列才能区分偶发波动与系统性问题。</p></li><li><p>GEO 优化能保证 AI 回答一定改成正确版本吗?</p><p>不能。纠偏的实质是增加正确证据的权重,提高正确答案被选中的概率;规范表述应是可衡量的阶段性结果,例如某平台某类问题下提及率与情感倾向的变化趋势。</p></li><li><p>复检时最容易犯什么错?</p><p>换口径重测。平台清单、问题库版本与采集频次必须与诊断阶段完全一致,否则结果不可比,也无法证明修复是否起效。</p></li></ul><ul><li><a href='https://hainan.ifeng.com/c/8xX5sGmlUjl'>凤凰网:当 AI 把品牌说错了 2026 生成式答案中的事实偏差治理路径</a></li></ul>
216家改造目标对51家存量 门店调改排期先算现金流 文章配图
博晓通
2026-10-28
216家改造目标对51家存量 门店调改排期先算现金流
<p>截至 10 月 28 日的公开信息,围绕超市学习胖东来模式的调改讨论在 10 月 27 日再度升温:苏州欧德福闭店 58 天自主调改后,年营业额从约 5000 万元升至过亿,客单价从不到 50 元拉到 70 元以上;同一时间,永辉的定增方案显示 31 亿元募资投向 216 家门店升级等项目,而截至 2026 年 6 月其开业门店 382 家、已调改 331 家,未改门店只剩 51 家,与 216 家的目标之间留下 165 家缺口。对做门店筛选与改造排期的团队来说,这组对照说明一件事:调改能不能成立,先看现金流撑不撑得住改造周期。</p><div style="display:none"><table><thead><tr><th>已知事实</th><th>未证实</th><th>需要核实</th></tr></thead><tbody><tr><td>永辉定增方案中 31 亿元募资投向 216 家门店升级等项目;截至 2026 年 6 月开业门店 382 家、已调改 331 家、未改 51 家(媒体转述公开披露)</td><td>165 家缺口是否通过新开门店或调整募投项目解决</td><td>募投项目的门店清单与实施进度公告原文</td></tr><tr><td>永辉调改满 6 个月稳态门店毛利率 23.3%,公司整体毛利率同比提高 1.7 个百分点;资产负债率 93.04%,二季度扣非净利润亏损 2.08 亿元</td><td>毛利率提升中供应链重排与提价的贡献比例</td><td>半年报分部数据与单店口径说明</td></tr><tr><td>欧德福闭店 58 天调改后年营业额从约 5000 万元升至过亿,客单价从不到 50 元升至 70 元以上;中百 2025 全年关店 414 家</td><td>欧德福口径是连锁整体还是单店、是否含税</td><td>欧德福经营主体财务数据与统计口径</td></tr></tbody></table></div><p>先把缺口讲清楚:已调改 331 家、未改 51 家,两者相加正好是 382 家开业门店,而募资方案写的是改造 216 家。也就是说,可用于改造的存量门店只剩 51 家,与 216 家的目标相差 165 家。这个差额不一定意味着方案有误,可能通过新开门店、并入其他业态或调整募投用途来补齐,但在公开披露层面,缺口没有被解释清楚,而这正是评估改造节奏时最需要确认的一环。</p><h3>31 亿元募资与改造节奏的错位</h3><p>31 亿元对应 216 家门店,单店投入约 1400 万元量级,这个强度决定了改造不可能在一年内完成。改造期的现金流压力来自两端:一端是闭店期间零进账,另一端是装修与设备的一次性支出。对一家资产负债率 93.04% 的企业来说,任何一笔投入都要先看融资到位时间与利息成本,改造排期实际上是被资金节奏而不是被门店意愿决定的。</p><p>把三个样本放在一起,可以看到同一套方法论在不同体量下的分化。欧德福是中小体量的单点突破,闭店 58 天完成改造,把熟食鲜食做成核心品类,客单价从不到 50 元拉到 70 元以上;永辉是全国连锁的系统改造,靠关店收缩与供应链重排换取稳态门店毛利率 23.3%;中百则转向硬折扣,2025 全年关店 414 家。三条路径的共同点是都付出了门店数量的代价。</p><table><thead><tr><th>样本</th><th>改造动作</th><th>结果</th><th>代价与约束</th></tr></thead><tbody><tr><td>欧德福</td><td>闭店 58 天自主调改,重做选品,熟食鲜食做核心,员工薪资提升 30% 以上</td><td>年营业额从约 5000 万元升至过亿,客单价升至 70 元以上</td><td>两个月零进账,统计口径待核实</td></tr><tr><td>永辉</td><td>两年半门店从 1000 家降至 382 家,定增 31 亿元投向 216 家门店升级</td><td>调改满 6 个月稳态门店毛利率 23.3%,整体毛利率同比提高 1.7 个百分点</td><td>资产负债率 93.04%,二季度扣非亏损 2.08 亿元</td></tr><tr><td>中百</td><td>转向硬折扣,2025 年开出 51 家硬折扣门店</td><td>社区超市硬折扣可比店销售提升 9.11%</td><td>大卖场可比收入下降 15.96%,全年关店 414 家</td></tr></tbody></table><p>上表最关键的一列是「代价与约束」。欧德福的样本价值在于证明了单店改造能成立,但它的口径尚未被媒体核实清楚,是连锁整体还是单店、含税与否都没有公开说明,直接复制它的倍数预期是危险的。永辉的样本价值在于给出了稳态指标,23.3% 的毛利率是调改满 6 个月后的门店数据,属于可比的运营结果,而不是装修完成时的短期反弹。</p><h3>稳态毛利率才是调改的验证点</h3><p>调改最容易出现的误判,是把开业首月的客流高峰当成改造成果。合理的验证窗口是改造完成后 6 到 12 个月,看三个指标是否同向改善:门店毛利率、库存周转天数、员工流失率。永辉披露的稳态门店毛利率 23.3% 与整体毛利率提升 1.7 个百分点,属于这个窗口内的数据;而行业调研显示四分之三的超市企业尝试过调改、其中 75% 的调改门店销售额增长,说明销售改善相对普遍,真正稀缺的是利润改善。</p><p>把调改经验落到门店筛选上,顺序应该是先算现金流再谈商圈。第一步算单店改造的现金缺口:闭店天数乘以日均营业额,加上装修与设备投入,得到改造期的总资金需求。第二步算可承受的闭店上限:用账面现金与授信额度除以单月固定支出,得到最长可承受的零进账月数。第三步才是评估商圈与商品结构,判断改造后能否把客单价与毛利率拉起来。顺序颠倒,就会出现目标定得漂亮、排期落不了地的情况。</p><div style="display:none"><ol><li>财务负责人测算单店改造资金需求,包含闭店期营业额损失、装修设备投入与人员过渡成本,形成单店预算表。</li><li>区域负责人按现金流承受力给门店排序,标注可承受闭店上限,形成分批改造名单。</li><li>运营负责人对首批门店设定 6 个月与 12 个月两个验证节点,锁定毛利率、周转天数、流失率三项指标。</li><li>投关与合规岗核对募投项目门店清单与实际改造进度,对缺口形成书面说明,避免披露与执行脱节。</li></ol><table><thead><tr><th>字段</th><th>示例值</th><th>核验方式</th></tr></thead><tbody><tr><td>门店编号</td><td>按大区编码的门店 ID</td><td>门店台账</td></tr><tr><td>闭店天数</td><td>参照同类改造的 58 天量级测算</td><td>改造排期表</td></tr><tr><td>改造期资金需求</td><td>闭店损失加装修设备投入</td><td>单店预算表</td></tr><tr><td>可承受闭店上限</td><td>账面现金除以单月固定支出</td><td>财务测算</td></tr><tr><td>稳态毛利率</td><td>改造满 6 个月的门店毛利率</td><td>门店月度报表</td></tr></tbody></table></div><ul><li><p>165 家缺口是否意味着募投方案有问题?</p><p>不能直接下结论。缺口是按公开披露的门店数量推算的,方案可能通过新开门店、并入其他业态或调整募投用途补齐。但在披露层面缺口未被解释,属于需要核实的事项,评估改造节奏时应以公告原文与后续进展为准。</p></li><li><p>欧德福的经验能直接复制到连锁企业吗?</p><p>方法论可参考,倍数预期不可复制。欧德福是中小体量单点改造,闭店 58 天、员工涨薪 30% 以上、选品重做,这些动作在大体量连锁里要乘以门店数量,资金与人员压力完全不同。且其营业额口径尚未被媒体核实。</p></li><li><p>调改后多久才能判断成败?</p><p>合理窗口是 6 到 12 个月。开业首月的客流高峰包含新鲜感因素,不足以说明问题。应看改造满 6 个月后的门店毛利率、库存周转天数与员工流失率是否同向改善,三者中只有毛利率提升而周转恶化,说明改善来自提价而非效率。</p></li><li><p>门店筛选为什么要把现金流放在商圈之前?</p><p>因为改造是一次性大额支出加阶段性零进账,现金流决定能不能撑到验证节点。商圈再好,若资金链在改造期断裂,改造就变成关店。先算清可承受闭店上限,再按商圈与商品结构排序,排期才具备可执行性。</p></li></ul><ul><li><a href="https://post.smzdm.com/p/awwo05n2/">什么值得买:超市学胖东来模式年营业额跃升过亿,跟风改造避坑指南</a></li></ul>
白酒12大单品六涨五跌 电商价盘怎么巡查 文章配图
博晓通
2026-10-28
白酒12大单品六涨五跌 电商价盘怎么巡查
<p>截至 10 月 27 日的公开信息,新浪财经「酒价内参」过去 24 小时的数据显示,10 月 27 日中国白酒业 12 大单品的终端零售均价六涨五跌一平,飞天茅台上涨 1 元至 1788 元、普五八代上涨 3 元至 804 元、古井贡古20 大涨 7 元至 533 元,习酒君品重跌 5 元至 635 元;12 大单品各取一瓶的总售价为 10694 元,较前一日上涨 4 元。对做电商价格监测的团队来说,这份日度价盘的价值不在涨跌本身,而在它提供了一个可以逐日复算的基准。</p><div style="display:none"><table><tr><th>已知事实</th><th>未证实</th><th>需要核实</th></tr><tr><td>10 月 27 日 12 大单品终端零售均价六涨五跌一平,总售价 10694 元较前一日涨 4 元</td><td>各单品的成交量加权权重是否固定</td><td>权重表与采集点构成说明</td></tr><tr><td>古井贡古20 涨 7 元至 533 元为当日涨幅最大,习酒君品跌 5 元至 635 元跌破中期趋势线</td><td>单日大幅波动是否由个别采集点造成</td><td>分区域采集点报价明细</td></tr><tr><td>数据源自约 200 个采集点,含经销商、电商平台与零售点,按真实成交量加权</td><td>电商平台样本的到手价是否含券后价</td><td>平台样本的取价规则与折算方式</td></tr></table></div><p>日度价盘最容易造成的误判,是把单日波动当成趋势。白酒单品的终端零售价受采集点结构、促销节奏与区域供需影响,单日涨跌往往在个位数区间内反复,只有把当日数据放进 5 日与 30 日两个窗口里看,才能分辨这是噪声还是方向,这也是巡查工作每天必须做的基础动作。</p><h3>价格带之间的分化</h3><p>上涨端,古井贡古20 大涨 7 元至 533 元,是当日涨幅最大的单品;普五八代上涨 3 元至 804 元,三连阳累计大涨 15 元,站稳 800 元后继续攀升;洋河梦之蓝M6+ 上涨 3 元至 601 元,二连阳延续修复。下跌端,习酒君品重跌 5 元至 635 元,跌破中期趋势线;五粮液1618 下跌 2 元至 825 元,创下过去一个月以来最低。</p><p>把这组数字放在一起看,会发现涨跌并不是同步的。高端价格带的飞天茅台只涨 1 元且仍运行在过去 30 天低位区间,次高端的普五与国窖在回升,而习酒君品、青花郎这类次高端单品在大幅回调。这说明价盘的分化发生在价格带之间,而不是整体同涨同跌,用一句「白酒回暖」概括会掩盖结构差异。</p><p>「酒价内参」的数据源自全国各大区均有合理分布的约 200 个采集点,包括酒企指定经销商、社会经销商、电商平台和零售点,原始取样为过去 24 个小时各点位经手的真实成交终端零售价,并按对真实成交量加权的规则计算。这个口径的关键是「成交」而非「标价」,它剔除了挂高价但无成交的样本。</p><p>对电商价格监测而言,这个口径有一个重要提示:平台页面上的标价往往高于实际成交价,尤其在促销期间,优惠券、满减、赠品会同时作用。如果监测只抓标价,得到的价盘会系统性偏高;只有把到手价按成交量加权,才能与线下采集点对齐,也才能判断某次促销是否真的改变了成交价。</p><p>同一单品在电商与线下的价差,来源并不只是促销。下表列出四类价差来源与对应的监测方法,电商团队可据此判断某个价差是正常波动还是需要干预的破价,避免把所有低价都当成渠道违规。</p><table><tr><th>价差来源</th><th>典型表现</th><th>监测方法</th><th>处理口径</th></tr><tr><td>平台补贴</td><td>到手价低于线下 5% 以上</td><td>抓取补贴标识与到手价</td><td>计入平台行为,不判破价</td></tr><tr><td>店铺优惠券</td><td>单店价格明显低于同款其他店</td><td>按店铺维度对比同 SKU</td><td>核查券门槛与库存</td></tr><tr><td>赠品折算</td><td>标价不变但赠品价值高</td><td>记录赠品清单并折算</td><td>折算后纳入到手价</td></tr><tr><td>跨区窜货</td><td>低价货源来自非授权区域</td><td>追踪发货地与批次</td><td>按渠道价格异常处理</td></tr></table><p>四类来源里,平台补贴与赠品折算最容易被误判为破价。前者是平台用自身预算换流量,品牌难以干预也不应干预;后者在标价不变的情况下实际降低了到手价,若不做折算,监测会漏掉真实的价差。真正需要干预的是店铺券叠加窜货形成的低价,因为它同时破坏了价格秩序与渠道授权体系。</p><p>第一是促销节奏。当线下均价连续回升,电商大促的折扣空间会被压缩,因为品牌需要用线上价格守住整体价盘;反之线下回调时,线上更容易拿到低价货源,促销力度也会加大。第二是库存结构。价盘上行的单品往往伴随渠道惜售,线上可售库存会变紧,缺货与预售的比例随之上升。</p><p>第三是评价与口碑。价格快速下跌会引发已购用户的不满,评论区出现「买贵了」类内容,进而影响转化。这也是为什么价盘巡查不能只看价格,还要同步看评论情感:价格与口碑同时恶化时,才是真正的风险信号,单看价格容易把促销误判为危机。</p><h3>巡查怎么做 一条可执行的链路</h3><p>可执行的链路是四步:先确定监测单品清单与权重,再按日抓取标价、券后价与到手价,然后按店铺与区域拆分价差来源,最后把异常项推给对应责任人并记录处理结果。四步里最容易缺的是最后一步,异常被识别但无人闭环,巡查就退化成日报,既不能阻止破价也不能积累判例。</p><p>还需要一个时间维度。白酒价盘的日波动通常在个位数,单日涨跌不足以判断趋势,至少要看 5 日与 30 日两个窗口。5 日窗口用于发现异常,30 日窗口用于判断趋势,两个窗口同时指向同一方向时,才值得调整促销与铺货策略,否则容易在噪声上做决策。</p><div style="display:none"><ol><li>价格监测岗确定 12 大单品的监测清单与权重,固定采集点与取价时间。</li><li>数据岗按日抓取标价、券后价、到手价,并记录补贴标识与赠品清单。</li><li>分析岗按店铺与区域拆分价差来源,标注平台补贴、店铺券、赠品折算与窜货。</li><li>渠道负责人接收异常清单,逐条处理并回填结论,形成可复用的判例。</li></ol><table><tr><th>字段</th><th>示例值</th></tr><tr><td>监测单品</td><td>飞天茅台 53 度 500ml</td></tr><tr><td>当日终端均价</td><td>1788 元</td></tr><tr><td>较前一日</td><td>上涨 1 元</td></tr><tr><td>价差来源</td><td>待判定</td></tr><tr><td>核验状态</td><td>待渠道复核</td></tr></table></div><ul><li><p>白酒价盘的日度数据能直接用来定价吗?</p><p>不能直接定价,但可以作为基准。数据按成交量加权、覆盖约 200 个采集点,适合判断趋势与异常,单日个位数波动不足以支撑调价决策。</p></li><li><p>线上比线下便宜就是破价吗?</p><p>不一定。平台补贴与赠品折算都会拉低到手价但不构成破价,需要干预的是店铺券叠加窜货形成的低价,因为它同时破坏价格秩序与渠道授权。</p></li><li><p>价盘巡查为什么还要看评论?</p><p>价格快速下跌会引发已购用户不满,评论区出现「买贵了」类内容并影响转化。价格与口碑同时恶化才是真正的风险信号。</p></li><li><p>巡查链路最容易缺哪一步?</p><p>异常处理闭环。异常被识别但无人跟进,巡查就退化成日报;需要把每个异常推给责任人并记录处理结果。</p></li></ul><ul><li><a href="https://finance.sina.com.cn/chanjing/jync/djbd/2026-10-27/doc-iniwrkkz4833393.shtml">新浪财经:飞天茅台零售均价小涨 五粮液普五三连阳站稳800元 习酒君品重跌</a></li></ul>
AI应用退场 AI回答里的旧信源怎么清 文章配图
博晓通
2026-10-28
AI应用退场 AI回答里的旧信源怎么清
<p>截至10月28日的公开信息,AI虚拟角色聊天平台Character.AI上周申请破产保护,并以2000万美元将部分技术授权出售给迪士尼;法院文件显示迪士尼同意聘用其约86名员工中的66人,前三年薪酬合计约1.8亿美元,另设3000万美元留任奖金,交易不包括App、品牌、用户数据与已训练模型。对做GEO与AI搜索可见度监测的团队,这个案例提出的问题很具体:当一个AI产品退场,品牌在AI回答里的旧引用来源、旧描述和旧竞品位,由谁来清理和复测。</p><div style="display:none"><table><thead><tr><th>已知事实</th><th>未证实</th><th>需要核实</th></tr></thead><tbody><tr><td>Character.AI上周申请破产保护,以2000万美元将部分技术授权出售给迪士尼</td><td>破产程序对存量用户数据的处置安排</td><td>产品页面与内容生态的存续时间</td></tr><tr><td>迪士尼聘用其约86名员工中的66人,前三年薪酬合计约1.8亿美元,另设3000万美元留任奖金</td><td>技术授权范围是否含模型权重</td><td>授权后原有内容是否继续可访问</td></tr><tr><td>交易不包括App、品牌、用户数据与已训练模型</td><td>品牌与域名的后续归属</td><td>旧域名是否会被回收或跳转</td></tr></tbody></table></div><p>这条新闻的表面是一家AI应用公司的失败:Character.AI上周申请破产保护,以2000万美元将部分技术授权出售给迪士尼,迪士尼同意聘用其约86名员工中的66人,前三年薪酬合计约1.8亿美元,另设3000万美元留任奖金。交易不包括App、品牌、用户数据和已训练模型,迪士尼看中的是技术与团队,而不是那批用户和内容。</p><p>对品牌方,真正需要跟进的不是破产本身,而是它留下的信息空洞。一个曾经被大量讨论、被媒体引用、被AI回答反复提及的产品,在退场之后,它的旧页面、旧评测、旧榜单仍然留在互联网上,继续被AI搜索抓取和引用。当用户问AI某类AI陪伴产品哪家靠谱,回答里可能仍会出现一个已经不存在的主体,而品牌自己的信息却排在后面。</p><h3>被留下的与被剥离的</h3><p>这笔交易的结构值得细看:技术授权卖了2000万美元,团队用1.8亿美元薪酬加3000万美元留任奖金接走,App、品牌、用户数据和已训练模型都不在交易范围内。也就是说,用户数据与内容生态被留在了破产主体里,而支撑AI回答的那部分可被引用的公开信息,包括产品页、媒体报道与用户讨论,并不会随之消失,反而会长期留在搜索结果里。</p><h3>信源消失后,回答会怎么变</h3><p>AI回答的引用来源通常分三类:官方页面、第三方媒体与评测、用户生成内容。产品退场后,官方页面可能下线,第三方媒体与用户内容却会长期留存,于是引用结构从官方为主变成媒体与UGC为主。这种结构变化会直接改变回答的描述方式:缺少官方口径的校正,模型更容易复述旧评测里的负面表述,品牌的AI描述偏差随之放大,而这正是GEO监测要盯的部分。</p><p>把退场事件带来的影响分类,可以落到三个可观察的对象上,每一类对应不同的核验动作。分类的意义在于避免把所有问题都归到内容更新一个动作上,实际上三者的处理路径完全不同。</p><div style="width:100%;overflow-x:auto;"><table width="100%" border="1" cellspacing="0" cellpadding="0" style="width:100%;table-layout:fixed;border-collapse:collapse;margin:18px 0;font-size:14px;line-height:1.7;min-width:520px;"><thead><tr><th style="background:#eef4fb;color:#1f2d3d;font-weight:600;text-align:left;padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">残留类型</th><th style="background:#eef4fb;color:#1f2d3d;font-weight:600;text-align:left;padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">典型表现</th><th style="background:#eef4fb;color:#1f2d3d;font-weight:600;text-align:left;padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">核验动作</th></tr></thead><tbody><tr><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">旧引用</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">AI回答仍链接已下线的产品页或旧榜单</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">抽样提问并记录引用链接状态</td></tr><tr><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">旧描述</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">回答复述已过时的功能、价格或合作关系</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">对比官方最新口径标记偏差</td></tr><tr><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">旧竞品位</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">竞品仍被列为同类首选并占据推荐位</td><td style="padding:10px 12px;border:1px solid #d9e2ec;vertical-align:top;overflow-wrap:anywhere;">记录推荐位次与出现频次</td></tr></tbody></table></div><p>三类残留的处置方式不同。旧引用要判断链接是否可访问,不可访问的引用会降低回答的可信度;旧描述要比对官方口径,偏差项需要新的公开信息去覆盖;旧竞品位最容易被忽略,因为它是别人的名字出现在本该属于你的位置,只有持续抽样才能发现。三者叠加时,AI搜索可见度的下降往往不是断崖,而是缓慢渗漏。</p><p>这也是为什么单次抽查不够。AI搜索的回答会随信源更新、模型版本与提问措辞变化,同一问题在不同平台的回答可能完全不同。要判断残留是否在收敛,只能固定问题库、固定抽样频率,把每次结果记进同一张表,让可见度变化有可比的口径,而不是凭印象判断。</p><p>核查的第一步是建问题库。围绕品类、场景、竞品对比三类问题各写若干条,覆盖用户真实会问的表述,而不是品牌自己想说的卖点。第二步是固定抽样口径:同一批问题、同一批平台、同一时间窗,逐条记录品牌是否被提及、推荐位次、引用来源与描述是否准确。第三步是把结果结构化,让有没有被看见变成可比的数字。</p><h3>抽样要记录哪四个字段</h3><p>每条回答至少记录四项:是否提及品牌、推荐位次、引用来源域名类型、描述是否存在偏差。四项组合起来才能判断问题的性质:被提及但位次靠后,属于竞品占位问题;被提及但引用来源失效,属于信源结构问题;不被提及而竞品被推荐,属于问题库覆盖不足。只记录是否提及,会把不同病因混成同一个结论。</p><p>引用来源盘点是其中最容易被跳过、却最能说明问题的一步。把每条回答的引用链接列出来,标注域名类型与可访问状态,就能看出品牌的AI可见度究竟建立在什么基础上。如果引用高度集中在少数几个旧页面上,一旦这些页面失效,可见度会同步塌陷,这正是Character.AI这类退场案例给出的提醒:信源的存续时间,本身就是可见度的一部分。</p><p>发现问题之后的动作,决定了GEO工作是不是闭环。旧引用失效,就去补新的可被引用的公开信息,比如产品页更新、官方说明、权威媒体报道;旧描述偏差,就用一致的口径在多平台重复发布,让模型有更多可采信的来源;竞品占位被动,则要回到问题库,看是哪些问题上的回答结构对自己不利,再决定补内容还是补信源。</p><p>复测的节奏比优化动作更重要。改动之后多久能看到变化,取决于平台抓取与模型更新的周期,短则数周、长则数月,期间不能因为一次没变化就推翻方案。可行的做法是设定固定的复测窗口,把每次调整与复测结果配对记录,形成可回溯的证据链。这也是GEO与一次性投放最本质的区别:它管理的不是曝光,而是长期被引用的证据基础。</p><div style="display:none"><ol><li>GEO负责人:建立覆盖品类、场景、竞品对比三类的问题库,固定提问措辞与平台清单。</li><li>监测岗:按周在固定平台抽样提问,记录品牌提及、推荐位次、引用来源与描述准确性。</li><li>内容岗:对引用链接逐条核验可访问状态与域名类型,标注失效引用。</li><li>品牌公关:对描述偏差项补充官方说明与权威媒体报道,形成可采信来源。</li><li>复盘:设定固定复测窗口,把每次优化动作与复测结果配对记录,判断残留是否收敛。</li></ol><table><thead><tr><th>字段</th><th>示例值</th></tr></thead><tbody><tr><td>问题</td><td>AI陪伴类产品怎么选</td></tr><tr><td>平台</td><td>豆包</td></tr><tr><td>品牌提及</td><td>未提及</td></tr><tr><td>引用来源</td><td>第三方评测页</td></tr><tr><td>引用状态</td><td>页面可访问</td></tr><tr><td>核验状态</td><td>待复测</td></tr></tbody></table></div><ul><li><p>AI产品退场后,品牌在AI回答里的旧信息会自动消失吗?</p><p>不会。退场的多是官方页面与产品本身,第三方媒体、评测与用户讨论会长期留在搜索结果里,继续被AI搜索引用。旧信息是否被覆盖,取决于有没有新的、可被采信的公开信源出现,而不是取决于原产品是否还在运营。</p></li><li><p>GEO和SEO在做这件事上有什么区别?</p><p>SEO管理的是网页在搜索结果里的排名,GEO管理的是品牌在AI回答里被提及、被推荐、被引用的方式。前者看点击,后者看引用来源与描述准确性;同一个页面在搜索里排名很好,在AI回答里仍可能被错误描述或被竞品替代。</p></li><li><p>引用来源盘点要记录哪些信息?</p><p>至少记录引用链接、域名类型(官方、媒体、电商、用户内容)与可访问状态,并标注该引用支持的是正面描述还是负面描述。三类信息合起来,才能判断可见度建立在什么基础上,以及哪些引用一旦失效会带来连锁影响。</p></li><li><p>优化之后多久能看到AI回答的变化?</p><p>取决于平台抓取与模型更新周期,通常数周到数月,且不同平台节奏不一致。建议设定固定复测窗口,按同一批问题重复抽样,把调整动作与结果配对记录,避免用单次观察下结论。</p></li></ul><ul><li><a href="https://baijiahao.baidu.com/s?id=1880211462391932298&wfr=spider&for=pc">百家号:2026年10月28日AI大事速览,微软2.8万亿参数自研模型叫板OpenAI</a></li><li><a href="https://post.smzdm.com/p/anv9l2p0/">什么值得买:今日AI圈值得关注的动态 2026年10月28日</a></li></ul>
双汇外销量增9.7%收入却降3.9% 铺货该看终端网点还是吨价 文章配图
博晓通
2026-10-28
双汇外销量增9.7%收入却降3.9% 铺货该看终端网点还是吨价
<p>截至 10 月 28 日的公开信息,双汇发展 10 月 27 日晚披露 2026 年三季报:前三季度营业收入 428.1 亿元,同比下降 3.85%;归母净利润 36.42 亿元,同比下降 7.99%;但肉类产品总外销量 273.10 万吨,同比增长 9.74%。销量涨、收入跌,这组反向数字把铺货上翻监控的核心问题摆到了台面上:当吨价下行时,靠扩终端网点、上翻 SKU 换来的销量,能不能转化成收入与毛利,取决于铺货落在哪些渠道、以什么价格成交。对做终端铺货与门店可售率管理的团队来说,这一季的账本比增长率本身更值得拆开看。</p><div style="display:none"><table><thead><tr><th>已知事实</th><th>未证实</th><th>需要核实</th></tr></thead><tbody><tr><td>前三季度营业收入 428.1 亿元同比下降 3.85%,归母净利润 36.42 亿元同比下降 7.99%(证券日报)</td><td>分季度收入与利润的环比走势,报道未逐季拆开</td><td>收入下滑中价格因素与结构因素的拆分比例</td></tr><tr><td>肉类产品总外销量 273.10 万吨,同比增长 9.74%</td><td>各品类外销量的增速差异</td><td>外销量是否含内部转结与代工量</td></tr><tr><td>屠宰业务拓宽线下终端网点,借助抖音到家到店与直播赋能门店;包装肉制品在休闲零食与会员超市渠道发力;研发费用 1.42 亿元</td><td>新增网点的数量与单店产出</td><td>会员超市渠道的供货模式是直营还是经销</td></tr></tbody></table></div><p>收入下降 3.85% 而销量增长 9.74%,两个数字放在一起只有一种解释:单位价格降幅超过了销量增幅。公司在报告中把原因指向猪价、肉价下行,销量增长未能对冲价格跌幅;同时生猪行情影响下养猪业亏损增加、肉制品加大市场投入带来费用上升,进一步压低了利润。这不是需求塌陷,而是价格周期叠加费用投放的结果,判断性质很重要,因为它决定了应对动作是收缩还是扩张。</p><h3>吨价下行吃掉了量的贡献</h3><p>对铺货管理来说,吨价下行会同时改变两件事:一是同一笔销量对应的收入变少,二是渠道端的库存价值缩水,经销商补货意愿随之下降。这时候如果只盯铺货率与门店可售率,会看到漂亮的覆盖数字,但收入端没有对应增长。更有效的做法是把「铺货率」与「吨价」做成一组联动指标,当吨价下行时,考核重点从覆盖率转向单店动销速度与库存周转,避免把货压进终端却形成新的库存堰塞。</p><p>三季报提到的渠道动作有三类:屠宰业务拓宽线下终端网点,用抖音到家到店与直播给门店导流;包装肉制品围绕终端标准化、行销精细化、渠道专业化、销售管理数字化做改革;同时在休闲零食与会员超市这类新兴渠道持续发力。三类动作的产出逻辑不同,前两类是把既有产品铺到更多触点,第三类是用新渠道承接新价格带,混在一起看会误判增长来源。</p><table><thead><tr><th>渠道类型</th><th>本期动作</th><th>可观察指标</th><th>主要风险</th></tr></thead><tbody><tr><td>线下终端网点</td><td>屠宰业务拓宽网点,直播与到家到店导流</td><td>网点净增数、单店月均动销</td><td>网点增而单店产出降,摊薄费用</td></tr><tr><td>包装肉制品传统渠道</td><td>终端标准化与行销精细化改革</td><td>货架排面占比、缺货率</td><td>改革期执行走形,终端断货</td></tr><tr><td>休闲零食渠道</td><td>针对量贩零食门店做产品适配</td><td>SKU 覆盖数、复购频次</td><td>低价渠道反向冲击主渠道价格</td></tr><tr><td>会员超市</td><td>定制化产品共创,高端品牌落地</td><td>定制 SKU 数、单店销售额</td><td>定制依赖单一大客户,议价权弱</td></tr></tbody></table><p>上表把四类渠道分开,是为了避免用一个平均铺货率掩盖结构差异。线下终端网点的扩张最容易做,也最容易虚胖:网点数量可以靠政策快速堆起来,但单店动销要靠产品力和价格带支撑。会员超市与休闲零食渠道则相反,进入门槛高、单店产出高,但对产品规格与价格体系的要求更严,一旦定制规格外溢到其他渠道,就会直接冲击主渠道价格秩序。</p><h3>会员超市与休闲零食是新增量</h3><p>报道提到,双汇通过专项对接与产品共创,与会员商超及特色商超合作,打造了以高蛋白黑猪肉香肠为代表的高端产品;研发费用 1.42 亿元,同比有所增长。这条路径的实质是用产品创新换取新渠道的货架位置,而不是用降价换取铺货。对品牌的启示是:当主渠道吨价下行时,新增量更可能来自能承接新价格带的渠道与规格,而不是把同一规格铺到更多门店。</p><p>把这一季的动作翻译成可执行的监控,需要三个数一起看:门店可售率、上翻 SKU 数与单店动销。门店可售率回答「有没有货」,上翻 SKU 数回答「货架上有几个规格」,单店动销回答「卖得快不快」。三者缺一,判断就会失真:只有可售率会掩盖规格缺失,只有上翻数会掩盖滞销,只有动销会看不到覆盖缺口。三个数按同一门店维度对齐,才能定位问题出在铺货、规格还是价格。</p><div style="display:none"><ol><li>区域销售负责人按门店维度导出可售率与上翻 SKU 数,标注缺货门店与缺规格门店,形成周度清单。</li><li>数据分析岗把单店动销与吨价对齐,识别「高覆盖低动销」门店,判断是价格倒挂还是规格错配。</li><li>渠道负责人对会员超市与休闲零食渠道单独建账,记录定制 SKU 与专属规格,防止规格外溢。</li><li>价格管理岗监测同一 SKU 在不同渠道的成交价,对跌破建议零售价的链接发起核查。</li></ol><table><thead><tr><th>字段</th><th>示例值</th><th>核验方式</th></tr></thead><tbody><tr><td>门店编号</td><td>按区域编码的门店 ID</td><td>终端台账</td></tr><tr><td>门店可售率</td><td>在售 SKU 数除以应铺 SKU 数</td><td>巡店记录与订单数据</td></tr><tr><td>上翻 SKU 数</td><td>本期新增上架规格数量</td><td>货架照片与上架单</td></tr><tr><td>单店动销</td><td>月度销量与库存周转天数</td><td>经销商出货数据</td></tr><tr><td>渠道成交价</td><td>与建议零售价的差值</td><td>价格监测记录</td></tr></tbody></table></div><ul><li><p>销量增长但收入下降,是不是说明产品卖不动了?</p><p>不能这样判断。外销量同比增长 9.74% 说明终端仍在出货,收入下降来自吨价下行幅度超过销量增幅。真正的风险在利润端:量增价减会摊薄单位毛利,同时库存价值缩水,需要观察下一季度的渠道库存周转是否恶化。</p></li><li><p>铺货率还在提升,为什么收入没有跟上?</p><p>铺货率衡量覆盖,不衡量产出。当价格下行、渠道库存偏高时,新增覆盖可能只是把货从厂家仓库转移到终端仓库。应把铺货率与单店动销、库存周转放在一起看,对高覆盖低动销的门店优先做动销改善而不是继续压货。</p></li><li><p>会员超市渠道值不值得优先投入?</p><p>取决于产品力。会员超市要的是差异化规格与稳定品质,能用定制产品换取货架位置,单店产出通常高于普通终端。但它对供应稳定性要求高,且定制规格外溢会冲击主渠道价格,需要配套规格隔离与价格约定。</p></li><li><p>文中的数据口径是什么?</p><p>营业收入、净利润、外销量、研发费用均来自双汇发展 2026 年三季报,由证券日报报道转述,属媒体口径。分渠道网点数量、单店产出与库存周转等细化数据未在报道中披露,本文未做推算。</p></li></ul><ul><li><a href="https://baijiahao.baidu.com/s?id=1880211068105923997&wfr=spider&for=pc">证券日报:双汇发展前三季度实现净利润36.42亿元 多板块推进渠道与产品革新</a></li></ul>
奈雪益禾堂喜茶古茗加品类 茶饮门店模型重写 文章配图
博晓通
2026-10-28
奈雪益禾堂喜茶古茗加品类 茶饮门店模型重写
<p>截至 10 月 28 日的公开信息,新茶饮品牌正在把门店从单一饮品柜台改造成多品类空间:奈雪的茶把轻食店型「奈雪 green」开到北上广深,益禾堂把零食摆进门店并与旺旺浪味仙推出联名薯卷,喜茶的茶坊 2.0 卖起现炸薯条,古茗约 1.35 万家门店配上咖啡机、覆盖率达到 94%。据红餐大数据,截至 2026 年 9 月全国茶饮门店约 45.28 万家,增长放缓,连锁化率突破 60%。对做门店商品结构与新品研究的团队来说,这不是几次联名营销,而是门店模型在存量竞争下的重新定义——单店要靠更多品类摊薄租金与人力。</p><div style="display:none"><table><thead><tr><th>已知事实</th><th>未证实</th><th>需要核实</th></tr></thead><tbody><tr><td>奈雪把轻食店型「奈雪 green」开到北上广深,全天供应</td><td>轻食店型的单店投入与回本周期</td><td>轻食 SKU 数与出品时间</td></tr><tr><td>益禾堂把零食摆进门店,与旺旺浪味仙推出联名薯卷</td><td>零食带来的客单价提升幅度</td><td>零食 SKU 的动销与损耗率</td></tr><tr><td>喜茶茶坊 2.0 卖现炸薯条</td><td>现制小食的出品效率</td><td>是否需要新增后厨设备与人力</td></tr><tr><td>古茗约 1.35 万家门店配咖啡机,覆盖率 94%</td><td>咖啡机投入的分摊方式</td><td>各城市咖啡动销差异</td></tr><tr><td>全国茶饮门店约 45.28 万家,连锁化率突破 60%(截至 2026 年 9 月)</td><td>门店总数的净增长与关店数拆分</td><td>统计口径是否含档口型门店</td></tr></tbody></table></div><p>四个动作分属四种不同的加法。奈雪加的是店型,把饮品店变成全天候轻食空间;益禾堂加的是货架,用零食填补非高峰时段;喜茶加的是现制小食,把等待时间变成消费场景;古茗加的是设备,用一台咖啡机把营业时段从午后拉回清晨。据<a href="https://baijiahao.baidu.com/s?id=1880163180656104511&wfr=spider&for=pc">10 月 28 日的报道</a>,经济日报 10 月 26 日的报道用一句话概括了这场变化——奶茶店不止卖奶茶。</p><table><thead><tr><th>品牌</th><th>加法类型</th><th>公开披露的规模</th><th>对应的经营目标</th></tr></thead><tbody><tr><td>奈雪的茶</td><td>新店型</td><td>奈雪 green 落地北上广深,全天供应</td><td>延长营业时段,提升单店坪效</td></tr><tr><td>益禾堂</td><td>货架扩容</td><td>零食进店,与旺旺浪味仙联名</td><td>用零售商品补充客单</td></tr><tr><td>喜茶</td><td>现制小食</td><td>茶坊 2.0 卖现炸薯条</td><td>把等待时间转为消费</td></tr><tr><td>古茗</td><td>设备与品类</td><td>约 1.35 万家门店配咖啡机,覆盖率 94%</td><td>激活早高峰,拉新客</td></tr></tbody></table><h3>古茗的咖啡机为什么是样本</h3><p>咖啡机是四个动作里最容易量化的一个。披露显示古茗计划 2026 年把咖啡品类销售额占比从 2025 年的 10% 至 15% 提升到 20% 至 25%,截至 2026 年 6 月咖啡收入占比已超过 20%,半数以上咖啡消费者是品牌新客。这组数字说明设备投入能同时带来两个结果:单店时段利用率上升,以及新客获取。对做新品研究的团队,这是把「加一个品类」变成可验证指标的标准路径。</p><h3>健康化是另一条并行的产品线</h3><p>与场景扩张同时发生的还有配方调整。报道提到喜茶羽衣甘蓝系列走红后,20 多个品牌跟进推出 30 余款同类饮品,羽衣甘蓝收购价从每斤几毛钱涨到 3.5 元仍供不应求;奈雪推出主打不加糖的天然营养系列并联合营养机构定标准;霸王茶姬为产品标注热量与咖啡因含量。原料端的涨价与标准化同步发生,说明健康化已经从营销话术进入供应链层面。</p><p>当门店总数增长放缓、连锁化率超过 60%,评价一家门店好不好就不能只看单日杯量。多品类门店的核心矛盾是时段与产能的分配:早高峰卖咖啡、午间卖轻食、下午卖茶饮、晚间卖零食,每个时段都需要不同的出品速度与人手配置。指标因此要从「单店日均销量」转向「时段利用率」与「品类交叉购买率」,否则新增品类只是增加了 SKU,没有增加有效营业时间。</p><table><thead><tr><th>指标</th><th>传统茶饮门店</th><th>多品类门店</th></tr></thead><tbody><tr><td>核心产出指标</td><td>单日杯量</td><td>时段利用率与单店毛利</td></tr><tr><td>新品评估方式</td><td>上新期销量</td><td>交叉购买率与连带率</td></tr><tr><td>人力配置</td><td>按高峰班次排班</td><td>按品类工序拆分岗位</td></tr><tr><td>供应链重点</td><td>茶叶与鲜果周转</td><td>多品类并行周转与损耗控制</td></tr></tbody></table><p>还有一层容易被忽略:多品类门店把「新品」的定义改了。过去上新指一款饮品,现在上新可能是一整类商品,比如把零食货架搬进门店,或增加现制小食线。评估周期因此拉长,需要观察的不只是首周销量,还包括新品类对原有品类客流的分流。对产品研究团队来说,判断标准要从单点爆款转向结构互补。</p><p>把这场扩张转成新品研究流程,关键是先验证产能再做规模。多品类门店最常见的失败不是卖不动,而是出品跟不上——新增一个现制品类会占用操作台与人力,高峰时段反而拖慢主品类。因此核验顺序应该是产能、动销、连带,最后才是复制。</p><div style="display:none"><ol><li>产品岗先测算新增品类的出品时间与操作台占用,核验证据为门店实测的出品计时记录。</li><li>门店运营岗记录高峰时段的品类等待时长,核验证据为分时段排队数据。</li><li>数据岗统计新品与主品的交叉购买率,核验证据为订单明细中的组合分布。</li><li>供应链岗核对新增原料的周转与损耗,核验证据为周度进销存与报损记录。</li><li>复盘岗据此判断是否进入下一批门店复制,核验证据为试点门店对比报表。</li></ol><table><thead><tr><th>字段名</th><th>示例值(本篇)</th><th>证据位置</th><th>核验状态</th></tr></thead><tbody><tr><td>门店规模</td><td>古茗约 1.35 万家门店配咖啡机,覆盖率 94%</td><td>10 月 28 日报道</td><td>已核实为报道口径</td></tr><tr><td>品类占比目标</td><td>咖啡销售占比从 10%-15% 提升至 20%-25%</td><td>同上</td><td>已核实为品牌计划</td></tr><tr><td>实际进度</td><td>截至 2026 年 6 月咖啡收入占比超 20%</td><td>同上</td><td>已核实为报道口径</td></tr><tr><td>行业门店数</td><td>约 45.28 万家,连锁化率超 60%</td><td>红餐大数据,截至 2026 年 9 月</td><td>已核实为引用口径</td></tr><tr><td>原料价格</td><td>羽衣甘蓝收购价涨至每斤 3.5 元</td><td>同上</td><td>已核实为报道口径</td></tr></tbody></table></div><ul><li><p>为什么新茶饮品牌都在往门店里加品类?</p><p>因为行业从扩张竞争进入存量竞争。截至 2026 年 9 月全国茶饮门店约 45.28 万家,增长放缓、连锁化率突破 60%,靠开店带来的增量变薄,品牌只能向同一批客群要更多消费时段,于是把场景从下午茶扩展到佐餐、运动、学习和居家。</p></li><li><p>多品类门店最容易在哪一步失败?</p><p>最容易失败在产能而不是需求。新增现制品类会占用操作台与人力,高峰时段可能拖慢主品类出品速度,导致整体体验下降。因此试点时要先测出品时间与排队时长,再看动销与连带,最后才决定是否复制到更多门店。</p></li><li><p>古茗的咖啡数据说明了什么?</p><p>说明设备型加法可以被量化验证。披露显示其计划把咖啡销售占比从 10% 至 15% 提升到 20% 至 25%,截至 2026 年 6 月已超 20%,半数以上咖啡消费者是新客。设备投入同时提升了时段利用率与新客获取,这是把品类扩张转成指标的标准做法。</p></li><li><p>健康化趋势对产品开发意味着什么?</p><p>意味着原料端要跟着改。羽衣甘蓝从滞销到收购价涨至每斤 3.5 元仍供不应求,说明配方变化会直接传导到采购;奈雪联合营养机构定标准、霸王茶姬标注热量与咖啡因,则把配方从卖点变成可核验的信息披露。</p></li></ul><ul><li><a href="https://baijiahao.baidu.com/s?id=1880163180656104511&wfr=spider&for=pc">奶茶店不止卖奶茶:新茶饮加速解锁新场景</a></li></ul>