客群+收银 · 营业额拆解 + 钱漏诊断

四因子恒等式 + 交互诊断(含天气筛选与 AI 分析)

🔑 关键洞察

  • 四因子:2,019,817 × 8.33% × 70.1% × ¥19.1 ≈ ¥225万。
  • 双层漏损:过店→进店(捕获率 8.33%)与 进店→成交(转化率 70%)需分开诊断。
  • 最大浪费小时:08:00–09:00(剪刀差 +3.9pp)。
  • 下方钱漏诊断含捕获漏斗 + 转化剪刀差 + 分小时策略 + AI 分析。

🎯 执行方案 · 策略

场景执行方案 · 策略负责方
钱漏定位选日期+天气,看双层剪刀差与 AI 分析周复盘
07:00–09:00门口陈列通勤快捷品(饮料/关东煮/早餐),加快收银;优化门头/招牌可见性,雨天加即取即走品对冲;收银台第二件优惠,推购物篮强关联组合门店
01:00–07:00优化门头/招牌可见性,雨天加即取即走品对冲;查缺货/动线/排队,保高频 SKU 不断货门店
00:00–01:00优化门头/招牌可见性,雨天加即取即走品对冲门店
23:00–00:00优化门头/招牌可见性,雨天加即取即走品对冲门店
20:00–21:00查缺货/动线/排队,保高频 SKU 不断货;晚间高效时段:维持陈列,可测试新品/高毛利品门店
21:00–23:00晚间高效时段:维持陈列,可测试新品/高毛利品门店

月度销售走势

月份过店销售客单价
2025-11306,833¥33.4万¥20.0
2025-12377,264¥30.5万¥18.9
2026-01257,279¥30.4万¥20.7
2026-02160,089¥23.9万¥27.2
2026-03227,043¥26.9万¥18.7
2026-04270,605¥29.4万¥18.4
2026-05271,458¥28.2万¥16.2
2026-06149,246¥22.0万¥15.9

🔎 钱漏诊断(交互)

全期 仅周末 仅工作日 晴天 阴天 雨天 最近30天

选定区间 · 四因子对比基准

捕获剪刀差 过店 → 进店(漏点1 · 门口)
公式:过店份额 − 进店份额(pp)

看「路人有没有被招进来」。该小时路过的人占全天比例,高于进店占比越多,说明门口吸引力越弱。

正 · 路过多不进店负 · 捕获较好≈0 · 均衡
转化剪刀差 进店 → 成交(漏点2 · 店内)
公式:进店份额 − 销售份额(pp)

看「进门的人有没有买」。该小时进店占全天比例,高于销售占比越多,说明店内转化越弱(缺货/动线/排队等)。

正 · 进店多卖不动负 · 高效变现≈0 · 均衡
流量剪刀差 过店 → 成交(全链路)
公式:过店份额 − 销售份额(pp)

把门口+店内合在一起看。该小时路过的人不少,但销售额占比较低,说明这一小时整体「流量浪费」。

正 · 流量浪费负 · 高效变现≈0 · 均衡

① 过店→进店 · 捕获率漏斗

对应上方 捕获剪刀差。全期基准捕获率 8.33%,共 110 天异常。

最低捕获率日:2026-02-19(0.0%) · 分人群基准偏低:上班族(5.93%)、中青年(6.75%)、家庭主妇(6.79%) · 详细异常清单 → 进店率异常

② 进店→成交 · 转化漏损

对应上方 转化剪刀差。表格「诊断」列解释该小时属于哪种漏损类型。

钱漏归因:相对基准涨跌(%)

绿=优于基准,红=低于基准。每次过店产出 = 捕获率 × 转化率 × 客单价。

🤖 AI 经营决策分析

根据当前筛选区间自动生成,区分「门口漏(捕获)」与「店内漏(转化)」。

加载中…

⏱ 分小时执行策略

单小时诊断剪刀差与三因子,仅当连续多小时问题一致时才合并展示;不强制 2/3 小时切块。

③ 过店→成交 · 流量 vs 销售剪刀差

对应上方 流量剪刀差。按单小时(00–23)统计,综合反映该时段「路过多、卖得少」的程度。