店铺转让评估
用途
把转让方提供的原始客流数据，折算成可预期的现金流，再叠加风险扣分，输出「是否值得入手」的量化结论。
核心判断：原始人流是漏斗最上层，与营收之间隔四层衰减（有效客流 → 门前注目 → 进店 → 成交），
每层衰减系数取决于店铺物理属性而非客流本身。评估的价值不在读数，而在校准每一层的转化率。
何时使用
- 用户询问某家转让店铺值不值得接手、转让费是否合理
- 用户拿到门店客流/客群数据，需要判断是否支撑某个租金与转让费
- 需要生成结构化的店铺评估或尽调报告
工作流
第 1 步：拉取客流数据
优先从用户的远程接口获取，字段契约见 references/api_contract.md：
python scripts/evaluate.py --fetch "https://api.example.com/v1/shop/1024/footfall" \
--api-key "$TOKEN" --set rent_monthly=18000 --md
无接口时改用 --input case.json。输入结构：
{
"data": { "passby_total": 4100, "enter_total": 337, "gender": {}, "age": {}, "spend": {}, "weekday_avg": 4100 },
"inputs": { "rent_monthly": 18000, "transfer_fee": 380000, "lease_remain": 18, "landlord_consent": "yes" }
}
--set key=value 可覆盖任意参数；--demo 用内置样本跑通流程。
第 2 步：补齐人工核实项（不可跳过）
以下参数无法从客流数据推导，但对「本金是否归零」的影响远大于客流本身。
缺少时必须逐项询问，不可沿用 DEFAULTS 默认值直接出结论：
| 参数 | 为什么必须问 |
|---|---|
landlord_consent |
房东未书面同意转让或二房东转租 = 一票否决，与客流好坏无关 |
lease_remain |
租期短于回本周期，转让费与装修无法收回 |
transfer_reason |
说不清的转让理由通常意味着未披露的问题 |
rent_monthly / transfer_fee / renovation |
决定回本周期的三个核心输入 |
trust |
数据能否交叉验证，直接打折客流并扣分 |
competitors |
300m 内同品类竞对数量 |
拿到客流数据后，先向转让方确认这几点再评估：
- 人流是「路过门口」还是「进店」？（相差 10 倍以上，最常见的偷换概念）
- 是否剔除员工、外卖员、快递、重复进店？
- 数据含工作日吗？还是只有周末/节假日？
- 剩余租期多久？房东是否书面同意转让？
- 真实转让原因是什么？能否向物业、隔壁商户、房东交叉验证？
第 3 步：运行评估
python scripts/evaluate.py --input case.json --md -o 评估报告.md
python scripts/evaluate.py --input case.json # 需要结构化结果时用 JSON 输出
输出包含：综合评分、结论、客流折算链路、分项得分、敏感性分析、风险清单、口径说明。
第 4 步：交付报告
需要可视化或用户想自己调参数时，复制 assets/report.html 到工作目录，
把文件内 const PRESET = null 替换为接口返回的 JSON 对象即可自动预填；
也可在页面内直接填接口地址实时拉取。页面「导出参数 JSON」可回填给脚本复用。
关键判断原则
- 月净利 ≤ 0 一票否决，无论评分多高。
- 存在任意高危项时，结论最高只能是「谨慎」。评分 82 但房东不同意转让，结论必须是「谨慎」。
- 坪效超出品类上限、或回本快于 3 个月，说明数据自相矛盾——通常把「门口经过」当成了
「进店」填报。先修数据再评估，不要用矛盾数据出结论。 - 悲观情景（−35%）若已亏损，即使基准情景评分很高也应放弃。
- 样本 passby 高出
weekday_avg15% 即判定虚高，脚本会自动用工作日日均重算并给出对照结论。
注意：重算后结论可能反而更乐观（虚高样本因「数据不可信」被扣了分）——这不矛盾，
说明店本身可能不差，但数据提供方存在选择性呈现。若对方只肯给节假日数据，本身就是重大红旗。 - 回本必须用现金流口径：总投入已含装修，月净利中不再扣装修折旧，否则重复计算。
- 成本不可漏项：平台抽成（餐饮 12%）、其他费用 3%、营业时段外推系数。
漏掉这些会让回本周期从 5.3 个月被严重低估到 1.5 个月。 - 评分低于 50 时模型可信度远高于评分高于 80 时。结论是议价与排除工具，不是决策替代品。
资源
scripts/evaluate.py— 评估引擎，纯标准库无依赖。含品类参数表CATS与默认参数DEFAULTSreferences/model.md— 折算公式、评分构成、风险扣分表、品类参数表、已知局限references/api_contract.md— 接口字段契约与 FastAdmin 控制器示例assets/report.html— 交互式评估报告模板，支持改参数实时重算
校准
scripts/evaluate.py 顶部的 CATS 表（进店率、成交率、客单价、毛利率）目前是行业经验值。
拿到真实经营数据后应优先校准该表——这是模型准不准的分水岭。
