连锁餐饮选址和餐饮投资评估产品系统Vibe Coding

餐饮门店选址往往依赖经验判断，候选点的客流、租金、周边竞争、消费人群和交通条件分散在不同数据中，难以统一比较。项目面向连锁餐饮开店决策，将多源数据、空间分析和竞争博弈模型结合起来，对候选商圈进行筛选、排序和投资评估，帮助经营者在签约前识别高租金、客流错配、竞争过密和数据缺失等风险。奶茶门店作为案例进行展示，方法也适用于快餐、咖啡、火锅等餐饮品类。

项目包含数据导入、候选点画像、五层算法分析、综合排序、多预算测算、交互式仪表盘和AI问答等功能。系统先整理候选点客流、租金、客群、交通和周边竞品数据，再通过加权评分、Hotelling空间竞争、MNL消费者选择、Huff商圈吸引力和Stackelberg价格博弈进行分析。用户可以在SmartBI仪表盘中切换候选点和指标，查看不同商圈的客流、成本、竞争强度及模型结果；也可以通过AIChat提出具体问题，获得候选地点、主要依据、数据风险和补充调研建议。系统支持调整预算和餐饮品类参数，用于比较不同投资方案，为现场考察和最终签约提供参考。

我主要负责数据整理、算法实现、SmartBI平台搭建以及各模块联调。项目采用“数据层—模型层—应用层”三层结构：数据层统一整理候选点、客流、租金、客群、交通和竞品等数据；模型层使用Python实现加权评分、Hotelling空间竞争、MNL消费者选择、Huff商圈吸引力和Stackelberg价格博弈；应用层通过SmartBI完成数据关联、交互式仪表盘和AIChat问答，JavaScript用于网页交互测试和演示流程。

项目的亮点是把传统的单一客流比较扩展为多因素、多算法和多预算情景分析。用户可以切换候选点和指标，查看不同商圈的成本、客流、竞争压力和综合排名，也可以通过AIChat查询推荐地点、判断依据、风险和补充调研建议。

实现过程中的难点主要是数据来源和字段口径不统一、部分候选点缺少竞品记录，以及AIChat早期对不同问题返回相同内容。项目通过统一字段字典、增加数据缺失提示、调整问题路由和问答规则解决这些问题，使模型结果能够解释，也能提示数据盲区。