消费行业研究方法论

基本信息

阅读时间：约 27 分钟

字数：约 12,533 字

摘要：市场担心：消费研究正在变成「数据越多、结论越糊」。2025 年社会消费品零售总额 501,202 亿元、同比增长 3.7% [1]，但同一份数据可以被解读成升级、降级或分化；服务零售额增长 5.5%、快于商品零售 1.7 个百分点 [1]，而居民人均消费支出名义与实际增速同为 4.4% [3]。数字都真实，结论却互相矛盾，问题不在数据，而在研究流程没有被显式化。

市场担心：消费研究正在变成「数据越多、结论越糊」。2025 年社会消费品零售总额 501,202 亿元、同比增长 3.7% [1]，但同一份数据可以被解读成升级、降级或分化；服务零售额增长 5.5%、快于商品零售 1.7 个百分点 [1]，而居民人均消费支出名义与实际增速同为 4.4% [3]。数字都真实，结论却互相矛盾，问题不在数据，而在研究流程没有被显式化。

我们认为：消费研究的质量差异，80% 来自口径定义与拆解顺序，只有 20% 来自数据获取。同一个「连锁化率」，中国连锁经营协会口径下整体商业为 32.7%、零售业态突破 45% [8]，餐饮业态为 25%、休闲饮品品类为 54% [7][11]，而另一套统计口径给出的连锁化率高达 68.3% [10]——两个数字相差一倍以上，原因是分子分母的定义完全不同。如果不先固定口径，任何横向比较都是在比较定义，而不是比较事实。

1. 需求侧方法的核心是量价拆分与三变量乘法：把规模变化拆成渗透率、消费频次与客单价三项，每一项都能单独取证，避免用总体增速掩盖结构变化；
2. 供给侧与竞争分析的核心是密度与单位经济：门店密度决定单店产出，单店模型决定连锁化能否持续，价格带矩阵决定竞争是否会正面相撞；
3. 结论可信度取决于可证伪性：每条判断都必须给出边界、反面证据与阈值，没有阈值的判断在实务上无法被使用，也无法被修正。

本篇增量：把消费研究方法整理为一份可执行的操作手册，覆盖需求侧、供给侧、竞争分析、单位经济、财务验证与前瞻六个方法簇，每个方法给出适用场景、需要的数据、计算步骤与常见误用，并附一份三十项的选题自检清单。与传统行业报告不同，本报告不给出任何行业规模预测，只给出研究方法本身的可靠边界。

研究的第一步不是找数据，而是把问题改写成可测量的形式。几乎所有无效的消费研究都起源于一个无法验证的原始问题，例如「这个行业好不好」。改写的方法是补上三个限定：谁在买（人群与场景）、买什么（品类与价格带）、为什么是现在（驱动因素与时间窗口）。改写完成后，问题会自动暴露出需要的数据类型——如果无法指出需要哪张表、哪个字段，说明问题还没有被定义清楚。

第二步是拆解顺序。推荐的做法是「先量后价、先总量后结构、先需求后供给」。先量后价是因为量的变化通常先于价的变化，且量的数据更容易获得官方口径；先总量后结构是为了避免在小样本上做过度解读；先需求后供给是因为供给数据（门店数、产能）具有滞后性，用它解释当期变化容易因果倒置。

量价拆分是最基础也最容易被跳过的一步。做法是：名义金额增速减去价格变动，得到量的增速。当价格数据不可得时，可以用「名义增速与实际增速之差」反推隐含价格贡献。2025 年居民人均消费支出名义增长 4.4%、扣除价格因素后实际增长 4.4% [3]，两者相等意味着隐含价格贡献接近于零——这一年的消费增长几乎全部由量的扩张贡献，而不是价格上涨。这个结论直接改变了后续分析的路径：既然没有价格红利，那么任何以「提价」为核心的增长逻辑都需要额外证据。

除了分品类与分渠道数据，还有两类跨期可比的结构变量值得长期跟踪。一类是恩格尔系数：2017 年全国居民恩格尔系数为 29.3%，比 1978 年下降 34.6 个百分点，城镇与农村双双下降 [14]。它的优点是跨期可比、口径稳定，缺点是更新频率低、对短期变化不敏感，因此适合作为长期背景变量而不是当期论据。另一类是消费对经济增长的贡献率：2025 年最终消费支出对经济增长的贡献率为 52%、较上年提高 5 个百分点 [4]。这个指标反映的是消费相对其他需求项的地位，而不是消费自身增速，两者不可互相替代。

需求侧的三变量乘法是第二级拆解。把某品类的年度市场规模写成：目标人群数量 × 品类渗透率 × 人均年消费频次 × 单次消费金额（测算）。四个因子中，前两个决定「有多少人在买」，后两个决定「每个人买多少、买多贵」。这个结构的好处是每个因子都可以独立取证：人群与渗透率来自人口与调研数据，频次与客单价来自企业披露或渠道调研。它的风险也在于因子数量多——四个因子各高估 10%，整体就会高估 46%（测算），因此每个因子都必须有外部锚，且必须做保守与乐观的区间处理。

框架的作用是防止遗漏与重复。推荐的三层结构是：需求侧回答「钱从哪来」，供给侧回答「货怎么到」，竞争分析回答「为什么是这家」。三层之间通过单位经济连接——需求侧决定客单价与频次，供给侧决定履约成本，竞争格局决定定价权，三者共同决定单店或单客的盈亏平衡点。

渗透率法需要注意阶段判断。渗透率在低位时的增速与高位时完全不同：从 5% 到 10% 是翻倍，从 40% 到 45% 只是 12.5% 的相对提升。常见的做法是用 S 曲线分段——加速段、减速段、饱和段——但必须给出分段依据（如单用户获取成本的变化趋势），而不能仅凭形状拟合。若分段依据不足，应降级为定性的阶段描述。

价格带矩阵的重要性可以用近年的结构变化说明。研究发现中国消费呈现明显的两极特征：一端是高情绪价值、高溢价的高端品质消费，另一端是高实用价值、低价格的高性价比消费，场景上表现为对传统商场的诉求下降、向高端商场与社区团购两端迁移 [12]；另一份研究把这一形态描述为「日常刚需务实、悦己体验提质」，并强调分化不再按人群收入分层，而是同一人群在不同场景间切换消费策略 [13]。对方法论的启示是：价格带矩阵的纵轴应当是场景与价值诉求，而不只是收入水平——按收入分层会漏掉同一人群内部的二元行为。

竞争分析推荐三件工具。第一是份额，但要注意份额的分母选择——按销售额、按门店数、按客流计算会得到不同结论，同一份数据下不同分母的份额排序可以完全相反。第二是护城河清单，逐项验证是否具备：规模采购成本、网络密度、品牌溢价、转换成本、供应关系独占性；每一项都必须能指出对应的可观测指标，做不到的项应标记为「未验证」而不是「具备」。第三是价格带矩阵，把主要玩家按价格带与场景两个维度放入矩阵，观察是否存在正面重叠；重叠区越多，价格战概率越高。

数据按可复核程度分为四档。第一档为一手或官方口径：统计部门发布的月度与年度数据、监管机构公告、交易所披露、上市公司定期报告，这类数据可以直接指到原始文件。第二档为机构二手口径：行业协会、咨询机构与券商研究整理的数据，口径通常自洽但与官方不完全可比。第三档为媒体转引口径：权威媒体报道与行业宣传，未经独立审计。第四档为数据缺口：无法获得可靠来源的参数，正确做法是降级为定性讨论，而不是估一个数字填进模型。

取证的核心动作是「三源交叉」。同一个关键数字尽量找三个来源：官方、机构、企业披露。三者一致时可信度最高；两者一致而第三者有异时，应优先怀疑口径而不是怀疑数据造假；三者互不一致时，正确做法是并列呈现并说明差异来源，而不是取平均。以连锁化率为例，协会口径下的整体商业为 32.7%、零售业态突破 45% [8]，而另一套针对连锁零售的统计给出 68.3% [10]——差异超过一倍，原因在于前者的分母是全部零售门店（含大量单体店），后者的分母是连锁企业门店。把这两个数字放在同一张图上比较，会得出完全错误的整合空间结论。

一手数据的取证还有两个常被忽略的细节。其一是时间戳：所有数据必须记录发布日期，而不是只记数据所属期，因为口径调整与追溯修正时常发生，几个月后复用同一数字可能已经不可比。其二是可比性注释：当来源发生过口径调整时，应在报告中写明调整内容，例如连锁统计剔除某类企业后名义值下降但同口径增长为正——这类说明能让后续使用者避免误读。

测算的四步法是：先写出可相乘的因子链，再为每个因子找外部锚，然后给出保守、中性、乐观三情景，最后用二维敏感性检验结论的稳健性。四步的顺序不可交换——没有因子链就无法定位敏感项，没有外部锚就无法约束参数范围，没有三情景就无法表达不确定性，没有敏感性就不知道结论在哪个参数上最脆弱。

因子链的正确写法是把目标量表达为一串相乘的项，每一项都有明确的经济含义。例如某连锁业态的门店层面年收入可以写作：城市数量 × 单城门店数 × 单店日均客流 × 客单价 × 营业天数（测算）。这个链条里每一项都可以被单独验证，也都可以被单独证伪。与之相对，「行业规模将增长 15%」这种表述无法被拆解，因而不属于可检验的测算。

外部锚的寻找顺序是：官方统计、上市公司披露、行业协会统计、最后才是媒体与调研。一个参数如果找不到任何外部锚，正确做法是把它从相乘链条里移除，改为定性讨论或直接标注为数据缺口。这条纪律看起来会让模型变粗糙，但它避免了「精确的错误」——一个由猜测参数驱动的小数点后两位，比一个诚实的区间更危险。

门店密度与单店产出之间存在一条经验性的倒 U 形关系。密度过低时履约成本无法摊薄，密度过高时单店客流被稀释，中间存在一个产出最高的区间。这条曲线的形状决定了扩张策略：在曲线上升段加密是有利的，在下降段加密则是在用新增门店侵蚀存量门店的产出。判断自己处在哪一段，只需要比较「新增门店带来的增量收入」与「存量门店因分流损失的存量收入」——若后者大于前者，密度已经过高。

可证伪链是研究结论的承重结构。一条完整的链包含六个要素：判断本身、支撑依据、成立边界、反面证据、跟踪指标与证伪条件。其中最容易缺失也最重要的是证伪条件——没有证伪条件的判断无法被修正，因而在实务中只能提供心理安慰，不能提供决策价值。

写法上有四条要求。第一，判断必须是一句话陈述，包含方向与量级；「行业向好」不合格，「该品类的增长主要由渗透率提升贡献而非提价贡献」才合格。第二，依据必须可指到具体来源，不能是「业内普遍认为」。第三，边界必须写明不适用的情形，包括业态、地域与时间范围。第四，证伪条件必须是可观测的指标加阈值，且阈值应当接近当前读数，如果阈值离现实太远，这条链在数年之内都不会被触发，等于没有。

阈值设定是技术活。一个可用的阈值应当同时满足三个条件：可从公开渠道读到、与判断直接相关、且当前读数与阈值之间的距离在合理区间内。举例来说，判断「储蓄意愿偏高抑制可选消费」时，合适的跟踪变量是城镇储户问卷中倾向于「更多储蓄」的居民占比，2025 年四季度该比例为 62.9%、倾向于「更多消费」为 22.5% [5]；若该比例连续两季回落至 60% 以下，同时消费意愿占比回升至 25% 以上，则这条判断需要被修正。这样的阈值既有依据，也有明确的触发路径。

第一类错误是口径混用，前面已经反复出现：把不同口径的连锁化率、不同分母的市场份额、不同覆盖范围的消费增速放在一起比较 [8][10]。第二类错误是总量外推，即用全国平均增速去替代某一细分市场，而细分市场与总量的结构差异可能远大于增速差异。2025 年服务零售额增长 5.5%、高于商品零售 1.7 个百分点 [1]，若用社零总额增速 3.7% 去代表服务类业态，会低估近一半。同样的例子出现在细分品类上：2025 年快餐市场规模 1.084 万亿元、同比增长 7.6% [9]，增速约为社零总额的两倍，用总量增速替代这一细分市场会低估一倍以上。

第三类错误是把同比与环比混为一谈，尤其在季节性强的品类上。第四类错误是忽略基数效应：高基数下的增速回落不等于需求收缩。第五类错误是选择性引用——只引用支持结论的分品类数据。官方数据同时公布通讯器材类增长 20.9% 与文化办公用品类增长 17.3%，也公布餐饮收入仅增长 3.2% [1][3]；只取前者会得到「消费强劲」，只取后者会得到「消费疲软」，两者都不成立。

第六类错误是因果倒置，最常见的形态是用供给数据解释需求变化。门店数量在需求转弱后仍会因关店滞后而继续上升，若不做滞后期修正，会得出「供给增加带动需求」的错误结论。第七类错误是忽视价格因素，把名义增长当作实际改善。第八类错误是缺少人群分层，用平均数掩盖分布——消费行为的分化程度往往远超总量指标的波动，2025 年农村居民人均消费支出增长 5.1%、实际增长 5.3%，高于城镇居民的 3.8% 与实际 3.7% [3]，这种城乡差异在总量数据中完全不可见。分层的另一层含义是行为分层：同一人群在不同场景下的消费策略可以完全相反，刚需场景追求质价比、悦己场景愿意支付溢价 [12][13]，用单一均值描述这种二元行为会同时低估两端的强度。此外还需注意宏观指标的相互印证：2025 年居民储蓄率约 32%、倾向于更多储蓄的居民占比超过 62% [15]，这两组数据与「消费意愿偏弱」的判断一致，但与「消费总量收缩」并不一致——总量仍在增长、意愿指标偏弱，正是需要分层解释的典型情形。

以下清单按研究流程排列，共三十项。每一项都可以用是或否回答；若「否」的项超过五项，结论不宜对外发布，应先补做对应环节。

1. 问题定义：是否已改写为包含人群、品类与时间窗的可测形式；
2. 口径定义：关键指标的分子分母是否已写明并与来源一致；
3. 口径核验：是否检查过同一指标在其他来源下的定义差异；
4. 数据档次：每个关键数字是否标注了一手、二手、转引或缺口；
5. 时间戳：是否记录了数据的发布日期而非仅数据所属期；
6. 可比性：是否说明来源历史口径调整对同比的影响；
7. 量价拆分：是否区分了名义与实际增速并解释价格贡献；
8. 结构拆解：是否在总量之外给出了分品类与分渠道数据；
9. 人群分层：是否按城乡或收入分组验证总量结论；
10. 场景拆分：是否区分商品消费与服务消费；
11. 渗透率：是否给出了目标人群定义与渗透率阶段依据；
12. 频次客单价：两因子是否分别取证而非使用合计值；
13. 供给密度：是否计算了密度并与单店产出交叉验证；
14. 单店模型：成本项是否区分固定与变动、是否含爬坡期；
15. 单客模型：是否包含留存率与获客成本的对比；
16. 连锁化率：是否明确了所用口径与适用范围；
17. 份额分母：份额计算是否说明了按销售额还是门店数；
18. 护城河：每项护城河是否对应了可观测指标；
19. 价格带：是否画出价格带与场景的二维矩阵；
20. 收入质量：是否剔除了返利、补贴与关联交易影响；
21. 现金流匹配：经营现金流与净利润之比是否连续两期核对；
22. 因子链：目标量是否表达为可相乘的因子链；
23. 外部锚：每个参数是否指到具体来源；
24. 无锚处理：无法取证的参数是否已移除或降级；
25. 三情景：保守与乐观参数是否各自独立设定；
26. 二维敏感性：是否定位了结论翻转的参数边界；
27. 可证伪链：每条判断是否含边界、反面证据与阈值；
28. 阈值可达性：证伪阈值是否可能在两年内被触发；
29. 跟踪指标：指标是否公开可得且有明确更新频率；
30. 反向分项：是否主动列出了不利于结论的数据。

清单的使用有一个技巧：把「反向分项」一项放在最后，但要求它在写作前就完成。先找出最不利于自己结论的三条数据，再决定结论的表述强度。如果反向数据足以推翻结论，那么调整结论远比调整表述便宜。这也是可证伪链与自检清单之间的关系——清单是流程检查，链是结论检查，两者缺一不可。

以下风险与正文方法判断一一对应，按「方法误用—数据局限—外部变化」三类列示：

1. （一）口径未统一即横向比较
2. （二）用总量增速代表细分市场
3. （三）参数缺外部锚仍强行建模
4. （四）抽样调查外推为全量事实
5. （五）阈值设置过远失去跟踪意义
6. （六）结构分化使均值失效

对号入座：（一）对应第三章与第六章，连锁化率两套口径相差一倍以上 [8][10]；（二）对应第一章与第六章，服务零售增速 5.5% 与社零总额 3.7% 相差 1.8 个百分点 [1]；（三）对应第四章，无锚参数应移除或降级；（四）对应第三章，储户问卷为 2 万户抽样、覆盖 50 个城市 [5][6]；（五）对应第五章，阈值须在两年内可能被触发；（六）对应第一章与第六章，城乡实际消费增速相差 1.6 个百分点 [3]。

这些风险的共同点是它们不会让报告无法完成，而是让报告「看起来完整但不可用」。最需要防范的是（一）与（六）的叠加：口径未统一时，结构分化的数据会被误读为趋势；而一旦用均值替代分布，所有分层结论都会消失。其次是（三），它是唯一可能让整篇报告失去意义的风险——如果核心结论建立在猜测参数上，那么写作质量再高也无法弥补。

结论一：消费研究的可复现性来自流程，而非数据量。口径定义与拆解顺序决定了 80% 的结论差异 [8][10]；把问题改写为可测形式、固定口径、先量后价，是三项成本最低、收益最高的动作。结论二：需求侧的可靠拆解是渗透率、频次与客单价三变量，它们分别对应不同的取证渠道，也因此可以分别被证伪。

结论三：供给侧与竞争分析的落点是单位经济。门店密度与单店产出之间存在倒 U 形关系（测算），连锁化的可持续性取决于总部能否把供应链成本压到加盟商仍有盈利的水平；参考结构中，整体商业连锁化率 32.7%、零售突破 45%、餐饮 25%、休闲饮品 54% [7][8][11]，品类之间的差异本身就是整合空间差异的度量。

结论四：前瞻判断必须写成阈值。下表给出方法层面可用的五个跟踪变量与建议阈值区间，用以检验本报告提出的各项方法判断是否成立：

把九章合起来，这份方法论的立场可以概括为一句话：消费研究的目标不是给出一个数字，而是给出一个能被修正的结构。数字会过时，结构会保留下来。当一个结论的证伪条件被写清楚时，它就已经完成了大部分工作——因为读它的人知道了在什么情况下应当重新看这件事。

本报告共设八条可证伪链，覆盖口径对账、问题定义、框架闭合、跨口径比较、参数锚定、可证伪规范、错误归因与自检机制。每条链均给出依据、边界、反面证据、跟踪指标与证伪条件。台账如下：

本报告所有关键数据均按四档标注来源档次，以区分证据强度与可复核性：

• [T1]一手或官方口径：统计部门发布、监管机构调查、交易所披露，可直接复核；
• [T2]机构二手口径：行业协会、咨询机构与券商研究整理数据，口径可能存在差异；
• [T3]转引口径：媒体转载或企业对外宣传，未经独立审计，仅作参考；
• [缺口]数据缺口：无法获得可靠来源的数据，本报告一律降级为定性讨论或不写。

本报告的重点是方法而非结论，因此正文中的数字主要承担两个功能：一是作为口径差异的实例，二是作为阈值的当前读数。需要提醒的是，同一指标在不同来源下可能存在显著差异，例如连锁化率在不同统计口径下相差可达一倍以上，本报告已在正文中逐处标注，请勿将不同口径的数字直接比较。所有标注「测算」的数字均为基于公开参数推算的结果，推算公式与参数取值在正文中逐项给出，用于说明方法而不作为行业预测。