市场区域与供应区域分析

假设我们正在评审一家社区便利店的新址。选址同事在地图上画了一个半径一公里的圆，说圆内有两万名居民，所以门店应该能开。运营同事却摇头：圆的东侧被高架切断，居民要绕行十二分钟；西侧虽然只有七百米，却连着地铁口和学校，早晚客流都从门前经过；更麻烦的是，西北方向八百米处已有一家同品牌老店。这个圆算出来的人很多，却没有回答三个真正决定利润的问题：谁愿意来、谁能够来，以及其中有多少人原本就在我们的另一家店消费。

再把地图翻到供应端。一家工厂可能把“供应半径”理解为距厂三百公里，但某家两百公里外的供应商要经过拥堵的跨江通道，实际到货时间比四百公里外、全程高速的供应商还不稳定。此时，公里数也没有直接回答我们最关心的问题：货能否按时到、总成本是多少、主线路中断后有没有替代方案。

因此，本章将以一套可实际操作的判断顺序切入，不直接讨论“市场区域是什么”。我们的分析流程如下：

1. 明确业务承诺；
2. 将地理空间转换为时间和成本；
3. 绘制可达边界（判断哪些人或货可以到达）；
4. 估算边界内的选择概率（谁会选择我们）；
5. 计算销售额、产能、蚕食和风险。

接下来，我们会依次拆解五个案例。所有案例数据均经过教学化处理、关键数值可以复算。重点在于帮助大家掌握如何根据自身的订单、客流、路网和供应商数据，复刻整个分析流程。

---

先把“区域”说清楚：我们到底在画哪一条边界

市场区域与供应区域经常被画成一个色块，但同一张地图上至少存在四种不同边界。

我们不能用其中一条替代另外三条。一个小区可能在门店十分钟骑行圈内，因竞争对手更近而只有 20% 的选择概率；也可能选择概率很高，却因为高峰期运力不足而频繁超时。市场区域是“需求从我们这里流出去”的空间，供应区域则是“资源向我们这里流进来”的空间。两者方向相反，但计算逻辑相通：都要把节点吸引力与空间阻力放进同一个框架。

三个最小模型，分别解决三类问题

第一类是两点之间的硬分界。 当我们只比较两个商业中心，而且把规模视为吸引力时，可以先用 Reilly 分界点做快速判断。设两个中心 A、B 的距离为 $D_{AB}$，吸引力分别为 $S_A$、$S_B$，距离衰减指数取 2，则从 A 出发的分界距离为：

$$d_A=\frac{D_{AB}}{1+\sqrt{S_B/S_A}}$$

分界点不是中点。A 越有吸引力，边界越向 B 推进。这里的吸引力可以先用营业面积、床位能力、SKU 数或产能近似，但后面必须用真实行为数据校准。

第二类是多点竞争下的软分界。 消费者不会在一条线两侧突然改变选择，因此更实用的是 Huff 概率。对居住单元 $i$ 和设施 $j$，设设施吸引力为 $A_j$，网络时间为 $t_{ij}$，则选择概率为：

$$P_{ij}=\frac{A_j^{\alpha}/t_{ij}^{\beta}} {\sum_{k=1}^{n}A_k^{\alpha}/t_{ik}^{\beta}}$$

$\alpha$ 表示顾客对吸引力的敏感程度，$\beta$ 表示对时间的厌恶程度。便利店的 $\beta$ 通常应比目的性很强的专科医院更大，因为买一瓶水的人不愿绕远，而复杂手术患者可能跨城求医。这里不要迷信默认参数：我们可以用会员地址、订单来源或问卷记录，选择一组让预测份额最接近实际份额的参数。

第三类是网络可达边界。 把道路看成由节点和边组成的网络，每条边带有时间、距离、过路费或风险权重。设施到某个位置的最小广义成本为：

$$g_{ij}=\min_{r\in R_{ij}}\sum_{e\in r} (w_t t_e+w_c c_e+w_r r_e)$$

当 $g_{ij}$ 不超过承诺阈值时，该位置才进入服务区。这样画出的边界会沿道路伸展，被断头路、河流和禁行规则截断，不再是圆。

---

案例一：便利店不是争夺一公里，而是在争夺十分钟

生意问题

某连锁品牌考虑在“云杉路”开一家 180 平方米的新店。项目报告只写了“半径一公里内 1.05 万户”，但品牌在西北方向已有一家 150 平方米门店，东南方向还有一家 120 平方米的竞品。我们要判断新店的主商圈、次商圈、被道路切断的区域，以及它会从老店手里拿走多少销售。

先看数据，不先画圆

我们把周边拆成五个居住或流量单元，并用晚高峰步行路网计算时间。候选店吸引力先用营业面积近似，之后再用营业时长、鲜食品类与入口可见度修正。表中的“候选店份额”已把同品牌老店和竞品同时放进 Huff 模型，取 $\alpha=1$、$\beta=2$。

乙社区最能说明为什么“最近”不等于“全拿”。候选店、老店、竞品对乙社区的效用分别是：

$$U_{新}=\frac{180}{7^2}=3.67,\quad U_{老}=\frac{150}{6^2}=4.17,\quad U_{竞}=\frac{120}{5^2}=4.80$$

因此候选店的选择概率约为：

$$P_{新}=\frac{3.67}{3.67+4.17+4.80}=29.0\%$$

这个结果比“七分钟内全部算我们的顾客”保守得多，也更接近真实竞争。我们把网络时间不超过 10 分钟且 $P_{新}\geq55\%$ 的单元定义为主商圈；时间不超过 15 分钟且 $25\%\leq P_{新}<55\%$ 的单元定义为次商圈；其余只作为机会区。于是甲和戊进入主商圈，乙和丙进入次商圈，丁虽然直线距离不远，却因绕行与竞争被排除。

再算蚕食，而不是只算新店销售

新店开业前，乙社区在老店和竞品之间分配。老店原份额为：

$$P_{老,开业前}=\frac{150/6^2}{150/6^2+120/5^2}=46.5\%$$

新店加入后，老店份额降到 $4.17/(3.67+4.17+4.80)=33.0\%$。新店获得 29.0%，其中有 13.5 个百分点来自老店损失。我们把“老店损失份额 ÷ 新店获得份额”作为局部蚕食率，乙社区的蚕食率约为：

$$Cannibalization=\frac{46.5\%-33.0\%}{29.0\%}=46.6\%$$

接下来按每个单元的日购买频次与客单价估算销售，而不是把人口直接乘一个全区平均数。

如果老店预计因此每天减少 3,600 元，而新店日固定与人工成本折算为 4,800 元、毛利率为 28%，那么品牌网络层面的日增量贡献是：

$$15,479\times28\%-4,800-3,600\times28\%=-1,474\text{ 元}$$

单看新店流水很热闹，放到品牌网络却是负贡献。操作上，我们不会立刻否决位置，而会先改变门店角色：把新店做成早餐、鲜食和地铁通勤型小店，将面积从 180 平方米压到 110 平方米；同时把乙社区的拉新预算转向甲、丙和戊，避免在自家老店门口买流量。若精简后固定成本下降 1,300 元、老店损失下降到 2,100 元，项目才接近可试营业状态。

这个案例的局限也很清楚：营业面积只是吸引力代理；通勤客流不能直接当住户；开业促销会短期改变选择；雨天、夜间门禁和学校寒暑假会使网络时间与需求同时变化。正式决策应至少用四周分时段数据校准，并把工作日早高峰、工作日晚高峰和周末分别建模。

---

案例二：县域商场的分界点为什么不在两地中间

生意问题

县城 A 有一座 6 万平方米的综合商场，邻县城 B 有一座 2.5 万平方米的商业中心，两地沿主干道相距 42 公里。集团准备在两县之间的中心镇 C 开一家 1.5 万平方米的社区型商业中心。直觉上，C 能承接中间乡镇的消费；但如果它吸走的主要是 A 商场会员，而不是 B 商场顾客，集团只是把收入从左口袋挪到右口袋。

用 Reilly 找第一条边界

先忽略道路差异，只比较 A 与 B。分界点距 A 的距离是：

$$d_A=\frac{42}{1+\sqrt{2.5/6.0}}=25.5\text{ 公里}$$

也就是说，A 商场的影响力越过了两地中点 4.5 公里。若某乡镇距 A 24 公里、距 B 18 公里，它仍可能偏向 A，因为 A 的品类和体验更强。这个计算适合快速解释“为什么边界偏移”，但不能处理 C 加入后的三方竞争，因此下一步改用 Huff 模型。

为避免把“面积大”误当成“一切都好”，我们构造综合吸引力分数：

$$A_j=0.45\times\text{有效营业面积指数} +0.25\times\text{品牌丰富度指数} +0.20\times\text{停车便利指数} +0.10\times\text{活动热度指数}$$

各项都标准化到 0—100。得到 A、B、拟建 C 的吸引力分别为 92、61、68。再把各乡镇到三处的驾车时间放入 $\alpha=1.2$、$\beta=1.6$ 的 Huff 模型。

以河湾镇为例，三处效用可按 $U_j=A_j^{1.2}/t_j^{1.6}$ 计算。为了让一线团队容易复核，也可先用简化指数 、 做敏感性检查：

$$U_A=\frac{92}{38^2}=0.0637,\quad U_B=\frac{61}{31^2}=0.0635,\quad U_C=\frac{68}{14^2}=0.3469$$

简化参数下，C 的份额为 $73.2\%$；校准参数下为 63%。两种结果虽然不同，却给出同一个行动信号：河湾镇属于 C 的核心争夺区，而最终预算不能依赖某一组未经校准的指数。

把边界、竞争与蚕食放进一张表

我们将 $P_C\geq50\%$ 定义为 C 的主服务区，$30\%\leq P_C<50\%$ 为共享服务区。C 的主区只有河湾镇；南桥、石岭和工业新城都是共享区；城西片区不应列入 C 的销售保底盘。然后把集团 A 商场开业前后的份额变化单独算出来：在南桥镇，A 的份额从 64% 降至 37%，C 获得 48%，所以局部蚕食率为 ；在河湾镇，A 从 51% 降至 19%，C 获得 63%，蚕食率为 50.8%。

操作结论不是“C 越大越好”，而是把 C 定位为高频生活消费中心，不复制 A 的高端服饰和大型娱乐。C 应重点补齐生鲜、餐饮、亲子、维修与县乡共同配送功能；集团会员券要设置跨店差异，避免用同一张满减券把 A 的周末目的性客流主动导向 C。选址上应靠近通往河湾镇和工业新城的路口，而不是追求行政地理中心。

局限在于，县域消费具有赶集日、节庆、学校开学和外出务工返乡等强季节性；面积也不能完整代表吸引力。山路、班车频次和停车排队会改变实际阻力。更稳妥的做法是用会员手机号归属、停车记录与支付小票估计真实来源地，并分“高频日常消费”和“低频目的消费”拟合两套距离衰减参数。

---

案例三：医院服务区的核心不是画满十五分钟，而是十五分钟内接得住

生意问题

某城区计划新增一个社区卫生服务站，希望让居民更容易获得常见病诊疗、慢病随访和基础检验。地图上现有中心 H1 的十五分钟步行圈看似已经覆盖大部分社区，但南部铁路只开放两个穿行口，且 H1 上午平均候诊时间达到 18 分钟。北侧综合医院 H2 距离更远，却因预约分流较好，部分居民反而愿意前往。我们需要回答：哪些居民是真正的薄弱覆盖人群，新服务站放在哪里能改善可达性，又会不会造成设施闲置或无效重复。

服务区必须按“前往设施”的网络方向计算

医院与外卖仓不同。病人要从居住点前往医院，因此我们沿路网朝设施方向累计时间，并把铁路穿行口、陡坡、无障碍通道和夜间关闭的社区门录入限制。对老年人服务，还应把步行速度从普通成人情景的每分钟 75 米降到每分钟 55 米，再分别输出 5、10、15 分钟圈。

下面是五个网格的教学数据。容量分数综合了每小时接诊能力、基础检验能力和开放时长，H1 为 80，H2 为 120，拟建站 N 为 55。

如果只按在途时间和容量做重力选择，G3 选择 H1 的概率是：

$$P_{G3,H1}=\frac{80/12^2}{80/12^2+120/16^2}=54.2\%$$

但居民感受到的不是“走到门口”，而是“多久能开始获得服务”。把候诊加入广义时间，设 H1 平均候诊 18 分钟、H2 为 7 分钟，则：

$$P_{G3,H1}=\frac{80/(12+18)^2} {80/(12+18)^2+120/(16+7)^2}=28.2\%$$

同一个网格的预测发生反转。它提醒我们：医疗服务区既是交通问题，也是容量问题。若 H1 每小时能接诊 40 人，而上午到达需求为 52 人，理论上被覆盖的居民仍会排队；地图的绿色并不代表服务真的可用。

新站的边界与“有意蚕食”

我们先设置硬边界：普通成人步行 15 分钟，老年情景步行 12 分钟。再设置能力约束：N 每小时最多接诊 24 人，慢病随访与常见病合计占用不超过 20 人，给临时需求留出 4 人缓冲。最后用 Huff 模型分配非急诊基层需求。测算结果如下：

商业门店通常把蚕食视为坏事，公共服务却不同。N 从 H1 转移 80 人次，其中大部分是慢病续方、常见病和基础检验，这种“有意蚕食”能释放 H1 的诊室与候诊空间。判断是否值得的关键不是 N 抢了多少量，而是转移后是否让复杂患者更快获得 H1、H2 的能力。若 H1 上午候诊从 18 分钟降到 10 分钟，G3 对 H1 的广义选择概率将回升，设施之间会形成分层而不是零和竞争。

边界划分上，G2、G4 是 N 的主服务区，G3 是共享区，G1 只适合分流，G5 不应纳入 N 的覆盖绩效。操作结论是把 N 放在铁路南侧穿行口与 G4 之间，优先配置全科、慢病、采血和远程会诊，不重复建设高成本影像能力；预约系统给 G2、G4 居民保留时段，并监控老年人真实门到门时间，而不是只报地图覆盖率。

这个模型不能替代医疗规划。急救、传染病、产科和专科转诊的时间价值完全不同，不能混成一套权重；人口数也不能直接当诊疗需求。残障通行、公交班次、医生排班与药品可得性都可能改变边界。最重要的是，概率模型只能描述选择与分流，不能把医疗公平简化成销售份额最大化。

---

案例四：生鲜前置仓的半径，是从三十分钟承诺里倒推出来的

生意问题

一家即时零售企业在城区已有 W1、W2 两个前置仓，准备新增 W3。团队过去按“仓周围三公里”分单，但 W1 北侧道路通畅，四公里也能按时送达；南侧隔着河，直线两公里却要绕桥。更棘手的是，高峰期 W1 拣选排队，骑手到仓后要等货。我们要判断 W3 应覆盖哪里、是否真能提升履约，还是只把 W1 的订单搬到了一个新仓。

从承诺时间倒推骑行边界

三十分钟承诺不是三十分钟骑行。它由接单、拣选、交接、骑行、上楼和安全缓冲组成：

$$T_{总}=T_{接单}+T_{拣选}+T_{交接}+T_{骑行}+T_{上楼}+T_{缓冲}$$

若接单 1 分钟、拣选 7 分钟、交接 2 分钟、上楼 3 分钟、安全缓冲 4 分钟，留给骑行的时间只有：

$$T_{骑行,max}=30-1-7-2-3-4=13\text{ 分钟}$$

所以我们应在骑行路网上画 13 分钟边界，而不是先定三公里。如果把 W1 的拣选从 7 分钟优化到 5 分钟，它的有效服务区会沿畅通道路自然外扩；这往往比租一个新仓便宜。

候选 W3 上线前，五个订单网格的情况如下。峰值订单是晚高峰每小时订单，履约时间包含拣选与配送。

顾客选择不仅受时间影响，也受“下单时有没有货”影响。用库存满足率作为吸引力，取 $\alpha=2$、$\beta=2$，对 C3 比较 W1 与 W2：

$$U_{W1}=\frac{0.92^2}{28^2}=0.001080,\qquad U_{W2}=\frac{0.97^2}{36^2}=0.000726$$

W1 的份额约为 59.8%。如果 W1 晚高峰库存满足率掉到 75%，效用变为 $0.75^2/28^2=0.000718$，份额就降到约 49.7%。两公里的距离优势，可能被缺货一次抹掉。

新仓不能只看覆盖订单，还要看网络增量

W3 加入后，我们用“最短可承诺时间 + 库存效用”分单，并设置 W3 拣选能力 180 单/时、骑手有效运力 155 单/时。没有能力约束时，模型会给 W3 分配 238 单/时，看起来需求充足；加入运力约束后，83 单必须回流 W1、W2，边界随高峰动态收缩。

W3 的订单蚕食率为 $105/155=67.7\%$。这个比例并不自动说明项目差，因为其中 32 单是从超时转为准时，能减少退款与流失；但 C4 的订单几乎全从 W2 搬来，不该用补贴争夺。边界上，我们把 30 分钟内准时概率不低于 90%、库存满足率不低于 93% 的网格列为主服务区；任一条件不满足就进入弹性区。于是 C1、C2 是主区，C3 和 C5 需靠补库存或调整路线后才能稳定纳入，C4 默认由 W2 服务。

操作结论是：W3 可以开，但面积与运力按 155 单/时设计，而不是按模型未约束的 238 单/时设计；W3 首批 SKU 重点覆盖 C5 家庭消费和 C2 晚高峰，C4 不投拉新券；W1 优先做波次拣选，若拣选减少 2 分钟后超时已明显下降，应重新评估 W3 的必要面积。分单系统每 15 分钟更新一次拣选队列、骑手供给和道路时间，让边界跟着能力变化。

局限包括：天气会同时改变需求和骑手速度；库存满足率与时效不是独立变量；平台补贴会改变选择；新仓开业初期订单分布不稳定。模型还没有处理同一骑手多单顺路配送的路径协同，因此不能把单点最短时间直接当最终路线成本。

---

案例五：制造业供应半径不是越近越好，而是总成本与断供损失的共同边界

生意问题

一家装配工厂每天需要 2,000 件关键执行器。采购团队倾向选择单价最低的远端供应商 S3，生产团队则坚持全部交给 80 公里内的 S1。两种意见都只盯住一个变量：前者只看采购价，后者只看距离。我们要建立一条能解释的供应边界，并决定 S1、S2、S3 的份额。

把到厂价拆开

供应商的广义到厂成本不只是报价和运费：

$$C_j=p_j+f_j+h_j+q_j+r_j$$

其中 $p_j$ 是采购价，$f_j$ 是运输与装卸，$h_j$ 是交期带来的库存资金与仓储，$$ 是质量损失， 是断供风险的期望损失。三家供应商的教学数据如下：

S3 的报价比 S1 低 5.2 元，但广义到厂成本反而高 4.3 元。风险项可以这样得到：若 S3 所在通道每季度有 4% 的概率触发一次平均 1,300 万元的停线、加急替代与订单违约损失，季度采购量为 13 万件，则摊到单件的期望损失约为：

$$r_{S3}=\frac{4\%\times13,000,000}{130,000}=4.0\text{ 元}$$

这个 4.0 元不是凭感觉打分，而是把一个明确情景摊到单件。实际建模还应把港口延误、最低订货量造成的呆滞、多级供应透明度不足等情景逐项列出，避免把不同风险揉成一个无法审计的“风险系数”。

从最高可接受成本倒推经济半径

假设某一类本地候选供应商的非距离成本为 48.8 元/件，公路距离成本近似为 0.012 元/件·公里，工厂愿意接受的广义到厂成本上限为 52 元，那么常态经济半径是：

$$r_{经济}=\frac{52-48.8}{0.012}=266.7\text{ 公里}$$

这条边界恰好把 S2 纳入，把 S3 排除。但它不是永久禁区：如果铁路班列把 S3 的单位运输与风险成本合计降低 3 元，S3 可能重新进入备选区。反过来，即使供应商只有 120 公里远，只要必须穿越冬季经常封闭的山口，也可能被排除在主供应区之外。

供应区的网络边界应同时分三层：主供应区要求常态交期不超过 2 天、广义成本不超过 52 元、路线至少有一条可用；备份供应区允许成本到 56 元，但必须能在 72 小时内启动；战略远端区用于稀缺技术或跨区域风险对冲，不承担无缓冲的日常主供。按这个定义，S1、S2 是主区，S3 是备份与议价区。

竞争、份额和“韧性蚕食”

如果完全按最低成本分配，先把 S1 的 1,400 件能力用满，再向 S2 采购 600 件，日采购成本为：

$$1,400\times50.2+600\times50.8=100,760\text{ 元}$$

但 S1 一旦停供，S2 只有 1,000 件能力，缺口仍达 1,000 件。为了保持三家供应商的量产状态，我们比较三种组合：

表中的“失效缺口”还要结合其他供应商的短期增产能力解释。若 S1 失效后 S2 可临时增加 300 件、S3 可增加 200 件，平衡方案的净缺口可从 1,200 件降到 700 件。进一步配置 1.5 天安全库存，即 3,000 件，就能争取切换时间。

这里也存在一种容易忽略的蚕食现象：当大量订单转给远端低价供应商时，近端供应商会因订单减少，难以维持模具、人员和原料库存的经济性，最终削弱本地的应急能力。

操作建议如下：

1. 选择 60%/30%/10% 的平衡供应份额，以兼顾成本和韧性；
2. S1、S2 应使用不同的关键二级原料来源，避免“表面双源、底层同源”的隐患；
3. S3 保持最小经济批量，每季度进行一次紧急切换演练，保证替代能力；
4. 采购看板建议同时展示以下信息，以便动态监控：
   • 单价
   • 广义成本
   • 供应商产能利用率
   • 路线风险
   • 可恢复时间

局限在于，期望损失会掩盖低概率巨灾，成本之间也可能相关：暴雨既延误运输，又推高现货价。供应商填报的二级来源和最大产能可能偏乐观；质量问题还有批次相关性。对关键件，最终决策应增加压力测试：假设一个区域中断 7 天、一个供应商质量冻结 10 天，再看库存和替代能力是否足够。

---

把五个案例收束成一套可以复用的分析流程

我们不需要每次都从复杂模型开始。一个可靠的区域分析项目，可以按下面七步推进。

最小数据表：没有这些字段，先不要急着建模

地图上应该同时呈现什么

一张真正用于决策的地图，至少要让使用者看到节点、需求、路网和结果四层。节点层标出自有点、竞品与容量；需求层展示人口、订单或物料量；路网层显示时间、障碍和方向；结果层同时展示可达圈、概率边界、经济贡献与溢出。若只能选择一种结果颜色，优先显示“行动状态”而不是漂亮的连续色带：保卫、进攻、共享、退出、补能力、做备份。

---

参数怎么定：不要把模型默认值当成事实

Huff 模型的 $\alpha$ 与 $\beta$ 不是行业常数。我们可以把历史订单按来源单元聚合，给定一组候选参数，计算预测份额与真实份额的误差：

$$Loss(\alpha,\beta)=\sum_i w_i\sum_j (P_{ij}^{预测}-P_{ij}^{实际})^2$$

选择误差最小的参数后，还要做留出验证：用前三周拟合，用第四周验证。如果训练误差很低、验证误差很高，通常说明我们把促销、节假日或偶然拥堵学成了长期规律。没有足够交易数据时，可先运行三组情景而不是给出一个虚假的精确答案。

如果一个项目只有在“目的主导”情景下才成立，我们就必须证明自己的吸引力真的足够稀缺；如果供应方案只有在风险损失取零时才便宜，那么它其实没有通过压力测试。

---

常见误判：看到一张商圈图时，我们先问这六句话

1. 这是直线半径还是路网时间？ 如果是直线半径，河流、高架和单行规则可能全部被忽略。
2. 边界表示能到，还是会选？ 能到达不等于有选择概率，更不等于有利润。
3. 吸引力用什么度量？ 面积、床位、SKU、价格和质量不能不加说明地混成一个分数。
4. 容量满了以后怎么办？ 如果模型仍把需求塞给满载节点，得到的只是理论份额。
5. 新增量来自哪里？ 外部转移、内部蚕食、失败挽回和新需求必须拆开。
6. 边界在什么时段成立？ 工作日、周末、雨天、节庆和晚高峰可能需要不同地图。

---

结尾：区域不是一个名词，而是一项经营选择

市场区域回答“我们能为谁创造价值并获得回报”，供应区域回答“谁能以可接受成本和风险支撑我们”。两者都不是围绕节点画一个圆。便利店的边界被步行入口、竞品和自有老店共同塑造；县域商场的边界被规模与目的性消费推离中点；医院的边界要把候诊和公平放进可达性；前置仓的边界从承诺时长、拣选与运力倒推；制造业供应半径则由到厂成本、能力和中断风险共同确定。

真正可执行的顺序始终一致：先从具体业务承诺出发，用路网建立直觉；再定义吸引力、阻力、容量和经济指标；随后选择 Reilly、Huff、重力或最短路方法；把结果画成可达、选择、经济与能力四层边界；最后拆解竞争、蚕食和风险，给出能改变边界的行动。只要这条链条不断，我们面对的就不再是一块模糊的“区域”，而是一组可以测试、调整和复盘的经营决策。