这个栏目研究的，是观众从进场到离场的每一次消费决定

场馆经营报表里最常见的数字是“场均餐饮收入”“场均零售收入”“人均消费”。这些数字能告诉经营者结果，却很难告诉他们原因。人均消费下降了，可能是价格偏高，可能是排队太长，可能是新观众找不到消费点，也可能只是这一场比赛太胶着，观众中场不愿意离开座位。

场馆消费分析要做的，是把一个总数拆回到一连串具体的消费决定上：观众是谁（Audience），他在场馆的什么位置（Location），他在那个时刻做了什么（Behavior），他最终买了没有、买了什么（Purchase），以及场馆的布局是否让这次购买更容易发生（Layout）。这个栏目里的每一篇文章，基本都沿着这条线展开。

我们的一个基本判断是：消费低不一定意味着观众不愿意花钱。很多时候，观众已经动了购买的念头，只是被距离、时间和队伍挡了回去。找出这些没有被充分利用的消费机会，比简单地涨价或降价更有价值。

观众行为：同一座场馆里，不同观众的消费方式差别很大

一场比赛的观众并不是同一种人。季票老球迷熟悉场馆，习惯错峰购买；首次到场的观众不知道哪个餐饮点人少；家庭观众更在意儿童套餐和排队时间，带着孩子不会在中场排十分钟队；结伴自驾的观众到得早、停留久，更愿意吃一顿正餐；企业包厢里的客人则几乎不去大厅通道消费。

如果把这些人放在一个平均数里，任何结论都会失真。Consumer Analytics 在分析时会先按票种、购票渠道、同行人数、到达方式、是否首次到场等维度分组，再讨论每一组的消费变化。很多“人均下降”的问题，拆开后其实是观众结构变了，而不是同一批观众的购买意愿变了。

场馆布局与消费路径：入口、通道、座席区、消费点和停车场

和普通商场不同，体育场馆的观众活动范围被座位和比赛时间牢牢限定。一次完整的消费路径通常是：停车场或公共交通站点—入口—大厅通道（Concourse）—座席区—餐饮点或零售点—座席区—出口—停车场。路径上任何一段拉长，观众都可能放弃购买。

Spatial Analytics 会把这些位置放在同一张平面图上，计算每个座席分区到最近消费点的步行时间，叠加每个时段的排队长度和路过人数。经常出现的问题包括：新开放的看台离餐饮点太远；面积最大的零售店恰好位于离场方向的背面；停车场入口附近只有快餐，而最愿意吃正餐的自驾观众恰好从这里进场。这些问题在单点销售报表里几乎看不出来，只有把空间维度放进来才会显现。

餐饮：先分清价格、排队、位置、时段和商品

餐饮是场馆消费里交易次数最多、也最容易被误判的一项。客流增长了，餐饮收入却没有同步增长，最常见的反应是怀疑价格。但数据往往显示，在排队很短的时段，观众的下单比例并没有明显变化，问题集中在中场15分钟：收银窗口已经接近满负荷，队长超过20人之后，看了就走的比例迅速上升。

全场层面如何区分价格问题和排队问题，可以阅读体育场餐饮收入没有跟着客流增长一文；如果需要落到每一个餐饮点，按排队、价格、位置、时段、商品五个维度逐点检查，可以参考场馆餐饮诊断清单。两篇文章的共同结论是：先确认问题出在哪一环，再决定是降价、加窗口、改菜单，还是调整点位。

零售：时间窗口往往比店铺面积更重要

场馆零售的一个显著特点，是消费高度集中。在模拟数据中，一场足球比赛终场前后的30分钟可以贡献四成左右的零售收入，而这段时间的需求又受胜负情绪影响很大：赢球场次的终场零售额可以是输球场次的两倍以上。与此同时，这也是收银台最拥挤、离场人流最难控制的时候。

因此零售分析的重点不只是选品和定价，还包括零售点是否在观众离场的必经之路上、收银能力能否接住高峰、线上下单场内自提能否把一部分购买提前。相关分析见比赛结束前后30分钟的场馆零售。

停车：常被忽略的第一个和最后一个消费场景

停车通常被当作一项独立收入来管理，但对很多自驾观众来说，停车场是他们到达场馆的第一站，也是离开前的最后一站。把停车、餐饮和零售数据在匿名化前提下关联起来，往往能看到单独报表发现不了的问题：自驾观众到得更早、停留更久、人均消费更高；停车场满位后到达的观众入场更晚，消费明显下降；赛后在停车场出口等候的半个多小时里，周边没有任何消费点。

这类联合分析也最需要注意隐私：明文车牌和支付账号不进入分析环境，结果只以群体形式输出，分组人数过少时不显示。具体方法见停车、餐饮和零售数据的联合分析。

娱乐项目与VIP消费：高价值但样本少的两类消费

除了餐饮、零售和停车，很多场馆还有互动体验区、儿童游乐区、赛前球场参观、球迷合影等娱乐项目，以及包厢、贵宾席和会员餐厅等VIP消费。这两类消费单价高、对整体收入的贡献不小，但样本量少、受活动类型影响大，分析方法和大众消费不同。

娱乐项目更依赖到场时间和等待成本：赛前开放、排队时间可见的体验项目，参与率明显更高；VIP消费则更依赖服务动线和预订节奏，例如包厢客人的餐饮是否能在开场前送达、赛后是否有专属离场通道。这类消费往往需要结合人工访谈和现场观察，不能只靠交易数据下结论。它们与商铺和品牌的合作方式密切相关，也会影响体育场馆招商中对空间价值的判断。

这里的分析怎么做，以及哪些事情我们不做

场馆消费分析通常由几个模块分工完成，而不是由一个模型全自动得出结论：

  • Consumer Analytics：按观众分组分析购买比例、客单价、品类结构和时段分布。
  • Spatial Analytics：把入口、通道、座席区、消费点和停车场放在同一张平面图上，计算步行时间、路过人数和排队长度。
  • Venue Intelligence：把闸机、座席、通道计数、收银和停车数据对齐到同一条时间轴上，给出最可能的原因排序和调整建议。
  • 人工复核：场馆运营、餐饮和零售负责人结合现场观察确认判断，并决定实验方案和投入。

我们不做针对个人身份的追踪，不在没有明确同意的情况下把分析结果用于个人营销推送，也不会把一次模拟测算当作确定的收入承诺。任何布局调整，都建议先在小范围做对照实验，再决定是否推广到全场。