核心用法
本 Skill 专注于餐饮连锁品牌的拓店选址分析，核心工作流遵循"机会区域 → 候选点竞争 → 风险与缺口 → 下一步实地验证"的逻辑链条。用户可通过腾讯地图复制的地点名称和地址文本作为输入，结合店店通已发布的真实门店快照数据，快速完成选址决策。
操作流程分为三步：首先调用 /v1/network/brands 确认品牌目录及数据覆盖能力；其次根据需求选择聚合分析接口（如 profile 查看门店规模画像、direction 分析竞对扩张方向、regions 获取省市区县增长数据）或明细查询接口（如 nearby 查看地址附近跨品牌门店、site-screen 进行 1-3 个候选点初筛）；最后按结构化格式输出结论。
显著优点
数据真实性保障：所有结论均来自店店通已发布的真实门店快照，明确排除网页传闻、模型记忆或未经核验的行业数据，确保选址决策建立在可验证事实基础上。
结构化决策框架：将复杂的选址分析拆解为可执行的四步流程，降低选址分析的专业门槛，使非数据背景的拓展人员也能快速获得 actionable insights。
灵活的查询能力：支持从品牌宏观网络分析（多品牌对比、区域趋势）到微观地址核查（百米级半径附近门店、候选点竞争密度）的多层级查询，适配不同阶段的选址需求。
严格的数据边界控制：通过 capabilities 门禁机制、complete_through 覆盖期提示、preview.truncated 截断标记等设计，防止用户基于不完整或过期数据做出错误决策。
潜在缺点与局限性
数据时效性限制：门店状态基于最后更新时间判断，存在观察延迟；关店确认需满一个自然月未更新才形成，可能导致最新的门店变动未及时反映。
行业覆盖单一：明确限定于餐饮行业，汽车后市场、零售、五金建材等问题无法处理，需切换至对应行业 Skill。
明细查询受限：nearby、stores、events 等接口强制限制返回数量（默认 10 条，最多 20 条），不支持分页或全量导出，用户索要完整清单时需改为提供聚合统计。
空间分析非预测性：site-screen 返回的空间密度和竞争格局仅为现状描述，不代表开店成功率或营收预测，需结合线下实地验证。
商业营收数据缺失：不包含可验证的营收、同店增长、AUV、利润或闭店原因等经营指标，无法直接评估门店盈利能力。
适合的目标群体
- 餐饮品牌拓展部门：负责新店选址、区域规划的拓展经理和总监
- 商业地产与招商人员：需要快速评估品牌网络布局和竞争态势的商场招商
- 投资机构与咨询公司：进行餐饮赛道投资分析、竞品研究的专业人士
- 加盟决策支持者：评估特定区域加盟机会与竞争强度的潜在加盟商
使用风险与注意事项
API 依赖风险：服务完全依赖店店通 API 可用性，遇到 502/503 错误时需停止业务结论生成，保留 X-Request-Id 以便问题定位。
成本与配额管理：采用积分计费模式，429 错误可能触发余额不足或限流场景，需在自动化流程中妥善处理，避免循环重试造成资源浪费。
数据解读风险：需严格区分"开店观察"与官方开业公告、"关店确认"与官方闭店公告的差异，避免向决策者传递不准确的时间预期。
地理坐标合规：nearby 接口返回 GCJ02 坐标系（国测局加密坐标），如需与其他地图服务叠加使用需注意坐标转换。
品牌名称精确性：目录查询后的品牌名称必须与后续接口完全一致，模糊匹配可能导致 400 错误或返回非目标品牌数据。