茶饮罗盘

书亦烧仙草命题研究 / 应用统计学

新品判断，先把证据做实

把消费者趋势、配方试验和门店验证放进同一条可复现的数据路径。文本工具只做整理，样本校准、区间估计和实验设计由统计方法把关。

试用决策样本 复现实验

可交互决策样本

用一组业务约束，走完新品研判

稳定演示模式 固定样本与规则计算，不发送外部请求
先选一个场景

页面只接受预设选项，结果可重复。正式项目中，趋势样本需经过授权、脱敏和人工抽检。

校园学生 · 新一线与二线 · 12–15元

山茶橙香新品研判

进入概念测试
01
趋势判断先判断信号是否值得进入研发
机会分 86/100
讨论增长
38.9%
不确定性
95%区间 29.5% 至 50.0%
相关样本
1,826条主题记录

    02
    配方筛选在成本与门店操作约束内排序
    候选混料结构预测喜好原料成本操作时间

    预测值只用于确定盲测顺序，不能替代真实消费者品评。

    03
    上市前验证把“感觉不错”改写成通过标准
    12个匹配店对 每组2,882次访问 14天
    主指标
    业务指标
    护栏
    当前建议

    本模块使用固定仿真数据，展示产品流程与统计门槛。页面运行时不调用大模型，也不包含任何访问密钥。

    茶饮罗盘分析总览：山茶橙香趋势机会分最高；配方按喜好和成本排序；门店试点同时报告转化、复购、毛利和投诉变化区间。
    所有数字均由仓库代码和固定随机种子生成。图表不是企业经营看板。

    先看结论，再回到证据

    这组仿真数据预先放入了趋势增长和正向试点效果。原型的任务是把信号、区间与限制准确呈现出来。

    趋势

    增长29.5%

    山茶橙香最近14天相对前28天增长，95%区间为12.4%至48.0%。

    查看趋势 Notebook
    配方

    18个盲测点

    从2,400个可行配方中选择，信息量高于400/400组同规模随机设计。

    查看配方 Notebook
    门店

    +2.61个百分点

    仿真购买转化率店对差，95%区间为+2.22至+3.01个百分点。

    查看门店 Notebook

    三段证据链

    每一段解决一个不同问题。上一段没有通过，就不进入下一段。

    五类茶饮主题的校准周度讨论量和机会分排序，山茶橙香在后期持续增长并进入概念筛选。

    第一步：趋势

    声量先校准，增长带区间

    按城市和客群后分层加权，避免把重度平台用户直接当成全部消费者。最近14天与此前28天的增长按日自助抽样1,200次。

    阅读趋势方法
    约束混料试验图：18个盲测点覆盖茶底和果基候选空间，并按预测喜好与原料成本筛选帕累托候选。

    第二步：配方

    少打样，但每次打样更有信息

    先锁定原料占比、估算成本和门店操作时间，再用近似D-optimal设计挑选盲测点。预测值只能排序，不能替代真实盲测。

    阅读配方方法
    门店试点图：24个店对内试点门店转化率普遍高于对照，同时用森林图报告四项指标的相对变化与95%区间。

    第三步：门店

    随机分组，也看护栏

    同城市、相近基线的门店先匹配成对，再在店对内随机。购买转化率是主要指标，复购和毛利是次要指标，投诉率是护栏。

    阅读门店方法

    AI 与统计方法分工

    文本模型适合整理非结构化反馈。是否值得继续投入，需要统计设计和人工评审。

    AI或文本模型
    统计决策层
    抽取茶底、小料、甜度、情绪和饮用场景，标记低置信度样本。
    修正样本结构，估计增长区间，比较城市和客群差异。
    在原料、成本与食品安全边界内整理候选概念。
    设计混料试验，估计取舍，报告预测误差。
    汇总门店反馈和异常文本。
    随机分组，计算样本量，监控业务指标与护栏。

    数据边界写在首页

    本项目没有使用书亦烧仙草内部数据。社交反馈、配方与门店记录均为仿真数据，目的仅是验证字段、代码、统计方法和评审表达。

    正式接入前还需完成数据授权、个人信息最小化、食品安全硬约束、人工标注测试集和门店试点预注册。

    查看数据说明 查看不能推出的结论 查看机器可读指标

    一条命令重建结果

    固定随机种子、数据生成、统计分析、图表和测试都在同一仓库。GitHub Actions 会在每次提交后重新运行。

    pip install -e ".[notebook,test]"
python scripts/run_all.py --check
python scripts/build_notebooks.py --execute
pytest
    查看完整代码