ln(Rev $M) = −3.912 + 0.705·ln(visits) + 0.634·ln(check) + seg − 0.436·ln((pos+1)/(neg+1)),
σ=0.403. Сегментные сдвиги: FSR −0.228, BEV +0.376, DES −0.040, PIZ −0.268, QSR 0.
Член pos/neg — поправка смещения прокси «отзывы→визиты»: восторженная аудитория пишет больше отзывов на транзакцию.
| Медианы прогноза по независимым точкам US | $M/год |
|---|---|
| Ресторан full-service | 0.74 |
| Независимый фастфуд | 0.62 |
| Кофейня | 0.48 |
| Десерты | 0.27 |
| Доставка/навынос | 0.22 |
Границы применимости: экстремальные форматы (ультра-дешёвые, виральные новички) — систематика до ×1.5–2;
ghost kitchen, фудкорты, кейтеринг — отзывы слабо связаны с транзакциями. Оценка — порядок величины и ранжирование,
не бухгалтерская точность. Данные точки берутся из Realytics agents_general.organizations
(visits_count, avg_check, positive/negative_mentions, popular_times, category_level2/3).
Калибровка. В Realytics нет выручки, но есть её прокси по каждой из ~1.1 млн точек US Foodservice. Выручка на точку (AUV) публично известна для сетей: Technomic Top 500 (через NRN/Restaurant Business), QSR 50, SEC-отчётность (Darden, Texas Roadhouse, Bloomin', Brinker…), FDD Item 19. Для 103 сетей (AUV от $0.42M у Chicken Express до $13.8M у Mastro's) медианные Realytics-фичи их точек сопоставлены с опубликованным AUV; взвешенная лог-линейная регрессия даёт коэффициенты, применимые к любой отдельной точке — сетевой или независимой. Неточные AUV (диапазоны, устаревшие метки быстрорастущих сетей) входят с пониженным весом.
Проверка. Кросс-валидация leave-one-out по 103 сетям: медианная ошибка 28%, R²=0.67. Два out-of-sample теста моделью, обученной без тестовых сетей: нейтральный отбор (11 сетей по доступности данных) — ошибка 24–29%, все в пределах ×2, ранговая корреляция 0.91; адверсарильный отбор (17 сетей с экстремальными AUV из списков NRN) — ошибка 64%, завышение ×1.6 — это границы применимости на хвостах. Сверка независимых точек: медиана прогноза для независимого full-service $0.74M при отраслевой медиане всех FSR $0.75–1.2M; сумма по рынку согласуется с NRA-2026 ($1.55 трлн).
Полезность факторов (ablation, LOO на 103 сетях; medAPE — медианная ошибка, R² — объяснённая дисперсия):
| Набор факторов | medAPE | wMAPE | R²(LOO) |
|---|---|---|---|
| Константа (наивный прогноз) | 50.8% | 72.6% | ≈0 |
| Только visits | 29.4% | 42.9% | 0.585 |
| visits + чек | 25.2% | 40.9% | 0.618 |
| visits + сегмент | 26.8% | 43.4% | 0.576 |
| visits + pos/neg | 27.6% | 38.2% | 0.640 |
| Полная − pos/neg | 31.7% | 43.1% | 0.602 |
| Полная − сегмент | 27.1% | 36.7% | 0.670 |
| Полная − чек | 26.3% | 39.6% | 0.625 |
| Полная модель | 28.1% | 37.4% | 0.670 |
Чтение таблицы: visits — базовый сигнал (R² 0 → 0.585, ошибка 51% → 29%). Чек — вторая половина тождества «выручка = трафик × чек», маргинально +0.045 R². pos/neg — крупнейший маргинальный вклад (+0.068 R², −5.7 п.п. wMAPE): поправка смещения «отзывы→визиты», без неё виральные концепции (Crumbl, CAVA, Dave's Hot Chicken) переоцениваются вдвое. Сегмент при наличии чека и pos/neg почти не добавляет (коллинеарность: формат ≈ чек + профиль отзывов), но оставлен — он несёт информацию формата у ~40% независимых точек без чека и стабилизирует экстраполяцию.
Режим v2 (точки с <10 отзывов): ln(visits) сжимается к прайору с весом w = n/(n+10); прайор иерархический — медиана бренда (τ=0.35) → кривая popular_times (τ≈1.1) → медиана сегмента (τ=1.3); σ расширяется как √(0.403² + ((1−w)·0.705·τ)²). Проверка: точки Starbucks с 1–9 отзывами — медиана прогноза $1.4M vs AUV $1.8M (v1 давала $0.35M); 632 точки Starbucks без отзывов, прайор-only — $1.71M.