购物中心营业额和租金是核心经营数据，通过对数据不同角度的观察可以描绘一个更全面的商业市场，更重要的是相关因素分析告诉我们营业额和租金是可以“改变”的，从而提升经营业绩。

部分项目数据：由于数据较多，所有数据表格请在文末查询

数据按照营业额降序排列，整体来看营业额越高租金也越高，而高营业额的项目更多在一线城市同时面积也更大！这验证了普遍的经验认知。

换个视角 坪效和单平米租金：

注：以上面积数据为网络公开信息，可能存在统计口径不同从而影响实际租金单价与排名，但不影响结论。

各购物中心之间排名有了明显的变化，西单大悦城单位租金和坪效都是最高，“小”体量的项目看起来更“美”：郑州国贸新田、西安cityon、成都来福士排名上升。一般来说面积越小租金单价也越高，这同经验依旧是相符合的。

再换个视角 每一元租金创造的销售：

各个购物中心的排名又发生了较大的变化，西单大悦城、国贸新田租金看起来是贵的，好场的租金也的确不便宜，排名变化的原因似乎不再那么“明显”！

猜测这是不是与租户业态结构有关？由于不同业态毛利水平和销售量级的不同而使得承租能力不同：服装、化妆品等业态租金承受能力更强，而家居、儿童等业态租金承受能力较弱。

购物中心的销售数据通常是了解购物中心经营状况的核心指标，但结合租金数据可以更全面的了解购物中心：营业额的整体租金产出如何？单位租金表现又怎样？单位租金产生的销售是否合理？

 

有了项目的租金数据，更重要的是可能找到租金和销售“提升”的方法。

相比更容易“感知”的营业额，租金难以依靠“直觉”判断。优点研究团队基于长期积累的数据库完成了租金预估模型，那么租金是如何预测的？准确度如何？ 

基于行业知识和数据的结合，将租金影响因素分解后建立预估模型。

影响租金的因素多而复杂，即便在相同的商圈/项目，单位租金也会因楼层、面积、业态、具体落位不同存在差异：

某购物中心不同租户单位租金：

数据显示即便同一个项目，不同业态之间的单位租金可以相差近30倍，而相同业态不同品牌/不同位置的租金也可以相差几倍，租金预估的确是一件非常困难的事情。

但租金背后也有一些共同的规律可循：营业额、租户业态结构、周边街铺租金等都可以帮助预估租金。下面来看一些主要的影响因素。

2.1、购物中心营业额，营业额越高租金往往也越高：

挑战在于营业额的影响因素也较为复杂，例如购物中心所处商圈的消费者数量、竞品等：

西单大悦城2KM商圈主要数据：

如果把每个项目周边的相关数据计算出来就可以发现一些线索。

上海购物中心2KM数据列表：

购物中心营业额与人口关系：

注：为方便对比，数据做了标准化处理

购物中心营业额与商圈人口数量基本呈现正相关，同样的可以找到更多的因素，模型的价值在于可以预估出具体的数值。

更多因素延伸阅读：北京60个购物中心营业额数据 探索销售驱动因素

2.2、开业日期与首次招商状况：

新商户都会有免租期，新开业项目往往是免租期最集中的时期，而竞争或者其他因素可能需要优惠条件才能有较高的出租率，因此新开业项目租金往往较低，随着经营状况的逐步提升，商户的租金也开始稳步增加，租金收益随之提升。

有些项目会对“期望”的个别品牌给出更优惠的租金价格甚至各种补贴，这仅限于个别品牌用来提升购物中心品质，一开始会降低租金水平，但只要品牌有较好的经营业绩后期也会贡献更多的租金。

2.3、品牌业态结构与品牌优化：

不同业态的商品成本与毛利水平完全不同，承租能力也自然有差异。

各业态承租水平：

注：以上数据来自网络公开资料的积累与商业从业者访谈综合得出。

进一步细分，餐饮内的正餐、快餐、咖啡厅、水吧等之间也存在差异。

• 同样的销售额，服装饰品类的租金往往较高，教育生活服务类的租金则较低。

• 经营优质的购物中心如果没有主力店那么租金收益也会更高。

• 如果购物中心面积过大往往需要一些“填场”的业态，这类商户不仅承租能力低也有更强的议价能力，会降低购物中心租金收益。

购物中心租户业态数据可以帮助量化此方面的差异：

某购物中心内各业态商户数量：

占比：

细化到主要品牌有助于更深入的分析：

品牌调整是例行的招商工作，正确的调整会帮助项目持续获得良好的租金回报。

2.4、街铺租金：

购物中心租金定价往往很少参考街铺租金，但购物中心经营的状况会直接对周边的街铺租金产生影响，从而使得街铺租金与购物中心租金之间有一定的联系。

北京购物中心租金和街铺租金对比图：

两者的关系：

数据显示整体上两者呈现比较强的正相关性，但在具体项目上有比较大的差异。

2.5、其他因素：

影响购物中心整体租金的因素还有很多：例如越来越多的地铁造成的双首层、极佳地段的展示店、各种展览活动等都可以提升租金收益。

a、双首层：首层由于有更多的客流往往租金更高，双首层自然会提升租金，随着越来越多地铁与购物中心联通，帮助B1层商铺产生类似1层的高客流，为购物中心带来更多租金。

b、极佳地段的商业：如果品牌开店更多用于展示和体验，那么往往就可以支付更高的租金，因此有相关资源的购物中心可能超越同行水平租金。

北京东方新天地直连地铁，同时一层商铺也是优质的展示资源：

公开资料显示，租金占比销售超过30%！(大部分项目在20%以内)

c、优质的活动：公开资料显示K11莫奈展帮助商场提升了70%的租金收益。

极佳的展示地段和优质的活动只属于少数地标性项目。

其他：物业费收入。

物业费虽然不同于租金，但整体上也构成收益的一部分，不同商户的物业费也是不同的，但其差异远小于租金差异。

以上是影响租金整体收益的相关因素，具体到单个的铺位，还有更多方面需要考量。

更多租金影响因素延伸阅读：购物中心租金随手查 - 大悦城 万象城等租金数据上线和租金影响因素分析

从以上因素来看，租金是“可以改变”的，因此预估租金不仅仅提供一个数字，更提供数字背后的逻辑来帮助日常的工作，细化到不同的城市、不同类型的项目，持续的跟进相关数据能够给一线的业务招商人员丰富的参考资料，结合商业的艺术可以取得更好的成绩甚至“突破”目前的市场水平。

预估租金需要营业额、业态结构、具体品牌、周边街铺租金等数据，并且需要持续的数据更新，因此这是一项持久的工作。

租金的复杂性导致了其预估误差是难以避免的，我们来看看本次预估的误差水平。

此次预估的租金与误差：

从有限的数据来看预估的效果超过我们的预期，如果对比所有项目真实的数据也难以避免可能发生较大的误差，希望各位同仁提出意见来帮助模型不断“进步”。

值得指出的是：误差还有可能是不可控因素产生的，例如某个项目的产权是分割的，模型预测的是整体的数值，而项目方可能仅会统计持有部分的租金收益；或者项目方为了某方面的原因来人为干预租金使得租金表现在短期内符合需要，因此传统的调研手段也是补充。

“静态”的租金数据可以帮助衡量城市、商圈的投资回报水平，这样商业地产开发/品牌开店就可以结合自身的销售测算来做相关的决策，更重要的是调整影响租金的因素能够帮助“改变”租金，这才可能带来更多的价值。

4.1，购物中心投资：结合租金数据来测算项目成本能否满足投资回报的要求？对于优质地段的不同方案租金回报分别是多少？结合更多因素来优选哪种方案？

商业部分投资回报测算示意：租金收入是投资决策的重要参数

4.2，购物中心观察：市场上参考的购物中心或者竞对购物中心发生了哪些变化：租户品牌调整、活动、改造，这些变化对自我项目有哪些借鉴？

凯德、万达在不同的城市不同的项目之间对比：

4.3，购物中心调改：如何更合理的淘汰商户同时引入新的品牌？相关的商务条件如何？对项目未来产生的影响是怎样的？

某购物中心历年各业态新租户引进数量变化：

数据显示购物中心每年都会做品牌调整，其中餐饮最多，女性消费相关的丽人业态、咖啡／饮品／冰淇淋、品类零售和服装，都属于租金贡献较多的业态，同时还需要配置服务、培训、休闲娱乐等品牌。这种调整会基于租户健康的生意而逐步提升整体租金水平。

4.4，轻资产拓展/购物中心收购：目标项目历史租金收益如何？背后是什么原因？更专业的商业管理团队能够做哪些提升？

通过相关数据监测可以从几千家项目中筛选出备选目标项目，并分解到每个城市的具体位置：

4.5、品牌租金议价能力：不同的品牌在不同城市不同项目租金议价能力不同，通过品牌门店租金数据对比购物中心相关数据可以归纳出不同议价的方案，帮助品牌租金“更合理”。

租金的预估需要积累多方面的数据并在商业理解的方向指引下完成：

5.1，结果数据：购物中心整体数据、各业态数据。

5.2，影响因素数据：业态结构、每年品牌调整变化、周边商铺租金。

5.3、特色数据：每个购物中心品牌都因定位不同而有不同的租金占比销售合理范围，例如某些品牌租金占销售比目标在20%、而有些仅是10%、某些项目5年就到天花板需要改造提升租金，某些可能需要持续使用10年。

以上一整套的数据库构成科学决策的坚实基础。