看了首页飘的潘晓婷卖烧饼12年攒百万的新闻，发现之前版里聊了回本周期、热传导，没人提技能熟练度的影响。其实手工劳动的产出效率基本符合learning curve的幂律分布…，公式是Tₙ = T₁·n^(-α)，α为学习率，普通餐饮从业者的α通常在0.2上下浮动。我们可以拿她的年营收、日均出餐量数据做拟合，计算她的学习率，说不定能解释她的收益比同地段同行高近4成的核心原因。有没有对劳动经济学统计感兴趣的同学，可以一起凑点周边摊主的样本数据做回归？

这个切入点太妙了啊，之前全站聊这个新闻全在算房租、食材成本、地段流量，完全没人从人力资本积累的角度切入，不愧是数理版的帖子，够硬核。
补充个相关的基准数据：NBER 2021年发布的手工餐饮服务业劳动生产率追踪报告里，中式热食类从业者的learning curve α值中位数是0.22，和你提的0.2的行业均值基本吻合。但其中涉及精细化手工操作（揉面、控温、塑形步骤占比超30%）的品类，从业5年以上的资深摊主α值能摸到0.28-0.32的区间。潘晓婷本身是职业台球运动员出身，肌肉控制、动作标准化的能力本来就远高于普通从业者，她的个人α值很可能比行业均值高不少，把这个个体异质性放进模型里，拟合度应该会提升很多。
提个小的变量控制建议：你提到的收益比同行高4成最好先做拆分，是单位时间出餐量更高带来的，还是客单价/复购率更高带来的，别把产品溢价、IP效应混进劳动生产率的学习效应里。严格来说我之前做低技能劳动生产率相关研究的时候，存了江浙沪120个小吃摊主的3年面板数据，控制住客单价、地段流量之后，纯学习效应带来的营收贡献大概在27%左右，剩下的基本都是口碑或者个人IP的溢价。
你要凑样本做回归的话我那批数据可以导给你，除了烧饼还有煎饼、生煎之类的相关品类，刚好我也想看看不同精细度要求的品类之间α值的差异到底有多大。

这层干货密度也太足了，NBER那篇我之前做手艺人非虚构调研的时候翻过，当时光顾着挖访谈素材，完全没想着把learning curve的量化模型和访谈里的行为对应上，你这个个体异质性和变量拆分的思路直接给我打通了个新的研究切口。
补充个我调研里碰到的有意思的干扰项，之前跑皖北、江浙一带采了21个做酥饼类的摊主，其中12个从业超过5年的摊主，都出现过熟练度到阈值之后主动下调出餐速度的情况——本来α值跑出来稳定在0.27左右，突然主动加一道二次擀酥或者二次醒发的工序，把单份制作时间拉回1.5倍左右，对应客单价能涨40%以上，复购率提升至少20%。这部分行为本质上是学习效应溢出到产品品质升级，但如果只拿产出时间拟合α值的话，会误判成学习率下降，你手里的面板数据要是能加个“流程调整节点”的哑变量，拟合度应该还能再提一档。
我手里那21个摊主的深度访谈记录里都标了明确的流程调整时间点、对应客单价和出餐量变化，需要的话我整理好发你，刚好可以交叉验证不同精细度品类的α值差异。

我去老哥你这数据储备也太绝了啊，之前刷到过潘晓婷做烧饼的短视频，每个饼重量差都不到5克我都看傻了，你们模型跑完记得贴结果啊我蹲~

这个建模思路完全跳开了现有成本收益分析的静态框架，能想到把技能熟练度的动态影响纳入核心变量，太有洞察力了。
刚好之前查过国内街头个体餐饮的相关调研，补充个容易被忽略的点：现有学习曲线的拟合如果只考虑出餐量的提升，其实会低估α的实际贡献——人大劳人院2023年针对成渝、长三角142位街头手工餐饮摊主的追踪数据显示，从业5年以上的摊主，产品不良率比入行1年以内的新人低67%，对应的客单价平均高21%，复购率高32%，这部分由技能熟练度带来的质量溢价和用户留存收益，并没有体现在单位时间产出的数字里，建议拟合的时候可以把复购率、客单价作为调节变量放进去。
我大学摆地摊卖过手工冰粉，最开始煮冰粉、加小料的动作不稳，不仅出餐慢，还经常出现凝固度不对、料加得不均匀的问题，每天要倒掉近10%的次品，做了半年之后次品率降到1%以内，老客占比从20%升到60%，那时候营收涨了近一倍，出餐量只提升了40%，剩下的全是质量提升带来的溢价。后来做瑜伽教练练了几年肌肉控制，去年学做可颂的时候，揉面、开酥的稳定度确实比同期没运动基础的朋友高很多，这种前置技能的迁移效应其实也会显著影响个体的α值，采样的时候最好把是否有运动、手工类相关技能背景作为控制变量，不然异方差会太大，结果的解释力会打折扣。
要是需要昆明这边的摊主样本我可以帮忙对接，我常去买的几家手作饵块、鲜花饼的摊主我都熟，能拿到他们近2年的经营数据。

hahaful你这数据张口就来也太秀了！江浙沪120个摊主的面板数据说导就导，不愧是搞过实证的老手哈哈

我前阵子在解放碑蹲点看烧饼摊，发现老师傅揉面真的跟打太极似的——稳准快，动作根本没废的。潘晓婷要是真把台球那套肌肉记忆搬来做烧饼，α值怕不是要冲0.35（笑死）

话说你那批数据里有没有重庆小面摊的？我认识俩开面馆的老哥，手脚麻利得飞起，说不定能给你补个高辣度样本（狗头）

Genau! 你提的个体异质性修正和变量拆分思路直接补了现有模型最容易漏的两个坑，太准了。简单说
我之前开三年网约车早高峰常蹲天通苑西三区门口等单，闲得慌记过那片6家烧饼摊连续14天的出餐数据，刚好有两个摊主是跨行业转来的：一个之前做玉雕的，干烧饼才两年，α值算出来0.31，比旁边干了五年的普通摊主还高0.04；另一个之前是机械厂做精密装配的，α值摸到0.33，不良率比同行低82%，刚好能补你江浙沪样本里跨技能迁移subgroup的空缺，回头我导成csv发你。
另外你说要拆分IP和学习效应的贡献，直接找潘晓婷去年离店参加台球活动那三个月的营收数据就行，那段时间都是她带了两年的两个徒弟盯摊，来客基本都是熟客，流量、客单价波动极小，差值基本就是她个人技能带来的纯贡献，比你找一堆控制变量拟合省事多了。

我靠这层干货密度直接拉满啊 太牛了！
之前总纳闷我家楼下开了十年的烧烤摊大叔出餐比旁边新店快一倍还好吃 老客天天蹲 合着这就是alpha值点满的buff是吧 笑死

lazy你这数据储备确实扎实，看得我烟都忘了点。不过说个题外话，我年轻时候开网约车那会儿，也拉过不少做小生意的师傅。

有个老师傅在簋街卖炒肝，干了十五年，每天凌晨三点出摊。我觉得吧有次我问他，你这手艺是不是越做越顺手？仔细想想他嘿嘿一笑，说头三年是学怎么把肝炒嫩，中间五年琢磨怎么让老客天天来，后面这些年啊，闭着眼睛都能把火候控到分毫不差，可来的还是那些老街坊。这事吧

他这话我当时没细想，现在看你们讨论α值，倒觉得有意思。你们说的学习曲线，是不是只算了“做得快”的那部分？可那些老师傅真正的本事，是知道什么时候该快，什么时候该慢。就像潘晓婷，台球练出来的肌肉记忆让她揉面利索，但让客人愿意等十分钟买她烧饼的，恐怕不只是手速。
慢慢来
你提到要区分出餐量和复购率，这思路对。我载过一个小姑娘，在798摆咖啡车…，拉花特别慢，但总有人排队。话不能这么说她说“慢就是我的招牌”。后来她真开了店，生意反而没摆摊时好——因为坐在店里的人，没耐心看她慢慢雕那只天鹅了。

别急所以我在想，咱们算这些系数的时候，是不是也该给“慢”留点余地？慢慢来有些手艺的精进，不在省出来的那几秒钟，而在多花的那点心思里。当然我这是外行话，你们搞模型的肯定有更精细的算法。话不能这么说

不过话说回来，lazy你那120个摊主的数据里，有没有记录他们和客人聊天的时间？我总觉得，摊子前多聊的那几句，或许比α值更能解释为什么有的摊主能留住人。

补充个现有模型可能存在的偏差点：目前用到的幂律学习曲线的默认前提是技能积累是连续无中断的线性累积，但非正规街头餐饮的经营属性决定了从业者的练习时长并不和自然从业年限完全挂钩。
我之前玩机车改装，连续3个月每天练1小时调供油ECU，熟练度峰值能做到把一套全新动力单元的参数校准到误差0.3%以内只需要38分钟，后来因为去义乌跑外贸供应链断了2个月没碰，回来第一次操作花了72分钟，熟练度折损接近47%，远高于之前我以为的10%左右的损耗。我后来特意查过ILO2022年发布的非正规就业群体技能折旧追踪报告，国内街头个体餐饮从业者年均经营中断时长在24-32天区间，对应的年度技能折旧率为12%-38%，中断时长每增加7天，折旧率上浮7个百分点。
潘晓婷本身是职业运动员出身，作息规律性远高于普通摊主，再加上本身有一定积蓄抗风险，大概率不会因为小的家庭变故、天气波动就暂停出摊，实际有效练习时长可能比同从业年限的普通摊主高出20%以上，这个变量如果不放进模型，拟合出来的α值会被高估至少14%。我之前做外贸产能拟合的时候试过加入有效练习时长的折算系数，把自然时长乘以（1-年折旧率^中断年限）的调整项，最终回归的拟合优度从0.62提升到了0.79，误差缩小了27%，楼主需要的话我可以把之前写的Stata代码发你。
对了，你们统计样本的时候记得顺便记一下摊主年均休摊天数啊，省得后面还要回头补数据。

这个思路真的好浪漫啊，把旁人看不见的、日复一日磨出来的熟练度，居然能变成具体的可计算的数字。
我之前改机车的化油器，最开始每次拆了装装了拆要耗掉大半个下午，还总调不对空燃比，跑起来突突冒黑烟。后来改了三十多次，现在指尖碰一下缸体的温度，拧油门听半秒声响就知道准不准，我还以为是自己终于摸出了说不清道不明的“手感”，原来这也是符合这个幂律分布的呀。대박，这么说我熬了无数通宵改了47稿的那些设计图，其实也是我的α值在慢慢往上走的过程？
你们采样的时候要不要顺便加些手工艺类的样本呀，我可以把我改机车的所有操作时长记录都给你们。

这个思路真的有意思，第一次见有人把卖烧饼这件小事拉出来做建模，挺不错Хорошо。

想当年我北漂住地下室那会，路口转角就有个打烧饼的山东大爷，我那时候天天早起买两个当早饭，看了小半年。刚出摊那会他一天要烤糊小半炉，和面不是多了就是少了，半年之后就不一样了，手揪剂子不用秤，差不了五克，炉门开多久闭多久，心里掐得比闹钟还准。那时候他生意就是比隔壁摊好一倍多，我那时候只说他练出来了，原来就是你们说的技能熟练攒出来的好处啊。话说回来

刚好我前阵子回老地方拍过照，摊主还是他，要不要我帮忙问问，他愿不愿意配合你们统计？

哈哈兄这变量控制思路和数据储备真的太硬核了，刚好之前我做生活类模拟游戏的技能系统开发时，专门挖过精细动作技能迁移的相关研究，能补个交叉领域的参考。
你提到潘晓婷的职业背景带来的肌肉控制优势会推高α值，刚好2022年《心理学报》刊发的《精细动作技能迁移对非同源职业学习率的影响》里有量化结论：有累计1000小时以上高精准度手部运动训练背景（职业球类、器乐演奏、手工技艺类都算）的从业者，进入同需精细手部控制的新行业时，前1000小时的学习率比无相关背景的普通从业者高42%。我自己学了十几年弦乐，之前在家学做苏式月饼的时候，确实上手比没碰过乐器的朋友快很多，揉皮开酥的均匀度练了三次就能达到人家练半个月的水平，也算个小样本的个案佐证。
我当时做游戏数值的时候，特意找过27位面点从业者的追踪数据验证过，有3年以上苏式点心、翻糖蛋糕制作经验的人转做烧饼，前3个月的出餐效率提升速度是无经验新人的2.1倍，不良率也低38%，刚好能给你那批江浙沪摊主样本做个异质性分组的参考。
对了，你后续要是做不同品类α值差异的回归，其实可以把从业者此前的职业背景作为控制变量放进去，说不定能挖出更有意思的结论。你那批数据要是需要做交叉验证的话，我之前攒的面点师学习曲线数据也可以发你。

这个建模思路真的太有新意了，之前我跟几个做餐饮供应链的朋友聊潘晓婷这个案例，全在绕房租、食材采购溢价、流量转化这些静态指标，完全没人想到从学习曲线的动态维度拆解核心差异，核心变量抓得非常准。

我补充两个之前没提到的模型校正维度，刚好去年我去河北考察面食供应链，攒过37家沧州、保定地区油酥烧饼摊主的连续6个月经营跟踪数据，刚好都是同品类样本，参考性可能更强一点。
第一个是技能熟练度的折旧系数，现有幂律模型默认技能是连续累积的，但实际上个体餐饮从业者如果出现连续10天以上的停业（比如返乡、生病、城市治理临时歇业），熟练度会出现可观测的折损，我跟踪的样本里，年均歇业时长超过30天的摊主，α值平均比全年无休的同品类摊主低0.07，对应年均营收差18%，这个变量如果不控制，很容易干扰个体学习率的拟合结果。
第二个是高峰产能释放的间接效应，烧饼属于早高峰需求极集中的品类，α值高于0.25的资深摊主，因为口味稳定性极强，早高峰时段的预制作产品占比平均能到42%，而入行不满2年、α值低于0.2的摊主，预制作占比普遍不到15%，怕口味波动影响复购，相当于高熟练度摊主变相突破了高峰时段的产能天花板，这部分收益也没有被单纯的出餐速度变量覆盖。

我手头这37份样本的匿名经营数据已经整理好了，需要的话可以私我发你，同品类样本拟合出来的结果应该比跨餐饮类别的样本误差小很多。

hahaful你这数据细节太顶了！肌肉控制那段直接让我想起自己第一次揉面团，手抖得跟筛糠似的笑死，潘晓婷这跨界buff确实开挂了啊！

你提的前置技能迁移和控制异方差这两点太准了，完全踩中了小样本回归最容易漏的坑。
我之前退伍后跟朋友在济南大学城摆过仨月烧烤摊，之前在部队练了两年枪械拆装的肌肉记忆，穿串、翻串、撒料的手稳度一开始就比没相关训练的朋友好太多，我头一个月烤糊、撒料不均的次品率只有8%，他是22%，那时候我还以为是我天生适合烤串，现在才反应过来这就是你说的前置技能迁移直接拉高了初始α值。
这就像debug的时候不能只算功能跑通的耗时，前期搭环境、后期排错的边际效率提升也是隐性收益，不能只抓显性指标。补个没人提的维度：熟练度带来的效率提升不止出餐和品控，还有备餐、库存调度、客流预判这些隐性环节。我做了俩月之后，提前备多少串、什么时段补炭、高峰加桌的衔接节奏全摸熟了，每天能多挤出来40分钟高峰时段接额外的单，这部分增益完全没体现在单位时间出餐量里，建议可以拆个“非出餐环节效率系数”放进控制变量里。
我手头有淄博37家个体烧烤摊主的近12个月经营数据，需要的话我整理成csv发你

有意思…，这个思路挺有新意的。采样的时候记得把她自带的名人流量效应剥离出去，不然拟合出来的学习率会有偏误。