Franchise Due Diligence

Franchise Due Diligence MCP Server

在 ApifyForge 上查看 | 在 Apify Store 上使用

---

快速入门

添加到你的 MCP 客户端（Claude Desktop、Cursor、Windsurf）：

{
  "mcpServers": {
    "franchise-due-diligence-mcp": {
      "url": "https://ryanclinton--franchise-due-diligence-mcp.apify.actor/mcp"
    }
  }
}

---

在任何兼容 MCP 的 AI 客户端中开展特许经营尽职调查研究——只需调用一个工具，即可获取特许经营商健康评分、投诉趋势、市场饱和度分析、企业结构调查和投资结论，所有信息均来自 8 个并行数据源。本工具专为特许经营投资者、多门店经营者、特许经营律师和顾问打造，帮助他们获得《特许经营信息披露文件》之外的独立情报。

此 MCP 服务将 Company Deep Research、CFPB 消费者投诉、Trustpilot 和多平台评价、OpenCorporates 企业注册信息、Google Maps 门店密度、Federal Register 监管备案信息及 BLS 经济数据整合到四种专有评分模型中。综合算法为特许经营健康度（30%）、市场饱和度（20%）、监管合规性（20%）和加盟商评价（30%）赋予权重，并给出 STRONG_BUY、BUY、HOLD 或 AVOID 结论——让你能够自动使用专业特许经营顾问采用的分析框架，并通过 Claude、Cursor 或任何 AI Agent 轻松访问。

特许经营尽职调查可以提取哪些数据？

数据点	来源	示例
📊 特许经营健康评分（0-100）	5 个来源的综合评分	评分：74，等级：HEALTHY
📋 CFPB 投诉数量和趋势	CFPB 消费者投诉	3 起投诉——消费者记录良好
⭐ 跨平台平均评价评分	Trustpilot + Multi-Review Analyzer	38 条评价，平均 4.2/5
🏢 企业实体状态和数量	OpenCorporates	12 家活跃实体，2 家已解散实体
📍 每个区域的门店密度	Google Maps Lead Enricher	目标都市圈有 14 家门店
📈 市场饱和度	Maps + BLS 综合数据	OPPORTUNITY——市场仍有增长空间
⚖️ FTC 执法行动数量	Federal Register	0 起执法行动——合规
💰 区域就业和消费者数据	BLS 经济数据	失业率 3.8%，CPI 呈上升趋势
🏆 投资结论	综合评分模型	BUY——compositeScore：67
🔍 投资风险列表	多来源信号分析	["市场有 18 家门店——密度适中"]
💪 投资优势列表	多来源信号分析	["特许经营健康指标良好"]
🆚 品牌并排对比	双特许经营品牌对比	识别评价和市场优势

为什么使用 Franchise Due Diligence MCP Server？

手动调研一家特许经营体系通常需要 15-20 小时：筛查 FDD 文档、搜索 CFPB 数据库、阅读各平台上的数百条评价、核查多个司法辖区的企业备案信息，并根据劳动力统计数据评估区域经济情况。单项特许经营投资决策通常涉及比较 3-5 个竞争体系，因此在签署任何文件之前，所需时间会增至 75-100 小时。专业的特许经营研究公司评估每个体系所需的员工工时成本为 $200-500。

这个 MCP 服务会自动完成整个数据汇总和评分流程。将其连接到 Claude 或任何 AI Agent，调用 generate_investment_dossier，几分钟内即可获得结构化评估结论，并在回复中直接引用来自 8 个来源的证据。各项工具还可用于有针对性的核查：在承诺加盟区域前检查市场饱和度、追踪你已运营但业绩不佳的体系的投诉趋势，或在两个特许经营机会之间做出选择时进行正面对比。

• 定时执行 — 每季度运行特许经营健康监测，在口碑趋势影响单店经济效益之前及时追踪
• API 访问 — 通过 Python、JavaScript 或任何 HTTP 客户端，在交易流程中触发特许经营评估
• 并行数据收集 — 同时查询全部 8 个数据源，而非依次查询，将响应时间控制在 2 分钟以内
• 监控 — 特许经营评估完成或达到预算上限时，通过 Slack 或电子邮件接收提醒
• 集成 — 通过 Webhook 将结果连接到 Zapier、Make、Google Sheets 或交易管理 CRM

功能

• 特许经营健康评分（0-100），综合评价评论质量（最高 30 分）、CFPB 投诉扣分（每起投诉扣 3 分，最多扣 25 分）、企业实体健康状况（最高 25 分）和公司研究信号（最高 20 分）
• 市场饱和指数，采用 4 项评分：Google Maps 地点密度（每个地点 2 分，最高 40 分）、现有地点的评分分布（最高 25 分）、BLS 失业率和消费者指标（最高 20 分），以及超过 5 个地点的地理集中度（最高 15 分）
• 监管合规档案，追踪 FTC 特许经营规则引用、通过扫描《Federal Register》标题统计执法行动数量、投诉与法规的管道比率，以及两个监管来源的数量压力
• 特许经营商情绪趋势，采用 4 项评分：平均评分（最高 35 分）、评论数量健康度（最高 25 分）、低评分比例反向计分（最高 20 分；1–2 星评论越少，得分越高）、CFPB 投诉抵扣（最高 20 分）
• 综合投资结论，特许经营健康状况占 30%、反向市场饱和度占 20%、反向监管合规度占 20%、情绪占 30%——设有覆盖逻辑：若健康状况为 FAILING 或监管分类为 CRITICAL，则无论其他评分如何，均强制给出 AVOID 结论
• 通过 Promise.allSettled 并行调度 8 个数据源，单个来源发生故障时会返回空数组，而不会中止整个评估
• 5 级饱和度分类，从 UNDERSERVED 到 OVERSATURATED，并针对每个组成部分提供区域专属信号说明
• 5 级情绪分类，从 DECLINING 到 EXCELLENT，并提供百分比明细和投诉数量
• 品牌正面对比，同时并行收集两个特许经营体系的数据，并判定哪一方在情绪方面更具优势、哪一方拥有更大的市场机会
• 区域经济评分，结合 BLS 就业序列（LNS14 失业率、CPI 消费者数据）与特定都会区的 Google Maps 竞争密度
• 企业结构调查，可选按司法管辖区代码筛选，并通过匹配 OpenCorporates 状态字段分析已解散、活跃和已注销实体的比例
• 对每次工具调用强制执行支出限额——达到配置的预算后，运行会正常停止，绝不会在不告知的情况下超额收费

特许经营尽职调查用例

投资前特许经营评估

一位潜在特许经营商已将候选名单缩小到三个餐饮特许经营体系。在支付律师费用审阅每份 FDD 之前，他们使用 evaluate_franchisor 获取这三个体系各自独立的特许经营健康评分。某个体系有 22 起 CFPB 投诉，评论平均分为 2.8/5，因此在产生律师费之前就被排除在考虑范围之外。其余候选项进入详细审查阶段，并有清晰的证据链说明决策依据。

多店经营者扩展区域

一位拥有 4 家门店的现有特许经营商，想在邻近都会区再开 2 家门店。他们调用 assess_market_saturation，评估该城市中其特许经营品牌的市场饱和度，发现已有 19 个地点，而 BLS 数据显示消费者支出低于平均水平，因此得到 CROWDED 饱和度评分。随后，他们转向邻近市场：那里只有 4 个地点，就业数据强劲，且评估结果为 OPPORTUNITY——在承诺开始租赁谈判之前，先选择风险较低的区域。

为特许经营律师提供尽职调查支持

一位特许经营律师在准备 FDD 审阅时，使用 investigate_corporate_structure 在客户会面前梳理特许经营商的法律实体结构。该工具发现 3 个司法管辖区内有 7 个已解散实体，并将其标记为结构性风险；track_franchise_regulation 则从《Federal Register》中找到了 3 项 FTC 特许经营规则引用。这些发现会直接纳入律师给客户的简报，将数据收集时间从数天缩短至数分钟。

用于投资筛选的竞争性特许经营品牌对标

一家正在评估两个相互竞争的健身特许经营体系的私募股权公司，使用两个品牌名称调用 benchmark_franchise_brand。该工具会在一次结构化比较中返回并列的口碑评分、市场饱和指数和投诉量。口碑优势更明显、饱和度评分更低的品牌将进入收购流程的下一阶段，并附有记录在案的理由。

对现有经营者进行持续投资组合监测

一家多门店特许经营商每季度定期运行 analyze_complaint_trajectory，跟踪其正在经营的体系的品牌健康状况。CFPB 投诉量激增，且两个季度内平均评分从 4.1 降至 3.4，这会触发与特许人提前沟通——比体系范围内的支持力度下降影响门店销售早数月。

特许经营顾问为客户提供建议

特许经营顾问在接手新客户时，会将 generate_investment_dossier 作为合作的第一步，生成一份结构化简报，按四个评分维度归类风险和优势。结构化 JSON 输出可直接用于客户演示，无需花费数小时进行人工调研。

如何运行特许经营尽职调查分析

1. 连接 MCP 服务 — 将服务 URL 添加到 MCP 客户端配置中。对于 Claude Desktop，请将下方连接部分中的 JSON 代码块粘贴到 claude_desktop_config.json。对于 Cursor、Windsurf 或 Cline，请使用相同的端点 URL 和 Bearer 令牌标头。
2. 选择工具 — 从 generate_investment_dossier 开始，并提供特许经营品牌名称（例如 “Anytime Fitness”），还可选择提供目标地区（例如 “Austin, TX”）。如需更快地进行针对性检查，请使用 assess_market_saturation 或 analyze_complaint_trajectory 等单项工具。
3. 等待并行数据收集 — MCP 会同时查询多达 8 个来源。完整评估档案需 90-120 秒。单项工具需 30-60 秒。
4. 查看结构化结论 — 结果会以结构化 JSON 的形式显示在 AI 聊天中，其中包含投资结论、各维度的评分、解释每个评分组成部分的信号列表，以及来自各个来源的支持数据。

MCP 工具

工具	价格	参数	描述
evaluate_franchisor	$0.045	franchise（必填）	公司调查、OpenCorporates、Trustpilot、多平台评价和 CFPB。返回 0-100 的特许经营健康评分，并附带 healthLevel 分类
analyze_complaint_trajectory	$0.045	franchise（必填）	CFPB 投诉、Trustpilot 和多平台评价。返回特许经营者情绪趋势及评分和投诉细分
assess_market_saturation	$0.045	franchise（必填）、location（可选）	Google Maps 地点密度和 BLS 经济指标。返回饱和度分类和区域信号
investigate_corporate_structure	$0.045	franchise（必填）、jurisdiction（可选）	OpenCorporates 实体搜索和公司调查。返回实体树，并标注存续／已解散状态
track_franchise_regulation	$0.045	topic（可选）、franchise（可选）	《联邦公报》中的 FTC／特许经营规则和 CFPB。返回监管合规档案，并统计执法行动数量
benchmark_franchise_brand	$0.045	franchise_a（必填）、franchise_b（必填）	并行比较两个特许经营品牌的情绪、饱和度、投诉和地点密度
score_territory_economics	$0.045	location（必填）、franchise（可选）	BLS 就业和消费者数据，以及 Google Maps 竞争密度。返回经济指标和地点数量
generate_investment_dossier	$0.045	franchise（必填）、location（可选）	汇总所有 8 个数据源和 4 个评分模型，给出综合 STRONG_BUY/BUY/HOLD/AVOID 结论，并列出风险和优势

输入提示

• 从 generate_investment_dossier 开始——它会在一次调用中运行所有 8 个数据源和 4 个模型，费用为 $0.045。先全面了解情况，再用针对性工具深入分析
• 在 assess_market_saturation 和 score_territory_economics 中务必提供 location——不提供时，查询会默认使用全国数据，从而弱化特定区域的信号
• 使用特许经营品牌面向消费者的确切名称（例如，“Jersey Mike's Subs”，而不是“Jersey Mike's Franchise Systems”）——数据源 API 会根据公众熟知的名称进行匹配
• 比较多个体系时，先运行 benchmark_franchise_brand，再运行 evaluate_franchisor——基准比较的费用与单次评估相同，而且可以立即提供相对背景
• 在 Apify 运行设置中为每次运行设置支出限额，以限制 Agent 循环中反复调用工具产生的费用

输出示例

{
  "entity": "Pinnacle Fitness Franchise",
  "compositeScore": 71,
  "verdict": "BUY",
  "franchiseHealth": {
    "score": 74,
    "complaintCount": 2,
    "reviewScore": 4.1,
    "corporateFlags": 1,
    "healthLevel": "HEALTHY",
    "signals": [
      "Strong review sentiment: 4.1/5 average",
      "No CFPB complaints — clean consumer record",
      "8 active corporate entities — established structure"
    ]
  },
  "marketSaturation": {
    "score": 32,
    "locationDensity": 11,
    "economicViability": 8,
    "saturationLevel": "OPPORTUNITY",
    "signals": [
      "11 locations found — moderate presence",
      "Most locations highly rated — strong brand execution"
    ]
  },
  "regulatoryCompliance": {
    "score": 14,
    "regulationCount": 3,
    "enforcementActions": 0,
    "complianceLevel": "MINIMAL",
    "signals": [
      "3 FTC Franchise Rule references — disclosure requirements active"
    ]
  },
  "franchiseeSentiment": {
    "score": 76,
    "totalReviews": 29,
    "averageRating": 4.1,
    "sentimentTrend": "STRONG",
    "signals": [
      "Excellent sentiment: 4.1/5",
      "29 reviews providing solid signal base"
    ]
  },
  "allSignals": [
    "Strong review sentiment: 4.1/5 average",
    "No CFPB complaints — clean consumer record",
    "8 active corporate entities — established structure",
    "11 locations found — moderate presence",
    "Most locations highly rated — strong brand execution",
    "3 FTC Franchise Rule references — disclosure requirements active",
    "Excellent sentiment: 4.1/5"
  ],
  "investmentRisks": [],
  "investmentStrengths": [
    "Strong franchise health indicators",
    "Market has room for growth",
    "Excellent consumer/franchisee sentiment",
    "Low regulatory burden"
  ]
}

输出字段

字段	类型	描述
entity	string	传递给工具的特许经营品牌名称
compositeScore	number	加权综合评分，范围为 0–100：健康度占 30% + 饱和度反向计分占 20% + 监管反向计分占 20% + 情绪占 30%
verdict	string	STRONG_BUY（≥75）/ BUY（≥55）/ HOLD（≥35）/ AVOID（<35 或触发覆盖条件）
franchiseHealth.score	number	0–100，基于评价质量 + 投诉惩罚 + 企业健康状况 + 公司信号
franchiseHealth.complaintCount	number	检索到的 CFPB 投诉原始数量
franchiseHealth.reviewScore	number	Trustpilot + 多平台评价的平均评分（保留 1 位小数）
franchiseHealth.corporateFlags	number	找到的已解散/不活跃/已注销企业实体数量
franchiseHealth.healthLevel	string	FAILING / STRUGGLING / AVERAGE / HEALTHY / THRIVING
franchiseHealth.signals	string[]	对各评分组成部分的易读说明
marketSaturation.score	number	0–100，分数越高表示市场越饱和（高分对新进入者不利）
marketSaturation.locationDensity	number	通过 Google Maps 找到的现有特许经营地点数量
marketSaturation.economicViability	number	BLS 经济实力净评分（失业率 + 消费者指标）
marketSaturation.saturationLevel	string	UNDERSERVED / OPPORTUNITY / BALANCED / CROWDED / OVERSATURATED
regulatoryCompliance.score	number	0–100，分数越高表示监管负担越重
regulatoryCompliance.regulationCount	number	检索到的与特许经营/主题相关的 Federal Register 文件数量
regulatoryCompliance.enforcementActions	number	提及执法、处罚或 FTC 行动的文件数量
regulatoryCompliance.complianceLevel	string	MINIMAL / STANDARD / ELEVATED / HEAVY / CRITICAL
franchiseeSentiment.score	number	0–100，分数越高表示情绪越积极
franchiseeSentiment.totalReviews	number	在所有平台分析的评价总数
franchiseeSentiment.averageRating	number	加权平均评分，范围为 0–5（保留 1 位小数）
franchiseeSentiment.sentimentTrend	string	DECLINING / STABLE / IMPROVING / STRONG / EXCELLENT
allSignals	string[]	合并四种评分模型的信号列表
investmentRisks	string[]	根据评分阈值自动识别的风险标记
investmentStrengths	string[]	根据评分阈值自动识别的优势标记

特许经营尽职调查费用是多少？

此 MCP 服务采用按事件付费定价——每次工具调用收费 $0.045。平台计算费用已包含在内。无需订阅，也没有最低消费。

场景	工具调用次数	每次调用费用	总费用
单项工具测试（仅投诉）	1	$0.045	$0.045
基本的特许经营商评估	1	$0.045	$0.045
评估 + 区域 + 情绪（3 个工具）	3	$0.045	$0.14
比较 5 个特许经营体系（基准测试工具）	5	$0.045	$0.23
完整流程：档案 + 区域 + 季度监控	12	$0.045	$0.54

你可以为每次运行设置最高支出限额以控制费用。达到预算后，MCP 会正常停止，并返回明确的错误消息，而不是部分结果。

专业研究公司的特许经营律师和顾问通常每评估一个特许经营项目，就要花费 $200–500 的员工研究时间。每次工具调用仅需 $0.045，一份完整的特许经营投资档案不到一杯咖啡的价格。Apify 免费层每月包含 $5 的平台额度，无需提供付款方式，即可支付 100 多次工具调用。

使用 API 进行特许经营尽职调查

Python

import urllib.request, json

url = "https://franchise-due-diligence-mcp.apify.actor/mcp"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer YOUR_APIFY_TOKEN"
}
payload = {
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "generate_investment_dossier",
        "arguments": {
            "franchise": "Pinnacle Fitness Franchise",
            "location": "Austin, TX"
        }
    },
    "id": 1
}
req = urllib.request.Request(url, json.dumps(payload).encode(), headers)
with urllib.request.urlopen(req) as resp:
    result = json.loads(resp.read())
    dossier = json.loads(result["result"]["content"][0]["text"])
    print(f"Verdict: {dossier['verdict']} — Composite Score: {dossier['compositeScore']}/100")
    print(f"Health: {dossier['franchiseHealth']['healthLevel']} ({dossier['franchiseHealth']['score']}/100)")
    print(f"Saturation: {dossier['marketSaturation']['saturationLevel']}")
    print(f"Sentiment: {dossier['franchiseeSentiment']['sentimentTrend']} — {dossier['franchiseeSentiment']['averageRating']}/5")
    for strength in dossier["investmentStrengths"]:
        print(f"  + {strength}")

JavaScript

const url = "https://franchise-due-diligence-mcp.apify.actor/mcp";

const response = await fetch(url, {
    method: "POST",
    headers: {
        "Content-Type": "application/json",
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
    },
    body: JSON.stringify({
        jsonrpc: "2.0",
        method: "tools/call",
        params: {
            name: "generate_investment_dossier",
            arguments: {
                franchise: "Pinnacle Fitness Franchise",
                location: "Austin, TX"
            }
        },
        id: 1
    })
});

const result = await response.json();
const dossier = JSON.parse(result.result.content[0].text);

console.log(`Verdict: ${dossier.verdict} (${dossier.compositeScore}/100)`);
console.log(`Health: ${dossier.franchiseHealth.healthLevel}`);
console.log(`Saturation: ${dossier.marketSaturation.saturationLevel}`);
console.log(`Sentiment: ${dossier.franchiseeSentiment.sentimentTrend} — ${dossier.franchiseeSentiment.averageRating}/5`);
for (const strength of dossier.investmentStrengths) {
    console.log(`  + ${strength}`);
}

cURL

# Full investment dossier — STRONG_BUY/BUY/HOLD/AVOID verdict
curl -X POST "https://franchise-due-diligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "generate_investment_dossier",
      "arguments": {
        "franchise": "Pinnacle Fitness Franchise",
        "location": "Austin, TX"
      }
    },
    "id": 1
  }'

# Compare two franchise systems head-to-head
curl -X POST "https://franchise-due-diligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "benchmark_franchise_brand",
      "arguments": {
        "franchise_a": "Anytime Fitness",
        "franchise_b": "Planet Fitness"
      }
    },
    "id": 2
  }'

如何连接此 MCP 服务

Claude Desktop

添加到你的 claude_desktop_config.json：

{
  "mcpServers": {
    "franchise-due-diligence": {
      "url": "https://franchise-due-diligence-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor、Windsurf、Cline 和其他 MCP 客户端

在客户端的 MCP 服务配置中使用相同的端点 URL 和 Authorization 标头。服务使用 Streamable HTTP 传输（每个请求均无状态），兼容所有 MCP 1.x 客户端。

Endpoint: https://franchise-due-diligence-mcp.apify.actor/mcp
Method: POST
Auth: Bearer YOUR_APIFY_TOKEN

Franchise Due Diligence MCP 的工作原理

阶段 1：并行收集数据

调用任何工具时，runActorsParallel 都会使用 Promise.allSettled 同时分派所有必需的 actor 调用。这意味着，收集完整的 8 个来源档案所需的时间大致等于最慢的单个来源所需的时间，而非其 8 倍。单个来源发生故障时会返回空数组，而不会中止整个运行——评分模型会通过使用保守的默认值，在数据缺失时平稳降级。

通过 Apify 客户端配置，每次 actor 调用的内存上限为 256 MB，超时时间为 120 秒。Actor ID 采用硬编码而非动态查询，以确保始终定位到正确版本的 actor：Company Deep Research（2cAY2V9yz1JE2H1S2）、CFPB Complaints（OuMDkYU3IROUS0AEj）、Trustpilot Review Analyzer（BLXRNH33QZNOoyKEg）、Multi-Review Analyzer（S85IfVOoTyN9XWyXs）、OpenCorporates（x0a1Q4g0MLc7h15Im）、Google Maps Lead Enricher（nbWolQ1LMHgZsZeSg）、Federal Register（8bZkbWKlXQrDq0ZgK）、BLS Economic Data（7IoF52qtM0SrQcCDG）。

阶段 2：四种独立评分模型

每种评分模型都会处理特定来源的原始数据数组，并返回一个经过归一化的 0-100 分数，以及分类等级和易于理解的信号说明。

特许经营健康评分会从 Trustpilot 和多评论数组中提取评分，计算平均评分，并通过 meanRating * 6 将其映射为最高 30 分的分项。CFPB 投诉数量每起扣 3 分，最多扣 25 分，然后反向计分。OpenCorporates 实体通过匹配 company_status 和 status 字段中的字符串，解析其处于活跃还是已解散状态。系统会对公司研究条目进行全文关键词搜索：增长／扩张／收入为正面信号，而诉讼／破产／欺诈／下滑为负面信号。

市场饱和度指数以 Google Maps 地点数量计算密度分项（每个地点 2 分，最高 40 分）。评分低于 3.5 的地点会累积为质量下降信号。系统会将 BLS 序列 ID 与 LNS14 失业率模式和 CPI 消费者指标进行匹配：失业率低于 4.0% 时增加 5 分经济实力分，失业率高于 6.0% 时扣除 3 分。地理集中度按超过 5 个地点基准的每个地点增加 2 分，最多额外增加 15 分。

监管合规概况会扫描 Federal Register 文件标题，查找“enforcement”“penalty”“ftc”“franchise”“fdd”和“disclosure”等关键词。投诉与监管比率用于反映存在投诉却没有相应监管回应的情况。数量压力综合 CFPB 和 Federal Register 来源的原始计数。

特许经营者情绪趋势会合并 Trustpilot 和多评论数组，平均评分占 35 分、评论数量占 25 分、低评分（1-2 星）比例反向计分占 20 分，CFPB 投诉数量调整项占 20 分。

阶段 3：综合评分与结论

投资档案会综合所有四项评分：health * 0.30 + (100 - saturation) * 0.20 + (100 - regulatory) * 0.20 + sentiment * 0.30。由于较高的饱和度和监管评分代表对投资者更不利的结果，因此这两项评分会反向计算。综合评分根据 75、55 和 35 的阈值映射为结论。两种覆盖条件无论综合评分如何，都会强制给出 AVOID：healthLevel === 'FAILING'（分数低于 20）或 complianceLevel === 'CRITICAL'（监管评分高于 80）。

第 4 阶段：MCP 协议传输

服务使用 MCP SDK 中的 StreamableHTTPServerTransport，并将 sessionIdGenerator 设为无状态模式——每个 POST 请求都会创建一个新的服务实例，使服务能够水平扩展，并兼容 Apify 的待机基础设施。在待机模式下，Express 应用运行在 ACTOR_STANDBY_PORT 上；在正常的 Actor 运行模式下，它会在 1 秒后正常退出，以通过健康检查。

获得最佳结果的提示

1. 进行市场饱和度分析时，请提供地区位置。 调用 assess_market_saturation 或 score_territory_economics 时，如果不提供位置，返回的是全国范围的数据。添加具体的城市或都会区（例如“科罗拉多州丹佛”），可以让 Google Maps 密度和 BLS 数据更贴合你的实际投资决策。

2. 在深入评估前，先使用 benchmark_franchise_brand。 两两比较的成本为 $0.045，并能立即判断哪个加盟体系在市场口碑和市场定位方面更有优势。将数据需求更高的 evaluate_franchisor 调用留给更有潜力的候选对象。

3. 将 CFPB 投诉数量视为领先指标。 CFPB 数据库会记录那些尚未升级为监管行动的投诉。某个加盟品牌若有 15 起以上 CFPB 投诉，且没有 Federal Register 回复，说明执法风险正在累积——“High complaints but no regulatory response — enforcement risk building”这一信号会专门标记此类情况。

4. 覆盖信号的优先级高于综合评分。 如果覆盖逻辑给出 AVOID 结论（健康状况为 FAILING 或监管级别为 CRITICAL），无论其他维度的得分多高，都必须停止。仔细查看 allSignals 数组，再解读综合评分，切勿只看综合评分。

5. 每季度运行一次，以监控投资组合。 加盟品牌的健康状况变化较慢。对于你已经运营的加盟业务，每 90 天运行一次 analyze_complaint_trajectory，可以及早发现体系恶化——口碑下滑通常会比单元层面的销售额下降提前 2–4 个季度。

6. 将其与 FDD 审查结合使用，而非取而代之。 此 MCP 会呈现独立的公共数据信号，可补充加盟商披露的信息，有时也会与之矛盾。可将评分用作初筛和提出假设的依据，然后在实际的 FDD 中核实重要发现。

7. 为 Agent 工作流设置单次运行支出上限。 使用工具调用循环的 AI Agent 可能会在单次会话中多次调用 MCP 工具。在 Apify 运行设置中配置最高支出，以防开发期间产生意外费用。

与其他 Apify Actor 结合使用

Actor	组合方式
Company Deep Research	对特许经营商的母公司开展独立的深度研究，补充档案中未涵盖的管理和财务信息
Trustpilot Review Analyzer	在品牌层面评估后，提取特定特许经营门店的详细评论文本和情感倾向
Multi-Review Analyzer	针对区域研究中识别出的特定特许经营门店地址，收集来自 Google、Yelp 和 Trustpilot 的跨平台评论
Google Maps Lead Enricher	在分析市场饱和度后，为单个特许经营门店列表补充完整联系信息，包括电话、网站和营业时间
Website Contact Scraper	在识别目标特许经营体系后，提取特许经营经纪人和顾问的联系方式，用于外联
B2B Lead Qualifier	在投入时间进行完整评估前，为来自贸易展会或经纪人网络的特许经营开发潜在客户评分
Website Change Monitor	在评估和签署合同期间，监控特许经营商网站及 FDD 专题页面的重要变更

局限性

• 没有 FDD 或 Item 19 财务数据。 8 个公开数据源均未提供特许经营披露文件（FDD）内容、Item 19 财务业绩陈述或经审计的财务报表。此 MCP 使用代理信号（评价情绪、投诉趋势、门店密度）作为系统健康状况的指标，而非直接的财务业绩数据。
• 评价数据混合了消费者和加盟商的观点。 Trustpilot 和多平台评价会汇总客户评价，偶尔也会包含加盟商评价，但不会区分两者。情绪信号反映的是品牌的公众声誉，而非单独的加盟商满意度。
• CFPB 仅涵盖金融服务投诉。 CFPB 数据库收录的是与金融产品和服务相关的投诉。非金融类特许经营投诉（食品质量、服务问题、劳动纠纷）不会收录在此。没有金融产品相关业务的特许经营类别（食品、健身、家庭服务）自然会显示较少的 CFPB 投诉，这并不一定代表表现更好。
• OpenCorporates 的覆盖范围因司法管辖区而异。 美国、英国和许多欧盟司法管辖区的公司注册数据较为全面，但覆盖较少的州和国际市场的数据可能不完整或有所延迟。实体数量应视为最低数量，而非确定的总数。
• Google Maps 密度仅反映公开列出的门店。 未认领或创建 Google Maps 商家信息的特许经营门店不会计入密度统计，因此某些市场的饱和度可能被低估。
• BLS 经济数据默认按全国或州级提供。 获取都市圈以下或邻里级经济数据需要自定义 BLS 系列 ID，而默认查询不支持此类 ID。总体就业和消费者指标可能无法反映本地市场状况。
• 评分模型基于信号，而非预测。 评分反映当前的公开数据信号，不保证投资结果，也不预测未来的特许经营系统表现。应将其作为适当尽职调查流程中的众多参考因素之一。
• 每次 actor 调用的 API 超时为 120 秒。 如果源 actor 负载较高，单次工具调用可能接近超时上限。Promise.allSettled 模式会为超时的数据源返回空数组，而非直接失败，但受影响的评分维度将采用保守的默认值。

集成

• Zapier — 当新线索进入交易管道电子表格时，触发生成特许经营档案，并自动将结论评分写回对应行
• Make — 构建多步骤工作流，评估特许经营项目、筛除 AVOID 结论，并仅为 BUY 及以上的项目在 CRM 中创建交易记录
• Google Sheets — 将特许经营评分和信号列表导入跟踪表，以监控多个特许经营系统的投资组合
• Apify API — 从交易管理系统、特许经营经纪平台或自定义研究应用中，以编程方式调用任意工具
• Webhooks — 每季度的特许经营健康监测完成后，通过 Slack 或电子邮件接收通知
• LangChain / LlamaIndex — 将此 MCP 服务集成为 LangChain Agent 或 LlamaIndex 工作流中的工具，构建自动化特许经营研究流水线

故障排除

结论为 AVOID，但各项评分看起来合理。 评分模型包含两个覆盖条件，无论综合评分如何，都会强制返回 AVOID：franchiseHealth.healthLevel === 'FAILING'（评分低于 20）或 regulatoryCompliance.complianceLevel === 'CRITICAL'（监管评分高于 80）。请直接检查输出中的这两个字段。如果两者都显示为非严重级别，请提交问题——这可能是一个值得调查的评分边缘案例。

市场饱和度评估返回的地点数量非常少。 Google Maps 匹配使用加盟品牌面向消费者的名称。请尝试不同写法：“Subway”与“Subway Sandwiches”，或“H&R Block”与“H and R Block”。同时确认你提供了地点参数——如果未提供，查询返回的将是稀疏的全国样本，而不是目标区域的密度统计。

generate_investment_dossier 运行时间超过 2 分钟。 完整档案会并行查询 8 个来源，每个来源的单独超时时间为 120 秒。如果底层 actor 负载较高，总耗时可能接近 3-4 分钟。这是预期行为。如果调用持续超时，请尝试分别调用 evaluate_franchisor 和 assess_market_saturation 工具——它们涵盖了大部分相同数据，且并行调用规模较小。

评论评分为 0，且没有评论信号时，情绪结果显示为 DECLINING。 这通常意味着加盟品牌名称未能匹配到 Trustpilot 或多平台搜索中的任何结果。请尝试使用更短或更常见的名称。一些区域性或新兴加盟体系的评论覆盖度很低——此时会显示信号 'No reviews found — limited brand visibility or new franchise'。

大型加盟品牌的企业结构仅返回 1-2 个实体。 OpenCorporates 按名称搜索。母公司的名称通常与运营品牌不同（例如，“Doctor's Associates Inc.”运营 Subway）。对于规模较大的体系，请使用母公司的法定名称，而非品牌名称，运行 investigate_corporate_structure。

负责任地使用

• 此 MCP 服务仅访问政府数据库、消费者评论平台和企业注册机构中公开提供的数据。
• 所有数据来源——CFPB、Federal Register、BLS、OpenCorporates、Trustpilot——均提供公共 API 或可公开访问的数据库。
• 在适当的尽职调查流程中，应将投资信号作为参考依据之一，而非投资决策的唯一基础。
• 在咨询、法律或投资场景中使用加盟情报数据时，请遵守适用法律。
• 有关网页抓取和数据使用合法性的指南，请参阅 Apify 的指南。

常见问题

通过此 MCP 进行加盟尽职调查，与阅读 FDD 有何不同？ FDD 由加盟商编写，并按固定计划接受审计。此 MCP 提供来自公开数据来源的实时独立信号，包括投诉数据库、消费者评论、企业注册信息和经济指标；这些数据会持续更新，可能与 FDD 披露的信息相矛盾，也可能对其进行补充。两者相辅相成，不能相互替代。

一次会话中可以评估多少个加盟体系？ 每次会话没有数量限制。每次工具调用单独计费，价格为 $0.045。你可以在一次 AI 会话中使用 benchmark_franchise_brand 初步筛选 100 个加盟体系，费用为 $4.50，然后再使用 evaluate_franchisor 深入评估最有潜力的候选对象。 加盟尽职调查适用于国际加盟体系吗？ 覆盖范围取决于数据来源。CFPB 和 Federal Register 的数据仅限美国。OpenCorporates 覆盖全球 140 多个司法管辖区。Trustpilot 和 Google Maps 覆盖国际市场。BLS 数据仅限美国。对于美国以外的加盟分析，evaluate_franchisor 和 benchmark_franchise_brand 会返回部分结果——评价和企业数据——而美国监管和经济相关部分则采用保守默认值。

加盟健康评分有多准确？ 该评分反映公开信号的权重，并非对加盟财务状况的审计。它旨在快速筛选出值得深入审查的体系，并可靠地标记明显的危险信号：大量投诉、实体已解散、评价不佳。对于 40–60 分的临界评分，在得出结论前应使用单项工具调用进行后续调查。

我可以使用此 MCP 监控自己已经拥有的加盟业务吗？ 可以。每季度运行 analyze_complaint_trajectory，即可及早发现品牌状况恶化的迹象。在 Apify 平台上将其设为定时运行，即可自动执行，并在评估完成时接收 webhook 通知——为现有投资提供省力的预警系统。

市场饱和度评分是如何计算的？ 饱和度由四个部分组成：Google Maps 上的地点密度（每个地点计 2 分，最高 40 分）、现有地点的低评分比例（当许多地点低于 3.5 星时最高 25 分）、BLS 经济指标（根据失业率和 CPI 数据计分，最高 20 分），以及超过 5 个地点时的地理集中度（最高 15 分）。分数越高，表示市场越拥挤——新进入者的机会越少。

使用这些数据进行加盟投资研究合法吗？ 合法。所有数据来源均为公开的政府数据库、受监管的消费者投诉登记系统或公开评价平台。请参阅 Apify 关于网页抓取合法性的指南。

如果运行尽职调查档案时 8 个数据源之一发生故障，会怎样？ Agent 客户端使用 Promise.allSettled，因此单个数据源故障时会返回空数组，而不会中止运行。受影响的评分维度会采用保守的中间范围默认值，该维度的信号数组也会为空。所有输出字段始终都会保留，因此可以清楚看出哪些维度有数据，哪些使用了默认值。

这与聘请加盟顾问有何不同？ 加盟顾问会运用自动化工具无法复制的专业判断、行业关系和经验。此 MCP 提供数据基础——投诉记录、评价分析、企业结构、市场经济状况——而顾问通常每次服务要花 10–20 小时收集这些信息。它能减轻研究负担，但不能替代对重大决策的专业建议。

我可以将此 MCP 连接到 Cursor 或其他编码 AI 工具吗？ 可以。该服务使用标准的 Streamable HTTP MCP 传输方式，兼容 Cursor、Windsurf、Cline 和任何 MCP 1.x 客户端。请使用端点 https://franchise-due-diligence-mcp.apify.actor/mcp，并将 Apify 令牌作为 Bearer Authorization 标头。

“避免”结论覆盖规则是什么意思？ 无论综合评分如何，满足以下任一条件都会强制给出“避免”结论：加盟健康评分被判定为“未通过”（分数低于 20），或监管合规被判定为“严重”（分数高于 80）。这表示，即使其他信号为正面，单个维度的严重程度也足以要求立即停止。 生成一份完整的投资档案需要多长时间？ generate_investment_dossier 工具会并行查询 8 个参与方，每个查询的上限为 120 秒。实际情况下，完整档案通常需要 90–150 秒，具体取决于数据量和来源负载。单个工具——evaluate_franchisor、assess_market_saturation——通常需要 30–60 秒。

帮助我们改进

如果遇到问题，可以在 Apify 账户中启用运行共享，帮助我们更快地排查问题：

1. 前往账户设置 > 隐私
2. 启用与公开 Actor 创建者共享运行记录

这样，如果出现问题，我们就能查看运行详情，从而更快地修复问题。你的数据仅对 Actor 开发者可见，不会公开。

支持

发现 Bug 或有功能建议？请在此 Actor 页面上的 Issues 标签页中提交问题。如需定制特许经营研究工作流、企业集成或批量评估流程，请通过 Apify 平台联系我们。