Huff Gravity Model Analysis In LuckyTemplates

Ebben az oktatóanyagban megtanuljuk, hogyan kell Huff-ot csinálni a LuckyTemplatesben. Ezzel az elemzéssel megbecsülhetjük egy adott üzlethely potenciális eladásait vagy vonzerejét. Ezt általában a Geographic Information System szoftverben tesszük. Azonban a LuckyTemplatesben is megtehetjük, és dinamikussá tehetjük.

A Huff Gravity Analysis azt feltételezi, hogy egy szupermarket üzletének négyzetméterben kifejezett felülete, osztva a potenciális vásárlók távolságának négyzetével, olyan vonzerőt fog eredményezni, amely elüt a többi üzlettel szemben. Ez százalékban is megmutatja a valószínűségét a látogató ügyfelek számára.

A feltételezés azon a tényen alapul, hogy minél több négyzetméterrel rendelkezik egy üzlet, annál nagyobb lesz a választék és az egyéb kiszolgáló elemek jelenléte. Így az üzlet nagyobb távolságra vonzhatja a vásárlókat.

Ebben a példában a vezetési távolságot használtuk (irányítószám súlypont az üzletig).

Használhatunk egyenes távolságot is. Ebben az esetben azonban egy folyó választja el a határokat. Így az egyenes vonalú távolság nem megbízható.

Ideális esetben kisebb területeket, például városrészeket használunk. Ez csak demonstrációra szolgál. A valószínűség befolyásolására további paramétereket adhatunk hozzá, például parkolóhelyet, tömegközlekedést, és más elemzésekhez is használhatjuk a módszertant.

Hozzáadhatunk egy távolság-csökkentő tényezőt is, hogy tompítsuk a távolsághatást. Az emberek készek arra, hogy messzebbre utazzanak, amikor bútort vásárolnak, mint a mindennapi élelmiszerek vásárlásakor. 

Tartalomjegyzék

• Huff gravitációs modell elemzési adatok
• Adatok importálása a Power Query szerkesztőben
• Huff gravitációs modell elemzése a vonzerő alapján
• Valószínűség a Huff-féle gravitációs modell elemzésében
• Valószínűség-elemzés
• Dinamikus Huff gravitációs elemzés
  • Dinamikus Huff gravitációs elemzés az üzlet területe alapján
  • Dinamikus Huff gravitációs elemzés a távolság alapján
• Következtetés

Huff gravitációs modell elemzési adatok

Először is nézzük meg az adatokat.

Ebben az Excel-táblázatban hat szupermarket található.

A kilométereket is tartalmazza , amelyek egyenes vonalként tartalmazzák a távolságot.

Ezután van egy Utazási idő lap, amely percekben mutatja az utazási időt.

És ez a távolság. Ezt fogjuk használni, mivel a határok között folyó van.

Ez egy Thiessen-poligon, amelyet térinformatikai szoftverben hoztak létre. Itt létrehozhatunk egy úgynevezett Thiessen Voronoi objektumot, amely megmutatja egy pont és a többi szomszédos objektum távolságát.

Adatok importálása a Power Query szerkesztőben

Először importáltam az adatokat.

Amint látja, öt szupermarketet vettem át.

Két adatkészlet is található itt: Irányítószám-területek PQ és Irányítószám-területek DAX .

Ezt lemásoltam, hogy megmutassam, hogyan kell ezt megtenni a Power Query szerkesztőben teljesen dinamikus intézkedésekkel.

A Power Query demójához ( Irányítószámok területei PQ ) kerekítettem a szélességi és hosszúsági fokokat. Mindig azt tanácsolom, hogy ha négy számjegyet vesz a vessző mögé, a pontosság körülbelül 11 méter lesz, ami messze elég.

Kiszámoltam minden távolság négyzetét is. Ennek az az oka, hogy ahogy korábban említettem, végül a felületet négyzetméterben fogjuk használni, és elosztjuk a távolság négyzetével.

Ezután egyesítettem egy másik táblával ( Népesség táblázat), hogy megkapjam a sokaságot. Ennek célja, hogy több betekintést nyerjen az irányítószám-területek lakosságára.

A mérési adatoknál ( Irányítószámok területei ) szintén ugyanazt csináltam, mint a szélességi és hosszúsági körök kerekítését, és újra egyesítettem a Népesség táblázattal.

Ez a Huff Gravity Model Analysis LuckyTemplates műszerfala.

Ezek azok a mértéktáblázatok, amelyeket felosztottam.

Huff gravitációs modell elemzése a vonzerő alapján

Az első számítás, amit készítettem, a Vonzóság .

A vonzerő az üzlet négyzetméterei osztva a négyzetes távolsággal . Az üzlet 1502 négyzetméter alapterületű.

Ez a négyzetes távolság oszlopa . Ebben a példában a. vihettem volna avagy az átlag, de ez a kontextus ismeretében nem igazán számít.

Ezt a számítást mind az öt szupermarketre elvégeztem.

Ezután összeadtam őket a TotalAT- mértékben, hogy kiszámítsam az összeget.

Valószínűség a Huff-féle gravitációs modell elemzésében

A következő mérték a valószínűség .

A valószínűség egyszerűen azt jelenti, hogy mekkora valószínűséggel történik egy esemény. Ennek kiszámításához egyetlen eseményt kell meghatározni, amelynek egyetlen kimenetele van. Ezután határozza meg a lehetséges kimenetelek számát. Végül oszd el az események számát a lehetséges kimenetelek számával.

Ezért ebben a számításban  a vonzerőt elosztottam a teljes vonzerővel .

Ezek a számok száz százalékot tesznek ki.

Az egyesített adatkészletből egy népességmérés is található , amely az irányítószám-területek alapján összegzi a népességet.

Ezután a maximális valószínűség mértékét.

Ez a kártya ezt mutatja.

Végezetül megvan a kiválasztott üzlet valószínűsége . Ezt a mértéket arra használtam, hogy azonosítsam a kiválasztott üzletek valószínűségét a kiválasztásomban.

Most beszéljük meg, hogyan működik.

Valószínűség-elemzés

A térképezés során a határokat irányítószámnak vettem. Vettem egy négyjegyű irányítószámot.

Íme egy táblázat a kiválasztott üzlet valószínűségével .

Ez a kis térkép mutatja az öt szupermarket tényleges helyét.

Az üzletek irányítószámai alapján tudok válogatni a szeletelőből.

Ez a kis térkép ( 5 Stores Rotterdam ) nem a bal oldali Choropleth térképet (ESRI) szűri. Ez csak arra szolgál, hogy támpontot adjon nekünk, hol vagyunk a Choropleth térképen. Sőt, segít nekünk abban, hogy utólag lássuk a hatást a fő térképen.

Amint látja, minél sötétebb a szín, annál nagyobb a valószínűségi % a kiválasztott üzletre.

Például ezt a helyet vagy szupermarketet választom ki.

Ha megnézem ezt a területet a térképen, megjelenik a bolt valószínűsége a távolság négyzetében. Vegye figyelembe, hogy ez a vezetési távolságon alapul.

Ennek a kiválasztásnak a maximális valószínűsége 95% jelen van ezen a kártyán.

Ez a rész megjeleníti a benne szereplő irányítószámokat és a csökkenő valószínűséget. Minél kisebb ez a százalék, annál valószínűbb, hogy az adott irányítószámuk közelebb lesz egy másik szupermarkethez.

Például, ha erre kattintok, akkor a valószínűség 0% lesz .

Nyilvánvaló, hogy ezen a környéken az emberek a szupermarket tetején laknak a 3011-es irányítószám alatt . Szóval miért mennének egy másikhoz?

Ez a rész referenciaként a tényleges üzletfelületet mutatja.

Másrészt ez a kijelölésen belüli teljes populációt jeleníti meg.

Dinamikus Huff gravitációs elemzés

Most, hogy elkészültem a Huff Gravity Analysis alapjaival, egy lépéssel tovább megyek, és megvitatom, hogyan tehetem ezt dinamikussá.

Ebben az esetben öt szeletelőt készítettem a kezdeti négyzetméterekkel és az üzlet területének növelésének lehetőségeivel .

A többi lépés nagyon hasonló az előző lépéshez. Most sokkal több mérőszámom van, mert valami dinamikus dolgot kell kiszámítanunk. Szétszedtem a lépéseket, hogy jobban áttekinthető legyen.

Dinamikus Huff gravitációs elemzés az üzlet területe alapján

Nézzük meg a négyzetméter vonzerejét. A Szupermarket 3011 Vonzerő mérőszámát választom ki .

A négyzetméterek a 3011-es szeletelőben kiválasztott értékből lesznek hivatkozva.

A distsq változó a távolság négyzetét jelenti, amely az Irányítószám-területek DAX adatkészletéből származik .

Ebben a számításban a négyzetméterek értékét elosztjuk a távolság négyzetével.

Ismét ezt tettem mind az öt szupermarketben.

Dinamikus Huff gravitációs elemzés a távolság alapján

Kiszámoltam a távolságot is ehhez az elemzéshez. Ez alapvetően csak az üzlet távolsága oszlopának összege az Irányítószám-területek DAX adatkészletében.

A kiválasztott üzletre hivatkozik a Távolság PC – Selected Store számítás a Dax funkció használatával.

Ezután van egy másik valószínűségi mérőszámom is a dinamikus huff gravitációs elemzéshez.

Dinamikus, mert ha valamit megváltoztatunk az egyik szeletelőben, az utólag hatással lesz a számítás eredményére.

Végigmentem az összes lépésen és számításon a dinamikus huff gravitációs elemzéshez. Ez azért van, mert a lakosság százalékos aránya, az irányítószámok mennyisége és a benne foglalt távolság érdekel egy testreszabott szeletelőből való választásom alapján.

Amint látja, nagy különbségek vannak a népességben. Ezek a szupermarket távolságán és az irányítószámokon belüli lakosságon alapulnak.

Példaként megváltoztatom a 3011 szupermarket négyzetméterét .

Ennek megváltoztatásával a hatás nyilvánvalóvá válik az adatokban. Ez azért van így, mert a vezetési távolság miatt vonzóbb az emberek számára, ha bejönnek a központba, és erre a helyre mennek.

Következtetés

A Huff Gravity Model elemzése megmutatja a mecenatúra és az üzlet helyétől való távolság közötti összefüggést. Ezért a vonzerő és a távolság befolyásolhatja annak valószínűségét, hogy a fogyasztó felkeres egy bizonyos üzletet.

Ez a modell segíthet értékesítési előrejelzések meghatározásában az üzlethelyiségekre vonatkozóan. Ennek az elemzésnek az üzleti modelljébe való beépítése sok információval szolgálhat a potenciális webhelyekről.

Ez ismét egy másik világos példa arra, hogy mit érhetünk el az elemzéssel és a LuckyTemplates-szel, ha a statikus adatokat dinamikus reprezentációvá alakítjuk. 

További példákért és kapcsolódó tartalmakért tekintse meg az alábbi linkeket.

Egészségére!

Pál