Huff Gravity Model Analysis I Lucky Templates

I denne opplæringen lærer vi hvordan du gjør en Huff i LuckyTemplates. Vi kan bruke denne analysen til å estimere potensielle salg eller attraktivitet for et bestemt butikksted. Vi gjør dette vanligvis i programvaren Geographic Information System. Vi kan imidlertid også gjøre det i LuckyTemplates og gjøre det dynamisk.

Huff Gravity Analysis antar at overflaten i kvadratmeter av en supermarkedsbutikk, delt på avstanden i kvadrat til potensielle kunder, vil resultere i en attraktivitetsfaktor som går mot andre butikker. Denne vil også vise sannsynligheten i prosent for besøkende kunder.

Forutsetningen er basert på at jo flere kvadratmeter en butikk har, desto større blir sortimentet og tilstedeværelsen av andre serviceelementer. Så butikken kan tiltrekke seg kunder til å reise lengre avstander.

I dette eksemplet er kjøreavstanden brukt (postnummer centroid til butikken).

Vi kan også bruke rettlinjet avstand. Men i dette tilfellet er det en elv som skiller grensene. En rettlinjet avstand er derfor ikke pålitelig.

Ideelt sett bruker vi mindre områder som nabolag. Dette er kun for demonstrasjon. Vi kan legge til flere parametere for å påvirke sannsynligheten som parkeringsplass, offentlig transport, og bruke metodikken for andre analyser også.

Vi kan også legge til en avstands-decay- faktor for å dempe avstandseffekten. Folk er forberedt på å reise lenger når de handler møbler enn de er til daglige dagligvarer. 

Innholdsfortegnelse

• Huff Gravity Model Analysis Data
• Importerer data i Power Query Editor
• Huff gravitasjonsmodellanalyse basert på attraktivitet
• Sannsynlighet i Huff Gravity Model Analysis
• Sannsynlighetsanalyse
• Dynamisk Huff Gravity Analysis
  • Dynamisk Huff-tyngdekraftsanalyse basert på butikkareal
  • Dynamisk Huff-tyngdekraftsanalyse basert på avstand
• Konklusjon

Huff Gravity Model Analysis Data

Først, la oss ta en titt på dataene.

I dette excel-regnearket er det seks supermarkeder.

Den har også Kilometrene som inneholder avstanden som en rett linje.

Deretter er det en Travel Time- fane som viser reisetid i minutter.

Og dette er avstanden. Vi kommer til å bruke dette gitt det faktum at det er en elv mellom grensene.

Dette er en Thiessen-polygon laget i GIS-programvare. Det er her vi kan lage et såkalt Thiessen Voronoi- objekt for å vise deg avstanden fra et punkt til hvert av de andre tilstøtende objektene.

Importerer data i Power Query Editor

Først importerte jeg dataene til.

Som du kan se, har jeg tatt fem supermarkeder.

Det er også to datasett her kalt Postcodes Areas PQ og Postcodes Areas DAX .

Jeg har duplisert dette slik at jeg kan vise deg hvordan du gjør det i Power Query-redigeringsprogram med fullt dynamiske mål.

For Power Query-demoen ( Postcodes Areas PQ ) har jeg rundet av bredde- og lengdegrad. Jeg anbefaler alltid at hvis du tar fire sifre bak kommaet, vil nøyaktigheten din være omtrent 11 meter, som langt på vei er nok.

Jeg regnet også ut kvadratet av hver avstand. Dette er fordi som jeg tidligere nevnte, skal vi til slutt bruke overflaten i kvadratmeter og dele den på avstanden i annen.

Deretter slo jeg den sammen med en annen tabell ( Befolkningstabell ) for å få populasjonen. Dette for å få mer innsikt i befolkningen i postnummerområdene.

For måldataene ( Postcodes Areas ), gjorde jeg også det samme som å runde av bredde- og lengdegraden og slå det sammen igjen med Populasjonstabellen .

Nå er dette LuckyTemplates-dashbordet til Huff Gravity Model Analysis.

Dette er måletabellene jeg har delt opp.

Huff gravitasjonsmodellanalyse basert på attraktivitet

Det første regnestykket jeg laget er Attraktivitet .

The Attractiveness er kvadratmeterne til butikken delt på Squared Distance . Denne butikken har 1502 kvadratmeter overflate.

Dette er kolonnen i Squared Distance . I dette eksemplet har jeg tatt. Jeg kunne ha tatteller gjennomsnittet, men det spiller egentlig ingen rolle gitt konteksten.

Jeg gjorde den beregningen for alle fem supermarkedene.

Deretter la jeg dem opp i TotalAT- målet for å beregne totalen.

Sannsynlighet i Huff Gravity Model Analysis

Det neste målet er sannsynlighet .

Sannsynlighet er ganske enkelt hvor sannsynlig en hendelse er. For å beregne det, bør en enkelt hendelse med ett enkelt utfall bestemmes. Identifiser deretter det totale antallet utfall som kan oppstå. Del til slutt antall hendelser med antall mulige utfall.

Derfor delte jeg Attraktivitet på Total Attraktivitet i dette regnestykket. 

Disse tallene vil summere seg til hundre prosent.

Det er også et befolkningsmål fra det sammenslåtte datasettet som oppsummerer befolkningen basert på postnummerområder.

Deretter, maks sannsynlighet -målet.

Dette kortet viser det.

Til slutt har jeg et Probability of Selected Store- mål. Jeg brukte dette målet for å identifisere sannsynligheten for en valgt butikk i utvalget mitt.

La oss nå diskutere hvordan det fungerer.

Sannsynlighetsanalyse

Etter hvert som jeg kartlegger, har jeg tatt grensene som postnummer. Jeg har tatt et firesifret postnummer.

Her er en tabell med sannsynligheten for valgt butikk .

Dette lille kartet viser den faktiske plasseringen av de fem supermarkedene.

Jeg kan gjøre et utvalg basert på butikkenes postnumre fra sliceren.

Dette lille kartet ( 5 Stores Rotterdam ) filtrerer ikke Choropleth-kartet (ESRI) til venstre. Dette er bare ment å gi oss en pekepinn hvor vi er på Choropleth-kartet. Dessuten hjelper det oss å se virkningen på hovedkartet i etterkant.

Som du kan se, jo mørkere fargen er, jo høyere er sannsynligheten % for den valgte butikken.

Jeg velger for eksempel dette stedet eller supermarkedet.

Hvis jeg sjekker ut dette området på kartet, vil det vise sannsynligheten for den butikken gitt avstanden i annen. Merk at dette er basert på kjøreavstanden.

Maksimal sannsynlighet for dette valget er 95 % representert på dette kortet.

Denne delen viser de inkluderte postnumrene og den synkende sannsynligheten. Jo mindre prosentandelen er, desto mer sannsynlig vil postnummeret deres være nærmere et annet supermarked.

Hvis jeg for eksempel klikker på denne, vil den vise at sannsynligheten er 0 % .

Det er klart at menneskene i dette området bor på toppen av supermarkedet under postnummer 3011 . Så hvorfor skulle de gå til en annen?

Denne delen viser den faktiske butikkoverflaten for referanse.

På den annen side viser dette den totale populasjonen innenfor utvalget.

Dynamisk Huff Gravity Analysis

Nå som jeg er ferdig med det grunnleggende om en Huff Gravity Analysis, vil jeg gå et skritt videre og diskutere hvordan jeg kan gjøre dette dynamisk.

I dette tilfellet laget jeg fem skjæremaskiner med de første kvadratmeterne og alternativer for å øke butikkarealet .

Resten av trinnene er ganske like det forrige trinnet. Jeg har nå mange flere mål fordi vi må beregne noe som er dynamisk. Jeg har tatt trinnene fra hverandre for å gjøre det mer innsiktsfullt.

Dynamisk Huff-tyngdekraftsanalyse basert på butikkareal

La oss ta en titt på kvadratmeter attraktivitet. Jeg velger attraktivitetsmålet for Supermarket 3011 .

Kvadratmeterne vil bli referert fra den valgte verdien i 3011- skjæreren.

Distsq - variabelen representerer avstandskvadraten, som er fra DAX-datasettet for postnummerområder .

I denne beregningen vil verdien av kvadratmeter bli delt på verdien av avstand i annen.

Igjen, jeg gjorde det for alle de fem supermarkedene.

Dynamisk Huff-tyngdekraftsanalyse basert på avstand

Jeg regnet også ut avstanden for denne analysen. Det er i utgangspunktet bare summen av butikkens avstandskolonne i DAX-datasettet for postnummerområder .

Den valgte butikken blir referert i Distance PC – Selected Store- beregningen ved hjelp av Dax-funksjonen.

Så har jeg også et annet sannsynlighetsmål for den dynamiske tyngdekraftsanalysen.

Det er dynamisk fordi hvis vi endrer noe i en av slicerne, vil det i ettertid ha innvirkning på utfallet av beregningen.

Jeg har gått gjennom alle disse trinnene og beregningene for den dynamiske tyngdekraftsanalysen. Dette er fordi jeg er interessert i prosentandelen av befolkningen, antall postnumre og den inkluderte avstanden basert på valget mitt fra en tilpasset slicer.

Som du kan se, er det ganske stor forskjell i befolkningen. Disse er basert på avstanden til supermarkedet og befolkningen innenfor postnumrene.

Som et eksempel vil jeg endre kvadratmeterne til supermarked 3011 .

Ved å endre det, vil virkningen bli tydelig i dataene. Dette er fordi det er mer attraktivt for folk å komme inn til sentrum og gå til dette stedet gitt kjøreavstanden.

Konklusjon

Huff Gravity Model-analysen viser sammenhengen mellom patronage og avstand fra butikkens beliggenhet. Derfor kan attraktivitet og avstand muligens påvirke sannsynligheten for at en forbruker besøker en bestemt butikk.

Denne modellen kan hjelpe deg med å bestemme salgsprognoser for bedriftsbeliggenheter. Å inkludere denne analysen i forretningsmodellen din kan gi mye informasjon om potensielle nettsteder.

Igjen, dette er nok et tydelig eksempel på hva vi kan oppnå med analyse og LuckyTemplates ved å gjøre statiske data om til en dynamisk representasjon. 

Sjekk ut koblingene nedenfor for flere eksempler og relatert innhold.

Jubel!

Paul