使用兴趣点数据揭示选址策略

[tasmiyajannatrr]

这篇文章可能描述旧版本的功能。在此处了解最新的云原生版本。在美国开设一家麦当劳汉堡王或'餐厅的成本可能超过万美元。由于与资助启动成本以及持续的广告和其他服务版税费用相关的费用如此之高很明显确保正确的位置至关重要。在竞争如此激烈的市场中选址的秘密武器依赖于能够分析正确的数据但由于可用的来源如此之多因此很难确定相关的秘诀。除此之外还能够理解和解释附近地点的选址策略以便抢占其扩张计划并获得竞争优势。此类分析中可以利用的数据包括金融人员流动行为人口统计和广泛使用的兴趣点。与其他的距离是否会影响新商店的选址？为了在这篇博文中回答这个问题我们使用美国最大的餐厅和餐饮场所品牌的位置来了解他们的基本空间规划策略如果它们的位置是随机的那么影响其分布的主要因素是什么？它们是否包括邻近性到其他兴趣点？卡托的地图扩大您的实体网络？了解如何提供帮助在本案例研究中我们将使用的核心地点数据该数据可从数据观测站获取并提供美国近万个的完整企业列表信息。



在本次分析中我们将考虑主要餐厅和餐饮场所品牌在美国的位置。纽约洛杉矶芝加哥和休斯敦市区。主要品牌被确定为在所有选定城市区域中数量最多的品牌显示所选城市地区 爱沙尼亚移动数据 数量的图表邻近网络分析为了测试所选的位置模式是否由与其他的接近程度决定我们首先构建并分析连接最大餐厅品牌的每个与其最近的个的网络。第一个网络是根据同一子类别的即全方位服务餐厅有限服务餐厅小吃和非酒精饮料吧自助餐厅烧烤自助餐和自助餐派生出最近邻居而构建的。类似地第二个网络是从同一顶级类别即餐馆和其他饮食场所的个最近邻居获得的最后第三个网络考虑来自任何类别例如服装店杂货店等的邻居。下面的直方图显示了从三个网络中每个网络导出的第一邻居距离的频率。正如预期的那样对于与同一子类别的最近的距离分布具有较重的右尾尽管大多数相似的都在范围内但与相同子类别的相比同一子类别的之间也存在一些排斥顶级类别或其他类别。显示与同一子类别和顶级类别中最近的距离的图表我们还可以绘制网络并计算每个节点的中心性如下图所示对于从同一子类别的最近邻居构建的网络。每个节点的中心性计算为归一化的紧密度中心性中心性较高的节点到网络中所有其他节点的距离最短。







从这张地图中我们可以得出每个城市中心性得分最高的个在所有城市区域中地铁快餐店与距离最近的家同类餐厅即其子类别为有限服务餐厅的联系更为紧密。与'相比'的餐厅通常位于太拥挤的区域就类似的而言。所有这些见解开始为所选品牌的同选址策略提供线索这些策略涉及将其餐厅定位在其他类似地点密度较高的区域。显示中心性最高的数量的图表对于同一个网络图我们还可以使用弦图查看类别间网络。这些图显示了节点之间的流动由弧线表示每个节点由圆形布局外缘上的片段表示。弧的大小与流的重要性即连接的数量成正比。该图显示了当我们仅考虑由所选餐厅品牌的表示的节点时的连接显示当我们仅考虑由所选餐厅品牌的代表的节点时的连接的图当仅考虑最大的品牌时'和商店通常连接在一起'商店几乎总是商店的一级邻居而星巴克商店通常是其自身的一级邻居。类似地当考虑所选与同一顶级类别的一阶距离的图表时我们可以看到在大多数情况下有限服务餐厅以及小吃和非酒精饮料吧的第一邻居是另一个有限服务餐厅分别设有服务餐厅和另一家小吃店和非酒精饮料吧。该图显示了当我们考虑所选与同一顶级类别的一阶距离时的连接最后我们还可以查看星巴克商店的这些图中所示的类别内链接。