市场营销

基于大数据思维的微商圈动态分析技术浅析

高山 谭钦腾 孔荣    2014-12-31

  商圈分析是指商店对其商圈的构成情况、特点、范围以及影响商圈规模变化趋势的因素进行实地调查和研究分析。一般包括人口特点、经济基础特点、竞争状况和市场饱和度等。可用于新开商店的选址、定位目标市场和经营方针、预测新开商店的经济效益等方面。

  与传统商圈分析更多采取定性分析不同,全数据、历史大数据、信息全数据化等思维是基于实地的调查方式。下面,笔者尝试基于大数据思维就微商圈动态进行简要分析。

地理位置数据化

  传统商圈多为定性分析,对商圈保存为字符字段,难以直接用于计算机技术进行分析。在大数据思维中,量化信息是数据化信息的核心。其中,对地理位置信息的量化有两种方式:

  编码量化,这种方式需要完成编码转化,具体就是对区、路、号等建立编码对应规则。这种编码不具备实际意义,仅是简单的数据转化。

  利用定位技术,将地理位置量化为经度、纬度数据,用经度、纬度量化数据定位零售客户的地理位置,这两个数据本身存在实际的意义,可用做直接的数据挖掘,为大数据思维的商圈分析奠定重要基础。

  随着现代技术的广泛应用,通过以下两种方式可以轻松采集所需的量化数据:利用GPS与AGPS技术的终端实地采集;利用Google地图、百度地图等工具,进行在线搜索采集。

基于销售数据的商圈图示化分析

  传统的商圈需要先收集商圈信息,然后对商圈进行分析。而大数据思维则强调现有数据的挖掘,特别是可持续收集、更新的实时数据。

  在地理位置信息数据量化的基础上,结合现有的卷烟销量、卷烟销售金额、卷烟结构数据,通过聚类分析,可以动态划分商圈。为方便说明,本文随机模拟100个零售客户样本两个月的卷烟销售数据。

  以经度与纬度数据为横纵坐标模拟零售客户地理位置信息。第一步,仅考虑地理位置信息,将模拟零售客户分为4类。

  第二步,一、二月销售数据作为商圈划分变量,将模拟零售客户分为4类后,对比地理位置信息可以看出商圈被细分为了8个微商圈。(如右图)

  第三步,分析商圈类型,找出影响商圈类型的核心因子。

商圈动态分析

  大数据思维强调通过连续的数据对比分析,反映出商圈的动态变化。

  整体动态变化。

  第一步,以一月份销售数据为自变量指标,将模拟零售客户分为4类商圈;第二步,以二月份销售数据为自变量指标,并将模拟零售客户分为4类商圈;第三步,基于上述两个分类,分别用经纬度作为横纵轴,绘制模拟零售客户一月、二月整体商圈变化地图。(可参考上图)

  商圈动态变化挖掘。

  下面,以销售卷烟结构为分析内容,探索商圈动态变化的分析。

  第一步,计算一月到二月的卷烟结构变化率,变化率=一月结构/二月结构;第二步,按照卷烟结构变化率分组,在实践中,分组边界根据经验或者长期的数据确定。假设分组为第一组1.1以上,第二组1与1.1之间,第三组0.9与1之间,第四组0.9以下。从中找到变化趋势明显的零售客户,一般为第一组(结构提升明显)与第四组(结构下降明显)的数据进行商圈图式化分析。同时,可通过K-Means聚类法对出现显著变化的零售客户进行聚类,发现变化显著的商圈中心与范围,并进行商圈动态分析。

  具体步骤如下:确定集中趋势,根据商圈变化的图示化分析,初步判断集中趋势,如果出现集中趋势进行深入分析;确定变化中心,根据集中趋势,确定具体的聚类数量,通过Spss软件求解类中心,标注每个零售店聚类中心的距离;分析与策略,根据不同类型的商圈动态,应采取不同的分析与策略应对。

  除卷烟结构外,商圈动态分析也可对销量与销售金额等其他指标进行动态监测分析,其特点是结合定位数据,及时发现变化的大小与规模,测算变化中心,直观呈现商圈变化态势。

来源:贵阳市局(公司)
相关文章