تحليل نموذج Huff Gravity في LuckyTemplates

في هذا البرنامج التعليمي ، سوف نتعلم كيفية إجراء تحليل Huff Gravity Model في LuckyTemplates. يمكننا استخدام هذا التحليل لتقدير المبيعات المحتملة أو جاذبية موقع متجر معين. عادة ما نقوم بذلك في برنامج نظام المعلومات الجغرافية. ومع ذلك ، يمكننا أيضًا القيام بذلك في LuckyTemplates وجعله ديناميكيًا.

يفترض تحليل Huff Gravity أن السطح بالمتر المربع لمتجر سوبر ماركت ، مقسومًا على المسافة المربعة للعملاء المحتملين ، سيؤدي إلى عامل جاذبية ينطلق من المتاجر الأخرى. سيُظهر هذا أيضًا الاحتمال كنسبة مئوية لزيارة العملاء.

يعتمد الافتراض على حقيقة أنه كلما زاد عدد الأمتار المربعة في المتجر ، زاد تنوع عناصر الخدمة الأخرى ووجودها . لذلك ، قد يجذب المتجر العملاء للسفر لمسافات أطول.

في هذا المثال ، تم استخدام مسافة القيادة (الرمز البريدي centroid إلى المتجر).

يمكننا أيضًا استخدام المسافة المستقيمة. ومع ذلك ، في هذه الحالة ، هناك نهر يفصل بين الحدود. وبالتالي ، لا يمكن الاعتماد على مسافة الخط المستقيم.

من الناحية المثالية ، نستخدم مناطق أصغر مثل الأحياء. هذا للتوضيح فقط. يمكننا إضافة المزيد من المعلمات للتأثير على الاحتمالية مثل أماكن وقوف السيارات ووسائل النقل العام واستخدام المنهجية لتحليلات أخرى أيضًا.

يمكننا أيضًا إضافة عامل انحلال المسافة لتقليل تأثير المسافة. الناس على استعداد للسفر عند التسوق لشراء الأثاث أكثر من استعدادهم للسفر في محلات البقالة اليومية. 

جدول المحتويات

• بيانات تحليل نموذج هوف الجاذبية
• استيراد البيانات في محرر Power Query
• تحليل نموذج Huff Gravity على أساس الجاذبية
• الاحتمالية في تحليل نموذج Huff Gravity
• تحليل الاحتمالية
• تحليل جاذبية هاف الديناميكي
  • تحليل جاذبية Huff الديناميكي بناءً على منطقة المتجر
  • تحليل جاذبية Huff الديناميكي على أساس المسافة
• خاتمة

بيانات تحليل نموذج هوف الجاذبية

أولاً ، دعنا نلقي نظرة على البيانات.

في جدول بيانات Excel هذا ، هناك ستة متاجر سوبر ماركت.

كما أن لديها الكيلومترات التي تحتوي على المسافة كخط مستقيم.

بعد ذلك ، هناك علامة تبويب وقت السفر والتي تعرض وقت السفر بالدقائق.

وهذه هي المسافة. سنستخدم هذا في ضوء حقيقة أن هناك نهرًا بين الحدود.

هذا المضلع Thiessen تم إنشاؤه في برنامج GIS. هذا هو المكان الذي يمكننا فيه إنشاء ما يسمى بكائن Thiessen Voronoi لإظهار المسافة من نقطة إلى كل من الكائنات المجاورة الأخرى.

استيراد البيانات في محرر Power Query

أولاً ، قمت باستيراد البيانات إلى محرر Power Query .

كما ترون ، أخذت خمسة محلات سوبر ماركت.

توجد أيضًا مجموعتان من البيانات هنا تسمى مناطق الرموز البريدية PQ ومناطق الرموز البريدية DAX .

لقد قمت بتكرار هذا حتى أتمكن من توضيح كيفية القيام بذلك في محرر Power Query باستخدام مقاييس ديناميكية بالكامل.

بالنسبة إلى العرض التوضيحي لـ Power Query ( مناطق الرموز البريدية PQ ) ، قمت بتقريب خط الطول وخط العرض. أنصح دائمًا أنه إذا كنت تأخذ أربعة أرقام خلف الفاصلة ، فستكون دقتك حوالي 11 مترًا ، وهو ما يكفي إلى حد بعيد.

لقد حسبت أيضًا مربع كل مسافة. هذا لأنه كما ذكرت سابقًا ، سنستخدم السطح في النهاية بالمتر المربع ونقسمه على مربع المسافة.

ثم قمت بدمجه مع جدول آخر ( جدول السكان ) للحصول على عدد السكان. هذا للحصول على مزيد من الأفكار حول السكان في مناطق الرمز البريدي.

بالنسبة لبيانات المقاييس ( مناطق الرموز البريدية DAX ) ، قمت أيضًا بنفس الشيء مثل تقريب خط الطول وخط العرض ودمجه مرة أخرى مع جدول السكان .

الآن ، هذه هي لوحة معلومات LuckyTemplates لتحليل نموذج Huff Gravity.

هذه هي جداول القياس التي قسمتها.

تحليل نموذج Huff Gravity على أساس الجاذبية

الحساب الأول الذي قمت بإنشائه هو الجاذبية .

الجاذبية هي المتر المربع من المتجر مقسومًا على المسافة المربعة . تبلغ مساحة هذا المتجر 1502 متر مربع.

هذا هو عمود "المسافة المربعة" . في هذا المثال ، أخذت . كان بإمكاني أخذ أو المتوسط ​​، لكن هذا لا يهم حقًا في ضوء السياق.

لقد أجريت هذا الحساب لجميع محلات السوبر ماركت الخمسة.

ثم أضفتها في مقياس TotalAT لحساب الإجمالي.

الاحتمالية في تحليل نموذج Huff Gravity

المقياس التالي هو الاحتمالية .

الاحتمال هو ببساطة مدى احتمالية وقوع الحدث. لحساب ذلك ، يجب تحديد حدث واحد له نتيجة واحدة. ثم حدد العدد الإجمالي للنتائج التي يمكن أن تحدث. أخيرًا ، اقسم عدد الأحداث على عدد النتائج المحتملة.

لذلك ، قمت بقسمة الجاذبية على الجاذبية الكلية في هذا الحساب. 

ستجمع هذه الأرقام ما يصل إلى مائة بالمائة.

يوجد أيضًا مقياس عدد السكان من مجموعة البيانات المدمجة التي تلخص السكان بناءً على مناطق الرمز البريدي.

ثم ، مقياس الاحتمالية القصوى .

هذه البطاقة تعرض ذلك.

أخيرًا ، لدي احتمالية لمقياس المتجر المحدد . لقد استخدمت هذا المقياس لتحديد احتمالية أي متجر محدد في اختياري.

دعنا الآن نناقش كيف يعمل.

تحليل الاحتمالية

أثناء رسم الخرائط ، أخذت الحدود كرموز بريدية. لقد أخذت رمزًا بريديًا مكونًا من أربعة أرقام.

هنا جدول باحتمالية المتجر المحدد .

توضح هذه الخريطة الصغيرة الموقع الفعلي لمحلات السوبر ماركت الخمسة.

يمكنني الاختيار بناءً على الرموز البريدية للمتاجر من آلة التقطيع.

هذه الخريطة الصغيرة ( 5 متاجر روتردام ) لا تقوم بتصفية خريطة Choropleth (ESRI) على اليسار. هذا يعني فقط أن يعطينا فكرة عن موقعنا على خريطة Choropleth. علاوة على ذلك ، فإنه يساعدنا في وقت لاحق على رؤية التأثير على الخريطة الرئيسية.

كما ترى ، كلما كان اللون أغمق ، زادت احتمالية ٪ للمخزن المحدد.

على سبيل المثال ، سأختار هذا الموقع أو السوبر ماركت.

إذا قمت بفحص هذه المنطقة على الخريطة ، فسوف تعرض احتمالية هذا المتجر بالنظر إلى المسافة المربعة. لاحظ أن هذا يعتمد على مسافة القيادة.

أقصى احتمالية لهذا التحديد هي 95٪ ممثلة في هذه البطاقة.

يعرض هذا الجزء الرموز البريدية المضمنة واحتمال الانخفاض. كلما قلت النسبة ، زاد احتمال أن يكون الرمز البريدي الخاص بهم أقرب إلى سوبر ماركت آخر.

على سبيل المثال ، إذا قمت بالنقر فوق هذا ، فسوف يظهر أن الاحتمال هو 0٪ .

من الواضح أن الناس في هذه المنطقة يعيشون على قمة السوبر ماركت تحت الرمز البريدي 3011 . لذا ، لماذا يذهبون إلى واحد آخر؟

يوضح هذا الجزء سطح المتجر الفعلي كمرجع.

من ناحية أخرى ، يعرض هذا إجمالي عدد السكان داخل التحديد.

تحليل جاذبية هاف الديناميكي

الآن بعد أن انتهيت من أساسيات تحليل Huff Gravity ، سأذهب إلى أبعد من ذلك وأناقش كيف يمكنني جعل هذه الديناميكية.

في هذه الحالة ، قمت بإنشاء خمس شرائح بالمتر المربع الأولي وخيارات لزيادة مساحة المتجر .

الخطوات المتبقية مشابهة تمامًا للخطوة السابقة. لدي الآن المزيد من المقاييس لأننا نحتاج إلى حساب شيء ديناميكي. لقد اتخذت الخطوات بعيدًا لجعلها أكثر ثاقبة.

تحليل جاذبية Huff الديناميكي بناءً على منطقة المتجر

دعونا نلقي نظرة على جاذبية المتر المربع. سأختار مقياس الجاذبية للسوبر ماركت 3011 .

ستتم الإشارة إلى الأمتار المربعة من القيمة المحددة في تقطيع اللحم 3011 .

يمثل متغير distsq مربع المسافة ، والذي يأتي من مجموعة بيانات DAX الخاصة بمناطق الرموز البريدية .

في هذا الحساب ، سيتم قسمة قيمة المتر المربع على قيمة مربع المسافة.

مرة أخرى ، فعلت ذلك لجميع محلات السوبر ماركت الخمسة.

تحليل جاذبية Huff الديناميكي على أساس المسافة

لقد حسبت أيضًا المسافة لهذا التحليل. إنه في الأساس مجموع عمود مسافة المتجر في مجموعة بيانات DAX الخاصة بمناطق الرموز البريدية .

تتم الإشارة إلى المتجر المحدد في حساب Distance PC - Selected Store باستخدام وظيفة Dax.

بعد ذلك ، لدي أيضًا مقياس احتمالي آخر لتحليل الجاذبية الديناميكية.

إنه ديناميكي لأننا إذا غيرنا شيئًا ما في إحدى أدوات التقطيع ، فسيكون لذلك تأثير على نتيجة الحساب.

لقد مررت بكل هذه الخطوات والحسابات لتحليل الجاذبية الديناميكية. هذا لأنني مهتم بنسبة السكان ومقدار الرموز البريدية والمسافة المضمنة بناءً على اختياري من أداة تقطيع مخصصة.

كما ترى ، هناك اختلاف كبير في عدد السكان. هذه تستند إلى المسافة إلى السوبر ماركت والسكان داخل الرموز البريدية.

على سبيل المثال ، سأغير الأمتار المربعة في السوبر ماركت 3011 .

عند تغيير ذلك ، سيصبح التأثير واضحًا في البيانات. هذا لأنه أكثر جاذبية للأشخاص الذين يأتون إلى المركز والذهاب إلى هذا الموقع نظرًا لمسافة القيادة.

تصورات البيانات LuckyTemplates - الخرائط الديناميكية في تلميحات الأدوات
تصور خريطة شكل LuckyTemplates للتحليل المكاني التحليل
الجغرافي المكاني - دورة تدريبية جديدة حول قوالب LuckyTemplates

خاتمة

يُظهر تحليل نموذج Huff Gravity العلاقة بين الرعاية والمسافة من موقع المتجر. ومن ثم ، قد تؤثر الجاذبية والمسافة على احتمالية زيارة المستهلك لمتجر معين.

يمكن أن يساعدك هذا النموذج في تحديد توقعات المبيعات لمواقع العمل. يمكن أن يوفر دمج هذا التحليل في نموذج عملك قدرًا كبيرًا من المعلومات حول المواقع المحتملة.

مرة أخرى ، هذا مثال واضح آخر لما يمكننا تحقيقه من خلال التحليل و LuckyTemplates عن طريق تحويل البيانات الثابتة إلى تمثيل ديناميكي. 

تحقق من الروابط أدناه لمزيد من الأمثلة والمحتوى ذي الصلة.

هتافات!

بول