Huff Zwaartekrachtmodelanalyse in LuckyTemplates

In deze zelfstudie leren we hoe u een Huff Gravity Model-analyse uitvoert in LuckyTemplates. Met deze analyse kunnen we de potentiële verkoop of aantrekkelijkheid van een bepaalde winkellocatie inschatten. Dit doen we meestal in Geografisch Informatie Systeem software. We kunnen het echter ook in LuckyTemplates doen en dynamisch maken.

De Huff Gravity Analysis gaat ervan uit dat de oppervlakte in vierkante meters van een supermarktwinkel, gedeeld door de afstand in het kwadraat tot potentiële klanten, resulteert in een aantrekkelijkheidsfactor die afsteekt tegen andere winkels. Dit toont ook de waarschijnlijkheid als een percentage voor bezoekende klanten.

De aanname is gebaseerd op het feit dat hoe meer vierkante meters een winkel heeft, hoe groter het assortiment en de aanwezigheid van andere bedieningselementen . De winkel kan dus klanten aantrekken om een ​​langere afstand af te leggen.

In dit voorbeeld is de rijafstand gebruikt (postcode zwaartepunt naar de winkel).

We kunnen ook lineaire afstanden gebruiken. In dit geval is er echter een rivier die de grenzen scheidt. Een afstand in rechte lijn is dus niet betrouwbaar.

Idealiter gebruiken we kleinere gebieden zoals buurten. Dit is alleen ter demonstratie. We kunnen meer parameters toevoegen om de waarschijnlijkheid te beïnvloeden, zoals parkeerruimte, openbaar vervoer, en de methodologie ook gebruiken voor andere analyses.

We kunnen ook een afstandsvervalfactor toevoegen om het afstandseffect te dempen. Mensen zijn bereid verder te reizen voor het kopen van meubels dan voor hun dagelijkse boodschappen. 

Inhoudsopgave

• Analysegegevens van het Huff-zwaartekrachtmodel
• Gegevens importeren in de Power Query-editor
• Huff Zwaartekrachtmodelanalyse op basis van aantrekkelijkheid
• Waarschijnlijkheid in analyse van Huff-zwaartekrachtmodel
• Waarschijnlijkheidsanalyse
• Dynamische Huff-zwaartekrachtanalyse
  • Dynamische Huff-zwaartekrachtanalyse op basis van winkelgebied
  • Dynamische Huff-zwaartekrachtanalyse op basis van afstand
• Conclusie

Analysegegevens van het Huff-zwaartekrachtmodel

Laten we eerst eens naar de gegevens kijken.

In deze Excel-spreadsheet staan ​​zes supermarkten.

Het heeft ook de kilometers die de afstand als een rechte lijn bevatten.

Dan is er een tabblad Reistijd dat de reistijd in minuten weergeeft.

En dit is de afstand. We gaan dit gebruiken gezien het feit dat er een rivier is tussen de grenzen.

Dit is een Thiessen-polygoon gemaakt in GIS-software. Hier kunnen we een zogenaamd Thiessen Voronoi- object maken om u de afstand van een punt tot elk van de andere aangrenzende objecten te laten zien.

Gegevens importeren in de Power Query-editor

Eerst heb ik de gegevens geïmporteerd in Power Query Editor .

Zoals je kunt zien, heb ik vijf supermarkten genomen.

Er zijn hier ook twee datasets genaamd Postcodes Areas PQ en Postcodes Areas DAX .

Ik heb dit gedupliceerd zodat ik u kan laten zien hoe u dit kunt doen in de Power Query-editor met volledig dynamische metingen.

Voor de Power Query-demo ( Postcodes Areas PQ ) heb ik de lengte- en breedtegraad afgerond. Ik adviseer altijd dat als je vier cijfers achter de komma neemt, je nauwkeurigheid ongeveer 11 meter zal zijn, wat verreweg genoeg is.

Ik heb ook het kwadraat van elke afstand berekend. Dit komt omdat, zoals ik eerder al zei, we uiteindelijk de oppervlakte in vierkante meters gaan gebruiken en delen door de afstand in het kwadraat.

Vervolgens heb ik het samengevoegd met een andere tabel ( populatietabel ) om de populatie te krijgen. Dit om meer inzicht te krijgen in de bevolking in de postcodegebieden.

Voor de meetgegevens ( Postcodes Gebieden DAX ) heb ik ook hetzelfde gedaan, zoals het afronden van de lengte- en breedtegraad en deze weer samengevoegd met de Bevolkingstabel .

Dit is het LuckyTemplates-dashboard van de Huff Gravity Model Analysis.

Dit zijn de maattabellen die ik heb opgesplitst.

Huff Zwaartekrachtmodelanalyse op basis van aantrekkelijkheid

De eerste berekening die ik heb gemaakt, is Aantrekkelijkheid .

De aantrekkelijkheid is het aantal vierkante meters van de winkel gedeeld door de vierkante afstand . Deze winkel heeft een oppervlakte van 1.502 vierkante meter.

Dit is de kolom van de vierkante afstand . In dit voorbeeld heb ik de genomen . of het gemiddelde kunnen nemen , maar dat doet er niet echt toe gezien de context.

Die berekening heb ik voor alle vijf de supermarkten gemaakt.

Vervolgens heb ik ze bij elkaar opgeteld in de TotalAT- maatstaf om het totaal te berekenen.

Waarschijnlijkheid in analyse van Huff-zwaartekrachtmodel

De volgende maat is waarschijnlijkheid .

Waarschijnlijkheid is gewoon hoe waarschijnlijk het is dat een gebeurtenis zal plaatsvinden. Om dat te berekenen, moet een enkele gebeurtenis met een enkele uitkomst worden bepaald. Identificeer vervolgens het totale aantal uitkomsten dat kan optreden. Deel ten slotte het aantal gebeurtenissen door het aantal mogelijke uitkomsten.

Daarom heb ik in deze berekening Aantrekkelijkheid gedeeld door Totale Aantrekkelijkheid . 

Deze getallen tellen op tot honderd procent.

Er is ook een Bevolkingsmaatstaf uit de samengevoegde dataset die de bevolking optelt op basis van postcodegebieden.

Vervolgens de Max Probability -maatstaf.

Deze kaart laat dat zien.

Ten slotte heb ik een waarschijnlijkheid van geselecteerde winkelmaat . Ik heb deze maatstaf gebruikt om de waarschijnlijkheid van een geselecteerde winkel in mijn selectie te identificeren.

Laten we nu bespreken hoe het werkt.

Waarschijnlijkheidsanalyse

Terwijl ik in kaart breng, heb ik de grenzen als postcodes genomen. Ik heb een viercijferige postcode genomen.

Hier is een tabel met de waarschijnlijkheid van geselecteerde winkel .

Deze kleine kaart toont de werkelijke locatie van de vijf supermarkten.

Vanuit de slicer kan ik een selectie maken op basis van de postcodes van de winkels.

Deze kleine kaart ( 5 Stores Rotterdam ) filtert de Choropleth-kaart (ESRI) aan de linkerkant niet. Dit is alleen bedoeld om ons een idee te geven waar we ons bevinden op de Choropleth-kaart. Bovendien helpt het ons om achteraf de impact op de hoofdkaart te zien.

Zoals u kunt zien, hoe donkerder de kleur, hoe groter de kans % voor de geselecteerde winkel.

Ik selecteer bijvoorbeeld deze locatie of supermarkt.

Als ik dit gebied op de kaart bekijk, wordt de waarschijnlijkheid van die winkel weergegeven, gegeven de afstand in het kwadraat. Let op: dit is gebaseerd op de rijafstand.

De maximale waarschijnlijkheid voor deze selectie is 95% weergegeven op deze kaart.

Dit deel toont de opgenomen postcodes en de afnemende kans. Hoe kleiner het percentage, hoe groter de kans dat hun specifieke postcode dichter bij een andere supermarkt ligt.

Als ik bijvoorbeeld op deze klik, wordt weergegeven dat de kans 0% is .

De mensen in deze buurt wonen natuurlijk boven op de supermarkt onder postcode 3011 . Dus waarom zouden ze naar een andere gaan?

Dit deel toont de werkelijke winkeloppervlakte ter referentie.

Aan de andere kant geeft dit de totale populatie binnen de selectie weer.

Dynamische Huff-zwaartekrachtanalyse

Nu ik klaar ben met de basis van een Huff Gravity Analysis, ga ik een stap verder en bespreek ik hoe ik dit dynamisch kan maken.

In dit geval heb ik vijf snijmachines gemaakt met de aanvankelijke vierkante meters en opties om het winkeloppervlak te vergroten .

De rest van de stappen zijn vrij gelijkaardig aan de vorige stap. Ik heb nu veel meer metingen omdat we iets moeten berekenen dat dynamisch is. Ik heb de stappen uit elkaar gehaald om het inzichtelijker te maken.

Dynamische Huff-zwaartekrachtanalyse op basis van winkelgebied

Laten we eens kijken naar de aantrekkelijkheid van de vierkante meter. Ik selecteer de aantrekkelijkheidsmaatstaf van Supermarkt 3011 .

Er wordt verwezen naar de vierkante meters vanaf de geselecteerde waarde in de 3011- slicer.

De variabele distsq vertegenwoordigt het afstandsvierkant, dat afkomstig is uit de DAX-dataset Postcodes Areas .

In deze berekening wordt de waarde van vierkante meters gedeeld door de waarde van afstand in het kwadraat.

Nogmaals, ik deed dat voor alle vijf de supermarkten.

Dynamische Huff-zwaartekrachtanalyse op basis van afstand

Ik heb ook de afstand berekend voor deze analyse. Het is eigenlijk gewoon de som van de afstandskolom van de winkel in de DAX-dataset Postcodes Areas .

Er wordt naar de geselecteerde winkel verwezen in de berekening van Distance PC – Selected Store met behulp van de Dax-functie.

Dan heb ik ook nog een andere waarschijnlijkheidsmaat voor de dynamische huff-zwaartekrachtanalyse.

Het is dynamisch, want als we iets veranderen in een van de slicers, heeft dat vervolgens invloed op de uitkomst van de berekening.

Ik heb al die stappen en berekeningen doorlopen voor de dynamische huff-zwaartekrachtanalyse. Dit komt omdat ik geïnteresseerd ben in het percentage van de bevolking, het aantal postcodes en de inbegrepen afstand op basis van mijn selectie uit een op maat gemaakte slicer.

Zoals je kunt zien, is er nogal wat verschil in de populatie. Deze zijn gebaseerd op de afstand tot de supermarkt en het aantal inwoners binnen de postcodes.

Als voorbeeld verander ik de vierkante meters van supermarkt 3011 .

Als je dat verandert, zal de impact zichtbaar worden in de data. Dit omdat het voor mensen aantrekkelijker is om in het centrum te komen en naar deze locatie te gaan gezien de rijafstand.

Datavisualisaties LuckyTemplates – Dynamische kaarten in tooltips
LuckyTemplates Shape Mapvisualisatie voor ruimtelijke analyse
Geospatiale analyse – Nieuwe cursus op LuckyTemplates

Conclusie

De Huff Gravity Model-analyse toont de correlatie tussen patronage en afstand tot de locatie van de winkel. Daarom kunnen aantrekkelijkheid en afstand mogelijk van invloed zijn op de waarschijnlijkheid dat een consument een bepaalde winkel bezoekt.

Dit model kan u helpen bij het bepalen van verkoopprognoses voor bedrijfslocaties. Het opnemen van deze analyse in uw bedrijfsmodel kan veel informatie opleveren over potentiële sites.

Nogmaals, dit is weer een duidelijk voorbeeld van wat we kunnen bereiken met analyse en LuckyTemplates door statische gegevens om te zetten in een dynamische representatie. 

Bekijk de onderstaande links voor meer voorbeelden en gerelateerde inhoud.

Proost!

Paulus