商圈的数据模型选址知识;对于商圈的数据模型选址?

原标题:商圈数据模型选址知识;对于商圈的数据模型选址?

  到底什么是商圈呢?

  就是指店铺以其所在地点为中心,沿着一定的方向和距离扩展,那些优先选择到该店来消费的顾客所分布的地区范围,换而言之就是店铺的顾客所在的地理范围,叫做这个店铺的商圈。

  通俗来讲,商圈是依存于某个店铺来说的,同样一个大型商场中的两个不同店铺的商圈很可能是不一样的。也就是说如果我们要开一家服装连锁店,那么针对这家店铺会有一个对应的商圈。而同样商场中的另外一家火锅店所对应的商圈是不同的。

  哈夫模型

  也许各位已经注意到最近三个法则的英文变化了,从最早对城市吸引力计算中用到的“雷利零售引力法则”的Law到“康帕斯法则”的Rule,再到“哈夫模型”的Model;英语的解释已经从法律的高度过度到规则,再从规则的高度过渡到模型了。仅从这点上也可以看出“雷利法则”是基础,“康帕斯法则”是演变和初步的应用,而“哈夫模型”则是在现实世界中被专业开发人员用来划分商圈使用最频繁的工具了,从高大上的理论高度,到平民化的工具,这种转变非常重要。

  为了解决数据和理论的枯燥型,先举一个小例子,熟悉掌握一下应用。再多理论的目的都是为了更好的应用,会用才为“王道”所以先应用在理论。

  如图

  已知:A区商业设施面积为8万平米;距离C区顾客2公里;

  B区商业设施面积为4万平米;距离C区顾客距离1公里;

  C区人口10万。

  D区商业设施面积为20万平米;距离C区顾客距离为3公里;

  求:C区顾客去ABD地区(商业聚集地)的概率是多少?

  C区顾客多少人去ABD地区消费?

  计算如下:

  C区顾客去A区的概率=[A区商业面积/(C区到A区的距离)平方]/{[A区商业面积/(C区到A区的距离)平方]+[B区商业面积/(C区到B区的距离)平方]+[D区商业面积/(C区到D区的距离)平方]}=[8/(2)平方]/{[8/(2)平方]+[4/(1)平方]+[20/(3)平方]}=(8/4)/[(8/4)+(4/1)+(20/9)]=2/8.22=0.24

  C区10万人口会有0.24X10=2.4(万人)去A区消费。

  同样计算方式:

  C区顾客去A区消费的概率=(4/1)/[(8/4)+(4/1)+(20/9)]=0.49;为4.9万人;

  C区顾客去D区消费的概率==(20/9)/[(8/4)+(4/1)+(20/9)]=0.27;为2.7万人。

  会发现实际上看上去比较复杂的公式,而实际上应用起来比较简单。

  最终C区人员去ABD的概率计算完成。

  下面来学习下哈夫模型的一些知识吧。

  哈夫模型提出背景及理论依据

  美国加利福尼亚大学的经济学者戴维·哈夫(D.L.Huff)教授于1963年提出了关于预测城市区域内商圈规模的模型--哈夫概率模型 。

  哈夫概率模型基本法则依然是雷利引用引力法则。它提出了购物场所各种条件对消费者的引力和消费者去购物场所感觉到的各种阻力决定了商圈规模大小的规律。哈夫模型区别于其他模型的不同在于模型中考虑到了各种条件产生的概率情况。

  哈夫认为:从事购物行为的消费者对商店的心理认同是影响商店商圈大小的根本原因,商店商圈的大小规模与消费者是否选择该商店进行购物有关,通常而言,消费者更愿意去具有消费吸引力的商店购物,这些有吸引力的商场通常卖场面积大,商品可选择性强,商品品牌知名度高,促销活动具有更大的吸引力;而相反,如果前往该店的距离较远,交通系统不够通畅,消费者就会比较犹豫,根据这一认识,哈夫提出其关于商店商圈规模大小的论点。

  哈夫论点:商店商圈规模大小与购物场所对消费者的吸引力成正比,与消费者去消费场所感觉的时间距离阻力成反比。商店购物场所各种因素的吸引力越大,则该商店的商圈规模也就大;消费者从出发地到该商业场所的时间越长,则该商店商圈的规模也就越小。

  简单来说就是哈夫模型将康帕斯法则的人口参数更改为卖场面积参数,更改的原因还是基于卖场(商圈)对顾客的吸引力大小。而将之前的距离更改为顾客到达的时间。

  哈夫模型的内容

  哈夫从消费者的立场出发,认为消费者前往某一商业设施发生消费的概率,取决于该商业设施的营业面积、规模实力和时间三个主要要素。商业设施的营业面积大小反映了该商店商品的丰富性,商业设施的规模实力反映了该商店的品牌质量、促销活动和信誉等,从居住地到该商业设施的时间长短反映了顾客到目的地的方便性。同时,哈夫模型中还考虑到不同地区商业设备、不同性质商品的利用概率,这个模型的公式表现如下:

  (μ表示卖场魅力或商店规模对消费者选择影响的参变量,λ表示需要到卖场的时间对消费者选择该商店影响的参变量,通常μ = 1,λ = 2

  哈夫提出,一个零售商业中心 J 对消费者的吸引力可与这个商场的卖场魅力(主要用卖场面积代替)成正比(J=1,2, … n) ,与消费者从出发地 I 到该商场 J 的阻力(主要用时间距离来代替)成反比。

  利用哈夫模型设定地点 I 的消费者选择商场 J 的概率 PIJ ,

  【PIJ】 = I 地区消费者到 J 商店购物的概率;

  【SJ】 = J 商店的卖场吸引力(卖场面积、知名度、促销活动等)

  【TIJ】 = I 地区到 J 商店的距离阻力(交通时间、交通系统等)

  【λ 】 = 以经验为基础估计的变数;

  【n】 = 互相竞争的零售商业中心或商店数

  由此可以推导出以下概率公式:

  I 地区消费者光顾 J 商店概率 =

  I 地区消费者光顾 J 商店的人数 = I 区消费者光顾 J 商店的概率× I 地区消费者的数量

  哈夫模型的假设前提

  A 、消费者光顾卖场的概率会因零售店卖场面积而变化,卖场面积同时代表商品的齐全度及用途的多样化。

  B 、消费者会因购物动机而走进零售店卖场。

  C 、消费者到某一零售店卖场购物的概率受其他竞争店的影响。竞争店越多,概率越小。

  哈夫模型的贡献

  哈夫模型是国外在对零售店商圈规模调查时经常使用的一种计算方法,主要依据卖场引力和距离阻力这两个要素来进行分析,运用哈夫模型能求出从居住地去特定商业设施的出行概率,预测商业设施的销售额,商业集聚的集客能力及其表化,从而得知商圈结构及竞争关系会发生怎样的变化,在调查大型零售店对周边商业集聚的影响力时也经常使用这一模型。

  哈夫概率法则的最大特点是更接近于实际,他将过去以都市为单位的商圈理论具体到以商店街、百货店、超级市场为单位,综合考虑人口、距离、零售面积规模等多种因素,将各个商圈地带间的引力强弱、购物比率发展成为概率模型的理论。

  哈夫模型不仅是从经验推导出来的,而且表达了消费者空间行为理论的抽象化。考虑了所有潜在购物区域或期待的消费者数,这个模型考虑了营业网点的面积,顾客的购物时间,顾客对距离的敏感程度,经统计可得出消费者对不同距离到目标店购物的概率。各零售店可根据自身的情况不同,设立不同的概率标准,选择在一定概率下的距离来划定商圈范围。

  哈夫模型的局限性

  在哈夫模型中,通常用到卖场的时间距离作为阻力因素,而用卖场的面积来代替卖场的吸引力,但如果仅用卖场的面积来代替卖场引力,那相同面积的百货店、超市、商业街就具有相同的魅力,这显然过于武断。

  哈夫模型通常将商业面积的修正值在运用上不仅必须使用计算机,而且还必须通过市场调查计算出 λ 值,这得花费相当多的时间和费用。同时哈夫的各个修正参数和具体情况不相适应,不同地区的商业情况和消费文化各有不同,这就使得各地区的参数差异较大,难以正确反映实际情况。

  另外,对于各值的计算标准也将直接影响该模型的计算精度。

  看晕了吧。事实上哈夫模型解决了最大的问题,就是不同商圈对同样一个区域内的顾客吸引力大小计算量化的问题。建议还是从上面最简单的实例入手来慢慢熟悉,然后再考虑增加指数的变量。

  • 50 views
    A+
发布日期:2021年05月18日 23:17:13  所属分类:网络推广
标签:  |