تکنیک های دیگر برای تعیین محدوده منطقه تجاری بااستفاده از GISعنوان پستی است که قرار است با شما به اشتراک بگذارم. امیدوارم که این پست مورد پسند شما قرار گیرد.
بسیاری دیگر از روشهای تشخیص نقطه مشتری برای تعیین منشاء جغرافیایی مشتریان استفاده شده است. ساموئل والتون معروف، بنیانگذار فروشگاه های وال مارت (در حال حاضر والمارت) و در سال 1992 درگذشت، با مشاهده پلاک خودروها در پارکینگ های فروشگاه های خود (و رقیبانش)، به امید افزایش روزافزون تعدادی از آنها از کشورهای همسایه و فراتر از آن به منظور اندازه گیری جذابیت فاسیای وی آمده بودند. روش تشخیص لکه بینی مشتری بر اساس تکنیک های مختلف است:
– مصاحبه در محل فروش یا محل اقامت ؛
– ردیابی پلاک خودرو در پارکینگ ها ؛
– بررسی نامه (نرخ بازگشت پایین) ؛
– بررسی تلفنی (سریع) ؛
– بررسی خانه (گران) ؛
– روش Suelflow: ارزیابی تردد وسایل نقلیه (Suelflow 1962).
در فرانسه، روشی مبتنی بر مصاحبه با افراد کلیدی (به عنوان مثال، دبیرخانه های شهرداری یا معلمان) که جمعیت شهر خود را به خوبی می شناسند، امکان شناسایی مناطق تجاری در مناطق ثانویه و سوم (مناطق روستایی) را فراهم کرده است. مورد رشک همه رقبا در منطقه بازار هستند (Piatier ،1957).
چنین روش هایی می تواند احیا شود، بر اساس مصاحبه با همسایگان، ساختمان محافظان و غیره شرکت ها از این روش ها در بازارهای بسیار رقابتی که در آن رقیب هستند استفاده می کنند.
فروشگاهها برای استفاده از اثر تجمعی نزدیک به یکدیگر هستند: تخصصی شرکت ها خدمات اولیه ای را به خرده فروشان ارائه می دهند تا تعداد مصرف کننده هایی را که از جلوی فروشگاه خود عبور می کنند با توجه به مارک موجود در کیف حمل کنند، بنابراین از جذابیت فاسیا در منطقه بازار ایده می دهند.
روشهای بسیار پیچیده تری برای محدود کردن مناطق تجاری پدیدار شده است. روش ناحیه پروگزیمال بر اساس نظریه مکان های مرکزی (Christaller 1933) است و هنوز هم به طور خاص در نرم افزارهای بازاریابی جغرافیایی مورد استفاده قرار می گیرد. اصل آن مبتنی بر محدودیت مناطق نزدیک با ساخت چند ضلعی های به اصطلاح Thiessen است (Thiessen و Alter ،1911 ؛ شکل 4.5 را ببینید):
– با شناسایی نقاط فروش رقیب (یا نقاط فروش زنجیره ای) که نیاز دارند
تکمیل شود تا از پوشش بهتر قلمرو اطمینان حاصل شود.
– با اتصال هر یک از این نقاط فروش از طریق بخش ها ؛
– با ردیابی میانجی هر یک از این بخشها ؛
– با تعیین چند ضلعی های به اصطلاح Thiessen که توسط واسطه ها و تقاطع آنها محدود شده است، بنابراین منطقه تجاری هر نقطه فروش را تشکیل می دهد.
چند ضلعی های Thiessen، که همچنین تجزیه Voronoi، پارتیشن یا چند ضلعی ها یا tessellation دیریکله (Dirichlet ،1850) نامیده می شود، اجازه می دهد یک فضای متریک با توجه به فاصله از مجموعه ای از نقاط تجزیه شود.
شکل 4.5. تعریف مناطق تجاری با روش منطقه نزدیک (منبع: Ghosh و McLafferty ،1987)
این روش ناحیه تقریبی بسیار کامل نیست، زیرا بر دو فرض ساده کننده استوار است:
– اندازه های فروش (از نظر مساحت و عرض مجموعه) دارای اندازه مشابه هستند.
– جمعیت به خوبی در منطقه توزیع شده است.
با این وجود، این روش، به ویژه در ایالات متحده، به ویژه در فروشگاه های رفاهی، مراکز فوریت های پزشکی، فروشگاه های مشروبات الکلی، پاک کننده های خشک، مراکز کپی و داروخانه ها استفاده شده است. همچنین از آن برای مکان یابی شعب بانک ها در بلژیک و راه اندازی دستگاههای خودپرداز (دستگاههای خودپرداز) استفاده شده است.
سرانجام، یک روش بسیار پیچیده بر اساس عملکرد خطوط مکعبی توسعه یافته است: “یک خط پیچ نواری از چوب یا سرب است که نقشه کش از آن برای رسم یک منحنی صاف (پیوسته) از طریق یک سری نقاط استفاده می کند” (Huff و Batsell ،1977، p. 584) این یک روش محدود کردن مناطق تجاری مراکز توزیع است. اینها ممکن است مربوط به فروشگاهها، بلکه بیمارستانها یا همه رفت و آمد روزانه ساکنان یک شهر باشد. اصل این روش بر اساس شناسایی مشتریان با آدرس آنها به صورت گرافیکی با یک نقطه (که می تواند با توجه به اهمیت آن از نظر میزان خرید) وزن گذاری شود روی یک کارت در یک فضای متریک مختصات قطبی یا دکارتی به تسهیل عملیات کامپیوتری سپس هدف آن تعیین محدوده تجاری با پیوستن به نقاط دورتر از مرکز توزیع است. همیشه می توان یک نگاه کلی به منطقه تجاری در یک نگاه داشت. اما در صورت نیاز به دقت بیشتر، باید از یک روش عینی که متدولوژی خاصی را شامل می شود استفاده کرد، مخصوصاً اگر متوجه شویم که این منطقه تجاری با توجه به محصولات ارائه شده توسط مرکز توزیع مورد مطالعه متفاوت است، اگر برعکس، قوانین را طبق قوانین زیر رعایت کنیم. یا تغییرات مکرر در رفتار مشتری را مشاهده کنیم. این روش بر اساس تمایز بین مناطق اولیه، ثانویه و سوم است. فاصله بین هر نقطه نشان دهنده محل سکونت مشتری و مرکز توزیع محاسبه می شود. سپس لازم است شدیدترین نقاط روی نمودار را شناسایی کرده و یک منحنی بسته را که همه این نقاط را به هم متصل می کند ترسیم کنیم. برای شناسایی نقاط شدید، روش به شرح زیر است (شکل 4.6 را ببینید):
– دو خط شعاعی از مرکز توزیع بکشید تا یک قطعه 22.5 درجه با بخش شعاعی اولیه مربوط به قسمت غربی محور شرق به غرب، یعنی محور قطبی، ترسیم کنید (انتخاب بخش شعاعی اولیه دلخواه است، اما این هیچ تأثیر بر نتایج) ؛
– نقطه دورترین نقطه از مرکز توزیع در بخش (0 تا 22.5 درجه) را شناسایی کنید.
– محل نقطه را از نظر مختصات قطبی مشخص کنید، یعنی P {r، θ} که در آن بردار شعاع نشان دهنده فاصله از مرکز توزیع تا نقطه و θ زاویه ای است که بردار شعاع با محور قطبی ایجاد می کند. اگر هیچ نقطه ای در این بخش وجود ندارد، زاویه دوسویه دو پرتوی تشکیل دهنده بخش و یک صفر برای بردار شعاع را ثبت کنید.
– این بخش را در جهت عقربه های ساعت یک درجه بچرخانید. سپس قسمت 0-2.5.5 درجه 1-2.5 درجه می شود.
– دورترین نقطه در این بخش را شناسایی کرده و موقعیت آن را با توجه به r و θ ثبت کنید.
– 360 درجه چرخش قطعه را ادامه دهید. افراطی ترین نقطه را در هر 360 قسمتی که به این شکل تشکیل شده اند، مشخص کرده و محل آن را مشخص کنید.
شکل 4.6. خارجی ترین نقاط و محدوده های منطقه تجاری (منبع: مطابق با هاف و باتسل، 1977)
برای ترسیم این منحنی مرزی، نویسندگان از تکنیک برازش منحنی استفاده می کنند، در این مورد خطوط مکعبی یا صفحه نازک دارای خطوط خطی هستند (راجر 1984). این تکنیک سه شرط لازم برای نمایش خوب منحنی را برآورده می کند: نمایندگی از خارج ترین نقاط مرکز توزیع، امکان مقایسه با سایر مناطق تجاری و قابل تکرار. این توابع را می توان برای تجزیه و تحلیل تغییرات نفوذ در فروش، تعیین محدوده فروش، ارزیابی موقعیت خدمات جدید، نشان دادن محل تلاش های تبلیغاتی، پیش بینی فروش یا تجزیه و تحلیل پتانسیل بازار استفاده کرد.
اکثر این روش ها نادرست یا مبتنی بر شهود یا ساده سازی فرضیات هستند. روش جدیدتر هدف آن منطقی کردن مفهوم تجارت است مساحت و اندازه گیری آن را عینیت بخشید (بارای ،2003a). این امکان را فراهم می آورد تا مکان های تکه تکه شده (سمت راست شکل 4.4) را که مشتریان یک فروشگاه از آنجا آمده اند، بدین ترتیب منطقه تجاری را بر اساس ریخت شناسی ریاضی تشکیل دهید. تجزیه و تحلیل ریخت شناسی بر اساس توپولوژی، پردازش سیگنال، احتمال و نظریه نمودار است. همچنین می تواند برای محدود کردن یک منطقه تجاری از آدرس مشتریان استفاده شود. برای این کار، ما از مفاهیم فیزیک مانند فیلترینگ و کانولوشن استفاده می کنیم. روش برای محدود کردن یک منطقه تجاری بر اساس تجزیه و تحلیل ریخت شناسی به شرح زیر است (Baray و Cliquet ،2007):
– کدگذاری و نقشه برداری داده ها ؛
– پیش پردازش داده ها با فیلتر کردن ؛
– تقسیم بندی داده ها ؛
– پالایش و تنظیم مرزهای منطقه تجاری.
اکثر نقاط خرده فروشی در حال حاضر اطلاعات دقیقی از آدرس مشتریان خود، عمدتا از طریق کارت های وفاداری، اما همچنین از طریق خبرنامه های گاه به گاه بازی یا نظرسنجی مستقیم با مشتریان دارند. هر یک از این آدرس ها دارای موقعیت مکانی جغرافیایی هستند، به عبارت دیگر مختصات اختصاص داده شده بر روی نمودار که می توانند به نقشه منتقل شوند. بسته به میزان تمرکز فضایی مراجعین، گروه هایی از نقاط کم و بیش متراکم تشکیل می شود. هر آدرس مشتری مربوط به یک نقطه روی نقشه یک پیکسل سیاه از مختصات (xi، yi) در یک پایگاه متعارف (OX، OY) است که در آن من از 1 تا N و j از 1 تا m برای تقسیم منطقه جغرافیایی متغیر است. به N برابر m سلولهای کوچک (xi، yi). پیکسل های سیاه (نشان دهنده حداقل یک مشتری) و پیکسل های سفید (بدون مشتری) یک بلوک را در یک شبکه مربع تشکیل می دهند. این شبکه مربعی (در واقع یک ماتریس) بدیهی است که بهترین تقسیم بندی فضای جغرافیایی نیست، زیرا ویژگی های توپولوژیکی دنیای واقعی را به عنوان خاصیت اتصال (بر خلاف شبکه شش ضلعی) حفظ نمی کند. برای بهبود نمایش منطقه معاملاتی، رنگ هر پیکسل را می توان با توجه به تعداد مشتریان آن منطقه یا جمع Σfij تعداد بازدیدکنندگان از محل فروش توسط همه مشتریان منطقه (xi، yi ) در طول دوره T. این سایه های رنگی می تواند به شرح زیر باشد:
– پیکسل سفید: در این مکان مشتری وجود ندارد.
– پیکسل خاکستری روشن: تکرار کم ؛
– پیکسل خاکستری تیره: استفاده بیشتر ؛
– پیکسل سیاه: حداکثر فراوانی این گروه در بین مشتریان نقطه فروش.
آ)
ب)
شکل 4.7. الف) تقسیم منطقه به مناطق. ب) منطقه تجاری منفجر شده (منبع: Baray ،2003a)
البته متغیرهای دیگر را می توان بسته به الزامات تجزیه و تحلیل، که ممکن است مربوط به گردش یا حاشیه باشد، در نظر گرفت. سپس این روش مرحله ای از فیلتر کردن موج داده ها (تکنیک حاصل از پردازش سیگنال) را طی می کند تا از یک سو، تمرکز را افزایش دهد (“تاکید بر مرزهای بین مناطق با ویژگی های مختلف” ؛ بارای و کلیکت، 2007،پ. 891)، و از سوی دیگر، برای کاهش نویز به دلیل داده های غیر معمول که می تواند ناشی از خطا در آدرس باشد. تکنیک های مختلف فیلترینگ در دسترس است: فیلترینگ متوسط ، فیلتر متوسط ، فیلتر لاپلاس، فیلتر Sobel، فیلتر Nagao (پوژت و همکاران، 1990). پس از تجزیه و تحلیل داده ها، توصیف هندسی منطقه تجاری ضروری است. به منظور تجزیه و تحلیل عمیق ویژگی های مشتریان برای اهداف تقسیم بندی، ابتدا لازم است این مناطق را به صورت تحلیلی، ترجیحاً با مختصات مرزهای خطی آنها که منحنی های بسته را تشکیل می دهند، تعریف کنیم (بارای، 2003b). بنابراین ما با در نظر گرفتن مورد نصب یک مرکز خرید (بارای، 2003a)، محدوده مناطق مختلف منشاء مشتری را که منطقه تجاری را تشکیل می دهند (اغلب منفجر می شود) از محل فروش به دست می آوریم.
شکل 4.8 پوشش شبکه ای از نقاط فروش در فرانسه را نشان می دهد.
شکل 4.8.پوشش شبکه ای از نقاط فروش در فرانسه (منبع: Baray ،2003a)
این روش برای تجدید ساختار شبکه ای از فروشگاه های ارگانیک و ایجاد یک مرکز خرید به کار گرفته شده است (Baray، 2003a ؛ Baray ، Cliquet 2007).
با این حال، مفهوم منطقه تجاری زیر سوال می رود زیرا فروشگاه کمتر و کمتر در مرکز پدیده جاذبه به نفع مصرف کننده قرار دارد. در واقع، استفاده از فناوری اطلاعات و ارتباطات به دومی این امکان را می دهد تا بهترین قیمت ها را با کیفیت یکسان بدست آورند، چه با سفر به جالب ترین فروشگاه در حین خرید، یا با تحویل درب منزل تصور اینکه کافی است یک فروشگاه بزرگ خرده فروشی در سایتی راه اندازی کنید که قیمت زمین با شرایط دسترسی مناسب و مقرون به صرفه باشد دیگر گزینه ای نیست: هایپرمارکت ها هر روز از عواقب آن رنج می برند و باید خود را مجددا اختراع کنند تا مشتریان را به عقب برگردانند و به روز کنند. مفهوم آنها برای انعکاس بهتر انقلاب دیجیتال و مبارزه با فروشگاه های رفاه (Gahinet ،2014).
برگرفته از کتاب:
ژئومارکتینگ (بازاریابی مکانمحور)
چطور با فاکتور مکان، سودآوری کسب و کارمان را افزایش دهیم؟
مترجم:دکتر سعید جوی زاده،مهندس زینب زرگری
9 نظرات