آموزش نرم افزار ENVI

تجزیه و تحلیل فرصت های تجاری با استفاده از GIS: بخش توزیع خرده فروشی

چکیده

بخش توزیع خرده‌فروشی با زمان دشواری روبرو است زیرا چشم‌انداز فعلی با رقابت فزاینده مشخص می‌شود. در این شرایط، جستجوی استراتژی مکان یابی مناسب این قابلیت را دارد که به یک عامل متمایزکننده و رقابتی تبدیل شود. اگرچه، از نظر تئوری، به دلیل نقش کلیدی جغرافیا در درک موفقیت یک تجارت، اهمیت روزافزونی به جغرافیا داده می شود، اما در عمل اینطور نیست. به همین دلیل، فرآیند تشریح شده در این مقاله به طور خاص برای شناسایی مکان های تجاری جدید توسعه یافته است. این روش شامل طیف وسیعی از تجزیه و تحلیل با سیستم های اطلاعات جغرافیایی (GIS) از نقطه نظر بازاریابی است. این رویکرد جدید ژئومارکتینگ نام دارد. ابتدا geodemand و geocompetition بر روی دو نقشه دیجیتال مجزا با استفاده از پایگاه‌های اطلاعاتی مکانی و غیر مکانی قرار می‌گیرند. دوم، نقشه سوم با تطبیق این اطلاعات با تقاضایی که پیشنهاد تجاری فعلی به درستی با آن مواجه نشده است، به دست می آید. سوم، چگالی هسته به کاربران اجازه می دهد تا نتایج را تجسم کنند، بنابراین تصمیم گیری توسط مدیران بدون توجه به پیشینه حرفه ای آنها تسهیل می شود. مزیت این روش، ظرفیت GIS برای مدیریت حجم زیادی از اطلاعات، اعم از مکانی و غیر مکانی است. یک برنامه کاربردی در مورسیا (اسپانیا) با 100 سوپرمارکت و داده در سطح بلوک شهر انجام می شود که بالاترین سطح ممکن از جزئیات است. این فرآیند تشخیص را می توان در هر شرکت توزیع تجاری استفاده کرد، بنابراین می توان آن را تعمیم داد و یک راه حل جهانی برای خرده فروشان در نظر گرفت. چگالی هسته به کاربران اجازه می دهد تا نتایج را تجسم کنند، بنابراین تصمیم گیری توسط مدیران بدون توجه به پیشینه حرفه ای آنها تسهیل می شود. مزیت این روش، ظرفیت GIS برای رسیدگی به حجم زیادی از اطلاعات، اعم از مکانی و غیر مکانی است. یک برنامه کاربردی در مورسیا (اسپانیا) با 100 سوپرمارکت و داده در سطح بلوک شهر انجام می شود که بالاترین سطح ممکن از جزئیات است. این فرآیند تشخیص را می توان در هر شرکت توزیع تجاری استفاده کرد، بنابراین می توان آن را تعمیم داد و یک راه حل جهانی برای خرده فروشان در نظر گرفت. چگالی هسته به کاربران اجازه می دهد تا نتایج را تجسم کنند، بنابراین تصمیم گیری توسط مدیران بدون توجه به پیشینه حرفه ای آنها تسهیل می شود. مزیت این روش، ظرفیت GIS برای رسیدگی به حجم زیادی از اطلاعات، اعم از مکانی و غیر مکانی است. یک برنامه کاربردی در مورسیا (اسپانیا) با 100 سوپرمارکت و داده در سطح بلوک شهر انجام می شود که بالاترین سطح ممکن از جزئیات است. این فرآیند تشخیص را می توان در هر شرکت توزیع تجاری استفاده کرد، بنابراین می توان آن را تعمیم داد و یک راه حل جهانی برای خرده فروشان در نظر گرفت. یک برنامه کاربردی در مورسیا (اسپانیا) با 100 سوپرمارکت و داده در سطح بلوک شهر انجام می شود که بالاترین سطح ممکن از جزئیات است. این فرآیند تشخیص را می توان در هر شرکت توزیع تجاری استفاده کرد، بنابراین می توان آن را تعمیم داد و یک راه حل جهانی برای خرده فروشان در نظر گرفت. یک برنامه کاربردی در مورسیا (اسپانیا) با 100 سوپرمارکت و داده در سطح بلوک شهر انجام می شود که بالاترین سطح ممکن از جزئیات است. این فرآیند تشخیص را می توان در هر شرکت توزیع تجاری استفاده کرد، بنابراین می توان آن را تعمیم داد و یک راه حل جهانی برای خرده فروشان در نظر گرفت.

مقدمه

همیشه گفته شده است که متغیرهای کلیدی یک شرکت توزیع خرده فروشی موفق، مکان، مکان، مکان است، بنابراین از این بیانیه می توان اهمیت استراتژی مکان یابی مناسب را برای خرده فروشان استنتاج کرد (Ghosh and McLafferty 1982 ). در شرکت‌های خرده‌فروشی، افتتاح یک فروشگاه یا فروشگاه جدید به دلیل هزینه‌های پولی بالا، یک ریسک ذاتی دارد. همچنین فروشگاهی که به دلیل انتخاب نامناسب مکان ناموفق باشد می تواند تاثیر منفی قابل توجهی بر تصویر شرکت داشته باشد. در نتیجه، تجزیه و تحلیل مکان برای شرکت های خرده فروشی و تجاری حیاتی است (هرناندز و بنیسون 2000 ).

اگر روند انتخاب محل یک فروشگاه خرده‌فروشی همیشه پیچیده بوده است، این اکنون بیش از هر زمان دیگری صادق است، زیرا شرایط محیطی اخیرا بدتر شده است. شرایط فعلی با رقابت فزاینده ای که منجر به حاشیه های کمتر و بهره برداری از تمام بخش های ممکن بازار می شود مشخص می شود. هر عنصر رقابتی که بتواند در این محیط پیروز شود، ارزش بسیار بالایی دارد (Clarke 1998 ). جستجوی یک استراتژی مکان بهینه این پتانسیل را دارد که به عامل متمایز کننده تبدیل شود. به همین دلیل است که توسعه روش‌ها و فرآیندهایی که مکان‌های تجاری جدید را شناسایی می‌کنند ضروری است.

جغرافیا به دلیل نقش کلیدی آن در درک کنونی موفقیت یک تجارت اهمیت فزاینده ای یافته است (Alcaide et al. 2012 ). با این وجود، وود و رینولدز ( 2012 ) اشاره می‌کنند که اگرچه ادبیات اهمیت زیادی به تجزیه و تحلیل مکانی و اطلاعات جغرافیایی در تصمیم‌گیری در استراتژی مکان‌یابی شرکت‌ها می‌دهد، اما در عمل اینطور نیست. بنابراین، امکان توسعه روش‌هایی برای تعیین مکان‌های تجاری جدید با ادغام چنین اطلاعات مکانی و جغرافیایی با کاربردهای واضح و عملی وجود دارد. لذا اهداف این تحقیق به شرح زیر می باشد.

  1. (1)اول، استفاده از اطلاعات آماری همراه با اجزای فضایی برای شناسایی تقاضا و رقابت. با توجه به ترکیب مولفه های آماری و مکانی در این فرآیند شناسایی، از این مفاهیم به عنوان geodemand و geocompetition یاد می شود.
  2. (2)دوم، تعیین مکان های جدید برای موسسات تجاری با تجزیه و تحلیل مشترک geodemand و geocompetition.

برای انجام این کار، بخش توزیع تجاری محصولات اغلب خریداری شده در یک شهر اسپانیایی معین (مورسیا) تجزیه و تحلیل می شود.

ساختار مقاله به شرح زیر است. ابتدا چارچوب نظری که این تحقیق بر آن استوار است ارائه می شود. دوم، روش مورد استفاده در تجزیه و تحلیل توسعه یافته است. سپس نتایج تحقیق نشان داده شده و مورد بحث و بررسی قرار گرفته و در نهایت نتیجه گیری اصلی از نتایج حاصل شده است.

چارچوب نظری

نویسندگان متعددی به روش‌های مختلف به روش‌های مورد استفاده خرده‌فروشان برای تعیین مکان تأسیسات جدید کمک کرده‌اند. چرچ ( 2002 ) بیان می‌کند که موفقیت بسیاری از کاربردهای آینده مکان‌یابی سایت‌های خرده‌فروشی ممکن است ارتباط نزدیکی با سیستم‌های اطلاعات جغرافیایی (GIS) داشته باشد، زیرا این سیستم‌ها مسئول کار با اطلاعات مکانی هستند. به همین دلیل، استفاده از GIS به عنوان ابزار ارزیابی سایت و همچنین تعاریف مختلفی که از پیاده سازی آن به دست آمده است (ژئومارکتینگ، geodemand، geocompetition و منطقه تجاری) ارائه شده است.

ابزار ارزیابی سایت: استفاده از GIS

در فرآیندهای تصمیم گیری پیچیده که شامل تنوع و حجم گسترده ای از اطلاعات، همراه با یک جزء ذهنی قابل توجه است، روش های تجسم بسیار مفید هستند. بنابراین GIS، بر اساس تطبیق نقشه‌های دیجیتال با پایگاه‌های اطلاعاتی رابطه‌ای، بدون شک برای توسعه آینده فرآیندهای تصمیم‌گیری برای مکان‌یابی تأسیسات ضروری خواهد بود (Mendes and Themido 2004 ).

در حالی که درست است که نظریه مکان و GIS تقریباً به طور مستقل تکامل یافته اند، آنها در حال حاضر به همراه تحقیقات در مورد عملیات از یکدیگر پشتیبانی می کنند. این تحقیق مدل‌هایی را برای تصمیم‌گیری مورد مطالعه قرار می‌دهد که در آن تکنیک‌ها به طور یکسان در حوزه‌های خصوصیات فضایی و غیرفضایی قابل استفاده هستند (چرچ و موری 2009 ).

در واقع، استفاده از GIS توسط شرکت ها و سازمان ها در حال افزایش است (Rob 2003 ؛ Chen 2007 ). در سال های اخیر، ارتباط های مختلفی بین مدل های تصمیم گیری و بسته های GIS ایجاد شده است. هریس و باتی ( 1993 ) و برکین و همکاران. ( 2002) احتمالات مختلفی را که این فناوری ها می توانند برای حل مشکلات برنامه ریزی و مکان یابی فروشگاه های خرده فروشی ارائه دهند، بررسی کنید. چنین ارتباطی بین برنامه‌های کاربردی به‌عنوان جفت‌شده آزاد شناخته می‌شود، در حالی که راه‌حل‌هایی که شامل عملکرد برنامه‌نویسی تصمیم‌گیری در بسته‌های GIS واقعی هستند، به‌عنوان قویا جفت شده شناخته می‌شوند. این استراتژی مبتنی بر پذیرش این است که هیچ ابزار نرم افزاری یا فناوری واحدی وجود ندارد که بتواند نیازهای برنامه ریزان را برآورده کند و بنابراین، آنها باید فناوری های فعلی (و آینده) را برای برآوردن نیازهای خود تطبیق دهند (Harris and Batty 1993 ).

در عوض، مراد ( 2003 ) مناطق تجاری دو مرکز خرید را تعریف می کند و سهم آن از نفوذ بازار را با استفاده از ابزارهای مختلفی که منحصراً توسط GIS ارائه می شود محاسبه می کند. بعداً، مراد ( 2007 ) سایت های مراکز خرید را در رابطه با مکان مشتریان ارزیابی می کند و دوباره تنها با استفاده از GIS. تحقیقات کلارکسون و همکاران. ( 1996 ) و هرناندز و بنیسون ( 2000 ) در انگلستان ادغام GIS را در فرآیندهای معمول تصمیم گیری مکان شرکت ها، بدون معرفی روش های جدید، بلکه با تغییر رویکردی که تاکنون مورد استفاده قرار گرفته است، تأیید می کند.

تجسم داده ها و نتایج در چنین فرآیند تصمیم گیری پیچیده یکی از دلایل موفقیت آن است (Hernandez 2007 ; Ozimec et al. 2010 ). بنابراین، استفاده از GIS درک اطلاعات جغرافیایی را برای مدیرانی که فاقد تخصص هستند، تسهیل کرده و به آنها کمک می کند تا تصمیمات مهم و در عین حال دشواری اتخاذ کنند. علاوه بر این، آخرین پیشرفت‌ها در GIS به تکنسین‌ها اجازه می‌دهد تا محاسبات را تعریف، نظارت، و خودکار کنند و نقشه‌های لازم برای حل یک مشکل را با استفاده از نمودارهای جریان ایجاد کنند (Suárez-Vega et al. 2012 ).). این نمودارها سهولت کار را تا حد زیادی بهبود می بخشد زیرا کل فرآیند بهتر درک می شود و زمان کار هنگام پردازش کارهای تکراری را کاهش می دهد. این اغلب در هنگام ارزیابی مکرر مکان های مختلف سایت صدق می کند.

GIS و geomarketing

با ادغام GIS در فرآیندهای تصمیم گیری، متغیر فضایی به عنوان یک متغیر توصیفی و توضیحی نقش مرتبط را ایفا می کند. در واقع اسلایت و همکاران. ( 2005 ) بیان می کند که افرادی که محیط های جغرافیایی مشترک دارند نیز تمایل به اشتراک گذاری رفتارها، عادات مصرفی و نگرش های مرتبط دارند. مکان مشتریان و تجزیه و تحلیل محیط آنها اهمیت ویژه ای پیدا می کند. ادغام GIS در مطالعه و تجزیه و تحلیل مشتری، چه از منظر فضایی و چه از منظر غیرمکانی، راه را برای حوزه مطالعاتی جدیدی به نام بازاریابی جغرافیایی باز می کند (Baviera-Puig et al. 2009 ).

Latour و Le Floc’h ( 2001 ) اصطلاح geomarketing را به عنوان یک سیستم یکپارچه برای نرم افزار پردازش داده ها و روش های آماری و گرافیکی طراحی شده برای تولید اطلاعات مفید برای تصمیم گیری از طریق ابزارهایی که نقشه های دیجیتال، نمودارها و جداول را ترکیب می کنند، تعریف می کنند. در همین حال، چاسکو ( 2003 ) بیان می کند که ژئومارکتینگ مجموعه ای از تکنیک ها برای تجزیه و تحلیل واقعیت اقتصادی و اجتماعی از دیدگاه جغرافیایی، از طریق ابزارهای نقشه برداری و ابزارهای آمار فضایی است.

از دیدگاه جامعه شناختی تر، آلکاید و همکاران. ( 2012 ) استدلال می کنند که ژئومارکتینگ حوزه ای از بازاریابی است که هدف آن دانش جهانی مشتری و نیازها و رفتارهای مشتریان در یک منطقه جغرافیایی معین است. تمامی این اطلاعات به شرکت کمک می کند تا دید کامل تری نسبت به مشتریان خود داشته باشد و نیازهای آنها را شناسایی کند. در نهایت، باویرا-پویگ و همکاران. ( 2013 ) پیشنهاد می کند که ژئومارکتینگ را می توان به عنوان رشته ای تعریف کرد که از GIS به عنوان ابزاری برای تجزیه و تحلیل و تصمیم گیری در بازاریابی استفاده می کند تا نیازها و خواسته های مصرف کنندگان را به نحوی سودآور برای شرکت برآورده کند.

ژئومارکتینگ شامل عناصر زیر است: پایگاه داده ها، اطلاعات نقشه برداری و GIS برای پردازش و مدیریت اطلاعات. پایگاه‌های اطلاعاتی می‌توانند داخلی (فروش، داده‌های شرکت، مشتریان و غیره) یا خارجی (موسسات آماری، سرشماری شهرداری، اتاق‌های بازرگانی و غیره) باشند. نقشه‌های دیجیتال می‌توانند از چندین منبع مانند شرکت‌های خصوصی (TeleAtlas، Navteq و غیره) یا مؤسسه‌های کارتوگرافی تهیه شوند. به عنوان مثال، در اسپانیا موسسه ملی آمار (Instituto Nacional de Estadística, INE)، دفتر الکترونیکی کاداستر (Sede Electrónica del Catastro 2012 )، و مرکز ملی اطلاعات جغرافیایی (Centro Nacional de Información Geográfica، CNIG) همگی نقشه های دیجیتال را مدیریت و ارائه می کنند. در نهایت، GIS ابزاری است که مسئول پیوند پایگاه‌های اطلاعاتی با اطلاعات جغرافیایی است. در نتیجه پردازش داده ها با این ابزار قابل انجام است و هر گونه مطالعه یا تحلیل مورد نیاز ممکن است انجام شود.

دو مفهوم جدید وجود دارد که می توان از مفاهیم تعریف شده در بالا استخراج کرد: geodemand و geocompetition. اولی، geodemand، می تواند به عنوان مکان روی نقشه دیجیتالی از مشتریان یک محصول یا خدمات در یک بازار خاص تعریف شود. از سوی دیگر، رقابت جغرافیایی، موقعیت مکانی رقبای یک کسب و کار در نقشه دیجیتالی و مشخص کردن منطقه تجاری آنها در یک بازار خاص است.

یکی دیگر از مفاهیم مهم در تحلیل فضایی، منطقه تجاری یا منطقه بازار یک فروشگاه خرده فروشی است. می توان آن را به عنوان منطقه جغرافیایی تعریف کرد که در آن خرده فروش تمام فروش خود را در یک دوره خاص ایجاد می کند (اپلبوم و کوهن 1961 ). باویرا-پویگ و همکاران ( 2012 ) منطقه تجاری یک خرده فروش را به عنوان منطقه جغرافیایی که در آن شرکت قادر به جذب مشتریان و ایجاد فروش است، تعریف می کند.

روش شناسی

این تحقیق از سه تکنیک مختلف استفاده می کند که همه آنها از GIS پشتیبانی می کنند. ابتدا، تجزیه و تحلیل geodemand برای تعیین موقعیت مشتریان یک محصول یا یک خدمات بر روی نقشه دیجیتال انجام می شود. دوم، رقابت نیز بر روی نقشه دیجیتالی قرار دارد زیرا یکی از عوامل اصلی است که باید در هنگام تعیین سایت یک فروشگاه جدید در نظر گرفت. این فرآیند به عنوان تجزیه و تحلیل geocompetition شناخته می شود. سومین و آخرین تکنیک این است که با در نظر گرفتن تمام مراحل قبلی، سایت های ممکن برای فروشگاه های جدید را تعریف کنیم.

داده ها

این مطالعه در شهر مورسیا (اسپانیا) انجام شده است و بخش توزیع تجاری محصولات اغلب خریداری شده را تجزیه و تحلیل می کند.

با استفاده از INE ( 2011 ) به عنوان منبع اطلاعات، مورسیا دارای 442203 نفر جمعیت است که به 386 بخش سرشماری تقسیم شده است. سرشماری یک واحد سرزمینی است که بر اساس معیارهای عملیاتی برای کار میدانی در عملیات های آماری بسته به حجم جمعیت آن تعریف می شود. در مورسیا، میانگین جمعیت یک منطقه سرشماری 1146 نفر است که حداقل 650 و حداکثر 2630 نفر است.

از دفتر الکترونیک کاداستر ( 2012 )، در مورسیا 194615 واحد مسکونی در 48748 بلوک شهری وجود دارد. مجموع مساحت این بلوک های شهری 20888346.37 متر مربع است که اندازه متوسط ​​آن 428.49 متر مربع است . فقط بلوک های شهری با کاربری مسکونی در نظر گرفته می شوند.

طبق نیلسن ( 2012 )، مورسیا دارای 100 سوپرمارکت از 23 زنجیره مختلف است (جدول  1 ).

جدول 1 سوپرمارکت در مورسیا
جدول اندازه کامل

تجزیه و تحلیل Geodemand

مراحل تجزیه و تحلیل geodemand دوگانه است: (1) محاسبه تعداد واحدهای مسکونی در هر بلوک شهر از داده‌های کاداستر. و (ii) میانگین تعداد افراد در هر بلوک شهر را برآورد کنید.

برای محاسبه تعداد واحدهای مسکونی در هر بلوک شهری، داده‌های الفبایی بلوک‌های شهر از پایگاه کاداستر شهرداری به کمک GIS به داده‌های گرافیکی مرتبط می‌شود. در مرحله بعد، این داده ها با تعداد افراد سرشماری شهرداری (شهرداری پادرون) مطابقت داده می شود.

در نتیجه، برآوردی از افراد ساکن در هر بلوک شهری به دست می آید. این مرحله پیچیده تر است زیرا اطلاعات سرشماری شهرداری به تراکت سرشماری اشاره دارد و بنابراین شامل چندین بلوک شهر است. روند محاسبه تعداد افراد خانوار در هر تراکت سرشماری به شرح زیر است.

  1. (1)ابتدا داده های سرشماری شهرداری را از INE به همراه سرشماری های شهرداری مورد نظر به دست آورید تا این اطلاعات متعاقباً در GIS ادغام شوند.
  2. (2)ثانیاً، ساکنان هر بخش سرشماری در واحدهای مسکونی موجود در آن منطقه گروه‌بندی می‌شوند.

تجزیه و تحلیل ژئورقابت

مراحل انجام تجزیه و تحلیل geocompetition سه مورد است: (1) شناسایی رقابت. (ii) مکان یابی رقبا بر روی نقشه دیجیتال. و (iii) مناطق تجاری خود را تعریف کنید.

ابتدا تمام سوپرمارکت هایی که در شهر هستند به منظور موقعیت جغرافیایی انتخاب می شوند. موقعیت جغرافیایی شامل ارائه مختصات ( x , y ) برای آدرس مؤسسات است. این کار به طور کامل توسط GIS انجام می شود.

هنگامی که رقبا در موقعیت جغرافیایی قرار گرفتند، مناطق تجاری هر سوپرمارکت محاسبه و مشخص می شود. منطقه تجاری بر حسب مساحت یا اندازه مؤسسه تعریف می شود. مساحت سطح یا اندازه یک عامل تعیین کننده در محاسبه مساحت تجاری یک سوپرمارکت است (ریلی 1931 ؛ هاف 1963 ). طبق جدول  2 ، یک سوپرمارکت با مساحت 800 متر مربع معادل 8 دقیقه ایزوکرون است که معادل حداکثر مسافت طی شده 533 متر است. اگر مساحت یا اندازه سوپرمارکت بزرگتر باشد این حداکثر فاصله افزایش می یابد و اگر مساحت سطح کوچکتر باشد کاهش می یابد.

جدول 2 مناطق تجاری سوپرمارکت ها با توجه به اندازه آنها
جدول اندازه کامل

هنگامی که دو یا چند منطقه تجاری به دلیل نزدیکی بین دو یا چند سوپرمارکت با هم همپوشانی دارند، منطقه حاصل قدرت جذب مجموع مناطق تجاری مربوطه را به دست می آورد. مشتریان بالقوه ای که در آن منطقه زندگی می کنند، پیشنهاد تجاری بالاتری دارند. بنابراین، این منطقه بیشتر اشباع یا اشغال شده است. در ادبیات، این فرآیند به عنوان آدمخواری شناخته می شود، زیرا سوپرمارکت ها برای به دست آوردن آن مشتریان مبارزه می کنند (کلی و همکاران 1993 ). به عبارت دیگر، آدمخواری به عنوان بخشی از سهم بازار فروشگاه جدید که از فروشگاه های موجود به دست می آید درک می شود (Suárez-Vega et al. 2012 ).

تخمین چگالی هسته

چگالی کرنل یک تخمین ناپارامتری تابع چگالی یک متغیر تصادفی است (روزنبلات 1956 ). مفهوم اصلی چگالی فضایی به رابطه بین سطح حضور چنین متغیری در یک منطقه معین و سطح منطقه اشاره دارد. نتیجه نهایی در واحدهای پدیده خاص در واحد سطح بیان می شود. از نظر مفهومی، تابع چگالی کرنل با هدف محاسبه چگالی نقاط در یک ناحیه معین با توجه به فاصله بین نقاط، تا زمانی که نقاط دارای وزن یکسان باشند، است. با این حال، برای نسبت دادن نقاط مختلف با اهمیت نسبی بیشتر یا کمتر، می توان به هر نقطه وزن های متفاوتی نسبت داد.

اگرچه انواع مختلفی از مدل ها هنگام استفاده از برآوردگرهای هسته وجود دارد (Moreno 1991 )، هاردل ( 1991 ) ادعا می کند که انتخاب مدل تقریباً برای کیفیت برآورد و در نتیجه برای نتیجه نهایی تجزیه و تحلیل بی ربط است. بنابراین، در این مطالعه از تابع هسته درجه دوم توصیف شده توسط سیلورمن ( 1986 ) استفاده شده است. همچنین برآوردگر یکپارچه شده در GIS است که برای انجام تحقیق استفاده می شود.

به طور کلی، و برای حالت تک متغیره، برآوردگر را می توان به صورت زیر نوشت:

$$ \hat{f}(x) = \frac{1}{nh}\sum\limits_{i = 1}^{n} {K\left( {\frac{{x – x_{i} }} {h}} \راست)،} $$

که در آن \( \hat{f}(x) \) تخمین‌گر تابع چگالی هسته است، x نقطه‌ای است که چگالی تخمین زده می‌شود، i مقدار متغیر در حالت i  = 1، …، n است. h پارامتر عرض پنجره یا هموارسازی است. این پارامتر تأثیر هر داده را به یک فیلد که توسط پنجره تعریف شده است محدود می کند. از آنجایی که عرض پنجره بزرگتر است، باعث افزایش هموارسازی در نقشه حاصل می شود. انتخاب بستگی به هدف مطالعه دارد، K نماد هسته است. در مورد تابع درجه دوم کرنل

$$ K = \frac{3}{\pi }\left( {1 – u^{2} } \right)^{2} ,\quad {\text{for}}\;\left| تو \راست| \le 1,\quad {\text{where}}\;u = \left( {x – h_{i} } \right)/h. $$

به طور خاص، در این تحقیق، بر اساس مورنو ( 2007 )، واحد مطالعه پیکسل است. پیکسل یک مربع با اندازه است که برای نمایش بخشی از فضای روی نقشه دیجیتال طراحی شده است و با یک مقدار یا رنگ مرتبط است و به نوبه خود با عنصر نشان داده شده در آن قسمت از قلمرو مرتبط است. در این سناریوی جدید، یک محیط دایره ای برای هر پیکسل در نقشه تعریف می شود و سپس به عنوان خط مبنا استفاده می شود. مرکز هر پیکسل مرکز دایره است و نقاطی که در آن قرار می گیرند برای تشکیل تقسیم استفاده می شوند. هر نقطه با توجه به مجاورت آن با مرکز پیکسل به طور ناهموار وزن می شود: پیکسل های نزدیک به مرکز دارای وزن بیشتری نسبت به پیکسل های دورتر هستند. عبارت استفاده شده است

$$ L_{j} = \sum\limits_{{i \in C_{j} }} {\frac{3}{{\pi r^{2} }}} \left( {1 – \frac{{ d_{ij}^{2} }}{{r^{2} }}} \right)^{2} , $$

که در آن j چگالی تخمین زده شده در پیکسل است، ij فاصله بین نقاط i و j است، r عرض پنجره یا شعاع جستجو است که درجه هموارسازی را تعیین می کند، Cj =  { i | ij  <  r }، به طوری که مجموعه توسط نقاط i تشکیل می شود که فاصله آنها تا مرکز پیکسل j کمتر از شعاع دایره تعیین شده است.

در این تحقیق اندازه پیکسل 5 متر تعریف شده است. چنین مقدار کوچکی انتخاب می شود زیرا کوچکترین واحد مرجع بلوک شهر است و بنابراین، اندازه پیکسل بزرگتر چندین بلوک شهر را پوشش می دهد. شعاع جستجوی 300 متر نیز با در نظر گرفتن میانگین شعاع یک منطقه تجاری ایجاد شده است.

نتایج و بحث

شناسایی Geodemand و geocompetition

یکی از سوالات بزرگی که ژئومارکتینگ قصد دارد به آن پاسخ دهد این است که مشتریان بالقوه کسب و کار کجا هستند. بر اساس تجزیه و تحلیل تقاضای زمین و پس از برآورد تعداد افراد به ازای هر خانوار در هر بخش سرشماری، نقشه ای از تراکم جمعیت منطقه مورد مطالعه تهیه می شود. شکل  1 تقاضای تجاری بخشی از شهر مورسیا را بر روی نقشه سه بعدی نشان می دهد. به نظر می رسد که قله های مرتفع با تجمعی از جمعیت همزمان است، بنابراین هر چه تعداد افراد در یک نقطه بیشتر باشد، قله بالاتر است.

عکس. 1
شکل 1

Geodemand بخشی از شهر مورسیا

تصویر در اندازه کامل

با این وجود، رقابت یکی از اصلی ترین عواملی است که باید در هنگام تعیین سایت یک فروشگاه جدید در نظر گرفت. به همین دلیل، انجام یک تحلیل دقیق برای تعیین رقابت جغرافیایی در شهر مورسیا به صورت کمی و بصری مهم است. سپس مناطقی با فضای خرده فروشی بالاتر، که قبلا اشباع یا اشغال شده نامیده می شدند، قابل شناسایی هستند. این مناطق آنهایی هستند که کم و بیش تحت پوشش یک منطقه تجاری برخی از موسسات قرار دارند. به طور مشابه، مناطقی با فضای خرده فروشی کمتر یا با پیشنهاد تجاری پایین نیز تعیین می شوند. همانطور که در شکل  2 نشان داده شده است ، اشباع بالایی در مرکز شهر وجود دارد، زیرا این همان جایی است که بیشتر مناطق تجاری فروشگاه های مختلف با هم همپوشانی دارند.

شکل 2
شکل 2

مسابقه ژئومسابقه بخشی از شهر مورسیا

تصویر در اندازه کامل

تعیین فرصت های تجاری

دیویس ( 2006 ) توضیح می دهد که چگونه پراکندگی فضایی مصرف کنندگان و فروشندگان بر سهم بازار و الگوهای جایگزینی بین گزینه های مختلف خرده فروشی تأثیر می گذارد. بنابراین، این پراکندگی فضایی می تواند به تعیین مکان سایت برای فروشگاه های جدید نیز کمک کند. اصطلاح فرصت کسب و کار به منطقه ای اطلاق می شود که تراکم جمعیت بالا و رقابت تجاری کم یا اصلاً وجود ندارد. در نتیجه، فرصت های تجاری به عنوان مکان های بالقوه سایت برای موسسات تجاری جدید ترجمه می شوند.

برای شناسایی چنین فرصت هایی در شهر مورسیا، geodemand و geocompetition به طور مشترک تجزیه و تحلیل می شوند:

  1. (من)پس از تطبیق اطلاعات حاصل از هر دو تجزیه و تحلیل، نقشه سومی به دست می آید که از یک سو جمعیت عاری از پیشنهاد تجاری و از سوی دیگر مناطق با پیشنهاد تجاری کم را نشان می دهد.
  2. (II)پس از این، تجزیه و تحلیل چگالی هسته برای این نقشه سوم انجام می شود تا مشخص شود که کدام مناطق دارای تمرکز بیشتری از مشتریان بالقوه هستند و چه تعداد مشتری بالقوه را می توان یافت. در شکل  3 ، مناطق تیره تر با تراکم جمعیت بالاتر با دسترسی کمی به پیشنهاد تجاری مطابقت دارد. به عنوان مثال، به اندازه کافی توسط پیشنهاد تجاری بالقوه موجود ارائه نشده است.
    شکل 3
    شکل 3

    تجزیه و تحلیل فرصت های تجاری

    تصویر در اندازه کامل

پس از تخمین تراکم هسته، مطالعه و توصیف ویژگی‌های مناطقی که به احتمال زیاد میزبان یک سایت خرده‌فروشی جدید هستند، انجام می‌شود. در این مورد، مناطق A ، B و C به طور عمیق مورد بررسی قرار می گیرند، زیرا آنها نقاطی هستند که خروجی مطالعه را تشکیل می دهند. مکان این سه ناحیه در جدول  3 نشان داده شده است. در نتیجه می توان یک یا دو مورد از آنها را انتخاب کرد یا آنها را در اولویت قرار داد تا یک فروشگاه جدید افتتاح شود.

جدول 3 موقعیت مناطقی که خروجی مطالعه را تشکیل می دهند
جدول اندازه کامل

مفاهیم مدیریتی

با روش پیشنهادی، هدف تعیین مناسب ترین سایت هنگام افتتاح یک فروشگاه جدید به منظور اجرای استراتژی مکان یابی مناسب است. مزایای یک استراتژی مکان یابی مناسب بسیار زیاد است (Ghosh and McLafferty 1982 ). این مزایا شامل توزیع بهتر منابع مالی شرکت (Alarcón 2011 )، افزایش رقابت (Clarke 1998 )، تصویر بهتر برای مصرف کنندگان و البته بقای شرکت است.

این روش می تواند در هر شرکت توزیع تجاری صرف نظر از صنعت مورد استفاده قرار گیرد و بنابراین می تواند یک راه حل جهانی برای خرده فروشان در نظر گرفته شود. در حالی که مراد ( 2007) از GIS برای ارزیابی سایت های مراکز خرید در رابطه با موقعیت مشتریان استفاده می کند، این مطالعه تنها دو مرکز خرید را در نظر گرفته است. با این حال، تحقیق فعلی 100 سوپرمارکت مختلف و داده‌های جمعیتی را در سطح بلوک شهر در نظر می‌گیرد که نشان‌دهنده بالاترین درجه جزئیات است. این امکان پذیر است زیرا GIS قادر است حجم زیادی از اطلاعات را مدیریت کند. علاوه بر این، GIS سایت ها را بسته به کاربری زمین یا به دلیل اینکه سایت های تجاری بالقوه حداقل الزامات اندازه را برآورده نمی کنند، رد می کند. علیرغم دست زدن به اطلاعات بسیار و نیاز به انجام محاسبات زیاد، همه این فرآیندها را می توان با استفاده از نمودارهای جریان ارائه شده توسط GIS خودکار و تجسم کرد.

با تراکم هسته، نمایشی از روند یا الگوی کلی توزیع جمعیت بدون پیشنهاد تجاری، یا با پیشنهاد تجاری بسیار کم، به دست می آید. محصول نهایی، نقشه ایزوپلث یا همان چگالی است، برای مشاهده آسان نتایج و تسهیل تصمیم گیری توسط مدیران، صرف نظر از پیشینه حرفه ای آنها (Musyoka et al. 2007 ).

نتیجه گیری

هدف این تحقیق ایجاد فرآیندی است که به تعریف استراتژی مکان برای خرده فروشان کمک می کند. برای انجام این کار، از ابزارهای GIS به عنوان ابزاری برای بهره‌برداری از پایگاه‌های اطلاعاتی الفبایی و مکانی از دیدگاه بازاریابی جغرافیایی استفاده شد.

تحت هدف اول، geodemand و geocompetition بر روی یک نقشه دیجیتالی شناسایی می‌شوند و سپس geodemand محاسبه، کمی‌سازی و برای شهر مورسیا تجسم می‌شود. در نتیجه با استفاده از GIS می توان توزیع مشتریان بالقوه را در این حوزه مشخص کرد. در اینجا می توان مشاهده کرد که جمعیت به طور مساوی در شهر توزیع نشده است، زیرا یک سری قله وجود دارد که غلظت بالایی از مردم را نشان می دهد. یعنی بازارهای بالقوه تجزیه و تحلیل رقابت جغرافیایی به صورت کمی و بصری مناطقی از شهر مورسیا را با بالاترین فضای خرده فروشی (مناطق اشباع یا اشغال شده) و مناطقی که توسط پیشنهاد تجاری فعلی کاملاً در دسترس ارائه نشده است را تعیین می کند.

با توجه به هدف دوم، با ایجاد یک تقاطع بین geodemand و geocompetition، مناطقی از مورسیا که در آن geodemand توسط geocompetition برآورده نشده است، قابل تشخیص است. به لطف تخمین چگالی هسته، این نواحی را می توان به صورت کمی و بصری تشخیص داد. این مکان‌ها خروجی اصلی مطالعه هستند و با مکان‌های احتمالی برای تأسیسات تجاری جدید مطابقت دارند.

به عنوان تحقیقات آینده، تجزیه و تحلیل انجام شده با GIS می تواند با تکنیک های تصمیم گیری چند معیاره تکمیل شود. این تکنیک‌ها می‌توانند گسسته باشند اگر گزینه‌های تصمیم محدود باشند، یا زمانی که مسئله تعداد نامتناهی از گزینه‌های ممکن را داشته باشد، چند هدفه باشند (Thaler 1986 ). در مورد این مطالعه خاص، اولی انتخاب می شود زیرا نتایج کشف شده در اینجا از تعداد محدودی گزینه است. به گفته برومن و لامازارس ( 2007 )، روش های اصلی تصمیم گیری چند معیاره گسسته وزن دهی خطی (نمره گذاری)، مطلوبیت چند ویژگی، روابط ارزش گذاری بیش از حد و فرآیند سلسله مراتب تحلیلی است.

منابع

  • آلارکون، اس. (2011). اعتبار تجاری در صنعت غذای کشاورزی اسپانیا مجله مدیترانه اقتصاد، کشاورزی و محیط زیست (مدیت جدید)، 10 (2)، 51-57.

    Google Scholar

  • Alcaide, JC, Calero, R., & Hernández, R. (2012). ژئومارکتینگ. بازاریابی سرزمینی برای فروشندگان y fidelizar más . مادرید: ESIC.

    Google Scholar

  • Applebaum, W., & Cohen, SB (1961). پویایی مناطق تجاری فروشگاه و تعادل بازار. سالنامه انجمن جغرافیدانان آمریکایی، 51 (1)، 73-101.

    مقاله Google Scholar

  • Baviera-Puig، A.، Buitrago-Vera، JM، Escriba، C.، & Clemente، JS (2009). ژئومارکتینگ : Aplicación de los sistemas de información geográfica al marketing . مقاله ارائه شده در کنفرانس Octava Iberoamericana en Sistemas، Cibernética e Informática، Orlando، FL.

  • Baviera-Puig، A.، Buitrago-Vera، JM، & Mas-Verdú، F. (2012). حوزه های تجاری و خدمات دانش فشرده: مورد یک مرکز فناوری. تصمیم مدیریت، 50 (8)، 1412-1424.

    مقاله Google Scholar

  • Baviera-Puig، A.، Buitrago-Vera، JM، & Rodríguez-Barrio، JE (2013). یک مدل ژئومارکتینگ برای محلی سازی سوپرمرکادوها: کاربرد عملی. Documentos de Trabajo de la Cátedra Fundación Ramón Areces de Distribución Comercial (DOCFRADIS)، 1 ، 1-27.

    Google Scholar

  • Berumen, SA, & Llamazares, F. (2007). La Utilidad los Métodos decisión Multicriterio (como el AHP) در یک سازمان رقابتی خلاقانه. Cuadernos de administración، 20 (34)، 65–87.

    Google Scholar

  • Birkin, M., Clarke, G., & Clarke, M. (2002). جغرافیای خرده فروشی و برنامه ریزی شبکه هوشمند . چیچستر: وایلی.

    Google Scholar

  • چاسکو، سی (2003). El geomarketing و توزیع تجاری. Investigación y Márketing، 79 ، 6-13.

    Google Scholar

  • چن، RJC (2007). اهمیت و تنوع کاربردهای سیستم اطلاعات جغرافیایی (GIS) در خرده فروشی، مهمان نوازی، گردشگری و خدمات مصرف کننده. مجله خرده فروشی و خدمات مصرف کننده، 14 ، 247-248.

    مقاله Google Scholar

  • کلیسا، RL (2002). سیستم های اطلاعات جغرافیایی و علم مکان. تحقیقات کامپیوتر و عملیات، 29 ، 541-562.

    مقاله Google Scholar

  • Church, RL, & Murray, AT (2009). انتخاب سایت کسب و کار، تجزیه و تحلیل مکان و GIS . هوبوکن، نیوجرسی: وایلی.

    Google Scholar

  • کلارک، جی (1998). تغییر روش های برنامه ریزی مکان برای شرکت های خرده فروشی. جئوژورنال، 45 ، 289-298 .

    مقاله Google Scholar

  • Clarkson, RM, Clarke-Hill, CM, & Robinson, T. (1996). ارزیابی موقعیت سوپرمارکت انگلستان مجله بین المللی خرده فروشی و مدیریت توزیع، 24 (6)، 22-33.

    مقاله Google Scholar

  • دیویس، پی (2006). رقابت فضایی در بازارهای خرده فروشی: سینماها. مجله اقتصاد رند، 37 (4)، 964-982.

    مقاله Google Scholar

  • Ghosh, A., & McLafferty, SL (1982). مکان یابی فروشگاه ها در محیط های نامشخص: رویکرد برنامه ریزی سناریو مجله خرده فروشی، 58 (4)، 5-22.

    Google Scholar

  • هاردل، دبلیو (1991). تکنیک های هموارسازی با پیاده سازی در S. نووا یورک، نیویورک: اسپرینگر.

    کتاب Google Scholar

  • هریس، بی، و باتی، ام. (1993). مدل های مکانی، اطلاعات جغرافیایی و سیستم های پشتیبانی برنامه ریزی. مجله آموزش و پژوهش برنامه ریزی، 12 ، 184–198.

    مقاله Google Scholar

  • هرناندز، تی (2007). افزایش پشتیبانی تصمیم گیری مکان خرده فروشی: توسعه و استفاده از تجسم جغرافیایی. مجله خرده فروشی و خدمات مصرف کننده، 14 ، 249-258.

    مقاله Google Scholar

  • هرناندز، تی، و بنیسون، دی (2000). هنر و علم تصمیم گیری در مورد مکان خرده فروشی. مجله بین المللی خرده فروشی و مدیریت توزیع، 28 (8)، 357-367.

    مقاله Google Scholar

  • هاف، دی (1963). تعریف و تخمین منطقه تجاری مجله بازاریابی، 28 ، 34-38.

    مقاله Google Scholar

  • Instituto Nacional de Estadística (INE). (2011). Padrón de habitantes 2011 . https://www.ine.es _ بازدید در 9 اکتبر 2012.

  • کلی، جی پی، فریمن، دی سی، و املن، جی ام (1993). مدل تأثیر رقابتی برای انتخاب سایت: تأثیر رقابت، تولیدکننده‌های فروش و آدم‌خواری فروشگاه خود. بررسی بین المللی تحقیقات خرده فروشی، توزیع و مصرف کننده، 3 ، 237-259.

    مقاله Google Scholar

  • Latour, P., & Le Floc’h, J. (2001). ژئومارکتینگ: اصول، روش ها و کاربردها . پاریس: Éditions d’Organisation.

    Google Scholar

  • مندز، AB، و Themido، IH (2004). ارزیابی موقعیت سایت خرده فروشی چند خروجی. معاملات بین المللی در تحقیقات عملیاتی، 11 ، 1-18.

    مقاله Google Scholar

  • مورنو، ا. (1991). Modelización cartográfica densidades mediante estimadores Kernel. Treballs de la Societat Catalana de Geografia، 6 (30)، 155–170.

    Google Scholar

  • مورنو، ا. (2007). Obtención de capas raster de densidad. در A. Moreno (Coord.)، Sistemas y Análisis de la información Geográfica. Manual de autoaprendizaje con ArcGIS (ص. 685-691). مادرید: سرمقاله RA-MA.

  • مراد، AA (2003). ایجاد یک برنامه GIS برای مراکز خرده فروشی در شهر جده. مجله بین المللی مشاهده کاربردی زمین و اطلاعات جغرافیایی، 4 ، 329-338.

    مقاله Google Scholar

  • مراد، AA (2007). استفاده از GIS برای برنامه ریزی خرده فروشی در شهر جده. مجله آمریکایی علوم کاربردی، 4 (10)، 820-826.

    Google Scholar

  • Musyoka، SM، Mutyauvyu، SM، Kiema، JBK، Karanja، FN، و Siriba، DN (2007). تقسیم بندی بازار با استفاده از سیستم های اطلاعات جغرافیایی (GIS). مطالعه موردی صنعت نوشابه در کنیا. هوش و برنامه ریزی بازاریابی، 25 (6)، 632-642.

    مقاله Google Scholar

  • پایگاه داده نیلسن (2012). پایگاه داده خرده فروشان . https://www.nielsen.com/global/en.html . بازدید در 12 اکتبر 2012.

  • Ozimec، AM، Natter، M.، & Reutterer، T. (2010). تصمیمات بازاریابی مبتنی بر سیستم های اطلاعات جغرافیایی: اثرات تجسم های جایگزین بر کیفیت تصمیم مجله بازاریابی، 74 ، 94-110.

    مقاله Google Scholar

  • ریلی، WJ (1931). قانون گرانش خرده فروشی . نیویورک: مطبوعات Knickerbocker.

    Google Scholar

  • راب، MA (2003). برخی از چالش های یکپارچه سازی مجموعه داده های مکانی و غیر مکانی با استفاده از یک سیستم اطلاعات جغرافیایی فناوری اطلاعات برای توسعه، 10 ، 171-178.

    مقاله Google Scholar

  • روزنبلات، ام (1956). نکاتی در مورد برخی تخمین های ناپارامتریک توابع چگالی. Annals of Mathematical Statistics، 27 ، 832-837.

    مقاله Google Scholar

  • Sede Electrónica del Catastro. (2012). Datos Catastrales https://www.sedecatastro.gob.es . بازدید در 10 اکتبر 2012.

  • سیلورمن، BW (1986). تخمین چگالی برای آمار و تجزیه و تحلیل داده ها . لندن: چپمن و هال.

    Google Scholar

  • اسلایت، پی، هریس، آر، و وبر، آر. (2005). ژئودموگرافی، GIS و هدف گذاری محله . چیچستر: وایلی.

    Google Scholar

  • سوارز-وگا، آر.، سانتوس پناته، DR، و دورتا-گونزالس، پی (2012). مدل های مکان و ابزارهای GIS برای مکان یابی سایت خرده فروشی. جغرافیای کاربردی، 35 ، 12-22.

    مقاله Google Scholar

  • تالر، آر (1986). کتاب راهنمای کنفرانس روانشناسی و اقتصاد: نظرات در مورد سایمون، در مورد آینهورن و هوگارث، و در مورد Tversky و Kahneman. مجله تجارت، 59 (4)، 279-284.

    مقاله Google Scholar

  • Wood, S., & Reynolds, J. (2012). از بینش های مکانی در توسعه فروشگاه های خرده فروشی استفاده می کنید؟ ارزیابی استفاده از دانش برنامه ریزان مکان در بازاریابی خرده فروشی. Geoforum, 43 , 1076-1087.

    مقاله Google Scholar

19 نظرات

دیدگاهتان را بنویسید