見出し画像

土地勘や経験からデータへ。ニューノーマル時代の商圏分析『DATAFLUCT area-marketing.』とは?

自己紹介

DATAFLUCTの西山と申します。大学では航空宇宙工学を専攻し、修士課程のときに、JAXA宇宙科学研究所で人工衛星のエンジンの研究をしていました。その後、新卒で大手IT企業に入社し、2つの新規事業の立ち上げを経験しました。メンバーも少なかったため、上流から下流まで幅広い業務を行う中で、事業開発のいろはを学びました。このnoteでは、私が現在手掛けている事業のうち、リアルタイムの人流を分析し、エリアの商圏ポテンシャルを推定する『DATAFLUCT area-marketing.』サービスを紹介します。

ターゲット企業(例)

商圏分析はあらゆるリアルビジネスの方向性を検討するために活用されるものです。出店場所が売り上げを大きく左右する飲食・小売業や、不動産業、土地・建物オーナーや、金融業など、さまざまな業種が考えられます。

◆飲食店・小売店:
・新規出店検討のための空き店舗の売上を推定
・既存店舗周辺の商圏ポテンシャルを推定し、効果的な宣伝や人員配置を検討・競合店舗の売上
・経営状況を推定し、自社の経営やM&Aの検討材料として活用

◆不動産業:
・対象となるエリアのポテンシャルを推定し、投資判断に活用
◆土地・建物オーナー:
・所有する土地、建物周辺のポテンシャルを推定し、適正な価格で売買・賃貸経営
◆金融業:
・対象店舗の売上を推定し、貸付の検討材料として活用
                             等

解決したい社会課題

新型ウィルス感染症の影響により店舗環境・人流・消費形態が大きく変わった今後のビジネス展開においては、これまでの経験や土地勘による判断では不十分であり、リアルタイムのビッグデータを活用した分析・意思決定は必須といえます。

企業の課題

・更新頻度の低いデータを使っている
・アナログでデータを集めており、時間がかかる
・社内にデータを正しく扱える人がいない
・推定するモデルを作ろうにも、自社だけではサンプルとなるデータ数が少なく、十分な学習ができない   等

自社だけで様々なビッグデータを収集し分析するには、大きなコストとノウハウが必要となります。

解決策

われわれは、これまでさまざまな非構造データ、オルタナティブデータ等の収集、蓄積・分析、活用などのフルスタック・データサイエンス・テクノロジーを駆使し、多くの企業のビジネスを支援してきました。このノウハウ・知見等を生かしつつ、企業が保有するデータを掛け合わせることができれば、低コストかつ、予測精度の高い分析結果を得ることが実証されています。

具体的には、『DATAFLUCT data platform.』(DATAFLUCT社が保有するデータ基盤)を活用することで、株式会社NTTドコモのモバイル空間統計※1や位置情報データへの連携を簡単に実現します。データ連携によって、1時間単位の人流データによる分析が可能となり、下記のような施策に活用できます。
・1時間前の駅の乗車人数の変化に応じた価格変動施策の実施
・1週間後の店舗の来店数を予測した仕入れの最適化

※1 プライバシー保護のため非識別化処理、集計処理、秘匿処理が行われており、データから個人を特定することはできません。


モバイル空間統計について

場所分解能:250mメッシュ、500mメッシュ (250mは一部地域のみ)
時間分解能:1時間
データ:メッシュ内人流量(人)
属性:年齢(10歳きざみ)、性別、居住地(市区町村)

※例えば、朝8時に東京駅周辺の250m四方のメッシュの中に、30代の男性は何人いるのか、ということや埼玉県大宮市からどれくらいの人が来ているのか、ということが分かります。

利用用途

サービス利用イメージ
1)対象物件のポテンシャルを推定

対象となる物件の情報を入力することで、その物件に出店した場合の売上、周辺の競合・自社店舗の位置、人流ヒートマップなどを表示します。

画像2

2)競合情報の推定
エリアが近い、商圏が似ているなどの特徴をもつ競合について、客数・入店率・客単価・売上などの情報を推定し表示します。

画像3

画面操作イメージ 

アニメ2


予測モデルについて

①ハフモデル
 競合店舗も合わせた同業態の店舗を、距離や敷地面積などで魅力を数値化し、その地域で消費される全体量が各店舗どのような割合で分散されるかを推定するモデルです。弊社ではこのモデル単一で用いることはほとんどなく、下記2つのモデルとの組み合わせ(学習する特徴量の1つとして)で活用することが多いです。

②重回帰モデル
 これまで最も一般的に使われてきた分析モデルです。各特徴量の相関係数が分かるので、売上にどんな要素が効いているのかということが判別できます。ただし、③と比べると精度は劣ります。

③ニューラルネットワークモデル
途中の経緯はブラックボックスになりますが、精度が高いのが特徴です。世の中でよく言われている「人工知能(AI)」は基本的にこのモデルを使っています。

予測精度

さらに、当該企業のデータだけではなく、独自の技術で推定・収集した世の中にある同業態の他店舗の売上高と商圏データを学習させたモデルを作ることで予測精度を高めることができます。すでに導入いただいているある業態では、5割の店舗を誤差5%以内で、8割の店舗を誤差10%以内で推定できたという実績があります。

ビジネスモデル

クライアント企業のビジネスモデルに合わせて、企業ごとに専用にシステムをカスタマイズさせて頂き、サブスクリプションモデルで利用料をいただく形となります。追加のデータ収集を行い、オリジナルの予測モデルを作成することで、それぞれの企業のニーズに合った分析結果を提供可能です。より詳しくは、『DATAFLUCT area-marketing.』 のプレスリリースをご覧下さい。

さいごに

われわれは、ここ数ヶ月で、テクノロジーだけではなく、ウイルスという未曽有の天災によって、世の中が激変することを身を以て体感してきました。特に、リアル店舗をもつ業態の企業にとっては、非常に苦しい時だと思います。この環境を乗り越えていくために、『DATAFLUCT area-marketing.』サービスを活用し、企業経営上の意思決定を推進するために伴走していきたいと考えております。ご興味頂ける方は、下記のサービス紹介ページの問い合わせフォームからお問い合わせください。






この記事が気に入ったら、サポートをしてみませんか?
気軽にクリエイターの支援と、記事のオススメができます!
note.user.nickname || note.user.urlname

よろしければサポートお願いします! いただいたサポートは事業改善で活かします!

ありがとうございます!フォローもぜひお願いします!
10
DATAFLUCTの公式noteです。 技術にまつわる情報やメンバー紹介などを投稿していきます!

こちらでもピックアップされています

DATAFLUCTメンバー紹介!
DATAFLUCTメンバー紹介!
  • 7本
コメントを投稿するには、 ログイン または 会員登録 をする必要があります。