如何利用Unacast数据来评估一个地区的商业潜力?

统计访问某一地点的人数, 一套场地, 或者一个品牌, 这可能是使用人类流动数据最常见的方式吗. 这是一个完全有效的用例,只要存在一个现有场地的列表,并且人们希望知道它们的表现. 如果, 然而, 目前还没有一个场馆, 但正规买球app排行仍然想知道哪些地区有开放的潜力?

有一种见解可以让正规买球app排行更接近这个问题的答案,那就是找出某些类型的服务在哪些领域没有得到充分代表, 过多, 或者刚刚饱和——尤其是在Covid大流行给正规买球app排行带来的动荡时期. 在这里,正规买球app排行展示了一种可视化和衡量服务分布中断程度的方法,与covid - 19之前的时代相比.

使用Unacast的 场地数据包,正规买球app排行将:

  1. 表明服务业(餐饮、服装、医疗等)的相对均衡.)在Covid大流行期间被打乱;
  2. Quantify the degree of such disproportion; and
  3. 显示哪些服务仍然处于不足或过剩状态,以及在哪些位置.

典型的服务探访

首先,让正规买球app排行解释一下什么是典型的探视. 为了这篇文章, 正规买球app排行挑选了13个行业:医疗保健, 餐厅, 一般零售, 美 & 美容,健康 & 健身,杂项商品,旅游 & 酒店、娱乐 & 爱好,购物 & 食品零售、服装 & 配件,服务,家居用品 & 改进,汽车经销商 & 租车

然后, 用一个数字来表示每一个类别, 正规买球app排行计算了特定类别场馆的“典型日流量”,即该类别每个场馆的平均每日独立访客数量. 直观地, 正规买球app排行觉得光顾美发店的顾客人数平均要比光顾购物中心的人数少. 并排绘制这些特定类别的平均值可以提供相对的比较.


每类场地的平均参观人数.png


加入时间维度

将数据放到时间轴上通常会使静态数字变得栩栩如生. 下图中的折线图显示了与上图相同的测量值, 这是, 每个场馆类别的平均独立访客数量. 然而,这一次,正规买球app排行展示的是季度快照中的平均值. 正规买球app排行可以马上观察到三个现象:

  • 每个场地类别的典型参观情况不是时间不可知的. 即使在2019年,正规买球app排行也看到季度之间的波动, 这在很大程度上归因于季节性的影响;
  • 2020年每个场馆类别的典型参观人数与2019年显著不同. The effects of the Covid pandemic are undeniable; and
  • 并不是所有类别都恢复到新冠肺炎之前的水平. 例如,正规买球app排行看到, 一般零售(红线) 与2019年第二季度相比,2021年第二季度的表现仍然不佳.


一段时间内各场馆类别的平均参观人数.png


地区的服务配置文件

鉴于正规买球app排行目前看到的情况, 自然产生的问题是,地点是否也是影响典型访问的另一个因素. 如果是的话,哪些是易受影响的类别以及他们的易受影响程度? 为了这个目的, 正规买球app排行构建一个区域的剖面,捕捉每个类别的典型访问. 在下图中,正规买球app排行可以看到2019年第三季度佐治亚州蒂夫特县的可视化情况. 用雷达图可视化其剖面如下:

概要- tift - 2019第三季.png


当彼此重叠时,  这样的配置文件可以很容易地直观地比较两个区域之间的差异或一个位置的两个时间快照之间的差异(图4b):

空间的对比.png
时间比较.png


建立基线

如上图所示, 正规买球app排行清楚地看到,2019年全年,典型的到访情况保持相当稳定,正规买球app排行将某些类别的轻微变化归因于季节效应. 这一观察结果可用于为每种类别和地点的组合建立基线, 这使得正规买球app排行能够比较两个概要文件之间的相对变化(而不是绝对的概要值).

正规买球app排行只需将典型流量除以2019年相应季度的流量,就可以将该概要文件转换为相对于基线的概要文件. 然后,典型服务访问的相对概要文件包含基线值, 哪些被归一化为1.每个类别0分(橙色“圆圈”), and multiples of the baseline that indicate the change from the baseline (<1 if there is a decrease from baseline, >1 if there is an increase).


baseline-explanation.png



较长时间内的动态快照提供了给定区域服务利用动态的峰值(注意2020-第二季度与正常水平的巨大偏差).


hawaii-animation.gif


量化的偏差

与基线的偏差当然可以被量化. 利用统计方法比较两个分布(Jensen-Shannon距离),正规买球app排行就可以测量两种轮廓之间的差异. 如果两个剖面完全相同(i.e., 没有变化)和正实数,如果它们的分布不同(较高的, 差距越大). 下图显示了2020年第二季度服务的严重中断, 与减少的趋势, 一直持续到今天.


图像.png


服务剖面随时间和空间的变化

渴望知道哪些地区受影响最大,哪些地区受影响最小, 正规买球app排行在地图上标出所选县与基线的偏差. 下面的图形遵循温度计配色方案,即.e., 蓝色代表与基线偏差较低的区域(企业已恢复到covid - 19之前的模式),而红色则在光谱的另一端.


spatial_distance_over_time.gif
无花果. 8:服务分布偏差的时空可视化.


ny_example.png
无花果. 9:纽约更广泛地区的服务正在恢复到与covid - 19前时期相似的分布(蓝色区域). 另一方面,一些农村地区仍然混乱(红色区域).


2020年q1-animation-frames_with_profiles_merged.gif
无花果. 10:雷达图的剖面可以帮助正规买球app排行检查特定的类别.

Summary

正规买球app排行不会对具体的企业或地区做出任何结论. 本文的目的纯粹是为了展示一种使用流动数据的可能方法,同时表明在大流行期间服务空间受到了重大影响,人们的探视行为发生了变化(自然的或由于限制的结果), 或两者).

正规买球app排行可以观察到一些地区已经恢复到新冠病毒爆发前的正常状态, 其他地区还没有,也可能不会很快回到同样的拜访模式. 在那里,新的挑战和机会向那些知道如何去做的人敞开 在正确的时间获取正确的信息.

安排一个会议

来见正规买球app排行,测试Unacast的数据.
友情链接: 1 2 3 4 5 6 7 8 9 10