実際の顧客データ（店舗 ID が割り当てられたポイント顧客レイヤ）を使用して、予測変数の係数を計算します。
モデルのパラメータのキャリブレーションを行うには、次の手順に従います。
- 分析対象のエリアを示すマップを取得します。
- 分析対象の店舗の商圏とすべての競合店舗網を含むように、分析範囲を定義します。
- 顧客パターンを調査できるように、分析範囲をサブエリアに分割します。これらのサブエリアは、それぞれのエリアの十分な数の社会経済的な特徴が比較的均一であり、購入活動の多様性を担保するのに十分な小ささである必要があります。
対応するショッピング センターが割り当てられたポイント顧客レイヤが必要です。このデータを利用して、競合店舗で買い物をする顧客の確率を計算し、これに基づいて方程式を解くことができます。
これらのエリアの顧客が特定のショッピング センターで買い物をする確率を試算するには、分析範囲をサブエリアに分割する必要があります。
対応する店舗 ID が割り当てられた顧客を含むポイント レイヤを利用して、必要な試算を実行できます。異なる店舗で買い物をする顧客を含む、最低数個のサブエリアに分析範囲を分割する必要があります。
たとえば、分析範囲を分割して、各サブエリアのすべての顧客が 1 つのショッピング センターに割り当てられるようなブロック グループを作成しても、意味がありません。これは、ショッピング センターで買い物をする特定のサブエリアの顧客の確率が常に 1 か 0 に等しくなることを意味します。方程式を解くには、最低数個のサブエリアで試算される確率が 0 よりも大きく 1 よりも小さくなるように、サブエリアを分割する必要があります。
このトピックへのフィードバック