Business Analyst ライセンスで利用できます。
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ー) 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ーをキャリブレーションするには、次の手順に従います。
- 分析対象となる全般的なエリアのマップを取得します。
- 分析対象となる店舗の商圏とすべての競合店舗の主要なネットワークが含まれるように、分析範囲を定義します。
- 分析範囲をいくつかのサブエリアに分割して、各サブエリアの顧客パターンを調査できるようにします。 これらのサブエリアは、ショッピングの多様性を確保するのに十分な数の社会経済的特性があるという点でそれぞれが比較的均等になる小規模なサイズにする必要があります。
対応するショッピング センターをポイント顧客レイヤーに割り当てる必要があります。 このデータを使用すると、顧客が競合店舗の得意客になる確率を計算し、計算結果から方程式を解くことができます。
分析範囲をいくつかのサブエリアに分割し、これらのサブエリアの顧客が特定のショッピング センターの得意客になる確率を推定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 レイヤーを使用すると、必要な推定を実行できます。 分析範囲を少なくとも何個かのサブエリアに分割し、それぞれの店舗の得意客になっている顧客がこれらのサブエリアに含まれるようにする必要があります。
たとえば、分析範囲をいくつかのサブエリアに分割しているブロック グループがあり、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にした場合は、どのような意味がありますか？ これは、特定のサブエリアの顧客がショッピング センターの得意客になる確率が常に 1 または 0 になることを意味します。 この方程式を解くには、少なくとも何個かのサブエリアで推定される確率が 0 より大きく 1 より小さくなるように、いくつかのサブエリアに分割する必要があります。