英国汉堡王呼吁人们去麦当劳点餐意味着什么?英国汉堡王呼吁人们去麦当劳点餐具体情况( 三 )


英国汉堡王呼吁人们去麦当劳点餐意味着什么?英国汉堡王呼吁人们去麦当劳点餐具体情况
文章图片

太神奇了!我们看到商店的密集度可能与人口密度相对应 , 这是我们纯粹基于市场需求的预期 。
最有趣的是:与其他零售商相比 , 沃尔玛在该国农村地区的拥有更多零售店 。
获得城市信息
为了控制人口密度 , 让我们选择人口相对密集的城市位置 , 看看我们是否得到了城市层面的聚类 。 下面我们看到丹佛都市区:
英国汉堡王呼吁人们去麦当劳点餐意味着什么?英国汉堡王呼吁人们去麦当劳点餐具体情况
文章图片

看看Target和沃尔玛 , 我们可以看到一些紧密聚集在一起的商店:
英国汉堡王呼吁人们去麦当劳点餐意味着什么?英国汉堡王呼吁人们去麦当劳点餐具体情况
文章图片

这些地图肯定表明霍特林法则在起作用 。 计算了商店之间的距离后 , 丹佛地区最近的Target和沃尔玛之间的平均距离仅为2.09英里 。
英国汉堡王呼吁人们去麦当劳点餐意味着什么?英国汉堡王呼吁人们去麦当劳点餐具体情况
文章图片

另一个有趣的点:Target一直呆在沃尔玛附近 , 反之亦然 。
距离Target最近的沃尔玛平均距离酒店有13.7英里 , 距离沃尔玛最近的目标地平均18英里 。
英国汉堡王呼吁人们去麦当劳点餐意味着什么?英国汉堡王呼吁人们去麦当劳点餐具体情况
文章图片

以下是迈阿密地区的Target和沃尔玛分布点:
英国汉堡王呼吁人们去麦当劳点餐意味着什么?英国汉堡王呼吁人们去麦当劳点餐具体情况
文章图片

结论
在对零售商如何选址进行建模时 , 显然运用了霍特林法则 。 很明显 , 这仅仅是一个模型 , 所以它没有考虑搬迁成本(将一个街区的Target商店转移到一个街区将非常昂贵) , 定价差异 , 品牌忠诚度和许多其他变量 。 然而 , 它确实在一定程度上很好地说明了竞争对手通常彼此非常接近的原因 。
为了进一步的分析其他因素 , 包括人口普查数据 , 商店之间的驾驶时间和人口密度可能会产生更说服力的结果 。 我们将在下次呈现给大家!
from bokeh.io import push_notebook, show, output_notebook, output_filefrom bokeh.plotting import figure, savefrom bokeh.models import ColumnDataSource, Circle, HoverTool, ImageURLfrom bokeh.tile_providers import get_provider, CARTODBPOSITRON
# create colors for each stores locationcmap = { "Target": "#e80018", "Walmart": "#007EC6", "Kohls": "#222", "JCPenney": "#38934c",}
source1 = ColumnDataSource(data=https://www.020zl.com.cn/hotsearch/dict( x=df[/'coords_x\'], y=df[\'coords_y\'], storename=df[\'store\'], color=[cmap[x] for x in df.store]))
hover1 = HoverTool(tooltips=[ ("Store Name", "@storename")])
p1 = figure(x_range=(-14400000, -7500000), y_range=(3650000, 5200000), x_axis_type="mercator", y_axis_type="mercator", plot_width=1000, tools=[hover1, \'pan\', \'wheel_zoom\',\'save\'])


推荐阅读