來源：數(shù)據(jù)猿 案例投遞：極?？v橫

對于萬達(dá)廣場、7-Eleven、中國工商銀行等大型連鎖企業(yè)來說，選址的意義十分重大，直接影響著企業(yè)實際經(jīng)營效益，關(guān)乎企業(yè)成敗。通常情況下，選址是一項長期性投資，需要基于企業(yè)經(jīng)營目標(biāo)、客戶結(jié)構(gòu)等多種因素進(jìn)行綜合考量，一經(jīng)確定就難以變動，因此，好的選址可以讓企業(yè)長期受益，提高業(yè)務(wù)績效。但在傳統(tǒng)選址方法中，企業(yè)通常派遣大量相關(guān)人員到實地勘察，通過觀察結(jié)果和經(jīng)驗判斷確定新店建設(shè)位置，缺乏多源數(shù)據(jù)支撐和高效、流程化的選址方案。因此，企業(yè)選址往往存在人力物力大量耗費(fèi)、經(jīng)驗判斷與實際存在誤差等問題。

客戶名稱

某國際知名零售連鎖企業(yè)

所屬分類

零售連鎖類

實施時間

2017年4月12日-2017年9月29日

應(yīng)用場景

極海提供的人工智能零售選址解決方案可針對銀行、零售等大型連鎖企業(yè)，提供新店選址與撤點(diǎn)選擇服務(wù)，即機(jī)器學(xué)習(xí)基于位置的會員特征，并基于網(wǎng)點(diǎn)影響范圍內(nèi)人流屬性、競品店鋪、商業(yè)企業(yè)共生資源、交通便利程度等對區(qū)域或網(wǎng)點(diǎn)進(jìn)行加權(quán)評分，建立銷售測算模型預(yù)測店鋪營業(yè)效果，使選址新點(diǎn)和撤銷網(wǎng)點(diǎn)一目了然。

面臨挑戰(zhàn)

1、國外選址模型移植到國內(nèi)，存在水土不服的現(xiàn)象

在本案例中，極海服務(wù)的是一家國外的頂級零售商，合作方在美國具有良好的數(shù)據(jù)支持，并已研發(fā)出成熟的選址模型，在美國表現(xiàn)效果非常良好。但是，當(dāng)合作方將其模型拿到中國市場時，就出現(xiàn)了各種水土不服的情況，例如：中國數(shù)據(jù)不全、城市發(fā)展?fàn)顩r不同、居民消費(fèi)理念不同等等。

2、國內(nèi)基于人工智能的全套選址方案匱乏，缺少可借鑒的經(jīng)驗

在中國，大多數(shù)公司還是基于調(diào)查問卷、統(tǒng)計假設(shè)的傳統(tǒng)選址方法進(jìn)行新店選址和撤點(diǎn)選擇。這樣的方法不僅耗費(fèi)大量的人力物力，在模型精度上也得不到保證。因此，在國內(nèi)匱乏大數(shù)據(jù)選址經(jīng)驗的情況下，極海需要基于中國國情條件，開創(chuàng)性地使用極海龐大的數(shù)據(jù)儲備和人工智能能力產(chǎn)出一整套的選址方案。

數(shù)據(jù)支持

人工智能零售選址解決方案所涉及數(shù)據(jù)極為豐富，主要包含人口、各類地物的POI基礎(chǔ)數(shù)據(jù)，覆蓋數(shù)十個數(shù)據(jù)源，總數(shù)據(jù)量達(dá)百萬級以上。

方案所涉及的非實時數(shù)據(jù)包括全國POI數(shù)據(jù)800萬條，極海全國自然街區(qū)網(wǎng)格數(shù)據(jù)，駕車時間數(shù)據(jù)30萬條，人口普查數(shù)據(jù)30萬條，人口信令數(shù)據(jù)20萬條，中國統(tǒng)計年鑒、中國區(qū)域經(jīng)濟(jì)統(tǒng)計年鑒以及各省級統(tǒng)計年鑒20萬條，全國企業(yè)注冊數(shù)據(jù)3000萬條等。

應(yīng)用技術(shù)／實施過程

在極海創(chuàng)造性設(shè)計的人工智能選址解決方案中，極海使用了機(jī)器學(xué)習(xí)進(jìn)行零售選址，選址效果較好，具體實施過程如下：

1、地理編碼過程

極海首先將會員的文本數(shù)據(jù)，傳輸?shù)皆贫耍M(jìn)行快速存儲。與此同時，極海利用自身的地理編碼技術(shù)對文本數(shù)據(jù)空間化，并賦予每一條會員數(shù)據(jù)經(jīng)緯度坐標(biāo)信息，快速定位會員位置，了解合作方會員的分布情況。

2、基于自然街區(qū)的會員樣本劃分

自然街區(qū)，是極海自主研發(fā)的，基于路、山、河等邊界切割而成的單元網(wǎng)格，與以方格為統(tǒng)計單元的傳統(tǒng)數(shù)據(jù)相比，更符合人類認(rèn)知與實際情況。極海利用自身擁有的，全國各大城市的自然街區(qū)數(shù)據(jù)為基本單元，統(tǒng)計各個交通小區(qū)內(nèi)的會員數(shù)量，并以每一個交通小區(qū)內(nèi)的會員數(shù)據(jù)最為一個樣本。

3、特征因子篩選與統(tǒng)計

若要學(xué)習(xí)每個自然街區(qū)中會員樣本的分布存在怎樣特征，首先要進(jìn)行特征因子的篩選。由于國內(nèi)在大數(shù)據(jù)模型構(gòu)建中缺乏經(jīng)驗，極海就需要在各類POI地物中，通過不斷探索和嘗試，篩選出與高端零售相關(guān)的特征因子?；谶x取的樣本特征因子，統(tǒng)計各個自然街區(qū)內(nèi)特征因子分布情況。

4、到店距離的計算

基于極海的數(shù)據(jù)儲備，我們可以計算各個自然街區(qū)駕車到達(dá)到附近零售商店所用的時間。這個時間的統(tǒng)計是分時段的，也就是說在早晚高峰、工作日和節(jié)假日等不同時段，駕駛同樣距離所用時間的計算結(jié)果是不同的。這樣符合人類生活實際情況的計算結(jié)果，能夠更精準(zhǔn)地判斷一家零售門店的實際覆蓋范圍，而不再是簡單地畫一個緩沖圈，粗略地估算門店的影響范圍。因此，基于極海人工智能的選址解決方案，能夠?qū)⑿碌赀x址和撤點(diǎn)選擇做的更加精準(zhǔn)有效。

5、商圈競爭分析

新店選址除考慮周邊地物、客戶結(jié)構(gòu)外，還需考慮商圈內(nèi)的競爭關(guān)系。極海計算每家門店與周邊競爭對手門店的距離、覆蓋重疊區(qū)等等多種指標(biāo)，綜合評價商圈競爭環(huán)境。

6、機(jī)器學(xué)習(xí)與模型建立

綜合以上的各類情況作為特征因子，極海利用地理編碼之后的會員點(diǎn)作為待預(yù)測目標(biāo)。以自然街區(qū)為基本單元，統(tǒng)計會員數(shù)量和各類特征因子的情況，生成訓(xùn)練樣本。之后極海對訓(xùn)練樣本進(jìn)行機(jī)器學(xué)習(xí)，挖掘每一樣本中門店會員分布究竟存在怎樣特征，并形成計算模型。在模型構(gòu)建中，極海對已有11個城市的數(shù)據(jù)進(jìn)行訓(xùn)練，并在之后利用訓(xùn)練好的模型在另外兩個城市進(jìn)行驗證，得到了非常好的泛化效果。之后，我們將模型應(yīng)用到全國其它未開設(shè)該品牌的城市，就可以很好地計算出各個城市的會員數(shù)量潛力，以此來對不同城市進(jìn)行潛力的預(yù)測。

商業(yè)變化

極海針對某國際頂尖零售商對門店選址的多維度需求，結(jié)合三十大類、數(shù)百小類百萬級別的位置數(shù)據(jù)，研發(fā)了適合中國各級城市應(yīng)用的零售選址深度學(xué)習(xí)模型。通過對該企業(yè)客群分布的分析和預(yù)測，為其在中國數(shù)十個城市的零售店鋪選址提供了全面的、基于人工智能的決策支持。根據(jù)合作方的數(shù)據(jù)顯示，在極海選址解決方案的支持下，合作方選址決策節(jié)約成本超過50%，新店建設(shè)和舊點(diǎn)撤離完成后，預(yù)計能夠提升運(yùn)營效率20%。

案例投遞企業(yè)介紹

北京極?？v橫信息技術(shù)有限公司，是一家專注于地理大數(shù)據(jù)服務(wù)的創(chuàng)新企業(yè)，致力于提供“準(zhǔn)確、有效”的“地理大數(shù)據(jù)智能化決策”。為用戶提供海量地理數(shù)據(jù)、基于機(jī)器學(xué)習(xí)的位置挖掘和地圖可視化，幫助用戶構(gòu)建商業(yè)分析、網(wǎng)點(diǎn)優(yōu)化、廣告投放、城市監(jiān)測、規(guī)劃布局等獨(dú)特競爭力。極海已為規(guī)劃、零售、銀行、地產(chǎn)等領(lǐng)域，如：中規(guī)院、麥當(dāng)勞、IBM、萬科、龍湖等領(lǐng)先企業(yè)提供地理大數(shù)據(jù)服務(wù)。

來源：數(shù)據(jù)猿