供应王家湾夹报汉阳夹报研究

供应王家湾夹报汉阳夹报研究
汉阳夹报广告投递  尹氏传媒覆覆盖商圈**
D沌口G郭茨口H汉阳周边J建港Q七里庙晴川S升官渡W王家湾五里墩Y鹦鹉月湖Z钟家村
　　　　如何设定商圈
一般以所处位置为圆心划圆，依所属业态及门店规模而定，格越小辐射越小，业态越专，吸纳越大。以大型卖场为例分**商圈(半径2公里)，*二商圈(半径4公里)，*三商圈(半径8公里)，边缘商圈(基本已抵达市郊)，辐射商圈(依地市不同，市场差距而定)。
　　而商圈属性(俗称地段)其构成因素如下：
　　1、以住户与户数人口设定，越密越好。
　　2、以年龄层划分，依次为壮年(含儿童)、中年、青少年、老年。
　　3、以职业划分，依次为行政区的机关机构人员，商业区白领工薪人员，住宅取的住户人口人员(此处必须异地适宜)。
　　4、以住宅档次价位划分。
　　5、以交通情况划分其人流、车流(含捷运系统)、周边停车位及交通顺畅等考量。
　　6、以街道规划分街道规整，马路宽狭(太宽反而不好)，单行道、人行道、地下道、分隔岛及天桥(很忌讳天桥入店)等影响。
　　7、店铺周边环境分广场设置、绿化景观、临街房屋等影响。
Data Mining的缩写，意为数据挖掘　　数据挖掘是从大量的数据中，抽取出潜在的、有价值的知识（模型或规则）的过程。　　1. 数据挖掘能做什么？　　1)数据挖掘能做以下六种不同事情（分析方法）：　　· 分类 （Classification）　　· 估值（Estimation）　　· 预言（Prediction）　　· 相关性分组或关联规则（Affinity grouping or association rules）　　· 聚集（Clustering）　　· 描述和可视化（Des cription and Visualization）　　· 复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)　　2)数据挖掘分类　　以上六种数据挖掘的分析方法可以分为两类：直接数据挖掘；间接数据挖掘　　· 直接数据挖掘　　目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量（可以理解成数据库中表的属性，即列）进行描述。　　· 间接数据挖掘　　目标中没有选出某一具体的变量，用模型进行描述；而是在所有的变量中建立起某种关系 。　　· 分类、估值、预言属于直接数据挖掘；后三种属于间接数据挖掘　　3)各种分析方法的简介　　· 分类 （Classification）　　首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。　　例子：　　a. 信用卡申请者，分类为低、中、高风险　　b. 分配客户到预先定义的客户分片　　注意： 类的个数是确定的，预先定义好的　　· 估值（Estimation）　　估值与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的输出；分类的类别是确定数目的，估值的量是不确定的。　　例子：　　a. 根据购买模式，估计一个家庭的孩子个数　　b. 根据购买模式，估计一个家庭的收入　　c. 估计real estate的价值　　一般来说，估值可以作为分类的前一步工作。给定一些输入数据，通过估值，得到未知的连续变量的值，然后，根据预先设定的阈值，进行分类。例如：银行对家庭贷款业务，运用估值，给各个客户记分（Score 0~1）。然后，根据阈值，将贷款级别分类。　　· 预言（Prediction）　　通常，预言是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用于对未知变量的预言。从这种意义上说，预言其实没有必要分为一个单独的类。预言其目的是对未来未知变量的预测，这种预测是需要时间来验证的，即必须经过一定时间后，才知道预言准确性是多少。　　· 相关性分组或关联规则（Affinity grouping or association rules）　　决定哪些事情将一起发生。　　例子：　　a. 超市中客户在购买A的同时，经常会购买B，即A => B(关联规则)　　b. 客户在购买A后，隔一段时间，会购买B （序列分析）　　· 聚集（Clustering）　　聚集是对记录分组，把相似的记录在一个聚集里。聚集和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。　　例子：　　a. 一些特定症状的聚集可能预示了一个特定的疾病　　b. 租VCD类型不相似的客户聚集，可能暗示成员属于不同的亚文化群　　聚集通常作为数据挖掘的第一步。例如，"哪一种类的促销对客户响应较好？"，对于这一 类问题，首先对整个客户做聚集，将客户分组在各自的聚集里，然后对每个不同的聚集，回答问题，可能效果更好。　　· 描述和可视化（Des cription and Visualization）　　是对数据挖掘结果的表示方式。　　2.数据挖掘的商业背景　　数据挖掘首先是需要商业环境中收集了大量的数据，然后要求挖掘的知识是有价值的。有 价值对商业而言，不外乎三种情况：降低开销；提高收入；增加股票价格。