咖啡店新開店擴(kuò)展模式

1。前提

以下一切數(shù)據(jù)均來自于虛構(gòu)的平行世界。
切勿當(dāng)真。

2。為什么要新開店

  • 1)假設(shè)紅色星星是店的所在地,紅色圓圈是該店顧客所在地(假設(shè)顧客只選取附近的咖啡店光顧):
    首家店

  • 2)如果我們想吸引更多顧客獲取更多訂單,而顧客又不肯走得太遠(yuǎn),這時(shí)候我們必須貼近顧客,開多一家店:
    第二家店

    此時(shí)覆蓋的范圍更廣了,能吸引更多的客戶了,訂單多了,錢賺多了(圓圈范圍擴(kuò)大)。

  • 3)貪得無厭的人類想開得更多店賺更多的錢了:
    開的店多了

    店開得多了,結(jié)果卻發(fā)現(xiàn)覆蓋區(qū)域有重復(fù)了,Shit。

3。開得越來越多新店會(huì)引起什么呢?

  • 總的顧客數(shù)量會(huì)提升
    因?yàn)殚_的新店越多,覆蓋的面積就越多,能勾引越來越多的本來不在覆蓋范圍的顧客。
  • 每家店的顧客數(shù)量會(huì)下降
    因?yàn)?code>重復(fù)區(qū)域會(huì)越來越多,使得同一位置的顧客有可能選擇不同位置的咖啡館。

4。開得越來越多新店會(huì)引起什么呢?

看下在某個(gè)時(shí)間點(diǎn),廣東某品牌咖啡店每天的顧客數(shù)量:


某月數(shù)據(jù)

可以看出,顧客數(shù)量多的店鋪會(huì)較少,且有較多店鋪每天顧客數(shù)量較少(100個(gè)以內(nèi))。


這樣看起來不舒服,我決定把坐標(biāo)軸換一下,先對每天顧客數(shù)量取一個(gè)對數(shù)變換,變換后得出:

訂單數(shù)對數(shù)變換

可以看出 X 坐標(biāo)軸越靠近 0 的點(diǎn)越密集。
但是其實(shí)也不好看,于是我們決定繼續(xù)對 X 跟 Y 軸進(jìn)行歸一化對數(shù)處理
得出:

哎呀!我們得出一個(gè)一元二次方程了!

5。為什么我們需要進(jìn)行對數(shù)處理?

因?yàn)榉菍?shù)處理時(shí),雖然也可以作為一個(gè)高斯分布來做回歸得出分布,但其實(shí)大多數(shù)咖啡店仍然是集中在日顧客數(shù)量 0-100 ,我們的模型可能不能很好的對日顧客數(shù)量的店鋪進(jìn)行分析。

6。研究不同店鋪數(shù)量時(shí)的分布

同一地點(diǎn)不同店鋪數(shù)量間分布

藍(lán)色為4年前數(shù)據(jù),紅色為2年前數(shù)據(jù),綠色為當(dāng)前年份數(shù)據(jù)。
可以看出,不同年份的曲線均很好的符合一元二次方程分布,若我們對該方程3個(gè)較為特征的點(diǎn)(與X軸交點(diǎn)、頂點(diǎn))進(jìn)行回歸:

紅色點(diǎn)為較為特征的點(diǎn)

根據(jù)該省份咖啡店的數(shù)量以及日顧客數(shù)量分布曲線特征點(diǎn)進(jìn)行回歸,可以得出,我開出多少家咖啡店,各店的日客戶數(shù)量分布關(guān)系。

7。什么都看不出

我開出了多少家店,實(shí)際上每天會(huì)吸走其他店鋪多少顧客,其實(shí)這個(gè)數(shù)是看不出來的。我只是睡不著在瞎說。當(dāng)然如果有人能給個(gè)打賞會(huì)很好,我最近缺錢,煩請點(diǎn)擊下方,然后輸入金額,然后支付。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請結(jié)合常識與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容