以超市为例，用数据驱动智慧选址和经营分析

禾丰是一家零售公司，在Q城市已经有多家直营连锁超市，为了扩大竞争优势，决定开设更多的门店，以覆盖更多的空白市场。但是，禾丰公司在Q城已经深耕多年，从之前的开店经验上，目前比较难轻松找到空白的开店区域。因此管理层希望通过数据和分析获得精准开店选址的建议，减少开店的风险。

通过对Q市所有店铺初步探索分析后，决定选取一家销售业绩居中、销量稳定的门店，作为初始的分析对象。

我们提取了门店中的经营数据和会员数据，这些数据清晰就记录了会员消费的时间、客户来源、消费次数、消费客单价、产品分布等数据。

结合客户提出的开店需求，那目前需要解决的是，这家门店到底覆盖了多大的区域？不同年份覆盖的区域是否有变化？

上图是不同年份顾客在地理区域上的示例图，可以看出随着年份的推移，顾客更多来自门店往北的周边区域。但是这里就存在一个问题，从2015年-2017年，门店辐射的区域在不断扩大，那出现的销售情况却是非常稳定，并没有随着门店覆盖范围扩大就带来销量上升。

是因为电商分流了这部分流量吗？还是因为门店的产品吸引力不够？购物环境变差？或者是周边出现了竞争门店？

为了弄清原因，需要做更加深入分析，例如，对品类梳理、对客户做调研、对销售结构做分析，这里采用的就是对交易时间、会员占比的分析中发现，客单价与交易频次之间有明显的特征。

如上图所示，交易频次和客单价呈现负相关的关系，也就是说，常来购买的消费者每次消费的额度少，而每次消费多的客户消费的频次少。

通过对不同的地址和对应的频次和价格的验证，是符合负相关的关系的。因此在理论分析上，基本就可以认为，近距离的客户因为方便能够做到多次消费，因而每次消费额度低，而距离较远的客户因为较高的时间成本，消费次数少但每次购买的产品更多，因此每次交易额高。

根据上面的分析，也基本可以判断产品和装修都没有什么大的问题，至少，不会成为影响顾客消费的主要影响因素。导致覆盖面扩大，而销售额没有增加的原因，最大的可能性就是门店周边开了一家类似的门店，分流了部分消费者。同时，来自偏北方向的新增消费者弥补了这部分损失，所以从销售数据来看，这家店没什么大的问题。

为了验证这个分析结果，对门店周边做了调查，同时抽取部分流失会员和新增会员做了访谈，最终验证了结果。流失的客户基本都是因为门店的偏南方向开了竞争门店，而新增的会员都比较认可门店销售的产品，但由于距离远，因此只能做专程消费。

至此，就可以在北部开一家新店，并且通过数据能够计算出新店与老店的距离，让新店服务新顾客，尽可能地少分流老店客户。

上图就是新开店后客户分布的地理区位，可以看到两家店覆盖了不同的顾客群，且没有出现空白区域，是比较理想的网点布局组合。

其实在分析的过程中，发现这类销量看似稳定的店铺，也面临着客户被悄悄蚕食的风险，这点随着竞品的出现，比较难以体现在销售额上，是非常容易被忽视的。

并且，通过传统的选址理论和技术手段在市场饱和的情况下比较难分析出新的机会点，分析的时候更多的是靠猜，所以一般都不太会冒险开店，使得老店的客户默默地被对手蚕食，丧失开设新店的机会。

数据与传统选址的对比

这样数据驱动选址的方法，可以比较多运用在超市、母婴专卖、牙科诊所、美容美发、主题餐厅、宠物店上。