ハフモデルとは？
「近くて魅力度の高い店舗ほど顧客を吸引できる」という仮定で、競合店や世帯数などの需要データの位置関係を加味して店舗の需要予測を行う分析手法です。詳しくは、ビジネスマップ用語集の「ハフモデル」をご参照ください。
ハフモデルのお悩みポイント
ハフモデルには距離抵抗係数という概念があり、その係数を調整することで、最寄り品か買回り品かの調整を行うことができます。係数が大きいと距離の影響を強く受けるため、一般にコンビニなどの最寄り品では係数を大きくし、家電量販店のような買回り品を扱う業態では係数を小さくします。この係数を変更は、結果に大きく影響するため分析担当者にとっては、最適な係数を選択するのが大きな悩みでした。
流動人口データ（人流データ）の活用
スマートフォンなどから得られた位置情報を基に作成した人口データを「流動人口データ」（人流データ）と言います。流動人口データは、国勢調査などの人口データと異なり、ある時間帯の人口分布をリアルに把握できるだけでなく、あるエリアに滞在していた人の居住地を把握できるといった特徴があります。
この特徴を利用して、店舗に来店した人の居住地を可視化したものが以下のマップになります。メッシュ内の円グラフの色の違いは店舗の違いを表しており、どのエリアの人がどの店舗を利用したか視覚的に把握することができます。この結果をみると、ハフモデルの理論通り、近くのお店を多く利用する傾向があることが分かります。
※上記データは、株式会社ブログウォッチャー様が取得した位置情報を使用しています。
ハフモデルのキャリブレーション （来店状況と予測値のギャップ検証）
ハフモデルのシミュレーション結果が上記の来店状況と一致するように、各係数を自動的に調整し、選択してくれるハフモデルのキャリブレーションは、ArcGIS Business Analystに存在します。ツールを実行すると最適な係数値が分かるとともに、シミュレーション結果と実際の来店状況の誤差の大きさも同時に出力できます。誤差をなるべく小さくするように、異なる魅力度を追加するなどの調整を行って、ハフモデルのチューニングを実施することができます。
ハフモデルのキャリブレーションを実行するには、競合店の来店状況を入手する必要があったため、流動人口データが存在しないときは、非常にハードルが高い分析手法でした。現在は、比較的容易に流動人口データを入手することができ、またそれを扱うパソコンやソフトウェアの性能も向上しています。このような新たなデータを活用することで、分析の精度向上を目指してみませんか？
関連リンク
