売上予測を行うには、さまざまな要素を加味することが必要ですが、ここでは GIS を用いた代表的な売上予測の手法をご紹介します。これらの売上予測の方法は、店舗の商圏タイプ別に行うことで、より精度よく予測することが可能です。

ハフモデルを用いた売上予測

「近くて魅力度の高い店舗ほど顧客を吸引できる」という仮定のもと、競合店やターゲット顧客や世帯が住んでいる地域の位置関係を加味して、需要の吸引分析を行うハフモデルを基にした売上予測を行うには、需要データとして消費額のデータを用いることが一般的です。消費額データとしては、推計消費額データなどが代表的なものとして挙げられます。

重回帰分析を用いた売上予測

店舗情報や商圏情報の複数の項目を組み合わせて、需要や売上を最もよく表現する項目の組み合わせを抽出して重回帰式(予測モデル)を構築します。新規店舗候補地の情報に対して、構築した予測モデルを当てはめることで売上予測を行います。具体的な活用例は、重回帰分析による要因・予測分析(課題別活用法)をご覧ください。

AI・機械学習を用いた売上予測

AI/機械学習を利用して今まで処理しきれなかった大量の入力データをもとに予測モデルを構築する方法です。新規店舗候補地の情報に対して、構築した予測モデルを当てはめることで売上予測を行います。具体的な活用例は、ランダムフォレストのアルゴリズムを活用した機械学習・AI を用いた土地取引価格の予測(課題別活用法)をご覧ください。

関連リンク
流動人口データを用いたハフモデルの予測精度最適化(課題別活用法)
重回帰分析による要因・予測分析(課題別活用法)
機械学習・AI を用いた土地取引価格の予測(課題別活用法)