【数据猿导读】​本篇案例涉及企业是一家国外顶级零售商，互助方在美国具有良好的数据支持，并已研发出成熟的选址模型，在美国表现效果非常良好，但当互助方将其模型拿到中国市场时，却涌现了水土不服的情形

来源：数据猿 案例投递：极海纵横

对付万达广场、7-Eleven、中国工商银行等大型连锁企业来说，选址的意义十分重大，直接影响着企业实际经营效益，关乎企业成败。
常日情形下，选址是一项长期性投资，须要基于企业经营目标、客户构造等多种成分进行综合考量，一经确定就难以变动，因此，好的选址可以让企业长期受益，提高业务绩效。
但在传统选址方法中，企业常日叮嘱消磨大量干系职员到实地勘察，通过不雅观察结果和履历判断确定新店培植位置，缺少多源数据支撑和高效、流程化的选址方案。
因此，企业选址每每存在人力物力大量耗费、履历判断与实际存在偏差等问题。

客户名称

某国际有名零售连锁企业

所属分类

零售连锁类

履行韶光

2017年4月12日-2017年9月29日

运用处景

极海供应的人工智能零售选址办理方案可针对银行、零售等大型连锁企业，供应新店选址与撤点选择做事，即机器学习基于位置的会员特色，并基于网点影响范围内人流属性、竞品店铺、商业企业共生资源、交通便利程度等对区域或网点进行加权评分，建立发卖测算模型预测店铺业务效果，使选址新点和撤销网点一览无余。

面临寻衅

1、国外选址模型移植到海内，存在水土不服的征象

在本案例中，极海做事的是一家国外的顶级零售商，互助方在美国具有良好的数据支持，并已研发出成熟的选址模型，在美国表现效果非常良好。
但是，当互助方将其模型拿到中国市场时，就涌现了各种水土不服的情形，例如：中国数据不全、城市发展状况不同、居民消费理念不同等等。

2、海内基于人工智能的全套选址方案匮乏，短缺可借鉴的履历

在中国，大多数公司还是基于调查问卷、统计假设的传统选址方法进行新店选址和撤点选择。
这样的方法不仅耗费大量的人力物力，在模型精度上也得不到担保。
因此，在海内匮乏大数据选址履历的情形下，极海须要基于中国国情条件，首创性地利用极海弘大的数据储备和人工智能能力产出一整套的选址方案。

数据支持

人工智能零售选址办理方案所涉及数据极为丰富，紧张包含人口、各种地物的POI根本数据，覆盖数十个数据源，总数据量达百万级以上。

方案所涉及的非实时数据包括全国POI数据800万条，极海全国自然街区网格数据，驾车韶光数据30万条，人口普查数据30万条，人口信令数据20万条，中国统计年鉴、中国区域经济统计年鉴以及各省级统计年鉴20万条，全国企业注册数据3000万条等。

运用技能／履行过程

在极海创造性设计的人工智能选址办理方案中，极海利用了机器学习进行零售选址，选址效果较好，详细履行过程如下：

1、地理编码过程

极海首先将会员的文本数据，传输到云端，进行快速存储。
与此同时，极海利用自身的地理编码技能对文本数据空间化，并授予每一条会员数据经纬度坐标信息，快速定位会员位置，理解互助方会员的分布情形。

2、基于自然街区的会员样本划分

自然街区，是极海自主研发的，基于路、山、河等边界切割而成的单元网格，与以方格为统计单元的传统数据比较，更符合人类认知与实际情形。
极海利用自身拥有的，全国各大城市的自然街区数据为基本单元，统计各个交通小区内的会员数量，并以每一个交通小区内的会员数据最为一个样本。

3、特色因子筛选与统计

若要学习每个自然街区中会员样本的分布存在若何特色，首先要进行特色因子的筛选。
由于海内涵大数据模型构建中缺少履历，极海就须要在各种POI地物中，通过不断探索和考试测验，筛选出与高端零售干系的特色因子。
基于选取的样本特色因子，统计各个自然街区内特色因子分布情形。

4、到店间隔的打算

基于极海的数据储备，我们可以打算各个自然街区驾车到达到附近零售商店所用的韶光。
这个韶光的统计是分时段的，也便是说在早晚高峰、事情日和节假日平分歧时段，驾驶同样间隔所用韶光的打算结果是不同的。
这样符合人类生活实际情形的打算结果，能够更精准地判断一家零售门店的实际覆盖范围，而不再是大略地画一个缓冲圈，粗略地估算门店的影响范围。
因此，基于极海人工智能的选址办理方案，能够将新店选址和撤点选择做的更加精准有效。

5、商圈竞争剖析

新店选址除考虑周边地物、客户构造外，还需考虑商圈内的竞争关系。
极海打算每家门店与周边竞争对手门店的间隔、覆盖重叠区等等多种指标，综合评价商圈竞争环境。

6、机器学习与模型建立

综合以上的各种情形作为特色因子，极海利用地理编码之后的会员点作为待预测目标。
以自然街区为基本单元，统计会员数量和各种特色因子的情形，天生演习样本。
之后极海对演习样本进行机器学习，挖掘每一样本中门店会员分布究竟存在若何特色，并形成打算模型。
在模型构建中，极海对已有11个城市的数据进行演习，并在之后利用演习好的模型在其余两个城市进行验证，得到了非常好的泛化效果。
之后，我们将模型运用到全国其它未开设该品牌的城市，就可以很好地皮算出各个城市的会员数量潜力，以此来对不同城市进行潜力的预测。

商业变革

极海针对某国际顶尖零售商对门店选址的多维度需求，结合三十大类、数百小类百万级别的位置数据，研发了适宜中国各级城市运用的零售选址深度学习模型。
通过对该企业客群分布的剖析和预测，为其在中国数十个城市的零售店铺选址供应了全面的、基于人工智能的决策支持。
根据互助方的数据显示，在极海选址办理方案的支持下，互助方选址决策节约本钱超过50%，新店培植和旧点撤离完成后，估量能够提升运营效率20%。

案例投递企业先容

北京极海纵横信息技能有限公司，是一家专注于地理大数据做事的创新企业，致力于供应“准确、有效”的“地理大数据智能化决策”。
为用户供应海量地理数据、基于机器学习的位置挖掘和舆图可视化，帮助用户构建商业剖析、网点优化、广告投放、城市监测、方案布局等独特竞争力。
极海已为方案、零售、银行、地产等领域，如：中规院、麦当劳、IBM、万科、龙湖等领先企业供应地理大数据做事。