本文使用 Mapbox 提供的数据，分析了零售门店销售复苏与周围人流之间的关系。为通过分析人流数据预测需求变化、销售和备货因应措施提供了一个思路，对于店铺前期选址也可以发挥重要作用。传统上的需求预测是基于过去数年的数据拟合而成，又或使用一些第三方发布的研究报告，这些数据往往每年更新一次，无法紧随市场的变化。而由于人流数据是实时更新的，如果人流-销售模型能够建立起来，我们就可以迅速调整需求预测和补货计划，避免错过销售机会，减少库存。
这种即时预测对疫情期间的门店有重要的意义，使用 MapBox 提供的区域内每日人流数据，我们每天都可以调整未来几天和几周的需求预测并通知相关部门做好准备和支持工作。
这项研究的基本方法论是，首先建立数据基准——即疫情前本地“正常”人流数据水平。其次监控门店附近每天的人流水平，是否持续超出阈值，这可能代表着本区域“新常态”的出现。最后，将此微观区域的人流水平与周边地区进行比较，挖掘背后更深层的信息。
案例：Green Hills 购物中心
The Mall at Green Hills购物中心位于位于田纳西州纳什维尔郊外。入驻有Louis Vuitton和Burberry等奢侈品商店，以及Anthropologie，Lululemon和Whole Foods等热门商店。与许多其他商场一样，Green Hills在2020年春季持续关闭了几个月，100多家零售店受到影响。随着分阶段开放措施的开展，各个商店需要决定何时重新开门。购物中心开门，并不意味着每个门店都可以获取到足够人流。许多品牌商或零售商在各种购物中心里拥有数千家门店，决定率先开放哪些商店是一项相当大的挑战。
第一步：:确定相关的网格数据块
MapBox 的人流数据覆盖整个美国，将人员和车辆的活动加总到一个个长宽为100米的数据块中，在MapBox 中称呼为“瓷砖”（tiles）。要查找具体地理位置的人流数据块，可以使用 MapBox 提供的 “瓷砖管理器” tile explorer。 在管理器中找到购物中心的位置，设定缩放级别为18(Z18)，这些数据可以与其他地理信息平台的数据连接、复合。 MapBox 提供了数种工具：Mapbox-powered kepler.gl，商业地理空间库- mercantile 。
第二步：建立人流活动水平基准
通过相关的Z18数据块，我们可以筛选出商场和周边地区的历史人流数据，用以建立活动水平基准。
大多数零售活动都遵循工作日-周末周期，即周末是零售活动的高峰期，而工作日水平较低。可以使用移动平均算法抚平这些波动，方便我们的进一步分析。将每天的活动数据生成7天移动平均线，就可以清晰看出，此地在疫情重新开放阶段的活动水平约为疫情前的一半，而4，5月的关门期间，活动水平为0。
作为入驻 Green Hills 购物中心的店家，从盈利角度而言，在商场人流活动恢复到疫情前水平之前，可能从商业上考虑，没有重开商铺的必要性。另一方面，由于疫情对经济的长期和深度影响，人口的转移（例如外来打工者离开）和消费习惯的变化（例如更多人通过网络购物），即使疫情完全结束，此购物中心的人流可能仍然无法恢复到疫情前的水平，那么可能关店或寻找新的门店地点就成了更好的选择。 现在介绍的实时数据分析就可以帮助店铺经营者更深入地了解这种冲击和变化，规划未来的商业布局。
第三步：将分析拓展到周边地区
除了对购物中心这种非常具体的地点进行人流分析以外，我们还可以使用 MapBox 分析商场周边社区的人流活动水平，甚至上一级行政区划内的人流活动水平。这只需要在上一步的数据集合筛选时，扩大选择的范围即可。 周边地区整体的人流活动水平分析，可以揭示社区整体的消费动能，协助探索其他企业在此区域的商业动向和总体影响，可以帮助店家了解附近区域消费者的习惯和需求，寻找更好的店铺位置。
第四步：按行政区划分析
将数据网格与边界数据库（记录了某个区域的地理边界）结合之后，可以方便地筛选出某个行政区域所有的人流活动水平网格数据块。下图中我们将研究的范围从上一步中的 Green Hills 临近地区进一步拓展到其所在的城市 —— 田纳西州纳什维尔（Nashville – Tennessee).
通过了解 Green Hills 购物中心、其临近社区、整个纳什维尔地区的人流活动水平数据，我们可以从微观到宏观逐步分析并预测未来的发展。例如通过上图我们可以简单地观察到，在购物中心重新开门之前，其周边地区和整个纳什维尔地区的人流就已经开始缓慢恢复了，并在五月中上旬出现过一次凸起，预示了人流的恢复具备一定的动能。这可以作为我们重开店铺的先行指标，帮助我们合理决定重开店铺的时机。
第五步：分析顾客活动区域
零售门店的设立必须考虑到周边顾客的活动区域，受到地理，建筑，道路，公共交通等各个方面的影响，消费者的活动区域往往是非常复杂的。例如各个城市中常见的步行街，即使步行街有很多通向临近平行街道的通道，但人流总体还是集中在步行街上，外溢较少，形成一个线状热门区域。民间长期也有”金角银边草肚皮“的店铺选址口诀，虽然这是从围棋中化用出来的一句经验之谈，但说明了，即使在同一条街上的不同位置，人流的分布也有天壤之别。 通过实时的数据，或者对人流有决定性影响因素的分析，我们可以提前预测目标选址的商业潜力。例如美国消费者非常依赖私家车，可以使用车程来分析消费者的活动区域。我们根据地图和道路数据库，可以画出距离目标地点5、10和20分钟车程覆盖的区域，也就是说这些区域里的消费者可以在5、10或20分钟内抵达我们选定的目标地点。如果消费者处在5分钟车程内，我们可以认为消费者有较高意愿或可能性来目标地点消费，如果是20分钟车程的区域，可能他们会选择更近的消费地点或干脆选择网络购物。通过了解这些不同区域内的人流活动水平变动情况，我们可以直观地观察到不同级别客户群体的整体活动趋势。确定我们的选址是否合理，是否需要变更，是否与当前租金匹配，是否有商业的潜力，是否能在较短时间内开始或恢复盈利。
多店铺并列分析
上面我们介绍了单个店铺的人流活动水平的实时数据分析，我们还可以将多个店铺/公司的实时或历史数据并列分析。这可以帮助我们更多地了解我们内部的贡献分布，以及我们在整个市场上的表现。
以上案例使用 MapBox 实现：https://www.mapbox.com/forms/moveme