3 Grundlæggende placeringsmodeller af tjenester - Forklaret!

1. Gravitets- eller rumlige interaktionsmodeller:

Disse er baseret på loven om detail gravitation udviklet af Reilly. Grundprincippet bag disse modeller er, at bevægelsen af ​​kunder tiltrukket af en bestemt butik er omvendt proportional med afstanden og er direkte proportional med udløbets tiltrækning (ofte målt ved dens størrelse).

Sandsynligvis den mest citerede model er den, der er udviklet af Huff, Ghosh og Craigh, som hedder, at »sandsynligheden for, at en person vælger en bestemt butik, er lig med forholdet mellem brugen af ​​den pågældende butik og summen af ​​de øvrige forsyningsselskaber butikker, som den enkelte overvejer. I denne forbindelse anses brugen som værende afhængig af butikens størrelse og afstanden mellem de enkelte kunder og butikkerne. Udtrykker dette forhold i matematiske termer:

P _ij er sandsynligheden for, at en person i zone i (i = 1, ... m) vil rejse og shoppe i facilitet j (j = 1, .., n)

S _j er størrelsen af ​​shopping facilitet j

D _ik er afstanden eller rejsetiden mellem zone i og shopping facilitet k

m er antallet af zoner

n er antallet af indkøbsmuligheder

β er parameteren, som skal estimeres empirisk

Parameteren p afspejler rejsetidernes indflydelse på forskellige typer produktkøb, og det foreslås, at det ligger mellem 0, 5 og 3, 0, idet der tages større værdier for bekvemmelighedsartikler, og hvor afstanden har stor betydning: for eksempel shopping for mad.

Følgende eksempel illustrerer processen:

I øjeblikket leverer to store supermarkeder i X og Y en tjeneste for seks små byer / zoner (A, B, C, D, E og F). En national supermarkedskæde overvejer at åbne en ny butik på sted Z. Disse steder sammen med nogle af hovedveje er vist i figur 5.4.

Nogle data vedrørende butikkerne er præsenteret i tabel 5.3. Dette viser deres rejseafstande fra de seks byer, gulvområdet af de eksisterende butikker og det foreslåede til den nye butik og befolkningen i byerne. Da afstanden har en betydelig, men ikke dominerende indvirkning, og butikkerne stort set beskæftiger sig med næringsmiddelfødevarer, vil en værdi for P på 2 blive taget.

Det første trin i analysen er beregningen af ​​sandsynlighederne. Sandsynligheden for at en person fra by A vil handle i facilitet X er givet af:

De resterende sandsynligheder er vist i tabel 5.4. Det er så muligt at udforske mere detaljeret de potentielle salgsindtægter. Udgangspunktet er befolkningen (eller husholdningerne) i hver by og de gennemsnitlige udgifter pr. Husstand.

En simpel multiplikation af sandsynlighedsstallene i tabel 5.4 af befolkningen giver skøn over de potentielle kunder, der besøger hvert indkøbsmuligheder. Således er de potentielle kunder fra zone A til faciliteter X, Y og Z således for eksempel henholdsvis 8, 92, 6, 62 og 4, 46 (i '000s). Dette giver organisationen mulighed for at evaluere det foreslåede sted med hensyn til sit salgspotentiale.

Modellen er måske bedst oprettet ved hjælp af et regneark. Det er så muligt at undersøge de alternative scenarier meget hurtigt. Et andet foreslået websted kan kun overvejes ved at ændre de relevante afstande fra de seks byer. Afvigelser mellem det ekstra salg, der genereres på indkøbsområdet ved at øge salgsområdet og omkostningerne ved dette ekstra salgsområde, kan vurderes.

2. Regressionsanalysemodeller:

Normalt anvendes regressionsmodeller til at forudse butiksomsætning, som er den afhængige variabel, anset for at være en lineær funktion af en række uafhængige variabler, som vil blive anvendt som led i prognoseprocessen. Salgsomsætning kan således betragtes som afhængig af butikens salgsområde, antallet af konkurrenter, omkostningerne ved parkering, befolkningens størrelse i området og så videre.

Den generelle form for denne model er som følger:

Y = a ₀ + a ₁ x ₁ + a ₂ x ₂ + a ₃ x ₃ + ... + a _n x _n + ԑ

hvor,

y = den anslåede omsætning

x _i = den ^første uafhængige variabel

en _i = en konstant, koefficienten for den i ^- uafhængige variabel

a ₀ = en konstant

ԑ = et fejlterm

Det er sandsynligt, at sæt af uafhængige variabler og deres relative betydning vil variere med butikstyper.

Disse er vist i tabel 5.5

3. Checklister og analoger:

Mange organisationer er afhængige af tjeklister, analoger og intuition for at understøtte løsningen på deres lokalitetsbeslutningsproblemer. I fakta har intuition ofte det fundament, den ustrukturerede tjekliste. Deres fordel er, at de systematisk tager analytikeren gennem hvad der kan betragtes som alle nøglefaktorer af potentiel betydning.

En tjekliste er vist nedenfor i tabel 5.6.