拓端tecdat|上海无印良品地理空间分布特征与选址策略可视化研究

原文链接:http://tecdat.cn/?p=23583

原文出处:拓端数据部落公众号

作者:Herbert Hu

项目挑战

无印良品,是指“没有名字的优良商品”,于1980年诞生于日本,主推服装、生活杂货、食品等各类优质商品。2005年,无印良品进入中国市场,产品注重纯朴、简洁、环保、以人为本等理念,深受广大消费者的喜爱。然而,与沃尔玛、麦当劳、星巴克等连锁企业相比,有关无印良品的学术研究成果却相对偏少,与其在中国的高热度不甚相符。相比而言,无印良品的设计理念、品牌思想、经营策略更加受人关注,而其空间分布特征与影响因素尚未受到足够重视。本文以上海市无印良品为例,运用定性分析与定量研究相结合的方法,分析了无印良品宏观和微观空间分布特征、区位分析和选址策略,讨论了无印良品对于城市的影响和意义。

解决方案

一、 研究概况

1. 研究背景

随着我国经济的持续发展,人们的生活水平持续被提高,收入不断增长,居民购买力也不断增强。与此同时,面对丰富多样、更新迅速的各类产品,消费者的消费方式也在发生变化,消费诉求不断提升,消费层次也随之逐渐提高。人们不仅追求物美价廉、性价比高的产品,更多的人开始关注提升自己的生活品质,希望自己买到的东西可以真正地给自己带来享受。

无印良品,是指“没有名字的优良商品”,于1980年诞生于日本,主推服装、生活杂货、食品等各类优质商品。2005年,无印良品进入中国市场,产品注重纯朴、简洁、环保、以人为本等理念,深受广大消费者的喜爱,尤其受到年轻人和中产群体的喜爱。目前,无印良品在中国的店铺已经超过了200家,并且还在以每年新增30家的速度持续扩张。

2. 研究现状

选址问题的研究由来己久,最早的是人类空间活动区位理论,随着商品经济的迅速发展以及商品物资的不断充裕,当人们能及时、准确与动态地获取商业服务设施各相关因素的信息,并能对这些影响因子进行科学的分析时,人们对商业服务设施选址的准确性与可行性要求便越来越高。而服务设施的区位选择能否成功很大程度上取决于是否有成熟的理论与方法做理论支持。

然而,与沃尔玛、麦当劳、星巴克等连锁机构比较,有关无印良品的学术研究成果却相对偏少,与其在中国的高热度不甚相符。相比而言,无印良品的设计理念、品牌思想、经营策略更加受人关注,而其空间分布特征与影响因素尚未受到足够重视。

3. 理论基础

(1) 统计理论

统计学是通过搜索、整理、分析、描述数据等手段,以达到推断所测对象的本质,甚至预测对象未来的一门综合性科学。统计学用到了大量的数学及其它学科的专业知识,它被广泛的应用在各门学科之上,从物理和社会科学到人文科学,甚至被用来工商业及*的情报决策之上。随着数字化的进程不断加快,人们越来越多地希望能够从大量的数据中总结出一些经验规律从而为后面的决策提供一些依据。

 (2) GIS理论

GIS理论是应用地理信息系统进行选址的理论。它有广泛的应用前景,本文也主要以本方法体系展开选址问题解决。GIS利用计算机技术对地理环境进行分析解译,将这一过程中得到的各要素进行归类、总结、存储,建立全面细致的数据库管理系统,既方便了今后研究工作中对地物信息的获取速度,又为结论输出的可视化奠定了坚实的基础设施选址决策的常用方法现实中的设施选址问题往往非常复杂,通常需要利用计算机来建立相应的数学模型求解。

(3) 区位理论

区位论是研究人类活动在空间场所上的选择及其空间组织优化的理论。源于古典经济,分为微观与宏观层面,不论是具体生产部门或设施的分布选址还是一个地区甚至是国家总体的综合布局方案,都可以应用区位理论进行分析。区位论,作为一套体系,主要包括杜能的农业区位论、韦伯的工业区位论、以及廖什的市场区位论等。综合起来,可以将区位论的内涵总述为经济行为的空间选择和空间内经济活动的有机组合。如何合理地选择区位,是人类进行生产活动过程中需要解决的问题。区位选择理论中涵盖了三大原则:因地制宜原则,动态平衡原则,统一性原则。

4. 研究方法

(1) 文献研究法

文献研究法是通过登录电子图书馆,查阅大量国内外有关商业区位选址的文献资料及研究成果,通过归纳总结得出关于商业区位选址的研究现状及意义,同时为本论文中上海无印良品的商业区位选址开展研究做好理论基础。

(2) 调查法

调查法有两种基本形式,即问卷调查法和访谈法。它是通过向研究对象发放问卷或者进行访谈的形式,获取相关调查信息,以便更好地理解或掌握研究对象的状态的一种研究方法。无印良品的顾客进行问卷调查和访谈,对无印良品的受众进行初步了解,为本文的研究提供参考依据。

(3) 实地考察法

本研究拟对上海的部分无印良品店铺进行实地考察,了解影响无印良品的空间分布特征因子以及这些因子的影响方式,掌握无印良品的具体位置和周边环境等情况,为研究奠定基础。

(4) 统计分析法

统计分析法,就是指运用统计学的方法,对调查所得资料的数量特征进行描述,并用各种数学模型解释调查资料中所隐含的关系、规律和发展趋势。本文利用IBM SPSS软件对于无印良品的位置及其周边环境的调查数据进行分析,找出事物之间的相关规律。

(5) 地理信息技术分析法

GIS分析是以空间数据库的管理、应用为基本原则,运用建立模型的分析方式,提供各动态的、直观的信息。关键的部分在于利用计算机技术对地理环境进行分析解译,将这一过程中得到的各要素进行归类、总结、存储,建立全面细致的数据库管理系统,既方便了今后研究工作中对地物信息的获取速度,又为结论输出的可视化奠定了坚实的基础。

5. 研究意义

商业网点的空间分布特征与选址策略直接决定了企业的经营业绩与市场形象,同时也对城市商业环境的整体部署起到了一定的引导作用。商业网点店址的选择是一项长期性的大规模投资,关系到商业网点的发展前景。具有前瞻性的商业网点空间分布特征将为企业经营目标和经营策略的制定提供重要依据,并在企业经营目标及策略的实现中发挥积极作用。从企业经营的最终目标来看,商业网点的准确选址有助于最大化店址的服务范围,从而最大化企业经济效益。此外,企业的商业网点空间分布特征也是该企业建立良好的市场形象的关键一步。

无印良品所坚持的产品理念和所倡导的生活理念只有在消费成熟度足够高、消费足够精致的地方才会得到消费者的接受和认可。因此,分析无印良品在空间分布特征,找到选址策略上一定的规律,能够一定程度上反映社会经济的特征。

二、 分布特征分析

1. 宏观分布特征

无印良品在上海总共设立了33处经营场所。1处为地区总部,位于静安寺。1处旗舰店,位于淮海中路。1处机场店,位于浦东国际机场T2航站楼出发层。3处为餐厅,分别位于中山公园、淮海中路和上海大悦城。其余为普通商店。

上海市无印良品的宏观空间分布特征,从环线的角度上来说,三分之二的店铺分布在在内环线以内,其次为中环、外环、郊环。从行政区的角度上来说,除店铺MUJI to GO 上海浦东机场、外,其余均布局在上海的中心城区。虹口区虽然属于中心城区,但没有无印良品的布局。从交通枢纽上,无印良品在上海两大机场(上海虹桥机场、上海浦东国际机场)、两大火车站(上海火车站、上海虹桥火车站)均有设立店铺。(见图1、表1)

图1 上海市无印良品的空间分布

拓端tecdat|上海无印良品地理空间分布特征与选址策略可视化研究

 表1 上海市无印良品的空间分布

环线

黄浦区

静安区

闵行区

浦东新区

普陀区

青浦区

徐汇区

杨浦区

长宁区

总计

郊环

0.00%

0.00%

0.00%

3.03%

0.00%

0.00%

0.00%

0.00%

0.00%

3.03%

内环

9.09%

21.21%

0.00%

15.15%

3.03%

3.03%

9.09%

0.00%

6.06%

66.67%

外环

0.00%

0.00%

6.06%

3.03%

0.00%

0.00%

0.00%

3.03%

0.00%

12.12%

中环

0.00%

0.00%

6.06%

6.06%

3.03%

0.00%

0.00%

0.00%

3.03%

18.18%

总计

9.09%

21.21%

12.12%

27.27%

6.06%

3.03%

9.09%

3.03%

9.09%

100.00%

从密度上来说(见图2),无印良品在上海有3个聚集区。密度最高的是由静安寺、南京西路、南京东路、淮海中路以及苏河湾的8处店铺组成。其次是以西内环附近四处店铺、陆家嘴三处店铺。其余为点状密度。

总体上,上海市无印良品的宏观空间分布特征呈现为:以中心城区为主,兼顾交通枢纽、商业区等条件进行布局。

图2 上海市无印良品的空间分布核密度分析

拓端tecdat|上海无印良品地理空间分布特征与选址策略可视化研究

2. 微观分布特征

在无印良品于上海的设立的33处经营场所中,分析其不同店铺的楼层布局,可以得到上海市无印良品楼层分布表(见表2)。根据数据进行分析,上海市无印良品在微观空间布局上,餐厅倾向于往中高楼层布局,商铺倾向于往低层布局,有近四成商铺布局在商场的一楼。同时,由于地铁出入口的设置,地下一层、二层也在选址的考虑范围内。

总体上,上海市无印良品的微观空间分布特征呈现为:以中低楼层为主,兼顾店铺类型、交通枢纽、主打店铺等条件进行布局。

表2 上海市无印良品的楼层分布

店铺类型

-2

-1

1

2

3

4

35

 

总计

餐厅

3.03%

0.00%

0.00%

0.00%

6.06%

0.00%

0.00%

0.00%

9.09%

机场

0.00%

0.00%

0.00%

0.00%

0.00%

0.00%

0.00%

3.03%

3.03%

商铺

3.03%

9.09%

39.39%

18.18%

12.12%

3.03%

0.00%

0.00%

84.85%

总部

0.00%

0.00%

0.00%

0.00%

0.00%

0.00%

3.03%

0.00%

3.03%

总计

6.06%

9.09%

39.39%

18.18%

18.18%

3.03%

3.03%

3.03%

100.00%

三、 选址策略研究

1. 影响零售业区位选择的因素

零售业区位选择的因素大致包括如下几个方面:一是消费市场状况,如消费者的数量、收入、人口构成和生活方式等;二是购物空间的接近性,一般指空间距离和交通条件;三是零售业之间的竞争状况,即在市场区域中同行业竞争者的数量,以及发展水平等。四是地价,不同等级的零售商业中心,能够支付地价的能力也不同,地价是制约零售业区位选择的重要因素。

2. 影响无印良品选址的区位因子分析

通过对于无印良品相关选址因子的皮尔逊相关性分析,可以获得以下的相关性分析数据(见表3),以研究影响无印良品选址的区位因子。

表3 影响无印良品选址的区位因子皮尔逊相关性分析

区位因子

环线等级

行政区代号

临近地铁站

线路数

商业中心等级

活力指数

行政区面积

店铺数

0.090

.513**

-0.105

-0.168

0.111

.706**

行政区

人均店铺数量

.393*

-.383*

0.009

0.213

-0.111

-.442**

行政区

地均店铺数量

.528**

-.725**

0.143

.362*

0.067

-.661**

区位因子

行政区人口

行政区GDP

行政区

平均土地价格

行政区

人口生活质量

行政区

人口密度

行政区

人均GDP

店铺数

.648**

.802**

-0.317

0.084

-.617**

-0.274

行政区

人均店铺数量

-.552**

-0.341

0.331

.522**

-0.210

.379*

行政区地

均店铺数量

-.733**

-.509**

.702**

.627**

0.259

.768**

**. 在 0.01 级别(双尾),相关性显著。

*. 在 0.05 级别(双尾),相关性显著。

根据上海市无印良品的布局图以及选址数据分析,可以得出影响无印良品布局的区位因子有:

(1) 交通

干路交通的通达性越高,枢纽程度越高,吸引和聚集的常住人口及事业单位越多,,区域越发达,经济密度越高,从而保证了大量各种商业的门槛需求,为商业布局提供市场需求。干路交通的通达性越高,可以为区域带来大量的流动人口增加区域外的市场需求。

无印良品店铺布局的地点多是交通便捷的地区,有多种交通方式选择。

(2) 人口

商业区位与人口的关系主要体现在人口密度和人均收入水平上,这两者决定了商业购买力。同时流动人口的密度和购买力值得我们特别关注。无印良品布局在城市的中心商业区,这些地区的人均GDP高,购买力强。同时这些地区吸引了众多的高购买力的流动人口,市场需求大。

(3) 地价

CBD交通极为便利,是人流/物流/资金流/信息流集聚-辐射的结点。这里经济活力指数高、地价高。高级品/奢侈品/地方特色商品零售业商圈巨大、低购买概率和高付租特点使其选址定位于城市中心。无印良品作为高级品,具有巨大的商圈,设在城市中心,可以覆盖整个城市及其周围地区,方便满足大面积的消费需要,同时获得丰富的信息。如布局在南京西路的无印良品店铺以及布局在陆家嘴的无印良品店铺。无印良品店铺的数量与房价和环线等级存在着显著的相关性,在房价越高,环线等级越高,也就是地价越高,位于城市中心地的地区,其店铺数量越多。

(4) 文化

无印良品的店铺数量与行政区人口生活质量存在着显著的正相关关系,这意味着行政区人口的生活质量越高,无印良品的店铺数量越多。这主要受文化这一区位因子影响,区域的购买偏好,消费习惯,以及消费等级对于无印良品的布局有着重要影响。

四、 分布特征与选址策略对于城市的影响和意义

根据无印良品的各个地址,选取上海市行政区的房价、地均店铺数量、人均店铺数量、行政区人口密度、人均 GDP(代表区域经济发展水平)、行政区面积、行政区GDP、店铺位置、地铁站线路数、环线等级、商业中心等级、活力指数共 12个因素,分析无印良品店铺数与这些因素的关系(见表2)。

第一,无印良品店铺数与房价、店铺位置呈弱相关。无印良品选址注重性价比,对一楼或入口位置没有太过强硬的需求,而且品牌本身号召门力较强有固定的粉丝群。但是对商场客流要求极高,租金、扣点贡献较低。(见图3)

图3 上海市土地价格分布图

拓端tecdat|上海无印良品地理空间分布特征与选址策略可视化研究

第二,无印良品店铺数与行政区人口密度、行政区GDP、行政区面积有显著的相关关系,人均店铺数量与环线等级有显著关系。这一结果证实了区域经济发展水平、商业发达程度、交通通达度、人口密度最为青睐的因素。抢占商业繁华区域,寻找单位时间内最大的人口流动路线,是无印良品的重要策略之一。比较而言,无印良品更关注顾客的数量,而非门店的数量。因为无印良品是居家生活杂货品牌,产品适合全家人消费,符合追求品质家庭消费场所的定位。(见图4、5)

图4 上海市人口密度分布图

拓端tecdat|上海无印良品地理空间分布特征与选址策略可视化研究

图5 上海市人均GDP分布图

拓端tecdat|上海无印良品地理空间分布特征与选址策略可视化研究

第三,无印良品店铺数与商业中心等级和地铁线路数的相关程度极弱。主要原因有:①在上海,高档购物中心和地铁站不是无印良品的主要分布场所;②地铁站是人口快速流动的通道空间,而无印良品是人们简约无华,追求自然的慢生活空间,两者的性质各异,故在地铁站点内布局的无印良品店也就很少;③浦东、闵行、宝山等近郊区面积大,地铁站数量多,而无印良品店铺数却并非是最大的,因而两者的相关关系微弱。

第四,无印良品人均店铺数量与行政区人口生活质显著相关。城市发展的目标是提高城市居民的生活质量和城市竞争力。然而,随着科技的发展,城市生活节奏加快,工作时间延长而睡眠时间缩短,收入水平增加但同时社会压力增大,公民的社区参与度日渐下滑,不仅与大自然打交道的时间持续减少,而且与他人的疏离感也逐渐加深,人际关系日趋冷漠,面对面接触所带来的亲密感和愉悦度正在消失,社会归属感、信任度和安全感日益稀缺,而这些又都是人们所迫切需要的东西。当今所有产品的包装过于奢华,造成了极度的资源浪费。无印良品出品的商品,在设计上是简单无华的,将价值的真实意义还原。而如今消费者品牌意识非常强烈,消费者不仅要求商品有好的品质,也希望价格从优。而无印良品独特的风格和定位使它独树一帜,“对消费需求的理性满足” 因此无印良品在中国的消费者多为有经济实力并对生活质量有一定追求的中高端人群,消费这年龄段涵盖有70后、80后和90后,受众较为广泛。(见图6)

图6 上海市居民生活质量指数图

拓端tecdat|上海无印良品地理空间分布特征与选址策略可视化研究

五、 总结

通过以上海市无印良品为例,通过定性分析与定量研究相结合的方法,可以得出以下结论:

1. 无印良品的宏观空间分布特征为:以中心城区为主,兼顾交通枢纽、商业区等条件进行布局。微观空间分布特征为:以中低楼层为主,兼顾店铺类型、交通枢纽、主打店铺等条件进行布局。

2. 影响无印良品选址的区位因子主要有:交通、人口、地价和文化。

3. 上海无印良品的空间分布对于城市的影响和意义:第一,无印良品店铺数与房价、店铺位置呈弱相关。第二,无印良品店铺数与行政区人口密度、行政区GDP、行政区面积有显著的相关关系,人均店铺数量与环线等级有显著关系。第三,无印良品店铺数与商业中心等级和地铁线路数的相关程度极弱。第四,无印良品人均店铺数量与行政区人口生活质显著相关。

参考文献

[1]周慧琳主编. 上海年鉴2018. 上海:《上海年鉴》编辑部,2018.

[2]李小建主编. 经济地理学. 北京:高等教育出版社, 1999.09.

[3]白光润著. 应用区位论. 北京:科学出版社, 2009.09.

[4]石忆邵,杨凤龙.上海星巴克咖啡店的空间分布特征及其影响因素[J].经济地理,2018,(第5期).

[5]陈跃刚,邓肇隆,吴艳.上海市南京西路企业的空间分布特征[J].城市问题,2017,(第3期).

关于作者

Herbert Hu专注于数据分析,尤其是地理数据分析的工作,擅长运用Python、ArcGIS等多种工具对数据进行整理、分析和呈现,能够解读数据中的需求,为客户提供优秀的解决方案,追求创新和更好的效果。  


拓端tecdat|上海无印良品地理空间分布特征与选址策略可视化研究

最受欢迎的见解

1.R语言动态图可视化:如何、创建具有精美动画的图

2.TABLEAU的骑行路线地理数据可视化

3.用数据告诉你出租车资源配置是否合理

4.R语言GGMAP空间可视化机动车交通事故地图

5.用R语言制作交互式图表和地图

6.基于出租车GPS轨迹数据的研究:出租车行程的数据分析

7.R语言动态可视化:制作历史全球平均温度的累积动态折线图动画gif视频图

8.把握出租车的数据脉搏

9.共享单车大数据报告

上一篇:拓端tecdat|R语言分布滞后线性和非线性模型(DLNM)分析空气污染(臭氧)、温度对死亡率时间序列数据的影响


下一篇:拓端tecdat|PYTHON贝叶斯推断计算:用BETA先验分布推断概率和可视化案例