概述
位置智能是制图之后的那一步。地图告诉你竞争对手在哪；位置智能告诉你，在候选点位当中，哪一个在可达需求、竞争压力与通达性上的组合最好，以及好出多少。
方法刻意保持透明。每个候选点位的得分都由若干具名、带权重的分项构成，每一项贡献了多少你都能看到。如果你不认同某个权重，我们改掉再跑一遍，你可以直接看到排名如何变化。
这一点很重要，因为这类结论通常要用来论证一份租约、一次关店或一笔扩张预算。黑箱式的评分撑不过那样的讨论，写清楚的评分撑得住。
输出示例
这里是静态预览，而不是内嵌地图 SDK，页面因此保持轻快。交互式地图可以作为可视化项目单独构建。
服务范围
分项按你的经营品类挑选。不同生意的驱动因素并不相同。
在真实道路网络上计算的车程、公交时间与步行等时圈。
各商圈内的居住人口、就业人口与户数，按面积权重合理分摊，而不是按质心简单归属。
各商圈的年龄、收入、家庭构成等人口统计属性。
定位每一家竞争门店，完成分类，并按规模或热度加权。
单位可达需求所对应的竞争供给，可在候选点位之间横向比较。
写字楼、交通枢纽、学校、酒店与主力店等把人流带到该点位的设施。
道路可达性、公交距离、步行友好度与停车条件。
对已有门店网络，评估新点位会从自家门店分走多少客流。
有需求但供给薄弱的区域，按机会体量排序。
一个透明的综合得分，并展示每个分项各自的贡献。
交付格式
样例数据
示例项目数据。点位 D 的商圈体量排在第二，但把竞争饱和度计入之后，它的位置反而最弱。
| 点位 | 10 分钟人口 | 竞争门店数 | 饱和度 | 通达性 | 得分 |
|---|---|---|---|---|---|
| 点位 A · Midtown | 96,400 | 14 | 0.42 | 8.6 | 82.4 |
| 点位 B · Riverside | 71,800 | 6 | 0.21 | 7.4 | 79.1 |
| 点位 C · Airport Rd | 48,200 | 3 | 0.16 | 6.1 | 64.7 |
| 点位 D · Old Town | 88,100 | 22 | 0.71 | 8.9 | 61.2 |
| 点位 E · Northgate | 39,600 | 5 | 0.34 | 5.2 | 48.9 |
交付实例
基于这项服务完成的示例项目，附它们跑出来的数字，以及各自最终解决了什么问题。
梳理一座城市的餐饮供给格局，测算竞争密度，为新门店产出一份经过排序的候选片区清单。
在五个都市区之间建立一份可比的品类普查，以及让这种比较得以成立的标准化工作。
服务流程
把你的候选点位、经营品类，以及你心里「好点位」的标准告诉我们。
在动手分析之前，先共同敲定商圈定义、评分分项及其权重。
为每个商圈汇集竞争门店、人口结构、路网与客流发生源数据。
如果你已有门店，我们会用它们反测评分结果，做一次合理性检验。
一份排序短名单、点位单页画像、地图图层与书面建议。
按候选点位数量、商圈复杂度与当地数据可得性报价。告诉我们要评估多少个点位，你会拿到一份对应书面工作范围的固定报价。
常见问题
指用位置数据回答业务问题的做法：谁能到达这个点位、谁在争夺这批人、哪个方案更强。它与单纯制图的区别在于，产出是一份排过序、可量化的建议，而不是一张图。
不需要。你有短名单，我们就为它打分；没有的话，我们会在整座城市做一轮初筛，先给出最有潜力的区域，再对其中的具体地址逐个打分。
按真实路网上的通行时间：车程、公交时间或步行时间，取决于你的品类里客户实际是怎么过来的。只有在拿不到路网的情况下才会用直线半径，而且我们会明确标注。
可以，而且这会让模型强不少。已有门店的实际表现，能让我们用观测结果而不是假设来校准权重。你的数据仍归你所有，不会被复用到其他项目上。
单城市、十个以内候选点位的短名单通常需要两到三周。多城市或多业态的研究会更久，主要是因为把评分模型敲定下来这件事，值得花足够的时间。
我们会按分项把原因摆出来。很多时候直觉抓到的是模型里没有纳入的真实因素，那就把它补进去；也有时候直觉抓到的其实是能见度而不是需求。无论哪一种，分歧本身就是价值所在。
继续了解