標籤:

根據星巴克店鋪定位所做的一點數據分析

在你的身邊,星巴克的身影大概越來越多吧。據資料表明,從2011年到2015年,星巴克在華新開了超過1300家店,門店總數達到1811家。呈現出逐漸加速的態勢,此後五年內,星巴克計劃每年在中國投資增設500家門店,預計2019年星巴克在華門店總數量達到3400家。

近日,正好從kaggle網站下載了星巴克的全球布點數據,讓我們以國內為據點,看一下星巴克與經濟民生之間的千絲萬縷。

眾所周知,星巴克作為小資的代表,一向出現在大城市的熱門地段,例如繁華的購物中心,高尚寫字樓等等,受眾也是有一定經濟能力和教育背景的人群。所以,當我們看到上海以551家星巴克雄踞排名第一的城市/省份,這大概也不奇怪了。

以省份而言,接下來是江蘇,浙江,廣東等經濟發達省份,星巴克的數量也佔比甚高。若是以城市排名,北京以234家排名城市第二,而杭州為122家,深圳113家,廣州106家。

北上廣深,此時應該為北上杭深廣了吧。

有人說,你喝的每一杯星巴克都有大數據的影子。確實,星巴克在選址方面,運用了大量數據的指標分析。星巴克全球公司會提供標準化的數據表格,利用名為Atlas的內部數據平台,對預想店面附近的零售商圈,公共交通,以及人口分布作出評估,這是為了防止在不適宜的地點開設門店,導致錯誤決策和經濟損失。

因此,星巴克選擇門店的標準,也可以反映出所在地的經濟能力。例如上面的省份排名,我們可以作出全國各省的星巴克分布熱力圖,來看個端倪:

由圖中可見,星巴克的分布確實類似中國gdp,東西部發展不均。在西部某些省份沒有店鋪(比如西藏,雲南,去旅遊的老外就忍忍吧。)在有店鋪的省份中,寧夏和甘肅是最少的。

北上深廣且不論,本來這裡的小資就是星巴克的消費大戶,但如何看出二三線城市的發展潛力,從星巴克店鋪的布局也可見一斑吧?在沿海地區,即使是我們不熟悉的城市,星巴克的店鋪甚至已經超過了某些內陸省份。下面,我們就以江蘇和浙江這兩個大戶,分別細看一下它們的星巴克城市分布:

江蘇省以蘇州領先,南京次之

而浙江省以杭州遙遙領先,把第二位寧波遠遠拋在了後面。嗯,如果一定要比較的話,似乎江蘇省的城市分布更為平均一些呢。馬雲老大,你要帶動一下周邊城市哦!

因為自己居住在廣州,所以把比例再度細化,來看一下廣州的星巴克具體分布。原資料庫中,提供的經緯度只到小數點後2位,如果是全國地圖的話,應該倒是夠用。但落到市區地圖上非常不準確,所以需要用店鋪地址,連接百度API,通過程序重新獲取。

從上圖可以看出,星巴克大多集中在廣州比較熱門的地方,在天河北中心廣場到珠江新城的中軸線上,猶為集中。此外在地鐵站點和臨江兩岸,也有不少分布。此外,就是白雲區凱德萬達等商區中心,也是一個小熱點。

和星巴克並行的品牌,在本市還有costa coffee,我個人也滿喜歡的。那就獲取廣州的costa分店來看一看吧。這家的數量少很多,在深圳有20家,廣州15家,將其在廣州的位置落子後(紅色方塊位置),發現主要也是集中在珠江新城一帶。相對於周邊環伺的淺藍色星巴克影子,嗯,小朋友還要加油啊!

再擴展到全國來看(這個數據不用爬,在官網就有),分布也是比較不均勻。在帝都居然是一家都木有的。其餘來說,基本也是按照經濟規律分布,上海特別的遙遙領先,是品牌高層的偏愛,還是有特殊的地理優勢呢?

回到廣州的星巴克,再度進行店鋪商區的粗略分類,之所以說粗略,是因為採用了店鋪地址所在的建築進行評估,比如店子在某寫字樓,就算入辦公,雖然它旁邊也可能有一家酒店。如果裙樓是商業,上面是辦公樓,那麼就算如混合。

大致分類如下:

辦公,例如越秀區的交易廣場,14家;

住宅,例如保利香檳花園,14家;

混合,例如太古匯這類,11家;

交通樞紐,5家,廣州東站和南站各1家,白雲機場3家(是不是坐飛機的人比較高大上一點?);

酒店,4家,比如中國大酒店(這不很奇怪,畢竟很多大酒店也有自己的咖啡廳)。

遙遙領先的是純購物商圈,例如正佳廣場、萬達廣場、天河城等。看來廣州的星巴克定位,主打人群還是購物和周末休閑呀。

以購物商圈而言,雖然有大量人流,但競爭也比較激烈,星巴克雖然選址成功,但也有痛點尚未解決,比如:

1. 近年國人飲料的喜好也轉向貢茶、喜茶等品牌。如何以較貴的價格吸引shopping人群;

2. 隨著電商平台興起,購物廣場不免部分轉向蕭條,重點投入在購物商圈,是否也會跟著中槍,接下來,會否加大在寫字樓和住宅等的投入?

3. 星巴克目前還是傲嬌的沒有外送,也沒有正式和外送平台合作(美團上目前有一家第三方代購,58起價),隨著平台外賣的興起+現在的暑熱天氣,有沒有錯過一波風口?

以上只是根據星巴克部分數據,做一些好玩的分析。感興趣的話還可以繼續挖掘,比如其他城市的具體布局,比如各地老外的比例是否影響了星巴克的數量?數據分析的吸引之處,就在於用精確的數字,來印證腦洞大開的奇想。

部分數據來源:

Starbucks Locations Worldwide | Kaggle


推薦閱讀:

SAS Introduction Slides
Python數據分析及可視化實例之基礎-交叉驗證及預測(波士頓房價)(22)

TAG:数据分析 |