商圈分析是指商店对其商圈的构成情况、特点、范围以及影响商圈规模变化趋势的因素进行实地调查和研究分析。一般包括人口特点、经济基础特点、竞争状况和市场饱和度等。可用于新开商店的选址、定位目标市场和经营方针、预测新开商店的经济效益等方面。

　　与传统商圈分析更多采取定性分析不同，全数据、历史大数据、信息全数据化等思维是基于实地的调查方式。下面，笔者尝试基于大数据思维就微商圈动态进行简要分析。

地理位置数据化

　　传统商圈多为定性分析，对商圈保存为字符字段，难以直接用于计算机技术进行分析。在大数据思维中，量化信息是数据化信息的核心。其中，对地理位置信息的量化有两种方式：

　　编码量化，这种方式需要完成编码转化，具体就是对区、路、号等建立编码对应规则。这种编码不具备实际意义，仅是简单的数据转化。

　　利用定位技术，将地理位置量化为经度、纬度数据，用经度、纬度量化数据定位零售客户的地理位置，这两个数据本身存在实际的意义，可用做直接的数据挖掘，为大数据思维的商圈分析奠定重要基础。

　　随着现代技术的广泛应用，通过以下两种方式可以轻松采集所需的量化数据：利用GPS与AGPS技术的终端实地采集；利用Google地图、百度地图等工具，进行在线搜索采集。

基于销售数据的商圈图示化分析

　　传统的商圈需要先收集商圈信息，然后对商圈进行分析。而大数据思维则强调现有数据的挖掘，特别是可持续收集、更新的实时数据。

　　在地理位置信息数据量化的基础上，结合现有的卷烟销量、卷烟销售金额、卷烟结构数据，通过聚类分析，可以动态划分商圈。为方便说明，本文随机模拟100个零售客户样本两个月的卷烟销售数据。

　　以经度与纬度数据为横纵坐标模拟零售客户地理位置信息。第一步，仅考虑地理位置信息，将模拟零售客户分为4类。

　　第二步，一、二月销售数据作为商圈划分变量，将模拟零售客户分为4类后，对比地理位置信息可以看出商圈被细分为了8个微商圈。（如右图）

　　第三步，分析商圈类型，找出影响商圈类型的核心因子。

商圈动态分析

　　大数据思维强调通过连续的数据对比分析，反映出商圈的动态变化。

　　整体动态变化。

　　第一步，以一月份销售数据为自变量指标，将模拟零售客户分为4类商圈；第二步，以二月份销售数据为自变量指标，并将模拟零售客户分为4类商圈；第三步，基于上述两个分类，分别用经纬度作为横纵轴，绘制模拟零售客户一月、二月整体商圈变化地图。（可参考上图）

　　商圈动态变化挖掘。

　　下面，以销售卷烟结构为分析内容，探索商圈动态变化的分析。

　　第一步，计算一月到二月的卷烟结构变化率，变化率=一月结构/二月结构；第二步，按照卷烟结构变化率分组，在实践中，分组边界根据经验或者长期的数据确定。假设分组为第一组1.1以上，第二组1与1.1之间，第三组0.9与1之间，第四组0.9以下。从中找到变化趋势明显的零售客户，一般为第一组（结构提升明显）与第四组（结构下降明显）的数据进行商圈图式化分析。同时，可通过K-Means聚类法对出现显著变化的零售客户进行聚类，发现变化显著的商圈中心与范围，并进行商圈动态分析。

　　具体步骤如下：确定集中趋势，根据商圈变化的图示化分析，初步判断集中趋势，如果出现集中趋势进行深入分析；确定变化中心，根据集中趋势，确定具体的聚类数量，通过Spss软件求解类中心，标注每个零售店聚类中心的距离；分析与策略，根据不同类型的商圈动态，应采取不同的分析与策略应对。

　　除卷烟结构外，商圈动态分析也可对销量与销售金额等其他指标进行动态监测分析，其特点是结合定位数据，及时发现变化的大小与规模，测算变化中心，直观呈现商圈变化态势。