Средний доход на 1 человека, руб./месяц
Модель получена на основе сотовых данных и отнормирована на места проживающего населения. Основана на 50+ факторов, которые описывают уровень доходов относительно проживающего населения — т.е. там, где люди живут и находятся в ночные часы. Интерполяция на основании многофакторного анализа из открытых и закрытых источников.

Доступ к одному городу на выбор:
Новосибирск,Екатеринбург,Казань,Нижний Новгород,Челябинск,Самара,Омск,Ростов-на-Дону,Уфа,Красноярск,Воронеж,Пермь,Волгоград,Краснодар.

1 неделя * = цены на доступ на одну календарную неделю (7 дней). Доступ даётся с оговоренной в заявке даты. Свяжитесь с менеджером.

The post Геомодель доходов населения в местах проживания (ЦПИ)(Город-миллионник) first appeared on Геоинтеллект.

Средний доход на 1 человека, руб./месяц
Модель получена на основе сотовых данных и отнормирована на места проживающего населения. Основана на 50+ факторов, которые описывают уровень доходов относительно проживающего населения — т.е. там, где люди живут и находятся в ночные часы. Интерполяция на основании многофакторного анализа из открытых и закрытых источников.

Санкт-Петербург

1 неделя * = цены на доступ на одну календарную неделю (7 дней). Доступ даётся с оговоренной в заявке даты. Свяжитесь с менеджером.

The post Геомодель доходов населения в местах проживания (ЦПИ)(Санкт-Петербург) first appeared on Геоинтеллект.

Средний доход на 1 человека, руб./месяц
Модель получена на основе сотовых данных и отнормирована на места проживающего населения. Основана на 50+ факторов, которые описывают уровень доходов относительно проживающего населения — т.е. там, где люди живут и находятся в ночные часы. Интерполяция на основании многофакторного анализа из открытых и закрытых источников.

Москва

1 неделя * = цены на доступ на одну календарную неделю (7 дней). Доступ даётся с оговоренной в заявке даты. Свяжитесь с менеджером.

The post Геомодель доходов населения в местах проживания (ЦПИ)(Москва) first appeared on Геоинтеллект.

Потенциал мест для FMCG — магазинов, баллов.
Модель зон пригодности для открытия продуктового магазина.
Модель показывает наиболее благоприятные локации для открытия продуктового магазина. В качестве основных факторов в модели участвуют:
• численность населения (положительный фактор);
• геомодель притяжения населения по генераторам траффика (положительный фактор);
• конкурентное окружение (отрицательный фактор).
Каждый фактор нормируется в шкалу от 0 до 100 баллов, затем складываются значения положительных факторов и вычитаются значения отрицательных факторов. Итоговый показатель представлен в шкале от 0 до 100, где 0 – низкий потенциал, 100 – высокий потенциал локации.

Потенциал мест для открытия медицинской лаборатории, баллов.
Модель зон пригодности для открытия лаборатории по приему анализов.
Модель показывает наиболее благоприятные локации для открытия лаборатории по приему анализов. В качестве основных факторов в модели участвуют:
• численность населения (положительный фактор);
• конкурентное окружение (отрицательный фактор).
Каждый фактор нормируется в шкалу от 0 до 100 баллов, затем складываются значения положительных факторов и вычитаются значения отрицательных факторов. Итоговый показатель представлен в шкале от 0 до 100, где 0 – низкий потенциал, 100 – высокий потенциал локации.

Потенциал мест для Fast-Food, баллов.
Модель зон пригодности для открытия кафе быстрого питания.
Модель показывает наиболее благоприятные локации для открытия кафе быстрого питания. В качестве основных факторов в модели участвуют:
• геомодель притяжения населения по генераторам траффика (положительный фактор);
• конкурентное окружение (отрицательный фактор).
Каждый фактор нормируется в шкалу от 0 до 100 баллов, затем складываются значения положительных факторов и вычитаются значения отрицательных факторов. Итоговый показатель представлен в шкале от 0 до 100, где 0 – низкий потенциал, 100 – высокий потенциал локации

Потенциал мест для открытия кофейни, баллов
Модель зон пригодности для открытия кофейни.
Модель показывает наиболее благоприятные локации для открытия кофейни. В качестве основных факторов в модели участвуют:
• геомодель притяжения населения по генераторам траффика (положительный фактор);
• конкурентное окружение (отрицательный фактор).
Каждый фактор нормируется в шкалу от 0 до 100 баллов, затем складываются значения положительных факторов и вычитаются значения отрицательных факторов. Итоговый показатель представлен в шкале от 0 до 100, где 0 – низкий потенциал, 100 – высокий потенциал локации

Потенциал мест для открытия пекарни, баллов
Модель зон пригодности для открытия пекарни.
Модель показывает наиболее благоприятные локации для открытия пекарни. В качестве основных факторов в модели участвуют:
• геомодель притяжения населения по генераторам траффика (положительный фактор);
• конкурентное окружение (отрицательный фактор).
Каждый фактор нормируется в шкалу от 0 до 100 баллов, затем складываются значения положительных факторов и вычитаются значения отрицательных факторов. Итоговый показатель представлен в шкале от 0 до 100, где 0 – низкий потенциал, 100 – высокий потенциал локации

Под заказчика возможна подготовка модели потенциала мест для открытия его бизнеса.

Москва,Санкт-Петербург,Новосибирск,Екатеринбург,Казань,Нижний Новгород,Челябинск,Самара,Омск,Ростов-на-Дону,Уфа,Красноярск,Воронеж,Пермь,Волгоград,Краснодар и другие города.

4 карт подложки: 2 космических снимка, OpenStreetMap (OSM), 2GIS

1 неделя * = цены на доступ на одну календарную неделю (7 дней). Доступ даётся с оговоренной в заявке даты. Свяжитесь с менеджером.

The post Бизнес потенциалы мест для открытия точек (Любой город) first appeared on Геоинтеллект.

The post Модель притяжения определенной группы населения по генераторам трафика first appeared on Геоинтеллект.

Характеристики объектов: год сдачи, количество этажей, количество квартир, адрес, название.

Данные о новостройках являются косвенным показателем дохода проживающего населения, поэтому данную информацию рекомендуется учитывать при анализе территории.

The post Здания — новостройки, построенные за последние 3 года (Город-миллионник) first appeared on Геоинтеллект.

Характеристики объектов: год сдачи, количество этажей, количество квартир, адрес, название.

Данные о новостройках являются косвенным показателем дохода проживающего населения, поэтому данную информацию рекомендуется учитывать при анализе территории.

The post Здания — новостройки, построенные за последние 3 года (Санкт-Петербург) first appeared on Геоинтеллект.

Характеристики объектов: год сдачи, количество этажей, количество квартир, адрес, название.

Данные о новостройках являются косвенным показателем дохода проживающего населения, поэтому данную информацию рекомендуется учитывать при анализе территории.

The post Здания — новостройки, построенные за последние 3 года (Остальные города) first appeared on Геоинтеллект.

На карте отображаются здания-новостройки, построенные за последние 3 года.

Характеристики объектов: год сдачи, количество этажей, количество квартир, адрес, название.

Данные о новостройках являются косвенным показателем дохода проживающего населения, поэтому данную информацию рекомендуется учитывать при анализе территории.

Москва,Санкт-Петербург,Новосибирск,Екатеринбург,Казань,Нижний Новгород,Челябинск,Самара,Омск,Ростов-на-Дону,Уфа,Красноярск,Воронеж,Пермь,Волгоград,Краснодар и другие города.

4 карт подложки: 2 космических снимка, OpenStreetMap (OSM), 2GIS

1 неделя * = цены на доступ на одну календарную неделю (7 дней). Доступ даётся с оговоренной в заявке даты. Свяжитесь с менеджером.

The post Здания — новостройки, построенные за последние 3 года (города от 500 тыс. человек) first appeared on Геоинтеллект.

Модель позволяет выявить места скопления целевой аудитории на карте.
Отвечает на вопросы: Где находится моя ЦА? Какая локация в городе наиболее приоритетна для открытия точки? Как сузить поиск до 5-12 локаций? На какие локации города обратить внимание в первую очередь?

В рамках модели используется портрет целевой аудитории предоставленный клиентом или собственные рекомендации аналитиков компании.

Обязательными параметрами для определения ЦП как правило являются:
— Плотность населения (где живет больше всего человек)
— Доходы населения (где живут люди с интересным нам доходом)
— Плотность конкурентов (какие места города еще не захвачены конкурентами — белые пятна)
— Плотность объектов притяжителей трафика ЦА (какие объекты дополнительно притягивают нашу ЦА и где они сосредоточены)

Параметров может быть больше, в т.ч. плотность потока пользователей смартфонов (пешпоток), плотность автопотока по улицам и др.

На основе выбранных параметров строится модель размещения целевой аудитории. Может быть выбран один из двух методов постоения:

1) Аддитивная модель
Все параметры складываются между собой. Каждому параметру назначется вес. Этот метод позволяет выявить локации максимально пригодные, с учетом перекрытия слабых параметров другими более сильными параметрами.
Например: если вес параметра плотность населения = 0,2 а вес параметра пешпотока 0,5 — то локации с высоким показателем пешпотока и низкой плотностью населения будут более приоритетны локаций с высокой плотностью населения, но низким пешпотоком.

2) Мультипликативная модель
Все параметры перемножаются между собой. Этот метод позволяет найти локации, в которых все параметры имеют минимально удовлетворяющие нас значения. При этом если какой-то параметр — например плотность населения — имеет значение ниже допустимого, то локация сразу отсекается независимо от других параметров.

1 неделя * = цены на доступ на одну календарную неделю (7 дней). Доступ даётся с оговоренной в заявке даты. Свяжитесь с менеджером.

The post Целевая аудитория на карте города (скоринговая модель) first appeared on Геоинтеллект.