So ermitteln Sie die nächstgelegene Filiale eines Kunden anhand der Fahrtzeit

8 Min Lesedauer

Entdecken Sie anhand einiger Praxisbeispiele unsere neuesten Entwicklungen im Bereich der Fahrzeitberechnung. 

Einleitung

Für Marketing Analysten sind meist viele Standorte von Interesse. So z. B. die Lage von Flughäfen und Touristenattraktionen für Reiseveranstalter oder die Lage Ihrer Geschäfte für Einzelhändler. Ein gutes Verständnis über die Entfernung, die Kunden zu diesen Standorten haben, oder in der Lage zu sein, Marketing Kampagnen auf Grundlage dieser Metriken durchzuführen, kann enorm hilfreich sein. In diesem Blogbeitrag werden wir diese Ideen anhand eines Unternehmens veranschaulichen, das 46 Einzelhandelsgeschäfte im gesamten Vereinigten Königreich betreibt (Anmerkung 1). Die Verteilung der Geschäfte ist in der folgenden Karte zu sehen. Diese zeigt die Anzahl der Kunden pro Postleitzahlengebiet und hebt die Standorte der Geschäfte als rotes Quadrat hervor.

2018 haben wir bereits einen Blogbeitrag über die geografischen Ausdrücke in FastStats veröffentlicht. Darin wurden einige Funktionen für die Berechnung von geradlinigen Entfernungen gezeigt und wie diese für die Suche nach den nächstgelegenen Orten und der Entfernung zum nächstgelegenen Ort per Luftlinie verwendet werden können. Diese Ausdrücke können zwar sehr nützlich sein, weisen aber auch eine große Schwäche auf. 

Wenn die geografische Beschaffenheit der Umgebung bedeutet, dass die geradlinige Entfernung ein ungeeignetes Maß ist (z. B. wenn Berge/Wasser im Weg sind), dann sind diese Ausdrücke für Marketer von geringerem Nutzen. Beispielsweise sind standortbasierte Einladungen zu einer Veranstaltung weniger relevant, wenn ein Kunde nicht ohne Weiteres an diesen Ort reisen kann.

Das folgende Beispiel zeigt dies sehr deutlich. Die orangefarbenen Punkte stehen für Kunden, deren nächstgelegene Filiale in Cardiff liegt. Es gibt jedoch zwei Bereiche (um Weston Super Mare und Lynmouth herum), in denen die kürzeste Entfernung zu der Cardiff Filiale bedeutet, dass die Kunden eine Runde schwimmen müssten! Eine Kampagne, die diesen Kunden einen Besuch in der Filiale in Cardiff nahelegt, wird wahrscheinlich wenig erfolgreich sein!

In diesem Blog werden einige neue Mapping-Entwicklungen vorgestellt, die uns dabei helfen, dieses Problem zu lösen und unsere Kunden anhand einer Reihe von verschiedenen Metriken zu analysieren.

Analyse der Fahrzeit

Die bestmögliche Maßnahme zur Messung der Entfernung eines relevanten Standorts (z. B. eines Geschäfts, eines Flughafens, usw.) besteht darin, zu prüfen, wie lange jeder Kunde für die Fahrt zu dem gewünschten Standort benötigt. Je nach Unternehmen ist das Einzugsgebiet dabei unterschiedlich groß – Ich würde zum Beispiel weiter zum Flughafen fahren, um meinen Jahresurlaub anzutreten, als, um ins Kino zu gehen. In einigen Fällen wird auch das Fortbewegungsmittel unterschiedlich sein - für ein Café kann beispielsweise die Anzahl der Gehminuten eine entscheidende Kennzahl sein.

FastStats bietet schon seit langem die Möglichkeit, Fahrtzeitberechnungen durchzuführen, doch dabei mussten Analysten zuvor immer Kompromisse eingehen. Im Fahrzeitzonen Assistenten werden die Fahrtzonen mit einer zugrunde liegenden geografischen Shape-Datei (z. B. ein Postbezirk) abgeglichen, was zu einer gewissen Ungenauigkeit führt, die proportional zur Größe der Shape-Dateien ist. Im Punkt-zu-Punkt-Assistenten werden die Fahrtzeiten für jeden Kunden zum gewünschten Standort genau berechnet. Dies ist ein zeitintensiver Prozess, der nur für eine begrenzte Anzahl von Datensätzen geeignet ist. Alternativ werden die Fahrzeiten wieder für ein größeres Gebiet, z. B. einen Postbezirk, berechnet, damit mehr Datensätze klassifiziert werden können – auf Kosten der Genauigkeit.

Unsere jüngsten Entwicklungen in diesem Assistenten haben es dem Fahrzeitzonen Assistenten jedoch ermöglicht, Fahrzonen exakt zuzuordnen. Der Punkt-zu-Punkt Assistent kann Datensätze zudem wesentlich effizienter in numerische Fahrzeitwerte kategorisieren.

In unserem Beispiel aus dem Einzelhandel gehen wir davon aus, dass, angesichts der Größe der Geschäfte, ein Kunde eine maximale Fahrzeit von 40 Minuten für einen Besuch des Geschäfts in Kauf nehmen würde. In der folgenden Abbildung haben wir eine entsprechende 40-minütige Fahrzeitzone um das Geschäft im Süden von Bristol konstruiert und einige der Kunden eingezeichnet, die in diesem Einzugsgebiet wohnen. Es ist zu erkennen, dass viele Kunden in Südwales leben und dass man über die Autobahnen M4/M5 eine größere Strecke in dieser Zeit zurücklegen kann als in andere Richtungen.

Wir könnten eine solche Auswahl nutzen, um Kunden anzusprechen, die innerhalb dieser Fahrtzeit zu diesem Geschäft wohnen. Allerdings werden einige von ihnen wahrscheinlich eher ein anderes Geschäft aufsuchen, weil es eine nähere Alternative gibt (beispielsweise Cardiff, Gloucester, Bristol North oder Swindon).  

Es ist wesentlich aussagekräftiger und nützlicher für uns, wenn wir die nächstgelegene Filiale eines Kunden anhand der Fahrtzeit ermitteln können.

Nächstgelegener Standort nach Fahrtzeit

Im Q3 Release 2022 haben wir einen neuen Bereich in den Punkt-zu-Punkt Assistenten aufgenommen, der eine Reihe verschiedener Fahrtzeit-Analysen ermöglicht. Die erste und naheliegendste Analyse besteht darin, die Fahrtzeit zwischen einem bestimmten Ort und jedem Kundendatensatz effizienter als zuvor zu ermitteln. Der Benutzer kann eine maximale Fahrzeit angeben und festlegen, wie genau er die Fahrzeit zwischen diesen Werten berechnen möchte. Im folgenden Screenshot berechnen wir die Fahrzeit in Minuten zwischen 0 und 80 mit einer Genauigkeit von 5 Minuten (d.h. in 5/10/15/20/25/30/35/40/45/50/55/60/65/70/75/80 Minuten, mit verschiedenfarbigen Punkten, die nach außen verlaufen) von der Filiale in Süd-Bristol aus. Eine auf die Minute genaue Berechnung ist nicht nötig, da ein Unterschied von fünf Minuten wahrscheinlich keinen Einfluss darauf hat, ob ein Kunde zu dem einen oder dem anderen Standort fährt.

Mit diesem Ansatz können wir nun viel weiter gehen. Die Möglichkeit, die nächstgelegene Filiale eines Kunden anhand der Fahrtzeit zu ermitteln, ist so viel aussagekräftiger, hätte früher aber sehr viel manuelle Arbeit erfordert. Jetzt kann man einfach im Assistenten danach fragen, wie im folgenden Screenshot zu sehen ist.  

Außerdem wird das Ergebnis nun wesentlich schneller geliefert als zuvor. Wenn wir unser vorheriges Beispiel ändern und Kunden auswählen, für die die nächstgelegene Filiale in Süd-Bristol ist, ergibt sich ein anderes Bild. Wir haben die 40-minütige Fahrtzeit auf der Karte belassen, sodass wir den daraus resultierenden Effekt auf dem untenstehenden Screenshot deutlicher sehen können. Kunden im Südosten von Bristol werden weiterhin ausgewählt, doch alle Kunden in Südwales und Gloucestershire werden den Filialen in Cardiff, Bristol North bzw. Gloucester zugewiesen. Dies ist eine wesentlich bessere Auswahl und wir konzentrieren uns gezielter auf die relevanten Kunden.

Der nächste Screenshot verbessert die obige Darstellung noch ein wenig - wir haben nun mehrere Gruppen hervorgehoben, die ihre nächste Filiale innerhalb von 40 Minuten erreichen können, und diese nach den nächstgelegenen Filialen (Cardiff, Taunton, Bristol North, Swindon und Eastleigh) geordnet. In diesem Beispiel ist die Grenze zwischen den beiden Geschäften in Bristol und dem Geschäft in Swindon gut zu erkennen. Außerdem gibt es eine große Lücke in Somerset/Dorset, wo die Kunden mehr als 40 Minuten brauchen würden, um eine der Filialen zu erreichen.

In manchen Fällen könnten auch die zweit- oder dritt nächstgelegenen Filialen für uns von Interesse sein, sodass diese Option ebenfalls unterstützt wird. So haben Sie die Möglichkeit, Kommunikationen mit einer Auswahl von möglichen Filialen oder Geschäften zu versenden, die der Kunde besuchen kann.

In manchen Szenarien kann die Anzahl der Orte, die innerhalb von X Minuten Fahrzeit erreichbar sind, wichtig sein. Zum Beispiel im Hinblick auf Kundenbindung und Engagement - wenn es sich um Besucherattraktionen, Hotels usw. handelt, dann sind die Kunden möglicherweise motivierter, wenn mehrere davon in der Nähe ihres Wohnorts liegen. Wir können dieses Szenario mit Hilfe des Assistenten als einfache numerische Metrik darstellen, bei der der Benutzer lediglich die minimale und/oder maximale Fahrtzeit auswählen muss, innerhalb derer die Punkte gezählt werden sollen. Im folgenden Beispiel haben wir verschiedene Kunden nach der Anzahl der Geschäfte, die sie innerhalb einer Stunde erreichen können, eingefärbt. Es gibt eine kleine Gruppe von Kunden rund um die Severn-Kreuzung, die vier Geschäfte innerhalb von 40 Minuten Fahrzeit erreichen können. Eine andere Gruppe von Kunden in der Umgebung von Gloucester kann ebenfalls vier Geschäfte erreichen. Weiter nördlich gibt es ein Gebiet zwischen Manchester und Liverpool, in dem die Kunden mindestens acht Geschäfte innerhalb von 40 Fahrminuten erreichen können.

Umgekehrt kann diese Technik auch verwendet werden, um Bereiche zu finden, in denen es keine Standorte gibt, die ein Kunde leicht erreichen kann. Im folgenden Screenshot sind Kunden eingezeichnet, die keine Filiale innerhalb von 40 Minuten erreichen können. Außerdem haben wir eine Reihe von Fahrtzeitzonen von Filialen überlagert, die zeigen, dass diese Kunden längere Fahrtzeiten zurückgelegt haben, um eine der Filialen zu erreichen. Wie auch schon in unserem vorherigen Screenshot können wir besonders große Lücken in West Wales und Somerset/Dorset sehen.  

Fazit

Diese Entwicklungen des Q3 2022 Releases der Apteco Marketing Software machen es für Analysten nun wesentlich realistischer, fahrzeitbasierte Analysen bei großen Datensätzen durchzuführen, und ermöglichen es, neue Erkenntnisse abzuleiten und diese für gezieltere Marketing Kampagnen zu nutzen.

Anmerkungen

Anmerkung 1 - Bei den 46 Standorten handelt es sich um die genauen Standorte der größeren Filialen eines bekannten britischen Einzelhändlers, der eine interessante geografische Streuung der Filialen über das gesamte Vereinigte Königreich aufweist. Wir haben dieses Unternehmen in dem Blog nicht namentlich erwähnt!