Peneliti membuat model yang memprediksi penutupan bisnis di kota-kota dengan akurasi 80%

By Krin Arnold 4 months ago

Peneliti membuat model yang memprediksi penutupan bisnis di kota-kota dengan akurasi 80% – Selama dekade terakhir, perubahan cara orang berbelanja telah menyebabkan semakin banyak bisnis tutup, dari tempat musik kecil hingga toko buku dan bahkan department store besar.

Tren ini telah dikaitkan dengan beberapa faktor, termasuk pergeseran ke arah belanja online dan perubahan preferensi belanja. Tetapi penutupan bisnis itu rumit, dan seringkali karena banyak faktor yang saling terkait. ceme online

Peneliti membuat model yang memprediksi penutupan bisnis di kota-kota dengan akurasi 80%

Untuk lebih memahami dan menjelaskan beberapa faktor ini, beberapa ahli dari Universitas Cambridge dan Universitas Manajemen Singapura membuat model pembelajaran mesin, yang memprediksi penutupan toko di sepuluh kota di seluruh dunia dengan akurasi 80%.

Penelitian tersebut memodelkan bagaimana orang bergerak melalui daerah perkotaan, untuk memprediksi apakah bisnis tertentu akan tutup. Penelitian ini dapat membantu otoritas kota dan pemilik bisnis untuk membuat keputusan yang lebih baik, misalnya tentang perjanjian lisensi dan jam buka.

Bercak pola

Pembelajaran mesin adalah alat yang ampuh yang dapat secara otomatis mengidentifikasi pola dalam data. Model pembelajaran mesin menggunakan pola tersebut untuk menguji hipotesis dan membuat prediksi.

Media sosial menyediakan sumber data yang kaya untuk memeriksa pola penggunanya melalui postingan, interaksi, dan gerakan mereka. Detail dalam kumpulan data ini dapat membantu peneliti membangun model yang kuat, dengan pemahaman yang kompleks tentang tren pengguna.

Menggunakan data tentang permintaan konsumen dan transportasi, bersama dengan data kebenaran dasar tentang apakah bisnis benar-benar tutup, kami merancang metrik yang digunakan model pembelajaran mesin kami untuk mengidentifikasi pola.

Kami kemudian menganalisis seberapa baik model ini memprediksi apakah bisnis akan tutup, hanya dengan metrik tentang bisnis itu dan area tempat bisnis itu berada.

Dataset pertama mereka berasal dari Foursquare, platform rekomendasi lokasi, yang menyertakan detail check-in pengguna anonim dan mewakili permintaan bisnis dari waktu ke waktu. Mereka juga menggunakan data dari lintasan taksi, yang memberi titik penjemputan dan pengantaran ribuan pengguna anonim; ini mewakili dinamika bagaimana orang bergerak di antara berbagai wilayah kota. Mereka menggunakan data historis dari 2011 hingga 2013.

Mereka melihat beberapa metrik yang berbeda. Profil lingkungan mempertimbangkan area di sekitar bisnis, seperti berbagai jenis bisnis yang juga beroperasi, serta persaingan. Pola kunjungan pelanggan menunjukkan seberapa populer suatu bisnis pada waktu tertentu, dibandingkan dengan pesaing lokalnya. Dan atribut bisnis mendefinisikan properti dasar seperti kelompok harga dan jenis bisnis.

Ketiga metrik ini memungkinkan untuk memodelkan bagaimana prediksi penutupan berbeda antara tempat baru dan yang sudah mapan, bagaimana prediksi bervariasi di seluruh kota dan metrik mana yang merupakan prediktor penutupan yang paling signifikan.

Mereka dapat memprediksi penutupan bisnis yang sudah mapan dengan lebih akurat, yang menunjukkan bahwa bisnis baru dapat menghadapi penutupan dari berbagai penyebab yang lebih besar.

Membuat prediksi

Mereka menemukan bahwa metrik yang berbeda berguna untuk memprediksi penutupan di berbagai kota. Namun di sepuluh kota dalam eksperimen – termasuk Chicago, London, New York, Singapura, Helsinki, Jakarta, Los Angeles, Paris, San Fransciso, dan Tokyo – mereka melihat bahwa tiga faktor hampir selalu merupakan prediktor signifikan dari penutupan bisnis.

Faktor penting pertama adalah rentang waktu selama bisnis populer. Mereka menemukan bahwa bisnis yang hanya melayani segmen pelanggan tertentu – misalnya, kafe yang populer di kalangan pekerja kantoran saat makan siang – lebih cenderung tutup.

Juga penting ketika sebuah bisnis populer, dibandingkan dengan pesaingnya di lingkungan sekitar. Bisnis yang populer di luar jam biasa bisnis lain di daerah tersebut cenderung bertahan lebih lama.

Mereka juga menemukan bahwa ketika keragaman bisnis menurun, kemungkinan penutupan meningkat. Jadi bisnis yang berlokasi di lingkungan dengan campuran bisnis yang lebih beragam cenderung bertahan lebih lama.

Tentu saja, seperti kumpulan data lainnya, informasi yang digunakan dari Foursquare dan taksi bias dalam beberapa hal, karena pengguna mungkin condong ke demografi tertentu atau lebih sering masuk ke beberapa jenis bisnis daripada yang lain.

Peneliti membuat model yang memprediksi penutupan bisnis di kota-kota dengan akurasi 80%

Namun dengan menggunakan dua kumpulan data yang menargetkan jenis pengguna yang berbeda, mereka berharap dapat mengurangi bias tersebut. Dan konsistensi analisis mereka di beberapa kota memberi mereka keyakinan pada hasilnya.

Mereka berharap pendekatan baru untuk memprediksi penutupan bisnis dengan kumpulan data yang sangat rinci ini akan membantu mengungkapkan wawasan baru tentang bagaimana konsumen bergerak di sekitar kota, dan menginformasikan keputusan pemilik bisnis, otoritas lokal, dan perencana kota di seluruh dunia.…