Lokationsbaserede data kan give indsigt til forretningsbeslutninger

Data fra sociale handelswebsteder kan give vigtig information til virksomhedsejere, før de træffer beslutninger, der kan afgøre, om et nyt foretagende lykkes eller mislykkes, viser en undersøgelse fra Oregon State University.

Sociale handelswebsteder såsom anmeldelses- og anbefalingssiden Yelp indsamler store mængder data fra en række forskellige brugere, herunder kundernes meninger, geografisk fordeling af virksomheder i et givet område, og kunde-"check-ins", der giver en fornemmelse af gangtrafikken.

Disse oplysninger kan give virksomhedsejere værdifulde oplysninger om det konkurrencemiljø, hvori de opererer eller overvejer at operere i, sagde undersøgelsens hovedforfatter, Xiaohui Chang, en adjunkt i OSU's College of Business.

Chang og medforfatter Jiexun Li fra Western Washington University udviklede et værktøj, der bruger data indsamlet gennem et socialt handelswebsted, herunder detaljer såsom typer af virksomheder i et nabolag, deres timer, parkering tilgængelighed og andre forbrugerfunktioner, for at hjælpe med at afgøre, om der er større sandsynlighed for, at én lokation får succes end en anden.

"Ejere af små virksomheder, i særdeleshed, har mange valgmuligheder, når du åbner en ny virksomhed, herunder hvor man kan finde, " sagde Chang. "Med denne model, vi bruger eksisterende data om social handel til at hjælpe dig med at bestemme, hvilken lokation der vil klare sig bedst."

Resultaterne er offentliggjort i juli-udgaven af ​​tidsskriftet Ekspertsystemer med applikationer .

Undersøgelsen var udtænkt som en måde at løse det ældgamle spørgsmål om, hvorfor nogle virksomheder lykkes, og andre ikke gør, sagde Chang. Arbejdet er særligt anvendeligt til mindre virksomheder. Mens store virksomheder kan afsætte ressourcer til at indsamle og analysere finansielle data, små virksomheder har muligvis ikke alle disse værktøjer til rådighed, når de undersøger, hvor de skal åbne, eller hvilke åbningstider de skal beholde.

Forskerne fokuserede på restauranter, fordi størstedelen af ​​nye små virksomheder er restauranter, og mange fejler inden for det første år efter åbningen.

Til studiet, forskerne undersøgte nøjagtigheden af ​​fire forskellige forretningspræstationsforudsigelsesmodeller. Attributaffinitetsmodellen er en grundlæggende model, der ser på virksomheders iboende egenskaber uden at tage højde for placering eller konkurrence.

Den geografiske model, som er blevet brugt og testet af andre forskere, tyder på, at virksomheder, der er tæt på hinanden og deler lignende egenskaber, sandsynligvis vil klare sig lige så godt. Den kontekstuelle model, som er en ny model, ser på virksomhedens og miljøets egenskaber, der kan bidrage til en virksomheds succes; to virksomheder hundredvis af miles fra hinanden med lignende egenskaber og omkringliggende kvarterer kunne opnå lignende præstationer. Hybridmodellen bruger både kontekstuelle og geografiske modeller, som hver også omfatter aspekter af affinitetsmodellen.

Forskerne brugte restaurantdata fra Phoenix-området fra Yelp, et socialt handelswebsted, der hjælper forbrugere med at finde virksomheder, der bruger lokationsbaserede tjenester, at teste hver model. Yelp har gjort nogle af sine data tilgængelige for forskere, og denne undersøgelse brugte data fra 2013.

De fandt ud af, at hybridmodellen gjorde det bedste stykke arbejde med at forudsige, om en restaurant ville få succes. Både forretningsegenskaber og omgivende miljøer spiller vigtige roller, sagde Chang.

Yderligere forskning er nødvendig for fuldt ud at teste, hvordan modellen kan bruges til at hjælpe en ny virksomhed med at træffe beslutninger, og for at afgøre, om det også virker for andre typer virksomheder, sagde Chang. Ud over, sociale handelsvirksomheder såsom Yelp, Trip Advisor eller Foursquare, som indsamler en masse lokalitetsbaserede data, kunne bruge modellen til at hjælpe virksomheder med at forbedre deres forretninger.

"Du kan jævnligt få nye præstationsforudsigelser, og dataene kan bruges til at hjælpe virksomheder med at løse problemer eller holde sig selv levende, " sagde Chang. "Hvis en lignende virksomhed er mere succesfuld, og du kan bruge lokationsbaserede data til at finde ud af, at succesen delvist skyldes parkeringsmuligheder, timer eller pris, du kan træffe beslutninger baseret på den information."