Menu
Blogi: Matias Andersson

Lonkerot ja vaikutusalueet kuvaavat ihmisten tavoitettavuutta

Neliosaisessa blogikirjoitussarjassa Bisnoden paikkatietoanalyytikko Matias Andersson pohtii asiakasaineistojen ja ulkopuolisen lisädatan yhdistämistä, mallintamista ja hyödyntämistä paikkatiedon työkaluin.

Kahdessa edellisessä blogimerkinnässäni pohdin lyhyenä johdantona paikkatiedon käyttöä data- ja analyysivetoisessa liiketoiminnassa ja alueanalyysejä toimintaympäristöä kuvailevana ja näin asiakasymmärrystä lisäävänä tietolähteenä.

Jälkimmäistä aihetta on sittemmin pohtinut tarkemmalla ja teknisemmällä tasolla muun muassa Karttakeskus blogissaan Sijaintitieto auttaa ymmärtämään asiakasta, jossa alleviivataan tarvetta tuoda mukaan taustamuuttujia, luonnollisesti paikkatiedolla sitoen, oman asiakaskannan analysointiin. Esimerkissä ihmisten käytöstä selitetään alueen demografialla. Seuraava ulottuvuus on kuitenkin lähes aina vain lyhyen ajatusaskeleen päässä: Ihmiset saattavat asua yhdessä paikassa, mutta missä he viettävät aikaansa, kuluttajat kun ovat siitä ikäviä tarkasteltavia, että ne pysyvät lähes alinomaa liikkeessä. Tilastollisemmin ilmaisten puhutaan siis kahdesta rinnakkaisaineistosta: Väestöstä (ja siihen liittyvistä muuttujista) ”Kotioloissa” ja samasta datasta ”Päiväoloissa”. Näiden kahden rinnakkaisaineiston suhteiden ja dynamiikan ymmärtäminen tulee olemaan tulevan kuluttajakäytösmallintamisen ytimessä. Tätä ajattelutapaa kuvaavat kysymykset kuten:

  • Mitä voimme sanoa henkilöstä, joka asuu paikassa X ja käy päivittäin töissä paikassa Y?
  • Miten paljon väkeä jollakin alueella asuu ja käy töissä yhteensä?
  • Mitä kuluttajan käytöksestä kertoo se, että hän käy töissä tietyssä yrityksessä tietyssä paikassa?
  • Miten paljon nuoria hyvätuloisia kuluttajia asuu tietyn kivijalkaliikkeen vaikutusalueella?

Herätteleväksi kuvaksi kelvatkoot yllä oleva kartta, joka kuvaa arvioita työntekijöiden määrästä alueittain (taustaväri, määrät ovat vertailuarvoja eivätkä absoluuttisia lukumääriä), asukkaista rakennuksittain (muut kuin kirkkaanvihreät pallot, koko kuvaa asukasmäärää ja väri mediaanituloa) sekä tärkeimpien lounasravintoloiden (kirkkaanvihreät pallot) sijaintia Vallilan ja Kallion seudulla. Mikä selittää ravintoloiden sijaintia? Löytyykö yllätyksiä? Mistä mielestäsi puuttuu lounastarjontaa?

Liikennevirtalonkeroista eteenpäin!

Jatkan aiheen läpikäymistä muutamalla, kartoin höystetyllä esimerkillä. Jätän tässä kuitenkin tarkoituksella sivuun otsikossakin mainitut ”lonkerokartat”, jotka usein kuvaavat liikennevirtoja tiestöä pitkin. Ovathan nämä mittaukset ulkomainontaa ja ison mittakaavan toimipaikkasuunnittelua lukuun ottamatta markkinoinnin näkökulmasta suhteellisen epäolennaisia: Ollessaan osa liikennevirtaa kuluttaja määritelmällisesti istuu autossa tai muussa kulkuneuvossa ja hänen pysäyttämisensä vaati melkoista ärsykettä. Mielenkiintoisempaa on sittenkin mistä hän tulee ja minne on menossa!

Pendelöinti

Pendelöintitieto antaa käyttökelpoista osviittaa siitä missä tietyn alueen väestö käyttää aikaansa samoin kuin siitä miten paljon väkeä jollakin alueella todennäköisesti liikkuu virastoaikaan. Alla oleva karttakuva havainnollistaa tätä kaikkein raaimmalla yleistyksellä. Kartta kuvaa työpaikkojen määrää työikäisiä asukkaita kohden (pallon koko) ja pendelöintiosuutta eli sitä kuinka suuri osa työvoimasta käy töissä asuinkuntansa ulkopuolella (pallon väri) jokaisen Uudenmaan kunnan ja kaupungin kohdalla. Mitä kertoo vaikkapa Kauniaisista, Keravasta, Tuusulasta ja Sipoosta asuinpaikkana se, että niissä on vähän työpaikkoja ja korkea pendelöintiosuus verrattuna esimerkiksi Hankoon, Raaseporiin ja Helsinkiin?

Kultaakin arvokkaampia ovatkin sitten yksilötason arviot siitä missä sama henkilö asuu ja on töissä, jolloin näiden ryhmittely entistä tarkempiin paikkatieto- ja tilastomalleihin vie meitä taas lähemmäs aidosti yksilön tuntevaa dataa. Miten Nurmijärvellä asuva ja Helsingissä työskentelevä väestö eroaa Nurmijärvellä asuvasta ja työskentelevästä väestöstä?

Saavutettavuus ja vaikutusalueet

Moni palvelu ja liiketoiminta on edelleenkin melko riippuvaista kuluttajien fyysisestä läsnäolosta, digitalisaation ja verkkokaupan jyräämisestä huolimatta. Tällöin nousee aina esille kysymys palveluiden saavutettavuudesta. Hierojan kuuluu uuttaa tilaa valitessaan kysyä datalta: ”Minkälainen väestö pääsee tänne kaikkein helpointen?” ja ”Miten helposti oma kohderyhmäni löytää tänne ja miten sulavasti se pääsee tänne?” Katsastusasemalle taas on hyvä, jos mahdollisimman iso asiakasmassa pääse sinne ja pois sieltä suhteellisen helposti nimenomaan omalla autolla. Teinit ovat täysin oma ja potentiaalisesti oikein tuottava kohderyhmä, joka liikkumistapojensa kannalta on erityisen kiinnostava: Vanhempien kyyti ei aina onnistu tai edes kelpaa, jolloin kevyen ja/tai julkisen liikenteen merkitys korostuu.

Yllä olevalla kartalla pallojen koko kuvaa arviota teinien määrästä kortteleittain pääkaupunkiseudulla ja väritys minuuteissa mitattua etäisyyttä Ison Omenan kauppakeskukseen. Minne tarjouslippuja uusimpaan teinikomediaan kannattaa markkinoida? Voisiko vaikka Lauttasaaresta ja Kampista houkutella uusia ja potentiaalisesti pitkäaikaisia asiakkaita?

Hieman samaa sivuten jokainen voi lähestyä omaa toimintaympäristöään vaikutusalueita määritellen. Mikä olisi uuden baarin ”luonnollinen” palvelualue? Minkälaista väkeä tällä alueella asuu, ovatko huudossa käsityöoluet ja tapakset vai kolmos-Koff ja kustannusoptimoidut lätyt? Entä löytyisikö kilpailijan vaikutusalueelta minulle sopivia asiakkaita?

Viimeisessä karttakuvassa (yllä) kantakaupungin ulkopuolinen pääkaupunkiseutu on läänitetty neljän kauppakeskuksen kesken sen mukaan, mihin keskuksista on lyhyin matka tieverkkoa pitkin. Pienet punaiset pisteet kuvaavat kuluttajia. Miten eri keskuksiin todennäköisesti liikutaan? Mitä muuta voimme arvioida kuluttajista? Mistä kuluttajatiedosta olisi erityistä lisäarvoa tämän valossa?

Ihmisten liikkuvuuden tunnustaminen ja kaiken siihen liittyvän tiedon jalostaminen ja analysointi, tuo yhden kerroksen lisää aluevetoisiin kuluttaja-analyyseihin ja työntää analyysien tuloksia ja ennusteita yhä lähemmäs kuluttajien jokapäiväistä elämää.


Matias Andersson

Matias Andersson toimii Bisnodella analyytikkona. Lue lisää Matiaksesta täältä »

Lue Matiaksen blogi: Tiedän missä asut! – Paikkatieto asiakasymmärryksen kasvattajana »

Tulosta

Läs mer om våra tjänster på www.bisnode.com Bisnode