Open Source enthalten eine Vielzahl nützlicher Informationen. Durch korrektes Sammeln, Speichern und Analysieren finden Sie die besten Geschäftsmöglichkeiten.
Eine Gruppe junger Unternehmer erwog die Möglichkeit, ein eigenes Fotostudio in Moskau zu eröffnen. Sie mussten herausfinden:
- Wie ist der allgemeine Zustand des Fotostudio-Marktes: wächst, stabil oder fällt?
- Was ist die Saisonalität des Marktes?
- Wie viel können sie verdienen?
- Wo ist es besser, die Hallen zu öffnen?
- Wie viel muss in das Projekt investiert werden?
- Wie stark ist der Wettbewerb auf dem Markt?
Ein einfacher Parser , eine Datenbank und die in diesem Artikel bereitgestellten Analysen halfen ihnen bei der Beantwortung dieser und vieler anderer Fragen .
Im ersten Artikel haben wir das Parsen der Aggregator- Site des Fotostudios ugoloc.ru untersucht und allgemeine Informationen zu Fotostudios, Hallen und Daten zu Buchungsräumen hochgeladen.
Im zweiten Artikel haben wir untersucht, wie die empfangenen Daten in die Datenbank geschrieben und aus der Datenbank gelesen werden. Außerdem haben wir den Parsing-Vorgang abhängig von den Informationen in der Datenbank eingerichtet.
In diesem Artikel führen wir eine einfache Analyse der gesammelten Daten durch.
Sie finden ein fertiges Projekt mit Beispielen für Tabellen aus der Datenbank, Zwischentabellen, Grafiken und zusätzlichen Kommentaren auf meiner Seite auf Github .
Welche Richtungen für die Analyse werden wir verwenden
- Definieren Sie die Dynamik der Eröffnung von Fotostudios.
- Berechnen Sie die Rentabilität von Fotostudios in Abhängigkeit vom Monat der Eröffnung.
- die Saisonalität des Geschäfts bestimmen;
- Berechnen Sie das durchschnittliche Einkommen pro Halle sowie die optimale Anzahl der Hallen im Fotostudio.
- Untersuchung der Abhängigkeit der Rentabilität vom Standort des Fotostudios;
- Finden Sie die Anzahl der Hallen konkurrierender Studios heraus.
- Berechnen Sie die Auswirkungen anderer Parameter auf das Einkommen, wie Deckenhöhen, Hallenfläche, Buchungspreise.
- Betrachten Sie andere mögliche Richtungen der Analyse.
Entladen von Daten aus der Datenbank
Gehen Sie zum Entladen wie folgt vor:
Herstellen einer Verbindung mit der Basis
directory = './/'
conn = sqlite3.connect(directory + 'photostudios_moscow1.sqlite')
cur = conn.cursor()
Hochladen von Daten per Studio
studios = db_to_studios(conn)
studios
durch die Hallen
halls = db_to_halls(conn)
halls
bei Buchung
booking = db_to_booking(conn)
booking
Wir verlassen Studios mit Öffnungszeiten und schließen Umkleidekabinen von der Liste der Hallen aus
studios = studios[[x.year > 0 for x in studios['established_date']]]
halls = halls[halls['is_hall'] == 1]Dynamik der Eröffnung von Fotostudios nach Jahr
Lassen Sie uns ein Frequenzhistogramm von Fotostudios erstellen, die für verschiedene Jahre geöffnet sind. Dazu berechnen wir die Anzahl der Perioden (Jahre) und erstellen ein Histogramm.
Zeichnen eines Histogramms
num_bins = np.max(studios['established_date']).year - np.min(studios['established_date']).year + 1
plt.hist([x.year for x in studios['established_date']], num_bins)
plt.show()
Im Histogramm sehen wir von Jahr zu Jahr ein deutliches Wachstum neuer Fotostudios. Dieses Muster sagt nichts über das tatsächliche Wachstum des Marktes um das Zweifache pro Jahr aus, sondern über das Wachstum des Aggregators selbst.
Diese Tatsache sagt uns, dass Studios in zwei Kategorien unterteilt werden müssen: beim Öffnen eines Fotostudios ("neu") und nach langer Zeit ("alt") auf dem Aggregator registriert. Dies wird unsere nächste Aufgabe sein.
Identifizierung neuer Fotostudios
Welches Fotostudio kann als neu angesehen werden? Derjenige, der gerade befördert wird und Kunden gewinnt. Eine visuelle Analyse der Buchungskalender ab dem Zeitpunkt der Eröffnung zeigt, dass das Studio in wenigen Monaten einen stetigen Kundenstrom gewinnt.
Es stellt sich heraus, dass Sie, um das neue Fotostudio von dem alten zu unterscheiden (das nicht sofort dem Aggregator beigetreten ist), das Einkommen für den ersten halben Monat ab dem Zeitpunkt der "Eröffnung" mit dem gleichen Zeitraum ein Jahr später vergleichen müssen. Das Einkommen der neuen Studios sollte im Laufe des Jahres erheblich steigen, während das des alten Studios in etwa auf dem gleichen Niveau bleiben sollte.
Lassen Sie uns zunächst alle Tische kombinieren und nur die gebuchten Stunden belassen
# merge all tables
data = (booking
.merge(halls, left_on = 'hall_id', right_on = 'hall_id', how = 'inner')
.merge(studios, left_on ='studio_id', right_on = 'studio_id', how = 'inner')
)
data = data[data['is_working_hour'] == 1]
data['date'] = pd.to_datetime(data['date'])
data
Dann berechnen wir das Einkommen im ersten halben Monat der Arbeit des Fotostudios
first_month = (data[data['date'] <= [x + datetime.timedelta(days = 15) for x in data['established_date']]]
.loc[:, ['studio_id', 'price', 'duration']]
)
first_month['income'] = first_month['price'] * first_month['duration']
first_month = first_month.groupby('studio_id').agg(np.sum)
first_month
In einem halben Monat nach einem Jahr
month_after_year = (data[(data['date'] >= [x + datetime.timedelta(days = 365) for x in data['established_date']])
& (data['date'] <= [x + datetime.timedelta(days = 365 + 15) for x in data['established_date']])
]
.loc[:, ['studio_id', 'price', 'duration']]
)
month_after_year['income'] = month_after_year['price'] * month_after_year['duration']
month_after_year = month_after_year.groupby('studio_id').agg(np.sum)
month_after_year
Wir werden die Indikatoren in einem Jahr bei der Eröffnung durch ähnliche Indikatoren teilen
month_diff = (month_after_year.merge(first_month, left_on = 'studio_id', right_on = 'studio_id', how = 'inner')
.merge(halls.groupby('studio_id').count()
, left_on = 'studio_id', right_on = 'studio_id', how = 'inner')
)[['income_x', 'income_y', 'is_hall']]
month_diff['income_diff'] = (month_diff['income_x'] / month_diff['income_y']) ** (1 / month_diff['is_hall'])
month_diff.sort_values('income_diff')Erhielt die Wachstumsrate des Einkommens nach einem Jahr. Der Indikator für verschiedene Studios ist ohne scharfe Sprünge von 0,75 bis 2,1 verteilt. Dies deutet darauf hin, dass das Studio unmittelbar nach dem Öffnen, nach einer Woche, einem Monat, einem Jahr usw. eine Verbindung zum Aggregator herstellen kann.
Um neue Fotostudios zu bestimmen, nehmen wir den bedingten Wert der Einkommenswachstumsrate im Median: 1,18. Jene. Wenn das Einkommen des Fotostudios für das Jahr um mehr als 18% gestiegen ist, werden wir dieses Fotostudio als neu betrachten. Es gab 22 solcher Studios.
In welchem Monat ist es besser, ein Fotostudio zu eröffnen?
Wir haben Fotostudios berechnet, die sich kurz nach dem Öffnen auf dem Aggregator registriert haben. Daher werden der tatsächliche Eröffnungstag und der Eröffnungstag nach unseren Angaben für diese Studios als gleich angesehen.
Für die Berechnung nehmen wir neue Fotostudios, berechnen das Einkommen als Summe der Buchungspreise aller gebuchten Stunden, gruppiert nach Zimmern (unter Berücksichtigung des Monats der Eröffnung) und berechnen das durchschnittliche Jahreseinkommen nach Eröffnungsmonaten.
Berechnung des Durchschnittseinkommens für das Jahr in Abhängigkeit vom Eröffnungsmonat
new = studios['is_new'].reset_index().merge(data, left_on = 'studio_id', right_on = 'studio_id', how = 'inner')
new = new[new['is_new'] == 1]
new = new[new['date'] <= [x + datetime.timedelta(days = 365) for x in new['established_date']]]
new['est_year'] = [x.year for x in new['established_date']]
new['est_month'] = [x.month for x in new['established_date']]
new['income'] = new['price'] * new['is_booked']
mean_income = (new
.groupby(['hall_id', 'est_year', 'est_month']).agg('sum')['income'].reset_index()
.groupby('est_month').agg('mean')['income']
plt.bar(range(1, 12), mean_income)
plt.show()
)
Das Histogramm zeigt eine klare Beziehung:
- Die besten Monate, um ein Fotostudio zu eröffnen, sind Anfang des Jahres (Januar-April)
- auch gute Monate zu öffnen sind September-Oktober;
- Die schlimmsten Monate sind Mai-Juni.
Es wird interessant sein, diese Daten mit der Saisonalität des Marktes zu vergleichen.
Bestimmung der Geschäftssaisonalität
Saisonalität - Änderung der Anzahl der Bestellungen je nach Zeitraum. Lassen Sie uns die jährliche Saisonalität analysieren.
Nehmen wir für die Berechnung Studios, die bis 2018 geöffnet waren, und sehen Sie sich ihre Reservierungen für 2018-2020 an. Das Studioeinkommen ist definiert als die Summe der Preise für die gebuchten Stunden. Als nächstes berechnen wir das Gesamteinkommen aller Studios für jeden Monat des ausgewählten Zeitraums.
Saisonalitätsberechnung
season = data[(data['open_date'] < '2018-01-01') & (data['date'] > '2018-01-01')]
season['income'] = season['price'] * season['duration']
season['year'] = [x.year for x in season['date']]
season['month'] = [x.month for x in season['date']]
incomes = season.groupby(['year', 'month']).agg(np.sum)['income']
incomes = incomes[incomes.index]
Plotten
incomes = incomes[: -3]
plt.figure(figsize = (20, 10))
plt.plot([str(x[0]) + '-' + str(x[1]) for x in incomes.index], incomes)
plt.xticks(rotation=60)
plt.grid()
plt.show()
Die Grafik zeigt eine deutlich ausgeprägte Saisonalität: die meisten Bestellungen von Oktober bis April und einen starken Rückgang von Mai bis September. Saisonalität passt in die Logik des Geschäfts. Im Sommer fotografieren Menschen auf der Straße in Parks. Im Winter ist dies nicht möglich und Sie müssen Fotosessions in Innenräumen arrangieren. Saisonalität hängt damit zusammen: Im Sommer gibt es nur wenige Kunden, im Winter viele. Der Höhepunkt der Bestellungen ist im Dezember. Dies ist wahrscheinlich auf das neue Jahr und das Urlaubsgefühl zurückzuführen, das Sie auf einem Foto festhalten möchten.
Die besten Monate zum Öffnen sind saisonabhängig. Es ist besser, ein Studio während der Saison oder einen Monat vor Beginn zu eröffnen. In der Zeit von Mai bis August sollte das Studio nicht eröffnet werden, weil in die Nebensaison kommen.
Berechnung der Hallenrentabilität
Ein wichtiger Indikator für die Eröffnung eines Geschäfts ist das Einkommen aus einem Raum.
Zur Berechnung gruppieren wir das Einkommen nach Raum für jeden Monat, schließen 2020 aufgrund der Quarantäne als anomales Jahr aus und betrachten die Einkommensauswahl mit der Funktion .describe ().
Berechnung der Rentabilität von 1 Halle
hall_income = season.groupby(['studio_id','hall_id', 'year', 'month']).agg(sum)['income'].reset_index()
hall_income = hall_income[hall_income['year'] < 2020]
hall_income['income'].describe()count 648.000000
mean 184299.691358
std 114304.925311
min 0.000000
25% 95575.000000
50% 170350.000000
75% 256575.000000
max 617400.000000
Name: income, dtype: float64
Erhaltenes Einkommen pro Halle in Rubel.
Aus den Daten zu Perzentilen geht hervor, dass das Einkommen der Hälfte der Hallen im Bereich von 95.000 Rubel liegt. bis zu 256.000 Rubel. mit einem Mittelwert von 170.000 Rubel.
Aus den Daten zur Durchschnitts- und Standardabweichung geht hervor, dass nach der 1-Sigma-Regel zwei Drittel der Hallen 70.000 Rubel bringen. bis zu 300.000 RUB ab der Mitte von 184.000 Rubel.
Es stellt sich heraus, dass die durchschnittliche Halle mit einem Einkommen von 170.000 - 180.000 Rubel rechnen kann. ± 80.000 Rubel
Eine solch große Streuung erklärt sich aus dem Einfluss anderer Faktoren, die wir in Zukunft ermitteln werden.
Wie viele Hallen gibt es in einem Fotostudio zu öffnen?
Zur Berechnung berechnen wir die durchschnittliche monatliche Rentabilität für jede Halle, berechnen die durchschnittliche Rentabilität einer Halle pro Fotostudio, berechnen die Anzahl der Hallen in einem Fotostudio und gruppieren die Daten nach der Anzahl der Hallen, wobei wir die durchschnittliche Rentabilität pro Halle berechnen.
Berechnung der Rentabilität der Halle in Abhängigkeit von der Anzahl der Hallen im Fotostudio
(hall_income
.groupby(['studio_id', 'hall_id']).agg('mean').reset_index()
.groupby('studio_id').agg(['count', 'mean'])['income']
.groupby('count').agg('mean')
)mean
count
1 134847.916667
2 146531.944444
3 300231.944444
4 222202.604167
Erhielt eine durchschnittliche monatliche Rentabilität von 1 Halle in Abhängigkeit von der Anzahl der Hallen in einem Fotostudio. Beachten wir die Regelmäßigkeit: Je mehr Hallen, desto rentabler. Maximale Rentabilität für Studios mit 3 Zimmern.
Dieses Phänomen ist darauf zurückzuführen, dass der Kunde in einem Raum des Fotostudios einen anderen Raum sehen und sofort buchen kann. So "fördert" ein Raum des Fotostudios andere.
Einkommensabhängigkeit vom Standort der Halle
Der Standort der Halle kann die Rentabilität erheblich beeinträchtigen: In der Mitte sind die Hallen für die Kunden besser zugänglich, was bedeutet, dass die Einnahmen höher sind. Lassen Sie uns die Hypothese überprüfen.
Zur Berechnung berechnen wir das durchschnittliche monatliche Einkommen der Halle, gruppieren es nach der "U-Bahn" und sortieren es in aufsteigender Reihenfolge.
Hallenrentabilität je nach Entfernung vom Zentrum
data['income'] = data['price'] * data['duration']
data['year'] = [x.year for x in data['date']]
data['month'] = [x.month for x in data['date']]
(data
.groupby(['hall_id', 'metro', 'year', 'month']).agg('sum')['income'].reset_index()
.groupby(['hall_id', 'metro']).agg('mean')['income'].reset_index()
.groupby('metro').agg('mean')['income'].sort_values()
)[-59:]Wir haben folgende Daten erhalten:
metro
5016.666667
10485.264378
11925.000000
/ 18116.666667
, 19000.000000
21963.333333
30667.051729
31031.250000
37787.500000
/ 39357.142857
44354.375000
45888.888889
46566.666667
48541.666667
. , 49086.503623
55340.659341
, , 55944.444444
. / . 59771.111111
66780.000000
66847.058824
67692.545788
. 70090.341880
. 70337.676411
, 72974.494949
79987.083333
88800.000000
95550.000000
98326.086957
99216.279070
99925.000000
102835.622784
. , . , . \ 104956.521739
111050.684459
111090.000000
111909.090909
116426.892180
117450.000000
118382.236364
122626.500000
, 123258.518519
- 124557.894737
, 126300.000000
129222.916667
135281.642512
, 138945.454545
152246.883469
, 168484.500000
. 169079.381010
. 172618.798439
173777.659900
178254.545455
181041.818182
187283.444198
189140.857975
250975.000000
, , 252685.714286
, 264164.473684
- 277162.791991
556621.746032
Name: income, dtype: float64
Bitte beachten Sie, dass ich die U-Bahn-Daten unverändert gelassen habe. Für ein genaueres Bild müssen sie in ein gemeinsames Format gebracht werden. Beispielsweise sollten "Baumanskaya, Elektrozavodskaya", "Elektrozavodskaya Metro Station" und "Electrozavodskaya" in einem Namen geschrieben werden.
Aus den Daten geht hervor, dass in Gebieten mit teuren Immobilien wie Maryina Roshcha, Novye Cheryomushki und Krylatskoye die Rentabilität pro Halle höher ist.
Wie viele Hallen haben konkurrierende Studios?
Wie viele Hallen haben die Studios auf dem Markt? Um diese Frage zu beantworten, hängen wir einen Tisch mit Hallen an den Studiotisch an, gruppieren ihn nach Studio, zählen die Anzahl der Hallen und erstellen ein Frequenzhistogramm.
Berechnung der Anzahl der Hallen in Studios
hall_num = studios.merge(halls, left_on='studio_id', right_on='studio_id').groupby('studio_id').agg('count')['is_hall']
plt.hist(hall_num, range(np.min(hall_num), np.max(hall_num)+1))
plt.show()
hall_num.describe()
count 105.000000
mean 2.685714
std 2.292606
min 1.000000
25% 1.000000
50% 2.000000
75% 3.000000
max 13.000000
Aus den erhaltenen Daten geht hervor, dass die meisten Fotostudios (über 75%) nicht mehr als 3 Hallen haben. Auf dem gesamten Markt haben Studios in der Regel nicht mehr als 5 Hallen.
Einfluss anderer Parameter auf das Studioeinkommen
Deckenhöhe
Fotos erfordern viel Licht und große Fenster in einem Raum mit hohen Decken bieten viel natürliches Licht. Je höher die Decken, desto diffuser und gleichmäßiger fällt der Boden auf den Boden. Daher kann die Höhe der Decke die Rentabilität des Fotostudios beeinträchtigen. Lassen Sie uns diese Hypothese überprüfen.
Berechnen wir das durchschnittliche monatliche Einkommen jeder Halle, während wir Daten zur Deckenhöhe speichern. Berechnen wir dann das durchschnittliche Einkommen in Abhängigkeit von der Deckenhöhe und erstellen Sie ein Diagramm.
Halleneinkommen abhängig von der Deckenhöhe in Metern
halls_sq_ceil = (data
.groupby(['hall_id', 'ceiling', 'square', 'year', 'month']).agg('sum')['income'].reset_index()
.groupby(['hall_id', 'ceiling', 'square']).agg('mean')['income'].reset_index()
)
plt.bar(halls_sq_ceil.groupby('ceiling').agg('mean')['income'].index[:-2],
halls_sq_ceil.groupby('ceiling').agg('mean')['income'][: len(halls_sq_ceil) - 2]
)
plt.show()
Aus den erhaltenen Daten geht hervor, dass bis zu 6 Meter eine direkte Abhängigkeit der Rentabilität des Fotostudios von der Deckenhöhe besteht. Die optimale Höhe beträgt 5-6 Meter.
Hallenbereich
Hypothese: Je größer die Fläche der Halle ist, desto mehr Einkommen bringt die Halle.
Wir testen die Hypothese. Wir verwenden die vorherigen Berechnungen, berechnen die durchschnittliche Rentabilität in Abhängigkeit von der Fläche und erstellen ein Diagramm.
Halleneinkommen je nach Gebiet
square = halls_sq_ceil.groupby('square').agg('mean')['income']
plt.bar(square.index[:-3],
square.iloc[: len(square) - 3]
)
plt.show()
In den Grafiken ist ein klares Muster sichtbar: Je größer die Fläche, desto mehr bringt die Halle.
Buchungspreis
Hypothese: Es gibt einen optimalen Zimmerpreis, den Kunden für fast jedes Zimmer zahlen. Kunden sind bereit, einen höheren Preis ausschließlich für hohe Qualität zu zahlen.
Um die Hypothese zu testen, betrachten Sie zunächst das aktuelle Preisniveau. Dazu gruppieren wir die allgemeine Buchungstabelle nach Zimmer, Preis, Jahr, Monat und addieren das Einkommen. Dann gruppieren wir nach Zimmer und Buchungspreis und berechnen das durchschnittliche Einkommen. Als nächstes gruppieren wir nach Preis und berechnen das durchschnittliche Einkommen. Erhielt ein durchschnittliches monatliches Einkommen pro Studio in Abhängigkeit vom festgelegten Buchungspreis
Durchschnittliche monatliche Studio-Rentabilität abhängig vom Zimmerbuchungspreis
price = (data
.groupby(['hall_id', 'price', 'year', 'month']).agg('sum')['income'].reset_index()
.groupby(['hall_id', 'price']).agg('mean')['income'].reset_index()
.groupby('price').agg('mean')['income']
)
Wie viele Zimmer haben einen bestimmten Preis pro Stunde Miete
plt.figure(figsize = (20, 10))
plt.hist(price.iloc[: len(price) - 5].index)
plt.show()
Aus dem Frequenzhistogramm geht hervor, dass die meisten Studios einen Mietpreis von 500 bis 2000 Rubel festlegen. Unterhalb von RUB 500 - eine Seltenheit. Der maximale Mietpreis der Halle beträgt 3500 Rubel.
Grafik der Abhängigkeit des durchschnittlichen monatlichen Einkommens vom Mietpreis der Halle
price = price[price > 10000]
plt.figure(figsize = (20, 10))
plt.scatter(price.index, price)
plt.show()
Die Grafik zeigt, dass bis zu 2000 Rubel. Es besteht eine klare direkte Beziehung: Je höher der Buchungspreis festgelegt ist, desto mehr verdient das Studio. Zu einem Preis über 2000 Rubel. Das Zimmereinkommen kann entweder niedrig oder hoch sein. Anscheinend mehr als 2.000 Rubel. Kunden sind bereit, nur für die hohe Qualität der erbrachten Dienstleistungen zu zahlen: entweder für einen günstigen Standort oder für die Ausstattung oder für eine große Fläche oder für ein hochwertiges Interieur usw.
Andere Bereiche der Marktanalyse
Geräteanalyse
Die Website ugoloc.ru enthält Informationen über die Ausstattung von Fotostudios: das Vorhandensein farbiger Hintergründe, die Marke von Blitzen usw. Die Ausstattung von Fotostudios kann auch die Rentabilität beeinträchtigen. Aus Gründen der Vollständigkeit der Analyse sollte dieser Faktor ebenfalls berücksichtigt werden.
Nicht alle Studios weisen möglicherweise auf zusätzliche Geräte hin. Daher kann die Bewertung des Einflusses dieses Faktors ungenau sein.
Analyse des Einflusses mehrerer Parameter auf das Einkommen
Die Parameter wirken sich nicht isoliert voneinander auf das Einkommen aus. Beispielsweise sind Platz und Buchungspreis miteinander verknüpft und wirken sich zusammen auf die Gesamtrentabilität eines Studios aus. Daher ist es sinnvoller, ihren Einfluss gemeinsam zu betrachten. Der Einfluss mehrerer Parameter sollte basierend auf den Besonderheiten der Kundenanforderungen berücksichtigt werden.
Erweiterte Datenerfassung
Fotostudios auf ugoloc.ru machen mengenmäßig weniger als ein Drittel des Marktes aus. Es ist nicht möglich, den Anteil der Studios von dieser Aggregator-Site nach Einkommen und Marktsegment zu schätzen. Für ein genaueres Bild lohnt es sich, Daten von AppEvent, Google Calendars und möglicherweise von benutzerdefinierten Buchungsanwendungen zu sammeln.
Buchhaltungskosten
Sie haben vielleicht bemerkt, dass es oft nicht genug Kosten gab, um das Bild zu vervollständigen. Je größer beispielsweise die Fläche der Halle ist, desto mehr Einnahmen werden daraus erzielt. Das Fazit ist natürlich gut, aber mit zunehmender Fläche steigen die Kosten für die Anmietung einer Halle. Daher wird es sicherlich nützlich sein, den Anstieg der Mietkosten im Zeitplan zu planen. Die Rentabilität des Projekts verbirgt sich im optimalen Verhältnis von Einnahmen und Ausgaben für einen bestimmten Parameter.
Die Reparaturkosten hängen auch von der Fläche ab: Je größer die Fläche, desto teurer die Reparatur.
Mit zunehmender Anzahl der Hallen sinken seitdem die Personalkosten pro Halle 1 Administrator kann sowohl 1 Halle als auch 3 bedienen.
Analyse der Entfernung von der U-Bahn
Bei der Beurteilung der Auswirkung des Standorts des Studios auf das Einkommen der Halle ist die Entfernung von der U-Bahn ein wichtiger, nicht berücksichtigter Faktor. Sie müssen es manuell ablegen, oder diejenigen, die mit der Google-API vertraut sind, können versuchen, diese Aktion zu automatisieren.
Entfernung zu Wettbewerbern
Meistens befinden sich die Studios nahe beieinander. Allein bei Electrozavod gibt es etwa 40 von ihnen. Es gibt eine Hypothese, dass die Nähe zu anderen Fotostudios die Rentabilität erhöht. Der Ort (Gebäude / Geschäftszentrum) ist den Kunden möglicherweise vertraut und sie können ihm vertrauen, was sich positiv auf alle Fotostudios am Standort auswirkt.
Arbeitsbelastung der Fotostudios
Sie können die Arbeitsbelastung von Fotostudios separat untersuchen:
- Wie viel Prozent der Öffnungszeiten der Halle sind Reservierungen?
- wie sich Reservierungen auf den Wochentag beziehen (Spoiler: sie buchen häufiger am Wochenende);
- ob es nicht gebuchte Tage gibt (an denen der Administrator möglicherweise nicht zur Arbeit geht);
- Welche Stunden werden am häufigsten gebucht (besonders interessant an Wochentagen)?
- usw.
Stand der Fotostudios in der Nebensaison
Die Studios schließen im Sommer häufiger, wenn keine Bestellungen vorliegen. Gleichzeitig sinkt die Anzahl der Bestellungen für einige Fotostudios nicht wesentlich. Was sind die Vorteile der beliebten Studios außerhalb der Saison? Dies ist ein separater Bereich, der berücksichtigt werden muss.
Rentabilitätsanalyse der Wettbewerber
Mit Informationen über die Kosten für die Anmietung von Räumlichkeiten für ein Fotostudio und die durchschnittlichen Gehälter der Mitarbeiter kann die finanzielle Situation der Wettbewerber beurteilt werden. Es kann sich herausstellen, dass einige Studios kurz vor der Schließung stehen. Dementsprechend können Sie ihre Fehler identifizieren und versuchen, sie zu vermeiden.
Ebenso können Sie die Erfahrungen der lukrativsten Fotostudios erkunden und in Ihrem Studio nutzen.
Analysephasen
Die obige Analyse ist der erste Schritt, um ein grobes Bild des Marktes zu vermitteln. Für die weitere Analyse muss der Kunde entscheiden, welches Studio er eröffnen möchte, welches Preissegment, welcher mögliche Standort, wie hoch der Mietpreis ist, welche Ausrüstung usw.
Ideal: Identifizieren Sie mehrere Mietoptionen. Dann werden die Fläche und die Höhe der Decken sowie die ungefähre Anzahl der Hallen und Kosten sowie die engsten Wettbewerber bestimmt.
In diesem Fall kann die Analyse inhaltlicher und genauer durchgeführt werden.
Ergebnis
In einer Reihe von Artikeln haben wir untersucht, wie Daten aus Open Source gesammelt, in einer Datenbank gespeichert und analysiert werden können. Das Ergebnis der Arbeit war ein allgemeines Verständnis des Marktes für Fotostudio-Dienstleistungen.
Die obigen Berechnungen können angewendet werden:
- bei der Erstellung eines Geschäftsplans im Umsatzteil. Und dies werden statistisch bestätigte Daten sein;
- bei der Beurteilung der Durchführbarkeit und Rentabilität des Projekts den Vergleich von Einnahmen und Ausgaben für verschiedene Eröffnungsoptionen;
- Fotostudios betreiben. Viele Fotostudios sind ohne Bestellungen im Leerlauf oder arbeiten mit Verlust. Es bedeutet, dass sie etwas falsch machen. Die oben genannten Analysen können den Studios dabei helfen, die Ursachen für ihren Zustand zu ermitteln.
Ich habe dieses Projekt genossen.
Ich habe beschlossen, meine Erfahrungen zu teilen, die für Sie nützlich sein könnten.
Wie hilfreich waren die Informationen in diesen drei Artikeln?
Teile deine Meinung.
Das fertige Projekt finden Sie auf meiner Github- Seite .