AI+决策树，让公寓项目选址如此高效

AI+决策树

      公寓项目选址作为战略布局的一部分，重要程度不可小觑，其影响因素更是复杂多变，不仅受周边环境影响，还受竞品项目和潜在客户人群的影响。本期将在AI+智能雷达模型的基础上，考虑竞品市场、潜在客户等因素，采用AI+决策树模型来完善公寓项目选址决策体系，以提升决策效率。

在公寓项目选址的AI+智能雷达的模型中，分别考虑了选址项目附近的地铁分布、公交分布、附近产业及招聘人群、区域配套设施以及附近人口密度等因素，并通过一定的量化模型生成地块综合得分并生成报告。

图1：大数据AI+智能雷达

根据CRIC城市租赁系统，可以发现上海市长租公寓门店主要集中在市区，对于一些优势区域，门店分布密度更大，那么导致门店之间的市场竞争也越来越大。从另一方面来说，这也进一步增加了公寓项目选址决策的难度。长租公寓的项目数量和入住率有什么样的关系呢？

图2：上海公寓门店分布

在研究公寓项目数量与入住率关系时，我们默认该区域内每个公寓项目同质，即公寓项目周边环境（包括交通、配套、人口、产业等）、公寓项目装修、公寓项目规模等完全相同。选择改进的Logistics来拟合公寓项目数与入住率的函数关系：

     其中表示某地区的公寓项目数量， 表示该区域单个公寓项目的客户入住率。函数的拟合图像如下：

图3：公寓项目数与入住率关系

     当该地区项目数由1个增到2个时，公寓项目数量增加，反而会增加入住率，因为在不成熟的市场发展过程中，新项目的进入会间接为原有项目带来一定的增信，增加客户流量，在一定程度上会提升公寓项目的入住率。但当公寓项目数超过3个时，新增项目带来的客户流量不足以维持原有公寓项目的客户量，入住率会逐步下降。

     在公寓项目选址过程中，还需考虑区域潜在客户数量，以上海为例，租赁人口约占总人口的30%，长租公寓约占租赁住宅市场的10%。如果某一区域人口为10000人，那么有租赁需求的人约为3000人，即潜在客户数量为3000人，而最终选择长租公寓的人可能为300人。在不同的区域中，详细数据可能略有不同。