基于复杂网络度量的城市零售生态系统中合作与竞争的建模

理解新商户对本地市场生态系统的影响是一项具有挑战性的任务，因为其本质是多面的。该领域以往的工作考察了同质场所类型的协作或竞争作用（即新书店对现有书店的影响）。然而，这些先前的研究在范围和解释力上均有限。为了更好地衡量现代城市中的零售表现，模型应考虑若干同步互动的因素。本文是首篇在考察新商户影响时考虑城市中所发生的多面互动类型的研究。我们首先提出一个建模框架，考察新商户在各自本地区域中的作用。利用来自位置技术平台 Foursquare 的纵向数据集，我们对全球 26 个主要城市的新场所影响进行建模。将城市表示为相互连接的场所网络，我们量化其结构并刻画其随时间的动态。我们注意到这些零售网络中出现了强烈的社区结构，这一观察突显了本地零售生态系统中涌现的合作与竞争力量之间的相互作用。接下来，我们设计了一个数据驱动的度量，捕捉新场所对其附近零售商影响的一阶相关性，同时考虑了场所类型之间的同质与异质互动。最后，我们构建了一个监督式机器学习模型，以预测给定新场所对其本地零售生态系统的影响。我们的方法突显了复杂网络度量在构建机器学习预测模型中的威力。这些模型在零售行业有众多应用，并可支持政策制定者、商户主和城市 planners 构建用于刻画和预测城市环境变化的模型。