[논문 리뷰] Where is the Goldmine? Finding Promising Business Locations through Facebook Data Analytics

Jovian Lin, Richard J. Oentaryo외 4명|Institutional Knowledge (InK) - Institutional Knowledge at Singapore Management University (Singapore Management University)|2016. 09. 09.

Human Mobility and Location-Based Analysis참고 문헌 14인용 수 6

한 줄 요약

이 논문은 체크인 데이터, 사업 유형, 인근 사업자 특성 등을 활용하여 가상의 사업장 위치의 인기를 예측하기 위한 페이스북 데이터 기반 프레임워크를 제안한다. 지도 기반 페이스북 페이지 데이터와 기계학습 모델을 활용해 체크인 점수를 정확하게 예측하며, 인근 사업자 인기 요소가 가장 영향력 있는 예측 변수로 드러나 새로운 사업의 데이터 기반 입지 선정을 가능하게 한다.

ABSTRACT

If you were to open your own cafe, would you not want to effortlessly identify the most suitable location to set up your shop? Choosing an optimal physical location is a critical decision for numerous businesses, as many factors contribute to the final choice of the location. In this paper, we seek to address the issue by investigating the use of publicly available Facebook Pages data---which include user check-ins, types of business, and business locations---to evaluate a user-selected physical location with respect to a type of business. Using a dataset of 20,877 food businesses in Singapore, we conduct analysis of several key factors including business categories, locations, and neighboring businesses. From these factors, we extract a set of relevant features and develop a robust predictive model to estimate the popularity of a business location. Our experiments have shown that the popularity of neighboring business contributes the key features to perform accurate prediction. We finally illustrate the practical usage of our proposed approach via an interactive web application system.

연구 동기 및 목표

• 기존 설문 조사 방식으로는 복잡하고 자원을 많이 소모하는 최적의 물리적 사업장 입지를 선정하는 데 도전하는 것.
• 특히 체크인, 사업 유형, 위치 정보를 포함한 공개된 페이스북 페이지 데이터를 활용해 목표 사업장의 잠재적 인기를 추정하는 것.
• 도시 지ap에 있는 어떤 위치든 평가할 수 있도록 기업 및 부동산 소유주가 활용할 수 있는 예측 모델을 개발하는 것.
• 실시간 예측이 가능한 상호작용형 웹 애플리케이션을 통해 프레임워크의 실용성을 입증하는 것.
• 특정 위치에 인기 있는 인근 사업자들이 존재할 경우 신규 사업장의 성공 가능성이 향상되는지 조사하는 것.

제안 방법

• 싱가포르의 20,877개 음식점 사업장에 대한 공개된 페이스북 페이지 데이터셋을 활용하여 체크인 수, 사업 분류, 지리적 위치 정보를 포함한다.
• 근처 사업장의 체크인 수 및 좋아요 수, 가장 가까운 유명 장소까지의 거리, 반경 내 사업 분류 분포 등의 핵심 특징을 추출한다.
• 이러한 특징을 기반으로 특정 위치에 가상의 사업장이 존재할 경우의 '체크인' 점수를 예측하기 위해 기계학습 모델을 훈련시킨다.
• 쿼리 처리에는 Node.js, 특징 추출 및 예측에는 Python, 데이터베이스 쿼리에는 ElasticSearch, 지리공간 시각화에는 Google Maps를 사용한 풀스택 아키텍처를 구현한다.
• 웹 애플리케이션을 통해 사용자는 지도 위에 핀을 꽂고 주변 사업자 데이터를 조회하고 실시간으로 잠재적 인기도를 예측할 수 있다.
• 모델 평가에는 목표 위치가 예측 체크인 수 기준으로 기존 사업자들과 비교해 상대적인 순위를 매기는 순위 기반 평가 체계를 사용한다.

실험 결과

연구 질문

• RQ1 물리적 소매 환경에서 사업장 입지의 인기 요인으로 작용하는 주요 요소는 무엇인가?
• RQ2 유명한 인근 사업자가 존재할 경우, 특정 위치에 신규 사업장이 성공할 가능성이 어떻게 영향을 받는가?
• RQ3 공개된 페이스북 데이터를 효과적으로 활용해 가상의 사업장 입지의 인기를 예측할 수 있는가?
• RQ4 고밀도 유입 또는 고체크인 장소에 가까운 거리에서의 위치가 신규 사업장의 예측 성공률을 어느 정도 향상시키는가?
• RQ5 기계학습 모델이 존재하지 않는 신규 사업장의 '체크인' 점수를 얼마나 정확하게 추정할 수 있는가?

주요 결과

• 인근 사업장의 인기도가 목표 위치의 잠재적 성공에 가장 큰 영향을 미치며, 강한 양의 상관관계가 관찰되었다.
• 모델은 '체크인' 점수를 정확하게 예측했으며, 힐튼 호텔 근처와 같은 고밀도 유입 지역에 위치한 가상의 사업장은 보수적인 예측 점수 802.24를 기록했다.
• 목표 위치는 213개의 주변 사업자 중 160위로 순위 매겨져 고지역 유입량에도 불구하고 중간 수준의 경쟁력이 있음을 시사했다.
• 시스템은 기존 상업 허브와 높은 인구 유동성 지역에 위치한 장소가 고객의 체크인을 더 많이 유도할 가능성이 높다는 점을 성공적으로 식별했다.
• 프레임워크는 페이스북 데이터가 사회경제적 가치를 효과적으로 반영하고 데이터 기반의 사업장 입지 결정을 지원할 수 있음을 입증했다.
• 특히 유명 장소까지의 거리 및 주변 유사 사업 유형의 집중도 등의 특징이 모델 성능 향상에 기여했다.