基于关联规则客流分析的商业集聚效应研究
基于关联规则客流分析的商业集聚效应研究
基于关联规则客流分析的商业集聚效应研究摘要：由现实生活中的两家或若干家有关联的商店聚集现象出发，本文试图对微观层面商业集聚的集聚效应的具体度量方法进行探讨和研究：从客流共享的角度，借鉴购物篮分析的关联规则的算法对微观层面商业集聚的集聚效应进行研究，总结出16种微观层面商业集聚的客流情境，探讨了客流的集聚效应以及商店机会得失的计算方法，通过观察法将理论分析的集聚效应度量方法运用于两家体育品牌专卖店的集聚效应的实际度量；通过问卷调查法实证检验和证实了基于关联规则客流分析的微观层面商业集聚效应度量方法的实践有效性。
关键词：商业集聚；集聚效应；客流分析；关联规则现实生活中经常可以看见相同业态的商店进行“扎堆”的现象，例如麦当劳的旁边就是肯德基，海王星辰药店的旁边就是养天和药店，某商业街上的耐克专卖店与相邻的阿迪达斯专卖店把内墙打通了，之所以这样做是为了能够产生“共赢”的商业集聚效应。
那么这样的商业集聚效应到底是多少呢，它们相互之间是否存在竞争效应呢？谁又从对手那里获得更多的“外部性”好处呢？一、微观层面商业集聚效应研究思路探析（一）有关商业集聚文献的启示问题已经提出，然而遍览有关商业集聚的文献，尚没有看见有哪篇文献能够对本问题进行具体、细致和准确的回答，原因在于和本问题所表现的商业集聚层面不同。
大多数文献都偏向于从宏观和较宏观层面的对商业集聚的研究，如对商业集聚的集聚动力机制和集聚效应进行理论上的分析，或者从交通、人口、城市规划的角度对商业集聚进行研究，又或者从营销视角对以商业街或购物中心为表现形式的商业集聚体的聚客力进行研究，都没有回答从现实角度来讲两家或若干家店靠在一起的商业集聚的集聚效应到底是多少（how much），或者商业集聚的集聚效应应该如何（how）度量和怎样（procedure）度量？原因在于本问题所表现的商业集聚是属于微观层面的商业集聚，即两家或若干家有着关联的商店相互聚集的商业集聚。
商业集聚资料
商业集聚一、背景介绍商业集聚是指一定区域内商业资源密集的现象。
在这样的区域内，商业活动频繁，商家互相之间产生竞争和合作，形成了一个独有的商业生态系统。
商业集聚的背后有着诸多原因和影响因素，深入了解商业集聚对于我们认识现代经济体系具有重要意义。
二、商业集聚的形成原因1.资源聚集：商业集聚地通常拥有丰富的资源，如人才、资金、供应链等，吸引了众多企业在此扎根。
2.成本优势：商业集聚地可能拥有较低的运营成本、劳动力成本等优势，吸引着大量企业前来发展。
3.规模效应：众多企业汇聚在一起，形成规模效应，提高了整体效率和竞争力。
4.市场需求：商业集聚地的市场需求通常更加活跃，吸引了众多企业前来服务市场。
5.政策扶持：政府可能会在商业集聚地提供税收优惠、土地开发等扶持政策，吸引了企业前来投资。
三、商业集聚的影响1.经济发展：商业集聚地通常是经济发展的引擎，带动区域经济的快速增长。
2.创新能力：商业集聚地通常聚集了大量的创新企业和人才，促进了创新能力的提升。
3.就业机会：商业集聚地创造了大量就业机会，吸引了人才流入，促进了人才的交流与创新。
4.城市形象：商业集聚地的繁荣将提升城市的形象和吸引力，带动周边房地产及旅游业的发展。
四、商业集聚的案例分析1.硅谷：作为全球科技创新的中心，硅谷聚集了大量的高科技企业和创业公司，成为全球人工智能和高科技产业的领军地。
2.纽约曼哈顿：作为全球金融中心之一，曼哈顿聚集了大量金融机构和企业，成为全球金融业的核心。
3.上海陆家嘴：作为中国的金融中心，陆家嘴聚集了大量金融机构和企业，成为中国金融业的龙头地区。
五、商业集聚的未来展望随着全球化的深入和科技的发展，商业集聚的形式可能会发生变化，如虚拟商业集聚、产业互联网等新兴形式将逐渐崭露头角。
商业集聚将继续发挥着促进经济发展、推动创新的重要作用，成为引领区域经济发展的关键力量。
六、结语商业集聚作为现代经济的重要现象，对于促进经济发展、推动创新有着重要意义。
《2024年产业集聚理论与应用的研究——创意产业集聚影响因素的研究》范文
《产业集聚理论与应用的研究——创意产业集聚影响因素的研究》篇一一、引言随着经济全球化的不断深入，产业集聚作为一种经济现象，已经成为了许多国家和地区发展的重要模式。
尤其是在创意产业领域，产业集聚已经成为提升地区产业竞争力和推动经济发展的重要手段。
本文旨在研究产业集聚理论及其在创意产业中的应用，并深入探讨创意产业集聚的影响因素。
二、产业集聚理论概述产业集聚是指某一特定领域内相互关联的企业和机构在地理空间上的集中。
这种集中可以带来资源共享、信息交流、技术创新等优势，从而提高整个产业的竞争力。
产业集聚理论主要涉及到的是空间经济地理学、新经济地理学以及新古典主义理论等多元的理论基础。
三、创意产业集聚现象及其特征创意产业集聚是近年来兴起的一种产业集聚现象，它主要以创意为驱动力，以知识创新为发展核心。
其特征主要表现在文化内涵丰富、技术含量高、创新性强等方面。
创意产业集聚不仅可以提高产业的创新能力，还可以推动区域经济的发展。
四、创意产业集聚的影响因素研究（一）政策支持政策支持是影响创意产业集聚的重要因素之一。
政府通过制定相关政策，如税收优惠、资金扶持等，可以吸引更多的企业和机构进入该地区，从而形成创意产业的集聚。
此外，政府还可以通过举办各类活动、搭建平台等方式，促进企业和机构之间的交流与合作。
（二）人才资源人才资源是创意产业的核心要素。
一个地区的人才资源丰富程度直接影响到该地区创意产业的发展水平。
因此，人才资源是影响创意产业集聚的重要因素之一。
在创意产业集聚的过程中，各地应注重人才的引进和培养，提高人才的聚集度，从而推动产业的发展。
（三）基础设施与产业链完善度基础设施的完善程度以及产业链的完整度也是影响创意产业集聚的重要因素。
完善的基础设施可以为企业和机构提供良好的工作环境和生活环境，从而吸引更多的企业和机构进入该地区。
而完整的产业链则可以为企业和机构提供更多的合作机会和更广阔的发展空间。
（四）创新环境与文化氛围创新环境与文化氛围是创意产业发展的关键因素。
基于大数据分析的客流预测模型研究与应用
基于大数据分析的客流预测模型研究与应用客流预测模型是一种通过分析大量的数据来预测人流量变化的工具。
随着科技的进步和数据的快速增长，基于大数据分析的客流预测模型在各个领域中的应用逐渐扩大。
本文将探讨基于大数据分析的客流预测模型的研究与应用。
首先，我们将介绍客流预测模型的意义和背景。
随着城市发展和人口增加，人口流动性越来越强，因此对于公共交通、商业和旅游等领域来说，预测客流量变化具有重要的意义。
通过客流预测模型，可以提前了解到人流量的变化趋势，从而合理调配资源和制定相应的决策，提高服务效率和满意度。
其次，我们将介绍基于大数据分析的客流预测模型的研究方法。
大数据分析是通过收集、存储和分析大量的数据来发现潜在的模式和趋势。
在客流预测模型中，我们可以利用多种数据源，包括历史客流数据、天气数据、节假日数据等，进行分析和建模。
通过对这些数据的综合分析，可以提取出影响客流量的关键因素，并构建客流预测模型。
客流预测模型可以采用多种算法和技术，如时间序列分析、回归分析、神经网络、机器学习等。
这些方法在各个领域中已经得到广泛应用，并取得了一定的成果。
例如，在公共交通领域中，可以利用历史客流数据和天气数据，通过时间序列分析和回归分析方法来预测公交车站的客流量。
在商业领域中，可以利用历史销售数据和促销活动数据，通过神经网络和机器学习方法来预测商场或超市的客流量。
同时，我们将介绍基于大数据分析的客流预测模型的应用案例。
大数据分析的客流预测模型已经在多个领域中得到了应用。
例如，在城市交通管理中，可以利用公交车和地铁的智能卡数据，通过大数据分析和客流预测模型来实现优化调度和减少拥堵。
在商业领域中，可以利用消费者的购物数据和社交媒体数据，通过大数据分析和客流预测模型来优化商品陈列和促销策略。
在旅游领域中，可以利用游客的行为数据和旅游景点的历史数据，通过大数据分析和客流预测模型来优化景区的管理和服务。
最后，我们将总结基于大数据分析的客流预测模型的研究与应用，并展望其未来的发展方向。
基于关联规则客流分析的商业集聚效应研究
量越 多 ，对 客源市场 的市场控制力 就越强 ，集聚效 应就越 大 ；Ｔ ｌｒ ｕｔ ｅ＆ ｈ ｅｌｚ （０ ８ ｅ ｅ，Ｒ ｔ ｒｒ Ｓ ｎｄｉ ２ ０ ）经 实 ｌ ｅ ｔ 证研究 发现 ，大 型购 物 中心 由于商 户 组合 产 生 的
性质 和 特点 可 以将商 业 客流 划分 为有 效 客流 和无
ｍ ｃ） ｕｈ ，或 者 商 业 集 聚 的 集 聚 效 应 应 该 如 何 （ｏ Ｈ ｗ）度量和怎样 （ ｒｃｄ ｒ） 度量 ？原 因在 于 Ｐｏｅ ｕｅ
收稿 日期 ：２ １ ０ ２ ０ １— ６— ０
作者 简介 ：曾锵 （９ ６ ，男，南昌人 ，浙江树人大学管理 学院教师，研究方向：零售学、服务管理。 １７ 一）
一
出 ，从 微观层 面 而 言商 业集 聚 效应 的其 中之 一 的
表 现形式是 客 流 的共 享 。蒋 三 庚 （ ０ ５ ２ ０ ）认 为 随 着一个 地 区 内 的 中心 店 或 旗 舰 店 的建 立 和 发 展 ，
商 圈不 断扩 大 ，各 种 中小 型 业种 店 也会 随之 聚 集 于此 ，新颖 的业种店会 让顾 客感 觉商 品种 类丰 富 ，
・
３ ・ Ｏ
商 业 研 究
２ １／ １ ０２０
效客流 、忠诚 客流和一般客流 、 目标 客流 和无差 异 客流 、现 实客 流 和潜 在 客 流 。 肖怡 （ ０ ３ ２ ０ ）在 其
都没有进店 ，我们把这 种客流称之为无效 客流 ，不 是我们 的考察 范畴 ，我们 只 考察 进入 了 Ａ店 或 Ｂ 店的有效客流 。 有效客流又要考 虑 若 干种情 况 ： （ ） 主客流 １
基于聚类分析法的广州地铁周末客流变化规律
基于聚类分析法的广州地铁周末客流变化规律随着城市人口的增长和交通需求的增加，地铁已经成为现代城市交通系统中不可或缺的一部分。
广州作为中国南方经济中心城市，拥有发达的地铁网络系统，每天都有大量的乘客通过地铁来往于各个地方。
然而，随着城市发展和生活节奏的加快，地铁客流量也出现了一定程度的波动，特别是在周末这一时间段。
因此，通过聚类分析探究广州地铁周末客流变化规律，对于合理调整地铁运行时刻和提升乘客出行体验具有重要的意义。
首先，我们需要收集广州地铁周末客流数据，包括每个地铁站每个小时的客流量。
通过将周末的客流数据聚类分析，可以将客流量相似的地铁站归为一类。
然后，我们可以分析每一类地铁站的客流变化规律，从而揭示广州地铁周末客流的总体规律。
在聚类分析的过程中，首先需要选定适当的聚类算法和距离计算方法。
常用的聚类算法有K均值、层次聚类、DBSCAN等，距离计算方法通常为欧氏距离、曼哈顿距离、余弦相似度等。
根据实际情况和数据特点选择合适的算法和距离计算方法非常重要。
然后，根据聚类结果对地铁站进行分类，并绘制出每一类地铁站的客流变化曲线，以便于直观地观察客流变化规律。
通过对广州地铁周末客流数据的聚类分析，我们可以得出以下结论：1.每一类地铁站的客流变化规律存在一定的共性。
有些地铁站在周六周日客流量较高，可能与周末商业区、旅游景点等的集中有关；而有些地铁站在周末客流量较低，可能位于居民区或办公区周边。
2.不同类地铁站的客流变化趋势可能不同。
有些地铁站在周六客流量较高，周日略有下降；有些地铁站则是周日客流量略高于周六。
这些差异可能与地铁站所在位置、周边环境等因素有关。
3.通过对聚类结果的分析，我们可以针对不同类地铁站提出相应的运营建议。
对于周末客流量较高的地铁站，可以加密列车班次、增加站台服务人员等措施，提高运行效率和乘客出行体验；对于周末客流量较低的地铁站，可以适当调整列车班次、拓展周边商业服务等，吸引更多乘客出行。
从集聚效应角度出发,评价大型购物中心对入驻商户的影响
从集聚效应角度出发,评价大型购物中心对入驻商户的影响
大型购物中心对入驻商户的影响主要体现在集聚效应方面。
集聚效应是指大量的消费者聚集在同一地点，从而吸引更多的商户前来经营，进一步形成良性循环的现象。
首先，大型购物中心能够带来人流量的聚集。
购物中心通常位于繁华地段或交通便利的区域，吸引大量顾客前来消费。
商户可以从购物中心丰富的人流量中获益，增加品牌知名度，提高销售额。
其次，大型购物中心提供了一站式的购物体验。
购物中心往往集合了众多品牌商户、餐饮娱乐等业态，顾客可以在一个地方满足各种需求，提高购物的便利性和效率。
对于入驻商户来说，购物中心的综合服务能够吸引更多顾客前来，增加销售机会。
此外，大型购物中心也为商户提供了更好的经营环境和资源。
购物中心通常配备完善的设施和管理，提供安全便捷的运营环境，商户可以共享购物中心的统一品牌宣传、市场推广等资源，降低单独经营店面的成本和风险。
然而，对于一些小型商户来说，入驻大型购物中心也存在一定的竞争压力。
大型购物中心中的知名品牌和大型连锁商户往往更具吸引力，可能对周边小商户造成一定程度的竞争压力。
因此，商户要有竞争意识和策略，提供独特的产品或服务，从而与其他商户相区别，吸引顾客。
综上所述，大型购物中心通过集聚效应为入驻商户带来了人流量、综合消费和资源共享的益处，同时也需要商户面对一定的竞争压力。
商户应根据自身情况和定位，灵活运用营销策略，提高吸引力和竞争力。
小吃客流数据分析报告范文(3篇)
第1篇一、报告概述本报告旨在通过对某知名小吃店近一年的客流数据进行深入分析，揭示其客流量的变化规律、消费群体特征以及影响客流量的关键因素，为小吃店未来的经营策略提供数据支持。
二、数据来源与时间范围数据来源于某知名小吃店的销售系统、会员管理系统以及第三方客流监测设备。
时间范围为2022年1月1日至2022年12月31日。
三、数据分析方法1. 描述性统计分析：对客流量、消费金额、顾客停留时间等指标进行统计描述。
2. 时间序列分析：分析客流量随时间的变化趋势。
3. 顾客细分分析：根据顾客特征进行市场细分，分析不同细分市场的消费行为。
4. 关联规则分析：分析顾客购买行为中的关联性。
四、数据分析结果（一）客流量分析1. 客流量总体趋势：从图表中可以看出，本年度客流量呈现出明显的季节性波动。
在节假日、周末以及工作日的午晚餐时段，客流量明显增加。
2. 日客流量分布：通过对日客流量的分析，发现客流量最高的时间段集中在11:00-13:00和17:00-19:00，这与人们的用餐时间规律相符。
3. 周客流量分布：周内客流量呈现明显的周末效应，周六和周日的客流量明显高于周一至周五。
（二）消费金额分析1. 消费金额总体趋势：从图表中可以看出，消费金额在节假日和周末有明显的提升，这与客流量趋势基本一致。
2. 消费金额分布：通过对消费金额的分布分析，发现顾客的消费水平较为集中，中等消费水平的顾客占比较高。
（三）顾客细分分析1. 顾客年龄分布：顾客年龄主要集中在20-40岁之间，这部分人群具有较高的消费能力和消费需求。
2. 顾客性别分布：顾客性别比例较为均衡，男女顾客各占一半。
3. 顾客职业分布：顾客职业分布广泛，主要集中在白领、学生和自由职业者。
（四）关联规则分析1. 热门菜品组合：通过对顾客购买记录的分析，发现以下菜品组合较为受欢迎：A 套餐+B饮品、C套餐+D甜品。
2. 促销活动影响：在开展促销活动期间，客流量和消费金额均有明显提升。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于关联规则客流分析的商业集聚效应研究摘要：由现实生活中的两家或若干家有关联的商店聚集现象出发，本文试图对微观层面商业集聚的集聚效应的具体度量方法进行探讨和研究：从客流共享的角度，借鉴购物篮分析的关联规则的算法对微观层面商业集聚的集聚效应进行研究，总结出16种微观层面商业集聚的客流情境，探讨了客流的集聚效应以及商店机会得失的计算方法，通过观察法将理论分析的集聚效应度量方法运用于两家体育品牌专卖店的集聚效应的实际度量；通过问卷调查法实证检验和证实了基于关联规则客流分析的微观层面商业集聚效应度量方法的实践有效性。
关键词：商业集聚；集聚效应；客流分析；关联规则现实生活中经常可以看见相同业态的商店进行“扎堆”的现象，例如麦当劳的旁边就是肯德基，海王星辰药店的旁边就是养天和药店，某商业街上的耐克专卖店与相邻的阿迪达斯专卖店把内墙打通了，之所以这样做是为了能够产生“共赢”的商业集聚效应。
那么这样的商业集聚效应到底是多少呢，它们相互之间是否存在竞争效应呢？谁又从对手那里获得更多的“外部性”好处呢？一、微观层面商业集聚效应研究思路探析（一）有关商业集聚文献的启示问题已经提出，然而遍览有关商业集聚的文献，尚没有看见有哪篇文献能够对本问题进行具体、细致和准确的回答，原因在于和本问题所表现的商业集聚层面不同。
大多数文献都偏向于从宏观和较宏观层面的对商业集聚的研究，如对商业集聚的集聚动力机制和集聚效应进行理论上的分析，或者从交通、人口、城市规划的角度对商业集聚进行研究，又或者从营销视角对以商业街或购物中心为表现形式的商业集聚体的聚客力进行研究，都没有回答从现实角度来讲两家或若干家店靠在一起的商业集聚的集聚效应到底是多少（how much），或者商业集聚的集聚效应应该如何（how）度量和怎样（procedure）度量？原因在于本问题所表现的商业集聚是属于微观层面的商业集聚，即两家或若干家有着关联的商店相互聚集的商业集聚。
虽如此，但从商业集聚的有关文献中可以看出，从微观层面而言商业集聚效应的其中之一的表现形式是客流的共享。
蒋三庚（2005）认为随着一个地区内的中心店或旗舰店的建立和发展，商圈不断扩大，各种中小型业种店也会随之聚集于此，新颖的业种店会让顾客感觉商品种类丰富，因而吸引大批量顾客流，顾客流的增长，又进一步吸引其他商业的入住；傅慧（2007）对酒店集群的集聚效应进行了理论分析，认为集群内酒店数量越多，对客源市场的市场控制力就越强，集聚效应就越大；teller, rutterer&shnedlitz(2008)经实证研究发现,大型购物中心由于商户组合产生的协同效应可以为顾客提供整套的服务,使得其比其他单体商店更有吸引力，即能吸引更多的客流。
（二）有关客流分析文献的启示通过在中国期刊全文数据库（cnki）的检索，大多数有关客流的文献集中在交通、运输和物流方面，而和商业相结合的客流文献并不多见，较早的一篇文献为吴宪和（1997）发表在《财贸经济》的《商业客流的剖析及吸引》，他认为按照客流的性质和特点可以将商业客流划分为有效客流和无效客流、忠诚客流和一般客流、目标客流和无差异客流、现实客流和潜在客流。
肖怡（2003）在其编著的高等教育教材《零售学》中认为客流的性质可以分为三种类型，分享客流、派生客流和本身客流。
其它有关商业客流的文献包括赵黎明等（2006）的《基于客流量相关系数的商业街规划抉择研究》、齐晓斋（2006）的《上海都市商业中心客流与商圈特性分析》，这些有关客流的文献都对本问题的研究提供了一定的思路借鉴。
基于以上文献的阅读和启示，本文决定从客流共享的角度对微观层面的商业集聚效应进行研究。
（三）有关关联规则和购物篮分析的启示所谓购物篮分析法，是指通过计算顾客一次所购商品中各品类的平均购买率，以及购买这些商品的同时购买率，来分析不同品类间的商品关联关系。
沃尔玛的经典营销案例尿布和啤酒的交叉陈列，就是典型的购物篮分析的结果。
购物篮分析运用了关联规则的算法，有三项基本指标可以反映商品的相关性：（1）支持度（support）指标，表示在购物篮中同时包含关联规则左右两边物品的交易次数百分比，即支持这个规则的交易的次数百分比，相当于联合概率；（2）置信度（confidence）指标，是指在所有的购买了左边商品的交易中，同时又购买了右边商品的交易概率，是一个条件概率；（3）提高度（lift）或称增益，提高度是两种可能性的比较，一种是在已知购买了左边商品情况下购买右边商品的可能性，另一种是任意情况下购买右边商品的可能性。
提高度数据越大，则商品之间的关联性就越强。
借鉴《零售学》当中的经典案例啤酒与尿布的故事，可以运用购物篮分析的关联规则对微观层面商业集聚的客流共享情况进行分析，也即是把两家靠在一起的商店理解为消费者需要进行选择的“啤酒”和“尿布”，考察两家商店的关联关系。
二、基于关联规则客流分析的微观层面商业集聚效应理论分析（一）微观层面商业集聚的研究对象描述从最简单和抽象的情况考虑，如图1所示，在某商业街有两家同业态的商店a店和b店比邻而立，他们的门头都面向街道，同时为了更好的发挥客流的商业集聚效应，两家店把内墙打通了①。
考察单个的消费者的客流情况，他有可能从a店和b店的门口路过，不论是往左走还是往右走，都没有进店，我们把这种客流称之为无效客流，不是我们的考察范畴，我们只考察进入了a店或b店的有效客流。
有效客流又要考虑若干种情况：（1）主客流方向，即消费者在a 店和b店门口的街道是往左走还是往右走；（2）出店的方向是否与主客流方向一致，即消费者在走出a店或b店后与先前进店的方向是相同还是相反；（3）作为有效客流的消费者是进入了a店还是进入了b店，或者通过a店和b店的内墙两家店都进去了；（4）如果消费者a店和b店都进入了，那么首先是进入了a店还是首先进入了b店，简称首进店，一般认为首进店是消费者的目标商店。
（二）微观层面商业集聚的客流情境分析1．微观层面商业集聚的客流情境。
根据有效客流的若干情况，共总结出16种微观层面商业集聚的客流情境②，如图2所示。
2．不同客流情境的商店机会得失分析。
不同的客流情境下，商店的机会得失是不一样的：对于第1种情境，消费者进了a店，那么a店得到1个机会，但是消费者的主客流方向与出店方向是一致的，进了a店却没有进b店，故此认为过b店门口而不入，丧失了1个机会；对于第2种情境，即进了a店又进了b店，两者都得到1个机会；对于第3种情境，主客流方向与出店方向一致，过a店而不入，a店丧失1个机会，b店得到1个机会；对于第4种情境，虽然主客流方向与出店方向是一致的，但是首进店是b店而不是a 店，故此认为b店是消费者的目标商店，但是由于相邻的a店存在，对消费者产生吸引力，进入a店，改变了消费者从左至右的行走方向，所以认为a店得到2个机会，b店得到1个机会；对于第5种情境，主客流方向与出店方向不一致，a店得到1个机会，b店未进，没有得到机会但也没有丧失机会，b店无得无失；对于第6种情境，首进店是a店，b店也进入了，但是由于b店的存在，使得消费者在a店和b店内行走的方向与消费者出店的方向是不一致的，b店具有较大的吸引力，所以认为a店得到1个机会，b店得到2个机会；对于第7种情境，进入了b店而没有进入a店，而且是两次路过a店的门口都没有进入，所以认为a店丧失2个机会，b店得到1个机会；对于第8种情境，a店和b店都进入，而且在a 店和b店内行走的方向与出店的方向是一致的，所以认为a店和b 店都得到1个机会；对于主客流方向是从右至左的另外8种情境的商店机会得失分析依此类推，不再赘述。
为了更清楚的列示16种微观层面商业集聚的客流情境以及商店机会得失情况，见表1。
（三）客流集聚效应的关联规则计算及分析1．支持度（support）的计算。
支持度反映的是同时到两家店购物的概率，支持度越高，表明两家店的集聚效应越大。
用公式表示为：（四）客流集聚效应的机会得失综合分析对a店和b店发生的机会得失进行汇总，然后进行比较，可以得到四种情况：（1）a得>b得；a失b得；a失>b失：表明b有更多忠诚顾客，b对a有共享效应；（3）a得b失：表明b是强势竞争者，b对a有竞争效应；（4）a得b得；a失>b失：b有更多忠诚顾客，b对a有共享效应；a得>b得；a失b失：b是强势竞争者，b 对a有竞争效应；a得<b得；a失<b失：a有更多忠诚顾客，a对b 有共享效应。
则a店得到机会总数为91，失掉机会34。
b店得到机会总数为100，失掉机会13。
属于第三种情况。
即耐克店是强势竞争者，耐克店对阿迪店有竞争效应。
结论：综上所述，耐克店与阿迪店有60%的共享顾客，但耐克店的忠诚顾客比阿迪店稍多，耐克店是阿迪达斯店的强势竞争者，相对而言阿迪达斯店比耐克店作出的客流资源共享贡献较大，也即耐克店从对手那里获得的外部性利益更多一点。
（三）运用问卷调查法对分析结论进行检验为了对以上的分析结论进行检验，同时进一步的探讨导致这种客流差异的原因，我们对耐克和阿迪达斯专卖店的消费者进行问卷调查。
根据曹晓春（1996）的《消费者商店选择原理及应用》，建立消费者选择运动品牌专卖店模型。
消费者搜寻运动品牌专卖店的信息，主要有六大方面：（1）品牌，包括运功专卖店品牌的知名度，消费者对此品牌的喜欢程度；（2）地址，包括专卖店的选址以及所处位置的交通情况；（3）商品，包括商品的品项，商品的质量，款式，价格；（4）门面，包括专卖店门头专修，橱窗展示以及店面的醒目程度；（5）店内设计，包括店内布局，专卖店的空间，商品的陈列情况；（6）店员，包括店员的素质，店员的态度情况。
根据公式：ta=[dd(]n[]i=1[dd)]wibia ta表示消费者对商店a的态度值，wi表示商店特性i被消费者重视的程度，bia表示消费者认为商店a具有特性i的程度，n消费者认为选择商店所需要特性的数量。
wi与bia可以经过消费者调研得到，即也可得到ta，得出不同专卖店受消费者欢迎的程度。
并且从bia还可以看出专卖店具体不同的原因。
实际总共发放发问卷140份，收回有效问卷120份。
经过分析统计，具体数据见表3。
耐克店：ta=3.6*4.5+3.4*3.9+4.2*3.9+3.3*3.4+3.4*3.7+4.5*3.4≈85阿迪达斯店：ta=3.4*3.9+4.2*3.9+4.2*3.9+3.3*3.4+3.4*3.7+4.5*3.4≈81经过调研与计算，消费者选择耐克店的可能性大于阿迪达斯店。
从“各特征的得分”和对两家店实际店面的观察，得以下结论：(1)耐克的知名度比阿迪达斯大，喜欢耐克的消费者比阿迪多；(2)耐克的品项、款式比阿迪多，价格稍贵但阿迪达斯的质量比耐克好；(3)耐克的门头装修稍不如阿迪达斯，阿迪达斯醒目点，两家店的橱窗展示差不多，阿迪达斯略胜一筹；(4)阿迪达斯店内空间稍大，耐克店内布局比阿迪合理，陈列整洁程度差不多；(5)耐克店店员的素质与态度较阿迪达斯店好。