2016/04/11 | 電子報No.0128期 | Peter 謝啓賢

Gogoro的電池交換站首部曲中,我們以路網分析的方式,分享了Gogoro的電池交換站在北台灣六縣市的可服務範圍及人數。然而回歸到現實面,Gogoro還是要面臨每個換電站是否有足夠的能量服務既有的客戶群,本次的研究將推估出每個換電站潛在客群數以及目前服務的騎士數量,進一步估算出有哪幾個換電站可能有較高的電池交換率?

推估服務人數採用的方法是商圈理論常常應用的赫夫模式(Huff model),赫夫模式是將每個Gogoro騎士到換電站的可能性轉化為機率模型。在假定每個換電站提供的服務品質沒有差別的情況下,對Gogoro騎士來說選擇某個換電站的機率只和距離和活動範圍內可選擇換電站數量有關。

舉一個簡單的例子進行說明(如圖1),假設某個區域共有600人,其中X里有100人,另兩個Y、Z里各有200人、300人,在此區域內於X、Z里分別開設了一個換電站,兩站產生競爭關係會瓜分掉這600人的客群,假設Gogoro騎士對這兩個換電站沒有特別偏好,通常會選擇離自己比較近的換電站。透過赫夫模式的計算,可以算出不同里前往兩個換電站的機率,將機率乘上該里的人數,就可得知該里會前往不同換電站的人數;如將前往同個換電站的人數進行加總,即可得知A換電站服務(80+100+30)=210人,B換電站服務390人。

e_website06

圖1 赫夫模式計算說明

 

在這理論中最基礎的資料包含了換電站位置以及既有Gogoro騎士的分布,然而如何將目前銷售量約1萬台的Gogoro推估其騎士的空間分布?我們擷取出村里資料中可能為Gogoro主要客群的20-39歲族群,透過前述理論計算出每個村里到換電站的機率,再將村里內20-39歲的人數乘上機率後,可以得知其在每個村里潛在客戶群,最後再將目前銷量的1萬台依比例分攤至每個村里內,計算出每個換電站目前需要服務的Gogoro騎士數量。以下表格為推估潛在客群和騎士最多和最低三個站,我們發現高服務需求的換電站都集中在桃園、新北的都會區;而低需求的則集中在新北市的坪林、石碇附近的幾個換電站(如表1)。

 

表1 高服務需求與低服務需求的換電站

情境 排名 站名 推估潛在客群 推估服務騎士
高服務需求 1 Nova資訊廣場中壢店站(桃園中壢) 42,398 139
2 Gogoro 永和中正店站(新北永和) 42,152 138
3 中油北基新海站(新北板橋) 37,889 124
低服務需求 1 香草天空站(新北坪林) 482 2
2 雅香茶莊站(新北石碇) 561 2
3 德志茶園站(新北坪林) 800 3

我們舉服務人數最多的桃園Nova資訊廣場中壢店的數據結果進一步說明。此站位於中壢與平鎮的交界,從模式算出各村里到Nova站的機率(如圖2),依到店機率分別著以不同顏色,可以明顯看出Nova站附近的舊明里、新明里到店機率都超過90%、廣興里與中壢里到店機率也超過80%,鄰近的中榮、五福、廣達等里也以Nova站為第一選擇。再利用村里資料中20-39歲族群人口數量乘上各村里的機率,可以概估出Nova站在各村里的潛在客群數(如圖2村里內數字),依比例可將139個已購車的Gogoro騎士分派到各個村里。

e_pic-02

圖2 Nova資訊廣場中壢店各村里到店機率與服務人數(點選連結連至互動地圖)

 

值得特別說明的是,本次使用村里戶籍人口資料來自社會經濟資料庫的公開資料,在推估換電站的服務人數時,資料的精細程度還有改善的空間。此外,Gogoro在設置換電站時,考慮的地點應該不僅僅是當地的戶籍人口,可能會考慮設在當地白天的工商的頻繁程度,客群人口的活動群聚區域,甚至是在觀光景點周邊進行設站。筆者以本公司100*100公尺的網格(居住人口、工作人口、商業強度、生活強度等)資料進行演算可以獲取更細緻的成果,惟越細緻的基礎資料需要更長的時間計算,但能夠取得更佳的結果,如有需要可與本公司進行接洽!

在二部曲的分析結果,我們初步已掌握了每個換電站的服務狀態。低服務需求的站,推測Gogoro在設址時可能有其他考量,需進一步利用其他對應的資料進行分析才可得知;而高服務需求的站周邊居住人口較多且服務的供給較為不足,其周邊應是未來Gogoro要增設換電站可以優先考慮的區域;然而有沒有什麼方法,可以幫Gogoro未來找到適合開設新的換電站的位置?在最終回的預告中,我們將持續運用空間分析的技術,用更多的資料解析出商業設址的秘密,敬請期待!



Peter

任職於應用系統事業部,秉持著有圖有真相的真理,習慣將繁瑣的數據整理成易懂的地圖資訊。