売上予測モデルを構築するには必ず助けが必要だ。

売上予測モデルを、重回帰分析で作ることは、たいへん困難が伴う。

この覚悟がなくて、重回帰分析を行うとほぼ最初の１時間で挫折する。

なにしろ、売上に相関がある変数を見つけられないことが多いからだ。

今まで、最初から相関が高い変数に出会うことができたのは、数度しかない。

居酒屋モデルを作るときの店舗面積が売上との相関係数0.7を示したこと典型的であるが、たいていの場合は、高くて0.3程度であることが多い。

これでは、２つめの変数も0.3止まりで、この２つの変数を入れた場合の重回帰モデルによる、重相関係数は0.30～0.35くらいにしかならない。

これでは、売上予測モデルの精度はきわめて低い。

この酷さは筆舌に尽くせない。売上理論値が1000万円であるときの、実際の値は200万円とかになる。

これでは、売上予測モデルを作った意味がない。

弊社では、こうした重回帰分析において、きっちり相関がある変数を見つけるノウハウを長年にわたって築いてきた。

そうしてたいていの業種業態で、重相関係数0.85以上の売上予測モデルを構築し、提供してきた。

そもそも、単純な変数で、相関係数が高いなどというほうが怪しいのである。

売上を客数を説明変数にしてモデル化するくらいの怪しさである。

客数を説明変数にしたら、そりゃあ最初から重相関係数0.95以上のモデルができてしまう。

そもそも客数はどうやって予測するのだという致命的な問題があるから、こういう売上予測モデルは意味がない。

では、どういうことか。

例えば、商圏人口として、単なる2ｋｍ圏人口を算出して、それを説明変数にしても相関係数は0.2～程度で使い物にならないのは当然なのだ。

商圏は決して円ではない。例えば、同じ5分間でも車が東西南北で行ける距離は異なることから「時間圏」を描くことができる。

また、TGがあったり利便性の高い道があると商圏がある方向にだけ拡大することもあれば、山川や道路・鉄道などで分断されることもある。

そうした要素を入れていき最終的な商圏人口を特定する。

これを行うと、商圏人口の売上に対する相関係数は0.5を超えることもしばしばある。

これは他の立地要因につても言える。

また、売上に関係する説明変数は立地要因だけにとどまらない。

店舗の営業ヒストリーや店舗の営業上の特徴（デリバリーをやっているとか２４時間営業しているとか）も売上に十分影響する。

こういう売上に影響する説明変数の候補もたくさん見つけ出した。

これらを組み入れることによって、精度の高い正確な売上予測モデルを作ることができる。

もし、誰のアドバイスも受けずにこの作業をやるとしたらどんなに一所懸命やっても20年はかかるだろう。

それを1年で、早い時は３ヶ月で組み上げることができる。

売上予測モデルを作ろうとするなら、弊社にご一報ください。

ご予算に応じて、ご支援申し上げます。