売上予測は指数を使って立地を表現する

売上予測に指数は欠かせない。

むしろどう効果的に指数にして活用するかによって、売上予測の精度が決まってくると言っても良い。

指数とは、重要な立地上のコンセプト（概念）を既存の測定可能なさまざまな数値（生データ）を元にして組合せ、演算を施し、一つの数値として表したものである。

例えば、相関係数なども、一つの指数である。人間の身長という数値の並びと、その同じ人間の体重という数値の並びを、一定の演算をもとにして、どれだけ相関が強いかというコンセプトに基づいて数値化する。この指数が相関係数である。

立地で言えば、視界性評価の数字について、観測者の主観が入り込みやすい。人によって基準が違うのでバラバラになりやすい。

観測者自身の気分の具合によってもバラバラになるおそれがある。

そこで、視界性評価の指数として、ロードサイドの場合によく使う指数化だが、土地の間口（L）と、道路から店がセットバックした距離（M）を計測して、このLとMの関係を考える。Lが長いほど、店の視界性評価が良い場合が多い。しかし、間口がセットバックしている（Mが大きい）と、店の視界性評価は低くなる。そこで、L/M　という演算を行えば、視界性評価を代用できる。つまり、L/Mが、視界性評価の「指数」というわけである。

もちろん、視界性評価は、こればかりで決まるものではないので、指数と言っても万能とは言えないが、これを使うほかない。

国勢調査のデータにしても同じことが言える。

単に、2ｋｍ圏の人口が多ければ、お客が増えやすいということもできるが、商圏の指数を2ｋｍ圏人口だけとするのも単純すぎる。

そこで、人口を３つの圏でデータをとり、「0.5ｋｍ圏の人口×1.5+1ｋｍ圏人口×1.2+2ｋｍ圏人口×1」を商圏人口という指数にすると、「店舗に近いところに住んでいる人ほどお客になりやすい」というコンセプト（概念）を表現しているのがわかるだろう。

また、設計データについても言える。

店が3階建ての建物になっている場合、「各階の面積が売上に影響する度合いは異なり、路面に近い方が強く影響する」というコンセプトを表現するには、

「1階の面積+2階の面積×0.8+３階の面積×0.6」と言う具合に、指数化することが良いことがわかるだろう。

こうやって、さまざまな売上に影響する指数を探し出すと、それぞれの立地のコンセプトが重要な影響を及ぼすことがわかるのである。

指数化の仕方、どういう立地のコンセプトが必要であるかを見つけ出す、考え出すかによって、売上予測の精度は格段に異なってくる。

なんでもかんでもデータを集めさえすれば、重回帰モデルが作れると思っている人がいるようだが、これは大きな間違いである。

立地を深く考え、たくさんの分析を行っていないと、こうした指数化はすんなりとはいかないものだ。

立地でなくても指数はいろいろ使われている。

グラフは、主要OECD各国のそれぞれの通貨で比較（2000年を1とした場合の2017年の伸び）した場合の賃金を指数として表したものだ。

「世界で日本の賃金だけが下がっている」というコンセプト（概念）を見事に示している。