売上予測の分析とはかくの如く繰り返される

売上予測の分析とは、売上に相関する要因（主に「立地・商圏」に関連する要因）を見つけ出すことに尽きる。

これをただ直観的に見つけ出そうという直観的分析は成功しないことが多い。

昔から言われている交通量・通行量であるとか、商圏人口は、まず難しいと思って間違いない。

「競合店が多いと売上にマイナスになる」という直観も同様である。

高所得者世帯が多いと売れる、世帯人員が多いと売れる、高層住宅に住む人が多いほど売れる、乗用車保有率が高いと売れる、女性比率が高いと売れる、年間降雪日数が多いと売れない、牛肉消費量が多いと売れる、20～24歳人口が多いと売れる、学生数が多いと売れるというような1990年代ではよく主張された直観は、まず、役に立たない。

では、売上予測でどう分析すれば良いのか。

残差の大きいサンプル店舗に集中して考えることだ。

重回帰分析において、最初の2,3の変数は見つかりやすい。

すると、重相関係数0.4くらいの段階で、曲がりなりにも、重回帰モデルは作られる。

この重回帰モデルで得られた理論値と実績値の違いを、誤差とは言わずに「残差」と呼ぶ。

分析する「残り」があるという意味が込められているから、誤差ではなく、残差だ。

この残差のやたらと大きいサンプルが必ずある。このサンプルの置かれた状況を、立地と商圏という視点から分析するのである。

物件を観察し、写真に撮り、周辺を観察し写真を撮り、前を通る人、前を通る車を観察し、分析する。

「なぜ、ここでは、かくも大きな残差が出ているのか」

デスクに戻ってきてからも考える。写真を見て、地図を開いて、統計データを見て分析する。

地形は何か影響していないか。近くに何かないか。考える。

統計値になにか違ったところはないか。分析する。

時に、店舗に電話をかけ店長に話を聞いて分析する。店舗のオープンに携わった当時の開発マンにインタビューをして分析する。

大きい要因を見つけ出すまで分析する。

これはと思ったら、その要因に該当するデータを見つけ出し、重回帰分析にかけてみる。

これで見事、そのサンプルの大きな残差が消えればよし、消えなければ、また最初から、分析を行う。

売上予測の分析とは、かくのごとく繰り返されるものなのだ。