Модель Хаффа: формула и пример расчёта

Модель Хаффа - способ оценить вероятность того, что покупатель из определённого района выберет конкретный магазин среди конкурирующих точек. Она сопоставляет привлекательность каждого магазина с затратами на поездку: крупный торговый центр может притянуть людей издалека, но близость небольшого магазина тоже имеет значение. Результат зависит от всех включённых альтернатив. В калькуляторе ниже можно изменить расстояние до одного из двух магазинов и посмотреть, как перераспределяются вероятности.
Как работает модель Хаффа
Представим район, жители которого выбирают между несколькими торговыми центрами. Модель сначала присваивает каждому центру вес привлекательности с учётом расстояния, а затем делит этот вес на сумму весов всех доступных центров. Вероятность выбора - относительная величина: одна и та же точка может получить меньшую долю после появления сильного конкурента, даже если её собственные характеристики не изменились.
В отличие от жёсткой схемы «каждый идёт в ближайший магазин», модель допускает пересечение торговых зон. Один житель может предпочесть близкую точку, другой - более крупную и далёкую. Дэвид Хафф исследовал вероятностное определение торговой зоны в статье 1964 года. Это модель пространственного взаимодействия, а не закон, который гарантирует поведение каждого человека.
Формула и смысл показателей
Для района и магазина распространённая форма модели записывается так:
Здесь - вероятность выбора магазина покупателем из района среди включённых вариантов; - показатель привлекательности магазина; - расстояние или время поездки. Параметр задаёт влияние привлекательности, а при положительном значении - силу уменьшения веса с расстоянием. Знаменатель складывает веса всех рассматриваемых магазинов. Такая запись используется, например, в описании пространственной модели Esri.
При и вес равен . Если расстояние до одного магазина удвоится, его вес уменьшится в четыре раза; вероятность при этом уменьшится не обязательно в четыре раза, потому что изменится и общий знаменатель. При расстояние в этой форме на результат не влияет. При положительном нулевое расстояние недопустимо: деление на ноль требует отдельного решения, например обоснованного минимального времени поездки.
Модель выдаёт числа от нуля до единицы, которые в пределах заданного набора альтернатив складываются в единицу. По смыслу это условная вероятность: выбор рассматривается при заданном наборе магазинов, характеристик и параметров. Если часть покупателей заказывает товары онлайн или не совершает покупку, эти варианты нужно отдельно учесть либо явно ограничить интерпретацию результата.
Пример расчёта для двух магазинов
Пусть привлекательность измеряется торговой площадью. У магазина А она равна 4 000 м², у магазина Б - 9 000 м². От рассматриваемого района до них соответственно 2 и 3 км. Возьмём , и вычислим веса:
Сумма весов - 2 000. Значит, , а . Несмотря на большую площадь Б, его дополнительное расстояние в этом примере уравновешивает преимущество: каждому магазину соответствует 50 %. Это искусственные учебные данные, а не наблюдения реальных покупателей.

Теперь увеличим только расстояние до А до 4 км. Его вес станет , вес Б останется 1 000. В новой сумме 1 250 доля А составит , а доля Б - . Для проверки полезно сложить доли: сумма должна быть 100 % с точностью до округления. Если нужно перевести их в углы диаграммы, пригодится разбор задач на круговую диаграмму.
От вероятностей к торговой зоне и продажам
Одного района недостаточно для карты. Территорию разбивают на районы или ячейки, для каждого находят расстояние до всех конкурентов и рассчитывают вероятности. Затем на карту наносят линии равных вероятностей или сравнивают доли по ячейкам. Торговая зона в таком представлении не обязана иметь одну естественную границу: например, исследователь может показать районы с вероятностью выбора выше 50 % и отдельно районы с более низкой вероятностью. Порог следует назвать явно.
Чтобы получить условный потенциал продаж магазина, вероятность из каждого района умножают на годовые расходы его жителей в нужной товарной категории и складывают результаты:
где - расходы района, а - оценка потенциальных расходов в магазине. Если в одном районе расходы составляют 10 млн рублей в год и вероятность выбора А равна 50 %, вклад района в оценку - 5 млн рублей в год. Это не прибыль: здесь нет затрат, налогов и других статей. Даже как оценка выручки результат требует проверки, в частности охвата конкурентов и доли расходов вне рассматриваемой сети точек. Документация Esri о модели Хаффа описывает использование вероятностей для оценки рыночного потенциала.
Какие данные нужны для применения
Привлекательность не обязана равняться площади: в зависимости от задачи используют ассортимент, число парковочных мест, цены и другие признаки. Важно выбрать измеряемые показатели, соответствующие товарной категории, и не смешивать их без объяснения. Площадь может быть хорошим приближением для одних центров и плохим для специализированных магазинов. Несколько факторов можно включить в расширенную мультипликативную модель, но тогда каждый параметр потребует обоснования.
Расстояние по прямой удобно для учебного примера, однако реальная поездка проходит по сети дорог и зависит от мостов, транспорта и пробок. Время в пути иногда лучше отражает усилие покупателя. Все точки в одном расчёте следует сравнивать в одинаковых единицах и по одной методике. При одинаковом положительном масштабировании всех расстояний вероятности не изменятся, но смешение километров и минут для разных магазинов делает сравнение бессмысленным.
Не менее важен список альтернатив. Исключение заметного конкурента искусственно перераспределит его долю между оставшимися магазинами. Данные о населении и расходах тоже должны относиться к нужной территории, периоду и категории товаров; общий доход района нельзя автоматически считать бюджетом на конкретный товар.
Калибровка и проверка результата
Показатели и не универсальны. Для покупки повседневных продуктов и редкой поездки за мебелью чувствительность к дороге может различаться. Калибровка подбирает параметры по наблюдаемым данным о посещениях или покупках, характеристикам точек и поездкам. В документации по калибровке Esri описан такой подбор показателей по существующим объектам и клиентам.
Чтобы оценить качество, параметры подбирают на одной части данных, а прогноз сравнивают с независимыми наблюдениями. Сравнивайте ошибки по районам, а не только общую сумму: хороший итог может скрывать сильные локальные промахи. Проверьте несколько наборов конкурентов и сценариев поездки. Методы отбора факторов в регрессии помогают продумать выбор признаков, хотя сама форма оценки зависит от имеющихся данных и модели. Для понимания работы с нелинейными зависимостями полезен разбор линеаризации регрессии: преобразование формулы само по себе ещё не доказывает, что модель подходит данным.
Даже откалиброванная модель не доказывает причинность. Сеть могла открыть магазин там, где спрос уже был высок; площадь также может сопровождаться лучшим ассортиментом или рекламой. Расчёт полезен для сравнения сценариев, но решение о площадке стоит сопоставить с наблюдениями, экономикой проекта и проверкой чувствительности к допущениям.
Частые ошибки
- Делить вес только на собственный показатель. В знаменателе нужны веса всех рассматриваемых альтернатив для одного района.
- Считать вероятность гарантией. Доля описывает модельное распределение выбора, а не действия конкретного человека.
- Забывать конкурентов и покупки вне модели. Тогда проценты относятся лишь к оставшемуся набору вариантов.
- Подставлять нулевое расстояние в степенную формулу. Нужно заранее определить обоснованный способ обработки такой точки.
- Принимать условные параметры за измеренные. Учебное не заменяет калибровку на данных.
FAQ
Что показывает модель Хаффа?
Она оценивает вероятность выбора каждой точки из заданного набора с учётом её привлекательности, расстояния и характеристик конкурентов. Результат применим к конкретному району и выбранным предпосылкам.
Может ли более далёкий магазин получить большую долю?
Да. Его преимущество по привлекательности может перевесить дополнительное расстояние. Насколько именно, зависит от показателей и и от других альтернатив.
Равна ли вероятность доле рынка?
В простом агрегированном расчёте её используют как ожидаемую долю соответствующих расходов района при принятых допущениях. Фактическая доля продаж может отличаться: люди покупают в нескольких местах, а часть каналов и факторов может отсутствовать в модели.
Коротко
Модель Хаффа нормирует веса магазинов, зависящие от привлекательности и расстояния, и позволяет оценивать перекрывающиеся торговые зоны. В примере с площадями 4 000 и 9 000 м² и расстояниями 2 и 3 км веса равны, поэтому доли составляют по 50 %. Для практического прогноза нужны полный набор альтернатив, подходящие данные и проверка откалиброванных параметров.
Читайте также

Модель Хотеллинга: линейный город и конкуренция
Модель Хотеллинга объясняет конкуренцию через расположение и цену. Разбираем линейный город, границу спроса, равновесие цен и ограничения модели на примере.

ABC-анализ запасов: расчёт и пример
ABC-анализ запасов по стоимости годового расхода: формулы, пример с накопленными долями, правило границ групп A, B и C и применение результатов на складе.

Абсолютное преимущество Смита: пример и расчёт
Абсолютное преимущество Смита простыми словами: как сравнить затраты труда, рассчитать выигрыш от специализации и отличить его от сравнительного преимущества Рикардо.

Аддитивная факторная модель: формула и пример расчёта
Аддитивная факторная модель в экономике: как разложить показатель на слагаемые, рассчитать вклад каждого изменения и проверить результат на примере прибыли.

Аналитическое выравнивание ряда по прямой: пример
Как выровнять динамический ряд по прямой методом наименьших квадратов: кодировка времени, расчёт коэффициентов, таблица уровней, проверка остатков и пример прогноза на следующий период.

Анализ чувствительности инвестиционного проекта
Как провести анализ чувствительности инвестиционного проекта: расчёт NPV, сравнение факторов, порог выручки и ограничения однофакторной модели на числовом примере.