1。前提

以下一切数据均来自于虚构的平行世界。
切勿当真。

2。为什么要新开店

• 1）假设红色星星是店的所在地，红色圆圈是该店顾客所在地（假设顾客只选取附近的咖啡店光顾）：
  
  首家店

• 2）如果我们想吸引更多顾客获取更多订单，而顾客又不肯走得太远，这时候我们必须贴近顾客，开多一家店：
  
  第二家店
  
  此时覆盖的范围更广了，能吸引更多的客户了，订单多了，钱赚多了（圆圈范围扩大）。

• 3）贪得无厌的人类想开得更多店赚更多的钱了：
  
  开的店多了
  
  店开得多了，结果却发现覆盖区域有重复了，Shit。

3。开得越来越多新店会引起什么呢？

• 总的顾客数量会提升
  因为开的新店越多，覆盖的面积就越多，能勾引越来越多的本来不在覆盖范围的顾客。
• 每家店的顾客数量会下降
  因为重复区域会越来越多，使得同一位置的顾客有可能选择不同位置的咖啡馆。

4。开得越来越多新店会引起什么呢？

看下在某个时间点，广东某品牌咖啡店每天的顾客数量：

某月数据

可以看出，顾客数量多的店铺会较少，且有较多店铺每天顾客数量较少（100个以内）。

这样看起来不舒服，我决定把坐标轴换一下，先对每天顾客数量取一个对数变换，变换后得出：

订单数对数变换

可以看出 X 坐标轴越靠近 0 的点越密集。
但是其实也不好看，于是我们决定继续对 X 跟 Y 轴进行归一化再对数处理。
得出：

哎呀！我们得出一个一元二次方程了！

5。为什么我们需要进行对数处理？

因为非对数处理时，虽然也可以作为一个高斯分布来做回归得出分布，但其实大多数咖啡店仍然是集中在日顾客数量 0-100 ，我们的模型可能不能很好的对日顾客数量低的店铺进行分析。

6。研究不同店铺数量时的分布

同一地点不同店铺数量间分布

蓝色为4年前数据，红色为2年前数据，绿色为当前年份数据。
可以看出，不同年份的曲线均很好的符合一元二次方程分布，若我们对该方程3个较为特征的点（与X轴交点、顶点）进行回归：

红色点为较为特征的点

7。什么都看不出

我开出了多少家店，实际上每天会吸走其他店铺多少顾客，其实这个数是看不出来的。我只是睡不着在瞎说。当然如果有人能给个打赏会很好，我最近缺钱，烦请点击下方，然后输入金额，然后支付。