Más

Seleccionar por atributo dentro de un área específica (usando ¿Seleccionar por ubicación?)

Seleccionar por atributo dentro de un área específica (usando ¿Seleccionar por ubicación?)


Tengo un mapa con cuatro capas. Dos de estas capas cubren todo un estado y las otras dos se enfocan en el área que realmente me interesa dentro del estado.

Estoy tratando de seleccionar por atributo con una de las capas enfocadas más grandes.

¿Hay alguna forma de que pueda seleccionar por atributo pero solo dentro de los límites de las capas más pequeñas? Creo que hay una manera, posiblemente usando Seleccionar por ubicación, pero parece que no puedo averiguar cuál es.

Con la esperanza de que haya una manera de hacer esto dentro de la GUI de ArcMap en lugar de cualquier secuencia de comandos de Python, aunque estoy bastante seguro de que usar una secuencia de comandos de Python lo haría mucho más fácil.


Sí, si solo desea hacerlo con selecciones, debe ejecutar múltiples selecciones y cambiar el método / conjunto inicial.

Primero seleccione por ubicación usando dentro de su límite más pequeño. O si tiene dos que se superponen un poco, seleccione todo dentro de uno y luego ejecute otra selección usando el método 'seleccionar de las características seleccionadas actualmente en', como se explica en Encontrar objetos dados tanto en un polígono como en un búfer. Los archivos de ayuda para Seleccionar por ubicación ofrecen una descripción general (con imagen) de varios métodos.

Una vez que haya reducido su conjunto de selección en función de las ubicaciones, puede cambiar a Seleccionar por atributo y usar el mismo proceso: cambie el método para seleccionar solo del conjunto seleccionado actualmente con los criterios de atributo que desee. Los archivos de ayuda para Seleccionar por atributo muestran ejemplos similares de métodos disponibles.

Ambas herramientas te permiten:

  • crea una selección completamente nueva
  • agregar a una selección
  • eliminar de una selección
  • seleccionar de la selección actual

Siempre que no deseleccione nada en el camino, puede crear conjuntos de selección muy complicados dependiendo de cuántos pasos dé; similar a las consultas SQL complejas pero ejecutando cada parte individualmente.


Mencionas las secuencias de comandos de Python, que sería una buena manera de abordar esto.

Sin embargo, si aún no está familiarizado con Python, puede mirar Model Builder, ya que esto le brindará una GUI más fácil para comenzar.

Aquí hay un ejemplo rápido de un modelo que usa Seleccionar por atributos para reducir una capa, luego usa el resultado de esto para Seleccionar por ubicación:

Es de esperar que el flujo de izquierda a derecha tenga sentido y automatice el proceso que Chris ha descrito en su respuesta.


Debería poder omitir el *, pero si recuerdo correctamente, dependiendo de la versión de jQuery que esté usando, esto podría dar resultados incorrectos.

Tenga en cuenta que por compatibilidad con la API de selectores (document.querySelector <, all>), las comillas alrededor del valor del atributo (22) no pueden omitirse en este caso.

Además, si trabaja mucho con atributos de datos en sus scripts de jQuery, es posible que desee considerar el uso del complemento de atributos de datos personalizados HTML5. Esto le permite escribir código aún más legible usando .dataAttr ('foo'), y da como resultado un tamaño de archivo más pequeño después de la minificación (en comparación con el uso de .attr ('data-foo')).


Opciones de acceso

Comprar un solo artículo

Acceso instantáneo al PDF del artículo completo.

El cálculo de impuestos se finalizará durante el pago.

Suscribirse a la revista

Acceso en línea inmediato a todos los números a partir de 2019. La suscripción se renovará automáticamente anualmente.

El cálculo de impuestos se finalizará durante el pago.


Adaptado de esta publicación sobre Procesamiento de JSON con jq, puede usar select (bool) de esta manera:

Para obtener un flujo de solo los nombres:

Para obtener un flujo de pares correspondientes (nombre de clave, atributo "nombre"), considere:

Tenía una pregunta relacionada similar: ¿Qué pasa si desea recuperar el formato de objeto original (con nombres de clave, por ejemplo, FOO, BAR)?

Jq proporciona to_entries y from_entries para convertir entre objetos y matrices de pares clave-valor. Que junto con el mapa alrededor de la selección

Estas funciones convierten entre un objeto y una matriz de pares clave-valor. Si se pasa un objeto a to_entries, entonces para cada entrada k: v en la entrada, la matriz de salida incluye <"clave": k, "valor": v>.

from_entries realiza la conversión opuesta, y with_entries (foo) es una abreviatura de to_entries | mapa (foo) | from_entries, útil para realizar alguna operación en todas las claves y valores de un objeto. from_entries acepta clave, clave, nombre, nombre, valor y valor como claves.


Avanzado: orientación a varias ubicaciones de forma masiva

Google Ads le permite agregar una lista masiva de hasta 1,000 ubicaciones objetivo a la vez, en lugar de agregar cada ubicación una por una. También ofrecemos herramientas para la edición masiva. Haga clic en una de las opciones siguientes para obtener más información.

  1. En el menú de la página a la izquierda, haga clic en Ubicaciones.
  2. Haga clic en el nombre de la campaña que desea editar, luego haga clic en el ícono de lápiz azul.
  3. Seleccione la casilla junto a "Agregar varias ubicaciones".
  4. En el cuadro, pegue o escriba los nombres de hasta 1,000 ubicaciones a las que le gustaría orientar sus anuncios (con cada ubicación en una línea separada) y agregue ubicaciones de un país a la vez. Consulte la lista de ubicaciones a las que se puede orientar.
    • Para orientar sus anuncios a más de 1000 ubicaciones, puede agregar ubicaciones objetivo de forma masiva varias veces. Por ejemplo, si desea orientar sus anuncios a 1200 ubicaciones, agregue sus primeras 1000 orientaciones geográficas. Cuando haya terminado, agregue las 200 ubicaciones restantes.
    • Para orientar anuncios a una ciudad o código postal, incluya también el nombre completo del país o estado, por ejemplo, Oxford, Inglaterra o 94103, California.
  5. Si desea restringir sus resultados a un país, haga clic en el campo debajo del cuadro de entrada de ubicación y seleccione el país que desee.
  6. Hacer clic Búsqueda.
  7. Mostraremos todas las ubicaciones que coincidieron con su búsqueda en el panel de revisión. Revise sus resultados, luego haga clic en Apuntar a todos para orientar sus anuncios a todas las ubicaciones que coincidieron con su búsqueda, o Excluir todo para excluir todas las ubicaciones que coincidieron con su búsqueda. Para orientar los anuncios a ubicaciones individuales desde el panel de revisión, haga clic en Objetivo junto a la ubicación que desea agregar como objetivo.
    • Si buscó ubicaciones objetivo que no se encontraron, las encontrará en el cuadro donde ingresó la lista de ubicaciones.
    • Al hacer clic en el botón "x" gris, se eliminarán todas las ubicaciones del panel de revisión, así como de sus ubicaciones objetivo existentes o exclusiones de ubicación.
  8. En "Ubicaciones de orientación", verá las ubicaciones de orientación que acaba de agregar.
  9. Hacer clic Salvar.

Atributo Especificación Valores de muestra
Dirección Línea 1 La dirección postal completa y exacta de la ubicación (máximo 80 caracteres). 43 River Street
Línea de dirección 2 El número de buzón o suite, si es necesario (máximo 80 caracteres). B3
Pueblo / Ciudad / Suburbio La ciudad de la ubicación. Melbourne
Provincia del estado El estado o la provincia de la ubicación. Nueva Gales del Sur
Código postal El código postal de la ubicación. Si comienza con cero, asegúrese de que el formato de la hoja de cálculo no elimine el cero como primer dígito. 6437
País El código de país. También puede utilizar el código de país ISO 3166-1 alpha-2. AU

Utilice la tabla de orientación geográfica para encontrar todas las ubicaciones a las que puede orientar sus anuncios y cómo debe hacer referencia a ellas en su plantilla.


Configurar la orientación geográfica

Haga clic en una de las opciones siguientes para obtener instrucciones sobre la orientación geográfica. Tenga en cuenta que los tipos de orientación geográfica disponibles varían según el país.

Tiempo sugerido para la tarea: 5-7 minutos

  1. En el menú de la página a la izquierda, haga clic en Campañas.
  2. Haga clic en el nombre de la campaña que desea editar.
  3. En el menú de la página a la izquierda, haga clic en Ajustes.
  4. Haga clic en la flecha desplegable junto a "Ubicaciones".
  5. Ingrese el nombre del país al que le gustaría orientar sus anuncios.
  6. Hacer clic Salvar para agregar la ubicación.

Vale la pena tener en cuenta que seleccionar una ubicación pequeña puede significar que sus anuncios solo se muestren de forma intermitente o que no se muestren en absoluto. Esto se debe a que es posible que los objetivos pequeños no cumplan con nuestros criterios de segmentación.

  1. En el menú de la página a la izquierda, haga clic en Ubicaciones.
  2. Haga clic en el nombre de la campaña que desea editar.
  3. Haga clic en el icono de lápiz azul.
  4. Ingrese el nombre de la ubicación a la que le gustaría orientar sus anuncios. Si ingresa el nombre de una ciudad, agregue también el nombre del país. No desea apuntar a París, Francia, si está tratando de vender sombreros de vaquero a clientes en París, Texas.
  5. Hacer clic Salvar para agregar la ubicación.

A continuación, le mostramos cómo configurar la orientación geográfica para varias campañas al mismo tiempo:

  1. En el menú de la página a la izquierda, haga clic en Campañas, luego Ajustes.
  2. Marque la casilla junto a las campañas que desee cambiar.
  3. Haga clic en el Editar menú desplegable, luego elija Cambiar de ubicación.
  4. En el cuadro que aparece, elija si desea establecer nuevas ubicaciones para las campañas seleccionadas o agregar nuevas ubicaciones adicionales a esas campañas.
  5. Escriba una ubicación en el campo de texto. Después de seleccionar una ubicación, aparecerán campos de texto adicionales donde puede agregar más ubicaciones.
  6. Opcional: le recomendamos que haga clic en Avance para ver cómo cambiará la ubicación de sus campañas.
  7. Hacer clic Solicitar.

En la página de configuración de la campaña, puede hacer clic en el ícono de filtro para mostrar solo las campañas que coinciden con criterios específicos. Esto puede facilitar la realización de cambios masivos en determinadas campañas.

Seleccionar un radio

Cuando se orienta a un radio, vale la pena tener en cuenta que si selecciona un radio pequeño, es posible que sus anuncios solo se muestren de forma intermitente o que no se muestren en absoluto. Esto se debe a que es posible que los objetivos pequeños no cumplan con nuestros criterios de segmentación.

  1. En el menú de la página a la izquierda, haga clic en Ubicaciones.
  2. Haga clic en el nombre de la campaña que desea editar.
  3. Haga clic en el ícono de lápiz azul, luego seleccione Radio.
  4. En el cuadro de búsqueda, ingrese la dirección de la ubicación que le gustaría usar para el centro del radio. Ingrese el radio que le gustaría orientar y seleccione una unidad de medida en el menú desplegable.
  5. Verifique el mapa para asegurarse de que está apuntando al área correcta. Cuando esté listo, haga clic en Salvar para agregar el radio objetivo.
  6. Hacer clic Salvar.

obtendrá todos los elementos con ese atributo.

solo obtendrá los que tengan un valor de 1.

para obtener una lista de todos los elementos que tienen el atributo data-foo

Si desea obtener un elemento con un atributo de datos que tenga algún valor específico, por ejemplo

y quiero obtener div con data-foo establecido en & quot2 & quot

Pero aquí viene el giro, ¿qué pasa si quiero hacer coincidir el valor de attirubte de datos con el valor de alguna variable como si quisiera obtener el elemento si el atributo de datos-foo está configurado en i?

para que pueda seleccionar dinámicamente el elemento que tiene un elemento de datos específico utilizando literales de plantilla

Tenga en cuenta que incluso si no escribe el valor en una cadena, se convierte en una cadena como si escribiera

y luego inspeccione el elemento en la herramienta de desarrollo de Chrome, el elemento se mostrará como se muestra a continuación

También puede realizar una verificación cruzada escribiendo el siguiente código en la consola

por qué he escrito 'dataFoo' aunque el atributo es data-foo por qué las propiedades del conjunto de datos se convierten en propiedades de camelCase

Me he referido a los siguientes enlaces

Esta es mi primera respuesta en stackoverflow, hágamelo saber cómo puedo mejorar mi forma de escribir la respuesta.


Exactamente funcionará, pruebe los siguientes métodos

Para seleccionar 2 opciones desencadenar opción necesita usar

Utilizando jquery-2.1.4, Encontré que la siguiente respuesta me funciona:

Si tiene un valor de cadena, intente lo siguiente:

Otros ejemplos no me funcionaron, por eso agrego esta respuesta.

Para configurar el valor de selección con disparo seleccionado:

Para configurar la opción desde un alcance:

Este código usa el selector para encontrar el objeto seleccionado con condición, luego cambia el atributo seleccionado por attr ().

Además, recomiendo agregar el evento change () después de configurar el atributo como seleccionado, al hacer esto, el código se cerrará para cambiar la selección por usuario.

Respondiendo a mi propia pregunta para la documentación. Estoy seguro de que hay otras formas de lograr esto, pero esto funciona y este código está probado.

Yo uso esto, cuando conozco el índice de la lista.

Esto permite que la lista cambie y active el evento de cambio. El ": nth (n)" cuenta desde el índice 0


Encontrar características

Puede utilizar valores de atributo para buscar entidades cuyos atributos coincidan con su valor especificado.

Pasos

  1. Haga clic en la herramienta Buscar para abrir el cuadro de diálogo Buscar y haga clic en la pestaña Funciones.
  2. Ingrese el valor que desea encontrar. Para búsquedas de texto, puede especificar un subconjunto de caracteres en su búsqueda. Por ejemplo, Dall encontrará coincidencias como Dallas, Kendall y Dallam.
  3. Identifique las capas que se utilizarán en su búsqueda y si se utilizarán o no todos los campos o un campo específico.
  4. Opcionalmente, marque la casilla de verificación Buscar características que sean similares o contengan la cadena de búsqueda.

Cuando se marca, las capacidades de búsqueda de la operación Buscar utilizarán un operador LIKE en lugar de un operador EQUALS. Esto es útil cuando no conoce una ortografía específica o desea ingresar una cadena de texto de búsqueda mucho más larga o completa. Esta opción solo funciona con campos definidos como texto o cadenas.


7. Métodos de análisis de ubicación, técnicas y aplicaciones industriales de datos de ubicación

Análisis de movimiento y visitas

Identifique las tendencias en el tráfico peatonal para determinar los lugares de interés populares o las rutas más transitadas. Un método común de visualizar el tráfico peatonal es a través de mapas de calor.

Utilizando los conocimientos adquiridos, las empresas podrían analizar el tráfico potencial y la rentabilidad de las ubicaciones minoristas o publicitarias, estimar los días u horas pico.

Las empresas también podrían realizar análisis de tráfico de movimiento para descubrir el comportamiento de la audiencia y el patrón de visitas. Estos hallazgos proporcionan más profundidad a la hora de segmentar audiencia y clientes.

Estudio origen-destino (estudio O-D)

El estudio de origen-destino se utiliza para comprender los patrones de viaje de las personas. Se utilizan comúnmente para la planificación del transporte, sin embargo, su utilidad va más allá.

Tradicionalmente, los estudios de O-D se realizan manualmente a través de encuestas en la carretera. El crecimiento del GPS y la tecnología de rastreo hace que los estudios O-D consuman menos tiempo y brindan resultados mucho más precisos.

Seguimiento de intereses semanales

Uno de los aspectos más poderosos de los datos de ubicación es su capacidad para obtener información sobre el interés y la intención. A medida que los usuarios visitan ciertas ubicaciones, se pueden hacer suposiciones sobre sus comportamientos para derivar ideas, intereses, intenciones y más probables.

Para ilustrar esto, veamos el siguiente ejemplo:

Se ven dos dispositivos visitando las salas de exhibición de automóviles por la tarde. Vemos que ambos dispositivos pasan tiempo en cada ubicación, visitando Peugeot (marca de mercado medio) y BMW y Mercedes-Benz (marcas de lujo). También vemos que, según sus marcas de tiempo, las personas han pasado más tiempo visitando las marcas de lujo, aproximadamente 1 hora en BMW y Mercedes, frente a 5 minutos en Peugeot.

Con base en este análisis, se pueden derivar suposiciones de que estas personas están en el mercado de automóviles y es probable que estén interesadas en automóviles de lujo. Esta es una fuerte indicación de interés e intención que las marcas pueden utilizar para sus conocimientos (por ejemplo, comprender el tiempo de permanencia) y los especialistas en marketing (por ejemplo, para crear segmentos), y muchos más.

A medida que COVID-19 comience a disminuir y avancemos hacia una nueva normalidad, veremos cambios en los comportamientos de las personas. Por lo tanto, será importante seguir analizando y entendiendo rápidamente los nuevos hábitos, patrones de movimiento, intereses y comportamientos que podrían afectar la forma en que las empresas reabren sus negocios y continúan operando.

Al observar los patrones de afluencia de ubicaciones de tiendas minoristas (en el caso anterior, IKEA Copenhague e IKEA Estocolmo), los datos de ubicación se pueden utilizar para evaluar el índice de visitas o la actividad comercial de ubicaciones de tiendas particulares en comparación con períodos de tiempo anteriores. Como los datos de ubicación son variables (es decir, cambian continuamente), es importante establecer una línea de base o normalizar y suavizar los datos para el análisis. Las técnicas que suelen utilizar los estadísticos para normalizar y suavizar incluyen:

Ejemplo de suavizado (nota, S-G significa filtro Savitzky-Golay)

Además de mirar espacios comerciales específicos, cuando se hace un seguimiento del progreso económico, también puede ser interesante realizar un análisis similar en puntos de interés como: centros de transporte, complejos industriales, parques industriales, redes de carreteras, distritos comerciales centrales, etc. Estas actividades A su vez, se puede utilizar para predecir / comprender la actividad económica, pronosticar la demanda y comprender cómo las estrategias de reapertura están teniendo un impacto en los diferentes sectores económicos.

Seguimiento de clústeres

El análisis de conglomerados, o agrupamiento, se refiere a agrupar un conjunto de objetos de tal manera que los objetos del mismo grupo (llamado conglomerado) son más similares (en cierto sentido) entre sí que a los de otros grupos (conglomerados). En todos los casos, los clústeres deben agruparse por un atributo o conjunto de atributos.

En el contexto de los datos de ubicación, el análisis de conglomerados se utiliza para comprender los patrones de movimiento de cierto grupo de personas con rasgos similares (por ejemplo, ubicación de trabajo, tiempo dedicado a determinadas áreas, etc.).

Recientemente, hemos visto algunos usos interesantes de la agrupación en clústeres, por ejemplo:
• Comprender la posible propagación de una enfermedad desde un grupo.
• Comprender el transporte que usan las personas que viven en el mismo vecindario.
• Comprender la ubicación de las casas de las personas que trabajan en los distritos comerciales centrales (CBD)
• Comprender el comportamiento de las personas que asistieron a un concierto.
• Encontrar personas que tengan más probabilidades de ser familiares o compañeros de trabajo

Algunos métodos para realizar un análisis de conglomerados sobre los datos de ubicación incluyen:

Método A: análisis basado en identificación

Al analizar un evento o lugar específico, p. Ej. ubicaciones de las personas que trabajan en CBD, puede geovallar la ubicación del evento y encontrar los dispositivos únicos dentro del área. Con estos identificadores de dispositivos y datos históricos (o también datos futuros), puede determinar de qué ubicaciones provienen estos dispositivos al hacer coincidir estos dispositivos con áreas, ciudades, vecindarios, etc. específicos.

En el ejemplo anterior, geofencing el área de CBD de Sydney, primero identifica todos los ID de dispositivos únicos en el área de CBD y, por lo tanto, se considera que está trabajando en el área. Para esto, el tiempo es importante y es posible que desee mirar los dispositivos que se ven en el área al menos 2 veces durante los días de semana entre las 9 a. M. Y las 5 p. M. En base a esto, puede buscar los ID de esos dispositivos en las otras áreas (área 1 - 5) para determinar la cantidad de personas que trabajan en el CBD por área.

Método B: algoritmos de densidad

El agrupamiento espacial de aplicaciones con ruido basado en densidad (DBSCAN) es un algoritmo de agrupamiento de datos. Es un algoritmo no paramétrico de agrupamiento basado en densidad: dado un conjunto de puntos en algún espacio, agrupa los puntos que están muy empaquetados (puntos con muchos vecinos cercanos), marcando como valores atípicos los puntos que se encuentran solos en regiones de baja densidad. (cuyos vecinos más cercanos están demasiado lejos).

La metodología es particularmente útil para el análisis geoespacial porque le permite establecer criterios para un grupo (por ejemplo, un mínimo de 4 personas en un radio de 200 metros). A diferencia de otras metodologías de agrupación en clústeres, DBSCAN no requiere que especifique el número de clústeres en los datos a priori. DBSCAN puede encontrar grupos de formas arbitrarias. Incluso puede encontrar un clúster rodeado por (pero no conectado) a un clúster diferente.

Este algoritmo ha sido útil en las luchas contra COVID-19, con funcionarios de salud pública y epidemiólogos que utilizan este tipo de algoritmos para identificar grupos nuevos o desconocidos. En el ejemplo anterior, al identificar específicamente las áreas de los grupos A y B, los responsables de la formulación de políticas y los profesionales médicos pueden tomar decisiones mejor informadas sobre cómo optimizar la asignación de recursos médicos en ciudades y países.

Un punto de precaución rápido de DBSCAN es que no puede agrupar bien conjuntos de datos con grandes diferencias en densidades.

Para esto, necesitamos mirar el algoritmo OPTICS. Ordenar puntos para identificar la estructura de agrupación (OPTICS) es un algoritmo para encontrar agrupaciones basadas en densidad en datos espaciales. Es muy similar a DBSCAN pero le permite detectar clústeres en datos de densidad variable. Esta metodología es muy poderosa porque utiliza técnicas de diagrama de árbol (diagrama de alcance) que busca conexiones entre diferentes ID de dispositivos.

La imagen de arriba ilustra la ÓPTICA. En su área superior izquierda, se muestra el conjunto de datos de ejemplo. La parte superior derecha visualiza el árbol de expansión producido por OPTICS, y la parte inferior muestra el gráfico de accesibilidad calculado por OPTICS. Los puntos amarillos de esta imagen se consideran ruido y no se asignan a grupos.

Análisis de movilidad

El análisis de movilidad es un término que se utiliza a menudo en la planificación o el desarrollo de operaciones. Algunos buenos ejemplos son la planificación inteligente de la ciudad, la gestión de viajes o la planificación del transporte. Entidades como el gobierno deben realizar análisis de movilidad para tomar decisiones inteligentes sobre la ciudad y los proyectos de reurbanización urbana, y las firmas consultoras / analíticas minoristas realizan análisis de movilidad para investigación de mercado y captura.

Anteriormente, cuando los datos de ubicación eran escasos, las organizaciones tenían que depender de puntos de datos aproximados (por ejemplo, encuestas por muestreo y recuento de puertas) para tomar sus decisiones. ¡Pero con los datos de ubicación, la captura de datos nunca ha sido más rápida, barata y confiable!

Los dos casos de uso principales en los que los datos de ubicación móvil se pueden utilizar para el análisis de movilidad son la planificación del transporte y la planificación urbana.

Planificación del transporte

Con Covid-19 y las medidas de bloqueo impuestas por el gobierno, todas las principales tiendas minoristas se cerraron y la movilidad de las personas se vio afectada. Por lo tanto, vimos un aumento en el uso de datos históricos y en la línea de base con los datos del año anterior.

Hoy, cuando ingresamos a la fase de recuperación de Covid-19, la gente está comenzando a moverse afuera (aunque relativamente menos que antes) y el gobierno puede usar los datos de ubicación para comprender nuevos patrones de movimiento. En esta nueva normalidad, el análisis de movilidad se puede utilizar para la optimización de recursos o una mejor planificación de los servicios de transporte. Por ejemplo, los horarios de los autobuses y los lugares de recogida se pueden optimizar en función de nuevos comportamientos o para extender las líneas congestionadas.

Ejemplo visual de origen y destino en Singapur para comprender la movilidad del usuario

Metodología de muestra:

1. Considere todas las estaciones de autobuses como PDI y calcule la densidad de personas que esperaban el servicio de autobús el año pasado y el año actual. Esto ayuda a identificar la cantidad de servicios de autobús que se pueden reducir / aumentar de un lugar a otro.

2. Transforme los puntos de ubicación detectados en la estación de autobuses en pares de origen y destino. Para cada ID de dispositivo, obtenga la ubicación de la primera estación de autobuses y la ubicación de la última estación de autobuses y el tiempo intermedio.

3. Planificación de la ruta del pronóstico a través del modelo de viaje de cuatro pasos:

Urbanismo

Con la reapertura de la economía después de la pandemia, las personas esperan disfrutar de su tiempo al aire libre, conocer a sus familiares y amigos. Con esto, no hay duda de que se puede esperar un aumento en la afluencia de tiendas minoristas o ubicaciones de alimentos / bebidas. Sin embargo, con más personas interactuando, el riesgo de transmisión comunitaria aumenta potencialmente y, si empeora, una segunda ola de pico de coronavirus no llegará demasiado lejos.

Con los datos de ubicación, los gobiernos pueden realizar análisis de movilidad y comprender qué lugares densos pueden tener mayores riesgos de transmisión del coronavirus y agregar restricciones para evitar que los lugares estén superpoblados.

Metodología ap Realice análisis de conglomerados y encuentre lugares superpoblados y que presenten un riesgo potencial de transmisión del coronavirus:

un. Realice la agrupación en clústeres DBSCAN para encontrar un tamaño de clúster de alta densidad. Puede encontrar más información sobre la agrupación en clústeres de DBSCAN aquí.
B. Realice la agrupación en clústeres a través de OPTICS.
C. Un clúster DBSCAN de muestra con POSTGIS:

Construir audiencias, comprender el movimiento y la atribución

Creación de audiencias digitales para la segmentación

Una de las formas en las que los datos de ubicación móviles se utilizan con más frecuencia es con fines publicitarios y para generar audiencias a las que se pueda orientar.

Tradicionalmente, los anunciantes se dirigían a las personas solo en función de la demografía o la geografía. Por ejemplo, Honda Motors apuntaría a hombres, de 30 a 35 años, que vivan en las zonas urbanas de California.

El problema con el enfoque tradicional es que los anunciantes no saben si se dirigen a personas que muestran afinidad con sus productos o servicios. Pero con los datos de ubicación, la afinidad de las personas hacia un producto podría entenderse utilizando patrones de movimiento y etiquetándolos con los comportamientos correctos.

Los anunciantes podrían utilizar esta información para realizar una segmentación más personalizada y, a su vez, aumentar potencialmente su ROI publicitario.

Las audiencias tienen diferentes categorías como compradores de automóviles, restaurantes, compradores, viajeros, etc.

Considere una identificación de dispositivo que se ve visitando una sala de exhibición de Honda el 1 de julio. Esta identificación puede clasificarse como comprador de automóviles y como comprador de automóviles de gama media. Ahora, el mismo ID de dispositivo se detectó en el salón de belleza unos días después, luego se puede etiquetar un comportamiento adicional (belleza) en el ID de dispositivo existente. Al agregar más y más comportamientos a las ID de dispositivo, los anunciantes pueden crear una imagen más completa / completa de sus audiencias y proporcionar contenido más personalizado.

Las audiencias se pueden construir geofenzando los puntos de interés apropiados. Por ejemplo, para crear una audiencia de automóviles del mercado medio, las ID de dispositivos que se detectaron en las salas de exhibición de Honda y también en sus competidores como (Toyota y Hyundai) podrían ser geovalladas. Por lo tanto, también es evidente que una base de datos de puntos de interés es necesaria para crear audiencias basadas en la ubicación.

Una vez que haya dominado los conceptos básicos, puede comenzar a refinar aún más, pero agregando algoritmos adicionales. Uno de los algoritmos que podría agregarse es eliminar a los trabajadores potenciales en un taller de automóviles para que apuntemos a compradores potenciales y no a trabajadores. Para hacer esto, querrá identificar todos los ID de dispositivo dentro de estas tiendas (PDI) que están presentes constantemente a lo largo del tiempo. Por ejemplo, si se ve un ID de dispositivo en el concesionario Honda los lunes, martes, jueves y viernes una semana después, es posible que desee asumir que es un empleado del concesionario y excluirlo de su audiencia.

Otra consideración importante es que las audiencias tienen un ciclo de vida que difiere según el tipo de audiencias. Por ejemplo, una persona que planea comprar un automóvil suele tardar entre 3 y 4 meses en tomar una decisión. Por lo tanto, los compradores de automóviles tienen un ciclo de vida de 3 a 4 meses y, después de eso, el comportamiento se eliminaría del ID del dispositivo. Por el contrario, si una persona usa un teléfono Samsung, el comportamiento del usuario de Samsung podría ser válido durante 1-2 años, ya que la gente suele comprar teléfonos mediante contratos.

Comprender el movimiento y la atribución

Además de crear audiencias, los datos de ubicación tienen un gran potencial cuando se trata de publicidad OOH.

OOH (publicidad fuera de casa), como dice la palabra, es simplemente publicidad cuando las personas están fuera de su hogar (por ejemplo, vallas publicitarias, anuncios en el automóvil, carteles de paradas de autobús, etc.).

Al igual que la publicidad digital anterior, el éxito de la publicidad OOH se evalúa al comprender qué tan exitoso fue un anuncio para impulsar a un espectador a comprar (ya sea en línea o en la tienda). Esto a menudo se refiere a la medición del ROI, la atribución o el impulso a la tienda. Los datos de ubicación son extremadamente útiles para los anunciantes OOH que desean atribuir a los espectadores de sus activos a ubicaciones físicas, como tiendas, o directamente a compras en línea mediante el ID del dispositivo. Por ejemplo, si 20 de cada 100 personas que vieron la valla publicitaria de Apple fueron a la tienda Apple cercana, entonces la tasa de atribución a la tienda es del 20%.

A continuación, se muestran dos formas habituales en las que los anunciantes de OOH utilizan los datos de ubicación:

1. Evaluar la atribución de una campaña OOH:

Diga por ej. tienes una tienda de ropa de moda (H & ampM). Lanzaron una campaña OOH en la misma calle donde están ubicados y quieren saber cuántas personas visitaron la tienda después del anuncio.

• Filtrar los datos de ubicación durante el período de tiempo de la campaña
• Filtrar puntos de datos alrededor de la ubicación del anuncio y la ubicación de la tienda
• Clasifique los puntos de datos en la ubicación del anuncio como conjunto A y los puntos de datos en la ubicación de la tienda como conjunto B
• Sea total_devices = footfall del conjunto A
• Permita que los dispositivos_atribuidos = dispositivos distintos en el conjunto A que están en el conjunto B con la marca de tiempo del evento sea mayor en el conjunto B que en el conjunto A
• Dividir dispositivos_atribuidos / dispositivos_ totales: esto le daría el porcentaje de atribución

2. Encuentre el lugar adecuado para que la publicidad OOH influya en las decisiones de compra de las personas:

Digamos, por ejemplo, que McDonalds quiere aumentar sus visitas matutinas a una tienda específica en el centro de la ciudad y planea lanzar una campaña. Quieren encontrar la ubicación adecuada para realizar una campaña de publicidad exterior. En este caso:

• Tome una muestra de datos (1 día o 1 semana)
• Busque dispositivos detectados en el McDonalds objetivo y sus alrededores durante 1 semana a la hora de la mañana.
• Con los identificadores de dispositivo, busque el transporte y las rutas que toman para llegar a la tienda. Encuentre la ruta más común que toman.
• Encuentre las ubicaciones óptimas de vallas publicitarias en la ruta común que toman. Estos serían los lugares adecuados para aumentar la atribución de OOH.