서울시 상권 활성화 요인 분석 & 미래 유망 상권 예측 모델

본 프로젝트는 서울시 상권 데이터를 활용해 상권 활성화 요인을 규명하여 창업 전략, 입지 선정, 정책 수립에 활용할 수 있는 인사이트를 제공합니다.

프로젝트 개요

• 목적
  1. 상권 활성화 요인 규명
  2. 상권 성장 가능성 예측
  3. 전략적 활용 기반 마련 (점포 입지, 창업 전략, 행정 정책 지원)
• 분석 주제
  "서울시 상권 활성화 요인 분석 및 미래 유망 상권 예측 모델 구축"

---

데이터

• 출처:

  • 행정동 추정매출 https://data.seoul.go.kr/dataList/OA-22175/S/1/datasetView.do
  • 행정동 업종 별 점포 수 https://data.seoul.go.kr/dataList/OA-22172/S/1/datasetView.do
  • 업종 별 서울시 추정 매출 https://data.seoul.go.kr/dataList/OA-22177/S/1/datasetView.do
  • 행정동 시설 수(지하철, 버스정류장) https://data.seoul.go.kr/dataList/OA-22169/S/1/datasetView.do
  • 행정동 유동인구 수 https://data.seoul.go.kr/dataList/OA-22178/S/1/datasetView.do
  • 행정동 면적 https://data.seoul.go.kr/dataList/OA-22160/S/1/datasetView.do
  • 행정동 아파트 가격 https://data.seoul.go.kr/dataList/OA-22163/S/1/datasetView.do
  • 서울 행정동 경위도 좌표 https://github.com/vuski/admdongkor/tree/master/ver20241231

• 종속변수 (Y):

  • 행정동별 총 매출액

• 설명변수 (X):

  • 유동인구, 상주인구
  • 대중교통 수
  • 집객시설 수(일반적으로 교통이 아닌 다른 요소들(예: 쇼핑, 문화, 레저, 숙박 등)에 의해 사람들이 모이는 시설)
  • 아파트 평균 시가, 월 평균 소득
  • 업종별 점포 수
  • 성별/연령대별 매출 비율, 법인카드 비율

---

분석 방법

1. EDA
   • 행정동별 주요 업종 파악
   • 조건별 소비 특성 분석 (주중/주말, 성별, 연령대, 법인/외국인 비율)
2. 회귀분석
   • 다중선형회귀, Random Forest, LightGBM 비교
   • 로그 변환, IQR 이상치 제거, 표준화 전처리
3. 클러스터링
   • 업종별 소비 특성 기반 군집화 (k=5)
   • 행정동별 소비 특성 기반 군집화 (k=3)
   • ELBOW Method, Silhouette 계수 활용

---

분석 결과

1. Random Forest 변수 중요도

Random Forest 변수 중요도: 비교통 집객시설 수, 평균 소득 상위

2. LightGBM 변수 중요도

LightGBM: 소득 수준 영향도가 더 높음

3. 모델 성능

4. 업종별 클러스터 히트맵

업종별 소비 특성 기반 5개 클러스터 분류

5. 행정동별 클러스터 지도

행정동별 소비 특성 기반 3개 클러스터 지도

• 노란색 클러스터:
  • 주중중심, 40~60대, 내국인 위주 소비가 이루어지는 지역
• 청록색 클러스터:
  • 법인/외국인 위주, 30대 중심, 직장인 위주 소비
• 파란색 클러스터:
  • 주말위주, 20~30대 위주로 소비가 이루어지는 지역

---

결론 및 의의

• 상권 활성화는 단순 유동인구보다 소득 수준과 소비층 특성이 더 큰 영향을 미침
• 창업 및 입점 전략: 지역·업종 소비 특성 기반 정밀 타깃팅
• 마케팅 전략: 소득·소비 성향 맞춤형 캠페인 설계
• 정책 활용: 상권 클러스터 특성을 반영한 맞춤형 지원정책 수립 가능