商圏分析で「偏差値」や「パーセンタイル」を使う理由

商圏分析では「数字の単位」がバラバラ

商圏分析では、多くの種類のデータを使います。

たとえば、

• 人口：人
• 世帯数：世帯
• 人口密度：人／平方キロメートル
• 競合店舗：店舗
• 昼間人口比率：％

などです。

これらは、そのまま足したり比較したりすることができません。

たとえば、

人口30,000人

と

競合5店舗

を比べても、どちらが「大きい」のかという話にはなりません。

単位が違うからです。

「多い」「少ない」だけでは判断しにくい

たとえば、ある地域の1km圏人口が20,000人だったとします。

この20,000人という数字だけを見ても、

多いのか、普通なのか、少ないのか

は分かりません。

都市中心部なら少ないかもしれません。

郊外なら非常に多いかもしれません。

つまり、数字を見るときには、

「何と比べるか」

が重要です。

比較できる形に変える必要がある

そこで商圏分析では、元の数値をそのまま使うのではなく、

他の地域と比較できる共通の尺度

に変換することがあります。

その代表的な考え方が、

• 偏差値
• パーセンタイル

です。

どちらも、

「そのデータが比較対象の中でどの位置にあるか」

を見るための方法です。

偏差値とは？

偏差値は、ある数値が平均からどの程度離れているかを表す指標です。

学校のテストなどでよく使われるため、聞いたことがある方も多いでしょう。

一般的には、

平均付近なら偏差値50

平均より高ければ50より上

平均より低ければ50より下

という見方をします。

商圏分析で偏差値を使うとどうなる？

たとえば、複数の出店候補地について1km圏人口を比較するとします。

A地点

人口：12,000人

B地点

人口：20,000人

C地点

人口：32,000人

これらを偏差値のような共通尺度に変換すると、

「A地点は平均より低い」

「B地点は平均付近」

「C地点は平均よりかなり高い」

という形で比較しやすくなります。

パーセンタイルとは？

パーセンタイルは、

データを小さい順に並べたときに、その値が全体のどの位置にあるか

を表す考え方です。

たとえば、

80パーセンタイル

であれば、

おおまかには、

比較対象の約80％より高い位置にある

と考えることができます。

90パーセンタイルならどういう意味？

100地点を比較したとします。

ある地点の人口が90パーセンタイルなら、

その地点は、

おおよそ上位10％程度に位置する人口規模

と考えられます。

逆に20パーセンタイルなら、

比較対象の中では比較的低い位置にあることが分かります。

偏差値とパーセンタイルの違い

どちらも比較のための指標ですが、考え方が少し違います。

偏差値

平均からどれくらい離れているかを見る。

パーセンタイル

全体の中で何番目くらいの位置かを見る。

商圏分析では、

「この場所が他の候補地の中でどの位置にあるか」

を直感的に理解したい場合、パーセンタイルが使いやすいことがあります。

なぜ商圏分析でパーセンタイルが便利なの？

大きな理由は、

単位の違うデータを0〜100のような共通尺度に変えられる

からです。

たとえば、

人口世帯数子どもの人口昼間人口競合密度

などは、元の数値では直接比較できません。

しかし、それぞれをパーセンタイル化すれば、

人口：80世帯：75ターゲット人口：90競合環境：40

というように整理できます。

すると、

その地域の強みと弱み

が見えやすくなります。

理由1｜単位が違うデータを比較できる

商圏分析では、

人口20,000人

世帯数9,000世帯

高齢者人口4,000人

昼間人口比率130％

など、多種多様な数値があります。

これらをそのまま総合評価するのは難しいですが、

各指標を0〜100に変換すれば、

同じ尺度で扱いやすくなります。

理由2｜「絶対値」ではなく「相対的な位置」が分かる

商圏データでは、数字単体よりも、

比較対象の中でどの位置にいるか

が重要になることがあります。

たとえば人口30,000人でも、

周辺の候補地がほとんど40,000〜50,000人なら、相対的には少ない地域です。

反対に人口15,000人でも、

周辺の候補地が5,000〜10,000人中心なら、多い地域といえます。

パーセンタイルを使うと、この違いを表しやすくなります。

理由3｜極端に大きな数値の影響を抑えやすい

商圏データには、ときどき非常に大きな値が含まれます。

たとえば、

A地点

人口：20,000人

B地点

人口：25,000人

C地点

人口：30,000人

D地点

人口：200,000人

のような場合です。

単純に人口の値をそのまま使うと、D地点だけが極端に大きくなります。

パーセンタイルなら、

順位や位置関係を中心に評価できる

ため、一つの極端な値に引っ張られにくくなります。

理由4｜ユーザーに説明しやすい

商圏分析の結果として、

「人口は23,481人です」

と表示されても、それが良いのか悪いのか分かりにくいことがあります。

一方、

「比較対象の中で上位20％程度です」

と説明すれば、直感的に理解しやすくなります。

商圏分析を専門家だけでなく一般の店舗開業者が使う場合には、こうした分かりやすさも重要です。

理由5｜複数の指標をまとめやすい

店舗の立地は、一つの数字だけでは判断できません。

たとえばカフェなら、

• 商圏人口
• 若年人口
• 昼間人口
• 単身世帯
• 競合環境

など複数の要素を見る必要があります。

それぞれを0〜100に正規化すれば、

複数の指標を組み合わせて、

「この業種にとって総合的にどうか」

を考えやすくなります。

そもそも「正規化」とは？

偏差値やパーセンタイルのように、

異なる尺度のデータを比較しやすい形に変えること

を、広い意味で正規化・標準化と呼ぶことがあります。

商圏分析では、

人口、人流、世帯、競合など、

異なるデータを同じ土俵で扱うために重要な考え方です。

具体例で考えてみよう

3つの候補地を比較するとします。

この数字だけを見ると、

A地点は人口が多い。

B地点は子育て世帯が多い。

C地点は競合が少ない。

ということは分かります。

しかし、

どの差がどの程度大きいのか

は分かりにくいでしょう。

パーセンタイルにすると比較しやすくなる

仮に比較対象全体の中で、

A地点

商圏人口：90子育て世帯：55競合環境：30

B地点

商圏人口：65子育て世帯：90競合環境：65

C地点

商圏人口：45子育て世帯：75競合環境：85

と変換されたとします。

すると、

A地点は人口が強い。

B地点は子育て世帯が強い。

C地点は競争環境に強みがある。

という特徴が一目で分かります。

ただし「数値が高い＝良い」とは限らない

ここで重要なのが、

すべての指標で高い数値が良いわけではない

という点です。

たとえば、

人口は多いほどプラスと考えやすいですが、

競合店舗数は多いほど良いとは限りません。

そのため分析では、

• 多い方がプラスなのか
• 少ない方がプラスなのか
• 一定の範囲が良いのか

を指標ごとに考える必要があります。

競合数は特に注意が必要

競合店舗が少なければ、

「競争が少ないから良い」

と思うかもしれません。

しかし、

競合がゼロだから最高評価

という判断は危険です。

なぜなら、

• 需要がない
• 商圏人口が少ない
• 利用者が別地域へ流れている

可能性もあるからです。

パーセンタイルは「良い・悪い」を自動的に決めるものではない

パーセンタイルが表すのは、

あくまで比較対象の中での位置

です。

たとえば競合店舗数が90パーセンタイルなら、

「競合店舗数が多い地域」

という意味です。

それが店舗にとって良いか悪いかは、

業種や需要との関係を見て判断する必要があります。

比較するグループが重要

パーセンタイルを使ううえで、とても重要なのが、

何と比較するか

です。

たとえば、

東京都心の駅前

と

地方の郊外

を同じグループで比較すると、人口や人口密度の差が大きすぎることがあります。

その結果、実際の立地評価として分かりにくくなる場合があります。

Peer Groupという考え方

そこで使われるのが、

Peer Group（ピアグループ）

という考え方です。

Peer Groupとは、

似た条件の地域同士を比較するグループ

のことです。

たとえば、

• 都市部同士
• 郊外同士
• 同じような商圏規模同士

などです。

こうすることで、

より現実的な比較ができます。

「日本全国の中で上位」より「似た地域の中で上位」が役立つことがある

たとえば地方都市の住宅街に出店する場合、

東京都心の一等地と比較して人口密度が低いこと自体には、あまり意味がないかもしれません。

それよりも、

同じような地方都市の住宅街の中で、この場所はどのくらい人口密度が高いのか

を見る方が実際の出店判断には役立ちます。

偏差値とパーセンタイル、どちらが良い？

どちらが常に優れているとはいえません。

それぞれ特徴があります。

偏差値の特徴

• 平均からの距離が分かる
• 統計的なばらつきを反映できる
• 数値の差をある程度表現しやすい

パーセンタイルの特徴

• 順位感が分かりやすい
• 0〜100で直感的
• 極端な値の影響を受けにくい
• 分布が偏っているデータでも扱いやすい

店舗開業者向けの商圏分析では、

「他地域と比べてどの位置か」が分かりやすいパーセンタイル

が使いやすい場合があります。

パーセンタイルにも弱点はある

パーセンタイルは便利ですが、万能ではありません。

特に注意したいのが、

実際の数値差が見えにくくなること

です。

たとえば、

A地点：人口20,000人B地点：人口20,100人

でも、データの並び方によって順位が変わることがあります。

一方、

A地点：人口20,000人B地点：人口40,000人

でも、順位上はそれほど大きな差に見えない場合があります。

元データも残しておくことが重要

そのため商圏分析では、

パーセンタイルだけを表示するのではなく、元の数値も確認できるようにする

ことが重要です。

たとえば、

商圏人口：25,300人パーセンタイル：82

という形です。

これなら、

「実際には何人いるのか」

と

「他地域と比べてどの位置なのか」

の両方が分かります。

商圏分析では「順位」と「実数」の両方を見る

店舗立地を考えるときは、

実数

市場そのものの大きさを見る。

パーセンタイル

他の候補地との相対的な強さを見る。

という使い分けができます。

どちらか一方だけではなく、両方を見る方が理解しやすくなります。

業種によって指標の重みを変える

すべての業種で同じデータを同じ重要度で見る必要はありません。

たとえば、

学習塾

• 子どもの人口
• 子育て世帯
• 学校周辺

などを重視。

カフェ

• 昼間人口
• 若年人口
• 単身世帯
• 人の動き

などを重視。

スーパー

• 夜間人口
• 世帯数
• 住宅人口

などを重視。

このように、

業種によってパーセンタイル化した各指標の重要度を変える

ことで、より店舗との相性を考えやすくなります。

「人口100点だから良い立地」ではない

たとえば、ある地域の人口パーセンタイルが100に近くても、

• 競合が非常に多い
• 家賃が高い
• ターゲット層が少ない

なら、出店には向かないかもしれません。

立地は、

複数の要素を組み合わせて評価するもの

です。

複数指標を軸にまとめる方法

商圏分析では、細かな指標をまとめて、

• 市場規模
• ターゲット適合度
• 競争環境
• 成長性

などの評価軸に整理する方法があります。

たとえば、

人口＋世帯数＋ターゲット人口

をまとめて、

市場規模

として見る方法です。

こうすることで、分析結果を理解しやすくできます。

すべてを単純平均しない

ただし、

人口80子ども人口90競合20

だから、

単純平均して63点

という計算が必ず適切とは限りません。

業種によっては子どもの人口が最も重要かもしれませんし、競合についても単純に少ないほど良いとは限りません。

そのため、

指標ごとの意味と重要度を考えて評価する

必要があります。

最低条件を設定する考え方もある

総合点が高くても、致命的な弱点がある場合があります。

たとえば学習塾で、

総合的には高評価

でも、

子どもの人口が極端に少ない

なら、出店候補としては注意が必要です。

そこで、

一定の条件を満たさない場合は総合評価を制限する

という考え方もあります。

「平均点が高い」だけでは十分ではない

たとえば、

人口：95ターゲット人口：20競合環境：90成長性：90

なら平均は高くなります。

しかし、ターゲット人口が20しかないなら、その業種では致命的かもしれません。

つまり、

総合点だけでなく、各項目の中身を見る

ことが重要です。

欠損データにも注意する

商圏分析では、すべての地点ですべてのデータが揃うとは限りません。

たとえば、

5つの指標のうち1つだけ取得できない

ことがあります。

このとき、

データがない＝0点

としてしまうと、その地域を不当に低く評価する可能性があります。

データがないことと悪いことは別

たとえば、

高齢者人口のデータが取得できない

という場合、

高齢者が0人なのではありません。

単に情報が不足しているだけです。

そのため、

欠損データは0として扱わず、評価可能な指標から判断する

という考え方が重要です。

分析に使えたデータ量も確認する

同じ80点でも、

10項目すべてのデータが揃った80点

と

半分のデータしかない80点

では信頼性が違います。

そのため商圏分析では、

スコアとは別に、どの程度データが揃っているか

を見ることも大切です。

パーセンタイルは「成功確率」ではない

ここは特に重要です。

たとえば立地評価が80だったとしても、

成功確率80％

という意味ではありません。

パーセンタイルや総合スコアは、

候補地を比較しやすくするための指標です。

店舗の成功には、

• 商品
• サービス
• 価格
• 接客
• 広告
• 家賃
• 経営力

など、多くの要因が影響します。

スコアは意思決定の補助として使う

商圏分析スコアの役割は、

「ここなら絶対成功する」

と答えることではありません。

むしろ、

複数の候補地の強み・弱みを整理し、比較しやすくすること

です。

候補地の比較例

たとえばカフェの候補地として、

という結果だったとします。

A地点は人口と昼間人口が強いものの競争が激しい。

B地点は若年人口と競争環境のバランスが良い。

C地点は競争環境は良いものの、市場規模がやや小さい。

このように、

「何点か」だけでなく「なぜその評価なのか」を見る

ことが重要です。

AIによる説明とも相性が良い

商圏分析で複数の数値があると、初心者には結果を読み解くのが難しいことがあります。

そこで、

人口は上位20％

ターゲット人口は上位10％

競争環境は平均程度

といった情報をもとに、

「この地域はターゲット人口が多い一方、競争環境は標準的です」

のように文章で説明すると理解しやすくなります。

ただし、AIがスコアそのものを勝手に変更するのではなく、

計算された結果を説明する役割

として使うことが重要です。

「だれでも商圏分析」でパーセンタイルを使う理由

「だれでも商圏分析」では、単純に、

人口が多いから高評価

競合が少ないから高評価

という方法ではなく、

複数の地域データを比較可能な形に整理し、業種ごとの特徴を踏まえて候補地を考えることを重視しています。

その際に役立つのが、

Peer Group内でのパーセンタイル化

という考え方です。

似た条件の地域同士で比較し、

各指標を0〜100の共通尺度にすることで、

人口や世帯、競合など異なる種類のデータを比較しやすくします。

パーセンタイルだけで最終評価しない

ただし、パーセンタイルは立地分析の途中で使う指標です。

最終的には、

• 業種
• 各指標の重要度
• 競合状況
• データ不足
• 致命的な条件

なども考える必要があります。

つまり、

正規化 → 業種ごとの評価 → 条件チェック → 総合評価

という流れで考えることが大切です。

過去の分析結果を残すことも重要

商圏分析のルールや統計データは、将来的に更新されることがあります。

そのため、

今日分析した結果が、半年後に評価ロジックが変わったことで勝手に変わってしまうと、過去の判断を確認しにくくなります。

分析時点の、

• 元データ
• 正規化後の数値
• 評価方法
• 使用したデータのバージョン

などを残しておくと、

なぜその時点でその評価になったのか

を後から確認しやすくなります。

商圏分析で偏差値やパーセンタイルを見るときの注意点

商圏分析でこうした指標を見るときは、次の点に注意しましょう。

1. 比較対象を確認する

全国比較なのか、似た地域との比較なのかで意味が変わります。

2. 元データも見る

80という数値だけでなく、人口何人なのかも確認します。

3. 高いほど良いとは限らない

競合店舗数などは解釈が必要です。

4. 業種によって重要度が違う

カフェと学習塾では見るべき指標が異なります。

5. 成功確率ではない

候補地を比較するための評価指標です。

偏差値やパーセンタイルは「分かりやすくするための道具」

商圏分析では、多くのデータを扱います。

それをすべて生の数字だけで比較すると、

「結局どの候補地が良いのか」

が分かりにくくなります。

偏差値やパーセンタイルは、

複雑な地域データを比較しやすくするための道具

です。

数字そのものが目的ではありません。

最後は現地情報と組み合わせる

データ上で高評価でも、

• 店舗が見えない
• 人の動線から外れている
• 家賃が高すぎる
• 駐車場がない

といった問題があるかもしれません。

そのため、

データ分析 → 候補地比較 → 現地調査

という流れが重要です。

まとめ

商圏分析で偏差値やパーセンタイルを使う大きな理由は、

単位や大きさの違う地域データを、比較しやすい共通尺度に変えるため

です。

特にパーセンタイルを使うと、

「この地点が比較対象の中でどのくらい上位にいるのか」

を直感的に理解しやすくなります。

そのため、

• 商圏人口
• 年齢別人口
• 世帯数
• 昼間人口
• 人口密度
• 競合環境

などを比較するときに役立ちます。

ただし、

パーセンタイルが高い＝良い立地

ではありません。

業種によって重要な指標は異なり、競合のように単純に多い・少ないだけで評価できないデータもあります。

また、

どの地域と比較するか

も非常に重要です。

似た条件の地域をPeer Groupとして比較することで、より意味のある相対評価になります。

そして、

実数とパーセンタイルの両方を見ること

も大切です。

パーセンタイルは順位感を示し、実数は市場そのものの大きさを示します。

商圏分析では、

「数字を大きい順に並べる」のではなく、「異なるデータを公平に比較し、自分の業種にとってどんな意味があるのかを考える」

ことが重要です。

偏差値やパーセンタイルは、そのための便利な仕組みの一つです。