到底7–11密過OK幾多?

Kenneth Wong
Apr 14, 2021
Full size版喺呢度

總有一間喺左近

我搵唔返(歡迎讀做「我唔想做literature review」)呢句slogan嘅出處,但佢都証明咗香港嘅7–11開到成行成市。

咁到底7仔開得有幾密?呢個係第一個問題。

同樣係便利店,全香港有接近成千間7–11,但OK就只係得300幾間,足足差成700間。咁就帶出第二個問題:會唔會有某啲地方係OK多過7–11?(劇透:有)。如果有嘅話,咁OK會多過佢幾多間?(劇透:3間左右)

數據來源

兩間集團嘅官網都有每間便利店分店嘅位置,所以只要做少少data scraping就可以砌到一個便利店dataset。Data scraping嘅話,Python人就用Beautiful Soup;我寫開R,所以用rvest

免責聲明:set data 1. 無validate過;2. 唔係最新version;3. 可能visualise嗰陣copy漏咗幾行。有錯有漏唔係意外,係我懶。

地圖

Full size版喺呢度

上面張地圖列出咗每個範圍(約400米 x 400米,面積12.5公頃嘅六角形格仔)入面到底多啲7仔定係OK。綠色代表範圍入面7–11多過OK,而紅色代表OK多過7–11。如果7仔同埋OK嘅舖頭數目係一樣嘅話,就會用灰色表示。咁嗰個地方無六角形代表咩?咪就係1間7仔同OK都無囉,唔通喺蚺蛇尖會搵到間7仔咩。

除咗顏色,堆六角形亦都有唔同大細,越大就代表兩個品牌喺嗰個範圍嘅舖頭數目差異越大(所以堆灰色嘅六角形只係得豆豉咁大)。

咁張地圖表達咗啲咩?放大去其中幾個地方研究一下。

中上環/尖沙咀

尖沙咀同埋中上環嘅7–11都開到成行成市,仲要多過OK好多。喺呢兩個範圍入面,都有一堆好大嘅綠色六角形痴埋一齊。

成個蘭桂坊同中環市中心附近都係得4–5間OK,而7仔就有成差唔多30間。你喺老蘭嘅話,直頭可以喺街頭間7仔買完枝水,再行多一陣去另一間7仔增值。

蘭桂坊最佳酒吧 (圖片來源: Wikimedia Commons)

彌敦道

街邊太多人與車與7–11

喺彌敦道周邊,尖沙咀、旺角同埋深水埗嘅中心地帶都有海量7–11。一如中上環地區,7–11喺旺區係開得特別密集。

豉油街同花園街交界,新寶戲院對出。剩係呢個街口已經有2間7–11。

住宅區

紅色嘅六角形都係偏細,代表就算有範圍係OK多過7仔,通常都係只係OK多7–11一間。OK比較多舖嘅地方通常都係住宅區,而且係遠離市中心嘅住宅區。

之不過OK多過7–11最多舖頭嘅範圍係灣仔市中心嗰頭,OK有8間而7仔得5間,足足多咗成3間。

每區嘅7–11/OK舖頭數目比例有無分別?

當然有。

上面張bar chart列出18區每區7–11/OK舖頭數目比例,並根據7–11舖頭佔比由大至細排序。每條bar中間嘅數字代表嗰區嘅7–11/OK舖頭數目。例如最頂嗰行代表中西區有76間7–11同17間OK,而舖頭數目比例係8:2。

好明顯,無任何一區係OK佔多數。當全港得300幾間OK而7–11有差唔多成千間嘅時候,呢個結果完全係意料之中。

喺都會區同主要商業區,7–11開舖係非常之進取。7–11佔比最高嘅頭三個地區分別係中西區、深水埗同埋油尖旺,呢三區嘅7–11:OK店舖比例差唔多係82開。

反之,7–11佔比最細嘅三個區都係住宅區,由尾數起分別係屯門、黃大仙同南區。三區都係得大約67%嘅便利店係7–11。當香港兩間集團嘅店舖比例係7成幾對2成幾嗰陣,屯門區嘅64比已經好「突出」。屯門區嘅店舖比例都反映咗喺地圖上面(比較多紅點)。

成篇野到底有乜啟示?

其實成篇野只係滿足我自己整地圖嘅慾望。

當然,好多位都可以再深入研究。我有friend話佢覺得公屋通常比較多OK,而用上面張地圖睇,公屋範圍(例如山邊地區)又好似真係比較多紅色嘅六角形。至於呢個difference係咪statistically significant,就係一個象牙塔式嘅research問題了。

得一間OK而無7–11嘅海盈邨

仲有一點補充:7–11同OK嘅經營模式係有些少分別。OK舖頭通常都比較大,有唔同種類嘅野食買,飲品櫃一般都有成3–4排。而7仔舖頭都係偏迷你,飲品櫃可能得二個,走廊比較窄,啱啱好夠一個人行。如果用每個範圍入面嘅舖頭總樓面面積,上面張地圖同圖表嘅結果可能係另一回事都唔定(當然,首先你要每間便利店嘅樓面面積數據)。

最後,你可能會問,點解唔加VanGO入去做分析?VanGO得幾廿間,我無乜時間(即係懶)去check佢個website再scrap data,所以剩係睇7–11同OK算啦。

Bonus

7–11同OK嘅位置。

Full size版喺呢度
Full size版喺呢度

--

--

Kenneth Wong

Urban Data Science Enthusiast | Urban Planning | GIS | Maps | Data Visualisation | mappyurbanist.com