국내 SPA 패션 브랜드 매장 수 비교 분석(ZARA, 8Seconds, SPAO, Etc)

국내에서 영업하고 있는 주요 SPA 패션 브랜드로는 ZARA, 유니클로, 에잇세컨즈, 스파오, 탑텐을 꼽을 수 있을 것 같다. 이번 포스팅에서는 위 주요 SPA 브랜드의 위치 데이터를 가져와서 분석해보도록 하겠다.

 

1. 데이터 가져오기

데이터는 역시나 내가 가장 선호하는 카카오 지도 API에서 가져오도록 하겠다. 조금 복잡해보이기는 하지만 반복문만 잘 사용하면 쉽게 데이터를 가져올 수 있을 것이다.

import pandas as pd
import requests
from bs4 import BeautifulSoup as bs

link='https://inasie.github.io/%ED%94%84%EB%A1%9C%EA%B7%B8%EB%9E%98%EB%B0%8D/5/'
gu=pd.read_html(link,encoding='utf-8')[0]
gu['법정동코드']=gu['법정동코드'].astype(str)
sido=gu[(gu['법정동코드'].str.contains('000')) | (gu['법정동주소']=='세종특별자치시') ]


api='~~'

spa=['유니클로','uniqlo','탑텐','top10','자라','zara','스파오','spao','에잇세컨즈','8seconds']

data=[]
for a in sido['법정동주소']:
    for q in spa:
        for i in range(1,46):
            
            query = a + q
            url = f'''https://dapi.kakao.com/v2/local/search/keyword?query={query}&page={i}&size=15'''
            headers = {
                    "Authorization": f"KakaoAK {api}"
            }

            places = requests.get(url, headers = headers).json()['documents']
            data.extend(places)
            
df=pd.DataFrame(data)
df=df.drop_duplicates('place_name',keep='first')

2. 브랜드별 국내 매장 수

국내 매장 수에는 탑텐, 유니클로, SPAO가 100개 이상으로 가장 많았다. 모두 카카오 API에서 검색해서 가져온 데이터로 실제 데이터와는 다를 수 있다.

df2=df[df['category_name'].str.contains('패션')] 
df2['name']=df2['place_name'].apply(lambda x:x.split(' ')[0])
df3=df2[(df2['name'] =='유니클로') | (df2['name'] =='탑텐') | 
        (df2['name'] =='자라') | (df2['name'] =='ZARA') | (df2['name'] =='스파오')|
       (df2['name'] =='에잇세컨즈')]
df3['name']=df3['name'].str.replace('자라','ZARA')
df3['name']=df3['name'].str.replace('유니클로','UNIQLO')
df3['name']=df3['name'].str.replace('탑텐','TOP10')
df3['name']=df3['name'].str.replace('스파오','SPAO')
df3['name']=df3['name'].str.replace('에잇세컨즈','8SECONDS')

stores=pd.DataFrame(df3.groupby(['name']).count()['x'])
stores.columns=['counts']
stores=stores.reset_index()

import plotly.express as px

fig = px.bar(stores, x='name', y='counts',title='Stores Per Brands')
fig.show()

 

3. 지역/브랜드별 매장 수

 

다음으로는 지역별, 브랜드별 매장 수를 한 그래프로 그려보도록 하겠다.

 

유니클로, 스파오의 경우 전반적으로 모든 지역에 다 분포되어 있는 것을 볼 수 있고, 자라의 경우 확실히 매장 수도 적고 브랜드 이미지가 있어서 그런지 수도권에 밀집되어 있는 점을 확인할 수 있다.

eng={'강원':'Gangwon-do','경기':'Gyeonggi-do', '경남':'Gyeongsangnam-do','경북':'Gyeongsangbuk-do',
       '광주':'Gwangju','대구':'Daegu','대전':'Daejeon','부산':'Busan',
       '서울':'Seoul','세종특별자치시':'Sejongsi','울산':'Ulsan','인천':'Incheon',
       '전남':'Jeollanam-do','전북':'Jeollabuk-do','제주특별자치도':'Jeju-do','충남':'Chungcheongnam-do',
       '충북':'Chungcheongbuk-do'}

engdf=pd.DataFrame.from_dict(eng,orient='index').reset_index()
engdf.columns=['kor','eng']

df3['sido']=df3['address_name'].apply(lambda x:x.split(' ')[0])
region=pd.DataFrame(df3.groupby(['sido','name']).count()['x']).reset_index()
region.columns=['sido','name','counts']

region2=pd.merge(left=region,right=engdf,how='left',left_on=region['sido'],right_on=engdf['kor'])


import plotly.express as px

fig = px.bar(region2, x="eng", y="counts", color="name", title='Stores per brands/region')
fig.show()

4. 오프라인 매장 지도 시각화

우버에서 만든 시각화 패키지 Pydeck을 활용해서 지도에 시각화하고 마무리하도록 하겠다.

 

 

import pydeck as pdk

df3=df3.rename(columns={'y':'lat','x':'lng'})
df3['lat']=df3['lat'].astype(float)
df3['lng']=df3['lng'].astype(float)

spao=df3[df3['name']=='SPAO']
zara=df3[df3['name']=='ZARA']
eight=df3[df3['name']=='8SECONDS']
top10=df3[df3['name']=='TOP10']
uniqlo=df3[df3['name']=='UNIQLO']

layer = pdk.Layer(
    'ScatterplotLayer',
    spao,
    get_position=['lng','lat'],
    get_radius=800,
    get_fill_color='[180]',
    pickable=True,
    auto_highlight=True,
    opacity=0.6,
    stroked=True,
    filled=True,
)
layer2 = pdk.Layer(
    'ScatterplotLayer',
    zara,
    get_position=['lng','lat'],
    get_radius=800,
    get_fill_color='[242, 255, 0]',
    pickable=True,
    auto_highlight=True,
    opacity=0.6,
    stroked=True,
    filled=True,
)
layer3 = pdk.Layer(
    'ScatterplotLayer',
    eight,
    get_position=['lng','lat'],
    get_radius=800,
    get_fill_color='[0,200]',
    pickable=True,
    auto_highlight=True,
    opacity=0.6,
    stroked=True,
    filled=True,
)
layer4 = pdk.Layer(
    'ScatterplotLayer',
    top10,
    get_position=['lng','lat'],
    get_radius=800,
    get_fill_color='[255, 140, 0]',
    pickable=True,
    auto_highlight=True,
    opacity=0.6,
    stroked=True,
    filled=True,
)
layer5 = pdk.Layer(
    'ScatterplotLayer',
    uniqlo,
    get_position=['lng','lat'],
    get_radius=800,
    get_fill_color='[0, 115, 255]',
    pickable=True,
    auto_highlight=True,
    opacity=0.6,
    stroked=True,
    filled=True,
)

center = [126.986, 37.565]
view_state = pdk.ViewState(
    longitude=center[0],
    latitude=center[1],
    zoom=9)

r = pdk.Deck(layers=[layer,layer2,layer3,layer4,layer5], initial_view_state=view_state,
             tooltip={"text": "{name}\n{place_name}\n{address_name}\n"})
r.to_html("scatterplot_layer.html")