예제 5. 이디야는 스타벅스 근처에 위치한다 ?

Question

이디야 커피는 스타벅스 커피 매장이 위치하는 곳에 매장을 위치시킨다는 소문이 있다.

서울시의 이디야 커피와 스타벅스 커피 매장의 데이터를 분석하고 시각화하여 가설을 확인해보자.

---

Step 01.  스타벅스 웹크롤링

 

from selenium import webdriver
import pandas as pd
from urllib.request import urlopen
from bs4 import BeautifulSoup

req = driver.page_source
soup = BeautifulSoup(req, "html.parser")


url = "https://www.starbucks.co.kr/store/store_map.do?disp=locale"
driver = webdriver.Chrome("../driver/chromedriver")
driver.get(url)

# 서울 클릭
seoul = driver.find_element(By.CSS_SELECTOR, "#container > div > form > fieldset > div > section > article.find_store_cont > article > article:nth-child(4) > div.loca_step1 > div.loca_step1_cont > ul > li:nth-child(1) > a")
seoul.click()
# 전체 클릭
wholeSeoul = driver.find_element(By.XPATH, '//*[@id="mCSB_2_container"]/ul/li[1]/a')
wholeSeoul.click()

stores = soup.select("#mCSB_3_container > ul > li")
stores[2].get

필요한 모듈을 불러온 뒤 chromedriver로 starbucks 페이지에 접근한다. xpath와 selector을 불러와 click()으로 자료에 접근한다.

 

# 매장이름, 주소, 구, 위도경도
import time
from tqdm import tqdm_notebook
starbucks_list = []

for store in tqdm_notebook(stores):
    
    name = store.find("strong").text
    address = store.find("p").text.replace("1522-3232", "")
    gu = address.split(" ")[1]
    lat = store["data-lat"]
    lng = store["data-long"]
    
    time.sleep(0.3)
    
    starbucks_list.append({
        "매장이름" : name,
        "주소" : address,
        "구" : gu,
        "위도" : lat,
        "경도" : lng
    })
   
starbucks = pd.DataFrame(starbucks_list)

# 저장
starbucks.to_csv("../ds_study/data/starbucks.csv", encoding="utf-8")

자료가 방대할거라 불러오는 내역을 보기 위해 tqdm을 불러온다. 매장 이름, 주소 등 불러오기 위해 태그들을 확인해준다. 

find().text로 문자열만 가져와 list로 만들어준다. 이후 그 리스트를 dataFrame으로 만들어준 뒤 저장한다.

 

---

Step 02.  이디야 웹크롤링

 

# 페이지 열기
url = "https://ediya.com/contents/find_store.html#c"
driver = webdriver.Chrome("../driver/chromedriver")
driver.get(url)

# 주소 탭 클릭
address_tab = driver.find_element(By.CSS_SELECTOR, '#contentWrap > div.contents > div > div.store_search_pop > ul > li:nth-child(2) > a')
address_tab.click()

이디야 페이지에 접속한다.

 

# 지역구를 하나하나 검색해 줄 수 없으니 , starbucks의 "구" 가져와서 검색

ediya_gu = list(starbucks["구"].unique())
ediya_list = []
tag = driver.find_element(By.XPATH, '//*[@id="keyword"]')

for gu in tqdm_notebook(ediya_gu):
    
    tag
    # 검색창 clear()
    tag.clear()
    # 검색창 입력
    tag.send_keys(f'서울 {gu}')
    # 검색 버튼 클릭 
    driver.find_element(By.XPATH, '//*[@id="keyword_div"]/form/button').click()
    
    # 정보 수집
    req = driver.page_source
    soup = BeautifulSoup(req, "html.parser")
    stores = soup.select("#placesList > li")
    
    time.sleep(0.5)

    # list
    for store in stores :
        name = store.select_one("dt").text
        address = store.select_one("dd").text
        gu = address.split(" ")[1]      
        ediya_list.append({
            "매장이름" : name,
            "주소" : address,
            "구" : gu
        })
        
driver.close()

ediya = pd.DataFrame(ediya_list)
ediya.head()

이디야 지점의 정보를 웹크롤링한다. 해당 구만 입력시에 정보가 너무 많다는 popup이 떠서 서울 ~구로 텍스트를 수정하였다. 

list에 정보들을 append 해준 뒤 driver.close()한다. 이를 DataFrame으로 만든다.

 

# 위도 경도 추가하기
import googlemaps
gmaps_key = "------<MY GMAPS KEY>-------"
gmaps = googlemaps.Client(key=gmaps_key)

import numpy as np

ediya["위도"] = np.nan
ediya["경도"] = np.nan

for idx, rows in tqdm_notebook(ediya.iterrows()):
    address = rows["주소"]
    tmp = gmaps.geocode(address, language="ko")
    
    if tmp : 
        lat = tmp[0].get("geometry")["location"]["lat"]
        lng = tmp[0].get("geometry")["location"]["lng"]
        ediya.loc[idx, "위도"] = lat
        ediya.loc[idx, "경도"] = lng
    else :
        print(idx, rows["주소"])

스타벅스애서는 경도와 위도가 자동적으로 추가되었는데, 이디야는 그렇지 않아 위차정보를 불러와주기 위해 gmaps.geocode로 이디야의 데이터프레임에 위도 경도를 추가해준다.

 

 

---

Step 03.  데이터 병합 및 시각화

 

# 브랜드 컬럼 추가
starbucks['브랜드'] = "starbucks"
ediya['브랜드'] = "ediya"

# 스타벅스 + 이디야 
df_sum = pd.concat([starbucks, ediya])
df_sum.reset_index(drop=True, inplace=True)

# 재설정
df_sum.reset_index(inplace=True)
del df_sum['index']

# nan값 처리
df_sum.dropna(inplace=True)
df_sum.info()

df_sum.to_csv('../ds_study/data/ediya_starbucks_sum.csv', encoding="utf-8")

두 데이터를 합칠텐데, 각 브랜드를 구분해주기 위해 브랜드 column을 추가해준다. 

pd.concat()을 사용해 두 데이터를 병합해준 뒤 index를 재설정 해준다. 

info를 확인해보니 nan값이 있어 dropna로 처리해준다. 원하는 위치에 저장해준다.

 

# 시각화
import folium
import json

mapping = folium.Map(location=[37.55021, 126.9824], zoom_start=11)

for idx, rows in df_sum.iterrows():
    
    # 브랜드 다르게 마커 설정
    if rows["브랜드"] =="starbucks":
        mk_color = "darkgreen"
        mk_icon = "star"
        iconColor="lightyellow"
        
        
    elif rows["브랜드"] == "ediya":
        mk_color = "blue"
        mk_icon = "coffee"
        iconColor="white"
        
    folium.Marker(
        location=[rows["위도"], rows["경도"]],
        popup = rows["주소"],
        tooltip = rows["매장이름"],
        icon = folium.Icon(
            icon = mk_icon , 
            prefix="fa",
            color= mk_color,
            icon_color = iconColor)
    ).add_to(mapping)

mapping

folium을 아용해 mapping해준다. 각 브랜드의 위치정보를 보고자 하여 브랜드 각각 다르게 표기해줬다.

서울시 안에 하도 많은 매장이 표시되다 보니 정작 알고 싶은 정보를 가져오기에는 어려움이 있어보였다.

도표를 그려 좀 더 알아보고자 했다.

import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib import rc

plt.rcParams["axes.unicode_minus"] = False
rc("font", family = "Arial Unicode MS")
%matplotlib inline

# 구 별 매장 갯수
df_sum_cnt= df_sum.groupby(['구', '브랜드'])['매장이름'].count().reset_index(name='매장갯수')
df_sum_cnt.head()

# 구 별 매장 갯수 차이 시각화
plt.figure(figsize=(20, 6))
sns.barplot(x = df_sum_cnt['구'], y=df_sum_cnt['매장갯수'], data= df_sum_cnt, hue='브랜드', palette="Set3")
#plt.xticks(range(len(df_sum["구"].unique)), [starbucks["구"].unique()] )
plt.show()

각 구 별로 매장 갯수를 나누어 barplot을 만들어보았다. 갯수도 해당 가설을 확립시키기에는 마땅한 전제가 아니라고 생각하나,

내가 알 수 있는 데이터가 여기까지라 판단됐다. 

---

Step 04.  분석 결과

- 서울시의 스타벅스 매장 갯수 = 596, 이디야 매장 갯수 = 689개이다.
    - 강남구와 서초구, 종로구, 중구, 영등포구, 중량구를 뺀 나머지 구에는 이디야가 더 많이 존재한다.
    - 스타벅스 매장이 있는 곳에 이디야가 위치한다면, 두 브랜드의 매장 갯수는 구별로 편차가 적어야 한다고 생각한다.
      도봉구의 매장 갯수 차이나, 중량구에는 아예 이디야의 매장이 존재하지 않는 등 가설이 맞다고 하기에는 꺼림칙한 변수가 많다.

foliumMap애서 위치정보를 육안으로 확인해보니 서울 안의 웬만한 거리에는 스타벅스와 이디야 둘 다 위치한다.
유동인구가 많은 위치에 카페 지점을 냈을 뿐일텐데 왜 소비자는 이디야가 스타벅스 매장이 위치하는 곳에 매장을 위치시키는 것이 아니냐는 의심을 할까?

+ 사견

브랜드파워가 이유라고 판단된다. 스타벅스의 브랜드파워는 아주 강세하며 충성도가 높은 고객이 많다. 비슷한 위치에, 두 매장이 모두 존재한다면 비교적 존재감이 큰 스타벅스가 기준이 되어 이디야 커피가 따라서 위치할 것이라는 판단을 할 가능성이 있다.

 

+ 결론
매장 갯수와 위치만으로는 해당 가설을 확립시키기 부족하다.
각 브랜드 별 매장간의 거리, 어느 브랜드가 먼저 그곳에 지점을 냈는지 등 다른 변수들을 따져봐야 할 것이다.