Regionalization of Retail Market Using Real Estate Transaction Data

리테일 시장을 이해하는데 있어서 적절한 공간적 범위를 설정하는 것은 매우 중요하다. 대부분 시장통계가 이러한 상권을 기반으로 조사 및 작성되기 때문이다. 일반적으로 리테일 상권은 고객의 수요와 소매업자의 공급과 같은 사용 관점에서 설정되어 왔다. 반면 본 연구는 부동산의 거래정보인 가격과 거래량에 초점을 맞추어 상권을 설정하고, 두 가지 접근방법을 비교하여 시사점을 도출하였다. 본 연구는 머신러닝에 기반한 공간 군집화 기법인 공간 퍼지 C-평균 알고리즘을 사용하여 서울의 리테일 부동산 거래통계를 분석하고, 이를 사용의 관점에서 설정된 상권과 비교하였다. 그 결과는 다음과 같다: 첫째, 거래기반 접근방법은 핵심 상권과 근린상권을 성공적으로 구분하였으며, 핵심 상권의 위치 또한 사용기반 접근방법과 유사하였다. 따라서 거래정보만으로도 신뢰할 수 있는 상권 설정이 가능한 것을 알 수 있었다. 둘째, 위치의 유사성에도 불구하고 두 접근 방법에 따른 상권의 경계에는 상당한 차이가 있었다. 또한, 이러한 차이로부터 상권의 확장 또는 축소와 같은 시간에 따른 공간적 변화를 식별할 수 있었다. 셋째, 거래기반 상권의 가격지수 상승이 사용기반 상권의 가격지수 상승보다 크게 나타났다. 이러한 차이는 상권을 어떤 방법으로 설정하는 가에 따라 시장통계에 편향이 발생할 수 있다는 것을 암시한다.