# Product Statement — CityMETER Dataset: Hospital

Winning strategy ของชุดข้อมูลนี้ เขียนตามโครง Who → What → Which → How ของ Landometer Master Brand Brief v0.5.3 §7.2 และ Product Brief — CityMETER v6 ป้ายหลักฐานใช้มาตรฐาน MBB §3.7: **Observed fact** · **Owner-stated** · **Inference** · **Hypothesis** · **Project evidence** ตัวเลขทุกตัวอ้างไฟล์และ field path ได้ (`data/hospitals.json` เว้นแต่ระบุ) และเป็น snapshot ของรุ่นนี้ ไม่ใช่ค่าคงที่ของหน้าจอ

## 0. Metadata

| รายการ | รายละเอียด |
|---|---|
| Parent product | CityMETER (City Intelligence Base Layer ของ Landometer) · กลุ่ม Location (ทะเบียนกลาง `research.TH.hospital` / Location · TH) · production dataset code `hospital` (`https://landometer.com/v3/citymeter?d=hospital`) |
| Feature / dataset | Hospital — โรงพยาบาลและหน่วยบริการสุขภาพทั่วประเทศไทย ระดับเขต/อำเภอ: เตียงตามทะเบียน ประเภท สังกัด ระดับ มาตรฐานที่เผยแพร่ ราคาแล็บ บริการ บริบทรถไฟฟ้า และคู่เทียบรายแห่ง |
| รุ่นเอกสาร | 0.1.0 · 5 พฤศจิกายน 2569 |
| สถานะ | Public demo รุ่น 0.1.0 บน GitHub Pages (`https://montri-th.github.io/hospital/`); ชุดข้อมูลเป็น research master ไม่ใช่สำมะโนสถานพยาบาลที่เปิดให้บริการ |
| ผู้รับผิดชอบ | Landometer · CityMETER (owner: Montri) |
| ผู้ใช้หลัก | ทีมขยายสาขาและพัฒนาธุรกิจของเครือโรงพยาบาลเอกชน · ทีมพัฒนาโครงการ/นักลงทุนอสังหาฯ ที่ทำโครงการสุขภาพหรือ mixed-use · ผู้วางแผนเครือข่ายบริการ (ประกันสุขภาพ, TPA, สสจ., เขตสุขภาพ) · ผู้ประเมินมูลค่าและสถาบันการเงินที่คัดกรองทำเล |
| ชุดข้อมูลที่ใช้ร่วม | CityMETER · Transit (สถานีราง release `transit-data-2026-10-31-r1`, commit `5f5232d`, `meta.context.rail`) · มวลอาคารเป็นบริบท: CityMETER Building V4 ใน อปท./เขตที่มีอาคารมากกว่า OSM ≥ 15% (หน่วยอาคารชุดเดียวกับ CityMETER · Hotel 0.3.6) นอกนั้น OpenStreetMap ผ่าน OpenFreeMap |
| แหล่งข้อมูล / วิธี (สรุป) | ชีตวิจัย `CityMETER Hospital Thailand — Research Master 2026-10-31` (แท็บหลัก `02_FACILITIES` และแท็บประกอบ 9 แท็บ): ชุด Hospital ของ CityMETER production 12,516 แห่ง + ทะเบียนสถานพยาบาล HCODE กระทรวงสาธารณสุข 29,312 แห่งที่เจ้าของอนุมัติเข้าขอบเขต; หลักฐาน HA/JCI ราคาแล็บ DIT และบริการตามที่ชีตบันทึก (`DATA_METHOD.md` §1–3) |
| ข้อมูลตรวจถึง | 1 พ.ย. 2569 (`meta.checkedOn`) · อ่านชีต 5 พ.ย. 2569 (`meta.readOn`) · จุดของ production ดึง 5 พ.ย. 2569 (`meta.points.retrievedOn`) · วันที่ตรวจ ≠ วันที่สถานพยาบาลเปิด ปิด หรือเปลี่ยนจำนวนเตียง |

## 1. Highlight

**Hospital คือชั้นข้อมูล “เตียงอยู่ตรงไหน ใกล้อะไร และเป็นของใคร” ของระบบสุขภาพไทย** ช่วยให้ทีมที่ต้องตัดสินใจเรื่องทำเลโรงพยาบาล การขยายเครือ หรือเครือข่ายบริการ เห็นภายในนาทีว่าเตียงที่ทะเบียนรายงานกระจุกอยู่ **เขตใด** ใกล้ **สถานีรถไฟฟ้า** แค่ไหน เป็นสถานพยาบาล **ประเภทใด สังกัดใด** มีหลักฐาน **มาตรฐาน HA/JCI** และ **ราคาแล็บ** ที่เผยแพร่หรือไม่ และมี **คู่เทียบขนาดใกล้กัน** ที่ใด พร้อมแหล่งของทุกตัวเลข — ตอบคำถามเดียวก่อนลงพื้นที่: **“เตียงสถานพยาบาลกระจุกอยู่ตรงไหน และใกล้รถไฟฟ้าแค่ไหน”**

ข้อค้นพบแรกของ snapshot ปัจจุบัน (**Observed fact**, ค่าเริ่มต้น = จำนวนเตียงตามทะเบียน HCODE):

- **32% ของเตียงในกรุงเทพมหานคร (10,984 จาก 34,030 เตียง) อยู่ใน 3 เขต — ราชเทวี 5,891 · บางกอกน้อย 2,863 · ปทุมวัน 2,230** (ตัวหาร = เตียงทั้งจังหวัดในตัวกรอง)
- **เตียงใน 3 เขตนี้ 38% อยู่ห่างสถานีรถไฟฟ้าที่เปิดแล้วไม่เกิน 500 ม. (4,198/10,983 เตียงที่มีหมุด) เทียบ 37% (8,285/22,430) ในเขตอื่นของกรุงเทพฯ** — ระยะตรง ไม่ใช่ระยะเดิน; ในกรุงเทพฯ เตียงใกล้รถไฟฟ้าพอ ๆ กันทั้งในและนอกเขตที่กระจุก
- **อำเภอที่มีเตียงมากที่สุดนอกกรุงเทพฯ: เมืองเชียงใหม่ 4,113 เตียง** ถัดมาคือเมืองนครราชสีมา 3,435 · เมืองขอนแก่น 2,973 · เมืองนนทบุรี 2,912 — ไม่มีอำเภอใดมีเตียงมากกว่าเขตราชเทวี
- เมื่อนับเป็นจำนวนสถานพยาบาล (แห่ง) ภาพเปลี่ยน: **อำเภอหาดใหญ่มี 460 แห่ง มากกว่าทุกเขตของกรุงเทพฯ** (บางกะปิ 150 · จตุจักร 148) — คลินิกและหน่วยปฐมภูมิกระจายต่างจากเตียง
- **63.5% ของเตียงทั้งประเทศ (118,485 จาก 186,453) อยู่ในสังกัดกระทรวงสาธารณสุข** เอกชน 42,876 เตียง (23.0%) หน่วยงานรัฐอื่น 22,052 (11.8%)

**Inference:** เตียงของกรุงเทพฯ เกาะโรงพยาบาลรัฐขนาดใหญ่และโรงเรียนแพทย์ (ราชเทวี บางกอกน้อย ปทุมวัน) มากกว่าย่านธุรกิจ ขณะที่ต่างจังหวัดเตียงกระจุกที่อำเภอเมืองของจังหวัดศูนย์กลางภูมิภาค — คำถาม “ใกล้รถไฟฟ้าไหม” แยกทำเลได้เฉพาะกรุงเทพฯ และปริมณฑล (เตียงที่มีหมุดทั้งประเทศ 7.9% อยู่ใกล้สถานีที่เปิดแล้ว) ข้อสรุปนี้ใช้กับเตียงที่ทะเบียนรายงานในชุดข้อมูลนี้เท่านั้น ไม่ใช่เตียงที่เปิดใช้จริง อัตราครองเตียง หรือความต้องการบริการ

**หนึ่งบรรทัด:** แผนที่เมือง 3 มิติของเตียงสถานพยาบาลทั่วไทย ที่บอกว่ากระจุกตรงไหน ใกล้รถไฟฟ้าแค่ไหน สังกัดใคร มีมาตรฐานและราคาแล็บที่เผยแพร่หรือไม่ และมีที่ใดให้เทียบ พร้อมแหล่งของทุกตัวเลข

## 2. Description

### 2.1 Who — ใครคือผู้ใช้ และปัญหาของพวกเขาคืออะไร

ผู้ใช้สี่กลุ่มอ่านข้อมูลเดียวกันจากคนละการตัดสินใจ (**Hypothesis** — นิยามจาก Product Brief v6 และการใช้งานในทะเบียน `Datasets.marketing_use_th` = “สำรวจเครือข่ายและประเภทหน่วยบริการ เพื่อเลือกพื้นที่ศึกษาตลาดและวางแผนบริการ”; ยังไม่ได้ยืนยันด้วยการสัมภาษณ์ผู้ใช้ภายนอก แผนทดสอบอยู่ใน §7)

| กลุ่ม | การตัดสินใจ | Functional needs | Emotional needs | Trigger / เสียงในหัว |
|---|---|---|---|---|
| ทีมขยายสาขาของเครือโรงพยาบาลเอกชน | เปิดโรงพยาบาล/คลินิกที่ไหน ขนาดเท่าไร เทียบกับใคร | เตียงรอบทำเล ประเภทและสังกัดของสถานพยาบาลรอบ ๆ คู่เทียบขนาดใกล้กัน มาตรฐานและราคาแล็บของคู่เทียบ | มั่นใจว่าไม่ได้ลงทุนซ้อนกับโรงพยาบาลขนาดเดียวกัน | “ใน 5 กม. มีโรงพยาบาลเอกชนขนาดเราอยู่กี่แห่ง มี JCI ไหม ราคาแล็บเท่าไร” |
| ทีมพัฒนาโครงการ / นักลงทุนอสังหาฯ | ทำโครงการสุขภาพ medical office หรือ mixed-use ใกล้โรงพยาบาลหรือไม่ | เตียงต่อเขต ระยะถึงรถไฟฟ้า โรงพยาบาลใหญ่ที่เป็นแม่เหล็กของย่าน | อธิบายทำเลต่อผู้ลงทุนได้ด้วยหลักฐาน | “ย่านนี้มีโรงพยาบาลใหญ่กี่แห่ง เดินถึงรถไฟฟ้าไหม” |
| ผู้วางแผนเครือข่ายบริการ (ประกัน TPA สสจ. เขตสุขภาพ) | ทำสัญญาหรือจัดเครือข่ายหน่วยบริการรายพื้นที่ | สถานพยาบาลตามสังกัด ระดับ บทบาทในเครือข่าย สปสช. บริการที่ระบุ ช่องว่างรายอำเภอ | ไม่พลาดหน่วยบริการที่ควรอยู่ในเครือข่าย | “อำเภอนี้มีหน่วยรับส่งต่อกี่แห่ง สังกัดอะไร” |
| ผู้ประเมินมูลค่า สถาบันการเงิน | คัดกรองทำเลก่อนสั่งงานประเมินเต็ม | คู่เทียบเบื้องต้น ประเภทและขนาด ระยะถึงขนส่ง | ไม่ต้องเริ่มจากศูนย์ทุกครั้ง | “ขอรายชื่อคู่เทียบเบื้องต้นก่อนลงพื้นที่” |

**ปัญหา:** ข้อมูลสถานพยาบาลแยกกันอยู่ในทะเบียน HCODE ไดเรกทอรี HA และ JCI ราคาที่ DIT ประกาศ ทะเบียนหน่วยบริการ สปสช. และหน้าเว็บของแต่ละโรงพยาบาล แต่ละแหล่งตอบได้ทีละแห่งหรือทีละรายการ ไม่มีภาพที่บอกว่า **เตียง** (ไม่ใช่จำนวนป้าย) กระจุกที่ **เขต** ใด ใกล้ **ขนส่ง** แค่ไหน และมี **คู่เทียบขนาดใกล้กัน** ใดอยู่รอบ ๆ (**Inference** จากโครงสร้างแหล่งที่ชีตวิจัยต้องรวม — Project evidence: `10_SOURCES` 1,824 แหล่ง `meta.tabs`)

**ความเร่งด่วน:** โรงพยาบาลเป็นการลงทุนอาคารและใบอนุญาตที่ย้ายไม่ได้ ใช้เวลาหลายปี และอุปทานเตียงในย่านเดียวกันเปลี่ยนสมมติฐานรายได้และการจัดเครือข่ายทั้งโครงการ (**Inference**)

### 2.2 What — ปัญหาที่เลือกแก้ และแก้อย่างไร

เลือกแก้ **“อุปทานเตียงอยู่ตรงไหน และอยู่ในบริบทแบบใด”** ก่อนคำถามเรื่องความต้องการและผลการรักษา เพราะข้อมูลที่ตรวจย้อนได้ในวันนี้คือเตียงที่ทะเบียนรายงาน จุด เขต/อำเภอ สังกัด หลักฐานมาตรฐาน และราคาที่ประกาศ ไม่ใช่จำนวนผู้ป่วย อัตราครองเตียง หรือรายได้

- **วัดด้วยเตียง ไม่ใช่ป้าย:** ค่าเริ่มต้นนับ Σ เตียงตามทะเบียน HCODE (`cols.beds`, 186,453 เตียงจาก 1,597 แห่งที่มีเตียง) สลับเป็นจำนวนแห่งได้ในคลิกเดียว — 0 คือทะเบียนรายงานว่าไม่มีเตียง (หน่วยปฐมภูมิ คลินิก) ส่วน 16,453 แห่งที่ไม่ทราบจำนวนเตียงนับเป็นแห่ง ไม่นับเป็น 0 เตียง
- **เขต/อำเภอของ production:** ทุกแถว (41,828) จับเขต/อำเภอของ production จากชื่อเขต/อำเภอในทะเบียนของแถวเอง (`meta.counts.admin.name`) จุดของ production ไม่ได้ย้ายแถวไปเขตอื่น (160 แถวที่จุดตกต่างเขตรายงานใน `meta.checks`)
- **บริบทจากชุดข้อมูลเดียวกันในทะเบียน:** สถานีรถไฟฟ้าที่เปิดแล้ว 145 สถานีและที่กำลังก่อสร้าง 81 สถานีจาก CityMETER · Transit ผูกด้วย id และระยะตรง (`stations[]`)
- **ข้อเท็จจริงรายแห่งที่ตรวจย้อนได้:** สังกัดและระดับตามทะเบียน มาตรฐาน HA (1,726 แห่ง พร้อมวันที่) และ JCI (23 แห่ง 28 โปรแกรม) บทบาทในเครือข่ายหน่วยบริการ สปสช. ราคาแล็บ 6 รายการของ DIT (262 แห่งครบตะกร้า + 74 แห่งรายการเดียว) บริการที่ผู้ให้บริการและทะเบียนระบุ (1,409 แห่ง)
- **คู่เทียบเบื้องต้นรายแห่ง:** ประเภทเดียวกัน เตียง ½–2 เท่า ในระยะตรง 5 กม. (ไม่มีเตียง: ประเภทเดียวกันใน 2 กม.) เรียงใกล้ก่อน พร้อมยอดสถานพยาบาลบนแผนที่รอบรัศมีเดียวกัน (`js/profile-model.js#compsetOf`)

### 2.3 Which — ผู้ใช้แก้ปัญหานี้ด้วยอะไรอยู่ และต้องเก่งกว่าอย่างไร

| ทางเลือกที่ใช้อยู่ | ผู้ใช้ใช้อย่างไร | จุดแข็ง | ช่องว่างที่ Hospital ปิด |
|---|---|---|---|
| ทะเบียนสถานพยาบาล HCODE (กระทรวงสาธารณสุข) | ค้นทีละแห่ง ดาวน์โหลดไฟล์ทั้งประเทศ | ครอบคลุมทุกประเภท มีเตียงและสังกัด | ไม่มีแผนที่ ไม่มีการรวมรายเขต/อำเภอ ไม่มีบริบทขนส่ง ไม่ผูกมาตรฐานและราคา |
| ไดเรกทอรี HA / JCI | ตรวจว่าโรงพยาบาลมีการรับรองหรือไม่ | หลักฐานมาตรฐานที่เป็นทางการ | ตอบทีละแห่ง ไม่บอกตำแหน่งเทียบกับคู่แข่งหรืออุปทานรอบ ๆ |
| ระบบราคาค่ารักษาของ DIT | เทียบราคารายการเดียวทีละโรงพยาบาล | ราคาที่โรงพยาบาลแจ้งต่อรัฐ | ไม่มีบริบทพื้นที่ ไม่มีระดับเทียบกลุ่ม |
| Google Maps / ค้นหาเว็บ | หาโรงพยาบาลใกล้จุด อ่านรีวิว | ข้อมูลสด รูป ระยะเดินทาง | ไม่มีเตียง สังกัด หรือการรวมรายพื้นที่ที่ตรวจย้อนได้ |
| รายงานที่ปรึกษา / ฐานข้อมูลอุตสาหกรรม | สรุปตลาดรายภูมิภาค | วิเคราะห์ลึก | ราคาสูง ไม่ลงถึงระดับเขตและรายแห่งที่กดดูหลักฐานได้ |

**คู่แข่งในอุดมคติ (aspirational):** ระบบ location intelligence ของต่างประเทศที่รวม supply, demand และ access ในแผนที่เดียว (**Inference**) — เกณฑ์คุณภาพที่ต้องผ่านคือ ตัวเลขทุกตัวกดถึงแหล่ง วันที่ และวิธีนับได้ภายในหนึ่งคลิก

### 2.4 How — เราชนะอย่างไร และต่อยอดอะไรได้

1. **Aha ก่อน รายละเอียดทีหลัง:** หน้าจอแรกเปิดเป็นเมือง 3 มิติที่โฟกัสเขตที่มีเตียงมากที่สุดของจังหวัดที่มีเตียงมากที่สุด พร้อมตัวตั้งตัวหารและแถบเทียบระยะรถไฟฟ้า (`js/area-insight.js`)
2. **ทุกตัวเลขพาไปถึงแถว:** เขต → รายชื่อ → สถานพยาบาล → อาคาร 3 มิติ (มุมมอง two-point) → แหล่งและวันที่ในแผง “ที่มาและพิกัด”
3. **ใช้ทะเบียนเดียวกับ production:** เขต/อำเภอ รหัส และลิงก์ “ดูใน CityMETER” ตรงกับ `landometer.com/v3/citymeter?d=hospital`
4. **ต่อยอด:** ประชากรและอุปสงค์ (CityMETER Population), ที่ดินรอบโรงพยาบาล (Land), ราคา–มาตรฐานรายกลุ่มเครือ (42 กลุ่มแบรนด์ใน `01_BRANDS` เมื่อชีตผูกถึงรายแห่ง)

## 3. บทบาทผลิตภัณฑ์และเส้นทางผู้ใช้

| ขั้น | ผู้ใช้ทำ | หน้าจอตอบ |
|---|---|---|
| เปิด | เห็นข้อค้นพบแรก | 32% ของเตียงกรุงเทพฯ อยู่ใน 3 เขต · ใกล้รถไฟฟ้า 38% vs 37% · อันดับ 1 นอกกรุงเทพฯ |
| สำรวจ | สลับ เตียง ↔ สถานพยาบาล, กรองประเภท/ขนาด/จังหวัด/สังกัด | แผนที่ แผง กราฟ และตารางเปลี่ยนพร้อมกัน |
| เจาะ | กดเขต สถานี หรือสถานพยาบาล | อันดับ สัดส่วน ประเภท ขนาด สังกัด สถานีใกล้ รายชื่อ |
| ตัดสินใจ | อ่านคู่เทียบ มาตรฐาน ราคาแล็บ บริการ | คู่เทียบตามกฎที่เห็นเป็นชิป · ราคาแล็บพร้อมระดับเทียบกลุ่ม |
| ต่อ | ถาม Google AI, Google Maps, Street View, ดูใน CityMETER | คำถามของแต่ละมุมมอง ชื่อและจุดสาธารณะเท่านั้น |

## 4. ข้อมูลและวิธี (Data and method clarity)

- หนึ่งแถว = หนึ่งแถวของ `02_FACILITIES` ที่เจ้าของอนุมัติเข้าขอบเขต (production `CMH-*` หรือ HCODE `HCODE-*`) ไม่ใช่สำมะโนสถานพยาบาลที่เปิดอยู่ (**Owner-stated** ในทะเบียน: “จำนวนผู้สมัครไม่ใช่สถานที่ไม่ซ้ำที่ยืนยันเปิด”)
- เตียง = `official_reported_beds_text` ของ HCODE: เตียงที่ทะเบียนรายงาน ไม่ใช่เตียงที่เปิดใช้จริงหรืออัตราครองเตียง
- มาตรฐาน = หลักฐานที่เผยแพร่ (ขั้น HA และวันที่, โปรแกรม JCI) ไม่ใช่อันดับคุณภาพหรือผลการรักษา (**Owner-stated** ในทะเบียน: “มาตรฐานรับรองไม่ใช่อันดับผลการรักษา”)
- ราคาแล็บ = ราคาที่ DIT เผยแพร่ ตรวจ 31 ต.ค. 2569 วันที่มีผลไม่ระบุในแหล่ง แสดงรายแห่งเท่านั้น ไม่รวมหรือเฉลี่ยข้ามแห่ง
- หมุด = จุดของชุด Hospital ใน CityMETER production; แถวจาก HCODE ไม่มีหมุด (นับในเขต/อำเภอตามทะเบียน)
- ระยะทุกตัวเป็นระยะตรงระหว่างจุดอ้างอิง ไม่ใช่ระยะเดิน เวลาเดินทาง หรือพื้นที่บริการ
- วิธีและข้อจำกัดทั้งหมดอยู่ใน `DATA_METHOD.md` ซึ่งลิงก์จากคำว่า “วิธีนับ” ท้ายทุกแผง

## 5. ข้อกำหนด UX และผลลัพธ์ (ที่ Product Statement นี้กำหนด)

- หน้าจอแรกตอบคำถามเดียว (§1) ภายใน 10 วินาที ในมุมมอง 3 มิติ พร้อมตัวตั้งและตัวหาร
- ภาษาสั้น เป็นธรรมชาติ ใช้คำของผู้ใช้ (เตียง แห่ง ประเภท สังกัด ระดับ มาตรฐาน ราคาแล็บ คู่เทียบ ใกล้รถไฟฟ้า) และใช้ symbol, icon, กราฟเล็ก แทนประโยคยาว (กฎเจ้าของเรื่องภาษา ต่อจาก CityMETER · Hotel 0.3.1)
- ไม่มี caveat บนจอ: ความแม่นยำมาจากชื่อของตัวเลข ตัวตั้งตัวหาร และบรรทัดที่มาบรรทัดเดียวท้ายแผง
- ทุกมุมมองแผนที่มีตารางเทียบเท่า ใช้ได้ด้วยคีย์บอร์ด และอ่านได้ทั้งธีมสว่างและมืดที่ 390 px ขึ้นไป

## 6. Brand DNA / Voice / Visual mini-check

- **Trustworthy:** ทุกตัวเลขมีแหล่ง วันที่ และวิธีนับ; ไม่มีคำว่า “ดีที่สุด” “คุณภาพสูง” หรืออันดับคุณภาพ
- **Clear:** สี 41 ระดับของ LDS (`li.supply` สำหรับเตียง, `count` สำหรับแห่ง) ประเภทใช้สี + รูปทรงของ series เดียวกันทุกที่ ไม่มีรูปดาว
- **Calm:** เมืองรอบนอกเงียบ (outline, จุดเทา, มวลอาคารจาง) รายละเอียดเฉพาะส่วนที่โฟกัส

## 7. สิ่งที่ต้องทดสอบต่อ (Hypotheses → validation)

| Hypothesis | Test | Criterion |
|---|---|---|
| ทีมขยายสาขาเครือโรงพยาบาลใช้ “คู่เทียบ” แทนการรวบรวมเองเบื้องต้น | สัมภาษณ์ 5 ทีม ให้ทำงานคัดกรองทำเลจริง 1 งาน | ≥ 3 ใน 5 ทีมใช้รายชื่อคู่เทียบเป็นจุดเริ่ม และบอกว่าประหยัดเวลา ≥ 1 วัน |
| เตียงตามทะเบียนเป็นตัววัดอุปทานที่ผู้ใช้ยอมรับ | เทียบกับเตียงที่โรงพยาบาลเผยแพร่เองใน 30 แห่งสุ่ม | ต่างกันไม่เกิน 15% ใน ≥ 80% ของแห่งที่ตรวจ |
| ผู้วางแผนเครือข่ายต้องการบทบาท สปสช. และบริการบนแผนที่เดียวกัน | ทดสอบกับผู้ใช้ประกัน/TPA 3 ราย | ผู้ใช้หาหน่วยรับส่งต่อในอำเภอเป้าหมายได้ภายใน 2 นาที |
| หมุดของ HCODE (คลินิก) ช่วยการตัดสินใจทำเลคลินิก | เพิ่มหมุดให้คลินิกในกรุงเทพฯ 1 เขตจากแหล่งที่ตรวจย้อนได้ แล้วทดสอบกับผู้ใช้ | ผู้ใช้ระบุได้ว่าคลินิกคู่แข่งอยู่ในรัศมี 1 กม. ถูกต้อง ≥ 90% |

### แหล่งแนวทางของเอกสาร

Landometer Master Brand Brief v0.5.3 (§3.2, §3.7, §7.2) · Product Brief — CityMETER v6 · CityMETER Dataset Registry (`research.TH.hospital`, `Datasets.hospital`) · CityMETER · Hotel 0.3.6 (โครงสร้างผลิตภัณฑ์และกฎเจ้าของที่ใช้ต่อ, `AGENTS.md`)