# Product Statement — CityMETER Dataset: Hotel

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/hotels.json` เว้นแต่ระบุ) และเป็น snapshot ของรุ่นนี้ ไม่ใช่ค่าคงที่ของหน้าจอ

## 0. Metadata

| รายการ | รายละเอียด |
|---|---|
| Parent product | CityMETER (City Intelligence Base Layer ของ Landometer) · แกน Land (ทะเบียนกลาง `research.TH.hotel` / Land / TH) · production dataset code `hotel` (`https://landometer.com/v3/citymeter?d=hotel`) |
| Feature / dataset | Hotel — ที่พักและห้องพักที่แหล่งบันทึก ทั่วประเทศไทย ระดับเขต/อำเภอ พร้อมบริบทรถไฟฟ้า ศูนย์การค้า เครือโรงแรม และที่พักใกล้เคียงขนาดใกล้กัน |
| รุ่นเอกสาร | 0.3.10 · 8 พฤศจิกายน 2569 |
| สถานะ | Public demo รุ่น 0.3.10 บน GitHub Pages (`https://montri-th.github.io/hotel/`); ชุดข้อมูลเป็น research master ไม่ใช่สำมะโนที่พักที่เปิดอยู่ |
| ผู้รับผิดชอบ | Landometer · CityMETER (owner: Montri) |
| ผู้ใช้หลัก | ทีมพัฒนาโครงการและนักลงทุนที่ดิน/โรงแรม · ทีมขยายเครือและ revenue ของผู้ประกอบการโรงแรม · หน่วยงานท่องเที่ยว จังหวัด และ อปท. ที่ต้องอ่านความพร้อมของที่พักรายพื้นที่ · ผู้ประเมินมูลค่าและสถาบันการเงินที่ต้องคัดกรองทำเล |
| ชุดข้อมูลที่ใช้ร่วม | CityMETER · Transit (สถานีราง release `transit-data-2026-10-31-r1`, `meta.context.rail`) · CityMETER Shopping centers (ทะเบียนศูนย์การค้า ณ 26 ต.ค. 2569, `meta.context.retail`) · งานวิจัยอาคารของชีตเดียวกัน (`16_BRANCH_SPATIAL_CANDIDATES`) · มวลอาคารเป็นบริบท: CityMETER Building V4 ใน อปท./เขตที่มีอาคารมากกว่า OSM ≥ 15% นอกนั้น OpenStreetMap ผ่าน OpenFreeMap (`data/building-units/`) |
| แหล่งข้อมูล / วิธี (สรุป) | ชีตวิจัย `CityMETER Hotel — Venue, Branch & Building Research Master 2026-10-24` (แท็บ `01_VENUES` และแท็บประกอบ): CityMETER Hotel V3 ของ production, ทะเบียนที่พัก ททท. (TAT Data Catalog), หน้าทางการของเครือและที่พัก, รายชื่อที่หน่วยงานจังหวัดเผยแพร่; หนึ่งรายการ = หนึ่งแถวของ `01_VENUES` (`DATA_METHOD.md` §1–3) |
| ข้อมูลตรวจถึง | 1 พ.ย. 2569 (`meta.checkedOn`) · สร้างข้อมูล 2 พ.ย. 2569 (`meta.builtOn`; ตัวเลขเท่ารุ่น 0.3.1 เพิ่มชื่อปัจจุบันของที่พักที่เปลี่ยนแบรนด์ 24 แห่ง) · วันที่ตรวจ ≠ วันที่ที่พักเปิด ปิด หรือเปลี่ยนจำนวนห้อง |

## 1. Highlight

**Hotel คือชั้นข้อมูล “ห้องพักอยู่ตรงไหน ใกล้อะไร และเป็นของใคร” ของเมืองไทย** ช่วยให้ทีมที่ต้องตัดสินใจเรื่องที่ดินโรงแรม การขยายเครือ หรือความพร้อมรองรับนักท่องเที่ยว เห็นภายในนาทีว่าห้องพักที่แหล่งบันทึกกระจุกอยู่ **เขตใด** ใกล้ **สถานีรถไฟฟ้า** แค่ไหน เป็นที่พัก **ประเภทใด ขนาดใด** และมี **ที่พักใกล้เคียงขนาดใกล้กัน** ให้เทียบที่ใด พร้อมแหล่งของทุกตัวเลข — ตอบคำถามเดียวก่อนลงพื้นที่: **“ห้องพักกระจุกอยู่ตรงไหน และใกล้รถไฟฟ้าแค่ไหน”**

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

- **35% ของห้องพักในกรุงเทพมหานคร (53,516 จาก 153,200 ห้อง) อยู่ใน 3 เขต — คลองเตย 20,679 · วัฒนา 17,774 · ราชเทวี 15,063** (ตัวหาร = ห้องทั้งจังหวัดในตัวกรอง รวม 336 ห้องที่แหล่งระบุได้แค่จังหวัด ตั้งแต่ 0.3.1)
- **ห้องพักใน 3 เขตนี้ 67% อยู่ห่างสถานีรถไฟฟ้าที่เปิดแล้วไม่เกิน 500 ม. (25,768/38,690 ห้องที่มีพิกัด) เทียบ 42% (32,732/77,957) ในเขตอื่นของกรุงเทพฯ** — ระยะตรง ไม่ใช่ระยะเดิน
- **อำเภอที่มีห้องพักมากที่สุดของประเทศอยู่นอกกรุงเทพฯ: บางละมุง ชลบุรี 62,561 ห้อง (840 แห่ง)** มากกว่าเขตใดในกรุงเทพฯ; ถัดมาคือเมืองภูเก็ต 42,623 · กะทู้ 40,620 · เมืองเชียงใหม่ 39,355
- เมื่อนับเป็นจำนวนที่พัก (แห่ง) ภาพเปลี่ยน: **85% ของที่พักในภูเก็ต (1,886/2,223) อยู่ในเมืองภูเก็ตและกะทู้** — ภูเก็ตมีที่พักมากที่สุด แต่กรุงเทพฯ มีห้องพักมากที่สุด

**Inference:** ห้องพักของกรุงเทพฯ เกาะแกนรถไฟฟ้าสุขุมวิท–ราชเทวี ขณะที่ห้องพักต่างจังหวัดเกาะเมืองท่องเที่ยวที่ไม่มีระบบราง — คำถาม “ใกล้รถไฟฟ้าไหม” จึงเป็นตัวแบ่งทำเลในกรุงเทพฯ แต่ใช้ไม่ได้กับพัทยา ภูเก็ต หรือสมุย ข้อสรุปนี้ใช้กับห้องที่แหล่งบันทึกในชุดข้อมูลนี้เท่านั้น ไม่ใช่อุปทานที่เปิดขายจริงหรืออัตราการเข้าพัก

**หนึ่งบรรทัด:** แผนที่เมือง 3 มิติของห้องพักทั่วไทย ที่บอกว่ากระจุกตรงไหน ใกล้รถไฟฟ้าแค่ไหน และมีที่พักใดให้เทียบ พร้อมแหล่งของทุกตัวเลข

## 2. Description

### 2.1 Who — ใครคือผู้ใช้ และปัญหาของพวกเขาคืออะไร

ผู้ใช้สี่กลุ่มอ่านข้อมูลเดียวกันจากคนละการตัดสินใจ (**Hypothesis** — นิยามจาก Product Brief v6 §1.7.1 ที่จัด Hotel / Tourism เป็นลำดับ P0 ทุกช่องทาง และงาน Location Decision Pack ของโครงการ ยังไม่ได้ยืนยันด้วยการสัมภาษณ์ผู้ใช้ภายนอก; แผนทดสอบอยู่ใน §7)

| กลุ่ม | การตัดสินใจ | Functional needs | Emotional needs | Trigger / เสียงในหัว |
|---|---|---|---|---|
| ทีมพัฒนาโครงการ นักลงทุนที่ดิน/โรงแรม | ซื้อ–พัฒนาที่ดินเป็นโรงแรมหรือไม่ ขนาดเท่าไร | อุปทานห้องรอบแปลง ประเภทและขนาดที่พักรอบ ๆ ระยะถึงรถไฟฟ้าและศูนย์การค้า | มั่นใจว่าไม่ได้เข้าไปในย่านที่อุปทานล้น | “แถวนี้มีห้องพักอยู่แล้วเท่าไร ขนาดเท่าเราหรือเปล่า” |
| ทีมขยายเครือและ revenue ของผู้ประกอบการ | เปิดแบรนด์ไหนที่ไหน เทียบกับใคร | เครือไหนอยู่ตรงไหน ที่พักขนาดใกล้กันในรัศมีเดียวกัน ราคาที่เคยบันทึก | ไม่พลาดคู่เทียบสำคัญ | “ใน 2 กม. มีโรงแรมขนาดเราอยู่กี่แห่ง ใครบ้าง” |
| หน่วยงานท่องเที่ยว จังหวัด อปท. | เตรียมรองรับนักท่องเที่ยว งาน และ MICE รายพื้นที่ | ห้องพักต่อเขต/อำเภอ ห้องประชุมตามทะเบียน ททท. ที่พักใกล้สถานี | อธิบายต่อผู้บริหารได้ด้วยหลักฐาน | “อำเภอเรารับคนได้แค่ไหน เมื่อเทียบกับอำเภออื่น” |
| ผู้ประเมินมูลค่า สถาบันการเงิน | คัดกรองทำเลก่อนสั่งงานประเมินเต็ม | compset เบื้องต้น ประเภทและขนาด ระยะถึงขนส่ง | ไม่ต้องเริ่มจากศูนย์ทุกครั้ง | “ขอรายชื่อคู่เทียบเบื้องต้นก่อนลงพื้นที่” |

**ปัญหา:** ข้อมูลที่พักกระจัดกระจายอยู่ใน OTA ทะเบียน ททท. รายชื่อของจังหวัด และหน้าทางการของแต่ละเครือ แต่ละแหล่งตอบได้ทีละโรงแรมหรือทีละรายการ ไม่มีภาพที่บอกว่า **ห้องพัก** (ไม่ใช่จำนวนป้าย) กระจุกที่ **เขต** ใด ใกล้ **ขนส่ง** แค่ไหน และมี **คู่เทียบขนาดใกล้กัน** ใดอยู่รอบ ๆ (**Inference** จากโครงสร้างแหล่งที่ชีตวิจัยต้องรวม — Project evidence: แท็บ `01_VENUES` มีแหล่ง 9 ตระกูล `sources[]`)

**ความเร่งด่วน:** โรงแรมเป็นการลงทุนอาคารที่ย้ายไม่ได้ และอุปทานในย่านเดียวกันเปลี่ยนสมมติฐานรายได้ทั้งโครงการ (**Inference**) การตัดสินใจทำเลผิดจึงมีต้นทุนสูงกว่าธุรกิจที่เช่าพื้นที่

### 2.2 What — ปัญหาที่เลือกแก้ และแก้อย่างไร

เลือกแก้ **“อุปทานห้องพักอยู่ตรงไหน และอยู่ในบริบทแบบใด”** ก่อนคำถามเรื่องราคาและความต้องการ เพราะข้อมูลที่ตรวจย้อนได้ในวันนี้คือห้องที่แหล่งบันทึก จุด เขต/อำเภอ และบริบทขนส่ง ไม่ใช่ยอดขายหรืออัตราการเข้าพัก

- **วัดด้วยห้อง ไม่ใช่ป้าย:** ค่าเริ่มต้นนับ Σ ห้องที่แหล่งบันทึก (`cols.rooms`, 1,033,157 ห้องจาก 30,650 แห่งที่ทราบจำนวนห้อง) สลับเป็นจำนวนที่พักได้ในคลิกเดียว — 79 แห่งที่ไม่ทราบจำนวนห้องนับเป็นแห่ง ไม่นับเป็น 0 ห้อง
- **เขต/อำเภอของ production:** 28,380 แห่งใช้เขต/อำเภอที่ CityMETER Hotel V3 จัดไว้ 2,117 แห่งจากชื่อเขต/อำเภอของแถว 197 แห่งจากจุดของแถว และ 35 แห่งระบุได้แค่จังหวัด (`meta.counts.admin.*`)
- **บริบทจากชุดข้อมูลเดียวกันในทะเบียน:** สถานีรถไฟฟ้าที่เปิดแล้ว 195 สถานีและที่กำลังก่อสร้าง 79 สถานีจาก CityMETER · Transit ศูนย์การค้า 584 แห่งจาก CityMETER Shopping centers ผูกด้วย id และระยะตรง (`stations[]`, `retail[]`)
- **คู่เทียบเบื้องต้นรายโรงแรม:** ประเภทเดียวกัน ห้อง ½–2 เท่า ในระยะตรง 2 กม. เรียงใกล้ก่อน พร้อมยอดที่พักทุกประเภทรอบ 2 กม. (`js/profile-model.js#compsetOf`)
- **ข้อเท็จจริงรายโรงแรมที่ตรวจย้อนได้:** ราคาที่บันทึก (28,381 แห่ง ไม่ทราบช่วงเวลา) ห้องประชุมตามทะเบียน ททท. (2,115 แห่ง) อาคารเดียวกันตามงานวิจัย (93 แห่ง) แหล่งและวิธีระบุพื้นที่ของทุกแถว

### 2.3 Which — ผู้ใช้แก้ปัญหานี้ด้วยอะไรอยู่ และต้องดีกว่าแค่ไหน

**ทางเลือกปัจจุบัน** (**Inference** จากลักษณะงาน ยังไม่ได้สำรวจผู้ใช้):

| ทางเลือก | ผู้ใช้ใช้อย่างไร | จุดแข็ง | ช่องว่างที่ Hotel ปิด |
|---|---|---|---|
| OTA และแผนที่ค้นสถานที่ | ค้นโรงแรมรอบจุด ดูราคาและรีวิว | ข้อมูลสด คุ้นมือ | ไม่รวมห้องเป็นอุปทานต่อพื้นที่ ไม่บอกที่มาของจำนวนห้อง จัดอันดับตามการขาย ไม่ใช่ตามทำเล |
| ทะเบียนที่พักของหน่วยงาน (ททท. จังหวัด) | ดาวน์โหลดตารางแล้วนับเอง | เป็นทางการ ครอบคลุม | ไม่มีแผนที่ ไม่มีขอบเขตเขต/อำเภอที่ตรงกับ production ไม่มีบริบทขนส่ง |
| รายงานตลาดโรงแรมของที่ปรึกษา | อ่านภาพรวมเมืองหลัก | มีอัตราการเข้าพักและ ADR | รายปี เฉพาะเมืองหลัก ไม่ลงระดับอำเภอ ไม่เปิดให้ตรวจรายแถว |
| เดินทำเลและ Street View | ดูหน้างานรอบแปลง | เห็นของจริง | ช้า ไม่เป็นระบบ เทียบหลายทำเลไม่ได้ |

**คู่เทียบเชิงคุณภาพ (aspirational):** แพลตฟอร์ม hospitality analytics ที่มีข้อมูล STR/ADR/occupancy (ความลึกด้าน performance) และแผนที่ค้นสถานที่ระดับโลก (ความเร็วและความคุ้นเคย) — Hotel ไม่มีข้อมูลการขายหรือการเข้าพัก จึงไม่แข่งด้านนั้น แต่ต้องชนะด้วย **ห้องพัก × เขต/อำเภอ × ขนส่ง × คู่เทียบ** ที่ตรวจย้อนได้ทุกแถว

**เกณฑ์ขั้นต่ำที่ทำให้ผู้ใช้เปลี่ยนพฤติกรรม (Hypothesis, ทดสอบใน §7):** ตอบ “เขตไหน ห้องเท่าไร ใกล้อะไร เทียบกับใคร” ได้ในหนึ่งหน้าจอภายในหนึ่งนาที และทุกตัวเลขเปิดย้อนถึงแหล่งได้

### 2.4 How — เราชนะอย่างไร และต่อยอดอะไรได้

**Winning edge**

1. **วัดสิ่งที่การลงทุนสนใจ:** ห้องพัก (capacity) เป็นค่าเริ่มต้น ใช้สเกล `li.supply` ของ Location Intelligence Profile ไม่ใช่จำนวนป้าย — และสลับเป็นจำนวนที่พักได้โดยไม่เสียบริบท
2. **ขอบเขตเดียวกับ CityMETER production:** เขต/อำเภอมาจาก production โดยตรง ลิงก์ “ดูใน CityMETER” เปิดพื้นที่เดียวกัน `?d=hotel`
3. **ข้ามชุดข้อมูลในทะเบียนเดียวกัน:** สถานีรถไฟฟ้า ศูนย์การค้า และอาคารเดียวกันตามงานวิจัย ผูกด้วย id และ commit/sha256 ที่ตรวจซ้ำได้ (`meta.context`)
4. **คู่เทียบในคลิกเดียว:** กฎเปิดเผยเป็นชิป (ประเภทเดียวกัน · ห้อง ½–2 เท่า · ≤ 2 กม.) ไม่ใช่กล่องดำ
5. **ความจริงก่อนความสวย:** ไม่ทราบ = ไม่ทราบ (ไม่ใช่ 0) · ราคาเรียกว่าราคาที่บันทึก · ระยะเป็นระยะตรง · ทุกหน้าจบด้วยบรรทัดที่มา (ชุดข้อมูล · แหล่ง · วันที่ · ขอบเขต) และลิงก์ “วิธีนับ” — ไม่มีคำเตือนบนหน้าจอ (owner 2026-11-01)

**Action path:** หน้าแรก (เขตที่ห้องพักกระจุก + สัดส่วนใกล้รถไฟฟ้า) → เขต/อำเภอ (ประเภท ขนาด สถานี เครือ รายชื่อ) → สถานี (ที่พักใน 500 ม.) หรือโรงแรม (คู่เทียบ 2 กม. ราคาที่บันทึก บริบท) → ถามต่อใน Google หรือดู Street View → ตาราง/กราฟเพื่อเทียบ → เปิดพื้นที่ใน CityMETER production

**ต่อยอด (planned ไม่ใช่ available):** ราคาสังเกตรายวันที่มีวันที่กำกับ (`46_PRICE_OBSERVATIONS`) สำหรับฤดูกาล · วาดมวลอาคารวิจัย 642 ชิ้นแทนมวลอาคารบนแผนที่เมื่อผ่านการตรวจ · ขอบเขตไซต์รีสอร์ทและพูลวิลล่า 300 แห่งแรกจากทีมวิจัย (`49_SITE_BOUNDARY_CHECK`) · เชื่อม Locale Insight และ Population เพื่ออ่านบริบทย่าน · feed สำหรับ agent (`llms.txt` รุ่นนี้เป็นจุดเริ่ม) · ตรวจสถานะการเปิดดำเนินงานรอบใหม่

**Claim boundary — พูดได้:** ห้องพักที่แหล่งบันทึกกระจุกที่ใด เป็นที่พักประเภทใด ขนาดใด อยู่ห่างสถานีและศูนย์การค้าเท่าใดเป็นระยะตรง แบรนด์ใดที่ชุดข้อมูลบันทึกกับเครือใด ราคาใดที่แหล่งเคยบันทึก
**พูดไม่ได้:** อัตราการเข้าพัก ADR RevPAR รายได้ ความต้องการ ส่วนแบ่งตลาด ราคาวันนี้ ห้องว่างต่อคืน ความหนาแน่นต่อพื้นที่หรือต่อประชากร การยืนยันว่าที่พักเปิดอยู่วันนี้ ระดับดาวหรือคุณภาพ ระยะเดินหรือเวลาเดินทาง ความเป็นอิสระของที่พักที่ไม่มีแบรนด์ในข้อมูล หรือว่าเขตที่ไม่มีที่พักในชุดข้อมูล “ไม่มีโรงแรม”

## 3. บทบาทผลิตภัณฑ์และเส้นทางผู้ใช้

- **หน้าแรก (3D, Aha first):** โฟกัสอัตโนมัติไม่เกิน 3 เขต/อำเภอที่มีห้องพักมากที่สุดของจังหวัดที่มีห้องพักระดับเขตมากที่สุด พร้อมตัวตั้ง ตัวหาร สัดส่วนใกล้รถไฟฟ้า (ทั้งสองฐาน) และพื้นที่ที่มากที่สุดนอกจังหวัดนั้น ไม่ตัดผ่านค่าที่เท่ากัน และไม่โฟกัสทุกเขตของจังหวัด (`js/area-insight.js`)
- **สลับมาตรวัด:** ห้องพัก | ที่พัก ในคำอธิบายแผนที่ — แผนที่ คำอธิบาย ป้าย Aha อันดับ และกราฟเปลี่ยนพร้อมกัน
- **เขต/อำเภอ:** ห้อง แห่ง สัดส่วนของจังหวัด สัดส่วนใกล้รถไฟฟ้า ประเภท ขนาด ห้องประชุมตามทะเบียน สถานีที่มีห้องพักรอบมาก เครือ และรายชื่อเรียงตามจำนวนห้อง
- **สถานี:** ที่พักในรัศมีระยะตรง 500 ม. ของสถานีที่เปิดแล้ว วงรัศมีบนแผนที่ ลิงก์ไปสถานีเดียวกันใน CityMETER Transit
- **โรงแรม:** กดแล้วเห็นอาคาร 3 มิติแบบ 2-point perspective ทุกครั้ง (อาคารที่หมุดอยู่ในขอบ หรืออาคารใกล้หมุด) ห้อง ขนาด เครือ ราคาที่บันทึก ห้องประชุม สถานีและศูนย์การค้าที่ใกล้ที่สุด อาคารเดียวกันตามงานวิจัย คู่เทียบ 2 กม. และแหล่ง/วิธีระบุพื้นที่/พิกัดในส่วนที่พับไว้
- **เครือ:** ตัวกรองเครือเปิดบัตรเครือ (แบรนด์ ห้อง แห่ง จังหวัด สัดส่วนใกล้รถไฟฟ้า)
- **กราฟและตาราง:** เขต/อำเภอเรียงตามมาตรวัด · เขต × ประเภท (ช่องเท่ากัน) · เครือ · ตารางที่พักพร้อมห้อง แบรนด์ พื้นที่ สถานีใกล้สุด ราคาที่บันทึก

## 4. ข้อมูลและวิธี (Data and method clarity)

| เรื่อง | ข้อกำหนด |
|---|---|
| หน่วยนับ | หนึ่งแถวของ `01_VENUES` = รายการที่พักตามแหล่ง ยังไม่ได้ตรวจภาคสนามว่าเปิดอยู่ (`operation_not_revalidated`) แถว alias หนึ่งแถวไม่นับ (`meta.aliases`) |
| ห้อง | `rooms_selected` ที่ชีตเลือกจากแหล่ง ว่าง = ไม่ทราบ ไม่ใช่ 0 |
| ราคา | min/max/avg ของ CityMETER Hotel V3 หน่วยบาท `price_period = unknown` แสดงรายโรงแรมเท่านั้น ไม่รวม ไม่เฉลี่ยข้ามโรงแรม |
| พื้นที่ | เขต/อำเภอของ production ตามลำดับวิธี source → name → point; จุดที่ขัดกับเขตของแหล่ง 7 แห่งคงเขตของแหล่งและรายงาน (`meta.checks`) |
| จุด | จุดที่ชีตเลือก (`coordinate_role`) 29,149 แห่ง ไม่สร้างจุดใหม่ จุดที่ชีตกักไว้ไม่ถูกวาด |
| บริบท | ระยะตรงจากจุดของโรงแรมถึงจุดอ้างอิงของสถานี (≤ 2 กม.) และศูนย์การค้า (≤ 1.5 กม.) |
| สี | `li.supply` (ห้อง) และ `count` (แห่ง) 41 ระดับตามลำดับค่า สีเดียวกันทั้งสองธีม; ประเภทที่พักใช้ series + shape cue ของ LDS |

รายละเอียดการสร้าง การตรวจ และข้อจำกัดอยู่ใน `DATA_METHOD.md`

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

1. หน้าแรกต้องตอบ “ห้องพักกระจุกตรงไหน และใกล้รถไฟฟ้าแค่ไหน” ด้วยตัวเลขที่มีตัวตั้งและตัวหารในจอแรก ทั้ง desktop และ 390 px
2. ทุกตัวเลขบอกหน่วย (ห้อง/แห่ง/ม.) และทุกมุมมองจบด้วยชุดข้อมูล · แหล่ง · วันที่ · ขอบเขต หนึ่งบรรทัด พร้อมลิงก์ “วิธีนับ” (DATA_METHOD.md)
3. ไม่ทราบไม่แสดงเป็น 0 — ทั้งในแผนที่ (ลายทแยง no-data) ป้าย ชิป และตาราง
4. ราคาเรียก “ราคาที่บันทึก” เสมอ วันที่ของราคาเป็นช่องหนึ่งของ “ที่มาและพิกัด” (ไม่ระบุในแหล่ง) ไม่ใช่บรรทัดเตือน
5. ระยะทุกจุดเป็นระยะตรง (สัญลักษณ์ไม้บรรทัด คำว่า “ระยะตรง” ในคำอธิบาย) ไม่เรียกเป็นระยะเดินหรือ catchment
6. คู่เทียบชื่อ “คู่เทียบ” พร้อมกฎเป็นชิป ไม่เรียกว่าคู่แข่ง
7. ภาษา (owner 2026-11-01: “กระชับอ่านเข้าใจง่าย ใช้ symbol, logo, icon, charts … ตรงกับ context ของ ICP … ไม่มี caveats เลย และเป็นธรรมชาติ”): คำของผู้ใช้ใน §2.1 สัญลักษณ์ โลโก้ และกราฟแท่งเล็กแทนประโยค ไม่มีคำเตือนบนหน้าจอ ความแม่นยำมาจากชื่อที่ตรง ตัวตั้งและตัวหารของทุกสัดส่วน และบรรทัดที่มา

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

- **Voice:** ไทยตรง สั้น เป็นธรรมชาติ ไม่ขาย ไม่ใช้คำโฆษณา ใช้คำของผู้ใช้ — ไม่มีคำเตือนบนหน้าจอ (owner 2026-11-01) **ความต่างที่รายงาน:** MBB v0.5.3 §3.2 (Grounded: ระบุ limitation) และ Product Brief v6 pillar 5 ให้บอกข้อจำกัดสั้น ๆ ส่วนเจ้าของสั่งให้ไม่มี caveat บนหน้าจอ รุ่นนี้จึงเก็บข้อจำกัดไว้หลังลิงก์ “วิธีนับ” ท้ายบรรทัดที่มา (DATA_METHOD.md) ไม่อยู่บนหน้าจอ
- **Visual:** LDS 0.9.7 (`standalone-0.9.7-r1`, `color-srgb-10`) + Location Intelligence Profile (`li.supply`) ตรวจ parity 124 รายการด้วย `scripts/check-lds-parity.mjs`; ไม่มีกรอบตกแต่งหรือแถบสีด้านซ้าย; focus มองเห็นได้ทุกปุ่ม
- **Map-first:** แผนที่ 3 มิติเป็นพื้นที่หลัก แผงขวาเป็นคำอธิบาย โฟกัสสว่าง บริบทเงียบ

## 7. สิ่งที่ต้องทดสอบต่อ (Hypotheses → validation)

| Hypothesis | วิธีทดสอบ | เกณฑ์ผ่าน |
|---|---|---|
| ผู้ใช้สี่กลุ่มใน §2.1 ใช้ “ห้อง” มากกว่า “แห่ง” ในการเลือกทำเล | สัมภาษณ์ 5 คนต่อกลุ่ม ให้ตอบคำถามทำเลจริงด้วยเดโม | ≥ 70% เลือกมาตรวัดห้องเป็นค่าแรก |
| สัดส่วนใกล้รถไฟฟ้าเป็นตัวแบ่งทำเลที่ใช้ได้ในกรุงเทพฯ | ให้ทีมพัฒนาโครงการเทียบ 3 แปลงโดยใช้และไม่ใช้ข้อมูลนี้ | การจัดอันดับเปลี่ยนหรือมั่นใจขึ้นใน ≥ 3 ใน 5 ทีม |
| คู่เทียบ 2 กม. (ประเภทเดียวกัน ½–2 เท่า) ใกล้กับคู่เทียบที่ผู้ประเมินเลือกเอง | เทียบกับ compset ของผู้ประเมิน 10 โครงการ | ทับซ้อน ≥ 50% ของรายชื่อ 5 อันดับแรก |
| หน่วยงานท่องเที่ยว/อปท. ใช้ห้องพักต่ออำเภอและห้องประชุมตามทะเบียนในการวางแผนงาน | ทดลองกับ 2 จังหวัดนำร่อง | ใช้ตัวเลขในเอกสารวางแผนจริงอย่างน้อย 1 ฉบับ |
| ห้องที่แหล่งบันทึกใกล้เคียงอุปทานที่เปิดขายจริงพอสำหรับการคัดกรอง | สุ่มตรวจ 200 แห่งกับหน้าทางการ/OTA | จำนวนห้องคลาดไม่เกิน 10% ใน ≥ 80% ของตัวอย่าง |

### แหล่งแนวทางของเอกสาร

Landometer Master Brand Brief v0.5.3 (§3.7 ป้ายหลักฐาน, §7.2 โครง Who/What/Which/How) · Product Brief — CityMETER v6 (§1.6 product statement, §1.7.1 channel priority: Hotel / Tourism P0) · Landometer Design System 0.9.7 และ Location Intelligence Profile for LDS 0.9.7 — ไฟล์ทั้งหมดอยู่ในโครงการ CityMETER ของ Landometer ไม่ได้เผยแพร่ใน repository นี้