# Product Statement — CityMETER Dataset: Luxury Brands

Winning strategy ของชุดข้อมูลนี้ เขียนตามโครง Who → What → Which → How ของ Landometer Master Brand Brief v0.5.3 §7.2 และ Product Brief — CityMETER v6 §1.6 ป้ายหลักฐานใช้มาตรฐาน MBB §3.7: **Observed fact** · **Owner-stated** · **Inference** · **Hypothesis** · **Project evidence**

## 0. Metadata

| รายการ | รายละเอียด |
|---|---|
| Parent product | CityMETER (City Intelligence Base Layer ของ Landometer) · แกน Location |
| Feature / dataset | Luxury Brands — ย่านและสาขาของแบรนด์หรูและ upscale street brands ในประเทศไทย |
| รุ่นเอกสาร | 0.5 · 22 ตุลาคม 2569 (strategy เดิมจาก 0.3; 0.4 เพิ่มการมองเห็นอาคารของสถานที่เสมอ กรอบจังหวัด และ pictogram; 0.5 โลโก้สถานที่) |
| สถานะ | Public demo รุ่น 0.5 บน GitHub Pages; ชุดข้อมูลเป็น research snapshot ไม่ใช่สำมะโนตลาด |
| ผู้รับผิดชอบ | Landometer · CityMETER (owner: Montri) |
| ผู้ใช้หลัก | ทีมขยายสาขาและ distributor ของแบรนด์หรู · ทีม leasing/asset ของศูนย์การค้าและโครงการ mixed-use · นักวิเคราะห์/ที่ปรึกษาด้านค้าปลีกและทำเล |
| ชุดข้อมูลที่เกี่ยวข้อง | Shopping Center (host complexes 39 แห่ง, production API), Building (host footprints + OSM massing ผ่าน OpenFreeMap), Transit/Road (บริบท), Locale Insight (ย่านทางการของ production — ยังไม่เชื่อม) |
| แหล่งข้อมูล / วิธี (สรุป) | official brand locators, directory ของศูนย์การค้า, แหล่งผู้ประกอบการ, หลักฐานรายสถานที่; หนึ่งรายการ = หนึ่ง brand–point-of-sale observation (บนหน้าจอเรียก “สาขา”: ร้าน เคาน์เตอร์ หรือ shop-in-shop ของแบรนด์หนึ่งในสถานที่หนึ่ง); ขอบเขตย่าน 10 แกนที่นิยามเองจากแนวถนน/คลอง/แม่น้ำ (docs/NEIGHBORHOOD_METHOD.md) |
| ข้อมูลตรวจถึง | 2026-10-21 (Observed fact ใน `data/luxury.json` → `meta.asOf`) · วันที่ตรวจ ≠ วันที่ร้านเปิด/ปิด |

## 1. Highlight

**Luxury Brands คือชั้นข้อมูล “ใครอยู่ข้างใคร” ของตลาดค้าปลีกหรูในไทย** ช่วยให้ทีมที่ต้องตัดสินใจเรื่องทำเลร้านหรือ tenant mix เห็นภายในนาทีว่าแบรนด์ระดับเดียวกันกระจุกอยู่ **ย่านใด ศูนย์ใด อาคารใด** พร้อมหลักฐานรายสาขา เพื่อตอบคำถามเดียวที่สำคัญก่อนเซ็นสัญญา: **“ถ้าเปิดที่นี่ จะอยู่ข้างใคร — และย่านนี้ยังขาดใคร”**

จุดเด่นที่สุดคือ **การอ่านเป็นย่าน**: แบรนด์ไม่ซ้ำต่อย่าน, แบรนด์ที่พบเฉพาะย่านนี้กับแบรนด์ที่ย่านอื่นก็มี (exclusive/shared), และบุคลิกย่านตามกลุ่มแบรนด์ แสดงบนฉากเมือง 3 มิติที่ **โฟกัสเฉพาะส่วนที่กำลังตัดสินใจ ส่วนอื่นเงียบลง** และพร้อมฉายในห้องประชุมได้ทันที สิ่งนี้ store locator รายแบรนด์, directory รายศูนย์, Google Maps และรายงานตลาดแบบ PDF ยังให้ไม่ได้ (Which §2.3)

ข้อค้นพบแรกของ snapshot ปัจจุบัน (Observed fact, ตัวกรองค่าเริ่มต้น): **86% ของแบรนด์ (97 จาก 113) อยู่ใน 3 ย่าน — สยาม พร้อมพงษ์ ชิดลม–เพลินจิต** และพร้อมพงษ์มีแบรนด์เฉพาะย่านมากที่สุด (17 จาก 51)

**หนึ่งบรรทัด:** แผนที่ย่านแบรนด์หรูของไทยที่บอกว่าใครอยู่ข้างใคร พร้อมหลักฐานรายร้าน เพื่อเลือกทำเลและ tenant mix ด้วยหลักฐาน ไม่ใช่ความจำ

## 2. Description

### 2.1 Who — ใครคือผู้ใช้ และปัญหาของพวกเขาคืออะไร

ผู้ใช้สามกลุ่มแก้ปัญหาเดียวกันจากคนละฝั่งของสัญญาเช่า (Hypothesis — นิยามจากประสบการณ์ของทีมและผู้ใช้ทดลองภายใน ยังไม่ได้ยืนยันด้วยการสัมภาษณ์ผู้ใช้ภายนอก; แผนทดสอบอยู่ใน §7)

| กลุ่ม | การตัดสินใจที่ต้องทำ | Functional needs | Emotional needs | Trigger / เสียงในหัว |
|---|---|---|---|---|
| **ทีมขยายสาขาและ distributor ของแบรนด์หรู** (country/retail manager, ผู้ถือสิทธิ์จำหน่ายหลายแบรนด์) | จะเปิด ย้าย หรือปิดร้านที่ย่าน/ศูนย์ใด | ดูว่าแบรนด์ peer อยู่ที่ไหน ศูนย์ใดกำลังได้หรือเสียแบรนด์ ย่านใดยังไม่มีแบรนด์ระดับเดียวกัน ส่งรายชื่อให้ HQ/principal พร้อมหลักฐาน | กลัวเลือกผิดแล้วผูกกับสัญญาหลายปี ต้องดูน่าเชื่อถือต่อหน้า HQ ไม่อยากถูกจับได้ว่ารายชื่อเก่า | “แบรนด์ระดับเดียวกับเราไปอยู่ที่ไหนกัน?” “ถ้าเปิดที่นี่จะอยู่ข้างใคร?” “ห้างนี้เสียใครไปบ้างปีนี้?” |
| **ทีม leasing / asset ของศูนย์การค้าและ mixed-use** | จะเชิญแบรนด์ใดมาเติม tenant mix และใช้อะไรโน้มน้าว | เทียบ tenant mix ของตัวเองกับย่าน/ศูนย์คู่แข่ง หาแบรนด์ที่คู่แข่งมีแต่เราไม่มี (gap) และแบรนด์ที่มีเฉพาะที่เรา (exclusive) | กลัวพลาด gap ที่คู่แข่งปิดก่อน อยากมีภาพที่เอาไปขายแบรนด์ได้เลย | “เราขาดแบรนด์กลุ่มไหนเมื่อเทียบกับย่านข้าง ๆ?” “ถ้าแบรนด์ X ถามว่าใครอยู่แถวนี้ เราตอบได้ทันทีไหม?” |
| **นักวิเคราะห์และที่ปรึกษา** (retail/real-estate advisory, feasibility, market entry) | จะใช้หลักฐานอะไรใน proposal และต้องตรวจเพิ่มอะไร | รวมข้อมูลกระจัดกระจายให้เป็นชุดเดียวที่อ้างอิงได้ เทียบย่านในขอบเขตเดียวกัน ส่งต่อรายการที่ตรวจย้อนได้ | กลัวถูก challenge เรื่อง source/วันที่ เหนื่อยกับการไล่ locator ทีละแบรนด์ | “รายชื่อนี้ใครตรวจ ตรวจเมื่อไร?” “ต้องส่ง deck พรุ่งนี้ มีแผนที่ที่ดูเป็นมืออาชีพไหม?” |

**Value proposition:** เติมช่องว่างระหว่าง “พอรู้ว่าแบรนด์หรูอยู่แถวสยาม–เพลินจิต–พร้อมพงษ์” กับ “เห็นเป็นย่านว่าใครอยู่ข้างใคร ใครมีเฉพาะที่ไหน ตรวจเมื่อไร และส่งต่อได้ทันที” — ทำให้การตัดสินใจเรื่องทำเลและ tenant mix มีหลักฐานที่อธิบายต่อ HQ หรือ landlord ได้ ไม่พึ่งความจำของคนเดียว

**Core pain (Inference จากวิธีทำงานปัจจุบัน §2.3):** ความรู้เรื่อง adjacency ของแบรนด์หรูมีอยู่ แต่กระจัดกระจายรายแบรนด์/รายศูนย์ เก่าลงเงียบ ๆ (เปิด ปิด ย้าย pop-up) และเทียบข้ามย่านบนภาพเดียวไม่ได้

### 2.2 What — ปัญหาที่เลือกแก้ และแก้อย่างไร

**ปัญหาที่เลือกแก้:** “ก่อนตัดสินใจเรื่องร้านหรือ tenant mix ของแบรนด์หรู ทีมต้องรู้ adjacency ปัจจุบัน (ใครอยู่ที่ไหน ใครมีเฉพาะที่ไหน) แต่ไม่มีแหล่งเดียวที่รวม ตรวจย้อนได้ และเทียบย่านได้” ไม่ได้เลือกแก้เรื่องยอดขาย ค่าเช่า footfall หรือกำลังซื้อ

**เร่งด่วนและรุนแรงแค่ไหน:** เร่งด่วนทุกรอบที่มีพื้นที่ว่าง ต่อสัญญา หรือขยายสาขา (Owner-stated: จังหวะงานของทีมแบรนด์และ leasing) · รุนแรงเพราะผลของการเลือกย่าน/ศูนย์ผิดผูกกับสัญญาเช่าระยะยาวและชื่อเสียงของผู้เสนอ (Inference; ไม่ระบุตัวเลขต้นทุนเพราะยังไม่มีหลักฐานโครงการ)

**Solution ที่ใช้:** ชั้นข้อมูลแบบ neighborhood-first บน CityMETER

- **ข้อมูลต้นทาง (raw):** 565 research records; รุ่น refresh 349 รายการ (ค่าเริ่มต้นแสดง 345 รายการ 113 แบรนด์ หลังตัดปิดถาวร 21 และ closure conflict 4); legacy 211; ทุกรายการมี source, statusSource, coordinateSource, checkedOn; พิกัด 349/349 โดย 171 เป็นจุดสถานที่และ 178 เป็นจุดตัวแทนศูนย์/อาคาร (Observed fact, `meta`)
- **ค่าคำนวณ (calculated):** แบรนด์ไม่ซ้ำและสาขาต่อย่าน/ศูนย์/กลุ่ม; สัดส่วนแบรนด์ใน 3 ย่านอันดับต้น (first Aha); แบรนด์เฉพาะย่าน/ร่วมเทียบทุกย่านในตัวกรอง; จัดชั้น equal-interval 5 ระดับจากค่าสูงสุดในตัวกรอง
- **การตีความ (inferred):** ขอบเขตย่าน 10 แกนเป็น analytical core ที่นิยามเอง ไม่ใช่เขตปกครองหรือ catchment; อันดับย่านใช้ช่วยจัดลำดับการสำรวจ ไม่ใช่คำตัดสินศักยภาพ
- **ผลลัพธ์ที่ผู้ใช้เห็น:** ข้อค้นพบแรก (86% ใน 3 ย่าน) บนเมือง 3 มิติที่โฟกัส 3 ย่านนั้น → โปรไฟล์ย่าน (บุคลิกตามกลุ่ม สถานที่ exclusive/shared) → สถานที่และอาคารที่ตั้ง → ร้านรายรายการพร้อมสถานะ วันที่ ความแม่นพิกัด และลิงก์หลักฐาน → กราฟเทียบย่านและตารางส่งต่อ

> **Data Clarity:** ข้อมูลหลักมาจาก official locators/directories/แหล่งผู้ประกอบการ ตรวจถึง 2026-10-21; ตัวชี้วัดหลักคำนวณจากการนับชื่อแบรนด์ไม่ซ้ำและสาขาใน point-in-polygon ของ 10 แกนย่าน; อันดับและ “เฉพาะ/ร่วม” เป็นการตีความเพื่อจัดลำดับ ไม่ใช่ยอดขาย อุปสงค์ หรือสิทธิ์จำหน่าย; การพบใน locator ยืนยันว่ามีรายการในแหล่งนั้น ไม่ใช่การยืนยันเปิดจริงหน้าร้าน; ความสูงอาคารเป็นบริบทจาก OSM/CityMETER ไม่ใช่ผลรังวัด; ไม่ใช่สำมะโนทั้งประเทศ

### 2.3 Which — ผู้ใช้แก้ปัญหานี้ด้วยอะไรอยู่ และต้องดีกว่าแค่ไหนจึงจะเปลี่ยนพฤติกรรม

Which คือวิธีที่ผู้ใช้ใช้แก้ **problem statement ใน §2.2** จริง ๆ ไม่ใช่คู่แข่งตามหมวดธุรกิจ (Inference จากวิธีทำงานที่ทีมสังเกตและใช้เองระหว่างวิจัย; ยังไม่ได้วัดสัดส่วนการใช้)

**Present alternatives**

| ทางเลือกที่ใช้อยู่ | ใช้เพื่ออะไร | จุดแข็ง | Gap ที่ยังแก้ pain ไม่ได้ | คุณภาพที่เราต้องทำให้ถึงหรือชนะ |
|---|---|---|---|---|
| Store locator ของแต่ละแบรนด์ | ยืนยันสาขาของแบรนด์หนึ่ง | เป็นทางการ อัปเดตโดยแบรนด์ | ทีละแบรนด์ ไม่มีย่าน ไม่มีวันที่ตรวจ ไม่เทียบข้ามแบรนด์ | รวมหลายแบรนด์บนย่านเดียวกัน พร้อมลิงก์กลับไป locator และวันที่ตรวจ |
| Directory / floor guide ของศูนย์การค้า | ดู tenant ของศูนย์หนึ่ง | ครบในศูนย์นั้น | ทีละศูนย์ ไม่มีร้าน standalone ไม่บอกว่าแบรนด์นั้นมีที่อื่นด้วยไหม | ข้ามศูนย์และข้ามย่าน + exclusive/shared |
| ค้น Google Maps / Apple Maps (“Hermès Bangkok”) | หาเร็ว ดูตำแหน่ง | เร็ว เข้าถึงง่าย มีรีวิว | POI ทีละจุด ไม่มีการรวมเป็นย่าน ปิดถาวรตามช้า ไม่มี evidence trail ใช้ใน deck ไม่ได้ | เร็วเท่ากันสำหรับคำถาม “ใครอยู่ข้างใคร” และน่าเชื่อถือกว่าด้วยหลักฐานต่อรายการ |
| รายงานตลาดค้าปลีกของที่ปรึกษา/broker (PDF รายไตรมาส) | ภาพรวม prime retail, ค่าเช่าเฉลี่ย | น่าเชื่อถือ มีบริบทตลาด | รวมเป็นย่านกว้าง ไม่ลงรายแบรนด์ ไม่ interactive ช้าเป็นไตรมาส | ลงถึงรายแบรนด์/รายร้านและอัปเดตได้ถี่กว่า; ไม่พยายามแทนที่ค่าเช่า/ภาพตลาด |
| Excel/รายชื่อภายใน + เดินห้างสำรวจ | tenant list ของตัวเอง | แม่นสำหรับศูนย์ตัวเอง | มืดสำหรับที่อื่น ใช้แรงงาน เก่าเร็ว อยู่ในหัวคนไม่กี่คน | แทนการเดินสำรวจสำหรับการ screen ชั้นแรก; เก็บประวัติปิด/ย้าย |
| ข่าวเปิดร้านใน Instagram/LINE/สื่อแฟชั่น | รู้ว่าใครเปิดใหม่ | เร็ว มีภาพ | กระจัดกระจาย ไม่มีขอบเขต ไม่ถาวร | บันทึกเป็นรายการที่มีวันที่และสถานะ |

**Aspirational benchmarks (ใช้เป็น quality bar ไม่ใช่คู่แข่งตรง)**

| Benchmark | สิ่งที่ต้องเทียบให้ถึง |
|---|---|
| เครื่องมือแผนที่สถาปัตยกรรม เช่น archiMap (masslabs) | ความงามแบบ site plan/massing model: พื้นกระดาษ ถนนขาว อาคาร 3 มิติเรียบ มุมมองที่พร้อมฉาย |
| แผนที่ระดับ consumer ที่มีอาคาร 3 มิติแบบ simplified (มุมโค้ง สีเรียบ) | ความสะอาดของ 3D ที่ไม่แย่งความสนใจจากข้อมูล (ที่มาของการอ่าน maplibre-style-spec#1047) |
| แพลตฟอร์ม location intelligence ระดับสากล | ความเทียบได้ข้ามพื้นที่ (ตัวชี้วัดเดียวกัน ตัวหารเดียวกัน) และ output ที่ stakeholder ใช้ต่อได้ |
| CityMETER production (landometer.com/v3/citymeter) | เส้นทางพื้นที่เดียวกัน (ประเทศไทย › จังหวัด › ย่าน) รหัสจังหวัดเดียวกัน และวินัย source/date/boundary เดียวกัน |

**Expected quality bar (มาตรฐานที่ต้องถึงจึงจะเปลี่ยนพฤติกรรม)**

1. ตอบ “ใครอยู่ข้างใคร” ได้ภายใน 1 นาทีโดยไม่ต้องตั้งค่าตัวกรอง (first Aha)
2. ทุกตัวเลขมี dataset · source · date · boundary และทุกรายการมีลิงก์หลักฐาน
3. เทียบย่านบนตัวชี้วัดเดียวกัน (แบรนด์ไม่ซ้ำ, exclusive/shared, บุคลิกตามกลุ่ม)
4. ภาพพร้อมใช้ในห้องประชุมโดยไม่ต้องวาดใหม่ (3D focus/quiet, LDS, สองธีม, จอแคบ)
5. สถานะปิด/ย้าย/pop-up ถูกเก็บเป็นข้อเท็จจริง ไม่หายเงียบ
6. เข้ากับ CityMETER ได้ (breadcrumb, province code, agent-ready JSON)
7. ซื่อสัตย์เรื่องขอบเขต: ไม่ใช่สำมะโน ไม่ใช่ยอดขาย ไม่ใช่ catchment

### 2.4 How — เราชนะอย่างไร และต่อยอดอะไรได้

**Winning strategy (5 ข้อ)**

1. **อ่านเป็นย่านก่อน ไม่ใช่หมุดก่อน** — หน่วยของการตัดสินใจคือย่านและศูนย์; ข้อค้นพบแรก choropleth โปรไฟล์ และกราฟใช้ขอบเขตเดียวกัน (scopeRows) และบอกตัวหารเสมอ
2. **หลักฐานรายรายการเป็นสินค้า** — หนึ่งหมุด = หนึ่ง observation พร้อม source/status/date/ระดับความแม่นพิกัด; ปิดถาวรคงไว้; ไม่มีค่า missing แสดงเป็นศูนย์
3. **โฟกัสแล้วเงียบ** — รายละเอียด (สี โลโก้ อาคารที่ตั้ง อาคารมุมโค้ง) เฉพาะส่วนที่กำลังตัดสินใจ; ส่วนที่เหลือเป็นบริบทจาง ๆ ทำให้ภาพเดียวเล่าได้ในห้องประชุม (ตอบ emotional need เรื่องความน่าเชื่อถือ)
4. **ภาพระดับสถาปนิกด้วยข้อมูลเปิด** — basemap “paper” ที่สร้างเองบน OpenFreeMap, มวลอาคารทั้งเมืองจาก OSM, กล้องที่คงเส้นตั้งของอาคาร (near-axonometric และ 2 จุด) — สวยพอเทียบ benchmark โดยไม่เสียวินัยหลักฐาน
5. **พร้อมสำหรับคนและเครื่อง** — product-brief.json / implementation-plan.json / manifest + schema ให้ analyst, agent และ dev ใช้ต่อ; breadcrumb และรหัสจังหวัดตรง production

**เชื่อมกลับสามเรื่องตาม PB v6 §1.6.2**

- **ชนะความกังวลของผู้ใช้:** รายชื่อมีวันที่และหลักฐาน ถูกถามแล้วตอบได้; ภาพดูเป็นมืออาชีพโดยไม่ต้องจ้างกราฟิก
- **ชนะทางเลือกเดิม:** เร็วกว่า locator/directory ทีละแหล่ง เป็นระบบกว่า Excel/เดินห้าง ลึกกว่ารายงาน PDF ในระดับแบรนด์ และต่างจาก Google Maps ตรงที่อ่านเป็นย่านและมี evidence trail
- **ชนะในระบบ CityMETER:** ต่อกับ Shopping Center (host complexes), Building, Transit ได้ทันที และเมื่อย่านถูกลงทะเบียนเป็น Locale จะเชื่อม Locale Insight, Population และข้อมูลอื่นของ production

**Claim boundary (คงตาม MBB §3.7):** ไม่อ้างยอดขาย ค่าเช่า footfall กำลังซื้อ หรือสิทธิ์จำหน่าย; ไม่ใช่สำมะโนและไม่ใช่การยืนยันเปิดจริงหน้าร้าน; ขอบเขตย่านไม่ใช่เขตปกครองหรือ catchment; ความสูงอาคารเป็นบริบท

## 3. บทบาทผลิตภัณฑ์และเส้นทางผู้ใช้

**ตั้งคำถามทำเล → เห็น 3 ย่านที่แบรนด์กระจุก (3D first Aha) → เปิดโปรไฟล์ย่าน (ใครอยู่ข้างใคร เฉพาะ/ร่วม) → เจาะศูนย์/อาคาร/ร้าน พร้อมหลักฐาน → เทียบย่านด้วยกราฟ/ตาราง → ส่งต่อรายการไปสำรวจและตัดสินใจ**

ชั้นข้อมูลนี้ทำหน้าที่ screen และ compare ก่อนการตัดสินใจ ไม่ใช่การตัดสินใจเอง ตัวชี้วัดคุณภาพที่ควรติดตาม: สัดส่วนรายการที่มีหลักฐานครบ, ความสดของวันที่ตรวจ, สัดส่วนพิกัดระดับร้าน, ข้อขัดแย้งที่คลี่คลายแล้ว, และ (เมื่อมีผู้ใช้จริง) เวลาจากคำถามถึงรายชื่อที่ส่งต่อได้

## 4. ข้อมูลและวิธี (Data and method clarity)

- **Sources:** official locators, directories, แหล่งผู้ประกอบการ, หลักฐานรายสถานที่ (ลิงก์ต่อรายการ); host complexes จาก CityMETER Shopping Center API; footprints/massing จาก OpenStreetMap ผ่าน OpenFreeMap (OpenMapTiles schema)
- **Granularity:** สาขา (point) → ศูนย์/อาคาร (host) → ย่าน (analytical core, 10) → จังหวัด (รหัส production) → ประเทศ
- **Update cycle:** snapshot ตามรอบวิจัย (ล่าสุด 2026-10-21); ยังไม่มีรอบอัตโนมัติ — N05 ใน backlog
- **Method:** นับชื่อแบรนด์ไม่ซ้ำแยกจากรายการ; point-in-polygon คงที่; equal-interval 5 ระดับจากค่าสูงสุดในตัวกรอง; exclusive/shared เทียบทุกย่านใน scopeRows
- **Known limitations:** ไม่ใช่สำมะโน; locator ≠ เปิดจริง; จุดตัวแทนศูนย์ ≠ ประตูร้าน; legacy 211 แถวยังจับคู่ไม่ลงตัว; ย่านนอกกรุงเทพฯ/เชียงใหม่ยังไม่นิยาม (ภูเก็ตใช้ fallback รายสถานที่); ความสูง OSM มีค่า default เมื่อไม่มี tag
- **Confidence note:** สถานะและพิกัดระบุระดับความแม่นในทุกรายการ (geometryRole/geometryStatus); การขัดแย้งของหลักฐานคงไว้ทั้งสองด้าน

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

| สิ่งที่ statement กำหนด | สิ่งที่ผลิตภัณฑ์รุ่น 0.3 ทำ |
|---|---|
| ตอบ “ใครอยู่ข้างใคร” ใน 1 นาที | หน้าแรกเปิดเป็นเมือง 3 มิติที่โฟกัส 3 ย่านอันดับต้น พร้อม Aha 86% และคำสั่งเดียว |
| ภาพพร้อมห้องประชุม | basemap paper ที่สร้างเอง, massing ทั้งเมืองแบบ quiet, อาคารในย่านโฟกัสมุมโค้ง, กล้องเส้นตั้งตั้งตรง (model) ในย่าน และเปอร์สเปกทีฟ 2 จุด (มุมสถาปนิก) ที่ระดับสถานที่ ซึ่งอาคารรอบข้างจางลงมากและอาคารที่บังสถานที่โปร่งใส, ธีมสว่าง/มืด |
| หลักฐานทุกรายการ | หมุด/ตาราง/ร้านแสดง source, สถานะ, วันที่, ความแม่นพิกัด; ปิดถาวรคงไว้ |
| เทียบย่านบนตัวชี้วัดเดียวกัน | กราฟ 3 มุมมองบน scopeRows; matrix ช่องเท่ากันทุกช่อง (ขนาดไม่มีความหมาย); legend ประกาศช่วง |
| เข้ากับ CityMETER | breadcrumb ประเทศไทย › จังหวัด › ย่าน › สถานที่ (สถานที่ = Shopping Center id ของ CityMETER); รหัสจังหวัด BKK/PKT/CMI…; ข้อเสนอ path `/v3/citymeter/{code}/N/{neighborhood}/V/{center id}?d=luxuryBrands` |
| ซื่อสัตย์เรื่องขอบเขต | empty/fallback states ระบุ “นอกขอบเขตย่านที่นิยาม” ไม่ใช่ “ไม่มีร้าน”; ไม่มี caveat banner ทั่วไป แต่มี provenance ในเอกสาร |

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

- **DNA:** Measure what matters — วัด adjacency ของแบรนด์ที่มีผลต่อการตัดสินใจจริง แล้วทำให้ลงมือได้ (screen → compare → ส่งต่อ) · Clear · Grounded · Energetic
- **Voice:** พูดเหมือนคู่คิดที่อ่านย่านออก: “ถ้าเปิดที่นี่ จะอยู่ข้างใคร” แยก “พบในแหล่งข้อมูล” / “ตรวจตำแหน่งแล้ว” / “ยืนยันเปิดจริง” ไม่ใช้ความหรูหราตัดสินคุณค่าของย่านหรือผู้คน ไม่เคลมยอดขาย
- **Visual:** LDS 0.9.7 (standalone-0.9.7-r1): `count` family สำหรับย่าน, series 1–8 สำหรับกลุ่มแบรนด์, map roles สำหรับอาคารที่ตั้ง; สีข้อมูลเหมือนกันทั้งสองธีม; basemap-only tokens ประกาศใน `assets/theme.css`; โลโก้คงต้นฉบับและเป็น identity ไม่ใช่คะแนน; ไม่มี bracket/left rail ตกแต่ง; focus ring มองเห็น

## 7. สิ่งที่ต้องทดสอบต่อ (Hypotheses → validation)

| Hypothesis | วิธีทดสอบ | เกณฑ์ |
|---|---|---|
| ผู้ใช้สามกลุ่มใน §2.1 ถามคำถาม “ใครอยู่ข้างใคร” จริงและเริ่มจากย่าน | สัมภาษณ์ 3–5 คนต่อกลุ่มด้วย demo รุ่น 0.5 | ≥ 2 ใน 3 กลุ่มยืนยัน trigger และเลือกใช้โปรไฟล์ย่านก่อนตาราง |
| ภาพ 3D focus/quiet ถูกนำไปใช้ใน deck โดยไม่วาดใหม่ | ขอ screenshot ที่ผู้ทดลองใช้จริง | มีการใช้ในเอกสารภายนอกอย่างน้อย 1 กรณี (ไม่นับเป็น traction) |
| เวลาจากคำถามถึงรายชื่อที่ส่งต่อได้ < 10 นาที | จับเวลา task ตั้งต้น 3 งาน | ค่ามัธยฐาน < 10 นาที |
| สถานะปิด/ย้ายที่เก็บไว้ลดการโต้แย้งเรื่องความสด | นับคำถามเรื่อง “ยังเปิดอยู่ไหม” ระหว่างทดสอบ | ผู้ใช้หาคำตอบได้จากหน้ารายการโดยไม่ถาม |

### แหล่งแนวทางของเอกสาร

| เอกสาร | รุ่น / ตัวตน |
|---|---|
| Landometer Master Brand Brief | v0.5.3 · §7.2 โครง Product Statement, §3.7 มาตรฐานหลักฐาน |
| Product Brief — CityMETER | Landometer-aligned v6 · §1.6 Dataset Product Statement template, checklist และ writing guideline |
| Landometer Design System | 0.9.7 · `v0.9.7-owner.1` · `standalone-0.9.7-r1` |
| SHA-256 ของ LDS normative | `d3085cbc0a50195f1cbf0c77b1d77c0d19b84364daf2948eb367348d65432d96` |
| Machine-readable | `handoff/product-statement.json` (เนื้อหาเดียวกันในโครง metadata block ของ PB v6 §1.6.3) |