# Product Statement — CityMETER Dataset: Restaurants

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 | Restaurants — ความหนาแน่น ประเภท และระดับราคาของร้านอาหารระดับแขวง/ตำบล จากชุดข้อมูล Restaurants ของ CityMETER |
| รุ่นเอกสาร | 0.9.3 · 3 พฤศจิกายน 2569 (0.9.3: ป้าย “อนุมาน” บนบรรทัดชื่อตัวกรอง; 0.9.2: หมวดอาหาร 6/19/31 ขึ้นเว็บพร้อมป้าย “อนุมาน” ตามคำตัดสินของเจ้าของ; 0.9.1: บรรทัดลักษณะพื้นที่ตัดบรรทัดได้บนจอแคบ; 0.9.0: ข้อค้นพบแรก 3 มุม เปิดที่เครือระดับชาติ · ไอคอนวางข้างคำและป้าย “อนุมาน” แทนประโยค caveat · บรรทัดลักษณะพื้นที่ — ตามคำถามเจ้าของ 3 พ.ย. 11:04 และคำตอบที่เลือก; 0.8.6: ปุ่ม “มุมสถาปนิก” ของสาขากดได้ทันทีที่รู้อาคาร; 0.8.5: อาคารที่ OpenStreetMap วาดเป็นหลายส่วนขึ้นสีครบทุกส่วนของหลังเดียวกัน และสาขาที่เปิดดูมี x-ray ทันที — พบบนเว็บจริงของ 0.8.4 ที่ S&P Sathorn Square; 0.8.4: อาคารของร้านหรือสาขาที่เปิดดูขึ้นสีข้อมูลทั้งหลังจากพื้นถึงยอด และขึ้นทุกร้านที่จุดตกในอาคาร ตามที่เจ้าของทักภาพ Q House Lumpini 3 พ.ย. 10:58; 0.8.3: แก้การเลือกถนนตามชื่อร้านที่พบบนเว็บจริงของ 0.8.2; 0.8.2: Street View เลือกถนนที่ชื่อร้านหรือที่อยู่ระบุก่อนถนนที่ใกล้ที่สุด และลิงก์ Google Maps ของร้านเปิดหน้าร้าน; 0.8.1: ค้นต่อเปิดหน้าค้น Google ได้คำตอบทันทีแทนลิงก์ AI Mode ที่ Google ถามยืนยันก่อน และ Street View หันกล้องเข้าหาร้าน ตามที่เจ้าของขอ 3 พ.ย. 07:20; 0.8.0: ทะเบียนร้านเครือฉบับอ่าน 3 พ.ย. — 27,527 สาขา 22,547 มีพิกัด 907 เครือ — และแท็บจัดกลุ่ม 6 มุมของทะเบียน (จัด 2 พ.ย.) ขึ้นเว็บเฉพาะส่วนที่ไม่ต้องรอการตรวจตามที่เจ้าของเลือก 3 พ.ย.: ราคา 6 ช่วงจากราคาที่แหล่งระบุ และขนาดเครือ 5 ช่วง เป็นตัวกรอง แถบในแผง และบรรทัดในหน้าร้าน; หมวดอาหาร รูปแบบ โอกาส และมุมคู่แข่งรอผลสุ่มตรวจ ข้อค้นพบแรกย้ายเป็น สีลม · ตลาดยอด · สุริยวงศ์ 169.4 ร้าน/ตร.กม.; 0.7.1: ทะเบียนร้านเครือฉบับ 30 ต.ค. ที่เติมพิกัดและโลโก้ — 27,120 สาขา 22,182 มีพิกัด โลโก้เครือ 563 ไฟล์ ข้อค้นพบแรกย้ายเป็น ตลาดยอด · สีลม · สุริยวงศ์ 164.6 ร้าน/ตร.กม. สเกลสีครบ 41 ค่า; ต่อจาก 0.1 วันที่ 22 ต.ค., 0.2 วันที่ 23 ต.ค., 0.3–0.6 วันที่ 28 ต.ค. 2569 — 0.7: คำเดียว “ร้าน” สำหรับร้านในชุดข้อมูลและสาขาเครือ ค้น กรอง นับ และรวมกันทั้งสองตาราง เครือหนึ่งคีย์ข้ามสองชีตเป็นหน้าเดียว ประเภทของสาขาเครืออนุมานจากร้านชื่อเดียวกัน โลโก้+เครือขึ้นก่อนชื่อสาขา ข้อความกระชับ และแถว “ค้นต่อ” AI Mode / Street View / Maps ตามบริบท (เจ้าของสั่ง 29 ต.ค. 23:39); 0.6: ประชากรเดียว ร้านในชุดข้อมูล + สาขาในทะเบียนร้านเครือนับรวมกันทุกตัวเลขโดยบอกส่วนแยก (เจ้าของสั่ง 22:36) และทั้ง 77 จังหวัดบนมุมมองทั้งประเทศ; 0.5: อาคารที่เลือก/โฟกัสไม่ถูกตึกอื่นบังและใช้ 2-point perspective เสมอ แผงอาคาร Land รวมร้านกับสาขาเป็นรายการเดียว; 0.4: อาคาร Land เป็นรูป OpenStreetMap อย่างเดียว จุดริมตึกรวบเข้าอาคาร บรรทัดแหล่งข้อมูลเดียวต่อหน้า และ layout กระชับทุก viewport; เพิ่มทะเบียนร้านเครือทั่วประเทศ และร้านที่จุดตกในอาคารของชุดข้อมูลกลุ่ม Land) |
| สถานะ | Public demo บน GitHub Pages; ข้อมูลเป็น snapshot ของ API สาธารณะ ไม่ใช่สำมะโนร้านอาหาร |
| ผู้รับผิดชอบ | Landometer · CityMETER (owner: Montri) |
| ผู้ใช้หลัก (Hypothesis) | ทีมขยายสาขาและแฟรนไชส์ร้านอาหาร · ทีม leasing/asset ของศูนย์การค้า community mall และอาคารพาณิชย์ · นักวิเคราะห์และที่ปรึกษาด้านทำเล รวมถึงหน่วยงานท้องถิ่นที่ดูพลวัตธุรกิจในพื้นที่ |
| ชุดข้อมูลที่เกี่ยวข้อง | ทะเบียนร้านเครือ (Chain Restaurants Thailand — ตั้งแต่ 0.6 นับรวมกับร้านในชุดข้อมูลเป็นประชากรเดียว ตั้งแต่ 0.7 เรียกรวมว่า “ร้าน” บอกความต่างในบรรทัดแหล่งข้อมูล), กลุ่ม Land: Shopping Centers & Retail Venues · Hotel · Office (เชื่อมด้วยอาคาร) · Industrial Estates (ยังไม่เทียบ — ขอบเขตรอตรวจรับ), Building (รูปอาคาร OSM ผ่าน OpenFreeMap — มวลอาคารและอาคาร Land หลังเดียวกัน, ส่วนอาคาร LOD2 จากทะเบียน; ไม่ใช้ footprint V4 ตั้งแต่ 0.4), Population, Transit/Road (บริบท), Business Dynamics, Locale Insight (ยังไม่เชื่อม) |
| แหล่งข้อมูล / วิธี (สรุป) | CityMETER Restaurants public API (overlay MVT ระดับแขวง/ตำบล) ผ่านชีตวิจัย 2 ชีต (ชีต 1 + แถวที่ย้ายไปทะเบียนร้านเครือ นับครั้งเดียว) ที่ตรวจแล้วว่าตรงกับ API ทุกแถว; ขอบเขตแขวง/ตำบล เขต/อำเภอ จังหวัด และพื้นที่ ตร.กม. จาก production; เครือร้านและสถานที่เป็น candidate จากชื่อร้าน; ทะเบียนร้านเครือจากหลักฐานรายสาขา; ทะเบียน Land และรูปทรงอาคารOpenStreetMap ที่แผนที่วาด (ทะเบียนใช้เลือกหลังและใส่ส่วนอาคาร LOD2) (DATA_METHOD.md, docs/LAND_JOIN_CHECK.md) |
| ข้อมูลตรวจถึง | ร้าน 2026-10-22 (Observed fact ใน `data/restaurants.json` → `meta.asOf`; อ่านชีตฉบับ 2026-10-28) · ทะเบียนร้านเครือ 2026-10-25 ถึง 2026-10-28 (`data/chains.json` → `meta.checkedFrom/checkedTo`) · spatial join กับ Land 2026-10-28 (`data/land.json` → `meta.checkedOn`) · วันที่ดึงและตรวจ ≠ วันที่เก็บข้อมูลต้นทาง ซึ่ง API ไม่เปิดเผย |

## 1. Highlight

**Restaurants คือชั้นข้อมูล “ร้านอาหารและเครื่องดื่มแน่นตรงไหน เป็นร้านแบบไหน และเครือไหนอยู่แล้ว” ของ CityMETER** ช่วยให้ทีมที่ต้องเลือกทำเลร้านอาหารหรือวาง food tenant mix เห็นภายในนาทีว่าแขวง/ตำบลใดมีร้านหนาแน่นที่สุด (ร้านต่อตารางกิโลเมตร ด้วยตัวหารเดียวกันทุกพื้นที่) ประเภทและระดับราคาแบบไหนครองพื้นที่นั้น และเครือร้านใดอยู่แล้ว — ร้านจาก API สาธารณะ 7 จังหวัดและสาขาเครือจากทะเบียนทั่วประเทศเป็นประชากรเดียว ค้น กรอง นับ และเปิดหน้าเครือได้จากคำเดียว (รุ่น 0.7) เพื่อตอบคำถามก่อนลงพื้นที่สำรวจ: **“ถ้าจะเปิดร้านอาหารแถวนี้ จะอยู่ท่ามกลางร้านแบบไหน และแน่นแค่ไหนเมื่อเทียบที่อื่น”**

จุดเด่นที่สุดคือ **การอ่านเป็นพื้นที่ด้วยความหนาแน่น ไม่ใช่หมุดล้นจอ**: 70,214 ร้านถูกสรุปเป็นความหนาแน่นต่อแขวง/ตำบลของ CityMETER พร้อมประเภท ราคา และเครือร้าน บนฉากเมือง 3 มิติที่โฟกัสเฉพาะส่วนที่กำลังตัดสินใจ ส่วนอื่นเงียบลง ทุกตัวเลขบอก dataset · source · date · boundary และพื้นที่ที่แหล่งข้อมูลไม่ครอบคลุมถูกแสดงเป็น “ไม่มีข้อมูล” ไม่ใช่ศูนย์ สิ่งนี้แผนที่ค้นหาร้านทีละจุด แอปรีวิว แอปเดลิเวอรี และรายงาน PDF ยังให้ไม่ได้ (Which §2.3)

**ข้อค้นพบแรกมี 3 มุม (0.9.0, เจ้าของเลือก 3 พ.ย.) เปิดที่ “เครือระดับชาติ”** (Observed fact ของการนับ ประชากรปัจจุบัน ทะเบียนฉบับอ่าน 3 พ.ย.): ใน 3 แขวงที่เครือ 200+ สาขาแน่นที่สุด — **วังใหม่ ปทุมวัน ถนนพญาไท — ร้าน 26.9% เป็นเครือ 200+ สาขา** (187 จาก 695 ร้าน) เทียบ 9.4% ของทุกพื้นที่ที่มีข้อมูล (7,605 จาก 80,629) เครือที่มีมากสุดที่นั่น Café Amazon 30 · Starbucks 23 · Dairy Queen 13 · มุม “1,000+ บาท”: ร้านราคาเริ่ม 1,000 บาทขึ้นไป 24.3% (215 จาก 886) อยู่ใน คลองตันเหนือ 107 · ลุมพินี 73 · ทุ่งมหาเมฆ 35 · มุม “แน่นที่สุด” คือข้อค้นพบเดิมด้านล่าง ทุกมุมเป็นการนับสิ่งที่แหล่งข้อมูลระบุ ไม่ใช่ยอดขายหรือคนเดิน (Inference: มุมเครือตอบคำถามแรกของทีมขยายสาขา “เครือไหนอยู่แถวนี้บ้าง” โดยไม่ต้องกรอกอะไร — ประโยชน์ยังเป็น Hypothesis ตาม §7)

ข้อค้นพบมุม “แน่นที่สุด” (Observed fact, ไม่กรอง, ร้านในชุดข้อมูล + สาขาเครือ ทะเบียนฉบับอ่าน 3 พ.ย.): **169.4 ร้าน/ตร.กม. ใน 3 แขวงที่แน่นที่สุด — สีลม ตลาดยอด สุริยวงศ์** (391 ร้านใน 2.31 ตร.กม.; สีลมได้สาขาเครือที่มีพิกัดเพิ่ม 11 สาขาจึงขึ้นก่อนตลาดยอด) เทียบ 9.9 ร้าน/ตร.กม. ของทั้งพื้นที่ที่มีข้อมูล (476 แขวง/ตำบล) และแขวงคลองตันเหนือมีรีวิวรวมมากที่สุด (214,826 รีวิว จากร้านในชุดข้อมูล) — รุ่น 0.7.1 (ทะเบียน 30 ต.ค.) อ่านได้ 164.6 (ตลาดยอด สีลม สุริยวงศ์ 380 ร้าน) รุ่น 0.6–0.7.0 (ทะเบียน 28 ต.ค.) อ่านได้ 122.0 (สุริยวงศ์ สีลม วังใหม่ 422 ร้านใน 3.46 ตร.กม.) และบนร้านอย่างเดียว (รุ่น 0.5) 99.7 ใน สี่แยกมหานาค ตลาดน้อย สุริยวงศ์ เทียบ 18.0

**รุ่น 0.3 เพิ่มสองคำตอบที่ผู้ใช้ทั้งสามกลุ่มถามต่อทันที** (Observed fact ของสิ่งที่ข้อมูลรองรับ; ประโยชน์ต่อผู้ใช้ยังเป็น Hypothesis ตาม §7):

1. **“เครือไหนอยู่แถวนี้ และมีสาขาที่ไหนบ้าง”** — ทะเบียนร้านเครือทั่วประเทศ 27,527 สาขา 907 เครือ 397 บริษัท/บทบาท (ฉบับอ่าน 3 พ.ย.; 22,547 สาขามีพิกัด; ฉบับ 30 ต.ค.: 27,120 / 821 / 336) แต่ละสาขาบอกหลักฐาน (แหล่งของแบรนด์ / แหล่งรอง / รถเข็น) สถานะที่แหล่งระบุ และลิงก์ที่มา ทุกแขวง/ตำบลและเขต/อำเภอบอกเครือที่มีร้านในพื้นที่ — **ตั้งแต่ 0.6 นับรวมกับร้านในชุดข้อมูลเป็นประชากรเดียว และตั้งแต่ 0.7 เป็นคำเดียว “ร้าน”: เครือหนึ่งคีย์ข้ามสองชีต (792 เครือ) หน้าเครือรวมร้านและสาขาของเครือนั้น ประเภทของสาขาอนุมานจากร้านชื่อเดียวกัน (บอกว่าอนุมาน) และร้านที่ยังไม่มีพิกัดบอกตรง ๆ** (0.3–0.5 นับคนละหน่วย ไม่บวก)
2. **“ในศูนย์/โรงแรม/อาคารสำนักงานนี้มีร้านแบบไหน ต่างจากรอบอาคารอย่างไร”** — ร้าน 2,239 ร้านและสาขาเครือ 2,038 สาขาอยู่ในอาคาร (ในขอบหรือห่างขอบไม่เกิน 10 ม.) ของสถานที่ในทะเบียน Land 1,036 แห่ง (942 อาคาร OpenStreetMap; รุ่น 0.4) แผงเทียบประเภทร้านในอาคารกับรอบอาคาร 100 ม. และแสดงสาขาเครือที่จุดตกในอาคาร รูปทรงอาคารใช้แบบละเอียด (ส่วนอาคาร LOD2) เมื่อทะเบียนมี — “จุดตกในอาคาร” ไม่ได้ยืนยันว่าร้านตั้งอยู่ในอาคาร

**รุ่น 0.8 ทำให้คำถามของทีมขยายสาขา “ร้านแบบเราราคาประมาณนี้มีกี่ร้านแล้ว” และ “เครือขนาดไหนอยู่แถวนี้” ตอบได้คมขึ้น** (Observed fact ของการนับ; ประโยชน์ต่อผู้ใช้ยังเป็น Hypothesis §7):

1. **ราคา 6 ช่วงจากราคาที่แหล่งระบุ** — ไม่เกิน 100 · 101–200 · 201–300 · 301–500 · 501–1,000 · เริ่ม 1,000 บาทขึ้นไป ตามกติกาของทะเบียน (ตรงกับค่าที่ทะเบียนจัดไว้ทุกแถว 68,980 แถว) แทนถังของ API ที่นับร้าน “เริ่ม 1,000 บาท” 886 ร้านเป็น 500–1,000 และแยก 100–300 ออกเป็นสองช่วง ลิงก์เดิมยังเปิดช่วงเดียวกันได้ — เช่น กรอง “เริ่ม 1,000 บาทขึ้นไป” แล้ว 3 แขวงที่มีมากที่สุดคือ คลองตันเหนือ 107 · ลุมพินี 73 · ทุ่งมหาเมฆ 35 ร้าน (24.3% ของ 886 ร้าน) เป็นราคาที่แหล่งระบุ ไม่ใช่ค่าใช้จ่ายต่อคนหรือกำลังซื้อ
2. **ขนาดเครือ** — 1 สาขาที่พบ · 2–9 · 10–49 · 50–199 · 200+ สาขา นับตามทะเบียน (สาขาของเครือ) หรือร้านชื่อเดียวกันในชุดข้อมูล (จับคู่จากชื่อ) เครือเดียวกันใช้ช่วงที่ใหญ่ที่สุดที่นับได้ “1 สาขาที่พบ” ไม่ได้แปลว่าร้านอิสระ และชุดจุดขายหลายแบรนด์ของ CPF ไม่จัดขนาด — เช่น กรอง “200+ สาขา” แล้วข้อค้นพบแรกชี้ วังใหม่ · ถนนพญาไท · ปทุมวัน 40.0 ร้าน/ตร.กม. (187 ร้านใน 4.67 ตร.กม.) ส่วน “1 สาขาที่พบ” ชี้ สี่แยกมหานาค · ตลาดน้อย · สัมพันธวงศ์ 96.8 ร้าน/ตร.กม. — ย่านเครือใหญ่กับย่านร้านที่พบแถวเดียวแยกกันชัด
3. **ขึ้นเว็บแบบอนุมาน (0.9.2):** หมวด/กลุ่ม/กลุ่มย่อยอาหาร (6/19/31) — เจ้าของตัดสิน 3 พ.ย. 16:59 ให้เปิดก่อนผลสุ่มตรวจ ทุกค่ามีป้าย “อนุมาน” (จัดได้ 68,887 จาก 96,507 ร้าน) **ยังไม่ขึ้นเว็บ:** รูปแบบร้าน โอกาส ป้ายพิเศษ ราคาอนุมาน และมุมคู่แข่ง (กลุ่มย่อยเดียวกันในแขวง/ตำบลเดียวกัน) — ทะเบียนกำหนดให้สุ่มตรวจกลุ่มย่อยละ 50 ร้าน ถูกอย่างน้อย 48 ก่อน (1,550 ตัวอย่าง) ทุกแถวยังไม่ได้ตรวจ

**หนึ่งบรรทัด:** แผนที่ความหนาแน่นร้านอาหารระดับแขวง/ตำบลที่บอกว่าร้านแน่นตรงไหน เป็นร้านแบบไหน ราคาระดับใด เครือไหนอยู่แล้ว และในอาคารต่างจากรอบอาคารอย่างไร พร้อมที่มาของทุกตัวเลข เพื่อคัดทำเลก่อนลงพื้นที่ ไม่ใช่เดาจากความรู้สึก

## 2. Description

### 2.1 Who — ใครคือผู้ใช้ และปัญหาของพวกเขาคืออะไร

ผู้ใช้สามกลุ่มต้องการภาพ “ร้านอาหารในพื้นที่” แบบเทียบกันได้ (Hypothesis — นิยามจากประสบการณ์ของทีมและรูปแบบงานของผลิตภัณฑ์ CityMETER อื่น ยังไม่ได้สัมภาษณ์ผู้ใช้ภายนอก แผนทดสอบอยู่ใน §7)

| กลุ่ม | การตัดสินใจที่ต้องทำ | Functional needs | Emotional needs | Trigger / เสียงในหัว |
|---|---|---|---|---|
| **ทีมขยายสาขาและแฟรนไชส์ร้านอาหาร** (business development, franchise, chain ops) | จะเปิดสาขาใหม่ที่พื้นที่ใด และหลีกเลี่ยงพื้นที่ใด | เห็นความหนาแน่นของร้านเทียบพื้นที่ ประเภทที่ครองตลาด ระดับราคา และเครือคู่แข่งที่อยู่แล้ว ส่งรายชื่อพื้นที่ให้ทีมสำรวจ | กลัวเลือกทำเลที่ร้านล้นหรือผิดกลุ่มราคา อยากมีเหตุผลที่อธิบายต่อผู้บริหารได้ | “แถวนี้ร้านแน่นไปไหม?” “ร้านแบบเราราคาประมาณนี้มีกี่ร้านแล้ว?” “เครือไหนอยู่แถวนี้บ้าง?” |
| **ทีม leasing / asset ของศูนย์การค้า community mall และอาคารพาณิชย์** | จะเติมร้านอาหารประเภทใดในโครงการ | ดูประเภทและราคาของร้านรอบโครงการ ร้านที่ชื่ออ้างถึงศูนย์ของตัวเองและคู่แข่ง เห็นอาคารของสถานที่บนแผนที่ | กลัวเติมร้านซ้ำกับรอบข้าง อยากได้ภาพที่ใช้คุยกับผู้เช่าได้เลย | “ศูนย์เรายังขาดร้านประเภทไหนเมื่อเทียบกับรอบข้าง?” “ร้านในศูนย์คู่แข่งเป็นเครือไหน?” |
| **นักวิเคราะห์ ที่ปรึกษา และหน่วยงานท้องถิ่น** (feasibility, market entry, งานพลวัตธุรกิจของ อปท.) | จะใช้หลักฐานอะไรใน proposal หรือรายงานพื้นที่ | ตัวเลขที่อ้างอิงได้พร้อมแหล่งและวันที่ เทียบพื้นที่ด้วยตัวหารเดียวกัน ข้อจำกัดชัด ลิงก์กลับระบบจริงของ CityMETER | กลัวถูก challenge เรื่องที่มาและความครบ เหนื่อยกับการนับร้านเองบนแผนที่ | “ตัวเลขนี้มาจากไหน ครอบคลุมแค่ไหน?” “ต้องส่งรายงานพื้นที่พรุ่งนี้ มีภาพที่ใช้ได้ทันทีไหม?” |

**คำตอบที่แต่ละกลุ่มได้จากหน้าเว็บ (0.9.0 — Observed fact ของสิ่งที่ข้อมูลรองรับ ประโยชน์ยังเป็น Hypothesis):**

| กลุ่ม | คำถามที่ต้องตอบได้ในไม่กี่วินาที | ตอบได้วันนี้ด้วย | รอ |
|---|---|---|---|
| ทีมขยายสาขา / แฟรนไชส์ | ย่านไหนร้านแบบเรา (ประเภท × ราคา) ยังน้อย · เครือใหญ่ไหนยึดย่านนี้แล้ว · คู่แข่งตรงกลุ่มย่อยกี่ร้าน | มุม “เครือระดับชาติ” + “ลองกับร้านแบบคุณ” (ประเภท 10 กลุ่ม × หมวดอาหาร 6/19/31 อนุมาน × ราคา 6 ช่วง × ขนาดเครือ 5 ช่วง) · บรรทัดลักษณะพื้นที่ · แถบหมวดอาหาร ขนาดเครือ และรายชื่อเครือในแขวง | มุมคู่แข่ง (กลุ่มย่อยเดียวกันในแขวงเดียวกัน) — รอผลสุ่มตรวจ 1,550 ตัวอย่าง |
| leasing / asset | ในอาคารเราต่างจากรอบ 100 ม. อย่างไร · ศูนย์คู่แข่งมีเครือไหน · หมวดไหนยังขาด | แผงอาคาร Land (ในอาคารเทียบรอบอาคาร) · อาคารของร้านที่เปิดดูขึ้นสีทั้งหลัง · รายชื่อเครือในอาคาร · แถบหมวดอาหาร (อนุมาน) ในแผงสถานที่และอาคาร | หมวดอาหารในตารางในอาคารเทียบรอบอาคารของแผง Land |
| นักวิเคราะห์ / ที่ปรึกษา / อปท. | ตัวเลขมาจากไหน · ขอภาพหรือตารางไปใส่รายงาน | บรรทัดแหล่งข้อมูลทุกหน้า · กราฟเปรียบเทียบพื้นที่ · ตารางรายการ | ปุ่ม export ยังไม่มี |

**Value proposition:** เติมช่องว่างระหว่าง “รู้ว่าย่านเมืองเก่าและสีลมมีร้านเยอะ” กับ “เห็นเป็นตัวเลขต่อพื้นที่ที่เทียบกันได้ ว่าแน่นแค่ไหน ร้านแบบไหน ราคาระดับไหน ใครอยู่แล้ว และข้อมูลครอบคลุมแค่ไหน” — ทำให้การคัดทำเลชั้นแรกมีหลักฐานที่อธิบายต่อได้ ไม่พึ่งความจำหรือการนับหมุดบนแผนที่

**Core pain (Inference จากวิธีทำงานปัจจุบัน §2.3):** ข้อมูลร้านอาหารมีมากแต่อยู่ในรูปจุดทีละร้านบนแอปต่าง ๆ เทียบพื้นที่ด้วยตัวหารเดียวกันไม่ได้ ไม่รู้ว่าครอบคลุมแค่ไหน และใช้เป็นหลักฐานในเอกสารไม่ได้

### 2.2 What — ปัญหาที่เลือกแก้ และแก้อย่างไร

**ปัญหาที่เลือกแก้:** “ก่อนคัดทำเลร้านอาหาร ทีมต้องรู้ว่าพื้นที่ใดมีร้านหนาแน่น เป็นร้านประเภทและราคาแบบไหน และเครือใดอยู่แล้ว แต่ไม่มีแหล่งเดียวที่สรุปเป็นพื้นที่ เทียบกันได้ และบอกขอบเขตข้อมูลชัด” ไม่ได้เลือกแก้เรื่องยอดขาย ความต้องการของลูกค้า footfall กำลังซื้อ หรือค่าเช่า

**เร่งด่วนและรุนแรงแค่ไหน:** เร่งด่วนทุกรอบที่วางแผนขยายสาขาหรือมีพื้นที่ว่างในโครงการ (Inference จากรอบงานทั่วไปของธุรกิจร้านอาหารและค้าปลีก ยังไม่มี Owner-stated หรือหลักฐานโครงการ) · รุนแรงเพราะการเลือกทำเลผิดผูกกับสัญญาเช่าและเงินลงทุนตกแต่งร้าน (Inference; ไม่ระบุตัวเลขต้นทุนเพราะไม่มีหลักฐาน)

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

- **ข้อมูลต้นทาง (raw):** 70,214 observation ของร้านใน overlay สาธารณะ 7 จังหวัด (ชีต 1 68,980 + 1,234 แถวที่ย้ายไปทะเบียน) พร้อมชื่อ ประเภทหลัก ราคา คะแนน จำนวนรีวิว และรหัสแขวง/ตำบลของต้นทาง; ตรวจกับการดึงใหม่จาก API ตรงกันทุกแถวทุก field (Observed fact, DATA_METHOD §1) + สาขาในทะเบียนร้านเครือ 27,527 รายการ (ฉบับอ่าน 3 พ.ย.; ชื่อ เครือ บริษัท จังหวัด พิกัด 22,547 รายการ หลักฐาน ไม่มีคะแนน รีวิว ราคา; ประเภทอนุมานจากเครือ) — รวมเป็นประชากร 96,507 (0.8.0; 0.7.1: 96,100; 0.6–0.7.0: 95,799) โดยแถวที่ย้ายนับครั้งเดียวฝั่งทะเบียน
- **ค่าคำนวณ (calculated):** ร้าน/ตร.กม. ต่อแขวง/ตำบลและเขต/อำเภอ (ตัวตั้ง = ร้านตามรหัสแขวง/ตำบลต้นทาง + สาขาที่จุดตกในกรอบ; ตัวหาร = พื้นที่ production); ความหนาแน่นรวมของ 3 อันดับแรก = Σร้าน ÷ Σตร.กม.; ฐานเทียบ = ร้านทั้งหมด ÷ พื้นที่ที่มีข้อมูล; สัดส่วนประเภทและระดับราคา 6 ช่วง (ราคาเฉพาะร้านที่ระบุ จัดจากราคาเริ่ม/สูงสุดตามกติกาของทะเบียน ตั้งแต่ 0.8.0); จำนวนร้านต่อขนาดเครือ 5 ช่วง (ตั้งแต่ 0.8.0); รีวิวรวมและคะแนนเฉลี่ยเฉพาะแถวที่มีค่า
- **การตีความ (inferred):** กลุ่มประเภทร้าน 10 กลุ่มจาก primary type 142 ค่า; เครือร้านและสถานที่จากชื่อร้าน (candidate); อันดับพื้นที่ช่วยจัดลำดับการสำรวจ ไม่ใช่คำตัดสินศักยภาพ
- **ผลลัพธ์ที่ผู้ใช้เห็น:** ข้อค้นพบแรก (169.4 ร้าน/ตร.กม. ใน 3 แขวง) บนเมือง 3 มิติที่โฟกัส 3 แขวงนั้น → โปรไฟล์แขวง/ตำบล (ประเภท ราคา ขนาดเครือ รีวิวมากที่สุด เครือร้าน สถานที่ที่ชื่อร้านอ้างถึง เครือในทะเบียนสาขา อาคารในทะเบียน Land) → เขต/อำเภอ → ร้าน (คะแนน ราคา เครือ สถานที่ อาคาร Land ทะเบียนเครือ พิกัดแสดงผลและความแม่น ที่มา) → สถานที่พร้อมอาคาร 3 มิติ → อาคารในทะเบียน Land (ในอาคารเทียบรอบอาคาร) → กราฟเทียบพื้นที่และตาราง
- **ทะเบียนร้านเครือ (รุ่น 0.3; แผนที่เดียวกับร้านตั้งแต่ 0.3.1; นับรวมกับร้านเป็นประชากรเดียวตั้งแต่ 0.6):** จุดสาขาทุกสาขาขึ้นบนแผนที่เดียวกับร้าน 7 จังหวัดตั้งแต่ซูมระดับเมืองเป็นรูปหมุด (เล็กกว่าสัญลักษณ์ร้าน ปิด/เปิดด้วยปุ่ม “ร้านเครือ”) และเปิดทะเบียนได้จากภาพรวม แผงพื้นที่ และอาคาร Land — ค้นหาเครือหรือบริษัท → เครือ (สาขาตามจังหวัด หลักฐาน สถานะ ผู้ดำเนินงานอื่นของแบรนด์เดียวกัน) → บริษัท → สาขา (ที่อยู่ ชั้น/ยูนิตตามแหล่ง พิกัดและที่มาของพิกัด แหล่งข้อมูล วันที่ตรวจ อาคาร Land ที่จุดตก) — 1 จุด = 1 สาขาที่มีพิกัด; จังหวัดคำนวณจากจุด (หรือข้อความจังหวัดในทะเบียน) และบอกวิธี
- **อาคารในทะเบียน Land (รุ่น 0.3):** จุดของร้านและสาขา × อาคารของศูนย์การค้า โรงแรม และอาคารสำนักงาน (ในอาคาร = ในขอบหรือห่างขอบไม่เกิน 10 ม. ซึ่งวาดในอาคาร; อาคาร = รูปอาคาร OpenStreetMap หลังเดียวกับที่แผนที่วาด ตั้งแต่รุ่น 0.4) ตอบคำถามวิจัยของ registry links `DL-fdc869a77aca940153dd` · `DL-8e308daca1bf455d9375` · `DL-845a42d1d4c939aa2590` ที่ให้แยกกิจการภายในออกจากบริเวณรอบ ๆ; นิคมอุตสาหกรรม (`DL-2669875b0346b95e63be`) ยังไม่เทียบเพราะขอบเขตยังไม่ผ่านการตรวจรับ

> **Data Clarity:** ข้อมูลหลักมาจาก CityMETER Restaurants API สาธารณะ ดึงและตรวจ 2026-10-22 (API ไม่เปิดเผยผู้ให้ข้อมูลและวันที่เก็บต้นทาง); ตัวชี้วัดหลักคำนวณจากการนับร้านตามรหัสแขวง/ตำบลของต้นทาง หารด้วยพื้นที่ของ production; อันดับและกลุ่มประเภทเป็นการตีความเพื่อจัดลำดับ ไม่ใช่ยอดขาย อุปสงค์ หรือคุณภาพ; คะแนน/รีวิวคือความนิยมตามแหล่งข้อมูล; พิกัดเป็นตำแหน่งแสดงผล (กริด 9.55 ม.); ครอบคลุม 7 จังหวัดและนอก กทม./นนทบุรี/สมุทรปราการ เพียงบางตำบล — ไม่ใช่สำมะโนร้านอาหาร

### 2.3 Which — ผู้ใช้แก้ปัญหานี้ด้วยอะไรอยู่ และต้องดีกว่าแค่ไหนจึงจะเปลี่ยนพฤติกรรม

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

**Present alternatives**

| ทางเลือกที่ใช้อยู่ | ใช้เพื่ออะไร | จุดแข็ง | Gap ที่ยังแก้ pain ไม่ได้ | คุณภาพที่เราต้องทำให้ถึงหรือชนะ |
|---|---|---|---|---|
| ค้น Google Maps / Apple Maps (“ร้านอาหาร ใกล้…”) | ดูว่ารอบจุดหนึ่งมีร้านอะไร | เร็ว ครอบคลุมกว้าง มีรีวิว | จุดทีละร้าน ผลค้นจำกัดจำนวน ไม่สรุปเป็นพื้นที่ ไม่มีตัวหาร ใช้เป็นหลักฐานไม่ได้ | เร็วเท่ากันสำหรับคำถาม “แน่นแค่ไหน” และเทียบพื้นที่ได้ด้วยตัวหารเดียวกัน |
| แอปรีวิวและไกด์ร้านอาหาร | ดูร้านยอดนิยมและหมวดอาหาร | ข้อมูลร้านและหมวดละเอียด | มุ่งผู้บริโภค ไม่สรุปเป็นพื้นที่ ไม่บอกความครอบคลุม | สรุปประเภท/ราคาเป็นพื้นที่ และบอกว่าข้อมูลครอบคลุมแค่ไหน |
| แอปเดลิเวอรี (มุมมองร้านค้า) | ดูร้านที่ส่งในรัศมี | สะท้อนตลาดเดลิเวอรี | เฉพาะร้านในแพลตฟอร์ม ข้อมูลไม่เปิด เทียบข้ามพื้นที่ไม่ได้ | เปิดเผยแหล่ง วันที่ และวิธีคำนวณของทุกตัวเลข |
| รายงานตลาดของที่ปรึกษา/broker (PDF) | ภาพรวมย่านค้าปลีกและ F&B | น่าเชื่อถือ มีบริบทตลาด | ช้าเป็นไตรมาส ระดับย่านกว้าง ไม่ interactive | ลงถึงแขวง/ตำบลและรายร้าน สำรวจเองได้ |
| เดินสำรวจ + Excel ภายใน | นับร้านรอบทำเลเป้าหมาย | แม่นในจุดที่สำรวจ | ใช้แรงงาน ทำได้ไม่กี่จุด เทียบหลายพื้นที่ไม่ได้ | ใช้คัดพื้นที่ชั้นแรกก่อนเดินสำรวจ |
| หน้า Restaurant ของ CityMETER production | ดูจำนวน ร้าน/ตร.กม. คะแนน และระดับราคาของพื้นที่ที่เลือก | ข้อมูลชุดเดียวกัน ครบทุกระดับพื้นที่ | สรุปทีละพื้นที่ที่เลือก ผู้ใช้ต้องไล่เทียบเองว่าที่ไหนแน่นกว่า | บอกข้อค้นพบเชิงเปรียบเทียบก่อน และส่งกลับไปพื้นที่เดียวกันใน production ได้ทุกระดับ |

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

| Benchmark | สิ่งที่ต้องเทียบให้ถึง |
|---|---|
| เครื่องมือแผนที่สถาปัตยกรรม (เช่น archiMap) | ความงามแบบ site plan/massing model: พื้นกระดาษ ถนนขาว อาคาร 3 มิติเรียบ มุมมองพร้อมฉาย |
| แพลตฟอร์ม location intelligence ระดับสากล | ตัวชี้วัดเดียวกัน ตัวหารเดียวกัน เทียบข้ามพื้นที่ได้ และ output ที่ stakeholder ใช้ต่อได้ |
| CityMETER · Luxury Brands รุ่น 0.5 | 3D first Aha, focus/quiet, venue x-ray, breadcrumb, handoff ที่ตรวจย้อนได้ |
| CityMETER production (landometer.com/v3/citymeter) | ลำดับพื้นที่เดียวกัน (ประเทศไทย › จังหวัด › เขต/อำเภอ › แขวง/ตำบล) รหัสเดียวกัน และวินัย source/date/boundary เดียวกัน |

**Expected quality bar (มาตรฐานที่ต้องถึงจึงจะเปลี่ยนพฤติกรรม)**

1. ตอบ “ร้านอาหารแน่นที่สุดตรงไหน” ได้ภายใน 1 นาทีโดยไม่ต้องตั้งค่าตัวกรอง (first Aha)
2. ทุกตัวเลขมี dataset · source · date · boundary และทุกร้านบอกความแม่นของพิกัด
3. เทียบพื้นที่บนตัวชี้วัดและตัวหารเดียวกัน (ร้าน/ตร.กม.) พร้อมประเภทและราคา
4. ไม่มีข้อมูล ≠ ศูนย์ ≠ ไม่มีร้าน — ขอบเขตความครอบคลุมเห็นได้บนแผนที่
5. ภาพพร้อมใช้ในห้องประชุมโดยไม่ต้องวาดใหม่ (3D focus/quiet, LDS, สองธีม, จอแคบ)
6. เข้ากับ CityMETER ได้ (breadcrumb และลิงก์ลึกตรง production, JSON ที่ agent ใช้ต่อได้)
7. ซื่อสัตย์เรื่องขอบเขต: ไม่ใช่สำมะโน ไม่ใช่ยอดขาย ไม่ใช่ความต้องการ เครือ/สถานที่เป็น candidate

### 2.4 How — เราชนะอย่างไร และต่อยอดอะไรได้

**Winning strategy (5 ข้อ)**

1. **อ่านเป็นพื้นที่ด้วยความหนาแน่น** — หน่วยตัดสินใจคือแขวง/ตำบลของ CityMETER; ข้อค้นพบแรก choropleth โปรไฟล์ และกราฟใช้ขอบเขตเดียวกัน (scopeRows) ตัวหารเดียวกัน (ตร.กม. ของ production) และบอกเกณฑ์จัดอันดับเสมอ
2. **ความครอบคลุมเป็นข้อเท็จจริงบนแผนที่** — แขวง/ตำบลที่แหล่งข้อมูลไม่มีร้านเลยเป็นลายทแยง “ไม่มีข้อมูล” ส่วนศูนย์ตามตัวกรองเป็นศูนย์ที่วัดได้; ไม่มีค่า missing แสดงเป็นศูนย์
3. **โฟกัสแล้วเงียบ** — รายละเอียด (สี สัญลักษณ์ประเภท โลโก้เครือ อาคารมุมโค้ง) เฉพาะส่วนที่กำลังตัดสินใจ; ส่วนที่เหลือเป็นบริบทจาง ทำให้ภาพเดียวเล่าได้ในห้องประชุม
4. **ภาพระดับสถาปนิกด้วยข้อมูลเปิด** — basemap “paper” ที่สร้างเองบน OpenFreeMap มวลอาคารทั้งเมืองจาก OSM กล้องที่คงเส้นตั้ง และอาคารของสถานที่ที่มองเห็นเสมอ (venue x-ray)
5. **พร้อมสำหรับคนและเครื่อง** — breadcrumb และลิงก์ลึก `/D/` `/S/` ตรง production; product-brief.json / implementation-plan.json / manifest + schema ให้ analyst, agent และ dev ใช้ต่อ
6. **ประชากรเดียว คำเดียว (รุ่น 0.6 แทนกติกา “สองหน่วยไม่ปนกัน” ของ 0.3 ตามคำสั่งเจ้าของ 28 ต.ค. 2569 22:36; รุ่น 0.7 ตามคำสั่ง 29 ต.ค. 23:39 “เลิกแยก … search / filter / คำนวณ / aggregate รวมกันทั้งสองตาราง”)** — ร้านในชุดข้อมูล (observation) กับสาขาเครือ (outlet_id) นับรวมกันในทุกตัวเลขร้าน ความหนาแน่น กรอบจังหวัด รายการ และตาราง เรียกรวมว่า “ร้าน” (สาขาบอกหน่วยในบรรทัดย่อย) บอกความต่างของสองชีตในบรรทัดแหล่งข้อมูลเท่านั้น; เครือหนึ่งคีย์ข้ามสองชีตและหน้าเครือหน้าเดียว; ประเภทของสาขาเครืออนุมานจากร้านชื่อเดียวกันในชุดข้อมูล (Inference บอกไว้ทุกสาขา) คะแนน รีวิว ราคามีเฉพาะฝั่งชุดข้อมูล (ไม่เติม ไม่แสดงเป็น 0); แถวที่ย้าย 1,234 แถวนับครั้งเดียวฝั่งทะเบียน; โลโก้และชื่อเครือขึ้นก่อนชื่อสาขาเสมอ; ร้านที่ยังไม่มีพิกัดอยู่ในตัวเลขและรายการ แต่ไม่อยู่บนแผนที่ และหน้าจอบอกเช่นนั้น
7. **อาคารจากทะเบียนที่ตรวจแล้ว และละเอียดที่สุดที่มี (รุ่น 0.3)** — host ใน Land ใช้รูปอาคาร OpenStreetMap หลังเดียวกับที่แผนที่วาด (รุ่น 0.4 เจ้าของสั่ง 28 ต.ค. 18:27 — ไม่ใช้ footprint V4 ตึกจึงไม่ซ้อนกัน) และวาดส่วนอาคาร LOD2 ของทะเบียนในขอบนั้นเมื่อเป็นอาคารเดียวกัน (15 อาคาร); จุดเดียวอยู่ในหลายอาคารซ้อนกันได้ (เช่น อาคารสำนักงานในศูนย์การค้า) และนับให้ทุกอาคารที่ครอบจุด

**เชื่อมกลับสามเรื่องตาม PB v6 §1.6.2**

- **ชนะความกังวลของผู้ใช้:** ตัวเลขมีที่มา วันที่ และขอบเขตความครอบคลุม ถูกถามแล้วตอบได้; ภาพดูเป็นมืออาชีพโดยไม่ต้องจ้างกราฟิก
- **ชนะทางเลือกเดิม:** สรุปเป็นพื้นที่ได้ทันทีต่างจากแผนที่ค้นหาทีละจุด เป็นระบบกว่าการเดินนับ ลึกกว่ารายงาน PDF ในระดับแขวงและรายร้าน และบอกข้อค้นพบก่อนต่างจากหน้าเลือกพื้นที่ทีละที่
- **ชนะในระบบ CityMETER:** ต่อกับ Population (ร้านต่อประชากร), Shopping Center, Building, Transit และ Business Dynamics ได้บนขอบเขตแขวง/ตำบลเดียวกัน

**Claim boundary (คงตาม MBB §3.7):** ไม่อ้างยอดขาย ความต้องการ footfall กำลังซื้อ หรือคุณภาพอาหาร; ไม่ใช่สำมะโนร้านอาหาร; คะแนน/รีวิวเป็นความนิยมตามแหล่งข้อมูล; เครือร้านและสถานที่เป็น candidate จากชื่อ; ทราฟฟิกสูงหรือร้านแน่นไม่ได้แปลว่าโอกาสสูง; สาขาในทะเบียนคือรายการที่มีหลักฐาน ไม่ใช่ร้านที่เปิดอยู่จริงจากการสำรวจ และทะเบียนยังไม่รับรองว่าครบทุกสาขา; บทบาทบริษัทในทะเบียนไม่ได้แปลว่าเป็นผู้ประกอบการทุกสาขา; “จุดตกในอาคาร” ไม่ใช่การยืนยันว่าร้านตั้งอยู่ในอาคาร ชั้น หรือการเป็นผู้เช่า และไม่ใช้อนุมานจำนวนพนักงาน ผู้เข้าพัก หรือผู้ใช้อาคาร

## 3. บทบาทผลิตภัณฑ์และเส้นทางผู้ใช้

**ตั้งคำถามทำเล → เห็น 3 แขวงที่ร้านแน่นที่สุด (3D first Aha) → เปิดโปรไฟล์แขวง/ตำบล (ประเภท ราคา เครือ อาคาร Land) → เจาะร้าน เครือ สถานที่ หรืออาคาร Land (ในอาคารเทียบรอบอาคาร) → หน้าเครือ (ร้านและสาขาของเครือทั่วประเทศ จังหวัด ประเภท หลักฐาน) → เทียบพื้นที่ด้วยกราฟ/ตาราง → “ค้นต่อ” ด้วย Google AI Mode / Street View / Maps ตามคำถามของหน้านั้น → เปิดพื้นที่เดียวกันใน CityMETER production → ส่งต่อรายการไปสำรวจ**

ชั้นข้อมูลนี้ทำหน้าที่ screen และ compare ก่อนการตัดสินใจ ไม่ใช่การตัดสินใจเอง ตัวชี้วัดคุณภาพที่ควรติดตาม: ความสดของ snapshot, สัดส่วนแขวง/ตำบลที่มีข้อมูลในแต่ละจังหวัด, สัดส่วนร้านที่ระบุราคาและคะแนน, ความถูกต้องของการจับคู่เครือ/สถานที่ และ (เมื่อมีผู้ใช้จริง) เวลาจากคำถามถึงรายชื่อพื้นที่ที่ส่งต่อได้

## 4. ข้อมูลและวิธี (Data and method clarity)

- **Sources:** CityMETER Restaurants public API (overlay MVT ต่อแขวง/ตำบล) ผ่านชีตวิจัย 2 ชีต; ทะเบียนร้านเครือ (ชีต 2); ทะเบียน Land (Shopping Centers & Retail Venues, Hotel, Office, Industrial Estates) ตาม registry R11/R12; ขอบเขตและพื้นที่จาก CityMETER production (77 จังหวัดสำหรับทะเบียน); รูปอาคารและมวลอาคารจาก OpenStreetMap ผ่าน OpenFreeMap (z14; อาคาร Land หลังเดียวกับที่แผนที่วาด ไม่ใช้ footprint V4 ตั้งแต่ 0.4); ส่วนอาคาร LOD2 จากรูปทรงที่ทะเบียนตรวจแล้ว (Shopping Center release, Hotel 15_BUILDING_MASS — OSM ODbL)
- **Granularity:** ร้าน (พิกัดแสดงผล) → แขวง/ตำบล (หน่วยวิเคราะห์, 581 กรอบใน 7 จังหวัด) → เขต/อำเภอ (90) → จังหวัด (77 ตั้งแต่ 0.6 — 7 จังหวัดจากกรอบแขวง/ตำบล อีก 70 จากรูปจังหวัดของ production มีเฉพาะสาขาในทะเบียน; รหัส production) → ประเทศ
- **Update cycle:** snapshot ตามรอบ (ล่าสุด 2026-10-22); ยังไม่มีรอบอัตโนมัติ — backlog N01
- **Method:** นับตามรหัสแขวง/ตำบลของต้นทาง; ความหนาแน่น = ร้าน ÷ ตร.กม. ของ production; จัดอันดับเฉพาะพื้นที่ ≥ 30 ร้าน; equal-interval 5 ระดับจากค่าสูงสุดในตัวกรอง (DATA_METHOD.md, docs/AREA_METHOD.md)
- **Known limitations:** ไม่ใช่สำมะโน; ชุดข้อมูลร้านครอบคลุม 7 จังหวัด นอกสามจังหวัดหลักเพียงบางตำบล (อีก 70 จังหวัดมีเฉพาะสาขาในทะเบียน); ไม่มีวันที่และผู้ให้ข้อมูลต้นทาง; พิกัดแสดงผลกริด 9.55 ม.; primary type เดียวรวมสถานที่ไม่ใช่อาหาร 130 แถว; ราคาไม่ระบุ 71.5%; เครือ/สถานที่เป็น candidate; ตัวหารเป็นพื้นที่ทั้งตำบล; ทะเบียนร้านเครือยังไม่ครบทุกสาขา 10,091 สาขาไม่มีพิกัด 3,241 ไม่ทราบจังหวัด (อยู่ในยอดรวมแต่ไม่อยู่ในความหนาแน่นหรือกรอบ); สาขาไม่มีคะแนน รีวิว ราคา ประเภท; การจับจุดกับอาคาร Land ขึ้นกับความแม่นของจุด (9.55 ม. สำหรับร้าน) และรูปทรงอาคาร (รูปอาคาร OpenStreetMap ที่จุดของสถานที่ — สิ่งที่ผู้ร่วมแผนที่วาดไว้ ณ วันที่ของ tile); สถานที่ใน Land จำนวนมากไม่มีอาคารที่จุด (ตลาด ปั๊ม ตลาดนัด) จึงไม่มีผลจับ
- **Confidence note:** ทุกร้านบอกบทบาทพิกัด (ตำแหน่งแสดงผลจาก tile z10) และสถานะการจับคู่เครือ/สถานที่; ข้อมูลตรวจกับการดึงใหม่จาก API ตรงกันทุก field

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

| สิ่งที่ statement กำหนด | สิ่งที่ผลิตภัณฑ์รุ่น 0.7.1 ทำ |
|---|---|
| ตอบ “แน่นที่สุดตรงไหน” ใน 1 นาที | หน้าแรกเปิดเป็นเมือง 3 มิติที่โฟกัส 3 แขวงอันดับต้น พร้อมตัวเลข 164.6 ร้าน/ตร.กม. ฐานเทียบ 9.8 และปุ่มเดียว |
| ภาพพร้อมห้องประชุม | basemap paper ที่สร้างเอง, massing ทั้งเมืองแบบ quiet, อาคารในพื้นที่โฟกัสมุมโค้ง, กล้อง model ในแขวง, มุมสถาปนิกระดับสถานที่, ธีมสว่าง/มืด |
| ที่มาของทุกตัวเลข | ทุกมุมมองของแผงจบด้วย dataset · source · date · boundary; ร้านบอกบทบาทพิกัด รหัส observation และลิงก์ไป production |
| เทียบพื้นที่บนตัวชี้วัดเดียวกัน | กราฟ 3 มุมมองบน scopeRows (ความหนาแน่น · ประเภทร้าน · ระดับราคา); matrix ช่องเท่ากัน; legend ประกาศช่วง |
| ความครอบคลุมเห็นได้ | ลายทแยง “ไม่มีข้อมูล” 106 แขวง/ตำบลบนประชากร (273 บนร้านอย่างเดียว); ศูนย์ตามตัวกรองมีเส้นขอบศูนย์; ทั้ง 77 จังหวัดวาดและนับ (0.6) — จังหวัดนอกชุดข้อมูลร้านบอกว่ามีเฉพาะสาขาในทะเบียนและไม่มีความหนาแน่น |
| เข้ากับ CityMETER | breadcrumb ประเทศไทย › จังหวัด › เขต/อำเภอ › แขวง/ตำบล ด้วยรหัสของ production; ลิงก์ `/v3/citymeter/{code}/D/{เขต}` และ `/S/{แขวง}` `?d=restaurant` |
| ซื่อสัตย์เรื่องขอบเขต | “ร้านอื่นที่ชื่อตรงกับเครือ” ไม่ใช่ “สาขา”; “ชื่อร้านอ้างถึงสถานที่นี้” / “ชื่อร้านลงท้ายด้วยชื่อสถานที่นี้” ไม่ใช่ “ตั้งอยู่ใน”; จุดของร้านกับอาคารใช้ “จุดตกในอาคาร” พร้อมความละเอียด 9.55 ม.; ราคาไม่ระบุนับแยก; คะแนนไม่มีไม่ใช่ 0 |
| สำรวจต่อได้ลื่น | กดอาคารในโฟกัสเพื่อเปิดสถานที่ ร้าน หรือร้านที่จุดตกในอาคาร; กดแขวง/ตำบลข้าง ๆ (หรือป้ายบนจอ) เพื่อย้ายไปทุกระดับซูม |
| เครือไหนอยู่แถวนี้ด้วยหลักฐาน (0.3 → 0.7) | ชิปเครือในทุกพื้นที่นับร้านและสาขารวมกัน; ตัวกรอง “เครือร้าน” ครบ 857 เครือและเปิดหน้าเครือ (โลโก้ · ร้าน · จังหวัด · บนแผนที่ · ประเภท · หลักฐานสาขา · ค้นต่อ); สาขาบอกหลักฐาน สถานะ ที่มาและวันที่ตรวจ; ไม่มีทางเข้า “ทะเบียน” แยกในหน้าหลัก (0.7) |
| ค้นต่อตามเสียงในหัวของผู้ใช้ (0.7; 0.8.1) | แถว “ค้นต่อ” ทุกหน้า: Google พร้อมคำถามของหน้านั้น (ได้คำตอบทันที AI Overview บนสุดเมื่อ Google มี แท็บ AI Mode ถามต่อได้ — ลิงก์ AI Mode ตรงถูก Google ถามยืนยันก่อนทุกครั้ง) (ร้าน: รีวิว เมนู เวลาเปิด · เครือ: สาขาใหม่ แฟรนไชส์ คู่แข่ง · ย่าน: ร้านดัง ราคา ทำเล ค่าเช่า · สถานที่: ร้านในสถานที่ พื้นที่เช่า) · Street View หันกล้องจากถนนที่ใกล้ที่สุดเข้าหาร้านหรือสถานที่ (0.8.1) · Google Maps — ไม่ใช่หลักฐานของ CityMETER |
| โลโก้และเครือขึ้นก่อน (0.7) | ทุกรายการ ตาราง ป๊อปอัป หัวหน้า และโลโก้บนแผนที่อ่าน โลโก้ · เครือ · สาขา; ร้านที่ไม่มีเครือใช้ชื่อตัวเองและสัญลักษณ์ประเภท |
| ร้านที่ยังไม่มีพิกัดไม่หาย (0.7) | “ยังไม่มีพิกัด N ร้าน — อยู่ในตัวเลข ไม่อยู่บนแผนที่” ในแผง แถบมือถือ บรรทัดสถานะ และคำอธิบาย; ขอบเขตที่ทุกร้านไม่มีพิกัด (เช่น TP TEA ฉบับ 28 ต.ค.) แสดงรายชื่อแทนแผนที่ว่าง |
| ในอาคารเทียบรอบอาคาร (0.3) | อาคารในทะเบียน Land: ตารางประเภทร้านในอาคาร vs รอบ 100 ม. (จำนวนและร้อยละ), รายการเดียว “ร้านและสาขาในอาคาร” (ร้านในชุดข้อมูลกับสาขาในทะเบียนเรียงรวมกัน บอกหน่วยทุกรายการ; 0.5 นับแยก ไม่บวก → 0.6 tile ร้านในอาคารรวมสองฝั่งและบอกส่วนแยก), อาคาร 3 มิติระดับสถานที่ = รูป OpenStreetMap หลังเดียวกับแผนที่ (LOD2 เมื่อมี; 0.4), จุดห่างขอบไม่เกิน 10 ม. นับเป็นในอาคารพร้อมระยะ |
| อาคารที่ดูอยู่เห็นชัดเสมอ (0.5) | อาคารที่เลือก/โฟกัสทุกแบบ (Land · สถานที่ · อาคารที่จุดของร้านหรือสาขาตก · อาคารที่กด) ใช้กล้อง 2-point perspective เสมอ วาดทับด้วย x-ray และตึกที่บังจางลง ตามแนว Luxury Brands / Shopping Center; บนมือถือจัดกลางเหนือแผงครึ่งจอ |

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

- **DNA:** Measure what matters — วัดความหนาแน่นด้วยตัวหารที่มีความหมาย แล้วทำให้ลงมือได้ (screen → compare → ส่งต่อ) · Clear · Grounded · Energetic
- **Voice:** พูดเหมือนคู่คิดที่อ่านพื้นที่ออก: “ร้านอาหารแน่นที่สุดอยู่ตรงไหน และเป็นร้านแบบไหน” แยก “พบในแหล่งข้อมูล” / “จับคู่จากชื่อ” / “ไม่มีข้อมูล” ไม่ตัดสินคุณค่าของพื้นที่หรือร้าน ไม่เคลมยอดขาย
- **Visual:** LDS 0.9.7 (standalone-0.9.7-r1): `density.area` สำหรับแขวง/ตำบล, `count` สำหรับจังหวัดและ matrix, `price` สำหรับระดับราคา (6 ช่วงใช้ค่าที่ 0, 8, 16, 24, 32, 40 ของ LUT 41 ค่า ตั้งแต่ 0.8.0; แถบขนาดเครือใช้สีเดียว ไม่เพิ่ม family ที่สองข้างราคา), series 1–10 พร้อมรูปทรงประจำ series สำหรับประเภทร้าน, map roles สำหรับอาคารของสถานที่; สีข้อมูลเหมือนกันทั้งสองธีม; โลโก้คงต้นฉบับบนพื้นรองที่กำหนด; ไม่มี bracket/left rail ตกแต่ง; focus ring มองเห็น

## 7. สิ่งที่ต้องทดสอบต่อ (Hypotheses → validation)

| Hypothesis | วิธีทดสอบ | เกณฑ์ |
|---|---|---|
| ผู้ใช้สามกลุ่มใน §2.1 ถาม “แน่นแค่ไหน/ร้านแบบไหน” ก่อนคัดทำเลจริง และเริ่มจากพื้นที่ | สัมภาษณ์ 3–5 คนต่อกลุ่มด้วย demo 0.1 | ≥ 2 ใน 3 กลุ่มยืนยัน trigger และใช้โปรไฟล์พื้นที่ก่อนตาราง |
| ความหนาแน่นต่อ ตร.กม. เข้าใจง่ายกว่าจำนวนร้าน และไม่ถูกอ่านเป็นความต้องการ | ให้ผู้ใช้อธิบายตัวเลขบนหน้าจอด้วยคำของตัวเอง | ≥ 80% อธิบายถูกว่าเป็นความแน่นของร้านในชุดข้อมูล ไม่ใช่ยอดขาย |
| ลายทแยง “ไม่มีข้อมูล” ลดการตีความผิดว่าไม่มีร้าน | ถามผู้ใช้ถึงแขวงที่เป็นลายทแยง | ≥ 80% ตอบว่าแหล่งข้อมูลไม่ครอบคลุม |
| ภาพ 3D focus/quiet ถูกนำไปใช้ใน deck โดยไม่วาดใหม่ | ขอ screenshot ที่ผู้ทดลองใช้จริง | มีการใช้ในเอกสารอย่างน้อย 1 กรณี (ไม่นับเป็น traction) |
| เวลาจากคำถามถึงรายชื่อพื้นที่ที่ส่งต่อได้ < 10 นาที | จับเวลา task ตั้งต้น 3 งาน | ค่ามัธยฐาน < 10 นาที |
| ผู้ใช้อ่านตัวเลข “ร้าน” ที่รวมสองชีตแล้วยังรู้จากบรรทัดแหล่งข้อมูลว่าสาขาเครือคือรายการที่มีหลักฐาน ไม่ใช่ร้านที่สำรวจแล้วว่าเปิดอยู่ (รุ่น 0.7 แทนบรรทัด “ร้าน = N + M” ของ 0.6) | ให้ผู้ใช้อ่านหน้าพื้นที่และหน้าเครือ แล้วถามว่าตัวเลขมาจากอะไรและเชื่อได้แค่ไหน | ≥ 80% อ้างถึงบรรทัดแหล่งข้อมูลหรือคำว่า “สาขาเครือ” ได้ถูก และไม่อ่านสาขาเป็นร้านที่ยืนยันแล้ว |
| ประเภทที่อนุมานให้สาขาเครือช่วยทีมขยายสาขากรอง “ร้านแบบเรา” ได้โดยไม่อ่านผิดว่าเป็นประเภทที่แหล่งระบุ (รุ่น 0.7) | ให้ผู้ใช้กรองประเภทแล้วเปิดสาขาเครือ 3 แห่ง ถามว่าประเภทมาจากไหน | ≥ 80% ตอบว่าอนุมานจากร้านชื่อเดียวกันหรือรูปแบบของทะเบียน |
| แถว “ค้นต่อ” ตรงกับคำถามที่ผู้ใช้ถามต่อจริง (รุ่น 0.7) | สังเกตว่าผู้ใช้กดลิงก์ใดจากหน้าร้าน เครือ และพื้นที่ แล้วถามว่าคำถามที่เตรียมไว้ตรงกับที่คิดไหม | ≥ 2 ใน 3 กลุ่มกดอย่างน้อย 1 ลิงก์และบอกว่าคำถามตรง; ไม่มีใครอ่านผลค้นเป็นหลักฐานของ CityMETER |
| ทีม leasing ใช้ตาราง “ในอาคารเทียบรอบอาคาร” หาประเภทร้านที่ขาด (รุ่น 0.3) | ให้ผู้ใช้ระบุประเภทที่ขาดของศูนย์ตัวอย่าง 3 แห่ง แล้วถามความมั่นใจ | ≥ 2 ใน 3 ระบุได้และอธิบายข้อจำกัด “จุดตกในอาคาร” ถูก |
| ราคา 6 ช่วงและขนาดเครือช่วยทีมขยายสาขาคัด “ย่านร้านแบบเราและเครือขนาดใกล้เรา” ได้เร็วกว่าการไล่หมุด (รุ่น 0.8) | ให้ผู้ทดลองใช้หาแขวงที่มีร้าน 101–200 บาทของเครือ 10–49 สาขามากที่สุด เทียบกับไม่มีตัวกรองนี้ | ทำเสร็จใน 3 นาที และอธิบายได้ว่าตัวเลขนับอะไร (ราคาที่ระบุ ไม่ใช่ค่าใช้จ่ายต่อคน) |
| ผลจัดกลุ่มอัตโนมัติของทะเบียนแม่นพอ (หมวดอาหาร 31 กลุ่มย่อย — ขึ้นเว็บแล้วพร้อมป้าย “อนุมาน” ตามคำตัดสินของเจ้าของ 3 พ.ย.) | สุ่ม 50 ร้านต่อกลุ่มย่อยตาม `rules.QA` (1,550 ตัวอย่าง) ให้ผู้ตรวจระบุถูก/ผิดและกลุ่มที่ถูก | กลุ่มย่อยใดถูก ≥ 48/50 ถือว่าผ่าน กลุ่มที่ไม่ผ่านแก้กติกาแล้วสุ่มใหม่ — ป้าย “อนุมาน” คงอยู่จนเจ้าของตัดสินว่าผ่าน |

### 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 |
| 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) |