अक्सर पूछे जाने वाले सवाल

Chargalytics EV चार्जिंग इंडस्ट्री के लिए मार्केट इंटेलिजेंस प्लेटफ़ॉर्म है। हम 37 देशों के चार्जिंग नेटवर्क से डेटा इकट्ठा और प्रोसेस करते हैं, जिसमें 5,31,000+ चार्जिंग स्टेशन, 15,57,000+ चार्जिंग बे और 16,51,000+ कनेक्टर शामिल हैं। इनमें से 26 मार्केट में रीयलटाइम स्टेटस उपलब्ध है।

हम इस डेटा को एनालिटिक्स, बेंचमार्क, फोरकास्ट और टूल्स में बदलते हैं, ताकि ऑपरेटर, निवेशक, कंसल्टेंट और चार्जिंग इंफ्रास्ट्रक्चर बनाने वाले लोग बेहतर फैसले ले सकें।

ओनर्स और इन्वेस्टर्स इसका उपयोग M&A गतिविधि ट्रैक करने, ऑपरेटर प्रदर्शन का आकलन करने, नई साइटों के रिटर्न मॉडल करने और पूंजी लगाने से पहले मार्केट डायनेमिक्स समझने के लिए करते हैं।

Charge Point Operators इसका उपयोग प्रतिस्पर्धियों के मुकाबले बेंचमार्क करने, नेटवर्क हेल्थ मॉनिटर करने, नई लोकेशन प्लान करने और साइट चयन से कमीशनिंग तक पूरे प्रोजेक्ट लाइफसाइकल को मैनेज करने के लिए करते हैं।

एनालिस्ट इसका उपयोग देश-स्तरीय मार्केट एनालिटिक्स, EV अपनाने की ट्रैकिंग, FC उपयोग ट्रेंड और 37 मार्केट में डिमांड फोरकास्टिंग के लिए करते हैं।

कंसल्टेंट इसका उपयोग अपने क्लाइंट्स को डेटा-आधारित सिफारिशें देने के लिए करते हैं, जिसमें एक्सपोर्ट किए जा सकने वाले एनालिटिक्स और फाइनेंशियल मॉडल होते हैं जिन्हें वे पिच डेक में शामिल कर सकते हैं।

रेगुलेटर्स इसका उपयोग इंफ्रास्ट्रक्चर की पर्याप्तता का आकलन करने, कंप्लायंस मॉनिटर करने और यह समझने के लिए करते हैं कि पॉलिसी जमीनी स्तर पर वास्तविक डिप्लॉयमेंट और उपयोग में कैसे बदलती है।

OEMs इसका उपयोग यह समझने के लिए करते हैं कि चार्जिंग इंफ्रास्ट्रक्चर कहाँ मौजूद है (और कहाँ नहीं), कौन सा हार्डवेयर बड़े पैमाने पर डिप्लॉय हुआ है, और चार्जिंग पैटर्न वाहन डिज़ाइन व सेल्स स्ट्रैटेजी को कैसे प्रभावित करते हैं।

हम यूरोप और उसके बाहर नेशनल एक्सेस पॉइंट्स (NAPs), सरकारी रजिस्ट्रियों, OCPI फीड्स, DATEX II एंडपॉइंट्स और ऑपरेटर APIs के साथ इंटीग्रेट करते हैं। प्रमुख स्रोतों में NOBIL (नॉर्डिक्स), Mobilithek (जर्मनी), AFIR फीड्स (फिनलैंड, लिथुआनिया) और दर्जनों देश-विशिष्ट रजिस्ट्रियां शामिल हैं।

रीयलटाइम स्टेटस डेटा WebSocket, MQTT और पोलिंग स्रोतों से लगातार इनजेस्ट होता है। लाइव मॉनिटरिंग वाले 26 देशों में हम हर दिन लाखों स्टेटस इवेंट्स प्रोसेस करते हैं।

सारा डेटा एक यूनिफाइड स्कीमा में नॉर्मलाइज़ किया जाता है: स्रोत देश चाहे कोई भी हो, फील्ड्स, कनेक्टर टाइप और स्टेटस कोड एक जैसे रहते हैं।

वर्तमान में स्टेशन डेटा वाले 37 देश: Australia, Austria, Belgium, Bulgaria, Canada, Croatia, Cyprus, Czechia, Denmark, Estonia, Finland, France, Germany, Greece, Hungary, Iceland, Ireland, Italy, Latvia, Liechtenstein, Lithuania, Luxembourg, Mauritius, Mexico, Netherlands, New Zealand, Norway, Poland, Portugal, Romania, Slovakia, Slovenia, Spain, Sweden, Switzerland, United Kingdom and United States।

इनमें से 26 मार्केट में रीयलटाइम चार्जिंग स्टेटस डेटा उपलब्ध है, जहाँ ऑपरेटर APIs लाइव कनेक्टर जानकारी देती हैं। कवरेज हर महीने बढ़ रहा है।

हमारे insights articles बिना account के मुफ्त उपलब्ध हैं।

बाकी सबके लिए active subscription चाहिए: interactive map, country analytics, CPO benchmark, ChargiPedia, news archive, newsletter और forum।

Projects tool (location planning, site design, BOM, financial modelling) के लिए Premium tier चाहिए।

हर नया account पूरे platform के 7-दिन के free trial के साथ शुरू होता है — कार्ड की जरूरत नहीं — ताकि commit करने से पहले आप सब कुछ एक्सप्लोर कर सकें।

आपका 7-दिन का free trial (कार्ड की जरूरत नहीं) पूरे platform को cover करता है। उसके बाद दो tiers:

Business teams के लिए volume discounts लागू हैं: 11–30 seats पर 10% off, 31+ seats पर 15% off। वार्षिक billing से दोनों tiers पर पूरे एक महीने की बचत होती है।

इंडस्ट्री में इन चार शब्दों का अक्सर एक-दूसरे की जगह इस्तेमाल होता है, जिससे नेटवर्क आकारों की तुलना असंभव हो जाती है। हम इन्हें सटीक रूप से और हमेशा एक ही अर्थ में इस्तेमाल करते हैं:

• स्टेशन — चार्जिंग वाली एक भौतिक लोकेशन। बारह स्टॉल वाला फोरकोर्ट एक स्टेशन है। हम 5,31,000+ ट्रैक करते हैं।
• चार्जर — एक फिजिकल हार्डवेयर बॉक्स। एक बॉक्स अक्सर एक से अधिक कारों को सेवा देता है।
• कनेक्टर — एक फिजिकल आउटलेट, यानी केबल पर एक प्लग। हम 16,51,000+ ट्रैक करते हैं।
• बे — एक समय में एक कार को चार्ज करने की क्षमता। CCS और CHAdeMO प्लग वाले, लेकिन एक बार में सिर्फ एक कार को सेवा दे सकने वाले चार्जर में एक बे और दो कनेक्टर होते हैं। हम 15,57,000+ ट्रैक करते हैं।

उपयोग के लिए बे ही मायने रखते हैं — वे मापते हैं कि कितनी कारें वास्तव में एक साथ चार्ज हो सकती हैं। इसलिए प्लेटफ़ॉर्म पर हर उपयोग मेट्रिक (प्रति बे प्रतिदिन मिनट, प्रति बे प्रतिदिन सेशन, प्रति बे प्रतिदिन kWh) बे के आधार पर व्यक्त होता है। कनेक्टर काउंट बड़ा और ज्यादा आकर्षक दिखता है; हम उसे रिपोर्ट करते हैं, लेकिन उसी पर बेंचमार्क नहीं करते।

तुम इंडस्ट्री में EVSE भी देख सकते हो। इसका अर्थ हमारे बे जैसा ही है। हम इस शब्द से बचते हैं क्योंकि इसे अक्सर “चार्जर” के अर्थ में भी इस्तेमाल किया जाता है—और असली भ्रम यहीं से शुरू होता है।

मैप हमारे database की हर charging station दिखाता है। कम zoom level पर stations cluster होकर दिखती हैं, और zoom in करते ही individual stations दिखने लगती हैं। एक नज़र में तुम किसी country या region में charging infrastructure की density देख सकते हो.

किसी भी station पर क्लिक करो, और एक detail panel खुलेगा जिसमें operator, connector types, power levels, address, और जहाँ available हो वहाँ historical usage statistics दिखेंगे.

Layers की मदद से तुम map पर अलग-अलग data overlays on/off कर सकते हो। Top toolbar में Layers panel खोलो और charging station layer, POI heatmaps, और दूसरी data visualisations के बीच switch करो.

Bottom-left में charging density legend sparse से dense coverage तक का colour scale दिखाता है.

हाँ। Toolbar में Map type पर क्लिक करके roadmap, terrain, satellite, और hybrid views के बीच switch कर सकते हो। Locate me से map तुम्हारी current position पर centre हो जाएगा.

किसी भी station पर क्लिक करने से live data वाला detail panel खुलता है। Data tab में ये दिखता है:

• Performance snapshot — एक composite health score (0–100), average FC load, और per bay per day sessions
• Realtime overview — हर connector की current status (available, charging, unknown), जो लगातार update होती रहती है
• Nearby stations — comparison chart जो पिछले 7 दिनों में इस station बनाम आसपास के competitors के fast-charging minutes per day दिखाता है
• Usage history — पूरे observation window में weekly और monthly fast-charging volume और sessions

जिन stations के पास realtime data है, उनमें live connector bars दिखती हैं; जिनके पास नहीं है, उनमें latest known static metadata दिखता है.

Forecast tab दिखाता है कि हमारा model station को कैसे evaluate करता है:

• Location score — site की inherent value market median के मुकाबले कैसी है (एक gauge जो above या below average दिखाता है)
• CPO execution score — operator उस location से expected output के मुकाबले कितना अच्छा perform करता है, confidence indicator के साथ
• Backtest chart — training window में model predictions (orange) बनाम actual observed usage (teal), ताकि तुम साफ़ देख सको कि model इस station पर कितना fit बैठता है
• 12-month prognosis — आगे के demand predictions, जिनमें seasonal patterns, temperature, और EV adoption trends शामिल हैं

Country analytics तुम्हें national level पर EV charging infrastructure और adoption का deep view देता है। Dropdown से कोई भी country चुनो (या map पर क्लिक करो) और तुम्हें KPIs, trend charts, operator breakdowns, pricing data, usage metrics, और market outlook — सब एक ही scrollable page पर मिल जाता है.

Page sections में organised है: EV Adoption, Charging Infrastructure, Ad-Hoc Pricing, Fast-Charging Usage, FC Market Outlook, Regulation, और Country News। हर section नीचे detail में समझाया गया है.

Page के top right में country selector dropdown इस्तेमाल करो। इसमें country name और station count दिखता है। Select करने के बाद नया data load करने के लिए Refresh पर क्लिक करो। Adoption map में countries पर सीधे क्लिक भी कर सकते हो.

EV Adoption section track करता है कि battery-electric vehicles हर market में कितनी तेजी से penetrate कर रहे हैं। इसमें शामिल है:

• BEV market share KPI — नई car sales में battery-electric का current percentage, front and centre
• S-curve forecast — logistic growth model जो आने वाले वर्षों के लिए BEV market share project करता है। हर country को adoption curve पर उसकी position के आधार पर एक tier दिया जाता है: Early (लगभग 5% से नीचे), Growth (5–25%), Mainstream (25–60%), और Saturation (60% से ऊपर)। यही tier forecast की shape और pace तय करता है
• BEV fleet stock chart — समय के साथ road पर cumulative BEVs, जिसमें historical actuals और projected growth दोनों दिखते हैं
• Data table — हर country के लिए year-by-year BEV registrations, fleet stock, market share, और growth rate का breakdown

देश के भौतिक चार्जिंग नेटवर्क का एक स्नैपशॉट। छह KPI कार्ड दिखाते हैं:

• स्टेशन — सभी सार्वजनिक चार्जिंग लोकेशन
• बे — एक साथ कितनी कारें चार्ज हो सकती हैं
• DC फास्ट — CCS, CHAdeMO और NACS बे
• AC — Type 2 और Type 1 बे
• ऑपरेटर — देश में सक्रिय अलग-अलग CPO की संख्या
• औसत FC पावर — DC फास्ट बे की औसत रेटेड पावर, kW में

KPI के नीचे, एक टॉप ऑपरेटर्स टेबल नेटवर्क आकार के आधार पर सबसे बड़े CPO को रैंक करती है। हर पंक्ति में ऑपरेटर के स्टेशनों की संख्या, बे की संख्या, DC शेयर, लोकेशन स्कोर (Pulse से median साइट क्वालिटी) और एक्जीक्यूशन स्कोर (साइट की क्षमता के मुकाबले उनका प्रदर्शन) दिखता है।

Selected country में public charging के लिए pricing analytics। Tariffs compare करने के लिए DC (fast charging) और AC (destination charging) के बीच toggle करो.

हर view में national average, minimum, और maximum per-kWh price दिखता है, साथ में यह भी कि कितने CPOs ने pricing data report किया। Bar charts connector type (CCS, CHAdeMO, Type 2, आदि) के हिसाब से pricing breakdown दिखाते हैं, हर category के average और range के साथ.

सभी prices EUR per kWh में हैं, VAT को exclude करके, और ad-hoc (pay-as-you-go) tariffs पर based हैं — इसमें कोई subscription या membership discount शामिल नहीं है.

रीयलटाइम डेटा वाले देशों के लिए एनालिटिक्स पेज का केंद्र। यह सेक्शन दिखाता है कि फास्ट-चार्जिंग नेटवर्क का वास्तविक उपयोग कितना हो रहा है। केवल उन 26 देशों के लिए उपलब्ध है जहाँ हमारे पास लाइव स्टेटस मॉनिटरिंग है।

टॉप-लेवल KPI कार्ड में शामिल हैं:

• FC बे और FC साइट — मॉनिटर किया गया फास्ट-चार्जिंग इंफ्रास्ट्रक्चर
• प्रति बे प्रतिदिन मिनट — औसत दैनिक उपयोग तीव्रता
• प्रति बे प्रतिदिन सेशन — प्रति बे औसत दैनिक सेशन संख्या
• औसत सेशन अवधि — चार्जिंग सेशन की औसत लंबाई
• बिल्ड रेट — हर महीने जोड़े गए नए DC बे

KPI के नीचे के चार्ट में शामिल हैं:

• रीयलटाइम स्टेटस — सभी मॉनिटर किए गए बे का मौजूदा कुल स्टेटस (चार्जिंग, उपलब्ध, ऑफलाइन)
• मासिक ट्रेंड — समय के साथ प्रति बे प्रतिदिन FC मिनट, जो सीज़नैलिटी और ग्रोथ दिखाता है
• महीना-दर-महीना तुलना — इस महीने बनाम पिछले महीने, अंतर को हाइलाइट करते हुए
• CPO के अनुसार वॉल्यूम — स्टैक्ड चार्ट, जो दिखाता है कि किन ऑपरेटरों का FC मिनटों में सबसे बड़ा योगदान है
• मार्केट शेयर ट्रेंड — समय के साथ कुल FC वॉल्यूम में हर CPO का हिस्सा कैसे बदलता है
• CPO के अनुसार बिल्ड रेट — कौन से ऑपरेटर सबसे ज्यादा नए बे जोड़ रहे हैं

हमारे full FC Market Outlook model का embedded version (methodology के लिए नीचे dedicated FC Market Outlook section देखो)। Country page के अंदर तुम्हें यह दिखता है:

• Utilization gauge — dial के रूप में current national FC utilization, जो दिखाता है कि market underserved और overbuilt के बीच कहाँ बैठता है
• Demand metrics — sessions per BEV per year, FC hours per BEV per year, bays per 1K BEVs, और यह measured हैं या estimated
• Model parameters — projection को drive करने वाली economic assumptions (CAPEX/bay, operating margin, target IRR, FC price/kWh)
• Four charts — projected FC bays vs. equilibrium, BEV fleet growth, kWh throughput per bay per day, और projection horizon में utilization percentage

Regulation section ChargiPedia से dynamically load होता है। इसमें selected country पर लागू सभी laws, EU directives, national incentive programmes, और standards दिखते हैं जो EV charging को shape करते हैं। हर entry बताती है कि regulation क्या require करता है, किस पर लागू होता है, और कब effect में आता है.

यह सीधे full ChargiPedia regulations database से जुड़ा है, filtered उसी country पर जिसे तुम देख रहे हो.

हर country page के नीचे एक news feed होता है, जो हमारे news archive से selected country के हिसाब से filtered recent articles दिखाता है। Articles को topic और mentioned companies के आधार पर AI-tag किया जाता है, ताकि बिना manually search किए तुम्हें साफ दिखे कि उस market में क्या चल रहा है.

Demand pressure यह मापता है कि किसी country की fast-charging infrastructure उसकी BEV fleet के मुकाबले कितनी intensively use हो रही है। यह realtime charging data और EV adoption statistics को मिलाकर एक single utilization metric बनाता है.

हम उन सभी countries में, जहाँ हमारे पास realtime data है, हर fast-charging connector (CCS, CHAdeMO, NACS / Tesla) का status लगातार monitor करते हैं। हर status transition (Available → Charging → Available) record होता है, hourly roll up होता है, फिर monthly aggregate किया जाता है। इन rollups से हम यह metrics निकालते हैं:

• Sessions per BEV per year — country में औसतन हर BEV public fast charger कितनी बार use करता है
• FC hours per BEV per year — total fast-charging time को BEV fleet से divide करके
• Utilization % — total available bay-hours का कितना हिस्सा charging में जाता है, यह सिर्फ realtime monitored bays से calculate होता है
• Bays per 1K BEV — infrastructure provisioning ratio

जिन countries में हमारे पास कम से कम 2 महीने का realtime connector status data है, उन्हें measured label किया जाता है। Utilization सिर्फ उन FC bays के subset से calculate होता है जिन्हें हम actively monitor करते हैं — RT coverage percentage बताता है कि sample कितना representative है.

जिन countries में RT data नहीं है, वहाँ हम geography और driving patterns के आधार पर demand archetype assign करते हैं (जैसे large highway country, compact dense country, island)। Archetype के parameters हमारे measured baselines से calibrate किए जाते हैं.

• 5% से नीचे — Low usage। Network में काफी spare capacity है.
• 5–10% — Comfortable। Supply और demand के बीच healthy balance.
• 10–20% — Moderate pressure। Popular locations पर peak hours में queuing हो सकती है.
• 20% से ऊपर — High pressure। Systematic capacity shortage की संभावना है। नई infrastructure की तुरंत जरूरत है.

ये thresholds 24/7 average utilization पर based हैं। National average 10% होने का मतलब आम तौर पर busy stations पर peak hours में 25–35% होता है.

CPO benchmark किसी country के भीतर charge point operators को performance के आधार पर rank करता है। सीधा जवाब उस सवाल का जो हर operator पूछता है: मैं बाकी के मुकाबले कहाँ खड़ा हूँ?

Top-level KPI cards market का context देते हैं: Active CPOs की संख्या, Total Active FC Bays, Average minutes per bay per day (national usage intensity), और Fleet Availability (अभी कितने प्रतिशत bays available state में हैं)। इसके बाद ही individual operators में deep dive किया जाता है.

Leaderboard selected country में active हर CPO की ranked list है। हर operator card एक नज़र में यह दिखाता है:

• Sites / Bays — network size
• Sess/bay/day — प्रति bay प्रति दिन average charging sessions (utilisation proxy)
• Available % — available state में bays का प्रतिशत (uptime)
• Bays (3M) — पिछले 3 महीनों में net bay additions (growth)
• Bays/site — प्रति site average bays (density)
• Score — utilisation, availability, growth और scale को मिलाकर बना composite score
• Min/bay/day — प्रति bay प्रति दिन average charging minutes

Leaderboard के ऊपर pill buttons से operators को आठ अलग criteria पर फिर से rank कर सकते हो:

• Sessions per Bay — किसे प्रति bay प्रति दिन सबसे ज्यादा sessions मिलते हैं (pure demand signal)
• Volume — पूरे network में total FC minutes (absolute market share)
• Network Size — total active bays (scale)
• Growth — पिछले 3 महीनों में जोड़े गए net bays (build momentum)
• Availability — available bays का प्रतिशत (operational quality)
• Location Score — operator की सभी sites पर median Pulse location score (portfolio quality)
• Exec Score — median CPO execution score (site potential के मुकाबले operational outperformance)
• Price — ad-hoc per-kWh tariff (उन operators के लिए जो pricing publish करते हैं)

हर sort mode leaderboard को फिर से reshuffle करता है, ताकि उस metric में top-ranked operator सबसे ऊपर आए.

यह toggle पूरे benchmark को Fast Charging (DC networks: CCS, CHAdeMO, NACS) और Type 2 (AC destination charging) के बीच switch करता है। दोनों segments की economics, operators और usage patterns पूरी तरह अलग हैं, इसलिए इनका benchmark भी अलग किया जाता है.

ज़्यादातर users FC पर focus करेंगे, लेकिन Type 2 view destination charging coverage समझने के लिए useful है, खासकर उन markets में जहाँ public infrastructure में अभी भी AC dominate करता है.

Detailed comparative charts देखने के लिए leaderboard में किसी operator पर क्लिक करो (या Deep Dive button दबाओ):

• Sessions per Bay ranking — utilisation intensity के आधार पर सभी operators की bar chart comparison
• Market Share + Fleet Availability — dual-axis chart जो total FC volume में हर operator का share और उसका uptime साथ में दिखाता है
• Volume Trend — समय के साथ selected operator के monthly FC minutes, जिसमें seasonality भी दिखती है
• kWh Pricing — operator का ad-hoc tariff national average और competitors के मुकाबले कैसा है
• Growth Leaders — कौन से operators सबसे ज्यादा bays जोड़ रहे हैं, trailing 3-month और 12-month net additions के साथ

मैप पर किसी भी जगह को चुनो और Pulse बताएगा कि वहाँ fast-charging की कितनी मांग दिखेगी। कोई अस्पष्ट “अच्छा” या “खराब” नहीं — एक वास्तविक संख्या: प्रति bay प्रति दिन अनुमानित charging minutes, महीने के हिसाब से विभाजित और उन individual input features तक समझाई गई जिन्होंने नतीजा तय किया।

मॉडल तीन stages में काम करता है, जो एक-दूसरे से गुणा होते हैं, और पहले से मौजूद stations के लिए दो adjustments लागू करता है।

Stage 1 — Demand base

Demand base एक table है: हर trained market और हर calendar month के लिए इसमें typical station का usage होता है — उस market का median training station — प्रति bay प्रति दिन charging minutes में। इसका अनुमान stations के भीतर लगाया जाता है, इसलिए साल के दौरान stations के खुलने या बंद होने से यह नहीं बदलता; केवल उन्हीं stations के वास्तविक usage में बदलाव इसका असर डाल सकते हैं। Table से दो चीजें सीधे मिलती हैं:

• Market level — driving culture, highway density और charging habits देशों के बीच संरचनात्मक रूप से अलग होते हैं। एक साल में typical Norwegian station करीब 108 minutes प्रति bay प्रति दिन करता है, typical German 95, Swedish 67 और Slovak 37। Table इन अंतरों को assumptions के रूप में नहीं, measured data के रूप में रखता है।
• Season — हमारे markets में fast charging के साल में दो peaks होते हैं, एक नहीं: सर्दियों का peak, जब ठंड range घटाती है, और गर्मियों का peak, जब लोग छुट्टियों पर drive करते हैं। Norway के लिए table जनवरी में करीब 134 minutes प्रति bay प्रति दिन से मई में करीब 96 तक जाता है, जुलाई में फिर करीब 130 तक बढ़ता है और शरद ऋतु में दोबारा गिरता है।

Observed table से आगे के महीनों के लिए (हर forecast month), market अपना level और अपना calendar shape बनाए रखता है। जिन markets में अभी पर्याप्त clean observation नहीं है, उन्हें trained markets का pooled level और shape मिलता है, और उनके हर forecast को uncalibrated के रूप में flag किया जाता है। Netherlands को Denmark मानने का दिखावा करने से बेहतर है कि हम यह साफ बता दें।

अभी trained markets हैं: Norway, Sweden, Denmark, Finland, Germany, France, Switzerland और Slovakia। “Clean” एक rule है, judgement call नहीं: कोई station-month training में तभी शामिल होता है जब उस महीने के कम-से-कम 90% समय station observed रहा हो और उसके कम-से-कम आधे bays reporting कर रहे हों। पहले partially observed महीनों को low usage माना जाता था, जिससे मॉडल चुपचाप नीचे खिंच रहा था। जो stations silent हो गए हैं या reporting बंद कर चुके हैं, वे भी training से बाहर हैं — मॉडल एक काम कर रहे station का वर्णन करता है।

Demand base इस सवाल का जवाब देता है: इस देश में, इस महीने “normal” कैसा दिखता है? Market और season के आधार पर output आमतौर पर 35 से 145 minutes प्रति bay प्रति दिन के बीच होता है।

Stage 2 — Location score

Demand base market के बारे में बताता है। Location score इस खास जगह के बारे में बताता है। यह एक machine learning model (gradient-boosted trees) है जो पांच groups में 61 features का आकलन करता है:

• Traffic — government AADT (annual average daily traffic) data से निकला composite traffic score, road proximity और type के आधार पर weighted, साथ में highway traffic percentage और max road AADT।
• Competition — 5 km, 10 km और 25 km के भीतर मौजूदा DC fast-charge bays, और निकटतम competitor तक दूरी। ज्यादा competition का मतलब है कि हर station passing demand का छोटा हिस्सा हासिल करता है।
• Points of interest — 1 km और 5 km के भीतर fuel stations, food, parking और अन्य amenities, जिनमें malls, branded fast food, chain stores और retail density शामिल हैं: footfall और dwell time के proxies।
• Venue — bays के 150 metres के भीतर क्या है: supermarket, mall, fast-food restaurant, hotel, fuel station, big-box store, rest area; station के नाम और उसके पड़ोसी locations के नामों में मिले brand names; और क्या वह 24 घंटे खुला है, parking के लिए charge करता है, roofed है, या truck (MCS) bays हैं। यही “shopping street के पास” और “supermarket car park में” का फर्क है।
• Station और उसके neighbours — fast bays की संख्या और maximum charger power, साथ ही निकटतम वे stations जिन्हें हम observe करते हैं वास्तव में कैसा perform करते हैं: दूरी के आधार पर weighted दस सबसे नजदीकी training stations का usage, और 10 व 30 km के भीतर average। वास्तविक neighbours मॉडल का सबसे मजबूत single signal हैं।

Current model में सबसे मजबूत signals, क्रम से: निकटतम observed stations का usage, maximum charger power, निकटतम food outlet तक दूरी, 1 km के भीतर food outlets, 30 km के भीतर neighbour usage और traffic score हैं।

मॉडल को आठ trained markets में August 2025 से August 2026 के बीच 21,322 live stations के observed charging usage के 97,366 clean station-months पर train किया गया है। यह सीखता है कि features का कौन-सा combination उसी market के typical station के मुकाबले high या low utilisation predict करता है — फिर इसे किसी भी point पर लागू करता है। Score हर market के लिए centred है: हर देश में median training station का score 1.0 है, 2.0 वाला उस market के typical station से दोगुना करता है, और 0.5 वाला आधा। इस layer में कोई geography term नहीं है; हमने इसे test किया और noise के अलावा कुछ नहीं मिला।

Output एक single number है: location score। यह demand base पर multiplier की तरह काम करता है।

Stage 3 — Operator adjustment

Location score को जानबूझकर operator-blind रखा गया है — यह जमीन को मापता है, उस पर खड़े operator को नहीं। किसी specific project के लिए demand forecast बनाते समय तीसरा factor शामिल होता है: CPO execution factor, जिसका अनुमान हर operator और देश के लिए उन्हीं station-months से लगाया जाता है। यह adjust करता है कि कोई operator location potential को actual sessions में कितनी अच्छी तरह बदलता है (नीचे “CPO execution score क्या है?” देखें)। Default 1.0 है, यानी plan-case execution।

मौजूदा stations के लिए दो adjustments

Site seasonality. Norway और Denmark में, जहाँ हमारे पास सबसे लंबा clean history है, हर site को उन्हीं features से predicted अपना seasonal profile भी मिलता है: hotel या leisure site summer-heavy चलता है, commuter site winter-heavy। इसका असर महीने के हिसाब से multiplier के रूप में होता है, आमतौर पर 0.8 से 1.2 के बीच; बाकी जगह 1.0 रहता है, जब तक उन markets के पास पूरे साल का clean data नहीं हो जाता।

Station की अपनी history. जिस station को हमने observe किया है, उसके लिए forecast मॉडल और station के actual track record को blend करता है: history जितनी लंबी, उसका weight उतना ज्यादा। Station page पर दिखने वाला backtest हमेशा pure model होता है, ताकि तुम उसे judge कर सको; prognosis मॉडल है, जिसे station के वास्तविक performance के आधार पर correct किया गया है।

Multiplication chain

Final demand estimate सीधा है:

एक उदाहरण: Oslo में January 2027 का एक site, जिसका location score 1.5 है, plan-case execution और neutral seasonal profile के साथ:

मई में उसी location का demand base करीब 96 है, यानी 144 min/bay/day — spring trough। जुलाई में holiday peak base को फिर करीब 130 तक ले जाता है, यानी 195। गर्मियों को बस quiet season मानने वाली पुरानी धारणा को data ने गलत साबित किया।

Markets के बीच scores अलग क्यों होते हैं

ज्यादातर वे अलग नहीं होते, और यही मुद्दा है। Score हर market के typical station पर centred है, इसलिए हर trained market में median 1.0 के करीब है और वहाँ के बीच के 80% stations लगभग 0.55 से 1.6 के बीच आते हैं। Markets का अंतर demand base में रहता है, जहाँ उसे मापा जा सकता है: Norway में 1.5 और Germany में 1.5 दोनों का मतलब है “यहाँ के typical station से 50% ऊपर”; German site के minutes सिर्फ इसलिए कम हैं क्योंकि German typical station के minutes कम हैं।

37 markets में जिन लगभग 119,000 fast-charging stations को हम score करते हैं, trained markets में median 1.0 से थोड़ा नीचे (0.87–0.99) है क्योंकि scored population में कई ऐसे stations शामिल हैं जिन्हें हम अभी observe नहीं कर सकते, और औसतन उनका score उन observed stations से कम है जिन पर scale centred है। जिन markets पर मॉडल trained नहीं है, वहाँ centre करने के लिए कोई local typical station नहीं है, इसलिए score को trained markets के typical station के मुकाबले मापा जाता है। वहाँ यह local market पर centred नहीं होता: Italy में median करीब 1.4 और Australia में करीब 0.4 है।

Explainability

हर score के साथ पूरा SHAP (SHapley Additive exPlanations) breakdown आता है, जो ठीक-ठीक दिखाता है कि किन features ने score को ऊपर या नीचे धकेला, और कितना। तुम देख सकते हो कि कोई particular location high score क्यों करता है — क्योंकि उसके निकटतम observed stations busy हैं और 150 metres के भीतर supermarket है — सिर्फ इतना नहीं कि उसका score high है। Investment decisions लेते समय यह मायने रखता है: तुम्हें सिर्फ क्या नहीं, क्यों जानना चाहिए।

Engine के हर हिस्से का अपना deep-dive है: demand model, location score, और CPO execution score।

लोकेशन स्कोर एक demand multiplier है, जो मार्केट के औसत के इर्द-गिर्द सेट किया गया है। 1.0 का स्कोर उस मार्केट के सामान्य स्टेशन को दर्शाता है — यानी वहाँ हमारे देखे गए स्टेशनों का median। 2.0 का मतलब सामान्य स्टेशन की तुलना में दोगुनी demand; 0.5 का मतलब आधी। स्केल continuous है और इसकी कोई तय ऊपरी सीमा नहीं है।

स्कोर को जानबूझकर अलग-अलग मार्केट की तुलना के बजाय उसी मार्केट के भीतर comparable रखा गया है। नॉर्वे में 1.5 और जर्मनी में 1.5, दोनों का अर्थ है “यहाँ के सामान्य स्टेशन से 50% ऊपर”। सामान्य स्टेशन की daily minutes में वैल्यू देशों के बीच अलग होती है, और यह अंतर demand base में शामिल होता है जहाँ इसे मापा जा सकता है (सामान्य नॉर्वेजियन स्टेशन के लिए साल भर में प्रति bay प्रतिदिन करीब 108 मिनट, जर्मन के लिए 95, स्वीडिश के लिए 67) — स्कोर में छिपाया नहीं जाता।

मार्केट के अंतर पर एक नोट। क्योंकि स्कोर हर मार्केट के लिए अलग से centred है, हर trained मार्केट में medians 1.0 के करीब हैं (वहाँ सभी scored स्टेशनों में 0.87–0.99; 1.0 से थोड़ा नीचे, क्योंकि जिन स्टेशनों को हम अभी observe नहीं कर सकते उनका औसत स्कोर उन observed स्टेशनों से कम होता है जिनके आधार पर स्केल centred है)। नॉर्वे का median स्टेशन जर्मनी या फ्रांस के स्टेशन से “खराब” नहीं है; हर मार्केट की सामान्य demand demand base में अलग, मापी गई संख्या है — और financial model बनाते समय आपको ठीक यही चाहिए। जिन मार्केट्स पर मॉडल को train नहीं किया गया है, वहाँ centre करने के लिए कोई स्थानीय सामान्य स्टेशन नहीं होता, इसलिए स्कोर को trained मार्केट्स के सामान्य स्टेशन के मुकाबले मापा जाता है। वहाँ यह स्थानीय मार्केट पर centred नहीं होता: इटली में median करीब 1.4 और ऑस्ट्रेलिया में करीब 0.4 है।

ऊपर का percentile कॉलम 37 मार्केट्स में हमारे स्कोर किए गए लगभग 119,000 fast-charging स्टेशनों के आधार पर मापा गया है, और हर retrain के बाद इसे फिर से मापा जाता है। v12 के लिए band edges को 28 सितंबर 2026 को अपडेट किया गया था। इन्हें एक मोटे guide की तरह इस्तेमाल करो, लेकिन याद रखो: trained मार्केट्स में स्कोर स्थानीय मार्केट के सापेक्ष demand signal है, देशों की ranking नहीं।

लोकेशन स्कोर कैसे बनाया जाता है और यह CPO सफलता का अनुमान क्यों लगाता है, इस पर विस्तार से पढ़ने के लिए Location score: वह संख्या जो CPO सफलता का अनुमान लगाती है पढ़ें।

Model openly available data की wide range ingest करता है। कोई proprietary datasets नहीं, कोई purchased feeds नहीं — सब कुछ government registries, public APIs, और open data portals से sourced है। Key input categories में शामिल हैं:

• Realtime charging data — national access points और operator feeds से हर दिन millions of status events, जो हमें ठीक-ठीक बताते हैं कि charging sessions कब और कहाँ होती हैं
• Road traffic volumes — कई देशों की government transport agencies से annual average daily traffic counts
• Weather and climate — historical temperature और precipitation data, क्योंकि ठंडा मौसम EV charging patterns को जितना बदलता है, उतना ज़्यादातर लोग समझते नहीं
• EV adoption rates — country-wise battery-electric vehicle market share, जिससे समय के साथ fleet mix कैसे बदल रहा है, यह track होता है
• Points of interest — nearby amenities, fuel stations, parking, retail POIs (malls, brand fast food, chain stores), और open mapping databases से दूसरी relevant infrastructure
• Existing charging infrastructure — area में पहले से मौजूद fast-chargers का competitive landscape

सारा input data open, publicly available, और legally sourced है। हम scrape नहीं करते, secret datasets नहीं खरीदते, और किसी एक vendor के data पर depend नहीं करते.

Charging station locations की list कोई भी download कर सकता है। मुश्किल हिस्सा है महीनों — और आगे चलकर सालों — तक second-by-second continuous observation रखना कि उन stations पर असल में होता क्या है.

हम काफी समय से realtime charging events को लगातार record कर रहे हैं — हर session start, हर status change, हर idle hour। यह एक ऐसी time series है जिसे बाद में retroactively recreate नहीं किया जा सकता। अगर तुम पहले से सुन नहीं रहे थे, तो पिछले January में किसी station पर क्या हुआ था, यह बाद में जाकर observe नहीं कर सकते.

यही historical depth उस model को अलग करती है जो बस कहता है "यह spot अच्छा लग रहा है" और उस model से जो कहता है "इस spot पर station February बनाम August में likely कितनी energy deliver करेगा, और यह रहा confidence interval." जितना लंबा हम collect करते हैं, model उतना बेहतर होता जाता है। इसके shortcuts नहीं हैं.

चार्जिंग साइट को एक-दूसरे पर खड़े दो व्यवसायों की तरह समझो। पहला है asset — भौतिक लोकेशन, उसका ट्रैफिक, विज़िबिलिटी और कैचमेंट एरिया। दूसरा है retail operation — ब्रांड, प्राइसिंग, अपटाइम, कस्टमर एक्सपीरियंस और बाकी सब जो ऑपरेटर लेकर आता है। हम इन्हें जानबूझकर अलग-अलग मापते हैं।

location score एक asset benchmark है। यह किसी साइट की अंतर्निहित वैल्यू सिर्फ उसकी लोकेशन के आधार पर मापता है: ट्रैफिक फ्लो, आसपास की सुविधाएं, प्रतिस्पर्धी घनत्व और इलाके में EV adoption। ऑपरेटर की पहचान को जानबूझकर इसमें शामिल नहीं किया जाता। शानदार रियल एस्टेट का स्कोर ऊंचा होगा, चाहे आज उसे कोई भी चला रहा हो।

CPO execution score एक retail benchmark है। यह मापता है कि किसी ऑपरेटर का प्रदर्शन उसकी लोकेशनों से अपेक्षित प्रदर्शन के मुकाबले कितना अच्छा है। हम ऑपरेटर के नेटवर्क की हर स्टेशन के लिए मॉडल की भविष्यवाणियों को वास्तविक प्रदर्शन से मिलाते हैं, और दोनों के बीच का अंतर असली कहानी बताता है। जो ऑपरेटर लगातार अपने location scores से बेहतर प्रदर्शन करते हैं — बेहतर अपटाइम, ज्यादा सेशंस, ऊंचा utilisation — उनके पास मजबूत ब्रांड pull, स्मार्ट प्राइसिंग या अच्छा कस्टमर एक्सपीरियंस है। जो कम प्रदर्शन करते हैं, उनके साथ उलटा है।

यही अलगाव असल बात है। अगर हम location score में ऑपरेटर की गुणवत्ता मिला दें, तो कमजोर ऑपरेटर द्वारा चलाई जा रही प्रीमियम मोटरवे साइट औसत दिखेगी, और Tesla द्वारा चलाई जा रही किसी पिछली गली की लोकेशन शानदार। साइट चयन के लिए दोनों में से कोई भी उपयोगी नहीं है। तुम्हें जानना है कि उस जमीन की वैल्यू कौन चला रहा है उससे स्वतंत्र रूप से क्या है — और अलग से, क्या ऑपरेटर उस वैल्यू को निकाल रहा है या उसे टेबल पर छोड़ रहा है।

v9 से, location score और CPO execution score का अनुमान expectation-maximisation loop से संयुक्त रूप से लगाया जाता है। मॉडल बार-बार दोहराता है: लोकेशन क्वालिटी का अनुमान लगाओ, ऑपरेटर residuals निकालो, CPO factors अपडेट करो, अपडेटेड factors के साथ location model को retrain करो, और convergence तक दोहराओ। इससे पुराने वर्जनों की circular dependency खत्म होती है, जहां ऑपरेटर की brand strength उसके location scores में लीक हो सकती थी और उलटा भी। नतीजा है ज्यादा साफ अलगाव: किसी मोटरवे साइट का स्कोर सच में मोटरवे की वजह से ऊंचा होता है, सिर्फ इसलिए नहीं कि वहां Ionity मौजूद है।

हम हर ऑपरेटर को महीने में एक बार स्कोर करते हैं। तुम्हें हर जगह दिखने वाला आंकड़ा — CPO benchmark, country pages, ChargiPedia, station forecasts और business-case presets में — उस देश में उसके पिछले तीन scored महीनों का औसत है, ताकि एक असामान्य महीना परिणाम को न बदल दे।

हम ऑपरेटर प्रदर्शन कैसे मापते हैं, इस पर और जानकारी Execution score: वह संख्या जो बताती है कि कौन से CPOs वास्तव में डिलीवर करते हैं में।

Production model v12 है, जिसे 28 September 2026 को आठ markets (Norway, Sweden, Denmark, Finland, Germany, France, Switzerland और Slovakia) के 21,322 live stations में 97,366 clean station-months पर train किया गया। इसमें August 2025 से August 2026 तक का data शामिल है। Germany, France, Switzerland और Slovakia April 2026 से contribute करते हैं, जब उनका realtime data online आया।

यहां R² का मतलब क्या है। Target एक महीने में एक station का utilisation है। यह individual-level, cross-sectional quantity है: identical surroundings वाले दो stations भी pricing, uptime, app friction, signage और सामान्य किस्मत के कारण अक्सर दो गुना तक अलग हो सकते हैं — इनमें से कुछ भी open spatial data में दिखाई नहीं देता। ऐसे targets के लिए 0.2–0.5 का honest out-of-sample R² सामान्य range है, और 0.7 के करीब कोई number skill का नहीं बल्कि memorisation का warning sign है। यही बात individual incomes या घर-दर-घर energy use पर भी लागू होती है: region या month तक aggregate करो तो fit 0.8s में पहुंचता है; single unit तक disaggregate करो तो नहीं।

तीन numbers, तीन सवाल।

• Demand base (country × month)। मॉडल किसी market में fast charging के level और season को कितनी अच्छी तरह track करता है। v12 दोनों को stations के भीतर estimated table से पढ़ता है, इसलिए observed months पर यह construction के अनुसार हर market के typical station को reproduce करता है; forecast months के लिए इस्तेमाल की जाने वाली calendar shape observed months को लगभग 1% के भीतर reproduce करती है।
• Location layer — held-out R² 0.45 (log scale, उन live stations पर जिन पर मॉडल ने कभी training नहीं की, तीन random splits का average)। 61 features किसी market में station-to-station spread का कितना हिस्सा explain करते हैं। Market के हिसाब से: Denmark 0.52, Norway 0.51, Finland 0.50, Sweden 0.48, France 0.44, Germany 0.39, Switzerland 0.37, Slovakia 0.20 (135 stations)। Predicted और actual station usage के बीच rank correlation 0.67 है। यह कठिन, individual-level सवाल है, और इस layer को सिर्फ उन stations पर judge किया जाता है जिन्हें इसने नहीं देखा।
• Calibration — हर market में median actual/model 0.98–1.00, realtime data वाले हर live station के हर clean month पर मापा गया, उसी code path से जो product को score करता है। सभी आठ markets में level unbiased है, और महीने के हिसाब से यह साल भर 1.0 के ±8% के भीतर रहता है।

Forecast के लिए इन numbers का मतलब। Working station के लिए typical prediction station के actual प्रदर्शन पर उतरता है। सभी station-months में से आधे actual value के लगभग 0.65× से 1.4× के बीच आते हैं; market के हिसाब से, 54% (Switzerland, Sweden) से 69% (Denmark) stations अपनी पूरी history में मॉडल के 1.5 factor के भीतर हैं, और 2.5–7% stations मॉडल के कहे से दो गुने से ज्यादा करते हैं। Financial model में यही figures ले जाओ: level unbiased है, और दो तिहाई sites के लिए forecast लगभग ±40% के भीतर आता है।

दो साफ caveats। कोई station जो silent हो गया है, या अपने शुरुआती महीनों में है, मॉडल से काफी नीचे चलता है — मॉडल working station का वर्णन करता है, और product existing stations की prognosis को उनकी अपनी history से correct करता है। और अभी कोई growth term नहीं है: forecast month आज के fleet पर पिछले साल का वही month है। जिन markets में fast charging अभी भी सालाना 15–20% बढ़ रही है (Finland, Sweden), वहां यह conservative floor है; fleet-growth term अगला planned addition है।

पहले के versions बेहतर क्यों दिखते थे। v2–v10 में सिर्फ in-sample fit बताया गया था, और 0.72–0.74 पर उसने उन्हें बेहतर दिखाया: v10 के trees ने अपने 3,911 training stations याद कर लिए थे, और held-out stations पर दोबारा मापने पर उसने full-chain variance का सिर्फ 0.22 explain किया। v11 ने data ठीक किया (केवल clean months) लेकिन trees और per-market constants ने markets के वास्तविक differences को compress कर दिया, जिससे Nordics का prediction लगभग आधा कम आया; इसे दो दिन बाद वापस ले लिया गया। v12 data discipline बनाए रखता है और structure ठीक करता है: market level learned नहीं, table से पढ़ा जाता है, और location score हर market में उन stations पर मापा जाता है जो वास्तव में काम करते हैं। केवल open data से आया honest out-of-sample number उपयोगी signal है; बेहतर दिखने वाला in-sample number नहीं।

हम model updates नियमित रूप से जारी करते हैं। हर version training data को बढ़ाता है, architecture को refine करता है या नए data sources शामिल करता है। पूरा history यहां है:

v12 वर्तमान production model है (28 September 2026)। R² column एक ही measure नहीं है: v2–v10 in-sample fit बताते हैं (v10 के trees stations को याद कर रहे थे — held-out stations पर 0.22 के मुकाबले 0.73 in-sample); v11 और v12 उन stations पर fits बताते हैं जिन्हें मॉडल ने कभी नहीं देखा — “यह कितना accurate है?” देखें। v11 को दो दिन बाद वापस लिया गया: उसके regularised trees और learned per-market constants ने markets के differences को compress कर दिया। v12, v11 का data discipline रखता है (केवल पूरी तरह observed station-months, केवल वे markets जिन्हें हम वास्तव में observe करते हैं) और structure को ठीक करता है: market level learned नहीं, table से पढ़ा जाता है, और location score हर market के भीतर मापा जाता है।

v3 और v4 internal experiments थे — production में कभी ship नहीं हुए, लेकिन उनके lessons (competition signal मायने रखता है, confidence blending जरूरी है) ने सीधे v5 और v6 को shape किया। Internal renumbering के दौरान v7 skip किया गया।

हम model को तब retrain करते हैं जब उसके पीछे ठोस वजह हो: कोई नया data source integrate हुआ हो, नए training months का बड़ा batch available हुआ हो, या हमने कोई architectural improvement validate की हो। Practical terms में, launch के बाद से यह लगभग हर 2–4 हफ्तों में हुआ है.

हर नया version live होने से पहले पिछले version के against validate किया जाता है। अगर कुछ भी off लगे तो instant rollback के लिए हम पुराने models standby पर रखते हैं। कोई भी model real station performance data पर test किए बिना ship नहीं होता.

ज़्यादा data, ज़्यादा countries, ज़्यादा time। Model हर महीने बेहतर होता है क्योंकि underlying time series लगातार बढ़ती रहती है। Continuous observation का एक साल किसी भी clever algorithm से ज़्यादा valuable होता है — और हम वह clock हर दिन बना रहे हैं.

Roadmap पर अगला: tariff और pricing data को शामिल करना (अब हम multiple markets से per-kWh prices track करते हैं), grid capacity proximity, और जैसे-जैसे नए countries में realtime data online आता है, training set को expand करना। Architecture इस तरह design किया गया है कि किसी नए country का data जोड़ने से predictions हर जगह बेहतर हों — सिर्फ उसी country में नहीं.

FC Market Outlook यह project करता है कि अगले 8 साल में हर country में fast-charging infrastructure कैसे evolve होगा। Simple trend extrapolation के उलट, यह एक economic equilibrium model पर बना है जो पूछता है: सड़क पर मौजूद BEVs की संख्या को देखते हुए market profitably कितने fast-charging bays support कर सकता है?

Core idea यह है कि long-term FC build rate BEVs per FC bay के उस ratio की तरफ converge करती है जहाँ charge point operators (CPOs) healthy return on investment कमा सकें। Short term में land-grab dynamics की वजह से कई CPOs demand से पहले build कर रहे हैं — locations और market share secure करने के लिए losses accept करते हुए। लेकिन समय के साथ economics जीतती है।

Model हर country के लिए तीन scenarios देता है: base case, optimistic case (aggressive build, slower demand), और pessimistic case (cautious build, stronger demand)। हर scenario year-by-year FC bays, BEV fleet size, utilization और implied BEVs-per-bay ratio की projections देता है।

Equilibrium वह FC bays की संख्या है जहाँ एक generic bay investment acceptable return कमाती है। हम एक single FC bay को discounted cash flow problem की तरह model करते हैं:

इन inputs से 11% पर 10 साल का present value annuity factor 5.89 निकलता है। यानी हर bay को generate करना होगा:

€50,000 ÷ 5.89 = €8,490/year cash flow में।

60% operating margin पर इसके लिए चाहिए:

€8,490 ÷ 0.60 = €14,150/year revenue में।

Revenue एक single metric से driven है: kWh delivered per bay per day। किसी country के FC price per kWh (VAT excl.) पर required daily throughput होगा:

required kWh/bay/day = €14,150 ÷ (price per kWh × 365)

Norway में €0.51/kWh (national median) पर यह 76.0 kWh/bay/day बनता है। यही economic anchor है — वह throughput जहाँ एक bay IRR basis पर breakeven करती है। किसी भी year के लिए equilibrium bay count बस इतना है: total national FC kWh demand को इस number से divide कर दो।

ऊपर दी गई table के सभी चार parameters पूरी तरह adjustable हैं। अगर तुम्हें लगता है कि hardware prices गिरने के साथ CAPEX €40,000 तक जाएगा, या 15% IRR तुम्हारे cost of capital को बेहतर reflect करता है, तो slider drag करो और पूरी projection तुरंत recalculate हो जाएगी। Adjustable inputs की पूरी list के लिए नीचे “क्या मैं forecast parameters customize कर सकता हूँ?” देखो।

Demand दो components से बनती है:

1. BEV stock projections — हर साल सड़क पर कितने battery-electric vehicles होंगे, यह national EV adoption data से लिया जाता है, central/low/high scenarios के साथ
2. FC sessions per BEV per year — एक typical BEV public fast-charging कितनी बार use करता है। जिन देशों के लिए realtime data है, वहाँ इसे हमारी charging event database से directly measure किया जाता है। जहाँ data नहीं है, वहाँ हम similar characteristics वाले देशों पर calibrated archetype model से estimate करते हैं

Total kWh demand = BEV stock × sessions per BEV × kWh per session। kWh per session को base year के observed level पर fixed रखा गया है (2026 में 65 kW average delivery power पर 40-minute session के लिए लगभग 43 kWh)। यह जानबूझकर किया गया choice है: battery technology बेहतर होने और cars के faster power accept करने पर भी driver को चाहिए total energy नहीं बदलती — energy consumption driving patterns तय करते हैं, charging speed नहीं।

Norway के लिए measured data दिखाता है कि प्रति BEV प्रति साल 16 FC sessions होते हैं, हर session औसतन 40 minutes का — यानी public fast-chargers पर प्रति BEV प्रति साल लगभग 555 kWh consume होती है।

हम यह assume नहीं करते कि supply तुरंत equilibrium पर पहुँच जाती है। इसके बजाय, projected FC bays की संख्या धीरे-धीरे converge करती है equilibrium की तरफ, और इसकी speed दो parameters से तय होती है:

• Convergence speed (α) — current bays और equilibrium bays के बीच के gap का वह हिस्सा जो हर साल बंद होता है। Base scenario में, α = 0.30 (यानी gap का 30% प्रति वर्ष)। यह real-world inertia को reflect करता है: permitting, grid connections, construction timelines और investment cycles adjustment को धीमा करते हैं।
• Minimum growth floor — oversupplied markets में भी FC deployment रुकता नहीं है। जिन CPOs के पास permits ready हैं, grid connections secured हैं, और execute करने के लिए brand strategy है, वे build करते रहेंगे। Base scenario में 2% annual floor इस्तेमाल होता है।

नतीजा एक exponential smoothing curve है: अगर market undersupplied है (current bays < equilibrium), तो build rates तेज़ होते हैं। अगर oversupplied है, तो वे धीमे पड़ते हैं — लेकिन zero तक नहीं जाते, क्योंकि land-grab momentum और strategic considerations industry को आगे बढ़ाते रहते हैं।

दोनों parameters adjustable हैं। अगर तुम्हें लगता है कि AFIR के बाद regulatory push convergence को तेज़ करेगा, तो α बढ़ाओ। अगर तुम्हारी expectation है कि capital markets tighten होंगे और build rate धीमा होगा, तो growth floor घटाओ। Projection realtime में update हो जाता है।

Average real-world FC charging power car-limited होती है, charger-limited नहीं — 350 kW charger भी उतनी ही power deliver करेगा जितनी car का battery management system allow करता है। आज fleet-wide average लगभग 65 kW है। जैसे-जैसे faster-accepting batteries वाले नए vehicles fleet में आते हैं, हम इसे linearly बढ़कर 2030 तक 80 kW और आगे 100 kW (capped) तक model करते हैं।

Critical बात यह है कि इसका असर utilization (occupied hours) पर पड़ता है, revenue पर नहीं। 65 kW पर 76 kWh deliver करने वाली bay 1.2 hours busy रहती है। वही 76 kWh अगर 80 kW पर deliver हो, तो सिर्फ 57 minutes लगते हैं। CPO दोनों cases में उतना ही पैसा कमाता है — बस bay जल्दी free हो जाती है।

इसका मतलब है कि utilization percentages समय के साथ naturally गिरेंगी, चाहे market perfect equilibrium में ही क्यों न हो। Falling utilization number हमेशा trouble का signal नहीं होता — हो सकता है cars बस faster हों। Economic indicator के तौर पर kWh throughput per bay बेहतर metric है।

Scenarios के नाम supply perspective से रखे गए हैं: "high build" का मतलब है ज्यादा aggressive infrastructure deployment, जो drivers के लिए अच्छा हो सकता है लेकिन CPO margins को compress करता है। "Low build" का मतलब है tighter infrastructure, यानी higher utilization और existing CPOs के लिए बेहतर unit economics।

हम economic anchor को अपने ही realtime data के against validate करते हैं। Norway के लिए model predict करता है कि 11% IRR पर breakeven करने के लिए एक bay को लगभग 76 kWh/day (65 kW पर 1.2 hours occupied) चाहिए। हमारे ~12,500 RT-monitored FC bays के actual data में weighted annual average 91 kWh/bay/day है — यानी breakeven threshold का लगभग 120%।

Seasonality बहुत dramatic है: January में peak 138 kWh/day (cold weather, longer trips) तक जाता है, जबकि April में trough 54 kWh/day तक गिरता है — यानी 2.6× swing। Winter months आसानी से breakeven cross कर लेते हैं; summer months नहीं। इसका मतलब है कि Norwegian FC bay full-year basis पर तभी profitable है जब वह winter surplus accumulate करके summer shortfall को offset कर सके।

National average का breakeven से 20% ऊपर होना healthy लग सकता है, लेकिन distribution matter करती है: high-traffic corridor stations 200+ kWh/day deliver कर सकती हैं, जबकि rural bays 76 kWh threshold से काफी नीचे रहती हैं। Equilibrium model predict करता है कि समय के साथ BEV fleet growth हर bay पर ज्यादा sessions लाकर इस gap को narrow करेगी।

Model जानबूझकर simple रखा गया है, और यही इसकी ताकत है। लेकिन कुछ limitations समझना जरूरी है:

• FC pricing static है — हम current per-kWh tariffs use करते हैं और future price changes model नहीं करते। Reality में competition बढ़ने पर pricing compress हो सकती है, या energy costs बढ़ने पर ऊपर जा सकती है।
• Uniform economics — model हर bay के लिए एक single CAPEX/margin/IRR assumption use करता है। Real world में variation बहुत बड़ा है: motorway site की cost ज्यादा होती है लेकिन कमाई भी ज्यादा; rural site की cost कम होती है लेकिन traffic भी कम होता है। Equilibrium एक national average represent करता है।
• No policy modelling — subsidies, AFIR mandates और grid tariff regulation सभी FC deployment rates को affect करते हैं। ये historical build rates के through indirectly reflect होते हैं, लेकिन explicitly forward model नहीं किए जाते।
• Session kWh fixed है — हम public FC पर प्रति BEV प्रति साल constant kWh assume करते हैं। अगर behaviour बदलता है (जैसे home charging ज्यादा common हो जाए, या road trip patterns बदलें), तो प्रति BEV demand बदल सकती है।
• Country-level only — model national totals project करता है। किसी country के भीतर utilization में भारी variation होती है: Sørlandet का motorway junction और Tromsø का city-centre charger बिल्कुल अलग economic realities में operate करते हैं।

हाँ। मॉडल की हर assumption को adjustable parameter के तौर पर रखा गया है। अगर तुम हमारे defaults से सहमत नहीं हो, तो उन्हें बदल दो — forecast तुरंत recalculate होकर तुम्हारे market view को दिखाएगा, हमारा नहीं।

Adjustable inputs में शामिल हैं:

• CAPEX per bay — अगर तुम premium motorway sites model कर रहे हो जहाँ grid cost ज़्यादा है, तो इसे बढ़ाओ; अगर तुम्हें hardware prices गिरने की उम्मीद है, तो इसे घटाओ
• Operating margin — अपनी cost structure के हिसाब से adjust करो: energy procurement, site lease terms, maintenance contracts
• Target IRR — अपनी cost of capital या investment committee threshold के मुताबिक hurdle rate सेट करो
• Investment horizon — conservative underwriting के लिए छोटा, और अगर तुम full technology cycle तक operate करने वाले हो तो लंबा
• Convergence speed (α) — तुम्हारे हिसाब से market current supply और economic equilibrium के बीच का gap कितनी जल्दी बंद करेगा
• Minimum growth floor — oversupplied market में भी जिस build rate की तुम उम्मीद करते हो
• BEV growth multiplier — अपने demand outlook के आधार पर EV adoption forecast को ऊपर या नीचे scale करो

यह इसलिए अहम है क्योंकि यह forecast सीधे Projects module में जाता है। जब तुम कोई नई charging site plan करते हो, तो financial model — NPV, IRR, payback period — उसी location पर future demand project करने के लिए FC Market Outlook का इस्तेमाल करता है। अगर तुमने outlook parameters को अपनी investment thesis के हिसाब से adjust किया है, तो वही customized projections अपने-आप हर site के business case में carry through हो जाते हैं।

सीधी बात: अगर तुम्हें लगता है कि market हमारे base case से ज़्यादा tight रहेगा, तो BEV growth multiplier बढ़ाओ और convergence speed कम करो। फिर तुम्हारे project financials higher utilization और faster payback दिखाएँगे — तुम्हारी अपनी view के मुताबिक, हमारे defaults के नहीं।

ChargiPedia हमारी industry encyclopedia है। यह EV charging space की हर company, product, vehicle, deal, regulation और person का structured, searchable database है। इसे EV charging की Wikipedia समझो — फर्क बस इतना है कि यहाँ data सच में current है।

Access सबके लिए free है — account की ज़रूरत नहीं।

CPO directory में वे सभी charge point operators listed हैं जिन्हें हम track करते हैं। हर card में operator का name, logo, country और network size दिखता है। Specific operators ढूँढने के लिए search और filter करो, या country और size के हिसाब से browse करो।

किसी भी operator पर click करके उसका full profile खोलो। एक CPO profile में ये शामिल होता है:

• Network size — operation वाले सभी देशों में stations, bays और DC share
• Hardware used — कौन से charger models deployed हैं, install base numbers के साथ
• CPMS platform — वे कौन सा charging point management software use करते हैं
• Key people — executives और उनकी roles, People directory से linked
• Build rate — timeline chart जो दिखाता है कि network कितनी तेजी से बढ़ रहा है
• Execution scores — site portfolio quality के मुकाबले operator कितना अच्छा perform करता है
• Pricing — जहाँ available हो, ad-hoc per-kWh tariffs
• Stock chart — listed operators के लिए share price history
• Infrastructure by country — जिन markets में वे operate करते हैं, वहाँ network का breakdown

eMSP (eMobility Service Providers) वे companies हैं जो EV drivers को charging networks तक access देती हैं — आमतौर पर app, RFID card या roaming agreement के जरिए। ये chargers own नहीं करतीं; ये payment और access layer provide करती हैं।

Directory में eMSPs उनके name, country और short description के साथ listed हैं। कई companies एक साथ CPO और eMSP दोनों होती हैं, और उनके profiles पर cross-references दिखते हैं।

Hardware OEM directory EV charging equipment manufacturers का catalogue है — DC fast chargers से लेकर AC wallboxes तक। हर manufacturer profile में उनकी product line, country और market position का description दिखता है।

Individual charger models में drill down करके detailed specs देखो: rated power, connector types, dimensions, weight, architecture (split/integrated), IP rating और operating temperature range। हर model page उसका install base भी दिखाता है — किन CPOs ने उसे deploy किया है और कहाँ — ताकि तुम्हें real-world adoption दिखे, सिर्फ datasheet promises नहीं।

CPMS का मतलब है Charge Point Management System — वह software platform जिसे CPOs अपनी charging infrastructure को manage, monitor और monetise करने के लिए use करते हैं। इसे charging network का operating system समझो: यह OCPP communication, session management, billing और अक्सर driver-facing app भी संभालता है।

Directory में has.to.be (अब be.ENERGISED), Driivz, Current, Ampeco, GreenFlux और दर्जनों दूसरे platforms listed हैं। हर profile दिखाता है कि कौन से CPOs वह platform use करते हैं, जिससे market share और ecosystem relationships समझने में मदद मिलती है।

Services directory में वे companies listed हैं जो EV charging industry को installation, maintenance, consulting और दूसरी services देती हैं। Categories में electrical contractors, turnkey installers, engineering consultancies और specialist EV charging service providers शामिल हैं।

People directory EV charging industry के key individuals को track करती है — executives, founders और दूसरी notable figures। हर profile में उनका current role, company और career timeline दिखती है, जिससे पता चलता है कि वे industry में कैसे आगे बढ़े हैं। यह समझने के लिए useful है कि क्या कौन चला रहा है, और industry talent कहाँ flow कर रहा है।

EV models section electric vehicles का catalogue है, जिसमें उनकी battery capacity, max charging speed (AC और DC), range, plug types और architecture (400V/800V) शामिल हैं। यह समझने के लिए useful है कि कौन से vehicles कौन से chargers use कर सकते हैं और वे कितनी तेजी से charge होते हैं — charging stations design करते समय और equipment select करते समय यह context काम आता है।

Industry transactions का database: acquisitions, fundraising rounds, IPOs, joint ventures और ownership changes। हर entry में involved parties, deal value (जहाँ disclosed हो), date और क्या हुआ उसका summary शामिल होता है।

इस section में activity charts भी हैं जो समय के साथ deal volume और value दिखाते हैं, transaction type, country और company के हिसाब से filter किए जा सकते हैं। Industry में consolidation patterns और capital flows track करने के लिए useful।

Country-specific regulations, EU directives (AFIR, RED), national incentive programmes, और standards जो EV charging deployment को shape करते हैं। हर entry बताती है कि regulation क्या require करता है, किस पर लागू होता है, और कब effect में आता है.

Energy directory उन energy companies को track करती है जो EV charging space में आ चुकी हैं — utilities, oil majors, renewable energy developers, और grid operators। कई बड़े CPOs energy companies की subsidiaries या divisions हैं, और यह directory उन relationships को समझने में मदद करती है.

हाँ। ChargiPedia landing page पर Suggest New Entry button पर क्लिक करो, या individual profiles पर edit buttons से changes propose करो। Submissions पहले review queue में जाती हैं और publish होने से पहले check की जाती हैं। Corrections, updates, और new entries — सब welcome हैं। जितने ज्यादा लोग contribute करेंगे, database उतना ही complete होगा.

दुनियाभर के sources से EV charging industry news की curated, searchable feed। Articles को AI topic (policy, CPO expansion, hardware, finance, consumer pricing, आदि), country, और जिन companies का ज़िक्र है उनके आधार पर tag करता है। Archive हर दिन बढ़ता है.

Specific topics खोजने के लिए search bar इस्तेमाल करो, date या relevance के हिसाब से order करने के लिए sort dropdown, और topic, country, source, या company के हिसाब से narrow करने के लिए Filters button.

तुम्हारी morning briefing, तुम्हारे तरीके से। Newsletter curated EV charging intelligence सीधे तुम्हारे inbox में भेजता है, तुम्हारी preferred language में translated और तुम्हारे चुने हुए schedule पर delivered.

एक preset से शुरू करो — Nordic Intelligence, DACH Briefing, European Overview, Benelux & France, CPO Competitive Intelligence, Policy & Regulatory Watch, और भी बहुत कुछ — या topics, countries, और companies चुनकर पूरी तरह custom newsletter बनाओ.

Delivery frequency (daily या weekly), preferred language, और किस समय चाहिए यह set करो। Newsletter हमारे news archive से AI summarisation के साथ auto-generate होता है.

EV charging market पर long-form analysis और opinion pieces — economics, consolidation, profitability, और आगे क्या आने वाला है। हमारी team लिखती है, platform के data के backing के साथ।

ये press release rewrites नहीं हैं। ये original analysis है, साफ point of view के साथ। इसे first-party research समझो जो कुछ कहती है, न कि content marketing जो कुछ नहीं कहती। पढ़ने के लिए free, account की ज़रूरत नहीं।

सभी charging infrastructure प्रोजेक्ट्स के लिए आपका कमांड सेंटर। डैशबोर्ड में KPI कार्ड (कुल प्रोजेक्ट्स, लोकेशंस, स्कोर की गई लोकेशंस, अनुमानित CAPEX), फ़िल्टर की जा सकने वाली प्रोजेक्ट लिस्ट और क्विक-एक्शन बटन दिखते हैं।

प्रोजेक्ट बनाने के लिए New Project पर क्लिक करें, या सीधे प्लानिंग मैप पर जाने के लिए Plan Locations पर क्लिक करें। प्रोजेक्ट्स को phase (plan, approve, execute, live) के आधार पर खोजा और फ़िल्टर किया जा सकता है।

हर प्रोजेक्ट चार phases से गुजरता है:

1. Plan — प्लानिंग मैप पर संभावित साइट्स को स्कोर करें और सबसे अच्छी साइट्स को प्रोजेक्ट में जोड़ें। हर लोकेशन के लिए उसके स्टेप्स पूरे करें: स्कोर रिव्यू करें, साइट डिज़ाइन करें, bill of materials (BOM) बनाएँ और business case (CAPEX, revenue, NPV, IRR, payback) कैलकुलेट करें। तीनों पूरे होने पर लोकेशन को planned मार्क करें।
2. Approve — सभी लोकेशंस प्लान हो जाने पर प्रोजेक्ट को approval के लिए भेजें। approver के रिव्यू के दौरान प्लान लॉक रहता है, फिर यह execution में जाता है या revision के लिए वापस आता है।
3. Execute — tasks मैनेज करें, contractor quotes जुटाएँ, BOM के मुकाबले बजट ट्रैक करें और procurement से construction तक प्रगति देखें।
4. Live — हर लोकेशन commissioned है। प्रोजेक्ट का सार देने वाली completion report जनरेट करें।

प्रोजेक्ट के भीतर हर लोकेशन का अपना status होता है: planning → planned → approved → live। लोकेशन के सबसे ऊपर step bar दिखाता है कि उसके कौन-से प्लानिंग स्टेप पूरे हो चुके हैं।

Planning map वह जगह है जहाँ तुम potential charging locations evaluate करते हो। यह दो key datasets को overlay करता है:

• FC station density (blue heatmap) — दिखाता है कि existing fast-charge stations कहाँ concentrated हैं, ताकि coverage gaps spot किए जा सकें
• AADT traffic volume (coloured road segments) — government traffic counts से annual average daily traffic दिखाता है, जो demand potential का signal देता है

Specific locations को natural language में खोजने के लिए AI search bar इस्तेमाल करो — जैसे "Burger King near Bergen" टाइप करो और system matching locations ढूँढकर उन्हें charging potential के लिए score कर देगा.

तुम map पर कहीं भी click करके उस location को score भी कर सकते हो। हर scored location को traffic, existing stations की proximity, nearby amenities, और दूसरे factors के आधार पर composite score मिलता है.

Scored locations left panel की list में दिखती हैं। Batch operations का इस्तेमाल करके multiple locations select करो और एक click में उन्हें project में जोड़ो.

Project detail page वह जगह है जहाँ तुम किसी specific project को manage करते हो। इसमें शामिल है:

• Project map — project की सभी locations map पर plotted होती हैं, status के हिसाब से colour-coded
• Location cards — हर location में उसका name, address, score, current status, और key metrics दिखते हैं। किसी भी card पर click करके उस location की detail में जाओ
• Phase progression — visual indicator जो overall project phase और हर status में कितनी locations हैं, यह दिखाता है
• Project KPIs — aggregate metrics: total locations, average score, estimated CAPEX, projected annual revenue
• Settings — project-level configuration (name, description, team access, financial defaults)

हर project में built-in email system होता है। Project context के भीतर ही emails भेजो और receive करो — landlords, contractors, utilities, या team members के साथ correspondence personal inboxes में बिखरने के बजाय project से attached रहती है.

Features में attachments, location tagging (email को project के भीतर किसी specific location से link करना), और signature editor शामिल हैं। Project mail उन सभी team members को दिखती है जिनके पास project access है.

Score tab हर location का analytical core है। इसमें दिखता है:

• Score gauge — Pulse location score एक visual dial के रूप में, clear rating के साथ (Poor से Excellent तक)
• SHAP breakdown — waterfall chart जो ठीक-ठीक दिखाता है कि कौन-से features score को ऊपर या नीचे push कर रहे हैं, और कितना। यही explainability layer है — तुम देखते हो कि location का score ऐसा क्यों है
• Traffic analysis — nearby road AADT values, road types, और composite traffic score
• Competition analysis — 5, 10, और 25 km के भीतर existing DC fast-chargers, operator names और bay counts के साथ
• POI analysis — nearby points of interest: fuel stations, food, retail, parking within 1 and 5 km
• Demand forecast — Pulse model से monthly kWh/bay/day projections, seasonality और EV adoption growth को ध्यान में रखते हुए

Site designer एक versioned canvas है जहाँ तुम charging station का physical layout plan करते हो। Equipment catalogue से chargers place करो, parking bay positions define करो, और supporting infrastructure arrange करो.

Designs versioned होते हैं — तुम multiple iterations बना सकते हो, उन्हें compare कर सकते हो, और preferred version को promote कर सकते हो। Design सीधे BOM और financial model में feed होता है, इसलिए layout बदलते ही cost estimate अपने-आप update हो जाता है.

BOM builder तुम्हें यह spec करने देता है कि किसी location पर क्या जाएगा। Items दो sources से जोड़ो:

• ChargiPedia equipment catalogue — real hardware OEMs के charger models, specs, market prices, और FX rate conversion के साथ। Model select करो, quantity set करो, और pricing अपने-आप भर जाएगी
• Custom items — catalogue में न होने वाली कोई भी चीज़: transformers, cables, civil works, signage, grid connection fees। Description, quantity, और unit cost दर्ज करो

Common station setups को जल्दी configure करने के लिए BOM templates apply करो (जैसे "4-bay highway station" या "2-bay urban hub")। Templates save की जा सकती हैं और projects में दोबारा इस्तेमाल की जा सकती हैं.

BOM total सीधे financial model में CAPEX के रूप में feed होता है। हर item का procurement status track करो: ordered, delivered, installed.

Financial model हर location के लिए पूरा investment case calculate करता है:

• CAPEX — सीधे BOM total से लिया जाता है, equipment category के हिसाब से breakdown के साथ
• Revenue projections — इस location के लिए Pulse demand forecast पर आधारित, जिसे तुम्हारी pricing assumptions (price per kWh, energy cost per kWh) से multiply किया जाता है
• NPV (Net Present Value) — तुम्हारे चुने हुए discount rate पर investment horizon के दौरान discounted cash flow
• IRR (Internal Rate of Return) — वह rate जिस पर NPV zero हो जाता है
• Payback period — cumulative net cash flow positive होने तक के महीने

Model में sensitivity analysis भी शामिल है, जो 5 parameters को 3 scenarios each (base, optimistic, pessimistic) में test करता है: demand volume, pricing, energy cost, CAPEX, और operating costs। इससे तुम्हें single-point estimate के बजाय outcomes की range मिलती है.

Charts monthly cashflow (revenue minus costs) और cumulative return (initial investment के मुकाबले net cashflow का running total) को projection horizon में दिखाते हैं.

हर location के bottom section में deal-level information store होती है:

• Site rental terms — lease duration, rent amount, escalation clauses, और दूसरे contractual details
• Revenue sharing — अगर site owner charging revenue का percentage लेता है, तो उसे यहाँ configure करो। यह अपने-आप financial model में feed हो जाता है
• Comments and notes — team members के लिए threaded discussion जहाँ वे location के बारे में notes, updates, और context छोड़ सकते हैं। Timestamped और author के नाम के साथ

जब कोई location approve हो जाती है, तो वह execution phase में चली जाती है। यहीं plan reality बनता है:

• Tasks — tasks बनाओ और assign करो (जैसे "Submit grid connection application", "Order chargers", "Schedule civil works")। Status updates और due dates के साथ progress track करो
• Quotes — contractor quotes collect और compare करो। Documents attach करो, terms note करो, और winning bid चुनो
• Budget tracking — actual spend को BOM estimate के against compare करो। Variances और remaining budget realtime में देखो
• Procurement — equipment orders track करो: क्या order हुआ, क्या deliver हुआ, और क्या install हुआ

जब कोई location live होती है, system एक commissioning report generate करता है जो पूरी journey का summary देता है:

• Completion checklist — सभी required items verify किए गए: equipment installed, grid connected, software configured, signage in place
• Cost summary — final CAPEX बनाम original BOM estimate, variance analysis के साथ
• Timeline — actual milestones बनाम planned dates, जिससे पता चलता है delay कहाँ हुआ
• Sign-off — digital confirmation कि location public operation के लिए ready है

Report export की जा सकती है और stakeholders, investors, या board members के साथ share की जा सकती है.

Project settings में चार tabs हैं:

Equipment Catalogue — तुम्हारी organisation का equipment catalog, जो ChargiPedia के hardware database के साथ integrated है। Global catalogue से charger models जोड़ो या custom items बनाओ। अपने negotiated prices set करो (जो market prices से अलग हो सकते हैं), FX rates manage करो, और equipment को categories में organise करो.

Financial Defaults — वे default financial assumptions set करो जो हर नई location के financial model में auto-fill होती हैं। इसमें cost of goods sold (energy cost per kWh), revenue assumptions (price per kWh, utilisation ramp), other costs (maintenance, site lease, insurance, back-office), और discount rate शामिल हैं। Individual locations इन defaults को override कर सकती हैं.

Contractors — contractors की directory जिनके साथ तुम्हारी organisation काम करती है। उन्हें categories में बाँटो (electrical, civil, general, specialist), contact details record करो, और उनकी project history track करो। Execution के दौरान quotes collect करते समय इस directory के contractors को सीधे link किया जा सकता है.

Approvals — location phase transitions के लिए admin workflow configure करो। Define करो कि कौन-सी team roles location को एक status से अगले status तक आगे बढ़ा सकती हैं (जैसे सिर्फ admins ही "costed" से "approved" move approve कर सकते हैं)। इससे capital allocation decisions के लिए proper governance बनी रहती है.

EV charging infrastructure पर discussion के लिए एक community space। Categories में शामिल हैं:

• Feedback — platform के लिए bug reports और feature requests
• Open Discussion — EV charging industry पर general conversation
• Changelog — Chargalytics team की platform updates और release notes

Access के लिए active subscription चाहिए। Threads बनाओ, discussions का reply करो और attachments upload करो।

Registration 3-step process है:

1. Credentials — ऊपर navigation में Sign Up पर क्लिक करें। अपना नाम, email और password दर्ज करें।
2. Phone verification — अपना फोन नंबर दर्ज करें। हम verification code वाला SMS भेजेंगे।
3. SMS code — अपना फोन नंबर confirm करने के लिए SMS में आया 6-digit code दर्ज करें। आपका account अब बन गया है।

आपका account बन चुका है और आपका 7-दिन का free trial तुरंत शुरू हो जाता है — full access, payment card की जरूरत नहीं।

हम तुम्हारा phone number verify करते हैं ताकि abuse रोका जा सके और हर व्यक्ति को सिर्फ एक trial मिले। इसके बिना कोई unlimited accounts बनाकर free trials को लगातार chain कर सकता है.

तुम्हारा phone number सिर्फ account verification के लिए इस्तेमाल होता है। इसे third parties के साथ share नहीं किया जाता और marketing के लिए भी इस्तेमाल नहीं होता। एक phone number = एक trial claim.

हां। हर नया account पूरे platform के 7-दिन के free trial के साथ शुरू होता है — payment card की जरूरत नहीं। आपको सब कुछ मिलता है: लाइव मैप, country analytics, CPO benchmark, ChargiPedia और Projects tool।

Trial खत्म होने पर जारी रखने के लिए कोई plan चुनें। अगर आप कुछ नहीं करते, तो एक्सेस बस बंद हो जाता है और आपसे कभी कोई शुल्क नहीं लिया जाता।

Security के लिए हर login में email-based multi-factor authentication जरूरी है। Email और password डालने के बाद हम तुम्हारे email address पर 6-digit code भेजते हैं। इसे 10 मिनट के अंदर verification screen पर डालो। अगर code expire हो जाए, तो नया code मंगवा सकते हो.

Remember me tick करोगे तो उस device पर 30 दिनों तक logged in रहोगे.

तुम्हारे profile page पर display name, bio, LinkedIn URL और avatar update कर सकते हो। Email भी बदल सकते हो (इसके लिए current password चाहिए) और password भी change कर सकते हो.

Right sidebar में तुम्हारी organisation membership दिखती है, और अगर अभी तक किसी company से नहीं जुड़े हो तो वहीं से company बना भी सकते हो.

Team access manage करने के लिए organisation बनाओ। Owner या admin के तौर पर तुम email से team members invite कर सकते हो, roles assign कर सकते हो (owner, admin, billing, member), और seat assignments manage कर सकते हो। Company subscriptions से per-seat billing के साथ पूरी team में access share किया जा सकता है.

सब्सक्रिप्शन पेज पर अपना प्लान चुनें। दो टियर उपलब्ध हैं: Analytics (€24.99/माह) और Analytics + Projects (€99/माह)। मासिक और सालाना बिलिंग के बीच टॉगल करें — सालाना प्लान में पूरे एक महीने की बचत होती है। सभी कीमतें सेल्स टैक्स / VAT के बिना दिखाई जाती हैं — लागू टैक्स आपके बिलिंग देश के आधार पर चेकआउट पर कैलकुलेट होता है।

बिलिंग डैशबोर्ड में आपका मौजूदा सब्सक्रिप्शन स्टेटस, प्लान डिटेल्स, अगली बिलिंग तारीख और पेमेंट हिस्ट्री दिखती है। सभी पेमेंट Stripe के जरिए सुरक्षित रूप से प्रोसेस होते हैं। आप अपना पेमेंट मेथड मैनेज कर सकते हैं, प्लान अपग्रेड या डाउनग्रेड कर सकते हैं और प्रोमो कोड लागू कर सकते हैं।

Refer a Friend सेक्शन से आप अपना पर्सनल रेफरल लिंक शेयर कर सकते हैं — आपको और साइन अप करने वाले व्यक्ति, दोनों को रिवॉर्ड मिलता है।

Billing page से कभी भी cancel कर सकते हो। Cancel Subscription पर क्लिक करो और confirm करो। तुम्हारा access current billing period के अंत तक जारी रहेगा — हम बीच cycle में access नहीं काटते। अगर period खत्म होने से पहले मन बदल जाए, तो बिना कुछ खोए फिर से reactivate कर सकते हो.

कोई lock-in नहीं, कोई penalty नहीं, कोई “retention specialist” वाला phone call नहीं। Button दबाओ, काम खत्म.

Personal accounts में एक समय पर सिर्फ एक active session allowed है। नए device पर login करोगे तो पुराने device वाला session खत्म हो जाएगा। अगर multiple concurrent users चाहिए, तो company setup करो, team subscription लो, और individual seats assign करो.

Log In पर क्लिक करो, फिर लॉगिन पेज पर Forgot password? चुनो। अपना email डालो, हम reset link भेज देंगे। यह link कुछ समय बाद expire हो जाता है, इसलिए जल्दी इस्तेमाल करो.