Сети ритейла:
Как Big Data
помогает «поймать»
нужного покупателя

Рентабельность торговой точки начинается с выбора места. А стоимость аренды сильно разнится не только в рамках района, но даже в пределах одного торгового центра. Как соблюсти баланс, обеспечив стабильный поток покупателей при минимальных расходах? Найти ответ может помочь Big Data

Всем ритейлерам и продавцам известно, как важен выбор места для торговой точки. Один магазин может в день обслуживать сотни покупателей, а другой, расположенный на несколько сотен метров дальше, прогореть за считаные месяцы. Конечно, есть стандартные критерии, например близость к остановкам общественного транспорта, выбор района с наибольшей плотностью населения из определенных социальных слоев, наличие парковки и торговых точек конкурентов, иногда есть оценки трафика и т.д. Но на практике проблема остается. Даже в пределах одного торгового центра оборот схожих по товарной линейке и ценовому диапазону магазинов может резко отличаться. Проблема выбора места актуальна с момента зарождения торговли.

Сегодня население России составляет около 143,5 млн человек. Если пользоваться классическими социологическими методами, то для создания репрезентативной модели страны нужно опросить несколько десятков тысяч человек. Однако можно пойти другим путем. Век технологий дает ритейлерам новые возможности решения задачи. Географию района можно дополнить данными о перемещениях людского потока, информацией из социальных сетей с функцией геопозиционирования. Возможности рождают спрос — мировой рынок ИТ-решений в сфере геоаналитики для ритейла растет на 15–20% в год, это быстрее, чем рынок геоинформационных систем (ГИС) в целом, оценивает динамику сегмента Сергей Щербина, заместитель генерального директора компании Esri CIS. Как пояснил эксперт, одной из основных причин высокой динамики является появление готовых решений для ритейлеров и предприятий других отраслей со схожими задачами, а также необходимых данных различных типов. В результате ГИС-системами могут пользоваться не только профильные специалисты, но и маркетологи, финансисты, менеджеры по корпоративной собственности и прочий менеджмент. Отчеты можно формировать с помощью как онлайн-сервисов, так и профессиональных приложений с серьезным математическим аппаратом.

Выбирая место для новой торговой точки, ритейлы наносят на карту «якоря» (транспортные узлы, трафик, месторасположение конкурентов и т.п.), каждому параметру присваивается свой вес в зависимости от потребностей компании (формата торговли, типа торговой точки). «Например, для магазина шаговой доступности очень важна локальная численность населения и его социально-демографические характеристики (уровень дохода, наличие детей, возраст), а для гипермаркета — доступная площадь и условия аренды, близость к автомагистрали с хорошей пропускной способностью, — поясняет Щербина. — И если гипермаркет стремится максимально занять площадь во вновь открываемом торговом центре, то мини-маркет с помощью ГИС тщательно анализирует каждую потенциальную точку в уже сложившихся зонах застройки, чтобы понять потенциальный объем рынка и конкурентную обстановку».

Сеть быстрого питания Wendy’s (США) включает более шести тысяч точек присутствия и использует геоаналитику при выборе места для открытия новых ресторанов. При оценке потенциального спроса «якорями» являются уровень дохода, концентрация населения, количество семей, возможность привлечения соарендатора. Именно геоаналитика подсказала, что в районах с более высоким уровнем дохода клиенты приходят реже, хотя их заказы обычно дороже, чем в кварталах, где проживает менее обеспеченное население. Также среди «якорей» показатели, отражающие не только потенциальные доходы, но и расходы компании. «Отдел кадров использует картографические данные, чтобы понимать, насколько легко будет найти в районе сотрудников, какой может быть их заработная плата», — говорит директор по недвижимости Wendy’s Джон Крауз (John Crouse).

Как отмечают эксперты, в России спрос на ГИС-системы возник два-три года назад, рынок сдерживал недостаток данных. «Ситуация улучшается благодаря появлению коммерческих поставщиков вполне качественных социально-демографических данных, базовых и транспортных карт, — рассказывает Щербина. — Сегодня мы ведем проекты по внедрению геоаналитических систем для нескольких крупнейших российских ритейлеров, банков, компаний, занимающихся недвижимостью». Госструктуры также обещают обеспечить рынок открытыми геоданными, их появление может дать новый толчок развитию сегмента. Однако пока ожидание затягивается.

Андрей Ермаков

Руководитель отдела архитектур департамента аналитических решений в IBS

На мой взгляд, стоит рассматривать некую синергию трех партнеров: ритейлер, телеком-оператор, банк. Банк и телеком-операторы в данном контексте поставляют обезличенные данные (выделение сегментов клиентов, характеристик тех или иных групп клиентов и т.д.) ритейлеру, который обогащает свои знания о клиенте для построения моделей прогнозирования продаж. В данном случае, как замечено в статье, следует уделить внимание качеству поступающих данных от партнеров. Также немаловажным может оказаться и предложение на покупку тех или иных продуктов, которое формируется в режиме реального времени на основе геоданных о перемещениях абонентов телеком-оператора. Один из крупнейших телеком-операторов Турции Turkcell реализовал такое решение: компания заключила ряд договоров с торговыми центрами по установке вышек на крыше, чтобы более точно отслеживать перемещение абонентов рядом и внутри торгового центра. Когда клиент, например, входил в торговый центр, ему высылалось оповещение, что если вы придете в течение часа в такой-то магазин, то получите скидку на покупку. Также один из зарубежных телеком-операторов разработал прогнозную модель маршрута движения своего абонента на основе геоданных и в режиме реального времени предлагал совершить те или иные покупки в магазинах, которые находились «по пути».

Превращаем ваши данные
в новый источник эффективности

Что предложит телеком?

Купить нужную информацию можно у телекоммуникационных операторов федерального уровня. Ведь количество данных, находящихся в распоряжении этих компаний, заведомо в разы превышает необходимый для репрезентативной модели объем. В результате телекоммуникационные операторы становятся поставщиками необходимой информации. Однако проблема ее качества остается.

«Мегафон» первым из отечественных операторов в ноябре 2013 года запустил b2b-сервис анализа городских потоков, включая пешеходов и общественный транспорт. Естественно, данные для анализа подаются в обезличенном виде. В первую очередь транслируется информация о возрасте, поле, перемещениях. Впрочем, ритейлеры отмечают, что такие данные не идеальны — пользовательская база «Мегафона» имеет свои отличительные особенности, некоторые группы людей там представлены шире, чем в среднем по стране, другие, наоборот, скромнее.

Для полной картины необходима консолидация информации от «большой тройки». Операторы движутся в этом направлении. В июне 2014 года «Мегафон» и «Вымпелком» заключили договор, в рамках которого пользователи геолокационных сервисов «Радар» и «Локатор» могут определять местонахождения абонента другого оператора. Аналогичный договор был заключен между «Мегафоном» и МТС в декабре прошлого года. Конечно, это не означает, что b2b геолокационный сервис теперь включает статистику большой тройки, однако интеграция налицо. Возможно, не за горами тот день, когда операторы объединят это направление, тем более что жизнь подталкивает телеком к развитию сервисной составляющей во всех ипостасях для наращивания продаж.

Кроме того, если соединить демографию, к примеру, с данными о марках телефонов, также можно выйти на определенный уровень жизни людского потока, курсирующего в заданном районе. А между прочим, повышение точности классификации на 5% повышает отдачу от рекламной кампании на 30%, считает Александр Петров, руководитель отдела R&D Data-Centric Alliance. Для России это пока дело будущего.

Из зарубежных примеров можно вспомнить об испанской Telefonica. Оператор решил заняться монетизацией больших данных в октябре 2012 года, о чем и объявил во всеуслышание. Telefonica собралась предоставлять бизнесу анонимизированные и агрегированные данные, которые помогут оценить факторы влияния на количество людей, посещающих определенные места в разное время дня. С помощью этой информации ритейлеры смогут определять места и форматы новых торговых точек. Но уже в ноябре того же года правительство Германии, к примеру, высказалось в том духе, что продавать частному бизнесу данные о перемещении абонентов, даже обезличенные, нельзя. Теперь перспективы Telefonica в этой стране сомнительны. В числе других анонсированных стран — Испания, Великобритания, Ирландия, Чехия, Бразилия, Аргентина и Мексика.

При этом ясно одно — телекоммуникационные операторы могут отразить картину жизни города в режиме онлайн, что невозможно получить с помощью каких бы то ни было исследований и опросов. И на продаже этой информации можно хорошо заработать, что они и будут делать. А покупателем станет ритейл.

Социальные сети

Полным ходом идет развитие интернет-общения с геопространственной составляющей. Данные сетей, подобных Foursquare, представляют колоссальный интерес для бизнеса с точки зрения анализа перемещений. К примеру, исследовательская группа, объединившая представителей Кембриджского университета, Лондонского университета королевы Марии и итальянского IMT Institute, решила выяснить, как найти идеальное место для торговой точки. Объектами исследования стали сети Starbucks, Dunkin’ Donuts и McDonalds в Нью-Йорке. Этот город был выбран просто потому, что с него стартовало развитие Foursquare, то есть было накоплено максимальное количество пользователей.

Сначала исследователи оценили местонахождение существующих кафе, привязав их к известным объектам — остановкам общественного транспорта, достопримечательностям, офисам, торговым центрам. Для каждой из сетей был выведен средний коэффициент, отражающий наиболее частое окружение, и таким образом найдены участки, где имеет смысл располагать точку (эта логика применяется для выбора места и без технологических ухищрений). Потом к известным географическим факторам был добавлен фактор мобильности — перемещения людского потока на основе данных Foursquare. И вот тут оказалось, что в рамках ранее очерченной площади можно найти максимально подходящее место, эффективность которого повысится на 0,02–0,03 от базового значения коэффициента. К сожалению, выкладки теоретические, однако представляют большой практический интерес. Высокая точность прогноза максимально популярного места для конкретного вида продаж — важнейший фактор успеха в условиях жесткой конкуренции ритейлеров.

Геоаналитика поможет не только когда речь идет об открытии новой торговой точки, но и когда нужно сократить торговую сеть с целью повышения рентабельности, особенно актуальной эта задача становится во время кризисных экономических явлений. «Геоаналитика помогает понять, в чем причина неэффективности точки. Неудачное место размещения или плохой менеджмент? — рассказывает Щербина. — Это же относится и к переформатированию уже существующей сети под изменившиеся условия (например, Bank of America прибегнул к помощи ГИС для адаптации филиальной сети к ситуации, когда люди все больше пользуются мобильными и онлайн-сервисами и реже посещают отделения банка). Здесь, безусловно, интуитивного понимания недостаточно. Кроме того, геоаналитка очень хорошо работает не только на микроуровне, но и на других масштабах, когда нужно принять решение о выходе в соседний регион, область или страну и нужно оценить потенциал местного рынка в целом».

Применение геоаналитики в России началось с госструктур. К примеру, в администрации Тамбовской области в 2013 году была внедрена геоаналитическая система для контроля сельхозугодий, в результате области удалось кардинально улучшить производственные показатели. Следом систему внедрило московское Министерство сельского хозяйства. Ситуационные центры не могут быть эффективными без геоаналитики. Из крупных российских ритейлеров геоаналитическую платформу пока использует только Сбербанк.

экономика данных совместно с IBS

• Директор спецпроектов Александр Сидоровский
• Арт-директор Валдис Белых
• Дизайнер Артем Иванов
• Разработчик Вадим Кочергин
• Менеджер Юля Долженко
• Продюсер Олеся Нагорная

slon.ru 2014