Авторизация

Логин:
Пароль:
Восстановить пароль
Регистрация

4 (55) | 2010 ГИС для розничной торговли

Леонов А.Л., Esri CIS, e-mail: aleonov@esri-cis.ru

 

GIS for Retail Business

 


Бизнес процессы фирмы, занимающейся розничной торговлей, такие как анализ рынка, выбор местоположения, продвижение товаров, продажа, доставка, управление торговыми точками плотно связаны с географическими взаимоотношениями. Технология географических информационных систем (ГИС) помогает аналитикам принимать решения по оптимизации эффективности этих бизнес процессов, позволяя интегрировать, отображать и моделировать пространственные взаимосвязи, используя географический подход и развитые методы пространственного анализа.

Аналитики, изучающие и прогнозирующие поведение рынка и потребителей, получают от ГИС мощные инструменты для проведения исследований. В ГИС-анализе можно использовать множество видов реальных и смоделированных данных для понимания демографических, конкурентных и психографических взаимоотношений потребителей, поставщиков и географического пространства, к которому относятся и в котором распределены все эти данные.

Прелесть и сила технологии ГИС состоит в том, что она позволяет аналитикам компании учесть множество вариантов, выявить потенциал, оценить влияние различных инвестиций, выявлять сегменты рынка, выявлять тренды в бизнес-ландшафте. Никакая другая информационная технология не имеет такого всеобъемлющего аналитического потенциала для работы с пространственной информацией, к которой относится порядка 80% всех данных, используемых компаниями.


Подходы к выбору местоположения торговой точки

Как выбирать удачное место? "Местоположение, местоположение, местоположение" – эта мантра, часто повторяемая в качестве основного фактора успешного выбора мест для размещения объектов торговли и сервисных услуг, верна до некоторых границ. Обычно удачное размещение магазина подразумевает выбор места в зоне высокого потенциала спроса и с удачной визуальной экспозицией. Есть много других важных компонентов, которые оказывают влияние на удачность местоположения, но никакое место не будет оптимальным без учета дополнительных факторов, сосредоточенных вокруг магазина и влияющих на продажи.

Вместе с тем, выбор местоположения является одним из самых важных решений встающих перед фирмами, занимающимися розничной торговлей, банковским делом, риэлтерской деятельность, предоставляющими людям медицинские и прочие услуги. Существует масса способов для выбора места: от полевых исследований до сложных методов моделирования. ГИС предоставляет среду, в которой все эти методы могут быть успешно использованы. Для начала рассмотрим факторы, вносящие вклад в выбор удачного местоположения.


Факторы удачного местоположения

В целом, факторы, определяющие удачное местоположение, можно классифицировать следующим образом: управление, инфраструктура, окружающая среда (рис. 1). Учет каждого из них важен для конечного успеха, или может привести к серьезным потерям бизнеса при его недооценке.


Рис. 1. Факторы удачного местоположения.

 

К факторам управления в основном относятся элементы, которыми можно управлять внутри торговой точки. Эти факторы хорошо иллюстрируют такие параметры как управление магазином, служба работы с клиентами, ассортимент товаров, чистота, оформление, атмосфера, планировка.

К факторам инфраструктуры относятся элементы, связанные с уникальной физической планировкой здания и окружающих его объектов. Примерами таких элементов служат парковки, указатели и вывески, торговая площадь, ландшафтная архитектура, доступность, входы\выходы, тип торгового центра, отдельно стоящее здание или входит в комплекс зданий.

К факторам окружающей среды относятся такие элементы как демография населения, потребительский спрос, транспортная загрузка, образующие трафик предприятия (торговые центры, больницы, аэропорты, стадионы), населенность в дневное и вечернее время, конкуренты, дополняющий бизнес, образ жизни.

Все многообразие существующих факторов можно учесть средствами ГИС, предоставляющей все необходимые инструменты для сбора, хранения, доступа, представления и анализа данных.


Методы выбора местоположения

Часто предполагается, что для решения задачи выбора местоположения достаточно сначала определить максимальное расстояние, которое сможет проехать потребитель магазина, и рассчитать численность населения, проживающего в пределах круга с данным радиусом, а затем использовать полученное значение в качестве основы для прогноза оборота новой торговой точки. Такой подход имеет ряд видимых недостатков, как например, отсутствие учета большинства факторов, определяющих удачное местоположение.

Для решения задачи выбора местоположения разработаны специализированные методы. Далее мы рассмотрим те из них, которые поддаются наибольшей формализации и могут быть использованы при моделировании размещения торговых точек.


Сравнение характеристик местоположений

Один из базовых методов для определения оптимального местоположения заключается в сравнении характеристик имеющихся торговых точек со значениями этих характеристик для потенциальных местоположений. Наилучшее местоположение с учетом прогноза ожидаемой прибыли выбирается, исходя из оптимальных показателей характеристик.

Выборка значений характеристик производится с использованием буфера или зоны транспортной доступности, построенных для каждой из торговых точек. Каждой из характеристик эксперт присваивает весовой коэффициент, который затем учитывается при вычислении суммарной оценки пригодности местоположения.

Зная значения суммарной оценки существующих торговых точек можно выявить наиболее похожие местоположения из предлагаемого списка с вариантами. Такой анализ можно провести, используя инструменты оверлея и/или возможности модуля ArcGIS Spatial Analyst.

ArcGIS позволяет автоматизировать метод сравнения характеристик местоположений, используя визуальную среду приложения Model Builder для создания моделей пространственного анализа.

Для дополнительных, более глубоких исследований можно воспользоваться инструментом многофакторного анализа Spatial Analyst, который позволяет ранжировать территорию с учетом выбранных характеристик и их весовых коэффициентов. По полученным данным эксперт легко сможет выделить зоны с интересующими его значениями суммарной оценки местоположения.

Метод сравнения характеристик местоположений можно также использовать при отборе ряда действующих торговых точек, схожих по основным характеристикам, для проведения опроса клиентов в торговых залах с целью оценки их привлекательности.


Гравитационный метод

Гравитационные модели разработаны по аналогии с теорией притяжения Ньютона. Степень притяжения между двумя объектами определяется их размерами и расстоянием между ними. Этот метод позволяет определить относительные пропорции, в которых потребители распределяются между торговыми областями.

Модель Рейли (William Reilly) -- одна из первых, при расчете рыночной доли предприятия учитывавшая расстояние и население. Ее развитием стала модель Хаффа (David Huff), учитывающая предпочтения потребителей. В основу модели Хаффа положена гипотеза, что привлекательность отдельного магазина зависит от размера его торгового зала и его удаленности от потребителя. Значение полезности розничного предприятия для покупателя выражается через вероятность посещения покупателем i конкретного магазина j:

, где

 – вероятность посещения j-го магазина i-тым покупателем; ?? – мера привлекательности торгового центра j (размер торгового зала);  ?– расстояние до торгового центра j, которое должен преодолеть покупатель i; ???? – вычисляемый эмпирическим путем коэффициент привлекательности, ???– коэффициент влияния расстояния, требующий статистической оценки (у разных исследователей варьирует от 0,5 до 3,5 и в целом был близок к 2); n – число торговых точек.

В значение параметра меры привлекательности торгового центра можно включить не только размер торгового зала, но и совокупность нескольких факторов.

Модель Хаффа является частным случаем общей концепции, описываемой аксиомой Люса. Полагается, что вероятность выбора Pij потребителем i определенной торговой точки j равна доле, которую составляет полезность использования этой точки Uij в сумме полезностей всех n возможных магазинов:

Модель Хаффа выдержала тест на прочность – ей уже более 40 лет. Она широко используется аналитиками, решающими как задачи развития бизнеса, так и задачи государственного планирования; кроме этого она пользуется популярностью в научных кругах.

ArcGIS содержит ряд инструментов, позволяющих решать задачи оценки местоположения, используя модель Хаффа.

Один из них реализован в виде модели геообработки "Market Analysis with the Huff Model", которая позволяет:

  • выделить потенциальные рынки влияния торговых точек;
  • оценить экономическое воздействие появления новой торговой точки конкурента;
  • прогнозировать зоны высокого и низкого потенциала продаж;
  • провести моделирование размещения потенциального магазина;
  • учитывать дорожную сеть при расчете расстояний (необходим модуль ArcGIS Network Analyst).

Модель написана на языке Python для версии ArcGIS 9.3 и размещена на сайте Esri http://resources.esri.com/geoprocessing/index.cfm?fa=codeGalleryDetails&scriptID=15999.

В качестве примера, на рис. 2, 3 представлены результаты оценки местоположения торгового центра (ТЦ) Максидром VII в Санкт-Петербурге, проведенной с использованием этой модели. Для анализа бралась информация о площади ТЦ, классификация размера ТЦ по GLA, численность населения в каждом доме.


Рис. 2. Зоны охвата ТЦ и диаграммы лояльности потребителей Максидром VII и окружающих ТЦ.


Рис. 3. Изолинии вероятности приверженности клиентов ТЦ Максидром VII (градиентная заливка отражает общее число вероятных клиентов) и диаграммы соотношения общего числа населения к лояльному ТЦ Максидром VII.

 

Следующий инструмент имеется в модуле Network Analyst для ArcGIS 10. Это инструмент "Размещение-Распределение" (Location-Allocation), он содержит ряд методов, использующих модель Хаффа.

Один из них "Максимизация доли рынка" (Maximize market share) при выборе местоположений торговых точек старается охватить как можно больше потребителей с максимальной суммой весовых коэффициентов, учитывая магазины сети и конкурентов.

Этот метод был использован для анализа четырех предлагаемых местоположений торгового центра с целью выявления наиболее перспективного из них (рис. 4). Для моделирования удачного местоположения использовался граф дорог, информация о площади ТЦ и численность проживающих в каждом доме.


Рис. 4. Результат определения местоположения ТЦ с наибольшим потенциалом лояльности вероятных клиентов.

 

Другой метод "Охват заданной доли рынка" (Target market share) осуществляет выбор оптимального местоположения путем отбора минимального числа точек обслуживания, при котором удастся охватить указанный процент от общей доли рынка с учетом конкурентов. Этот метод позволяет проводить стратегические исследования рынка:

  • увеличение доли присутствия на рынке;
  • удержание имеющихся рыночных позиций;
  • оценка влияния открытия новых торговых точек конкурентов;
  • сокращение или увеличение бюджета на содержание торговых точек.

 

Оба метода инструмента "Размещение-Распределение" позволяют учитывать:

  • отсекающую зону доступности, построенную на основе дорожной сети;
  • привлекательность имеющихся торговых точек, в том числе и конкурентов;
  • дорожную сеть для расчета расстояний;
  • спрос в каждой указанной точке.

 


Множественная регрессия

Это метод многомерного анализа, посредством которого торговый оборот связывается с совокупностью независимых переменных, характеризующих размещение магазина посредством линейного уравнения. В результате анализа выбирается место, обеспечивающее максимально ожидаемое значение оборота.

Успешность применения метода регрессионного анализа зависит от способности аналитика подобрать факторы (управление, инфраструктура, окружающая среда), которые оказывают наибольшее влияние на продажи. Может оказаться сложным оценить субъективные параметры, такие как качество обслуживания, ассортимент товаров, ландшафтная архитектура, рекламный образ. Также существует опасность нарушения пропорций значимости при оценке переменных. Не всегда есть возможность использовать в уравнении регрессии переменные так, как они представляются потребителям. Иногда эти данные приходится заменять некоторыми условными конструкциями, например, площадь магазина использовать вместо показателя широты и глубины ассортимента.

Кроме этого надо учитывать, что подбор и подготовка параметров для модели может занять продолжительное время, за которое, например, могут произойти изменениями в ассортименте или появится еще одна торговая точка конкурентов. Изменения во времени хотя бы одного параметра воздействуют на достоверность прогноза всей модели. Модель, основанная на регрессии, должна обновляться, по крайней мере, один раз в год.

При учете всех тонкостей настройки метод множественной регрессии дает хороший прогноз ожидаемого оборота торговой точки в установленном пределе погрешности.

Настольные продукты ArcGIS включают в базовую функциональность инструменты геообработки, позволяющие проводить регрессионный анализ. Они находятся в наборе инструментов "Пространственная Статистика". В ArcGIS множественная регрессия решается на основе метода наименьших квадратов (МНК). Для анализа результатов регрессии МНК формируется статистический отчет, содержащий широкий ряд статистик, такие как: коэффициенты регрессии, среднеквадратическая ошибка, t-статистика, вероятность, R-квадрат (коэффициентом детерминации), VIF, F-статистика, статистика Koenker (Bruesch-Pagan), статистика Wald, статистика Jarque-Bera, критерий Aiaike (AIC). Кроме того, существуют инструменты, позволяющие построить диаграммы рассеяния факторов для изучения выбросов, оценить пространственную автокорреляцию остатков, построить карту остатков. Все эти возможности призваны помочь соблюсти условия построения корректной модели регрессии МНК.

В модель регрессии можно включить число потребителей и другие факторы, попадающие в зону транспортной / пешеходной доступности, построенной средствами Network Analyst.


Заключение

Для обеспечения принятия решения по выбору местоположения торговой точки существует большое многообразие методов. С развитием розничной торговли применение более точных методов становится все более оправданным. Какой бы из методов ни был выбран, использование мощных возможностей, предоставляемых технологией ГИС, является важнейшим фактором эффективного управления процессом выбора местоположения.

Литература

  • Наумов В.Н. Маркетинг сбыта / Учеб. пособие. – СПб.: Изд-во СПбГУЭФ, 1999
  • Тикунов В.С. Моделирование в картографии: Учебник. – М.: Изд-во МГУ, 1997
  • Угаров А.С. Методы выбора местоположения торговой точки // Маркетинг в России и за рубежом. – 2005, №6
  • Dramowicz E. Retail Trade Area Analysis Using the Huff Model // Directions Magazine. – 2005, July 2002
  • GIS for Retail Business. GIS Best Practices series. ESRI, February 2007
  • Huff D.L. Parameter Estimation in the Huff Model // ArcUser – 2003, October-December



Версия для печати