CC BY
50
ОБЗОР ПОДХОДОВ К ОПРЕДЕЛЕНИЮ МЕСТОПОЛОЖЕНИЯ ОБЪЕКТОВ
ПРОДУКТОВОГО РИТЕЙЛА
Т.А. Лезина, канд. физ.-мат. наук, доцент К.Г. Рябчук, студент
Санкт-Петербургский государственный университет (Россия, г. Санкт-Петербург)
DOI: 10.24411/2411-0450-2019-10851
Аннотация. Локация играет ключевую роль в том, насколько хорошо будет работать магазин, поскольку именно она в первую очередь влияет на привлекательность объекта для покупателей. В статье рассмотрена эволюция подходов к выбору местоположения для магазинов продуктовых сетей. Рассмотрены ключевые этапы в развитии подходов, выделены методы, которые охарактеризованы с точки зрения их достоинств и недостатков. Отдельное внимание уделено геоинформационным системам как важному инструменту, применяемому в решении описываемой задачи.
Ключевые слова: геоинформационные системы, машинное обучение, продуктовые сети, пространственный анализ, ритейл.
Принятие решения о выборе местоположения для новых объектов продуктовых сетей - это поиск таких локаций, которые за счёт ряда факторов способны привлекать большее количество посетителей.
Проблема определения места для торговых точек имеет стратегический характер: это сложный процесс, порождающий долгосрочные последствия и требующий высоких финансовых вложений. Особенностью современного российского рынка ри-тейла является то, что на нём ведут свою деятельность много отечественных («Пятёрочка», «Магнит», «Дикси» и др.) и зарубежных («Ашан», «Метро» и др.) сетей, что приводит к высокой конкуренции [1] и заставляет ритейлеров разрабатывать более продуманные стратегии своего развития, в том числе и за счёт правильного подбора мест размещения новых магазинов.
Целью работы является обзор методов, которые используются ритейлерами для решения данной задачи.
Техники поиска наилучшего местоположения прошли свою логичную эволюцию: от методов, основанных на субъективной экспертной оценке, к сложным методикам, всесторонне учитывающим различные условия существования будущего места. В качестве основы для разграничения периодов воспользуемся классифика-
цией Joseph Aversa, который выделил четыре волны [2] в развитии подходов к выбору размещения объектов ритейла.
Первая волна (до 1980-х годов) - разовые решения, основанные в большинстве своём на экспертном мнении, это связано с отсутствием в то время доступных источников данных, а также технологий их обработки.
Одними из наиболее ранних стали гравитационные модели, появившиеся в начале XX века. Они основаны на аналогии с законом всемирного тяготения Ньютона: объекты большего размера располагают покупателей к посещению сильнее, подобно тому как крупные астрономические тела обладают высокой гравитационной силой. Большое расстояние между покупателями и магазинами, напротив, уменьшает их привлекательность [3]. Самыми известными и до сих пор актуальными из этого класса являются модели Рейли и Хаффа.
Преимущества подхода - его простота, невысокая стоимость и требование небольшого количества данных. Но последнее рассматривается и как недостаток из-за того, что в реальности на выбор магазина покупателями влияет гораздо больше факторов, чем размер и расстояние.
Ещё одним подходом явилось принятие решения на основе опыта: рассматривается несколько площадок, и формируется
интуитивное представление эксперта, о том, какая из них лучше. В субъективности этого метода заключается его серьёзный минус. Также посещение потенциальных мест может быть очень трудоемким и дорогостоящим, особенно когда речь идет об открытии сети магазинов.
Достаточно простая, но более продвинутая техника - это метод контрольного чек-листа [4]. Составляется список переменных, что, как предполагается, влияют на показатели будущего магазина. Переменным при необходимости присваиваются веса, чтобы выделить те, на которое стоит обратить более пристальное внимание. После того, как определены плюсы и минусы всех локаций, то есть проставлены баллы по каждому пункту, на основе этих оценок принимается окончательное решение.
В 1960-х годах начал применяться аналоговый метод, заключавшийся в том, что ритейлеры стремятся найти место с свойствами, похожими на те, какими обладают успешные магазины их сети. Например, было найдено расположение магазина в определённом городе, и у компании есть точки в городах, похожих на него по ряду характеристик, тогда если эти магазины имеют хорошие показатели работы, на такое место стоит обратить внимание [4]. Данные и вычислительные требования для метода невелики, но в реальности не так легко подобрать точки с похожими характеристиками и даже если удалось это сделать, то существуют и другие факторы, влияющие на работу будущего магазина [5].
Вторая волна прошла в период с 1980-х по 1990-е годы, когда способы выбора оптимальной локации для торговых объектов постепенно начинали усложняться за счёт активного развития информационных технологий. Главным образом это обуславливается появлением геоинформационных систем, которые предоставляли широкие возможности манипулирования пространственными данными.
Географическая информационная система (ГИС) - это мобильное или веб-приложение, помогающее интегрировать данные с картами, визуализировать и ана-
лизировать их, чтобы находить новые зависимости [6].
ГИС способны работать с любыми данными, которые могут быть отражены на карте в виде точек, линий или полигонов. Такие системы содержат широкий набор функций для пространственного анализа, которые в своё время помогли по-новому взглянуть на методы, разработанные несколькими десятками лет ранее, делая более точным их реализацию для решения конкретных задач [7].
К примеру, полноценное применение моделей пространственного взаимодействия на практике стало возможным только с ГИС, несмотря на то, что теория появилась раньше, чем подобные системы. Другие традиционные подходы (аналоговый метод, метод контрольного чек-листа и пр.) также были адаптированы ритейлерами для использования их с геоинформационными системами.
Таким образом, на данном этапе ГИС позволили проводить более качественный анализ рынка и конкурентов. Вклад систем в развитие методов планирования места новых объектов заключался в способности поддерживать принятие решений при оценке эффективности, находить точки с оптимальной территорией, определять пространственные последствия переноса и закрытия магазинов.
Третья волна (2000-2010 годы) была обусловлена внедрением ГИС на уровне компании, а также ориентированием на принятие решений, основанных на данных. Люди обратили внимание на быстрый рост объёмов информации и стали рассматривать возможности получения с её помощью дополнительных преимуществ. Компаниями собирались данные о клиентах, формировались геодемографические базы данных, которые как нельзя лучше подходили для анализа с помощью геоинформационных систем.
Интерес стали представлять статистические методы, предполагающие нахождение связи между переменными и построение уравнения для моделирования этой связи, например, расчёт значения показателей работы объекта по значениям его площади и близости к метро [3].
Четвёртая волна (2010 год - настоящее время) - характерной чертой этой волны является стремление усовершенствовать имеющиеся методы благодаря применению новых способов обработки информации.
Хотя традиционные приёмы и были успешными на ранних этапах пространственного планирования, сейчас только их уже недостаточно, учитывая современные вычислительные возможности и влияние всё большего количества факторов на итоговую оценку. Наиболее продвинутые техники предполагают применение методов машинного обучения и нейронных сетей.
Искусственная нейронная сеть - математическая модель, функционирующая подобно механизму человеческого мозга, в котором нейроны, являясь вычислительными единицами, организованно связаны друг с другом [8]. Нейронные сети могут определять и изучать зависимости во входных данных, а затем использоваться для анализа новых объектов. Главный недостаток такого подхода заключается в том, что требуются большие объёмы данных для получения хорошего результата, но они не всегда имеются в наличии.
Методы машинного обучения являются важным дополнением к традиционным техникам геостатистики [4]. В последнее десятилетие машинное обучение превратилось в область с широким прикладным потенциалом и заняло лидирующие пози-
К преимуществу использования машинного обучения можно отнести сокращение времени на построение моделей, которые к тому же учитывают широкий круг факторов, влияющих на работу объектов. Из минусов можно выделить то, что некоторые алгоритмы не позволяют дать моделям понятную интерпретацию.
Анализ с использованием последних двух методов обычно проводят в два этапа: сначала в интересующих ритейлера локациях по набору факторов с помощью построенной модели вычисляют целевой показатель, как правило им является выручка, а затем выбирают место с наибольшим значением этого показателя.
Говоря о российских компаниях, всё больше ритейлеров прибегают к помощи геоинформационных систем при поиске новых мест [9], появляются кейсы по применению машинного обучения к решаемой задаче, что прибавляет ей актуальность в настоящий момент.
Заключение. За последние годы было разработано достаточное количество методов выбора местоположения для торговых объектов, помогающих компаниям конкурировать на рынке. Главный вывод заключается в том, что отрасль ритейла не стоит на месте: развитие информационных технологий проникает в эту сферу, отодвигая традиционные техники на задний план и позволяя получать более точные прогнозы.
ции в решении различных бизнес-задач.
Библиографический список
1. Российский ритейл в 2018 году: идеальный шторм с перерывом на ЧМ-2018 [Электронный ресурс] // URL: https://www.retail-loyalty.org/news/rossiyskiy-riteyl-v-2018-godu-idealnyy-shtorm-s-pereryvom-na-chm-2018/ (дата обращения: 20.06.2019)
2. Aversa J. M. Spatial Big Data Analytics: The New Boundaries of Retail Location Decision-Making. - 2019.
3. Cliquet G. (ed.). Geomarketing: Methods and strategies in spatial marketing. - John Wiley & Sons, 2013.
4. Aboulola O. I. GIS Spatial Analysis: A New Approach to Site Selection and Decision Making for Small Retail Facilities: дис. - The Claremont Graduate University, 2018.
5. BirkinM., Clarke G., Clarke M. Retail location planning in an era of multi-channel growth. - Routledge, 2017.
6. What is GIS? The definition has changed! [Электронный ресурс] // URL: https://www.geospatialworld.net/blogs/what-is-gis-definition-changed/ (дата обращения: 24.06.2019)
7. Baviera-Puig A., Buitrago-Vera J., Escriba-Perez C. Geomarketing models in supermarket location strategies // Journal of Business Economics and Management. - 2016. - Т. 17. - № 6. -С. 1205-1221.
8. Penpece D., Elma O. E. Predicting Sales Revenue by Using Artificial Neural Network in Grocery Retailing Industry: A Case Study in Turkey // International Journal of Trade, Economics and Finance. - 2014. - Т. 5. - № 5.
9. Секретная формула одной из крупнейших в мире экспансий [Электронный ресурс] // URL: https://www.retail.ru/articles/sekretnaya-formula-odnoy-iz-krupneyshikh-v-mire-ekspansiy/ (дата обращения: 20.06.2019)
A REVIEW OF APPROACHES TO SITE SELECTION FOR RETAIL FOOD
FACILITIES
T.A. Lezina, candidate of physical and mathematical sciences, associate professor
K.G. Ryabchuk, student
Saint Petersburg state university
(Russia, Saint Petersburg)
Abstract. Location plays a key role in success of the store working, because it is the main factor for attractiveness of the object for buyers. This article describes the evolution of approaches to the choice of location for retail foodfacilities. The key stages in the development of approaches are considered, the methods with their advantages and disadvantages are highlighted. Special attention is paid to geographic information systems as a tool that very important in the described task solution.
Keywords: geographical information systems, machine learning, chain store, spatial analysis, retail.
