Пространственные модели потребительского поведения, применяемые при оценке размещения рыночных услуг Текст научной статьи по специальности «Экономика и бизнес»

УДК 911.9

А.Ф. Имангалин1

ПРОСТРАНСТВЕННЫЕ МОДЕЛИ ПОТРЕБИТЕЛЬСКОГО ПОВЕДЕНИЯ, ПРИМЕНЯЕМЫЕ ПРИ ОЦЕНКЕ РАЗМЕЩЕНИЯ РЫНОЧНЫХ УСЛУГ

В статье приводится обзор пространственных моделей потребительского поведения, применяемых при оценке расположения коммерческих объектов. Выделены две группы моделей: детерминистические и стохастические, описаны основные типы моделей, входящих в эти группы, их принципы работы, достоинства и недостатки, сделаны рекомендации по использованию этих моделей. Оценена точность модели Тиссена в качестве примера детерминистической модели и модели Хаффа из стохастической группы. Для апробации моделей выбран г. Екатеринбург, где за коммерческие объекты приняты торговые центры, а при оценке моделей использованы данные о населении каждого дома, улично-дорожной сети со скоростным режимом и среднегодовой среднесуточной посещаемости торговых объектов.

Ключевые слова: пространственные модели, потребительское поведение, модели выявления предпочтений, пространственное взаимодействие, оценка расположения, гравитационные модели, торговая зона.

Введение. На ранних этапах перехода к рыночной экономике торговые центры и другие рыночные услуги в городах размещались стихийно, их местоположение оценивалось на основе экспертных и сравнительных методов. Однако с развитием городской и конкурентной среды постепенно внедряются новые методы комплексной оценки, в которых учитываются поведение потенциальных клиентов, конкуренция и транспортная инфраструктура [3—5]. Успешность размещения коммерческого объекта можно оценить на основе пространственных моделей потребительского поведения, которые учитывают разные параметры и позволяют моделировать ситуацию при изменении влияния внешних и внутренних факторов.

Постановка проблемы. В России, как в стране с "молодым капитализмом", моделям пространственного поведения, применяемым при оценке размещения рыночных услуг, не уделялось достаточного внимания, но с развитием экономики и торговли это направление становится актуальным, активно применяется зарубежный опыт и разные подходы. Проблемы использования моделей заключаются в параметрах и особенностях объектов исследования, которые зависят от характера поведения потребителей, региона и других социально-экономических факторов. Главная цель работы — рассмотреть основные виды моделей и их особенности и оценить возможность их применения.

Материалы и методы исследований. Модели пространственного поведения можно разделить на две главные группы — детерминистские и стохастические. В первую группу входят модели, описывающие эмпирические наблюдения или нормативные предположения о поведения потребителей, а во вторую — модели, с помощью которых пытаются объяснить и выявить закономерности выбора объекта обслуживания на

основе вероятностных, статистических и других математических методов. В работе [6] в каждой группе выделено несколько типов. Первая группа разделяется на 3 типа:

классические модели, описывающие зоны обслуживания на основе эмпирических данных, такие, как теория первичных торговых зон [5], анализ распределения плотности потребителей [16, 17] и др.;

модели нормативных предположений о поведении потребителей, например теория центральных мест [7, 18], модели использования полигонов Тиссена [15];

гравитационные модели, в основе которых лежит классическая теория гравитации Ньютона, примером таких моделей могут служить модель У. Рейли [21] и Г. Джоунза [1].

Стохастические модели делятся на 2 типа: модели выявления предпочтений с тремя подтипами — моделями пространственного взаимодействия [13, 14, 20]; логитом модели дискретного выбора [19, 12]; динамическими пространственными моделями [23]; методы прямой оценки услуг [10]. По мере развития моделей потребительских предпочтений выявляются тенденции к усложнению моделей из простых описательных до сложных статистически вероятностных, увеличивается число факторов и параметров. Особое внимание уделяется прогнозированию поведения потребителей на основе математических методов с калибровкой параметров при помощи социологических опросов и реальных данных об объектах торговой недвижимости [12, 13], на первое место выходит потребитель с его желаниями и возможностями, а не декларативные и нормативные акты.

Предположение о поведении потребителя, описанное в классической теории центральных мест, не получило полного эмпирического подтверждения, за

1 Московский государственный университет имени М.В. Ломоносова, географический факультет, кафедра экономической и социальной географии России, аспирант; e-mail: [email protected]

исключением частных случаев, когда выбор магазинов ограничен и транспортное сообщение неудовлетворительное, что не позволяет посетить дальние торговые объекты из-за высоких временных и других издержек. Наиболее используемые модели из детерминистской группы — модели, основанные на полигонах Тиссена (Вороного), т.е. модель "пространственной монополии".

Суть модели заключается в построении многоугольников вокруг сети точечных объектов таким образом, что для любой позиции в пределах полигонов расстояние до центрального точечного объекта всегда меньше, чем до любого другого объекта сети (рис. 1). Тем самым пространство делится на участки, где их границы равноудалены от других объектов — центров полигона. Эта модель особенно актуальна для объектов сферы обслуживания, у которых не "перекрываются" зоны влияния, а каждый потребитель услуги четко прикреплен географически к своему центру (школы, военкоматы, больницы и другие государственные учреждения). Модель "пространственной монополии" используется и при анализе размещения коммерческих объектов при условии, что потребителю равнозначны все объекты и он выбирает ближайший [11]. Эта модель применима для крупных сетей при анализе расположения их равнозначных объектов, а также при низком уровне конкуренции.

Особое место в пространственных моделях потребительского поведения занимают гравитационные модели, разработанные по аналогии с теорией притяжения Ньютона. Степень притяжения между двумя объектами определяется их размерами и расстоянием между ними. Этот метод впервые был предложен У. Рейли [21], при оценке расположения объекта рассчитывается его рыночная доля с учетом расстояния и населения. Ее развитием стала стохастическая модель выявления предпочтений — модель Д. Хаффа [14]. В основу модели Д. Хаффа положена гипотеза о том, что привлекательность отдельного магазина зависит от размера его торгового зала и обратно пропорциональна его удаленности от потребителя. Вычисляется значение полезности торгового объекта для покупателя, которая выражается через вероятность посещения покупателем / конкретного торгового объекта у' :

Р =

А а

_з_

Вв

А а

1Аз

<вв

(1)

где Р — вероятность посещения /'-го магазина /-м покупателем; А/ — мера привлекательности коммерческого объекта / (размер торгового зала); Б в — расстояние до торгового центра у, которое должен преодолеть покупатель /; а — вычисляемый эмпирическим путем коэффициент привлекательности; в — коэффициент

Рис. 1. Реализация алгоритма построения полигонов Тиссена

влияния расстояния, требующий статистической оценки; п — число торговых точек. Эта модель "позволяет" пересекаться зонам обслуживания коммерческих объектов, и потребитель не привязан к ближайшим объектам. Одно из достоинств модели — использование дорожного графа для определения расстояний между объектами, в результате чего создается матрица расстояний от коммерческих объектов торговли до потенциальных потребителей, а также появляется возможность проанализировать конкурентов разного размера. При использовании этой модели применяется такое понятие, как "уровень проникновения", которое характеризует долю рынка коммерческого объекта в определенном районе.

Модель Хаффа позволяет сделать прогноз изменения числа клиентов при разных сценариях (открытие новых торговых точек конкурентами, увеличение торговой площади объекта), выявить географию проживания потенциальной целевой аудитории, выявить риски расположения объекта. В связи с тем что модель гибкая и ее можно настроить в соответствии с особенностями местного рынка и исследуемого объекта, ее активно используют при решении задач государственного планирования и оценке развития бизнеса [9]. Один из недостатков этой модели — использование только торговой площади объекта при оценке привлекательности, а не группы других факторов, таких, как уровень цен, визуальная доступность, дизайнерское решение торгового объекта, наличие и удобство парковки и другие характеристики, хотя модель учитывает факторы с большим удельным весом при выборе коммерческого объекта [3]. С развитием рынка услуг изменяются предпочтения клиентов, усиливается конкуренция и увеличивается значимость других факторов. Например, при выборе торгового центра значимость фактора местоположения ниже, чем для продуктового супермаркета. При выборе коммерческого объекта для приобретения товаров ежедневного спроса местоположение критично, в то время как для услуг эпизодического спроса — нет.

А.С. Угаров [4] выделяет следующие два важных достоинства моделей выявления предпочтений: 1) получение количественного результата с максимальной

точностью, при этом автор указывает, что точность прогнозов выше, чем у регрессионных моделей и аналоговых методов; 2) хорошая интерпретируемость результатов. В то же время Л.А. Козерод [3] выделяет следующие недостатки:

модели опираются на "компенсационный" характер функции полезности, т.е. покупатели компенсируют низкое значение одного признака более высоким значением другого;

применяется принцип "отсечения", когда, выбирая между альтернативными возможностями, покупатели исходят из какого-то максимального расстояния, за рамками которого магазин "отсекается" независимо от высокого уровня других признаков;

исчисленные параметры отражают характеристики существующих торговых объектов, в то время как новые объекты могут значительно отличаться от существующих;

в ряде исследований показано, что на относительную значимость переменных в функции полезности влияют такие факторы, как доход, занятие, этническая принадлежность, наличие у покупателя автомобиля; для оценки предпочтений у разных групп населения для настройки параметров модели необходимо проводить полевые исследования с социологическими опросами.

Модель мультипликативного взаимодействия (MCI) [20] — расширенный вариант модели Хаффа, в которой учтены дополнительные факторы, влияющие на выбор объекта:

И4

P =-k=-, (2)

n q '

Е П4

j=1 k =1

где xkij — k-я переменная, описывающая точку j в ситуации выбора i; Pk — показатель чувствительности функции полезности k-й переменной (или уровень эластичности по этой переменной); q — число переменных, участвующих в функции полезности. А.С. Угаров, комментируя особенности модели, пишет, что модель MCI может включать только те переменные, от которых доля предприятия на локальном рынке и эластичность доли должны зависеть монотонно, т.е. не рекомендуется использовать переменные сегментирования и переменные, заведомо имеющие оптимальный уровень для доли рынка [4].

Особенность моделей выявления предпочтений — прогноз будущего состояния объекта на основе данных о существующих объектах, в связи с этим сложно оценить влияние уникальной составляющей на ее выбор. Так, если в торговом центре планируется ак-вапарк или другой единственный в городе объект, то прогнозировать будущую посещаемость и успешность центра очень трудоемко. В связи с этим обычно используют комбинированные методы, такие, как метод

прямой оценки услуг [10] или метод аналогий вместе с моделью выявления предпочтений, где первая модель оценивает инновационную составляющую, а вторая — минимальный достигнутый уровень привлекательности. Особую роль в моделях занимает параметр чувствительности к расстоянию, которая меняется вместе с пространственной структурой розничной торговли города и потребительским поведением, последнее зависит от многих социально-экономических и других факторов.

В статье П. Сильвейра с соавторами [22] показано, что гравитационные модели очень хорошо описывают поведение большинства людей, но не объясняют поведения всех из-за особенностей поведения населения и неполной информации о нем. Существуют разные толкования гравитационной модели:

статистическая интерпретация доказывает, что гравитационная модель — производная от пространственного взаимодействия при распределении клиентов от мест проживания до объектов оказания услуг;

макроэкономический подход описывает модель как результат максимизации потребительских излишков с учетом их ограничений, происхождения и назначения;

микроэкономическая интерпретация состоит в том, что гравитационная модель развилась из применения теории случайной полезности к выбору местоположения объекта.

Существуют и другие разновидности моделей выявления предпочтений, например логит модели дискретного выбора [10, 12], где особую роль играет функция полезности мультиноминального вида. В ее основу положена идея о том, что потребитель не может выбирать все объекты из множества торговых объектов в зоне его доступности, его выбор формируется на основе иерархии пространства. Пространство может делиться на несколько кластеров, в которые входят торговые объекты, выбор происходит сначала на уровне кластеров, а потом уже внутри них. Основное преимущество такой модели — попытка смоделировать влияние синергетического эффекта при близком сочетании нескольких торговых объектов в одном кластере, а недостаток — сложная реализация и большой объем информации, необходимой для моделирования.

В другой группе динамических пространственных моделей [23] предположение основано на том, что информация о торговом объекте распространяется в пространстве, в результате постепенно увеличивается его привлекательность и потенциальная аудитория. Эта модель актуальна при анализе посещаемости торговых центров, которые при открытии имеют минимальную посещаемость, а через некоторое время показатели поднимаются до прогнозируемого значения, которое обусловлено торговой зоной, конкуренцией и целевой аудиторией.

Рассмотрим наиболее часто используемые модели для анализа зон обслуживания и оценки размещения

торговых центров как объектов рыночных услуг — модели, основанные на полигонах Тиссена [15], и вероятностно-гравитационную модель Д. Хаффа [14].

Оценка точности моделей рассмотрена на примере г. Екатеринбург. В качестве данных о потенциальных потребителях принята численность населения агломерации, составляющая 2,032 млн человек. Исследовано размещение универсальных, неспециализированных торговых центров со сдаваемой площадью от 5000 м2, в итоговый список вошли 19 объектов (табл. 1). Для определения успешности торгового центра использована среднесуточная посещаемость объекта, так как она напрямую зависят от уровня привлекательности центра и влияет на его доходную часть; оценивали места проживания и численность населения в жилых домах с помощью методики дешифрирования комических снимков сверхвысокого разрешения [2].

Для анализа точности моделей, основанных на полигонах Тиссена, было решено создать полигональный слой с помощью встроенного инструмента ArcGIS 10 и оценить численность населения в полученных зонах (рис. 2). После анализа полученных

данных связь между среднесуточной посещаемостью объекта и населением, которое проживает в полигонах Тиссена, не выявлена, коэффициент корреляции составил 0,34. Результаты подтверждают, что этот алгоритм не подходит для оценки расположения коммерческих объектов разного ранга и прогнозирования их посещаемости.

В качестве примера моделей предпочтений использована модель Хаффа. В программном продукте ArcGIS 10 была создана матрица расстояний на основе дорожного графа, в котором проложено более 160 тыс. маршрутов от мест проживания потребителей к торговым объектам с учетом скоростного режима, класса автодорог и зон влияния торговых объектов (рис. 3).

Результаты исследований и их обсуждение. Для оценки точности модели проанализировано несколько сценариев при разных значениях параметров а и р. В ходе анализа выяснилось, что максимальная связь между потенциальной аудиторией торговых объектов и среднесуточной посещаемостью наблюдается при а = 1 и р = 1 (табл. 2), коэффициент корреляции со-

Таблица 1

Основные характеристики торговых центров Екатеринбурга, по данным www.ekb.dkvartal.ru и www.malls.ru

Название Среднегодовая среднесуточная посещаемость, человек Торговая площадь, м2 Потенциальная аудитория по модели Хаффа, человек, при а = 1, р = 1 Население, проживающее в полигоне Тиссена, человек

Восточный 5000 5000 4919 80 409

Гринго 5830 5600 3573 27 501

Сити-центр 2776 6085 5470 34 440

Гермес-Плаза 5360 7047 5342 10 899

Таганский Ряд 16 800 15 990 15 039 284 083

ФанФан 11 700 18 000 21 092 71 309

КИТ 21 700 18 500 18 501 183 582

Успенский 18 160 20 000 13 783 24 002

Дирижабль 16 420 20 100 20 999 79 026

Сибирский тракт 12 700 22 100 4479 142 278

Антей 2660 25 900 51 234 13 976

Екатерининский 15 380 28 000 55 243 163 689

Парк Хаус 25 570 31 340 98 270 362 443

Мегаполис 27 380 35 000 87 653 61 236

Алатырь 21 040 40 000 98 549 66 489

Карнавал 22 740 40 000 101 478 63 520

КомсоМолл 17 180 47 072 180 185 82 703

Гринвич 46 700 89 041 356 542 22 177

Мега 43 400 100 000 356 468 258 294

Рис. 2. Торговые центры и соответствующие им полигоны Тиссена

Размер торговой площади,

Рис. 3. Зоны влияния торговых объектов в зависимости от торговой площади, по данным www.arendator.ru

ставил 0,8546. При более подробном анализе графика зависимости среднесуточной посещаемости от потенциальной аудитории (рис. 4) можно выявить, что модель очень хорошо прогнозирует посещаемость средних и крупных торговых центров (торговая площадь >30 000 м2). Это связано с тем, что на объекты меньшего размера сильно влияют локальные факторы, такие, как уровень пешеходного потока, визуальная до-

ступность, наличие общественного транспорта и т.д. В то же время У. Рейли в работе [21] установил значение коэффициента в, равное 2, на примере анализа более 2 тыс. супермаркетов в США. Этот параметр соответствует фактору доступности, его значение показывает, что доступность в 2 раза важнее при выборе места оказания услуг ежедневного спроса по сравнению с объектами эпизодического спроса.

Таблица 2

Значения коэффициента корреляции среднесуточной посещаемости и потенциальной аудитории при разных значениях параметров а и в

а = 0,5 а = 1 а = 2 а = 3

ß = 0,5 0,8514 0,8477 0,8048 0,7530

ß = 1 0,8462 0,8546 0,8274 0,7827

ß = 2 0,8034 0,8359 0,8470 0,8235

ß = 3 0,7298 0,7859 0,8361 0,8374

Анализ карты [2] и результатов моделирования позволяет дать следующие рекомендации для устойчивого развития торговых объектов:

— торговые центры, которые расположены на удалении от жилых массивов, должны ориентироваться на товары и услуги эпизодического спроса и усиливать эту специализацию, чтобы привлечь целевую аудитории из своей зоны обслуживания;

— торговым объектам в районах с высокой плотностью населения в ближней зоне обслуживания необходимо ориентироваться на товары и услуги ежедневного спроса;

— крупные региональные торговые центры предпочтительнее размещать на периферии города, так как фактор доступности ограничен размерами города, в то время как ассортимент — только объемом рынка.

К недостаткам этой модели относятся технические ограничения, закладываемые в ней, А.С. Козерод называет их отсечением. В результате при моделировании образуются "хвосты" на гистограмме вероятности посещения объекта в зависимости от расстояния (рис. 5).

Вследствие этого если у крупного объекта нет конкурентов в его нише, то начинает работать алгоритм "пространственной монополии", когда 100% населения, проживающего в полосе между зонами влияния самого крупного торгового объекта и объекта, следующего за ним, становятся потенциальной аудиторией крупнейшего центра. Такая ситуация присуща регионам, так как в них только сейчас начинается активная конкуренция между торговыми объектами, при этом крупные торговые объекты имеют преимущество, выраженное в "пространственной монополии".

Выводы:

— в настоящее время не существует универсальной модели, которая объясняла бы потребительские предпочтения населения. Методы и точность их установления зависят от сложности и необходимых ресурсов, но в отношении точности к потраченным ресурсам лидирует модель Хаффа, которая с 1963 г. хорошо зарекомендовала себя в разных бизнес- и научных исследованиях;

— при анализе эволюции моделей выявляется тренд, который выражается в "гуманизации" моделей, во главу угла ставится человек с его потребностями и предпочтениями, так как современный формат обслуживания населения усложняется, происходит сегментация рынка на ниши и повышается конкуренция;

— на современном этапе для увеличения точности моделей предлагается проводить социологические опросы, включать в оценку более широкий круг факторов и улучшать качество необходимых данных для пространственного моделирования потребительского поведения, а также рекомендуется комбинировать разные модели.

Рис. 5. Распределение вероятности посещения ТЦ "Мега" (Екатеринбург) в зависимости от расстояния до жилых домов

СПИСОК ЛИТЕРАТУРЫ

1. Джоунз Г. Торговый бизнес: как организовать и управлять. М.: ИНФРА-М, 1996. 304 с.

2. Имангалин А.Ф., Ушакова Л.А. Комплексная оценка расположения объектов аптечной сети с использованием геоинформационных технологий (на примере г. Уфы) // Сб. науч. тр. 17-й Междунар. конф. "ИнтерКарта-ИнтерГИС—17". Барнаул, 2011. С. 259—264.

3. Козерод Л.А. Методы выбора и модели оценки месторасположения розничного торгового предприятия // Мат-лы Междунар. науч.-практ. конф. "Модернизация экономики России в контексте глобализации". Т. 2. Хабаровск, 2011. С. 136—146.

4. Угаров А.С. Методы выбора местоположения торговой точки // Маркетинг в России и за рубежом. 2005. № 6. С. 99.

5. Applebaum W., Cohen S.B. The dynamics of store trading areas and bicubic splines // J. Retailing. 1992. N 68. P. 221—241.

6. Chasco Y.C., Vicens O.J. Spatial interaction models applied to the design of retail trade areas // 38 th Congress of the European Regional Science Association. Vienna, 1998.

7. Christaller W. Die Zentralen Orte in Sudlentschland. Germany, 1935.

8. Clarke G.P. Changing methods of location planning for retail companies // Geojournal. 1998. Vol. 45. N 4. P. 289—298.

9. Cliquet G. Geomarketing: methods and strategies in spatial marketing. L.: ISTE, 2006.

10. Craig C.S., Ghosh A., McLafferty S. Models of the retail location process: A review // J. Retailing. 1984. Vol. 60. P. 5—36.

11. DuggalN. Geography "Retail Location Analysis: A case study of burger king & McDonald's in Portage & Summit Counties". Ohio, 2007. 141 p.

12. Fotheringham А.S. Modeling hierarchical destination choice // Environment and Planning A. 1986. N 18. P. 401—418.

13. GautschiP.A. Specification of patronage models of retail center choice // J. Marketing Res. 1981. N 18. P. 162—174.

14. Huff D.L. A Probabilistic analysis of shopping center // Land EconoMCI Model. 1963. N 39. P. 81—90.

15. Jones K.G., Mock D.R. Evaluating retail trading performances // Store Location and Store Assessment Res. N.Y: John Wiley, 1984.

16. Kohsaka H. Monitoring and analysis of a retail trading area by a card information: GIS approach // J. Retailing and Consumer Services. 1997. Vol. 4. N 2. P. 109—115.

17. Kohsaka H. Three-Dimensional representation and estimation of retail store demand by market equilibrium // Ann. ofthe Assoc. ofthe American Geographer. 1961. N 51. P. 73—101.

18. Losch A. The economics of location: conn Yale University Press. New Haven, 1954.

19. McFadden D. Econometric models of probabilistic choice // Structural Analysis of Discrete Data with Econometric Applications. Cambridge: MIT Press, 1977.

20. Nakanishi M., Cooper L. Parameter estimate for multiplicative interaction choice model: Least Squares Approach // J. Marketing Res. 1974. N 11. P. 303—311.

21. Reilly W.J. The law of retail gravitation. N.Y., 1931.

22. Silveira P., Silva V., Ponce Dentinho T. Spatial interaction model with land and water use // An Application to Terceira Island. 45th ISOCARP. Congress. Porto, 2009.

23. Tardiff T.J. Definition of alternatives and representation of dynamic behavior in spatial choice models // Transportation Res. Record. 1979. N 723. P. 25—30.

Поступила в редакцию 03.12.2012

A.F. Imangalin

SPATIAL MODELS OF CONSUMER BEHAVIOR APPLIED FOR THE ASSESSMENT OF MARKET SERVICES DISTRIBUTION

A review of spatial models of consumer behavior used for the assessment of the location of commercial facilities showed two principal groups, i.e. deterministic and stochastic ones. Main types of models of these groups are described, as well as their operation modes, advantages and disadvantages. Recommendations on their use are suggested. The accuracy of the Tyssen model (from the deterministic group) and the Haff model (from the stochastic group) is evaluated. The models were tested for the Ekaterinburg town with the trading centers as commercial objects. The models were evaluated using the data on the population of each building, street and road network and the speed regime, annual mean number of customers per 1 day.

Key words: spatial models of consumer behavior, preference models, spatial interaction, assessment of location, gravitational models, trade zone.