Выбор местоположения торговой точки является одним из самых важных решений, которое должна принять фирма, работающая в сфере розничной торговли. С одной стороны, местоположение магазина определяет потенциальное количество клиентов и оборот. С другой стороны, в зависимости от места стоимость получения прав на строительство и аренду земли может различаться в несколько раз. Наконец, размещение магазина влияет на его имидж и имидж марки всей торговой сети. Но если арендная плата и стоимость получения прав на строительство известны заранее, то оборот можно только прогнозировать. Поэтому прогнозирование оборота является центральной и наиболее сложной процедурой при выборе местоположения.
Логика мышления зачастую основывается на том факте, что спрос на услуги данной торговой точки имеет очевидную географическую направленность. Возникает соблазн определить максимальное расстояние, которое сможет проехать потребитель магазина, и рассчитать численность населения, проживающего в пределах круга с данным радиусом. Полученное число затем можно использовать как основу для прогноза оборота новой торговой точки.
Однако такой подход имеет множество недостатков. Во-первых, не только географический фактор определяет спрос на услуги магазина, так как зона охвата значительно уже в районах с более интенсивной конкуренцией.
Во-вторых, даже при достаточно ровных границах участков прогноз, основанный на специально оцененных размерах торговой зоны, будет иметь очень низкую достоверность. Дело в том, что площадь и, соответственно, численность населения в круге (при равномерной плотности) возрастают пропорционально квадрату радиуса. Показатель времени, необходимого для достижения точки на автомобиле, примерно пропорционален расстоянию. Поэтому если мы можем оценить время с точностью в +/–15% с доверительной вероятностью в 0,95, то с той же доверительной вероятностью точность прогноза оборота будет примерно +/–30%.
Учитывая, что методы измерения торговой зоны (в том числе основанные на полевых исследованиях и статистике) также имеют серьезные слабости и подвержены непрогнозируемым смещениям, то результирующая точность прогноза будет довольно низкой. Цена ошибки в случае создания крупного торгового центра может составлять несколько миллионов долларов.
Ввиду важности местоположения для розничного предприятия и наличия методологических сложностей с прогнозированием оборота, возникает необходимость применения специальных методов для решения этой задачи. Всего известно четыре основных подхода к прогнозированию оборота торговой точки, но только два из них достаточно активно применяются в России. В данной статье мы кратко опишем все методы, уделяя особое внимание тем двум, что менее всего известны в нашей стране, но обладают наибольшей мощностью.
Метод контрольного списка
Первый метод можно назвать рейтинговой методикой или методом контрольного списка. Он предполагает оценку каждого варианта размещения магазина по фиксированному набору параметров. Значение параметров для всех вариантов оценивается экспертом. Шкала (но не ее вид) неявно определяется самим экспертом по каждому параметру.
Набор параметров может быть разноплановым и обычно относится к ноу-хау компании или эксперта, использующего методику. Зачастую в набор входят данные о социально-демографической структуре населения в районе, индекс насыщенности<1>, проходимость по автомобилям и пешеходам, удобство подъезда и парковки, близость к другим крупным торговым точкам, предполагаемую видимость [2, 7, 13].
<1> Индекс насыщенности равен потребительскому потенциалу территории по некоторой категории товаров/услуг, деленному на суммарную торговую или общую площадь розничных предприятий района по данной категории.
Метод контрольного списка дает исследователю некоторую систему, однако стороннему специалисту достаточно сложно оценить качество оценок. Даже при заданных весах за счет варьирования шкал по каждому параметру могут быть получены самые разные ранжирования объектов. К примеру, у одного эксперта оценки удобства подъезда могут варьироваться от 4 до 6 по десятибалльной шкале, а у другого — от 1 до 10. За счет большей вариации данный параметр принесет более значительный вклад в итоговый индекс.
Обычный путь состоит в нормировании значений оценок. Но нормирование может искажать результат, так как при выставлении весов сложно ориентироваться на равную вариацию оценок. Естественный путь избежать этого эффекта — использовать некоторую количественную шкалу, которая затем может нормироваться.
Метод контрольного списка стал, пожалуй, самым распространенным методом для принятия решений по местоположению как в России, так в США и Западной Европе. Очевидным преимуществом является его простота и дешевизна. Кроме того, в некоторых случаях высококвалифицированный и опытный эксперт может дать оценку более точную, чем любой существующий статистический метод. Фактически наличие эксперта, умеющего хорошо оценивать площадки, является необходимым условием для применения данного метода. Это же является и основным недостатком. Возникает и менее важная проблема эффектов взаимодействия между характеристиками различных точек, которую нельзя учесть в контрольном списке. Можно сделать вывод, что в наибольшей мере технология контрольного списка подходит для предварительного отбора приемлемых площадок квалифицированным экспертом.
Аналоговый подход
Как можно догадаться из названия, аналоговый подход основан на использовании значений некоторых характеристик существующих торговых точек в качестве основы прогноза для новых. Затем оптимальное на основе максимизации оборота или ожидаемой прибыли точки выбирается место.
В аналоговом подходе используются характеристики торговых точек, предположительно не изменяющиеся между объектами одного типа. По мнению приверженцев методики основная стабильная характеристика — это способность привлекать посетителей, характеризуемая или расстоянием, в пределах которого будет жить определенный процент клиентов магазина, или временем, необходимым для того, чтобы добраться от места проживания клиента до торговой точки [3].
На первом шаге применения аналогового подхода необходимо отобрать ряд действующих торговых точек, схожих по всем основным характеристикам, за исключением, возможно, плотности населения в районе. Сходство определяется как минимум по параметрам формата, товарных категорий в ассортименте и торговой площади.
На втором шаге оценивается способность торговых точек привлекать клиентов. Обычно в этих целях в качестве достаточно точного и дешевого метода используется опрос клиентов в торговых залах. Кроме того, исследование торговой зоны может быть совмещено с иными опросами в торговом зале. В США также использовался метод сбора информации по автомобильным номерам автомашин на стоянках торговых точек, сверявшейся затем с базой данных по регистрации автомобилей.
Для оценки оборота в новой торговой точке в анкету необходимо включить следующие вопросы о:
- местожительстве респондента;
- времени, которое он затрачивает на дорогу до магазина;
- используемом транспорте;
- частоте посещения магазина;
- обычных обстоятельствах визитов (после работы по дороге домой; когда бывает в этом районе и т.д.);
- целях визитов.
На третьем, заключительном шаге расчетов аналитик должен вычислить оборот новой торговой точки. В простейшем случае это можно сделать путем подсчета численности целевого сегмента в предполагаемой зоне охвата новой торговой точки. Таким образом, прогноз оборота для новой торговой точки в той мере будет отличаться от текущего значения оборота, в какой различаются плотности заселения торговых зон представителями целевого сегмента.
В более сложных вариантах отдельно учитываются пешеходы, автомобилисты, клиенты, для которых офис находится на пути с работы домой. Кроме того, возможно составление модели потребления услуг в зависимости от социально-демографических характеристик потребителей (например, дохода) и ее учет при составлении прогноза. Однако все усложненные модели потребуют значительно большего объема исходной информации, как минимум, базы данных, содержащей пространственную информацию.
Аналоговый подход очевиднее метода контрольного списка. В методе контрольного списка вычисляется лишь некоторая функция, коррелированная с потенциальным оборотом, тогда как первый метод ориентирован на прямое вычисление прогноза оборота при некоторых упрощающих предпосылках.
Однако это преимущество носит скорее теоретический характер, чем практический. Оба метода не имеют в своей основе алгоритма, который давал бы точный результат любому аналитику, беспрекословно ему следующему. Свобода эксперта снижается во втором случае, но даже в случае аналогового подхода эксперт сможет получить на выходе практически любой разумный результат. Кроме того, к аналоговому подходу можно прямо отнести все проблемы, связанные с измерением торговой зоны магазина.
Регрессионный анализ
Зачастую используют еще более очевидный и строгий подход, основанный на построении регрессии оборота от основных характеристик размещения магазина. Выбирается место, обеспечивающее максимально ожидаемое значение оборота. Выборка формируется так же, как и во втором случае: эксперт отбирает группу сходных предприятий. Однако это сходство не должно быть уже столь близким, как в аналоговом подходе. Достаточно лишь, чтобы все магазины относились к одному типу предприятий (гипермаркет, супермаркет и т.д.).
Переменные, описывающие расположение каждого магазина, могут быть получены из стандартных контрольных листов. Кроме того, в число регрессоров включаются переменные, описывающие рынок в зоне размещения, характеристики торговых точек, потребителей, цены и уровень конкуренции. Принципиально важно, чтобы значения каждой переменной по всем точкам выборки оценивались одним экспертом.
В целом метод достаточно часто применялся в случаях сетевых розничных компаний. Регрессионный анализ использовался для выбора местоположения продовольственных магазинов [4], отделений банков [9; 14], винных магазинов [10], отелей. Мы приводим ссылки только на академические исследования, так как исследования, предпринятые с исключительно прикладной целью, редко разглашаются. Известно, что метод достаточно популярен и у практиков в силу его простоты и объективности результата.
Проблемы, связанные с использованием регрессионного анализа, имеют в основном статистический характер и хорошо известны специалистам в области эконометрики. Однако отсюда не следует, что все эти проблемы легко решаемы и что регрессионный анализ дает всегда хороший результат. Во многих случаях нелинейность зависимостей и большая ошибка измерения ключевых переменных не позволяют построить хорошую зависимость с высоким коэффициентом детерминации.
Для всех регрессионных моделей прогнозирования оборота и доли рынка возникает проблема измерения переменных-регрессоров. Безусловно, переменные должны входить в уравнение регрессии с такими значениями, какими они представляются потребителям. Однако эти данные приходится заменять некоторыми условными конструкциями. Например, площадь магазина заменяет по сути показатель широты и глубины ассортимента. Приходится искусственно оценивать уровень конкуренции и покупательский потенциал населения. Кроме того, эксперты зачастую оценивают характеристики торговых точек совсем не так, как это делают потребители. Нарушаются не только пропорции между оценками, но и их порядок.
Во многих же случаях эксперту не представляется возможности испытать подобные проблемы на практике: для построения уравнения регрессии ему просто не хватает данных. Найти в полном объеме информацию о десяти и более однотипных торговых точках можно, пожалуй, только в том случае, когда анализ выполняется специалистами крупной торговой сети.
Модели выявленных предпочтений
Модели выявленных предпочтений являются развитием пространственных моделей, таких, как модель Рейли [15]. Смысл состоит в том, чтобы на основе фактических пространственных данных о выборе магазинов респондентами оценить параметры модели для прогноза рыночной доли. Если в модели Рейли значения параметров фиксированы, то здесь они оцениваются эконометрическим путем. На основе доли предприятия можно оценить оборот, прибыль и привлекательность той или иной точки. Кроме того, данный метод позволяет вместе с местом выбрать и оптимальную концепцию предприятия для каждого варианта размещения.
В соответствии с аксиомой Люса [11] 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. Каждый потребитель может выбрать только одну торговую точку и не меньше, чем одну. Формула выглядит следующим образом:
где Tij — удаленность торговой точки j от потребителя в ситуации i; Sj — площадь торговой точки j; — некоторый положительный параметр, требующий статистической оценки (обычно принимает значения от единицы до трех); n — число торговых точек.
<2> Регрессионные модели, включающие в простейшем случае или логистическое преобразование (логит-модель), или преобразование по формуле стандартного закона нормального распределения (пробит-модель) по отношению к линейной функции от регрессоров. Оцениваются методом максимального правдоподобия.
В общем же случае выражение для вероятности выбора потребителем определенной точки в MCI выглядит следующим образом [12]:
где xkij — k-я переменная, описывающая точку j в ситуации выбора i; Bk — показатель чувствительности функции полезности к k-й переменной (или уровень эластичности по этой переменной); q — число переменных, участвующих в функции полезности.
Кроме того, используется функция полезности мультиномиального вида (MNL):
dis.ru 
Источник : hr-portal.ru