Как данные онлайн-касс помогают ритейлу находить новые места для торговых точек?

Зачем данные онлайн-касс нужны предпринимателю?

Пока ритейлеры собирают и покупают большие данные, малый и средний бизнес ищет локации под кофейни, магазины и кулинарии, основываясь на личной экспертизе, используя минимум данных из открытого доступа. Их, конечно, не хватает. По опыту начинающих предпринимателей на поиск места под кофейню в Москве уходит 3–4 месяца: хорошие места разбирают быстро, а оценить оставшиеся не хватает навыков.

Предпринимателю без связей трудно найти помещение и оценить, сколько прибыли принесет локация.

Большинство оценивают эффективность локации старым дедовским методом: считают проходимость в час пик. На этом этапе многие останавливаются: проходимость 500 человек в час? Возьмем среднюю конверсию и умножим на средний чек. Кто-то идет дальше: изучает открытые картографические сервисы, где недостаточно данных, использует государственные бизнес-навигаторы. Но даже там информации бывает недостаточно.

Как эту проблему решают в мире?

Принимать решения на основании реальных данных, а не только собственной экспертизы и представления о том, как делать бизнес,  – необходимость ритейла во всем мире. За рубежом онлайн-кассы массово установили только несколько стран: Швеция, Словакия, Сербия и Южная Корея.  Но там на рынок геоданных выходят мировые корпорации, а не производители онлайн-касс, как в России.

• Mastercard совместно с одной из платформ для визуализации геоинформационных систем разработал инструмент для ритейлеров и девелоперов. На основании обезличенных пространственно-привязанных данных о транзакциях компания предлагает аналитику для выбора торгового места, его оценки, его характеристик с точки зрения инфраструктуры и будущих покупателей.
• Сеть закусочных Subway за рубежом сотрудничает с IBM Watson: компания обрабатывает данные о погоде, продажах, посещаемости заведений вокруг, предсказывает изменение трафика и планирует коммуникационные кампании с покупателями на основе данных. Например, предлагает скидки покупателям, которые проходят мимо кафе во время дождя.

А как используют данные онлайн-касс для геомаркетинга в России?

Геоаналитика по регионам

Для экспансии в регионы используют данные Росстата. С их помощью можно составить рейтинг территорий по потреблению, оценить доход, емкость рынка. Retail.ru ранее публиковал исследование о географических трендах экспансии ритейла в РФ от Центра пространственных исследований.

Но даже с данными по регионам есть проблема: тем, кто работает в сегментах DIY или спорттоваров, сложно оценить совокупные затраты населения: например, на строительные товары – данные по чекам не совпадают с данными Росстата. Из-за этого сложно оценить реальный объем рынка. Решают проблемы с помощью традиционных опросов потребителей, при этом не всегда учитывают, что общий уровень трат потребителей для отдельных групп товаров может меняться в течение года, чего опрос не может отразить в силу методологической специфики.

Как решить проблему?

Данные онлайн-касс позволяют рассчитать показатель среднего уровня затрат на товары той или иной категории в городе. Эти данные нужны, чтобы прогнозировать выручку магазина в новом месте внутри города.  Показатель среднего объема затрат (или среднего чека) по городу или другим территориальным единицам необходим компаниям, которые хотят довольно точно прогнозировать товарооборот, учитывая специфику поведенческого потребления в разных городах и оптимизировать затраты на поиск мест для развития торговой сети.

Доли продаж товарной группы «Табачные изделия в общем объеме продаж по данным онлайн-касс «Эвотор» и геомаркетинговый маркетплейс Geointellect.com.

Данные онлайн-касс позволяют анализировать доли продаж в категории SKU товара в разрезе территориальных единиц: хозтовары, медицинские товары, табачные изделия, чай, кофе и др.

Если накопить данные по субъекту, муниципальному образованию, населенному пункту, административному району крупного города, ритейлер получает реальную выборку затрат на ту или иную категорию товаров в определенном сегменте – FMCG, DIY, косметика, спорттовары.

Средний чек в категории «Лекарственные средства» по муниципальным образованиям территории на примере г. Москва (с 01.05.2018 по 31.07.2018 г.), данные Платформа ОФД, визуализация – геомаркетинговый маркетплейс Geointellect.com

Агрегация геоданных по крупным территориальным единицам не затрагивает конфиденциальность предоставления данных онлайн-касс и ОФД по адресам торговых объектов, что запрещено законодательством РФ и конкретными соглашениями между ритейлерами и ОФД. Но как решить задачи на микроуровне, когда, например, нужно проводить анализ потенциала магазина внутри города, если агрегация территории не позволяет понять детально, каков средний чек по той или иной группе товаров в зоне «5 минут пешком» от данной потенциальной точки? Такое решение тоже есть.

Геоаналитика внутри городов

Раньше ритейлер выбирал место под магазин и оперировал данными о населении, конкурентах, генераторах трафика, доходах населения. Обычно эти геоданные агрегируют по зонам в зависимости от целевой аудитории и формата магазина: для магазина «у дома» анализируют зону пешеходной доступности по графу дорог или по радиусу от объекта, для гипермаркета смотрят зону транспортной доступности. Аналитик сравнивает показатели по локациям, сравнивает с конкурентами и выбирает место, основываясь на совокупной оценке факторов. При этом данных для оценки потенциального спроса населения в исследуемой зоне не было.

Сейчас, с помощью данных по онлайн-кассам можно анализировать информацию о реальных средних чеках в локации, количестве чеков определенной товарной группы SKU.

Так, можно выяснить, что при небольшом трафике в зоне за счет высокого среднего чека можно достичь нужного товарооборота в месяц.

Пример расчета среднего чека по товарной категории «Лекарственные средства в аптеках»  в 5-ти минутной пешеходной зоне (с учетом данных  Платформа ОФД с 01.05.2018 по 31.07.2018 г., а также населения и доходов (Geointellect.com)).

Средний чек — весомый фактор при выборе объекта, а средний чек по категории товаров — весомый фактор для корректировки цен и ассортимента.

Сегодня есть данные по средним чекам и среднему количеству чеков по 40 категориям SKU в различных зонах города. Эти данные позволяют замерять покупательскую активность в индексных зонах и районах города.  С помощью API данные можно интегрировать в BI, ERP и геоинформационные системы. Важно понимать, что данные не привязаны к объектам конкурентов, то есть не противоречат законодательству. Данные агрегируются по зонам внутри города благодаря геоинформационным инструментам.

Retail.ru