Секс-шоп, кафе или бар? Как Best Address поможет выбрать лучшее помещение для конкретного вида бизнеса
Привет, меня зовут Данила Тривайло, и сегодня хочу рассказать про наш проект, который мы запустили на днях.
О чем, собственно, речь?
Допустим, вы решили открыть кофейню, кальянную, аптеку или компьютерный клуб. Начинаете смотреть помещения, составили некий шорт-лист. Как понять, насколько большой потенциал у каждого из объектов?
По сути, дальше все модели бизнеса делятся на 2 большие группы.
Модель «На трафике». В таком случае самое основное — какое число людей проходит мимо вас за Х времени. Это и есть ваши потенциальные клиенты, которых вы можете сконвертировать в тех, кто увидит ваше заведение, затем войдет в него и, наконец, совершит покупку. Такая модель актуальна для стрит-ритейла, торговых центров, метро, вокзалов, бизнес-центров и других аналогичных мест. По сути, в таком случае вас не особо интересует, сколько людей живет поблизости. Для таких задач я видел сервис GisBuyer, который работает на анализе данных от сотовых операторов. Также встречал решения, которые оценивают трафик по вай-фай, количеству чеков в определенном районе, или те, кто считает трафик с помощью камер (ссылка на statpad.ru) или специальных приборов. Будет здорово, если у вас был опыт и вы напишете современные решения в комментах.
Модель «На районе». При таком подходе вы ориентируетесь не на трафик, а на число людей, которые проживают в шаговой доступности от конкретного адреса. Такая модель больше актуальна для спальных районов, где людям по-прежнему нужна инфраструктура, но они не готовы ехать далеко.
Мы решили собрать пилот и запустили bestaddress.ru — сервис, который поможет оценить адреса с точки зрения их потенциала для разных сфер бизнеса.
Пока сервис работает только по Москве внутри МКАД.
Как работает?
Суть сервиса очень простая.
- Вы вводите адрес.
- Мы считаем, сколько жителей вокруг указанного адреса приходится на одно кафе, аптеку, салон красоты и еще 30 других категорий.
- Сравниваем полученный коэффициент со средним числом по данному кластеру.
- На основании этого делаем вывод — стоит ли открывать организацию данного типа в этой локации или нет.
Теперь обо всем по порядку.
Кластеризация
Первым делом мы разбили все адреса на кластеры. В нашем случае кластеры — это локации со схожими параметрами: удаленность от центра, от метро, наличие рядом торговых центров.
В будущем стоит усложнить разбивку на кластеры, но так как это проба пера, мы взяли основные параметры: удаленность от центра, от метро и от торговых центров.
Деление на кластеры нужно для того, чтобы сравнивать адреса в схожих локациях между собой. То есть, очевидно, что на Арбате и в Бутово нужно разное количество аптек, кофеен и магазинов на 1000 жителей, проживающих рядом.
Средние значения
Поскольку мы много работаем с данными по квартирам, у нас есть возможность подсчитать, какое число людей живет вокруг каждого адреса, исходя из числа домов, подъездов, этажей и квартир. Также у нас есть возможность оценить, какое число организаций определенного типа находится в шаговой доступности от каждого адреса.
Поэтому мы посчитали медианные значения по соотношению организаций и местных жителей для каждого из полученных кластеров. Условно: стало понятно, что для спального района вдали от центра и от метро 1 кофейня на 1000 жителей — норма, для локации в центре города около метро — слишком мало.
Оценка каждого адреса
Теперь мы знаем, к какому кластеру относится каждый отдельный адрес и какие средние значения мы можем брать за норму для всех аналогичных локаций.
Для итогового результата мы сравниваем соотношение жителей и организаций со средними значениями по кластеру — и получаем оценку, какой вид бизнеса стоит открыть в данной локации.
Недостатки подхода
Очевидно, что bestaddress.ru — не универсальное решение. У нас была гипотеза, и было очень интересно, как отработает такая логика оценки. Как минимум это может помочь быстро оценить несколько вариантов помещений для частных предпринимателей, которые хотят открыть локальный бизнес. С другой стороны — текущую реализацию можно сильно улучшить и использовать для больших сетей. Ведь, помимо жителей, можно учитывать наличие конкурентов (или вообще конкретных брендов) рядом с предполагаемой точкой.
Еще, как вариант, можно добавить повышающие коэффициенты. Например, если речь идет про компьютерный клуб, очевидно, что наличие рядом школы или колледжа повышает привлекательность локации.
Если вы посмотрели наш сервис, нам будет интересно услышать любой фидбэк:)
Идея клёвая, реализация - спорная. ИХМО, нужно идти от обратного - пользователь выбирает бизнес, на карте показываются зоны, где бизнесов мало. Если я спец по ремонту авто, я не буду открывать парикмахерскую только потому, что вокруг моего дома их мало. Я хочу узнать место, где лучше всего открыть сервис
Василий, хороший фитбэк, спасибо👍
Мы считаем, сколько жителей вокруг указанного адреса приходится на одно кафе, аптеку, салон красоты и еще 30 других категорий. На основании этого делаем вывод — стоит ли открывать организацию данного типа в этой локации или нет.Сразу видно - авторы вообще ничего не открывали раньше, иначе бы знали, что это вообще не работает. Надо знать структуру и качество населения, структуру и качество трафика, его доход, его привычки и ещё дохуища факторов. Кроме того, эффект синергии работает сильнее отсутствия конкуренции: чем больше ресторанов в одной точке, тем больше совокупный поток людей туда и тем больше поток в каждое заведение по отдельности, со шмотками также работает.
Не надо отсутствие своей экспертизе в ритейле демонстрировать настолько широко.
Вообще, Геоинтеллект уже сделал более полезную штуку, юзайте лучше его и ему подобные сервисы, ну и свою голову, конечно.
Здравствуйте
Решил протестировать.
1. Вбил свой адрес, показало, что рядом 3 бассейна. Посмотрелись карте, а у нас их 2(детский и взрослый)
2. Вбил адрес знакомого. Показал, что мало продуктовых, но в радиусе 500м от точки у них 4 супермаркета. Это не считая маленьких продуктовых.
Как-то странно…
С другой стороны — текущую реализацию можно сильно улучшить и использовать для больших сетей.
С одной стороны - вам надо найти партнера типа ВТБ, которые могут к вашей оценке дать еще и расчет по финансовым показателям места на основе данных о покупках через терминалы. С другой стороны - у них уже все это есть, но скорее всего дорого и не для всех.
А в целом проект довольно полезный с моей точки зрения, но возможностей в нем должно быть больше, чтобы он кому то был нужен.
Вам бы еще с банком каким нибудь спартнериться, они бы могли дать анонимные данные об уровне платёжеспособности в конкретном районе.
Можно еще в вашем сервисе сразу указывать что за помещение у вас. Типа: офис на 12 этаже. 15 кв.м. сразу автомойки и кафе отпадают.
Сервис работает по всей России? Регионы можно смотреть?