Как спрогнозировать трафик в объект торговой недвижимости?

Фото: ADG group
Триумфальная арка высотой 25 метров, огромный египетский сфинкс и даже собственный канал длиной в два километра, – все это не достопримечательности маленького города, а места для развлечений торгового центра «Новый Южный Китай». Открытый в 2005 году, этот ТЦ стал самым большим моллом в мире. Его владельцы рассчитывали на 70 тысяч гостей ежедневно. Вместо этого на протяжении почти 10 лет после открытия 99% площадей торгового центра оставались вакантными. 

Причиной фиаско амбициозного проекта стали ошибки при выборе места для строительства и неправильный расчёт прогнозируемого трафика в объект. Пример Нового Южного Китая – пожалуй, самый известный, но далеко не единственный, когда ошибки при расчете трафика сводят на нет попытки владельцев торговых центров выйти на окупаемость и, как результат, ведут к банкротству бизнеса. 

Как правильно определить трафик и спрогнозировать его изменение в будущем? Рассказывает Мария Ромашина, директор по управлению активами ADG group.

Как рассчитать трафик в будущем? Модель Хаффа, ее плюсы и минусы

«Не место красит человека, а человек место», – гласит известная пословица. В случае с объектами торговой недвижимости все обстоит ровно наоборот. Правильный выбор места для строительства имеет принципиальное значение для успеха торгового центра в будущем. Поэтому девелоперы тщательно выбирают локацию для сооружения таких объектов. При классическом подходе в этом им помогает модель Хаффа. С ее помощью можно оценить привлекательность локации для торгового центра. 

Именно понятие «привлекательности» места, которое впервые появилось в модели Хаффа (также ее называют баллом Хаффа) и которое можно оценить с помощью отдельной переменной, выгодно отличает ее от других способов оценки перспективности локации. С помощью этой переменной, которую также называют «гравитационным потенциалом», можно оценить прогнозируемый трафик на основе многих параметров – от охвата торгового центра и его востребованности в районе как новой точки притяжения до объема трафика в зависимости от экономической ситуации в городе. 

Балл Хаффа – неплохой инструмент для создания предиктивных моделей с использованием геоданных. С его помощью с высокой долей вероятности можно сделать прогноз о трафике в ваш объект в будущем. Эта модель отлично подойдет, если вы планируете построить объект в небольшой городе, а вот оценка трафика в мегаполисе с ее помощью несет в себе риски. 

Прежде всего, они связаны с более сложным коммерческим ландшафтом. В крупных городских агломерациях работают десятки торговых центров, а также street-арендаторов, которые конкурируют за посетителей и влияют на глубину рынка. Модель Хаффа не учитывает влияние конкурентов на трафик вашего объекта, поэтому погрешность прогноза может возрастать более 20% при расчете для объектов в мегаполисах. На практике цена такой неточности может быть слишком высока для бизнеса. 

Как рассчитать трафик точнее?

Представьте, что вы управляете автомобилем и просите навигатор выстроить вам маршрут в незнакомом городе. Маршрут построен, и вы выбираете самый короткий путь. После чего встаете в огромную пробку, которую не смог учесть при планировании ваш навигатор. Использование модели Хаффа при прогнозе трафика в Москве очень похоже на поездку с таким навигатором. 

Именно с такой проблемой мы столкнулись при расчете трафика при строительстве наших новых объектов. Для ее решения мы разработали собственную систему предиктивности. Она включает оценку 11 параметров. Их задача – сделать сценарии прогнозирования трафика на этапе проектирования и эксплуатации более точным и сократить погрешность расчета.

Это база: рассчитываем три группы критериев

 
Для формирования базовой линии потенциала органического трафика, а также параметров ее корректировки для достижения максимальной точности прогноза мы разделили наши критерии на три блока. Они помогают нам создать более точную модель и лучше спрогнозировать трафик в объекты в будущем. 

Что это за критерии и зачем их использовать? Рассказываем подробнее ниже. 

● Уточняем особенности локации. Для этого анализируем три важных критерия: численность проживающих в зоне охвата (мы берем 15 минут пешком), расстояние до ближайшей станции метро и объем конкуренции. Оценка этих критериев позволяет точнее оценить трафик от транспортных и пешеходных потоков, а также понять, какую часть из него потенциально могут забрать конкуренты. 

● Узнаем, сколько «дневного населения» рядом с локацией. Для обеспечения стабильного качественного трафика важно оценить наличие и объем «дневного населения» вокруг локации. На это указывает наличие вузов рядом, число бизнес-центров в районе, возможности рекреационных зон. С помощью этой группы критериев мы можем лучше оценить количество людей, которые постоянно находятся в потенциальной локации в течение дня, а более детальный портрет этой аудитории помогает нам лучше понять, на кого из арендаторов делать ставку в конкретном объекте. Анализ этой группы критериев помогает нам планировать мероприятия партнерских проектов, например, спортивные тренировки на крышах наших районных центров. Мы знаем, как составить расписание таким образом, чтобы оно было удобно и жителям района, и студентам, и сотрудникам бизнес-центров.

● Рассчитываем влияние коммерческой стратегии. Определяем tenant-mix и оптимальный GLA торгового центра. Рассчитываем потенциал каждой из четырех категорий tenant-mix: супермаркеты, F&B, развлечения, фитнес. Оценка этой группы критериев помогаем нам подбирать правильный набор арендаторов, позволяющий максимизировать трафик, прогнозировать эффективность работы в наших районных центрах фитнес-клубов, фуд-холлов и других функций. С ее помощью можно оценить коэффициент конвертации в будние и выходные дни, а значит точнее оценить загрузку в течение всей недели. 

Использование трех групп критериев помогают точнее спрогнозировать трафик при управлении коммерческой недвижимости и спрогнозировать востребованность объекта торговой недвижимости среди посетителей.

Такой анализ помог нам принять решение об открытии фуд-холла в районном центре «Место встречи Орбита». Для успешной работы арендатора данной категории требуется стабильный трафик, который не всегда можно обеспечить только за счет жителей района, в котором находится объект. Поэтому при открытии таких пространств мы всегда очень тщательно оцениваем трафик, его размер и изменение в зависимости от дня недели.

«Орбита» находится на пути от метро к парку «Коломенское». С помощью нашей модели мы рассчитали дополнительный трафик, который формируется благодаря посещению музея-заповедника «Коломенское» москвичами, и поняли, что его будет достаточно для успешной работы фуд-холла в этом районном центре. Далее – работа маркетинга по информированию и формированию устойчивого потока трафика. 

Наводим четкость: еще три дополнительных параметра

Помимо базовой линии потенциала органического трафика, мы используем еще три дополнительных критерия. Это фактор сезонности, с помощью которого можно оценить изменение трафика в зависимости от времени года. Информацию можно взять из открытых источников, например данные аналитического агентства «Аналитика Москвы» и валидировать их с помощью исторических данных. Это дополнительный этап анализа, позволяющий сократить погрешность результатов. 

Также при прогнозировании трафика мы учитываем данные, собранные в процессе эксплуатации наших объектов. Этот объем данных позволяет нам формировать коэффициент корреляции трафика и заполняемости ТЦ, а также рассчитывать органический рост год к году в зависимости от срока работы ТЦ.

---

Читайте также: Пространство наверху: как создать и использовать эксплуатируемую крышу объекту торговой недвижимости?

---

Каких результатов мы достигли?

С помощью разработанного инструмента прогнозирования мы смогли значительно повысить точность оценки трафика. Сегодня для наших новых объектов мы прогнозируем трафик с погрешностью не более 3-5% на всем периоде анализа и всего в 1% по портфелю по итогам 2023 года. Это помогает нам еще на этапе строительства объектов успешнее работать с арендаторами и формировать tenant-mix, который помогает максимизировать заполняемость, товарообороты арендаторов и, как следствие, доходность наших районных центров. 

Мария Ромашина, 
директор по управлению активами ADG group.

Для NEW RETAIL