BST-Органика: как успешно управлять открытиями, найти лучшие места и построить оптимальную сеть торговых точек на территории?
время публикации: 10:00 17 мая 2018 года
Использование технологий BigData и машинного обучения – мощное конкурентное преимущество и необходимый атрибут лидерства в ритейле. Сооснователи сервиса BST-Органика и партнеры компании BST Digital Иван Иванов и Григорий Кузнецов рассказали о том, как удалось построить платформу, которой уже несколько лет успешно пользуются лидеры российского ритейла.
Что такое BST-Органика? Звучит как что-то из области химии…
Нет, органика – это не из области химии или биологии, это органический рост сети торговых точек. А BST-Органика – это сервисная геоаналитическая платформа с использованием технологий big data и machine learning для поддержки этого процесса на всех этапах – от принятия решения о масштабах и географии расширения сети до прогноза выручки и оценки отдельного помещения.
А можно попроще объяснить, зачем нужна эта платформа, и в чем ее полезность для ритейлера?
Мы иногда шутим, что платформа глобально отвечает на три вопроса:
Что? Где? Когда?
Что из ассортимента будет пользоваться наибольшим спросом в заданной локации?
Где открывать новые точки, чтобы они приносили желаемую выручку и прибыль?
Когда выходить в новые регионы или когда нужно среагировать на ухудшение/улучшение показателей в текущих точках?
Получается, ваши клиенты – это ритейлеры, которые планируют развитие сети? Если да, то чем ваша система им помогает?
Наши клиенты – те, кто планируют открытия, и те, кто хочет управлять эффективностью текущих точек. Платформа комплексная и используется сразу на нескольких уровнях внутри ритейл-компаний. Вот неполный список тех вопросов, по которым BST-Органику используют на практике.
Во-первых, для открытия новых точек.
На стратегическом уровне собственников и директоров:
- Какое количество точек обеспечит выполнение плана по выручке, прибыли, инвестициям, капитализации на следующий период и какие могут быть сценарии развития?
- Или наоборот – какой будет суммарная выручка и прибыль сети в зависимости от планируемого количества открытых точек?
- В каких городах и в каком количестве нужно открыть новые точки? Например, в каком количестве и где открыться, чтобы вырасти в 2 раза в следующем году?
- Где еще остались места в текущем городе, где можно было бы открыться и сколько их?
- Сколько точек оптимально и в каких местах можно открыть в новом городе, чтобы полностью охватить свою целевую аудиторию?
На операционном уровне управления развитием:
- В каких районах нужно искать новые помещения и что включить в адресную программу?
- Какие помещения самые лучшие с точки зрения прогнозной выручки?
- Какая актуальная стоимость аренды в данной локации и есть ли свободные помещения?
- На какую стоимость аренды нужно договориться, чтобы точка соответствовала уровню окупаемости?
- С какого угла здания лучше расположить вход?
На операционном уровне управления маркетингом:
- Какой будет выручка, количество чеков и средний чек в новой точке и какие факторы на это влияют?
- Что сильнее повлияет на выручку новой точки: стрит или ТЦ, большой домашний или рабочий трафик, часы работы, свободная парковка или наличие рядом конкурентов?
- Какой будет каннибализация, если открыть точку рядом с уже существующей?
- Какая из существующих точек является аналогом по набору критериев для новой?
- На какие категории ассортимента наибольший спрос в этой локации? Как это использовать в зонировании внутреннего пространства?
Во-вторых, использование системы будет полезным и для обслуживания существующих точек.
- Насколько текущие точки полностью охватывают потенциал рынка в данной локации?
- В какие точки вкладываться, какие закрыть, в каких изменить ассортиментную, ценовую политику, продвижение или персонал?
- Как точно спланировать выручку по текущим точкам в условиях меняющейся внешней среды?
По сути BST-Органика – это три сервиса, объединенных в одном комплексном решении:
(1) – геоаналитика и тепловые карты городов со слоями полезных данных
(2) – точный прогноз выручки в новой точке методами машинного обучения
(3) – автоматизированный бизнес-процесс управления открытиями со своей структурой ролей и доступов, централизованным хранением данных, возможностью голосования, расчетом ТЭО, созданием адресной программы и аналитическими дэшбордами для руководителей всех уровней
Вы хотели объяснить проще, а получилось достаточно масштабно, – давайте разбираться по порядку, как это работает и, в частности, какие данные используются?
Данных очень много: мы собираем их из открытых и коммерческих источников, например, покупаем данные ведущего мобильного оператора, а на основе них создаем новые данные с помощью эвристических моделей поведения клиентов.
Например, давайте представим, есть некий человек, потенциальный клиент вашей сети.
С помощью данных о населении, количестве организаций и мобильного трафика, мы знаем, где он живет и где работает. По стоимости недвижимости и мобильным данным оцениваем уровень его дохода.
На основании полученного анализа мы моделируем то, как он идет от дома к остановке общественного транспорта или метро, так появляются «народные тропы». По пути с работы домой мы моделируем, в какую из точек: вашу или конкурентов он зайдет, на это влияет время, которое он затратит в пути, сила бренда и даже уровень цен – такие данные собираются в полях.
Считаем по комплексу критериев «захваченные доли домов» – то есть, какая доля жильцов данного дома с большой вероятностью будет посещать вашу точку.
Если же клиент едет на автомобиле, то мы знаем транзитный трафик по данным операторов и генерируем ближайшие маршруты по карте из центра и в центр, чтобы сравнить удобство заезда по сравнению с конкурентами, а также учитываем наличие свободной парковки.
Как правило, автомобилисты, живущие за МКАДом, охотнее заезжают в магазин, расположенный вблизи дома, и такой фактор мы тоже учитываем.
Машинное обучение позволяет объединить всю экспертизу и выдать объективный независимый прогноз выручки в новой точке, причем за секунды. То, что не под силу обычному аналитику.
Также используются данные для торговых центров: их трафик, наличие якорных объектов, удаленность от входа, близость конкурентов и масса других внутренних параметров.
Вообще вопрос привлекательности той или иной локации порой решают такие на первый взгляд мелочи, как количество ступенек, видимость вывески, солнечная сторона улицы и даже открытая дверь!
После того, как мы оценили привлекательность и спрогнозировали потенциальную выручку в каждом здании, эти данные агрегируются и запускается алгоритм скоринга или «Целевое наведение» – он позволяет показать на карте самые лучшие районы для открытия, а внутри районов конкретные адреса. Если нужно, даже лучшие стороны домов по периметру.
Какова роль машинного обучения и в чем его преимущество?
Представьте, что вы нашли новую точку в центре и знаете, что она в 100 метрах от метро, мимо нее проходит большой трафик, но дверь в дверь стоят два конкурента. Другая точка – в новом спальном районе, людей живет не так много, но и конкурентов нет. А третья точка – в торговом центре в деловом районе на втором этаже. Какую выбрать? Ответ не очевиден. Каждый эксперт в компании выскажет свое мнение на основе своего опыта и интуиции.
Машинное обучение позволяет объединить всю экспертизу и выдать объективный независимый прогноз выручки в новой точке, причем за секунды. То, что не под силу обычному аналитику: проанализировать огромное количество факторов внешнего окружения, выявить, как они влияют на выручку уже существующих точек и применить это влияние на новую точку, о которой известно внешнее окружение, но неизвестна выручка.
Мы используем разные методы машинного обучения: линейные, полиномиальные и более продвинутые, такие как случайный лес, градиентный бустинг над решающими деревьями, метод ближайших соседей и многие другие. Но главное – то, что мы делаем ансамбль из методов, который дает обобщенный итоговый прогноз и делаем акцент на объясняемость и влияние факторов, т.к. никому не нужен черный ящик, из которого непонятно, как берется прогноз, даже если он сделан супер-модным методом, таким как, например, нейронные сети. В итоге клиент видит логичную картину и вполне понятное объяснение, – мы не «грузим» клиента сложной математикой.
Какой точности удается достигать с помощью машинного обучения? Действительно ли это существенное улучшение?
Да! Машинное обучение позволяет прогнозировать выручку в среднем по всем точкам на уровне 80-90%, а отдельно взятые точки часто попадают в 100%. Традиционные же подходы, как правило, имеют точность 50%-70% в среднем по сети.
Причем зачастую клиенты уверены в том, что их точность прогнозирования очень высокая, но когда мы считаем вместе, выясняется, например, что считаются отклонения в прогнозах по всем точкам без учета модуля, то есть получается средняя температура по больнице: половина точек перевыполняет план, другая половина недовыполняет, но в среднем все точно. Важно правильно делать расчеты, чтобы замерять эффект.
И, наконец, автоматизированный бизнес-процесс – что это такое и зачем это нужно?
Чтобы ответить на этот вопрос, давайте представим себе то, как обычно строится работа по открытию.
Собственники и директора на основе финансовых отчетов ставят цели на следующий год: хотим открыть 10-50-100-1000 новых точек. Маркетологи начинают изучать карты или традиционные ГИС-системы, пытаются прикинуть, сколько еще точек можно открыть. Руководитель по развитию вручную составляет адресную программу, после чего поисковики начинают в полях искать свободные помещения и считать трафик. Данные присылаются по электронной почте в разных форматах, зачастую потом теряются и нельзя их восстановить, если человек ушел из компании.
Аналитики в любимом «экселе» считают прогнозы выручки простыми линейными формулами, потом они попадают в технико-экономическое обоснование (ТЭО), рисуется презентация в power point, распечатывается много экземпляров для комитета по развитию, который проходит много часов с жаркими субъективными спорами. Тратится масса времени топ-менеджмента и ресурсов компании.
Как много всего…
Да! А теперь представьте, что каждый шаг в этом процессе автоматизирован и собран в одной системе.
Генеральный директор видит план-факт по текущим точкам и темпы открытий по новым, видит рекомендованное оптимальное покрытие городов своими точками.
Маркетологи получают автоматически подсвеченные лучшие районы и даже дома с учетом прогноза выручки. По нажатию кнопки формируется список адресов для адресной программы для руководителей развития, они также видят актуальные объявления об аренде.
Эта система для торговых компаний, которые в эпоху цифровизации хотят сохранить и упрочить лидирующие позиции, усилив свои конкурентные преимущества за счет внедрения искусственного интеллекта в базовый бизнес-процесс – расширение сети или управление текущей сетью.
Поисковики в полях вооружены мобильным приложением или доступом в веб-интерфейс, не имея возможности исказить данные об объекте или не заполнить важные поля. Эти данные, включая трафик, фото и видео локации моментально попадают и хранятся в общей базе данных.
По заданным адресам автоматически строится прогноз выручки на 1,5 года вперед помесячно с обоснованием, рассчитывается ТЭО, формируется презентация.
Автоматически все участники комитета по открытиям могут голосовать в системе, даже не собираясь на общую встречу! На финальном этапе генеральный директор видит все ключевые расчеты и итоги голосования, нажимает кнопку, запускается процесс открытия или же точка уходит на предыдущий этап, например, с комментарием снизить арендную ставку.
Кто ваши клиенты и насколько они довольны использованием платформы?
Как показал опыт – эта система для торговых компаний, которые в эпоху цифровизации хотят сохранить и упрочить лидирующие позиции, усилив свои конкурентные преимущества за счет внедрения искусственного интеллекта в базовый бизнес-процесс – расширение сети или управление текущей сетью.
Для тех, кто планирует успешно расти дальше и не хочет терять деньги из-за неправильно выбранного места или узких мест в бизнес-процессах. Для тех, кто хочет использовать накопленные внутренние и внешние – большие! – данные для принятия более точных бизнес-решений.
Кто был вашим первым клиентом?
Все начиналось с федеральной аптечной сети с темпами открытий – несколько сотен точек в год! Системой в сети пользуются уже несколько лет, и она постоянно эволюционирует, есть положительные отзывы.
Вообще клиенты не очень любят об этом говорить, так как считают это своим конкурентным преимуществом. Из открытых отзывов упомянем «Азбуку Вкуса» – уже более 40 точек открыто с помощью платформы BST-Органика, и все новые точки проходят через нее.
Есть и другие отрасли, т.к. система одинаково эффективно работает вне зависимости от отраслевой специфики.
Читайте также: 7 новых магазинов, которые открылись в апреле
Что нужно, чтобы стать вашим клиентом, и какие департаменты обычно обращаются к вам?
Наши клиенты – это торговые сети любых масштабов и специализаций, которые имеют хотя бы 50 уже работающих точек и чья география затрагивает города от 50 тысяч жителей.
Как правило, основными пользователями являются руководители верхнего уровня, департаменты развития и маркетинга. Но так как система комплексная, то диалог может начаться даже с ИТ-директорами или с финансистами. Потом подключаются остальные блоки.
Почему вы называете вашу систему платформой?
Недавно видел выступление Германа Грефа, где он давал целый перечень критериев решения, которое может считаться платформенным. Считаем, что для нас ключевые критерии – это производительность и безопасность. Система обрабатывает массу данных и выдает прогноз менее чем за секунду. Безопасность клиентских данных – первоочередная задача. По желанию клиента платформа разворачивается на внутренних серверах, и все данные остаются внутри.
Плюс есть возможность кастомизации дополнительных функций под требования клиента и подключения таких опций, как управление ассортиментом, ценообразованием и персонализированным маркетингом.
Насколько эта платформа заменяет собой ручной труд? Возникает ощущение некой «волшебной кнопки».
Платформа не заменяет человека полностью, это в первую очередь вспомогательный инструмент для бизнеса. Но во многом автоматизирует рутинные операции. Бизнес будет отнимать значительно меньше времени и ресурсов на принятие решений, но нет опасности в том, что при внедрении будут сокращать персонал. Наоборот, система высвобождает время для руководителей, маркетологов, развития – и вместо рутинных операций появляется больше времени на творчество и на поиск новых идей для развития бизнеса.
Расскажите немного о себе, как пришла идея создать такое решение?
Наша консалтинговая компания более 20 лет работает с российскими компаниями в сфере развития бизнеса. 4 года назад в ходе консалтингового проекта с одним из лидеров отечественного ритейла, имеющего федеральный охват, темпы открытий которого сотни (!) объектов в год, совместно с клиентом пришли к выводу, что без внедрения современных IT- технологий в бизнес-процесс органического развития невозможно обеспечить высокое качество и скорость открытий.
Готовых решений на рынке не было. Начали разработку системы поддержки принятия решений с прогнозом выручки на основе машинного обучения, пригодился мощный аналитический потенциал команды, привлекли разработчиков из ведущих российских ИТ-компаний, и примерно через год приступили к опытной эксплуатации системы на московском регионе, через полгода система была внедрена в промышленную эксплуатацию во всей сети, включая регионы.
Система постоянно развивается, расширяется функционал, подключаются новые источники данных. Она прошла «боевое крещение» у трех крупнейших ритейлеров. В результате это направление выделилось в отдельное подразделение БСТ Digital, которое мы и возглавили.
Еще когда мы вместе заканчивали мехмат и физфак МГУ лет 10 назад, нам хотелось, используя полученные знания, создавать продукты, приносящие осязаемую пользу бизнес-сообществу. Уже тогда было понятно, что живем в эпоху цифровизации, хотя это еще не было мейнстримом. И в рамках этой темы такая возможность и реализовалась.
У вас наверняка есть конкуренты, расскажите о них, чем вы отличаетесь?
Как ни странно, три года назад конкурентов не было совсем или мы их не видели. Была информация о том, что Wallmart предсказывает выручку своих точек с помощью машинного обучения. В конце 2016 год прошла информация, что «Пятерочка» запустила у себя похожую систему, потратив два года на разработку.
Сейчас мы видим, что есть традиционные ГИС-системы, которые специализируются на тепловых картах с данными. Есть стартапы, которые применяют машинное обучение, этим уже никого не удивишь. Мы создали комплексную систему из набора полезных функций: по сути двигатель – машинное обучение, навигатор – веб-интерфейс с картами, полная система управления – автоматизированный бизнес-процесс – и в целом, собрали автомобиль. Залили топливо – данные. Автомобиль едет – пассажиры довольны.
Плюс трехлетний опыт функционирования системы и опыт работы в консалтинге помогают нам точно понимать потребности клиента и реализовывать их без подробных ТЗ.
Какие дальнейшие планы по развитию платформы?
Планов много.
Во-первых, совершенствовать систему с точки зрения обогащения данными. Есть много интересных идей, ведем переговоры с поставщиками, плюс клиенты зачастую обладают полезными данными, которые помогают улучшить точность.
Во-вторых, пробовать более сложные эвристические модели и методы машинного обучения для повышения точности прогнозов. В-третьих, сделать более легкую облачную версию системы для компаний среднего и малого бизнеса.
Ну а если немного помечтать, то хотелось бы научиться точно прогнозировать выручку клиентов, не запрашивая у них данные по выручке, стать отраслевым стандартом в России и выйти на зарубежные рынки.
А также доработать платформу до уровня автоматизации фундаментальных 4P маркетинга, в которой к модулю управление открытиями (Place) добавляется управление ассортиментом и товарными запасами (Product), управление ценообразованием (Price) и персонализированное продвижение и оценка эффективности акций (Promotion).
Спасибо, удачи вам в развитии вашей платформы!
Вам большое спасибо за интервью.
Иван Иванов, Руководитель проектов BST Digital
Григорий Кузнецов, Руководитель направления искусственного интеллекта BST Digital
Сайт: bst.digital
Телефон: +7 (495) 646-86-58
e-mail: ivanov@bst-mc.com
0
Читайте также
Последние новости
Самое популярное
-
Кейс: Теряли деньги в несезон из-за текучки продавцов, а потом внедрили корпорат...
-
Кейс сети «ВинЛаб»: как быстро масштабировать торговую сеть
-
«В1» от Магнита планирует завоевать рынок в 2024-ом: возможно ли это?
-
Продажи на российских маркетплейсах: тренды и бренды-лидеры в основных категория...
-
Гид по Russian Retail Show и Выставке Retail TECH 2024: спланируйте участие с ма...
