Ошибки в геомаркетинговых исследованиях уровня доходов
Геомаркетинговые услуги набирают обороты на рынке маркетинговых услуг и ИТ-решений для российского ритейла. Компании предлагают и анонсируют изготовление отчетов, работают веб-сервисы по оценке локаций, местоположений объектов, планирования торговой сети различных форматов для различных сегментов ритейла.
В России всегда были трудности с данными (геоданными) для такого рода анализа. Многие научились оценивать место с учетом косвенных показателей, другие – доставать интересные данные, в т. ч. использовать и обрабатывать Большие данные (BIG Data). В статье описываются ошибки геомаркетинговых исследований последних 15 лет в части анализа уровня доходов в конкретной локации, пока развивается рынок таких услуг в России. Впервые систематизировано раскрываются проблемы анализа платежеспособного населения — показателя, необходимого для расчетов потенциала продаж и товарооборота. В каких случаях и что изучать, анализировать при помощи качественных и количественных подходов в зависимости от целей и задач игроков рынка торговой розницы, банковской розницы, общепита – давайте разбираться. Какой магазин открывать в жилом квартале? Сколько зарабатывают жители района — потенциальные покупатели? Итак, рассмотрим самые распространенные ошибки в геомаркетинговых исследованиях уровня доходов.
Сбор информации в России имеет свои особенности. Федеральная служба государственной статистики (Росстат) хорошо выполняет задачи государства – информирование лиц, принимающих решения по показателям по территориальным единицам. Детальное – это уровень муниципальных образований. Таково устройство государства и так организована статистика. Ритейлу (продуктовый супермаркет, банковская розница или магазин строительных товаров) нужна гораздо меньшая территория исследования, охватывающая несколько кварталов или домов, в зависимости от величины торговой точки. Проблема знакома и решена уже многими поставщиками геомаркетинговых систем и услуг для расчетов населения: когда необходимо оценивать количество людей внутри радиуса пешеходной доступности или транспортной зоны, делать это по данным Росстата, увы, невозможно, т.к. площадь территориальной единицы анализа по муниципальному округу или административному району, к которой «привязаны» данные, намного больше, чем торговая зона исследуемого объекта. Это касается и детальности сбора и анализа информации по показателю уровня доходов.
Первая проблема анализа геоданных распределения платежеспособного населения – проблема выбора географического уровня.
Вторая – это сам показатель. Как правило, это «Среднемесячная начисленная заработная плата». Не будем останавливаться на подробном рассмотрении специфики данного показателя. Остановимся на том, что в России существуют «трудности перевода» в заработные платы, проблемы «учета дополнительных доходов граждан» и другие. Сегодня эти проблемы решаются на государственном уровне и в скором времени статистика по показателям станет достовернее. Но даже такие данные аналитики корректируют в «верные порядки» и формируют методики по использованию показателей Росстата для маркетингового анализа внутри компании.
Еще одна проблема, которую не замечают — привязка показателя доходов к месту нахождения человека. Удивительно, но во многих компаниях берут на вооружение стандартные показатели Росстата и уверенно делают выводы, что в районе 1 живут более обеспеченные граждане, чем в районе 2. Далее возникают вопросы с качеством принятых решений на основе данного вывода в геомаркетинговом исследовании. Проверяется это легко: через несколько лет после открытия точки закрывают, потратив на это больше денег, чем заказанное геомаркетинговое исследование с неверными результатами.
В этой статье предпринята попытка объяснить решение этой проблемы, а также проблемы использования детального географического уровня в профессиональном геомаркетинговом исследовании или инструментах. Почему это важно? При анализе товарооборота в точке, например, для продуктового магазина в новом месте, ориентированного на платежеспособную аудиторию. За 13 – летний опыт работы, мы видим, что достоверная информация о вероятной дислокации платежеспособного населения внутри городской ткани, нужна многим компаниям, включая тех, кто не работает в сегменте «люкс», «премиум», а работает либо для целевой аудитории «средний+», и даже – «эконом».
Компании подразумевают под уровнем доходов уровень заработной платы. По нашему мнению, гораздо правильнее оценивать платежеспособность населения: сколько человек платит за те или иные услуги, учитывая, сбережения и/или кредитные обязательства. В условиях большой закредитованности населения, это влияет на его платежеспособность. А чем выше платежеспособность населения, тем больше или дороже они способны покупать. Интересна и обратная задача: посмотреть на карте, где проживают люди с низким доходом? Почему нет, если эта целевая аудитория в приоритете?!
Итак, мы выделяем 3 типа изучения показателей уровня дохода, распределенных в пространстве, в зависимости от того, где люди находятся: живут, работают или перемещаются. Частные случаи допускают анализ отдыхающего населения, но эти примеры встречаются редко. Например, у спортивного магазина на юге страны, в курортном городе, вырастет товарооборот в жаркий сезон. Или пример из малого бизнеса: при открытии точки велопроката оценить места скопления людей во внерабочие часы в парковых зонах, рядом с велодорожками. Эти частные случаи мы опускаем из рассмотрения, т.к. их мало. Таким образом, предмет обсуждения — платежеспособное населения внутри городов, которое где-то живет, где-то работает, и как-то перемещается. Эта основная масса и интересна ритейлу разных сегментов как в крупном, так и в малом бизнесе, особенно, если вы франчази или собственник помещения, желающий запустить бизнес на первом этаже жилого дома.
Изучение уровня доходов с привязкой к месту работы или району работы
В развитых городах люди работают в бизнес центрах (БЦ), отдельно стоящих предприятиях, в менее развитых, предприниматели снимают офисные помещения, помимо существования предприятий. (Есть еще моногорода, не берем их во внимание). Чаще всего места приложения труда распределены по городу. Во многих городах предприятия вынесены за черту города. Таким образом, при анализе, надо принимать во внимание специфику города, локации промышленных зон, деловой активности. В «миллионниках» основная масса людей согласно нашим исследованиям ходит на работу в БЦ или на предприятие. Кстати, крупные торговые центры (ТЦ) тоже стоит рассматривать, как объекты не только «притягивающие» населения за покупками, но и объекты, в которых работают люди (продавцы, обслуживающий персонал, управляющая компания ТЦ).
Какие показатели по расчету уровня дохода населения по месту работы существуют в государственных органах статистики?
1. Среднемесячная начисленная заработная плата по округам. Среднемесячная номинальная начисленная заработная плата за период исчисляется делением фонда начисленной заработной платы работников на среднесписочную численность работников и на количество месяцев в периоде.
2. Среднемесячная начисленная заработная плата по районам. Среднемесячная номинальная начисленная заработная плата работников по районам (округам) в отчетном периоде исчисляется на основании сведений, полученных от организаций, расположенных в районе (округе), делением фонда начисленной заработной платы работников на среднюю численность работников и на количество месяцев в периоде (как правило, январь-декабрь искомого года). В фонд заработной платы включаются начисленные работникам суммы в денежной и неденежной формах за отработанное время, доплаты и надбавки, премии и единовременные поощрения, компенсационные выплаты, связанные с режимом работы и условиями труда, а также оплата питания и проживания, имеющая систематический характер. Пример по районам Москвы, как субъекта, ниже:
3. Объем социальных выплат и налогооблагаемых доходов на 1 жителя в муниципальные образования. Объем социальных выплат населению и налогооблагаемых денежных доходов населения по муниципальным районам (городским округам) субъекта РФ с годовой периодичностью представляет собой упрощенный аналог макроэкономического показателя денежных доходов населения и характеризует объем денежных средств, полученных постоянно проживающим населением в пределах муниципального района (городского округа), на основе информации, содержащейся в системах учета сведений о населении, формируемых налоговыми органами (о размерах налоговой базы при исчислении налога на доходы физических лиц и индивидуальных предпринимателей), органами Пенсионного Фонда РФ (о размерах выплаченных пенсий и пособий) и органов исполнительной власти субъектов РФ (о выплаченных пособиях по безработице, пособиях, выплачиваемых при оказании мер социальной поддержки, и др. видов адресной социальной помощи населению).
Удивительно то, что многие ритейлеры не задумываются, что эти показатели привязаны к коду ОКТМО (прежний ОКАТО) юридических лиц, т.е. работодателей той самой целевой аудитории, которая придет в магазин. Кроме того, не забываем, что могут быть обособленные предприятия у одной организации, которые будут привязаны к другому коду ОКТМО. Соответственно, показатели, характеризующие доход населения, которые предоставлены Росстатом, в т. ч. территориальными органами статистики — данные, привязанные к «месту работы».
А если это так, то принимаем во внимание вывод при анализе распределения платежеспособного населения: если в округе А показатели доходов больше, чем в другом округе Б, то значит либо в А много предприятий, либо работающие люди «закреплены» в них и получают заработные платы, большие, чем в Б. И это не значит, что они здесь работают. И далеко не значит, что они здесь живут. В силу специфики деятельности, некоторые сотрудники живут вдалеке от места работы. Например, программисты могут работать вообще в другой стране или городе, а числиться в округе А. Конечно, есть еще и районообразующие предприятия. В таких случаях люди и живут, и работают в рамках одного территориально деления города, но обычно с этими случаями, как раз, все понятно.
Если требуется более локальный анализ того, где люди работают и какую заработную плату получают, то можно анализировать данные по агрегаторам рынка труда, принимая во внимание профессии, которые люди выбирают, исходя из критерия близости к дому. Существуют и другие способы косвенного анализа распределения платежеспособных людей в рабочее время при детальном анализе внутри городов, например, по классу БЦ, в котором работает человек или при наличии выборки из Больших данных сотового оператора с 10-00 – 18-00 (в рабочее время) по определенным видам трат на мобильный телефон.
В любом случае, требуется внимательно подходить к перечисленным показателям и важно понимать, что если моделируется проживающая целевая аудитория, то следует применять другие показатели, привязанные к месту проживанию людей, которые, к сожалению, пока отсутствуют в Росстате. Что это? Ложь? Нет! Нет, это Статистика!
Изучение уровня доходов с привязкой к месту проживания
Это сложная, но решаемая задача с использованием статистических, геостатистических методов, методов машинного обучения.
Оценить уровень доходов по месту проживания можно как качественными, так и количественными методами. К качественным методам относится классификация жилья. В зависимости от ряда факторов, можно предположить, с каким доходом люди живут в том или ином доме. К таким факторам относятся: год постройки; этажность; количество квартир; материал перекрытий и другие.
За период существования Центра пространственных исследований, мы только сегодня имеем возможность проверить на достоверность и расклассифицировать накопленные данные. Таким образом, в результате получилась карта с расклассифицированным жильем по Москве по домам.
К сожалению, российские города не так подвержены кластеризации, как американские, где можно четко выделять типы строений и по ним объяснять уровень доходов хозяев. А районы наших городов смешаны по специфике проживания людей разных национальностей, религиозных предпочтений. Это довольно сильно затрудняет оценку уровня доходов по распределению таких косвенных факторов, связанных с жильем населения. Выборки из таких баз данных интересны при локальном анализе и качественном понимании для ответа на вопрос, может ли тут жить потенциальная высокодоходная аудитория или нет?
Еще один вид качественного метода оценки уровня доходов — факторная «свертка». На заре работы в геомаркетинговом консалтинге, мы придумали модель «зоны пригодности», которая потом активно использовалась как нашими клиентами, так и конкурентами, войдя в профессиональный язык. Для построения зоны пригодности (факторной «свертки») необходимо определить, какие факторы влияют на
платежеспособность проживающих людей. К ним относятся элитное жилье, стоимость кв. метра и т.д. По каждому фактору строится плотность распределения (специальная геомодель, характеризующая «скученность» точек), а затем эти плотности географически складывают (методы математической «свертки» оставляем за рамками данной статьи). Таким образом, на карте мы видим зоны, наиболее благоприятные для размещения торговой точки.
Если использовать оба метода, то на уровне города и даже на уровне районов, можно находить вероятные «пятна» проживания целевой платежеспособной аудитории. Однако, тут нет ни конкретных заработных плат, ни погрешностей оценок. Поэтому интересными и перспективными геомоделями являются геомодели, характеризующие распределение показателей уровня доходов в пределах городов, которые не только отвечают на вопрос «Где?», но и отвечают на вопрос «Сколько?», да и еще- с допустимой погрешностью. И с учетом полной уверенности исследователя, что в данной локации они живут!
Не обсуждая сбор данных методом опроса, которые являются дорогими для рынка (в геомаркетинговых масштабах страны, это невозможно), то количественных методов оценки платежеспособного населения в пространстве на рынке геомаркетинговых услуг два: профилирование по мобильному телефону с привязкой к местоположению ночью (с 23:00 – 06:00) от сотового оператора и геомоделирование населения по уровню доходов от компании Центра пространственных исследований.
В основу геомодели по уровню доходов заложен показатель, который отражает доходы семей, состоящих из 2-х работающих человек, проживающих в определенной локации. Вначале построения геомодели определяется территориальная единица анализа, которая уже содержит фактор классификации жилья. По данной территориальной единице (кластеру) собирается статистика по стоимости арендной платы жилья, и далее, из этой стоимости по формуле, определяется, сколько зарабатывают семья из двух человек. В результате, мы получаем картограмму с нанесенными уровнями доходов населения, где уровень заработной платы привязан к месту жительства людей, а не к месту работы, и раскрашен в соответствующий цвет со значениями, расклассифицированными в группы. Это новый подход к определению уровня доходов семей, платежеспособности. Теперь мы знаем, где в Москве живут люди с высокими или низкими зарплатами, без привязки к их месту работы!
Скрывается от зорких глаз аналитиков уровень погрешности показателей. Он есть в нашей геомодели распределения платежеспособного населения и теперь, зная процент погрешности в зоне, всегда можно учесть его в итоговых расчетах. И наконец, так как зон в несколько раз больше, чем районов Москвы, аналитик может строить торговую зону внутри районов и оценивать потенциал продаж и другие показатели, не боясь погрешностей, связанных с географическим уровнем анализа.
Геомодель распределения платежеспособного населения доступна по Москве. В ближайшее время запуститься для рынка и на город Санкт-Петербург.
Изучение уровня доходов с привязкой к перемещению
База данных по абонентам сотовых операторов — Большие данные (BIG Data), в которых содержится обезличенная информация по каждому абоненту. Например, сколько тратит абонент на связь в месяц. Зная этот показатель, можно выделить категории людей с высокими, средними и низкими доходами и распределить их на карте в зависимости от времени суток. Мы получим карту с движением людей с разными доходами — своеобразные человекопотоки с платежеспособностью. Кроме информации о доходах в BIG Data сотовых операторов есть и другая полезная информация, которая позволят выявить типичные портреты покупателей (пол, возраст, доход, место жительства, место работы/учебы), видеть глобальные миграционные потоки как внутри города, так и между городами (из спальных районов в промышленные районы утром, и наоборот, вечером). Это и есть профилирование абонентов, которое продают сотовые операторы на рынке. Такие данные (и геоданные) на рынке остаются сегодня самыми дорогостоящими, несмотря на то, что сама природа исходных данных такова, что распределение абонентов сильно пространственно коррелирует с плотностью вышек и другими параметрами вышек, а не местонахождением абонентов, что приводит к погрешностям в оценке (от 100 метров до нескольких км).
Таким образом, сегодня трудно с большой долей вероятности распознать в перемещающейся «толпе» внутри города платежеспособных людей, без каких-либо стандартных методов опросов, наблюдений, которые также дороги и не всегда эффективны. Но это всегда интересует потребителей такой информации, т.к. это самая точная оценка потребителя в конкретной точке пространства в конкретном месте. Но чудес пока нет!
Стоить отметить массу частных случаев оценки перемещений по косвенным данным, когда, например, для целей расчета маятниковых миграций «на дачу» или «из дома на работу», можно анализировать данные расположения количества домов в садоводствах, коттеджных поселках и других объектах загородной недвижимости с привязкой к трассам, шоссе, которые вывозят и завозят людей для разных целей. А в некоторых случаях, как например, в сегменте DIY, в доле выручки магазина, стоящего на выезде из города, всегда будут присутствовать люди, которые «занимаются» загородным домом или проживают в нем, возможно, не только в летнее время. И про их вклад в выручку магазина «Леруа Мерлен» с удовольствием рассказывает генеральный директор сети Венсан Жанти.
Таким образом, «развитолог», аналитик, маркетолог и даже молодой «геомаркетолог» -консультант, особенно, если он работает с форматами ритейла, ориентированными на высокодоходный сегмент, при обосновании выбора места не может не учитывать специфику показателей доходов, которая есть в РФ. К сожалению, очень часто аналитики не задумываемся над этим, что приводит к ошибочным результатам, ошибочным выводам при расчетах потенциалов локальных рынков, товарооборота и, следовательно, необъяснимым показателям низкой эффективности после открытия торговой точки, возрастанию затрат на активное привлечение… Кого? Верно — несуществующей в данном месте целевой аудитории!
