ТЕОРЕТИЧЕСКИЕ И МЕТОДИЧЕСКИЕ ПОЛОЖЕНИЯ ГЕОМАРКЕТИНГА В СФЕРЕ УСЛУГ
Тхориков Б.А., Герасименко О.А., Саблина О.М., Титова И.В.
Белгородский государственный национальный исследовательский университет
В статье рассмотрен широкий спектр вопросов современного геомаркетинга. Определена концептуальная позиция геомаркетинга в концепции маркетинг-микс. Обоснованы группы факторов (географические и маркетинговые), требующие первоочередного анализа при проведении геомаркетингового исследования. Проведена матричная группировка наиболее распространенных геомаркетинговых моделей, выделены их возможности и ограничения. Разработан алгоритм проведения геомаркетингового исследования, ориентированного на субъектов малого и среднего бизнеса, работающих в сфере оказания услуг населению, включающий модель определения вероятности посещения клиентом конкретного места (объекта недвижимости); предложенные инструменты позволяют облегчить процесс формирования пула перспективных объектов недвижимости из числа доступных для аренды (покупки) и выбора оптимального варианта. Приводятся результаты апробации авторских разработок на примере выбора места для открытия нового барбершопа в г. Белгород.
Ключевые слова: геомаркетинг, сфера услуг, геомаркетинговые модели, оценка расположения
Рынок коммерческой недвижимости включает четыре условные группы объектов: офисные, складские, производственные и торговые. Выбор каждого из перечисленных объектов для дальнейшего использования в бизнесе сопряжен с определенными рисками. Наибольшее их количество и общая высокая неопределенность связаны с торговой коммерческой недвижимостью, используемой малым и средним бизнесом (МСБ) в сфере услуг. Кроме того, субъектам МСБ особенно тяжело противостоять институциональным факторам внешней среды. Так, например, отсутствие связи между генеральным планом и реальным развитием города, способным в среднесрочной перспективе изменить торговый ландшафт любого городского района (точечная застройка), нерациональная избирательность органов местного самоуправления при установлении ставки земельного налога и прочее, могут привести к снижению клиентопотока или дискриминации по расходам на содержание объектов недвижимости конкурирующих участников рынка.
В этой связи, МСБ требуется системный подход к подбору (аренде, покупке) торговой коммерческой недвижимости, учитывающий влияние множества факторов. В качестве одного из возможных направлений решения подобной задачи, целесообразно рассмотреть использование инструментов и методик геомаркетинга.
Геомаркетинг – комбинированное использование маркетингового анализа и географического моделирования, позволяющее визуализировать сочетание сил и факторов, действующих на определенной территории и оказывающих влияние на коммерческую эффективность компании.
Основываясь на положениях концепции маркетинг-микса (Marketing mix), можно отнести геомаркетинг к инструментам элемента «Место» (Place) (рис. 1).
Рис. 1. Позиция геомаркетинга в концепции маркетинг-микс
Геомаркетинг направлен на выявление и содержательное описание уникальных характеристик для каждой сферы бизнеса, относящихся к элементу «Place», стимулирующих и (или) сдерживающих экономическую деятельность компании:
– географических факторов (Geographical factors) – неизменяемые параметры объекта недвижимости. Например, площадь помещения, его расположение в городе, транспортная доступность и прочее;
– маркетинговых факторов (Marketing factors) – области или аспекты деятельности, связанные с географическими факторами, подлежащие управленческому воздействию. Например, дизайн помещения, ассортимент товаров или спектр оказываемых услуг и прочее.
Эти процессы осуществляются с помощью маркетинговых исследований (Marketing research), маркетингового анализа (Marketing analysis) и обработки данных в геоинформационных системах (ГИС) (Geographic information systems).
Полученная информация позволяет решать различные бизнес-задачи:
– сегментирование и ранжирование городских районов по привлекательности для открытия новых торговых точек, выбор оптимального места расположения с учетом имеющихся ограничений;
– разработка (корректировка) плана маркетинга для существующего объекта недвижимости;
– составление геодемографических карт – на карту с географическими объектами накладываются слои с социально-демографическими характеристиками людей, проживающих или бывающих в выбранной зоне, в том числе с учетом временных изменений их передвижения;
– планирование таргетированной офлайн и онлайн рекламы, в том числе в районах, находящихся на значительном удалении от анализируемого объекта;
– анализ поведения потребителей с учетом мест, которые они посетили до или после визита в рассматриваемую компанию;
– изучение маршрутов движения потенциальных клиентов для определения возможностей их изменения;
– оптимизация логистических решений по доставке реализуемых товаров и прочее.
Достижение перечисленных задач осуществляется с использованием разнообразных инструментов. Наиболее часто в научной литературе упоминаются: гравитационная модель Хаффа (Huffmodel) [1,2], гравитационный закон розничной торговли Рейли [3], модель Наканиши – Купера (Multiplicative Interactive Choice – MCI) [4], модель МакФаддена (Multinominal Logit Model, MLM) [5,6], метод аналогий и метод картографирования клиентов (customer spotting), разработанные Апплебаумом [7], модель «центральной точки» (Central Place Theory, CPT), разработанная В.Кристаллером [8] и А.Лашем [9], модель размещения-распределения [10], модель Гочи [11], модель конкурирующих мест назначения (CDM), предложенная Фозерингемом (Competing Destinations Model, CDM) [12], пространственно-диффузионная модель Олэуэйя, Блэка, Ричарда и Масона, основанная на диффузионной теории [13], модель Рейли-Конверсе [14], модель пространственного взаимодействия Бэтти [15], аксиома потребительского выбора Льюса [16], модель Раста и Донту [17].
В таблице 1 представлена матричная группировка, наглядно демонстрирующая достоинства и ограничения перечисленных моделей.
При всем многообразии инструментов геомаркетинга его использование в бизнесе нельзя назвать распространенным. Во многом это связано с тем, что для большинства предпринимателей сам выбор какого-либо из инструментов геомаркетинга и его применение в решении прикладных бизнес-задач сопряжен с определенными трудностями, вызванными пробелами в профессиональных компетенциях.
Таблица 1 – Матричная группировка геомаркетинговых моделей
| Инструменты геомаркетинга | Размер торговой площади | Ассортимент | Затрат времени на дорогу | Расстояние до объекта | Привлекательность со стороны клиента | Полезность для клиента | Возможность выбора индивидуального набора параметров исследования | Дескрипторы (идентификаторы) торговых центров | Условия езды в транспорте | Возможности и ограничения использования |
| 30-е годы 20 века | ||||||||||
| Модель Рейли | + | Модель позволяет установить пределы потенциального охвата розничного магазина, однако наличие только одной переменной которая не всегда точно отражает восприятие людьми пройденного расстояния и затраченного времени ограничивает возможности ее использования. | ||||||||
| Модель Кристаллера и Лаша | + | + | Модель позволяет определить граница торговой зоны магазина на основании двух факторов: ранга магазина и расстояния до него из каждой точки изучаемого города. Модель достаточно простая в использовании в практике бизнеса для анализа разделения территории города на торговые зоны с учетом размера конкурирующих магазинов. | |||||||
| 60-70-е годы 20 века | ||||||||||
| Модель Хаффа | + | + | Динамическая пространственная модель, на основе которой можно рассчитать привлекательность торговой точки для жителей и оценить вероятность ее посещения, однако не учитывает функцию полезности реализуемых товаров для различных категорий клиентов. | |||||||
| Модель Наканиши - Купера MCI | + | + | Мультипликативная модель, которая включает широкий круг переменных, в том числе параметры привлекательности торговой точки. Возможность задания набора параметров обусловила широкую популярность и использование на практике. При этом имеется невысокая точность полученных значений. | |||||||
| Модель МакФаддена | + | Универсальность модели заключается в том, что для ее реализации достаточно собрать мнения жителей исследуемых районов о параметрах привлекательности. Модель не предполагает исследование расположения точек относительно друг друга. | ||||||||
| Модель Бэтти | + | + | Модель позволяет приблизительно определить границы торговых зон конкурирующих магазинов с учетом их географического положения и воспринимаемой привлекательности, однако имеет низкую точность. | |||||||
| 80-90-е годы 20 века | ||||||||||
| Модель Гочи | + | + | Мультипликативная модель, охватывающая большой диапазон пространственных параметров, однако нет однозначности к определению параметра езды в транспорте и ограниченность в выборе объекта исследования. | |||||||
| Модель Фоерингема | + | + | Оценка привлекательности магазина в модели определены посредством расчета среднего расстояния между исследуемым объектом и альтернативными объектами. Предложен новый параметр модели, но возможности обработки информации потребителем ограничены, модель основана на исключительно пространственных предпосылках. | |||||||
| Модель Раста и Донту | + | Модель позволяет оценить привлекательность торговой точки с высокой степенью точности при опросе потребителей в каждом районе. Также в Точность модели повышает коэффициент чувствительности потребителей к значениям параметров привлекательности. |
| 5 этап |
| 4 этап |
| 3 этап |
| 2 этап |
| 1 этап |
| Определение маркетинговых и географических факторов |
| Теоретический анализ |
| Экспертный опрос |
| Эмпирический анализ |
| Бенчмаркинг |
| Оценка значимости факторов |
| Социологический опрос ЦА |
| Проверка значимости и ранжирование |
| Сбор информации и оценка факторов |
| Анализ вторичной информации |
| Полевые исследования |
| Экспертная оценка достоверности результатов |
| Результаты оценки по факторам |
| Фактические результаты работы |
| Пул перспективных объектов недвижимости |
| Корректировка плана маркетинга |
| Визуализация и принятие управленческого решения |
| Стратегия развития бизнеса |
Рисунок 2 – Алгоритм проведения геомаркетингового исследования
На первом этапе необходимо установить маркетинговые и географические факторы элемента «Place», способные оказать значимое влияние на работу компании. Факторы отбираются на основании одного или комбинации нескольких инструментов:
– теоретический анализ – выявление существенных связей и отношений, в том числе причинно-следственных, между различными аспектами бизнеса, в общем виде отвечает на вопрос – «почему»;
– эмпирический анализ – отбор факторов на основании личного опыта лиц, заинтересованных в результатах исследования или его исполнителей, в большей степени отвечает на вопрос «как»;
– экспертный опрос – сбор факторов, основанный на мнениях группы компетентных специалистов, главным образом, позволяет определить геомаркетинговые факторы, которые будут актуальны в будущем;
– б енчмаркинг – изучение деятельности конкурентов, с целью определения факторов, обеспечивших им позитивный опыт в работе.
Используя социологический опрос представителей целевой аудитории (ЦА), на втором этапе, выбранные факторы ранжируются по значимости (важности).
На третьем этапе с мощью полевых исследований (интервьюирование владельцев бизнеса, скрытое наблюдение, экономическая разведка и прочие методы) проводится сбор информации и оценка по выбранным факторам компаний-конкурентов, работающих в городе.
Для определения валидности факторов рекомендуется провести на четвертом этапе экспертную оценку результатов полевого исследования путем сравнения полученных значений факторов и текущего финансового положения компаний-конкурентов. В качестве экспертов целесообразно использовать признанных в городе специалистов в анализируемой сфере бизнеса или представителей дружественных компаний-конкурентов. В случае если имеется несоответствие между полученными оценками и фактическим экономическим положением большинства компаний-конкурентов, то требуется заново провести процедуры первых трех этапов. Результаты оценки также необходимы для возможного исключения из анализа компаний, значения маркетинговых и географических факторов которых являются нетипичными или значительно отличаются в худшую сторону от оценок других компаний при одновременном демонстрировании низкой (по сравнению с другими объектами анализа) среднемесячной выручки. Наличие подобных компаний снижает прогнозную точность расчета вероятности посещения ЦА места, выбираемого для открытия нового бизнеса (5 этап).
Если результаты четвертого этапа оказались корректными, то завершающим пятым этапом является графическая интерпретация данных, облегчающая формирование пула потенциальных объектов недвижимости, обладающих оптимальным сочетанием необходимых географических факторов и имеющих потенциал для развития – маркетинговых. В случае если геомаркетинговые исследования проводились для существующего объекта недвижимости полученная информация может использоваться для осуществления внутренних перепланировок, оформления фаса, внесения уточнений в уникальное торговое предложение (оффера), дополнения программ продвижения и прочего.
Для формирования пула перспективных объектов недвижимости из числа доступных для аренды (покупки) и выбора оптимального варианта предлагается использовать авторскую модель определения вероятности посещения клиентом конкретного места (
. В основе модели лежит принцип расчета геометрической вероятности, то есть отношение площади условного круга (SФК), отражающего привлекательности объекта недвижимости (j) для ЦА (при этом радиус круга будет различным в зависимости от величины геомаркетинговых факторов), к площади другого условного круга (SПК), охватывающего зону с наивысшей концентрацией представителей ЦА в городе (i) и включающей в себя анализируемый объект недвижимости. В результате модель приобретает следующий вид:
, (1)
где 
– вероятность того, что клиент, находящийся в зоне i, выберет объект j, расположенный в той же зоне (i).
SФК – площадь условного круга, характеризующая потенциальную привлекательность анализируемого объекта недвижимости для ЦА, выражается в метрах квадратных.
, (2)
где R 1 – радиус круга, представляющий собой отношение:
– расстояния безразличия (
– расстояние, которое готовы преодолеть представители ЦА от остановки общественного транспорта, парковки, места работы или места жительства до объекта, выражается в метрах и рассчитывается эмпирически;
– «размера объекта» (
, определяющего различные маркетинговые факторы (число одновременно работающих специалистов, ассортимент услуг и прочее), выражается через коэффициент (например, от 0,3 до 1) и рассчитывается эмпирически;
– «расположения объекта» 
, характеризующего географические факторы, выражается через коэффициент (например, от 0,3 до 1) и рассчитывается эмпирически.
SПК – площадь условного круга с наивысшей концентрацией представителей ЦА в городе (3).
(3)
где R 2 – среднее значение между расстояниями от центральной точки города (предлагается использовать центральную площадь) до компаний-конкурентов, используемых в геомаркетинговом исследовании, определяется эмпирически и с помощью ГИС, выражается в метрах квадратных. Также, в зависимости от географических особенностей населенного пункта, аналитическим путем может быть выбрана иная область, включающая наибольшее число потенциальных клиентов.
Важным условием является соблюдения неравенства – 
.
Рассмотрим результаты апробации алгоритма проведения геомаркетингового исследования.
Цель исследования – определить оптимальное расположение помещения для открытия барбершопа в городе Белгороде. Авторы исходили из того, что несмотря на высокую конкуренцию между существующими барбершопами, спрос на подобные услуги в городе полностью не удовлетворен.
1 этап. Комбинированное применение теоретического и эмпирического анализов, экспертного опроса и б енчмаркинга позволило выделить маркетинговые (N – 5) и географические факторы (N – 5), характерные для барбершопа, и представить их в виде качественных и количественных переменных.
2 этап. С помощью социологического опроса в форме анкетирования (декабрь 2018 г., N – 143, ошибка репрезентативности 8% при Р=95%) собрана информация, необходимая для вариационного анализа степени важности и влияния 10-ти геомаркетинговых факторов по мнению представителей ЦА (таблица 2).
Таблица 2 – Геомаркетинговые факторы, влияющие на потребительскую привлекательность барбершопов в г. Белгород
| Параметры | Маркетинговые факторы | Географические факторы | ||||||||
| мастер (барбер) | цены на услуги в барбершопе (средний чек) | доступность записи на удобное время | проведение в барбершопе праздников, вечеринок | интерьер барбершопа | наличие удобной парковки рядом с барбершопом | место расположение барбершопа в городе | расположение барбершопа на первом этаже | большая площадь барбершопа | расположение барбершопа в торговом центре | |
| ∑ xi | ||||||||||
| 4,3 | 3,2 | 3,9 | 2,7 | 3,4 | 2,1 | 3,3 | 2,2 | 2,4 | 2,1 |
| 1,27 | 1,53 | 1,71 | 2,59 | 1,76 | 1,78 | 1,97 | 2,45 | 1,49 | 1,47 |
| 1,126 | 1,238 | 1,307 | 1,608 | 1,327 | 1,335 | 1,402 | 1,566 | 1,221 | 1,212 |
 <33,3, %
| 26,1 | 38,5 | 33,5 | 59,3 | 39,1 | 62,4 | 43,8 | 70,6 | 51,2 | 56,8 |
Посетителями барбершопов являются мужчины в возрастных группах: 22-29 лет (47%), 30-35 лет (24%), 17-21 лет (21%). На их потребительский выбор значимо влияют следующие факторы: мастер (барбер); доступность записи на удобное время; средний чек; интерьер барбершопа; место расположение барбершопа в городе.
3-4 этапы. Проведена оценка барбершопов (N – 10) по детерминированным геомаркетинговым факторам. Рассмотрим некоторые результаты. На рисунке 3 отражено сравнение двух барбершопов, имеющих практически идентичные географические факторы, вплоть до расположения друг напротив друга. Однако барбершоп «Basot» имеет низкое значение ключевого маркетингового фактора – «Мастер (барбер)», и его экономическое положение является критическим, что свидетельствует о верности выбранных геомаркетинговых факторов.
Рисунок 3 – Сопоставление геомаркетинговых факторов и финансового положения некоторых объектов исследования в г. Белгород
Валидность результатов подтверждена владельцем успешного в городе барбершопа «Соль», занимающегося непрерывным мониторингом конкурентной среды. Также из дальнейшего анализа исключены … объекта, получившие наименьшую оценку привлекательности в ходе социологического опроса, имеющие низкие и нетипичные оценочные значения большинства маркетинговых и географических факторов.
5 этап. С помощью онлайн-сервисов поиска недвижимости отобраны 15 объектов – потенциально подходящих для размещения барбершопа в г. Белгород. Выбора оптимального варианта основан на вероятности посещения каждого объекта (1).
Для расчета площади условного круга, отражающего потенциальную привлекательность анализируемого объекта недвижимости для ЦА (SФК) установлены значения следующих переменных:
– расстояния безразличия ( – 800 метров. Определено в ходе эксперимента (февраль 2019 г.), в котором 29 добровольцам, представителям ЦА, предлагалось пройти по прямой определенное расстояние от остановки общественного транспорта до условного барбершопа. Эксперимент прекращался после того, как испытуемый сообщал наблюдателю первые признаки усталости, потери интереса и прочее. Затем все результаты были нормированы и усреднены.
– «размер объекта» ( и «расположение объекта» выражаются через коэффициенты, представленные в таблице 3.
Таблица 3 – Значение геомаркетинговых факторов, используемых в расчете
| Маркетинговые факторы | Географические факторы | ||
| Количество кресел | µ | Количество объектов инфраструктуры | 
|
| 0,33 | до 4 | 0,33 | |
| 0,66 | 4-8 | 0,66 | |
| 1,00 | 8-12 | 1,00 | |
| 4 и более | 1,10 | 12 и более | 1,33 |
Количество кресел напрямую влияет на такие маркетинговые факторы, как «мастер» (количество одновременно работающих специалистов) и «доступность записи на удобное время» (потенциальная производственная мощность), имеющие важное значение для потенциальных клиентов при выборе барбершопа, а также является основой определения полезной площади барбершопа из расчета 5 м2 на одно кресло. При этом результаты анализа загруженности крупных барбершопов с числом кресел более 3 однозначно указывают на снижение придельной полезности каждого дополнительного кресла начиная с третьего.
В качестве географического фактора выбрано количество объектов инфраструктуры (магазины, спортивные клубы, банки, учреждения оказывающие государственные услуги, кафе, рестораны и прочее), находящихся в радиусе 100 метров от анализируемого объекта. Полевые исследования показали, что рядом с наиболее успешными барбершопами находится более 12 объектов. Также этот фактор связан со сложившейся моделью поведения клиентов барбершопа – до или после визита к барберу клиенты стремятся посетить еще какие-либо организации.
Площадь условного круга с наивысшей концентрацией представителей ЦА барбершопов (3, SПК) в г. Белгород составила … м2; радиус круга определен путем расчета среднего расстояниями от центральной площади города (Соборная площадь) до … барбершопов с использованием ГИС … (рис. 4).
В результате только 3 объекта из 15 первоначально отобранных для открытия барбершопа оказались в зоне SПК. Для каждого из них была рассчитана вероятность посещения с учетом значений, перечисленных выше переменных. Оптимальным вариантом является объект под литерой Б (рис. 5).
Проведенное исследование указывает на перспективность использования сочетания маркетинговых и географических факторов при выборе объекта недвижимости, значения которых определяются исходя из анализа функционирования успешных конкурентов. Предложенный авторский подход, с точки зрения оценочных суждений, при единстве методологической базы позволяет гибко настроить инструментарий для проведения геомаркетинговых исследований, учитывающих социально-экономические и географические особенности любой территории. Более точное заключение о практикоприменимости предложенного алгоритма проведения геомаркетингового исследования можно будет сделать после фактического открытия барбершопа в предложенном месте и анализа динамики эффективности его работы, а также апробации в других сферах бизнеса.
Литература
1. Huff D.L. A Probabilistic Analysis of Shopping Center Trade Areas // Land Economics. 1963. №39. С. 81-90.
2. Виноградова В.Д., Молочко А.В., Морозова В.А. Возможности геомаркетинга для определения оптимального местоположения банковского отделения (на примере филиальной сети Сбербанка г. Саратова) // Изв. Сарат. ун-та. Нов. сер. Сер. Науки о Земле. 2018. Т. 18, вып. 1. С. 4-9.
3. Reilly W.J. The law of Retail Gravitation. N.Y., 1931.
4. Nakanishi M., Cooper L.G. Parameter Estimate for multiplicative Interactive Choice Model: Least Squares Approach // J. of Marketing Research. 1974. №11. August. P. 303-311.
5. McFadden D. Conditional Logit Analysis of Quali ta tive Ch oice Behavior // F ron tie rs in Econometrics / ed. P. Zarembka. N.Y. 1974. P. 105-142.
6. Бояркин Г.Н., Шевелева О.Г. Перспективы использования ГИС при проведении маркетинговых исследований // Ученые Омска – региону. 2016. С. 154-158.
7. Applebaum W. Patterns of Food Distribution in a Metropolis. Chicago, Super Market Institute, 1966.
8. Christaller W. Central Places in Southern Germany / trans. C. W. Baskin (Englewood Cliffs, NJ, 1967). First published in 1993.
9. Losch A. The Economics of Location. 2nd edn. / trans W.H. Woglom with the assistance of W.F. Stolpen (New Haven, CT, 1954). First published in 1940
10. Пустовалова Е.А., Чернов В.П. Сравнительный анализ методов размещения точки розничной сети // Современная экономика. 2015. №2 (62). С. 29-44
11. Gautschi D.A. Specification of Patronage Models for Retail Center Choice // Journal of Marketing Research.1981. №18. P. 162-174.
12. Fortheringham A.S. A New Set of Spatial Interaction Models: The Theory of Competing Destinations // Environment and Planning A. 1983. № 15. P.15-36.
13. Allaway, A.W., Black W.C., Richard M.D., Mason J.B. Evolution of a Retail Market Area: An Event-History Model of Spatial Diffusion // Economic Geography. 1992. P. 23-40
14. Converse P.D. New Laws of Retail Gravitation // J. of Marketing. 1949. №14. P. 94-102.
15. Batty M. Reilly’s Challenge: New Laws of Retail Gravitation Which Define Systems of Central Places // Environment and Planning. 1978. №10. P. 185-219.
16. Luce R. Individual Choice Behaviour. N.Y., 1959
17. Rust R.T., Donthu N. Capturing Geographically Localized Misspecification Error in Retail Store Choice Models // J. of Marketing Research. 1995. № XXXII. P. 103-110.