Проклятое место: как не прогадать с выбором локации для магазина
В среднем инвестиции в открытие одного магазина площадью 200 кв. м составляют от 2 млн до 5 млн рублей без учета товарного запаса. При неудачном выборе локации большую часть этих инвестиций вернуть невозможно. А если учесть еще и потраченное время на поиск помещения, строительно-монтажные работы, весь цикл работ по запуску проекта, а потом его закрытия, цифры потерь можно смело умножать на два. Открытие гипермаркета и вовсе обходится сотни миллионов — немалая цена для одной управленческой ошибки, не так ли?
Открыть магазин в неправильном месте — страшный сон любого ретейлера. Недаром в каждом учебнике по ретейлу повторяется заклинание: «Место-место-место». Грамотно выбранная локация, наоборот, способна существенно увеличить доходы. При этом магазины продолжают закрываться каждый день или открываться в таких местах, которые даже на первый непрофессиональный взгляд вызывают подозрения: в пустых торговых центрах, на улицах без единого пешехода или в гиперагрессивной конкурентной среде.
Стандартный алгоритм выбора локации для размещения нового объекта — это своего рода воронка отбора объектов. Помещение, в котором впоследствии откроется магазин, должно последовательно пройти все четыре стадии: поиск вакантных площадей, сбор данных и исследование локации, интерпретация данных и прогноз будущих показателей и, наконец, принятие решения об открытии. Если в результате оказывается выбрано неудачное место, значит, либо произошел сбой на одном из этапов, либо (что чаще) накопились неточности и мелкие ошибки на каждом из них и привели к серьезному искажению результата.
Ошибка переводчика
На этапе поиска наиболее частой проблемой является выбор из слишком узкого вариативного ряда. Вы можете инвестировать миллионы в дорогостоящую методику прогноза успешности новой локации, но если оцениваете с ее помощью только одну или две локации, это ничего не даст. Показателен пример сети городских кафе, развивающей бизнес по франшизе. При входе в новый город она всегда требует от партнеров найти как минимум пять локаций, в которых они бы хотели открыться, и только после этого принимает решение. Нашли три варианта? Прекрасно, принесите еще два. Иначе никак. С одной стороны, такой подход замедляет процесс развития, с другой — обеспечивает высокое качество результата.
К сожалению, на российском рынке подобный подход — пока еще приятное исключение. Для зарубежных игроков, работающих на зрелых высококонкурентных рынках, это давно стандарт. Примечательна реакция бывшего топ-менеджера «Ашан Россия», которому однажды на переговорах предложили оценить всего лишь одну локацию. На тот момент иностранец провел в России немного времени и долго не понимал, как можно выбирать только из одной локации в городе. Это предложение он посчитал ошибкой переводчика.
Сколько форматов, столько и замеров
Выбирая локации, ретейлеры стремятся изучить факторы, от которых зависит объем их будущих продаж. Предприятия, ориентированные на транзитный трафик (например, заведения «кофе с собой» или корнеры аксессуаров в ТЦ), часто смотрят на объем пешеходного трафика и его характеристики. Магазины у дома, точки выдачи интернет-магазинов преимущественно рассчитывают размер торговых зон, количество и характеристики людей, проживающих в зонах доступности и охвата. И конечно, все ориентируются на конкурентов. Причем их присутствие поблизости не всегда минус. Есть отрасли, для которых наличие конкурентов — благо.
В моей практике есть и экзотические случаи: например, компания микрозаймов обращала внимание на наличие поблизости успешных салонов связи: анализ предыдущих открытий этой фирмы показывал прямую зависимость успеха точки от этого фактора.
Показатель проходимости мимо витрин магазина использует большинство ретейлеров, и именно на его примере можно описать те ошибки, которые могут серьезно повлиять на будущую успешность магазина. Самая распространенная проблема при замере трафика — нерепрезентативность выборки. Например, часто используемый формат замера — это подсчет одного дня по 15 минут утром, днем и вечером. Но, во-первых, при экстраполяции на месяц точность прогноза получается плюс-минус 55%. Это означает, что при проведении 100 таких замеров, результаты 99 из них попадут в промежуток плюс-минус 55%, что, мягко говоря, неточно. Если на базе такого замера строится прогноз продаж, то такое исследование не имеет смысла, лучше не измерять вовсе, чем тратить собственные деньги и время сотрудников.
Во-вторых, график утро-обед-вечер подразумевает замер в утренний и вечерний пики, а сама картина неравномерности по часам дня заранее неизвестна. Попытки экстраполировать полученные данные с помощью условных коэффициентов неравномерности только увеличат ошибку: реальные коэффициенты здесь и сейчас будут совершенно другими. Чтобы их определить, нужен замер на протяжении всего дня.
Еще одна распространенная ошибка при замере трафика — недооценка человеческого фактора. Сотрудникам, безусловно, надо доверять, но если они с карандашом и бумагой считают трафик 12 часов в день, часть из них неизбежно будет врать, и вы никогда не узнаете, какая именно часть. Одни будут это делать сознательно, думая, что смогут достоверно экстраполировать недостающие часы, другие — неосознанно, потому что устали. Вы же не хотите на основе данных, полученных таким образом, принимать решения о крупных инвестициях.
Опыт показывает: для преодоления этой проблемы необходимо использовать видео и фиксировать трафик с помощью специальных устройств. Сам подсчет рекомендую проводить уже потом, по видео вручную или с помощью машинного обучения. Также можно считать проходящих мимо и с помощью Wi-Fi-сенсоров, которые позволяют подсчитать уникальных посетителей и получить еще ряд дополнительных характеристик о покупательских потоках.
При этом замер трафика — это только наиболее яркий пример: как показывает практика, неточности возникают и при подсчете количества домохозяйств в зоне доступности, и при оценке уровня доходов населения, и вообще при сборе любых данных.
Один fashion-ретейлер перед выбором места под магазин всегда считал количество покупок у конкурентов. Это абсолютно правильная методика для такого формата, за исключением одного момента: компания делала замер на протяжении всего лишь одного дня. Полученные данные при экстраполяции на месяц приводили к высокой погрешности (разброс достигал 100%). Когда же компания увеличила сроки исследования до четырех дней, количество успешно открытых локаций сразу выросло!
Еще одна типичная ошибка — учитывать построенное жилье как заселенное, а планируемую транспортную инфраструктуру как действующую. Например, продуктовый ретейлер, развивающий формат «у дома», оперировал количеством квартир в зоне доступности объекта, считая все квартиры заселенными. Разумеется, квартиры подсчитать проще, чем фактическое население. Но беда в том, что в реальности заселение происходит медленно, и до выхода на прогнозные показатели магазины в новых районах работали в минус еще несколько лет. О планировавшихся, но не построенных развязках и пешеходных переходах можно рассказывать вечно — таких историй множество у каждого активно развивающегося ретейлера.
Проклятые локации
Постоянно оценивая локации, начинаешь замечать, что в одних и тех же местах смена арендаторов происходит чаще, чем в других. Такие объекты можно вычислить, посмотрев историю ротации арендаторов. Так, постоянная смена вывесок говорит о несоответствии стоимости помещения его потенциалу. Опытные ретейлеры умеют отличать хорошие локации от плохих, хотя спрогнозировать показатели суперлокации все-таки сложно.
После съезда очередного ретейлера арендодатель выставляет помещение по прежней завышенной цене и, так как спрос есть, успешно сдает его очередному любителю рискнуть. Иногда такое случается даже на уровне целых городов. Например, когда один собственник владеет большинством концептуальных торговых центров и, будучи монополистом, завышает ставки аренды. Избежать подобных ловушек можно, изучая историю объекта и объективно рассматривая все его характеристики.
После сбора данных наступает этап интерпретации. Ошибки, связанные с методологией оценки, можно минимизировать, отказавшись от экспертных оценок перейти в пользу математических моделей, которые спрогнозируют будущие показатели магазина. Лучший способ протестировать разработанную модель — это оценить по ней уже работающие точки и сравнить их с реальными показателями. Традиционные методы и экспертные оценки достигают точности 60-70%, использование же машинного обучения и геомаркетинга дает точность до 90%. Чем больше сеть, тем вероятнее, что она уже использует математические модели для повышения качества открытий новых объектов.
И наконец, этап принятия решения. Сам по себе он вряд ли может внести свои погрешности. На решение влияют ошибки, накопленные на предыдущих этапах. Используйте при оценке локаций только те данные, которые можно проверить, снижайте влияние субъективных факторов, используйте свой предыдущий опыт — и вы кардинально снизите вероятность ошибки, а ваши магазины будут работать долго и прибыльно.