Россия

Moscow GLA 20-40 +2% 24 2017 к 23 2017

St. Petersburg GLA 40-80 +3% 24 2017 к 23 2017

Молл: Сдвиг по базе

Все новости > Молл: Сдвиг по базе
18.11.2016СМИ
Главное преимущество анализа Big Data: что с его помощью собственник торгового центра получает возможность не просто лучше понимать свою аудиторию, но и чётко структурировать гигантский массив поступающих данных
Молл: Сдвиг по базе

Анализ так называемых «больших данных» (или Big Data) в сфере торговой недвижимости стал активно применяться только несколько лет назад. В России же его используют не больше двух лет: собственники только сейчас начинают осознавать необходимость знакомства с технологиями, позволяющими выяснить предпочтения покупателей и повысить эффективность рекламных акций, а вместе с ними – и продажи самого торгового центра.

Big data в помощь

Сам термин Big Data стал активно использоваться в России около шести лет назад, хотя, например, программное обеспечение Hadoop (которое является одной из основополагающих технологий «больших данных») было впервые запущено в 2005 году. «Так часто бывает: например, мы в компании начали использовать CRM задолго до того, как этот термин в принципе появился, а потом поняли – ага, это CRM, оказывается, мы его 5 лет уже используем», – рассказывает руководитель отдела геоинформационных исследований компании «Магазин Магазинов» Алексей Никифоров. В то же время полноценное комплексное использование технологии анализа Big Data началось только около года назад, добавляет управляющий партнёр Watcom Group Алексей Князев. «Данная услуга на российском рынке появилась относительно давно, но всё же её внедрение началось буквально 2 года назад, – соглашается управляющий директор Immofinanz Russia Максим Бубон. – В то время как на Западе подобные технологии используют уже более 6 лет, когда и произошел бум в сфере Big Data».

Строго говоря, в торговой недвижимости нет пока таких данных, чтобы их можно было классифицировать как Big, замечает Алексей Князев. «Более того, ещё 2 года назад, по сути, кроме финансовой информации был только один тип данных дополнительно использующихся в работе – данные о посещаемости, – говорит эксперт. – В единичных случаях встречались управляющие компании, которые системно работали с другими данными (которые также нельзя назвать Big)».

Главное преимущество анализа Big Data заключается в том, что с его помощью собственник торгового центра получает возможность не просто лучше понимать свою аудиторию, но и чётко структурировать гигантский массив поступающих данных. Причём если раньше абсолютной нормой была сегментация аудитории по социо-демографическим параметрам, то теперь есть возможность отслеживать поведенческие особенности и стиль жизни. «Именно такое сегментирование позволяет персонализировать маркетинг, "прицельно" работать с наиболее прибыльными группами покупателей и при этом чуть ли не к каждому по имени обращаться», – говорит руководитель управления стратегического маркетинга АО «ТПС Недвижимость» Дмитрий Баранов.

Помимо комплексного анализа аудитории, Big Data позволяет наблюдать за поведением покупателя внутри торгового центра и анализировать эффективность проводимых мероприятий, акций и распродаж, рекламных роликов и кампаний и даже оформления витрин и общих зон. Анализируя передвижения посетителей и количество времени, которое они проводят в той или иной зоне торгового центра, можно чётко понять, на какую аудиторию проводимая кампания или акция повлияла сильнее, как часто та или иная группа посетителей возвращается в комплекс и так далее.

Зная всё о своём клиенте и его потребностях, торговый центр может предлагать необходимые именно ему товары и услуги. Но если в сети эти технологии сейчас уже активно используются, то в оффлайн-пространстве пока только внедряются. Однако участники рынка уверены, то это лишь вопрос времени.

В России компаний, использующих технологию анализа Big Data, сегодня не так много. Одной из них стала австрийская Immofinanz. По словам Максима Бубона, компания использует не только программу подсчёта посетителей, но и систему Focus от Watсom. Последняя «позволяет всесторонне оценить, кто наш посетитель, какие магазины он посещает, сколько денег тратит, как много времени проводит в торговом центре, какие магазины и кафе ему нравятся и так далее», объясняет эксперт.

Как это работает

Наиболее распространённым способом сбора информации об аудитории, посетившей тот или иной ТЦ, является анализ GPS-данных, полученных со смартфона или планшета. «Например, если на устройстве пользователя установлены приложения, в которых ему транслируется in-app реклама, то рекламным платформам в момент показа объявления часто доступны точные GPS-координаты устройства – при условии, конечно, что пользователь выдал программе соответствующие разрешения, – говорит директор по анализу данных DCA (Data-Centric Alliance) Никита Учителев. – В результате, если владелец соответствующего устройства посещал торговый центр (или любое другое здание) и заходил в такое приложение, информация о его геопозиции надолго будет сохранена в базе данных рекламной платформы». Собрав идентификаторы всех, кто посещал заданный ТЦ за определённый период времени, появится возможность рассматривать этих людей уже как некую общую аудиторию, сравнивая её со всеми остальными людьми, продолжает Учителев. В итоге аудитория ТЦ может рассматриваться по аналогии с аудиторией интернет-сайта, к которой применимы все известные в цифровой среде инструменты аудиторной аналитики. Благодаря этому можно не только делать спецпредложения частым посетителям, но и привлекать новых.

Сейчас данные по перемещению абонентов, их уровню дохода и половозрастному составу предлагает большая тройка сотовых операторов, говорит руководитель отдела геоинформационных исследований «Магазина Магазинов» Алексей Никифоров. «Естественно, эти данные обезличены и передаются обычно по сетке 500x500 метров на интересующую территорию (скоро должны предлагаться и 100x100, но порядок их стоимости даже трудно представить), – отмечает он. – Мы несколько раз проводили анализ подобных данных, был отрицательный и положительный опыт, очень многое зависит от запроса, который передаётся оператору телекома, поскольку выгрузки обычно очень "тяжёлые" и могут формироваться несколько дней. Если запрос неправильно составлен, то и выгрузка будет неправильная, а вместе с ней и результат». При этом сетка в 500x500 достаточно масштабная, обращает внимание Никифоров, и подходит для анализа крупных объектов торговой недвижимости: ТЦ, биг-боксов, ритейл-парков, аулетов, но её недостаточно, например, для магазинов стрит-ритейла.

Впрочем, точности GPS-передатчика может не хватать для решения некоторых задач. Например, для получения знания о тех, кто заходит в конкретные магазины, собственнику ТЦ потребуются технологии, работающие с Wi-Fi. «Дело в том, что если у пользователя на смартфоне включен Wi-Fi передатчик, то сетевые ретрансляторы и точки входа автоматически получают информацию о его сетевой карте, когда он входит в зону покрытия сети, даже если смартфон просто лежит в кармане, – говорит Никита Учителев из DCA. – В том числе они могут сохранять mac-адрес этой сетевой карты, что является уникальным идентификатором устройства. Установка специальных передатчиков внутри каждого магазина позволяет получить информацию о том, какие mac-адреса, когда и на какое время "заходили" внутрь или "проходили" мимо». После привязки этого идентификатора к онлайн-информации дальнейшая работа станет аналогична предыдущему примеру. Сделать это можно несколькими способами. «Например, закупив соответствующую связку у специализированных поставщиков или предложив в ТЦ услугу бесплатного доступа к Wi-Fi обязательной страницей авторизации, на которой нужно разместить специальный программный код», – говорит директор по анализу данных DCA.

Подобные решения сейчас только начинают развиваться в России. И у них есть все шансы дать новый импульс развитию как мобильных трекинговых и продающих технологий, так и системам навигации. Например, не так давно свои услуги собственникам торговых центров стала предлагать компания Maxima Telecom (интегратор Wi-Fi в столичном метро). Обладая самой большой базой уникальных пользователей, компания может предоставить полную информацию о посетителях любого торгового центра в Москве. Однако, по словам Петра Исаева, такая услуга на рынке появилась относительно недавно, и стала возможной именно благодаря платформе Wi-Fi и обязательной регистрации посетителя в сетях.

Далеко не все современные технологии обработки «больших данных» могут принести ощутимые результаты. «Сейчас появляется очень много различных стартапов/сервисов, которые используют трендовые ключевые слова, например big data, digital, iBeacon, omnichannel, нейронные сети, чатботы и др.», – рассказывает Алексей Князев из Watcom. Но, по его словам, все они имели очень скромные результаты. Тому есть несколько причин. «Во-первых, торговый центр – это серьёзный офлайновый центр притяжения, который работает на конкретную и при этом конечную аудиторию, зависящую от местоположения, – обращает внимание эксперт. – Этот фактор не позволит торговому центру привлекать "бесконечную" аудиторию из интернета. Также маловероятен спонтанный поход в торговый центр, особенно в сегодняшнее кризисное время». Второй фактор Алексей Князев называет фактором «последней мили». «Предположим, некими инструментами получилось привлечь 10% дополнительной аудитории в торговый центр, но посещаемость арендаторов вырастет в среднем меньше чем на 10%, например на 8%. При этом часть посетителей ничего не купит. Значит, в среднем количество покупок у арендаторов вырастет на 5%, – описывает схему управляющий партнёр Watcom Group. – Надо сказать, что увеличить на 10% посещаемость торгового центра за счёт каких-то цифровых инструментов – это очень серьёзная задача. Сделать это на протяжении месяца – просто нереально». В итоге результат для ритейлеров размоется в месячном плановом периоде, а для торгового центра приблизится к статистической погрешности.

Заграница нам поможет

На Западе в последнее время интенсивно развивается комбинирование Big Data с location-based services (LBS), рассказывает Дмитрий Баранов из «ТПС Недвижимость». По его словам, это позволяет продавцам и торговым центрам, с одной стороны, довольно точно понимать и прогнозировать покупательское поведение посетителя ТРЦ, а с другой – на основании этих прогнозов мгновенно предлагать товары и услуги, опираясь на данные о его точном местоположении. «Накопление большого объема данных позволяет торговым центрам – не раскрывая персональные данные, а лишь используя их в "чёрном ящике" – знать каждого посетителя "в лицо", обращаться к нему, когда он просто проходит рядом с ТРЦ, напоминать о товарах, которые он планировал купить (например изучал в в онлайн-магазине), но пока не купил», – говорит Дмитрий Баранов.

Известно, например, что в Америке известная fast-food сеть Wendy's при выборе места для открытия новых заведений использует гравитационную модель, которая является частью Big Data и на самом раннем этапе реализации проекта позволяет сделать его максимально эффективным. При её расчете вероятность посещения конкретного магазина, гипермаркета или торгового центра зависит от «веса» его привлекательности по сравнению с привлекательностью «конкурентов», объясняет директор департамента стратегического консалтинга ReaJet Михаил Шапошников. «Во внимание принимается плотность населения в районе, количество домохозяйств в зоне охвата, уровень дохода населения и так далее, – перечисляет эксперт. – К слову сказать, анализ полученной информации позволил аналитикам сети сделать вывод, что в локациях с более высоким уровнем дохода посетителей меньше, хотя их средний чек выше, чем в районах, где живут менее состоятельные клиенты».

Анализируя данные для выбора локации магазина или ТЦ, каждому важному параметру присваивается свой вес в зависимости от потребностей компании (формата торговли, типа торговой точки). «Например, для магазина шаговой доступности очень важна локальная численность населения и его социально-демографические характеристики (уровень дохода, наличие детей, возраст), а для гипермаркета — площадь земельного участка, арендные условия, транспортная доступность, пропускная способность близлежащей магистрали», – добавляет Шапошников.

В то же время при анализе Big Data многое зависит от законодательства и того, как оно относится к обработке персональных данных, напоминает Алексей Никифоров из «Магазина Магазинов». «Около трёх лет назад в Германии оператор Telefonica анонсировал, что планирует продавать выборки собственных данных бизнесу. Но правительство не допустило этого, несмотря на то, что все данные были обезличены», – замечает он. При этом в Турции один из операторов телекома реализовал такую возможность и заключил договоры с несколькими собственниками ТЦ. Теперь, говорит Никифоров, последние могут отслеживать абонентов по перемещению внутри своих ТЦ и имеют возможность делать точные целевые предложения, которые, как правило, отличаются более высокой конверсией в покупку, чем рекламное обращение, направленное на все сегменты целевой аудитории.

«В будущем с помощью системы Big Data на экранах в торговых центрах или в других местах с высоким трафиком будет транслироваться реклама товаров, которые интересны именно данной аудитории, и, соответственно, её эффективность повысится в разы, – прогнозирует коммерческий директор AVICA Петр Исаев. – Такие технологии уже реализуются в Нью-Йорке, где в торговых центрах используют рекламные навигационные экраны». Анализируя социально-демографический портрет окружения, они запускают определённый рекламный ролик или навигацию к магазину, предлагая потенциально интересный продукт.

«Big Data на уровне торговых центров развита слабо»

ГК «Росевродевелопмент» (управляет торговыми центрами под брендами «Планета» и «Аура») задумывается о внедрении технологий анализа «больших данных» ещё на этапе строительства ТЦ. Директор по маркетингу и рекламе ГК «РосЕвроДевелопмент» Кирилл Степанов рассказал в интервью журналу «Молл», какие технологии компания использует для сбора данных и почему пока ритейлеры получают больше преимуществ от их анализа, чем сами собственники торговых центров.

– Счётчики трафика стали уже привычным инструментом для управления ТЦ – но финансовые результаты зачастую довольно сильно расходятся с оптимистичными показателями посещаемости. Какие ещё данные необходимо учитывать для адекватного прогнозирования?

– Ещё на этапе строительства торгового центра устанавливаются 3D-датчики. Они отличаются высокой точностью (95–97%), к тому же оценивают рост посетителей (то есть не учитывают детей). Помимо них в объектах используются видеокамеры с функцией распознавания лиц, которые исключают дублирование, и Wi-Fi аналитику.

Wi-Fi аналитика работает с количеством входящих и выходящих людей, а также потребительским трафиком внутри торгового центра. Для работы Wi-Fi аналитики посетители должны быть либо подключены к Wi-Fi сети, либо включить смартфон в режим поиска Wi-Fi. Отслеживать возвращение покупателей в ТРЦ позволяет и совместная с банком-партнёром система лояльности.

Полученные из разных источников данные сводят и анализируют с помощью разработанных компанией алгоритмов. А точность датчиков гарантируют регулярные проверки на корректность, в результате которых выявляется коэффициент отклонения и производится актуализация системы.

– Как ваша компания использует геолокационные данные?

– Наши объекты привязаны к онлайн-картам, и в режиме реального времени у нас есть возможность отслеживать время подъезда покупателей к торговому объекту, учитывая все строительно-ремонтные работы в городе, пробки и загруженность трафика.

Ещё одна система – совместная с банком программа лояльности, которая позволяет по транзакциям посетителей по банковской карте отслеживать перемещение целевой аудитории, выявлять любимые места для времяпрепровождения и совершения покупок. С помощью программы лояльности можно анализировать предпочтения клиента, что позволяет совершенствовать рекламу торгового центра и целенаправленно общаться с посетителями.

Также у нас есть мобильное приложение, которое при разрешении пользователя смартфона отслеживает его геолокацию.

– Какие маркетинговые исследования проводите и насколько показательны их результаты?

– Маркетинговые исследования делятся на внутренние и внешние, количественные и качественные, каждое имеет определённые цели и задачи и проводится с определённой периодичностью. Например, к внешним можно отнести анализ конкурентной среды и исследование на знание населением торгового центра и арендаторов; его проводят один раз в год. Также мы раз в квартал проводим исследования потребительских предпочтений и на постоянной основе – анализ узнаваемости рекламных и маркетинговых активностей. К внутренним исследованиям относится ежеквартальный количественный анализ привлекательности арендаторов, регулярные опросы посетителей на предмет удобства ТРЦ, мониторинг операционной деятельности арендаторов по 40 критериям и т.д.

– Какие перспективные технологии сбора и анализа Big Data можете выделить?

– К сожалению, Big Data на уровне торговых центров, по сравнению с тем же ритейлом, развита слабо. Например, у каждого арендатора есть собственная контрольно-кассовая машина, система подсчёта посетителей, «1С:Бухгалтерия» и т.д. Но в торговых центрах эти данные от арендаторов представлены в разрозненном виде, и на текущий момент нет системы, способной свести информацию от каждого арендатора, что усложняет ведение статистики.

ГК «РосЕвроДевелопмент» на основе имеющихся данных приняла решение о создании собственной комплексной Big Data технологии «умного» менеджмента в сфере коммерческой недвижимости. Эта технология в режиме реального времени и практически без вмешательства человека агрегирует большое количество информации с разных источников, осуществляет исчерпывающий комплексный анализ ТРЦ как бизнеса и разрабатывает на его основе рекомендации по решению стратегических задач.

– Делитесь ли данными с арендаторами? Как они могут использовать ваши наработки?

ГК «РосЕвроДевелопмент» совместно с ритейлерами разработала универсальную систему оценки магазинов по 40 критериям. По предоставленным арендаторам критериям оценивается полнота коллекции, мерчендайзинг, внешний вид витрин и т.д. Соответствие критериям способствует увеличению трафика в магазине и росту числа транзакций.

Помимо этого арендаторам показывается структура торгового центра, потребительский трафик и т.д., что помогает им более эффективно размещать indoor-рекламу и осуществлять кросс-промоушн. Также ГК «РосЕвроДевелопмент» при выявлении нереализованного потенциала арендаторов разрабатывает рекомендации по улучшению показателей, предоставляет информацию о лидере и аутсайдере в определённом сегменте, чтобы продемонстрировать возможности роста и ошибки, которые могут росту помешать.

Назад >