Как прогнозируют выручку с помощью больших данных — кейс алкогольного магазина

В 2018 году мы совместно с уральским алкогольным ритейлером «МАВТ-Винотека» провели пилотный проект по оценке потенциала локаций перед открытием новых торговых точек. Для этого применяли большие данные и машинное обучение.

В общей сложности пилотный проект занял полтора месяца. В результате нам удалось повысить точность прогнозирования выручки для новой торговой точки в четыре раза (относительно среднего по рынку) и внедрить полученную модель в существующий бизнес-процесс заказчика.

А зачем ритейлерам большие данные?

Важно отметить, что прогноз потенциальной выручки новой локации перед открытием — головная боль для любого ритейлера.

Спрогнозировать выручку для существующей торговой точки можно на основе её исторических данных, применив пару-тройку «экспертных коэффициентов». А вот в случае с новой локацией истории продаж нет, но решение об открытии принимать надо.

Какие факторы учитывать в таком случае и на что обратить внимание в первую очередь? Наш ответ — использовать большие данные и машинное обучение для прогнозирования.

Продвижение медцентров и клиник: три кейса о SEO, TikTok и Instagram*

Как получить измеримые результаты в фарммаркетинге.

Показываем на примерах →

Спецпроект

Основной принцип работы машинного обучения заключается в поиске зависимости между группой факторов и каким-то целевым показателем (выручка, количество чеков, количество клиентов и так далее).

Например: X*население в радиусе локации + Y*средний доход населения = ожидаемая выручка.

Фактически наша задача заключалась в поиске такой формулы, которая моделирует бизнес «МАВТ-Винотеки» с учётом множества факторов в привязке к географической точке и очень точно переводит эти факторы в прогнозируемую выручку в рублях.

В ходе решения возник ряд вопросов:

какие факторы необходимо заложить в формулу оценки локации?
как определить X и Y («важность» каждого из факторов)?
как проверить, что формула правильная?

Если вспомнить школьные задачники по математике, то в конце каждого из них всегда есть ответы, которые можно использовать для тренировки навыков решения перед контрольной работой.

По такому же принципу и работает машинное обучение.

Научиться решать примеры, заранее зная ответ (в нашем случае это существующие локации, выручка которых нам известна, то есть их мы можем использовать для создания модели машинного обучения).
Применить полученные знания на контрольной (для нас это новые точки, выручка по которым неизвестна).

Так мы и действовали.

Какие факторы заложить в формулу оценки локации?

Интуитивно понятно, что на выручку торговой точки влияют следующие факторы:

численность населения;
доход населения;
конкуренция;
удобство локации;
и другие очевидные данные.

Интуитивно, может, и понятно, но как оценить все эти факторы?

Численность населения

Одними из наших поставщиков «больших данных» являются мобильные операторы, на основании которых можно оценить реальную численность населения в радиусе интересующей локации.

«Сырые» геоданные от мобильных операторов выглядят на карте как квадраты 500×500 метров, что не очень подходит для оценки конкретной географической точки. К счастью, внутри нашей oneFactor уже 5 лет развивается платформа GeoMind, которая уточняет «сырые» данные от мобильных операторов с точностью до 50 метров, что и позволило нам оценить население вокруг каждой локации «МАВТ-Винотеки» с максимальной точностью.

Кстати, по нашим исследованиям, реальная численность населения Челябинска на 18% ниже данных по результатам переписи.

Доход населения

Данный фактор мы определяли также на основании анонимизированных данных мобильных операторов и поведенческих характеристик абонентов. Наши внутренние модели машинного обучения позволяют оценить уровень дохода абонента с точностью 86%.

Конкуренция

Данные о расположении конкурентов можно найти в любом открытом источнике, но что конкретно из себя представляет фактор «конкуренция»?

Возможные интерпретации:

количество конкурентов в разных радиусах;
расстояние до ближайшего конкурента в метрах;
суммарный доход населения в радиусе локации, делённый на количество конкурентов (вот оно, преимущество нескольких источников больших данных);

…и ещё более 20 различных интерпретаций.

На всякий случай, мы взяли сразу все.

Удобство локации

Под этим фактором можно подразумевать:

расстояние до ближайшей транспортной остановки;
азимут входа в магазин (чтобы оценить «видимость» потенциальной вывески);
ранг локации относительно конкурентов по пути «остановка → дом». Например, второй по счёту продуктовый магазин, когда я иду домой. Кстати, для каждого дома в радиусе локации это число будет разное, и это тоже хорошо бы учесть.

Правильная интерпретация? Сразу все.

Мы привели только примеры, но далеко не полный список. В конечном итоге каждая из существующих локаций «МАВТ-Винотеки» была описана более чем 200 факторами, причём каждый из них имел разные значения в зависимости от анализируемого месяца, которых было 24.

На языке машинного обучения — мы создали «признаковое пространство», которое далее было использовано для оценки важности каждого из факторов и построения формулы зависимости.

Как определить X и Y («важность» каждого из факторов)?

Описать каждую локацию, создав признаковое пространство, это только полдела. Следующий шаг — оценить степень влияния каждого из признаков на выручку и получить формулу зависимости.

Именно на этом этапе и начинается «машинное обучение»: если в классических исследованиях вес факторов определяется экспертно, то мы использовали искусственный интеллект, который проанализировал влияние каждого из 200+ параметров на выручку существующих точек за период в 24 месяца.

С этой задачей искусственный интеллект справляется куда лучше любого «живого» аналитика — факторов очень много и одновременно держать их в голове просто невозможно.

Как проверить, что формула правильная?

На данном этапе мы проверяли формулу, которую искусственный интеллект предложил как наиболее подходящую для моделирования выручки торговой сети «МАВТ-Винотеки».

Задача, которую решала команда oneFactor, носит специфичный характер, так как для реального эксперимента необходимо открывать новые торговые точки и ждать, пока они выйдут на «полную мощность» (в среднем 3 месяца), что, мягко говоря, не очень разумно для первичного тестирования модели, даже если её предложил искусственный интеллект. Поэтому перед началом проекта мы разделили существующие локации в пропорции 80/20:

80% локаций использовали для обучения модели;
20% оставшихся локаций не показывали искусственному интеллекту и оставили для тестирования.

Перед полевым тестированием мы применили модель для оценки тестовых локаций, чтобы понимать примерную точность, которую стоит ожидать в полях. Первый заход, как это часто бывает, оказался не очень успешным, но мы не расстраивались, так как любые исследования всегда очень интересны.

Мы начали переобучать модель, изменяя входящие факторы. Например: население в радиусе 500 метров давало куда меньший прирост точности, чем население в радиусе 300 метров, но ещё больший прирост точности достигается, если использовать не просто численность населения, а именно количество мужчин в возрасте 25–45 с уровнем дохода выше среднего. К этому выводу мы пришли, проанализировав клиентскую базу «МАВТ-Винотеки».

Через несколько итераций переобучения мы смогли достичь точности, которой можем гордиться, — на тестовых локациях наша модель ошибалась не более чем на 10% в 93% случаев. На данном этапе мы ощутили внутреннюю уверенность идти в полевое использование и внедрили полученную модель в существующий бизнес-процесс оценки локаций «МАВТ-Винотеки».

Сейчас при продуктивном использовании разработанной модели машинного обучения мы достигаем отклонения до 10% в 82% случаев, в то время как оценка новой локации занимает не более 48 часов (ранее это было 3 недели). В рамках полевого тестирования мы замеряем точность через 3 месяца после открытия, так как первые месяцы локация «раскачивается» и только заявляет о себе населению.

Важно отметить, что чем чаще наши заказчики используют модель в продуктивном режиме, тем точнее она становится — искусственный интеллект обучается на новых данных, которые появляются с каждым новым месяцем и с каждой новой открытой точкой.

Какие выводы мы сделали

Очень важно работать с заказчиком в атмосфере доверия, это позволяет обмениваться идеями, качественно погрузиться в особенности работы бизнеса и в результате построить точную модель. С «МАВТ-Винотекой» мы изначально работали в рамках доверительных партнёрских отношений и помогали друг другу, за что хотим выразить благодарность от всей компании oneFactor.
Из вопроса доверия вытекает другой немаловажный аспект — готовность заказчика делиться историческими данными с целью построения модели машинного обучения. Любой сколь угодно умный искусственный интеллект не сможет хорошо спрогнозировать выручку локаций только на данных о населении, не учитывая особенностей бизнеса. Чем больше данных имеется у клиента и чем они точнее, тем лучше результат. Практически невозможно составить хорошую модель, если использовать данные за 1–3 месяца, так как при этом теряется связь с макроэкономическими показателями. В идеале нужно использовать всю возможную историю продаж, которая есть у заказчика.
До получения первых результатов работы модели переживать об уровне точности конкретных входящих факторов не стоит. Наша реальная задача — спрогнозировать выручку локации, а не оценить количество работающего населения в радиусе 243 метров. Вполне возможно, этот фактор даже не будет влиять на конечный результат, и это останется лишь нашей гипотезой.