Прогнозирование товарооборота новых магазинов

Январь, 2019 год.

Система автоматического расчета потенциального товарооборота торговой точки на основе данных о локации и ее конкурентного окружения.

Ритейл Стратегия Оптимизация расходов Крупный бизнес Собственная разработка PREDICT Mail.ru Group Computer vision Image recognition Data analysis

Какую проблему решали

«Магнит» — одна из ведущих розничных сетей в России, лидер по количеству магазинов и географии их расположения. «Магнит» реализует стратегию по развитию торговой сети и увеличению количества качественных локаций для новых торговых точек.

Перед открытием магазина расчет его потенциального товарооборота выполнялся с помощью моделей в полуручном режиме. Не было универсальной системы оценки локаций, что приводило к снижению количества эффективных открытий и увеличению сроков запуска торговых площадей.

Для успешной реализации стратегии развития торговой сети необходим инструмент для анализа и оценки потенциала новых локаций.

Решение проблемы

Команда «Магнит» разработала геоинформационную систему (ГИС), которая автоматически рассчитывает потенциал новой торговой точки, рекомендует наиболее эффективный формат (супермаркет, дрогери, гипермаркет) и прогнозирует падение продаж действующих магазинов рядом.

По координатам локации система автоматически собирает более 50 признаков для анализа, в том числе данные о дорогах, семьях, трафикогенераторах, негативных факторах локации и конкурентной среды. Решение прогнозирует трафик и средний чек магазина с использованием в качестве параметров результаты прогнозов от PREDICT Mail.ru Group.

ГИС автоматически формирует презентацию локации и отправляет информацию членам инвестиционного комитета для принятия решения об открытии магазина.

Применяемые технологии

Общая архитектура решения включает разнообразные подходы к прогнозированию товарооборота и предварительной обработке данных методами ML для генерации признаков.
В системе используются:

Регрессионная модель машинного обучения на основе данных по домам, дорогам, данным телеком операторов, внутренней статистики, результаты прогноза по среднему чеку и трафику от PREDICT. Она представляет собой ансамбль из нелинейной модели прогноза товарооборота (XGBoost) и линейной модели прогноза товарооборота (Linear Regression);
Нейронная сеть для распознавания спутниковых снимков, которая учитывает требования по учету типов зданий и дорог.

Бизнес-процесс

До проекта:

Влияние человеческого фактора на оценку локаций.
6 дней - средний срок обработки заявки на расчет потенциала.
Ошибки в принятии решений об открытии магазинов.
Длительные сроки запуска.

После проекта:

Автоматизированный сбор и анализ признаков локации.
Точный расчет потенциала торговой точки.
1 день на обработку заявки на расчет потенциала.
Рекомендации по формату будущего магазина.

Результаты

Команда «Магнит»

Диана Барановская

Руководитель команды бизнес-экспертов

Михаил Большаков

Руководитель управления

Юрий Борисов

Начальник отдела разработки и моделирования

Владислав Валюхов

Главный аналитик данных

Евгений Левянт

Главный аналитик данных

Дмитрий Машков

Руководитель команды разработки

Дмитрий Молчанов

Ведущий разработчик

Евгений Соловьев

Руководитель команды бизнес-экспертов

Алексей Четыркин

Руководитель управления по аналитике данных

Александр Чуприн

Начальник отдела аналитики ГИС

Команда PREDICT, Mail.ru Group

Дмитрий Ивницкий

Руководитель проекта

Александр Мамаев

Тимлид Data Science

Иван Толкачев

Программист-исследователь

Анастасия Трыкова

Аналитик данных