Основатель и генеральный директор сети автокофеен рассказал о том, как в компании автоматизируют процесс выбора локации
Эту статью написал участник сообщества
Дмитрий Лутченко
Основатель Coffee Machine
Редакция «Бизнес-секретов» бережно сохранила авторский стиль, орфографию и пунктуацию — наши модераторы ничего не меняли
Написать статьюОснователь и генеральный директор сети автокофеен рассказал о том, как в компании автоматизируют процесс выбора локации
Эту статью написал участник сообщества
Дмитрий Лутченко
Основатель Coffee Machine
Редакция «Бизнес-секретов» бережно сохранила авторский стиль, орфографию и пунктуацию — наши модераторы ничего не меняли
Написать статьюАвтокофейня — это небольшой павильон, где варят кофе и готовят еду навынос. Гость может подъехать на машине, заплатить и получить заказ.
Наша первая автокофейня открылась во Владивостоке в 2011 году. Сейчас Coffee Machine — это сеть, в которую входят 80 автокофеен в 30 городах России. Из них 14 находятся в собственности компании, остальные работают по франшизе. Большая часть автокофеен расположена на Дальнем Востоке — в Приморском крае, Амурской области и Хабаровском крае, но география постепенно расширяется на запад России. Оборот сети — 2,2 млрд рублей в год.
По мере того как наша компания росла, мы все острее ощущали, что нам нужен более системный подход к выбору локаций для открытия новых автокофеен. Изначально мы их выбирали интуитивно. Постепенно нам удалось выделить факторы, влияющие на успех.
В нашей компании внедрена система OKR — это такая методика постановки целей. Мы завели в ней отдельный проект по автоматизации выбора локаций. И хотя он еще не завершен, я готов рассказать о промежуточном результате.
В идеале мы хотим получить инструмент, который позволил бы предсказывать будущую выручку автокофейни. На нынешнем этапе мы приблизились к решению: у нас появилась семибалльная система, автоматический инструмент первичной оценки локаций.
Трафик как ключевой элемент
Для того чтобы автокофейня была прибыльной, очень важен трафик. Сначала мы оценивали его на глазок: приезжали на место и смотрели, много ли автомобилей проезжает в течение дня.
Потом у нас появились камеры, но это решение не было оптимальным. Оно подразумевало, что мы отправляли в город человека, который устанавливал камеру и следил за ее работой. А затем данные выгружали в один из платных сервисов, который подсчитывал трафик.
Мы начали искать другое автоматизированное решение. И нашли вариант подсчета трафика на основе сигналов мобильных телефонов, это позволяло получить количество уникальных автомобилистов в конкретной точке на карте. Также сервис умеет сопоставлять трафик с активностью ретейла в целом и кафе в частности: программа подсчитывает количество электронных транзакций.
Для оценки локаций был произведен корреляционный анализ следующих факторов:
- Интенсивность ретейла в радиусе 75 м.
- Интенсивность ретейла в категории «Кафе» в радиусе 100 м.
- Количество уникальных автомобилистов в месяц в радиусе 500 м.
- Отношение количества уникальных автомобилистов в месяц в радиусе 500 м к количеству АЗС в радиусе 500 м.
- Отношение интенсивности ретейла в категории «Кафе» в радиусе 500 м к интенсивности ретейла в радиусе 500 м.
- Отношение количества уникальных автомобилистов в месяц в радиусе 100 м к интенсивности ретейла в категории «Кафе» в радиусе 100 м.
- Интенсивность ретейла в категории «Кофейня» в радиусе 500 м.
По каждому параметру мы вводим условие: если он больше числа N, то добавляем один балл к общей оценке локации. Таким образом у нас появляется семибалльная оценка. Мы протестировали новую систему на нескольких собственных автокофейнях и убедились, что результаты релевантны.
Если мы хотим открыть объект в новом регионе, локация должна набрать не меньше пяти баллов: там оценка должна быть выше, потому что наш бренд менее известен, а это очень сильно влияет на показатель конверсии и выручку. В тех регионах, где мы уже присутствуем, достаточно двух-трех баллов.
Конверсия и влияющие на нее факторы
Это еще не идеальное решение, но у нас появилась точка опоры. Мы уже можем исключить участки, которые нам заведомо не подходят. Трафик — это точное число, но мы пока не можем предсказать, какая доля этого трафика конвертируется в реальных покупателей.
Показатель конверсии сложно предугадать, у нас он варьируется от 0,35% до 5—6%. Мы полагаемся на пессимистичные значения: в городе это 1,5—2%, а на трассе — 0,5—1%. Умножаем трафик на показатель конверсии, а затем на средний чек — и таким образом получаем предполагаемый объем выручки.
За годы работы нам удалось выделить важные факторы, влияющие на показатель конверсии и выручку автокофейни:
- Новый ли это район. Как правило, чем больше в районе новостроек, тем выше покупательная способность жителей.
- Насколько хорошо заведение будет видно проезжающим автомобилистам.
- Не придется ли им совершать дополнительные маневры при выезде. Кажется, что для водителя это не сложно, но все такого избегают.
- Нет ли поблизости сложных развязок. Даже на очень хорошей трассе в районе развязок, выездов на мосты, поворотов и так далее водители сконцентрированы на движении и не замечают придорожные объекты.
- Насколько часто в этом месте бывают пробки. Водители боятся потерять свое место в плотном потоке, хотят миновать пробку как можно быстрее и не готовы останавливаться.
- Какова скорость движения. Если разрешенная скорость — 90 км/ч или выше, водители неохотно сворачивают, потому что приходится замедляться в потоке.
- Есть ли в этом месте заправки или другие объекты придорожной инфраструктуры. К отдельно стоящему кафе водители подъезжают намного реже.
- Проходит ли трасса в этом месте через населенный пункт. Для автокофейни это предпочтительный вариант: не только потому что водители вынуждены снижать скорость, но и потому что проще найти персонал.
Пока нам не удалось построить модель, которая учитывала бы все факторы, но мы продолжаем работу. У нас была гипотеза, что можно делать расчеты с помощью нейросетей. Но оказалось, что для этого нужны по-настоящему большие данные. У нас в сети сейчас 80 объектов, и этого недостаточно, нужны тысячи.
Атмосфера места
Любой автоматизированный анализ хорош лишь для первичной оценки. Я рекомендую в любом случае лично выехать на место и оценить его вживую. В объект придется вложить 10—12 млн, поэтому экономить на такой поездке точно не стоит.
Бывает так, что предварительная оценка отличная, но на месте понимаешь, что здесь открывать объект нельзя. Например, грязно, дорожное покрытие оставляет желать лучшего, да и в целом в этом месте не хочется находиться. Атмосфера и качество инфраструктуры очень важны. Все-таки это общепит. Важно понять, хотели бы вы сами здесь остановиться, выпить кофе и перекусить.
Как выбирать локацию, если сеть только начинает расти
Какой-либо анализ с выделением критериев, влияющих на успех, можно проводить, когда у сети уже есть пять-десять объектов в разных локациях. При этом первые объекты я рекомендую открывать максимально консервативно — и только позже начинать экспериментировать.
Для начала лучше выбирать локации, которые максимально похожи на те, что уже оказались успешными. Например, если первый объект открылся в торговом центре, второй тоже стоит открыть в торговом центре. Возможно, этот совет кажется очевидным, но следуют ему не все. Я и сам ему не следовал в самом начале, что обернулось проблемами.
Когда вы начинаете строить сеть, узнаваемость бренда растет экспоненциально. И очень важно заботиться о репутации. Если у бренда репутация хорошая, он может работать даже в не самых удачных локациях. А если плохая — никакая локация не приведет к успеху.
