Международный экономический форум 2012

Рудой В.А.

Аналоговый подход в геомаркетинговых исследованиях (на примере города-курорта Анапа).

На динамично развивающемся рынке торговой недвижимости России аналитические отделы риэлторских фирм оперируют огромными объемами информации, поскольку от своевременности обработки этих данных во многом зависит успех развития бизнеса. В последнее время специалисты данной сферы все активнее используют ГИС-технологии. Одними из основных направлений применения стало исследование рынка и консультирование. Данные виды аналитической деятельности позволяют получать наглядную информацию о плотности существующей застройки, новом строительстве, данных по качественному и количественному зонированию на рынке недвижимости.

В 80-90-е годы большинство западных ритейлеров при выборе местоположения строительства нового объекта зачастую опирались на «метод аналогий», или аналоговый подход. Аналоговый подход заключается в расчёте возможного объема продаж нового объекта путем сравнения (аналогии) с другим торговым объектом, имеющим схожие характеристики, местоположение и торговую зону. Эксперты путем проведения опросов посетителей (наиболее часто) или с помощью регрессивного моделирования (редко) выясняют факторы, влияющие на прибыльность торговой точки, являющейся объектом сравнения. Затем происходит сравнение потенциальных площадок под строительство магазина с учетом выявленных факторов [1].

а)  Объекты обладают схожими характеристиками;

б) Сравнение производится с учетом факторов, полученных в ходе предварительного анализа (в данном случае – корреляционный анализ) [2].

Рассмотрим следующий пример. В наличии имеются четыре земельных участка, примерная стоимость каждого составляет около 35 000 руб./кв.м. Все они имеют набор схожих характеристик: площадь, необходимый пакет документов, отсутствие обременений, наличие коммуникаций. Целевая категория земель для всех участков также одинаковая. Предполагается использовать данные участки под строительство отеля. Участки расположены в разных частях города, что значительно усложняет выбор оптимального варианта (рисунок 1).

4 участка (1).tif

Рисунок 1. Территориальное расположение участков в системе города.

Предварительный этап заключается в проведении корреляционного анализа для определения факторов, влияющих на получение прибыли (объема продаж). Т.к. речь идёт в первую очередь о строительстве отеля, за основу прибыли берется стоимость проживания в объектах гостиничного типа. Таким образом, целью корреляционного анализа является выявление факторов, максимально влияющих на стоимость проживания, а также получение трендов ценообразования на жилье для отдыхающих.

 Корреляция – систематическая и обусловленная связь между двумя рядами данных. Этап анализа является довольно объемным и трудозатратным. Общее количество независимых переменных, являющихся потенциальными факторами влияния на получение прибыли – 26. Это плотность конкурентов, расстояние до основных пляжей, близость парковых зон, основных пешеходных маршрутов, расстояние до центра города, рыночная стоимость земли и т.д. Для выявления аналогий используется база данных гостиниц и отелей города-курорта Анапа с данными стоимости, актуальными на август 2011 года. Для проведения исследований используется коэффициент корреляции Пирсона. Согласно результатам корреляционного анализа территории города-курорта Анапа наибольшее влияние на объекты гостиничного типа оказывают следующие факторы [3].

2) Расстояние до промышленных зон, проезжей части. Для данных показателей коэффициент принимает наиболее близкие к единице со знаком минус отрицательные значения.

Т.е. по сути все факторы являются расстояниями до того или иного типа объектов. Величины расстояний для участков представлены в таблице 1.

Стоит отметить, что расчёт расстояний возможен благодаря использованию ГИС-технологий, которые позволяют не только получить высокоточные данные, но и значительно сэкономить временные ресурсы. В данном случае все расчёты происходили в программном комплексе ArcGIS с использованием модуля ArcToolBox.

Основные объекты

Расстояния до объектов (м.)

№1

№2

№3

№4

Городская набережная

1451

951

911

783

Ближайший пляж

1480

900

598

786

Побережье

252

950

725

832

Городской пляж

2013

980

596

1193

Центр города

1203

387

537

419

Промышленная зона

108

561

818

554

Проезжая часть

149

20

42

22

Для сравнения полученных факторов и выбора участка для строительства применим следующую методику с использованием коэффициентов. Для каждого из рассматриваемых объектов определяется земельный участок, расстояние от которого будет наибольшим по сравнению с другими. Коэффициент такого участка для данного объекта будет равняться единице. Соответственно, коэффициенты других участков принимают значения согласно следующей формуле:

                                               l = L/L(max)                                                            {1},

где l– искомый коэффициент, L– расстояние от данного участка до искомого объекта, L(max)– расстояние от наиболее удалённого участка до искомого объекта. Результаты расчётов представлены в таблице 2.

Каждый из обозначенных объектов, для которых производится расчёт доступности, по-разному влияет как на стоимость земли, так и на стоимость проживания. Степень влияния характеризуется коэффициентом корреляции. Т.к. стоимость земли для всех участков одинакова, то её из дальнейших расчётов можно исключить и в исследованиях будет применяться только коэффициент корреляции стоимости проживания.

Таблица 2. Показатели коэффициента lдля каждого из участков.

Основные объекты

Значение коэффициента lдля каждого участка

№1

№2

№3

№4

Городская набережная

1

0,66

0,63

0,54

Ближайший пляж

1

0,61

0,4

0,53

Побережье

0,27

1

0,76

0,88

Городской пляж

1

0,49

0,3

0,59

Центр города

1

0,32

0,45

0,35

Промышленная зона

0,13

0,69

1

0,68

Проезжая часть

1

0,13

0,28

0,15

Формула примет следующий вид.

                                                                     {2}, где K– суммарный коэффициент, i – объект, для которого рассчитывается коэффициент (i = 1,…,n), li– коэффициент для i-го объекта, ki- коэффициент корреляции для i-го объекта, k(max)– коэффициент корреляции наиболее значимого для стоимости проживания объекта, n– количество объектов. Величины средних коэффициентов корреляции для каждого из объектов представлены в таблице 3.

Таблица 3. Коэффициенты корреляции для каждого объекта.

Основные объекты

Величина коэффициента ki

ki/k(max)

Городская набережная

0,41

0,72

Ближайший пляж

0,42

0,74

Побережье

0,36

0,63

Городской пляж

0,33

0,58

Центр города

0,35

0,61

Промышленная зона

0,57

1

Проезжая часть

0,34

0,6

Суммарный коэффициент оптимального положения с точки зрения пешеходной доступности для каждого из четырёх участков будет равняться:

Участок №1: K= 3,29; участок №2: K= 1,27; участок №3:K= 0,5; участок №4:K= 1,14.

Стоит отметить, что коэффициент оптимального местоположения напрямую связан с удалённостью от объектов. Т.е. чем меньше суммарный коэффициент, тем более удачно расположен земельный участок. Таким образом, согласно расчётам, наиболее оптимальным местоположением с точки зрения пешеходной доступности обладает участок №3, т.к. у него наименьший суммарный коэффициент. В свою очередь наихудшим местоположением обладает участок №1.

При использовании аналогового подхода стоит помнить, что непосредственно перед заключительной частью анализа необходимо провести целый ряд действий. Помимо создания электронной карты исследуемой территории и занесения атрибутивной информации необходимо также определить все факторы, потенциально оказывающие влияние на объёмы продаж, произвести их расчёт средствами ГИС, а затем с помощью математического моделирования выявить ключевые. Успех такого метода в значительной мере зависит от возможности найти подобный объект для сравнения.

Литература.

1. Cliquet G., Geomarketing; Methods and Strategies in Spatial Marketing. ISTE, 2007.

2. Угаров А.С., Методы выбора местоположения торговой точки// Маркетинг в России и за рубежом №6, 2005.

3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: основы моделирования и первичная обработка данных// Справочное издание. М., 1983. 472 с.