Как МТС «затачивает» свои геолокационные сервисы под корпоративных клиентов
Как геолокационные сервисы от МТС помогают большим компаниям управлять штатом выездных сотрудников 1000+, а также про уникальные геолокационные кейсы для нефтяников и железнодорожников расскажет эксперт в области М2М компании МТС Дмитрий Коровин.
Привет! Начну с краткого введения в тему. У нас есть большой портал «МТС Поиск», на котором представлены геолокационные сервисы от МТС. Портал по функционалу подразделяется на три больших блока.
1. Мониторинг местоположения сотрудников по базовым станциям операторов.
Диспетчер компании может по SIM-картам смартфонов определять местоположение своих выездных сотрудников.
2. «МТС Трекер» и «МТС Координатор».
Диспетчер компании может по SIM-картам, GPS/ГЛОНАСС или Wi-Fi смартфонов определять местоположение своих выездных сотрудников, а также взаимодействовать с ними (в случае «МТС Координатора»).
3. «МТС Транспорт»
Диспетчер компании определяет местоположение подвижного транспорта по сигналам терминалов GPS/ГЛОНАСС, установленных в автомобилях. Точность определения 3-5 метров.
Кратко расскажу историю развития геолокационных сервисов МТС, чуть ниже покажу, как они устроены изнутри. Вначале мы предоставляли возможность определения местонахождения сотрудника по базовым станциям сотовой связи. Однако со временем задачи клиентов потребовали большей точности геопозиционирования. Определение геопозиции в крупных агломерациях с погрешностью в 300 метров не всегда достаточно для решения бизнес-задач. Например, в одном доме находится две точки. Какую из них посетил курьер – не всегда было ясно. Приходилось при расчете KPI давать некие допуски. К примеру, если курьер пробыл в здании не 15, а 30 минут, то, скорее всего, он посетил обе точки.
Мы проанализировали все приложения под iOS и Android, присутствующие на тот момент, в поисках того приложения, которое точнее всего определяет местоположение. В итоге мы выпустили на рынок в 2011 году приложение «МТС Трекер», которое, используя встроенные GPS/ГЛОНАСС-чип или Wi-Fi-модуль, само пишет трек и отправляет координаты на наш сервер.
С развитием смартфонов мы поняли, что телефон может стать полноценным инструментом для постановки задач и контроля их выполнения – не нужно закупать никакого дополнительного оборудования. Так появилось наше приложение «МТС Координатор». Оно вобрало в себя весь функционал «МТС Трекера», а также возможность постановки задач в режиме онлайн, получения отчетов по ним и коммуникации с сотрудником.
Также наш сервис «оброс» функциональным API. Это позволило интегрировать информационные системы заказчиков непосредственно в наш сервис (например, систему «Сбербанк-сервис», которая обрабатывает 3,5 тыс. задач в день). Таким образом, клиенту не приходится ставить задачи в двух системах (в своей и нашей), что дает возможность эффективно работать со штатом разъездных сотрудников 1000+.
Сервис «МТС Координатор» подключается как дополнительная услуга к корпоративному контракту на связь. Для того чтобы сервис использовать, клиенту достаточно иметь на руках помимо контракта несколько смартфонов и SIM-карт, подключенных к услуге «Мобильные сотрудники». Приложение скачивается из App Store и Play Market, устанавливается на телефонии и логинится. И все, работа начинается.
Как все устроено
Немного статистики. Сегодня наш сервис обрабатывает более 1,5 млн запросов в сутки. К услуге подключено около 7 тыс. компаний. Это свыше 1,5 млн абонентов. У нас есть клиенты, у которых данный сервис используют 5+ тыс. сотрудников. Чтобы сервис справлялся с такой нагрузкой, мы провели огромную работу по развитию нашего дата-центра.
В состав платформы входят 100+ серверов, 400 программных компонент и сервисов, 100+ баз данных общим объемом более 100+ терабайт. За сутки платформа обрабатывает 60 млн GPS-локаций от 1,5 млн абонентов.
Компоненты мы разрабатываем по шаблону, предусматривающему некий «джентльменский набор»: приложение — хост с библиотеками инфраструктуры, набор базовых конфигураций и интерфейсы плагинов, которые необходимо реализовать для своего случая. Таким образом, мы серьезно упростили процесс отладки и оптимизации.
Наше оборудование для контроля местоположения транспорта снимает данные акселерометра c частотой 100 раз в секунду и данные по местоположению и скоростью – 1 раз в секунду по нескольким сотням тысяч терминалов. Так что объем данных получается приличный.
На заре проекта мы использовали базу данных в качестве инструмента межпроцессной коммуникации, создавая таблицы для очередей сообщений и отслеживая статусы записей. Совсем скоро базе стало тяжело справляться со своими прямыми обязанностями, поэтому мы сняли с нее часть задач. Так в проекте появились:
— маршрутизируемые очереди RabbitMQ: чтобы заменить поллинг базы конвейерной обработкой данных и генераций событий;
— хранилище состояний Redis: для статичных данных, которые редко меняются, но запрашиваются часто, либо для оперативных данных, необходимых для работы нескольких компонент;
— СУБД Cassandra: как инструмент для хранения растущего объема данных в формате NO SQL с возможностью быстрого масштабирования.
Как выглядит работа «МТС Координатора»
Диспетчер, находясь в своем бэк-офисе, заводит задачу. Задача может быть многокомпонентной и состоять из разного количества полей – в зависимости от потребностей клиента. К примеру, кому-то надо, чтобы исполнитель по мере выполнения задачи просто ставил галочки в нужных полях, а кому-то надо, чтобы исполнитель в нужное поле вписывал, к примеру, серийный номер банкомата, который только что обслужил. Все это можно сделать благодаря широкому настроечному функционалу.
Диспетчер на портале «МТС Поиск» видит в режиме онлайн локацию всех сотрудников (на какой они станции метро и т.д.). На задачу назначается сотрудник, который либо располагается ближе всех к месту выполнения задачи, либо имеет большую компетенцию для решения данного вопроса. Поставленная задача отображается в виде push-уведомления в приложении у выездного сотрудника. В режиме онлайн он может ее посмотреть, принять/отклонить, прокомментировать, обсудить с диспетчером в чате и приступить к ее исполнению. Диспетчер видит процесс принятия сотрудником заявки, статус ее исполнения, отчет, траекторию перемещения сотрудника.
Также на портале генерируется статистика по выполнению задач. Стоит отметить, что есть несколько видов отчетов: по статусу задачи, по статистическим выкладкам, по количеству выполненных задач тем или иным подразделением, по количеству потраченного времени, пройденных метров и так далее.
Энергопотребление
С 2011 года постоянно мы ведем работу, чтобы приложение потребляло как можно меньше ресурсов смартфона и планшета — как память, так и батарейку. Сейчас мы даем клиенту достаточно богатые настройки в целях энергосбережения. Если ему не нужен подробный трек, то можно изменить настройки так, чтобы трек был грубый – локация будет отправляться раз в 5 минут. Кроме того, можно настроить приложение так, чтобы при наличии внешнего питания у него автоматически включалась точная запись трека, а при отсутствии – выключалась. В результате энергопотребление приложения версии 2012 года и последней версии сократилось в разы. По себе знаю: зарядки моего iPhone5 сегодня хватает на сутки. Раньше, конечно, не хватало.
Фотоотчет
По запросу клиентов мы добавили возможность для сотрудников загружать фотоотчет. К задаче можно прикрепить любое количество фотографий. Если ты менчердайзер, то можешь сфографировать полку с выкладкой, отчитаться и уехать. Если ты курьер, то можешь сразу отсканировать подписанные документы и отправить их в офис. Примечательно, что приложение делает геотаргетированную фотографию. Это гарантирует то, что фото сделано в указанном месте, в указанное время.
Геопозиционирование
Как уже было сказано, у нас есть уникальная возможность по определению местоположения выездных сотрудников по трем параметрам: GPS/ГЛОНАСС-чипу, Wi-Fi-модулю и базовым станциям. У конкурентов либо нет такой возможности определения, либо нет такой услуги.
Если сотрудник находится в здании, куда спутники не «добивают», то его поиск идет по базовым станциям. Мы научились мерить уровень сигнала и определять, как далеко человек находится от той или иной базовой станции. Благодаря этому мы повысили точность определения по БС с 2 км до сотен метров, а в городе в пределах 100 м.
Кроме того, определение местоположения сотрудника в здании идет и по Wi-Fi-сетям. Не секрет, что Google собирает данные со всех смартфонов по Wi-Fi-точкам и их местоположению. Точность у Wi-Fi-локации — 10-20 метров. К слову, если смартфон видит 3-5 спутников, то точность определения — 3-5 метров.
Есть клиенты, которые интересуются: можно ли узнать не только в каком здании находится сотрудник, но и на каком этаже. Скажу честно, пока такой опции нет. Технически есть несколько вариантов решения этой задачи. Первый вариант достаточно сложный: в смартфоне есть прибор, который измеряет магнитное поле. С помощью этого датчика может устанавливаться этажность. Второй вариант: создание искусственных маркеров для ориентирования в помещении, например, Bluetooth-маркеров. Смартфон, «проходя» по маркерам, определяет свое местоположение. Как только появится не просто интерес, а заказ, мы сможем реализовать это решение.
Некоторое время назад мы предложили реализовать технологию железнодорожникам. Они хотели видеть в онлайне, как движутся поезда в огромном депо. Оборудовать вагоны GPS-модулями было бы слишком дорого и энергозатратно. Поэтому мы предлагали в качестве решения крепить на вагон пассивную метку, а на стрелках ставить «считыватель». Вагон прокатывается мимо меток, и мы понимаем, где он находится. Пока проект не реализован.
Расскажу еще про один кейс, когда мы под клиента «допиливали» приложение. Так, одной из компаний, владеющей сетью заправок, нужно было контролировать работу сервис-инженеров, проверяющих работу АЗС. Инженеры объезжали все заправки и проверяли, правильные ли выставлены цены, все ли лампочки горят, правильно ли выложен товар и т.д. Клиент требовал зафиксировать не просто проезд инженеров по шоссе мимо заправки, но и факт того, что сотрудник заехал на заправку, зашел в нее и пробыл там какое-то время. Сложность была в том, что сервис-инженеры были оснащены планшетами от Apple. А у iPad очень жесткие требование по написанию ПО, плюс они не дают возможность управлять энергопотреблением. В этом была огромная проблема, потому что если инженер не пользуется какое-то время планшетом, то наше приложение выгружалось и могло не «захватить» факт посещения объекта. В результате мы достаточно сильно доработали приложение для iOS в плане энергопотребления и управления GPS/ГЛОНАСС. Приложение стало в два раза меньше потреблять заряда батарейки и позволило устанавливать баланс между точностью и энергопотреблением. На доработку ушло около двух месяцев. Кроме того, мы разработали для этого клиента уникальный отчет, который отражал не только факт посещения заправки, но и проведенное на объекте время. Исходя из этого, компания теперь ведет оценку работы сервис-инженеров.
Могут ли сотрудники обмануть систему?
Теоретически – да. Можно отредактировать отчетную фотографию, сменив ее геопозицию и время, и загрузить ее в приложение как файл. Но уже будет понятно, что фотография не с фотокамеры, а из файла. В принципе мы можем подключить дополнительный модуль и обнаруживать факты редактирования фотографий. Но пока никто из клиентов не изъявлял желания на внедрение такого модуля.
Подделать геопозицию сотрудника теоретически тоже можно, но дорого. Нужна специальная система подмены координат. В последнее время в соцсетях обсуждают, как якобы подобная система работает около Кремля. Водители заметили, что, подъезжая к Кремлю, они вдруг, согласно навигатору, оказывались во Внуково. У нашего сервиса есть защита от ошибочных координат. Если вдруг человек, согласно GPS-координатам, переместится на слишком большое расстояние с какой-то запредельной скоростью, то эти координаты будут отсеиваться как некорректные.
Все под колпаком?
Очевидно, что кто-то в вашей организации может негативно отнестись к внедрению такого рода сервисов. Дескать, над сотрудниками устанавливают тотальный контроль. Но по моему опыту могу сказать, что персонал позитивно воспринимает внедрение «МТС Координатора». Так как помимо «кнута» в виде определения точной геопозиции каждого сотрудника среди функционала есть и «пряник». Теперь выездному сотруднику не нужно заезжать в офис за заказами, писать отчет руками или забивать цифры в Excel – за тебя это делает приложение. То есть мы даем людям инструмент, который делает их работу более эффективной и удобной, позволяет выполнить больше заявок. Условно, в один день удается выполнять не одну заявку, а пять.
Наши планы на будущее
В будущем мы планируем внедрить полноценный API. Появится более развернутый мессенджеринг, машиноанализ, прогнозирование. Также мы сделаем для клиентов конструктор отчетов и задач под любые вкусы и производственные запросы. Сейчас шаблоны отчетов создаются по фокусному запросу. Мы же хотим сделать так, чтобы наша платформа была максимально гибкая.
Также в перспективе мы внедрим искусственный интеллект, который будет рекомендовать диспетчеру тех или иных сотрудников для выполнения каждой задачи. К примеру, необходимо починить оптоволоконную линию в районе аэропорта Домодедово. Диспетчеру нужно оперативно найти сотрудника, который обладает компетенциями и сможет в кратчайшие сроки туда прибыть. Система будет давать рекомендации, у каких сотрудников минимальное время подъезда, необходимый опыт и «зипы».
Геоаналитика
Результат агрегации данных о местоположении и перемещениях каждого абонентского устройства, подключенного к сети сотовой связи. Эти данные можно обрабатывать в соответствие с различными запросами к базе данных, куда они агрегированы. Декларируется, что операторы мобильной связи поставляют внешним организациям только обезличенные данные. Но не будем забывать о системах СОРМ, подключенных ко всем сетям мобильной связи, которые позволяют собирать данные о местоположении и перемещениях любого абонентского устройства.
2019.03 ДИТ Москвы потратил на геоаналитику 516 млн руб из бюджета Москвы с 2015 года, из них 101,8 млн руб в 2018 году. Закупленные данные объединяет, обрабатывает и хранит Аналитический центр при правительстве. Московский регион поделен на участки 500 х 500 метров, отдельными зонами являются станции метро. О каждом известно число живущих и работающих.
2022.11.29 МТС заметила рост туристического трафика в Омской области. В летне-осенний период 2022 года число гостей региона выросло на 9% год к году, при этом почти все приезжали в регион на собственном автотранспорте. GeoEffect
2022.08.24 [Геоаналитика. Калининградская область]. ВымпелКом в лице структурного подразделения билайн бизнес и комитет городского развития и цифровизации Калининграда запустили решение, которое поможет предпринимателям выбрать оптимальные локации для открытия новых точек продаж. Подробнее
2021.12.04 [Геоаналитика. Московский регион]. Московская мэрия провела тендер на сбор статистики о численности и перемещениях жителей столицы в 2021-2022 годах, сумма контракта — 405 млн рублей, сообщил канал ЧТД. Исполнитель должен будет составлять отчеты о плотности населения, динамике передвижения людей, количестве туристов и т.п. Единственным участником тендера была компания «МегаФон», поэтому ожидается заключение контракта с этим оператором.
2019.03.04 Как мэрия Москвы следит за перемещениями граждан. Это помогает транспортному планированию. Совокупно операторы зарабатывают на продаже больших данных корпоративным клиентам, госорганам и госкомпаниям несколько миллиардов рублей в год — оценка ВымпелКом. В Tele2 доходы от продажи геоаналитики составили 100% выручки от услуг обработки BigData в 2018 году. В МТС проекты на основе геоаналитики дают треть от внешней выручки центра обработки BigData.
Публикации по теме:
Обсуждение (открыть в отдельном окне)
04.12.2021 11:33 * От: ABloud 
[Геоаналитика. Московский регион]
Московская мэрия провела тендер на сбор статистики о численности и перемещениях жителей столицы в 2021-2022 годах, сумма контракта — 405 млн рублей, сообщил канал ЧТД .
Исполнитель должен будет составлять отчеты о плотности населения, динамике передвижения людей, количестве туристов и т.п. Единственным участником тендера была компания "МегаФон", поэтому ожидается заключение контракта с этим оператором.
04.10.2022 11:00 От: ABloud
[Геоаналитика. Томская область. МТС]
В Томск стали чаще приезжать обеспеченные мужчины на автомобилях
04 октября 2022 г., пресс-релиз МТС через MForum.ru. Компания МТС при помощи геоаналитической платформы GeoEffect проанализировала туристические потоки на территории Томской области. Анализ обезличенных больших данных оператора показал, что летом 2022 года количество гостей региона выросло на 15 процентов по сравнению с аналогичным периодом прошлого года, причем почти все туристы приехали на собственном автотранспорте.
Основной турпоток в Томскую область пришелся на жителей соседних сибирских регионов — Новосибирской области (28%), Красноярского края (15%), Алтайского края (13%), а также Кемеровской (10%) и Омской областей (5%). Чаще всего это были мужчины в возрасте от 35 до 44 лет с уровнем дохода выше среднего. Почти все гости – 99% – прибывали в Томскую область на собственном автомобиле и оставались в регионе на 1-2 дня.
Основным местом притяжения автопутешественников стал областной центр и его достопримечательности: Воскресенская гора, резные деревянные дома на улицах Белинского и Красноармейской и университетский квартал. Эти объекты посетили две трети туристов, приезжавших летом в Томскую область. Самым активным месяцем для путешествий по региону стал июль.
О платформе GeoEffect от МТС
Геоаналитическая платформа GeoEffect от МТС дает возможность принимать управленческие решения на основе объективных обезличенных данных о численности и составе населения, миграциях, туристических потоках, нагрузке на инфраструктуру, оценивать эффективность новых локаций для торговых точек, офисов, гостиниц и других объектов, а также анализировать аудиторию мероприятий и фестивалей. Это первое в России «коробочное» решение, которое позволяет пользователю без опыта работы с Big Data самостоятельно выгружать аналитические отчеты на основе геоаналитики. Этими возможностями пользуется 46 регионов России, включая Москву, Санкт-Петербург, Самарскую, Свердловскую и Ярославскую область.
МТС запустила сервис Big Data для анализа посещаемости культурно-массовых мероприятий
МТС запустила сервис на основе геоаналитики, который можно применять для анализа посещаемости ярославских культурно-массовых мероприятий таких, как «Пир на Волге», «День города», «Джаз над Волгой», Dobrofest и других. Использование первого в России автоматизированного «коробочного» решения позволит сформировать портрет аудитории, адаптировать под ее интересы программу, оценить достаточность инфраструктуры для посетителей, повысить эффективность организации и продвижения мероприятий на рекламных площадках.
Сервис разработан для организаторов культурно-массовых мероприятий на открытом воздухе, в том числе фестивалей, концертов, спортивных соревнований. Клиенты получают подробный отчет на основе анализа агрегированных обезличенных данных со статистикой о количестве посетителей, их социально-демографическом составе и времени, проведенном людьми на площадке. Система позволяет оценить обеспеченность гостей фудкортами, кафе, пропускными пунктами, рекреационными зонами и другой инфраструктурой. На основе аналитики можно эффективнее разрабатывать программы под интересы ключевой аудитории, привлекать партнеров и проводить рекламные кампании. Услуга особенно актуальна для организаторов бесплатных мероприятий, у которых нет возможности оценить численность посетителей по валидации входных билетов.
«В Ярославле мы ежегодно анализируем событийный туризм: на базе аналитики Big Data мы создавали цифровой портрет посетителей фестиваля «Пир на Волге». Использовать решение можно и на других крупных событиях: Dobrofest, «Джаз над Волгой», «Ярославцы – все красавцы!». Наше новое «коробочное» решение дает возможность более подробно изучить результаты мероприятий, глубже проанализировать посещаемость и состав участников. Эти данные помогут организаторам составить максимально интересную программу, отследить эффективность изменений и обеспечить посетителям комфортные условия. Четкое понимание своей аудитории также поможет привлечь партнеров и сэкономить маркетинговый бюджет за счет фокуса рекламных кампаний на более узкий целевой сегмент. Мы сами будем широко использовать аналитику для мероприятий, организуемых нашим направлением по проведению концертов и шоу МТС Live», — отметил директор МТС в Ярославской области Алексей Сальва.
Для первого заказчика в Самарской области МТС проанализировала несколько мероприятий: фестиваль набережных «ВолгаФест», международный фестиваль искусств «Шостакович XX век» и интерактивный музей под открытым небом «Дорога истории – наша Победа».
О геоаналитике МТС
Анализ посещаемости мероприятий – новый «коробочный» сервис на базе геоаналитический системы МТС, запущенной в сентябре 2021 года. Первые сервисы системы были разработаны для анализа обезличенных данных о миграциях, численности и составе населения, а также потоках туристов и покупателей. Полученные данные помогают принимать решения о развитии регионов и внутреннего туризма на основе больших данных, а бизнесу – выбирать наиболее эффективные локации для магазинов и офисов. Сегодня геоаналитика МТС используется в 46 регионах России.
Как по геоаналитике искать утечку электроэнергии мтс
Давайте для начала разберемся с терминологией: что такое геоаналитика,чем отличается от геомаркетинга и зачем это все ритейлерам.
Геомаркетинг — это?
Геомаркетинг (не путать с геотаргетингом) помогает оценить рынок локально, выяснить потенциал места и изучить окружение магазинов, ресторанов, аптек, торговых центров. Таким подходом пользуется, например, «ВкусВилл». Что еще можно сделать с помощью геомаркетинга?
- Оценить конкурентов и их влияние на каннибализацию выручки конкретного магазина.
- Оценить объем аудитории.
- Сравнить локации.
- Рассчитать товарооборот с помощью математической модели.
Геоаналитика — более общее понятие, которое включает в себя геомаркетинг. Ключевая задача геоаналитики — находить взаимосвязи между данными и с их помощью определять, например, почему одна точка успешнее другой, а также определять прибыльные места на основе больших данных. Сотни компаний из России уже пользуются преимуществами геоаналитики.
Учет доставок при планировании. Сейчас, когда доставка товаров на дом так актуальна, особенно важно рассчитывать объем локального рынка доставок в зоне транспортной доступности. Например, для ответа на вопрос, какова емкость рынка доставки в том или ином направлении.
Есть одна проблема
С каждым годом объем геоданных растет и появляется все больше сервисов, которые собирают информацию и продают ее ритейлерам: данные онлайн-касс, данные о населении, конкурентах, транспортных и пешеходных потоках.
Заблуждений появляется не меньше. Кажется, будто само наличие данных уже поможет определить успешные локации, но работа с данными — это сложно, долго и дорого.
Что надо знать каждому ритейлеру, чтобы работать с данными или покупать их? Мы собрали ключевые заблуждения и отвечаем на них.
Заблуждение 10. Геоаналитика и геомаркетинговые исследования — это долго и дорого
Миф тянется с начала 2000-х годов, когда для того, чтобы получить данные, например, по численности населения, нужно было идти «в поля» и считать дома и квартиры руками «по окнам» в вечернее время. Так делали многие «поисковики».
Сейчас эту информацию собирают специалисты и наносят на карту. Данные берутся из официальных источников на основе количества квартир в доме и статистике по тому, сколько человек приходится на семью в каждом муниципальном образовании. В сервисах посчитать население можно за несколько секунд: в зоне влияния, в любом районе, квартале и даже доме.
Пешеходные (см. картинку) и транспортные зоны дают возможность рассчитывать локальные объемы рынка доставки внутри городов, каннибализацию. Там, где больше населения в доме, очевидно и надо размещать пункт самовывоза товара. Все это сегодня можно сделать за секунды, потратив небольшие средства.
В зоне 10 минут пешком от магазина «ВкусВилл» в Санкт-Петербурге проживает 19 640 человек, или находится 7 953 домохозяйств (семей)
Заблуждение 9. Анализировать уровень доходов аудитории в небольшой локации можно с помощью государственных данных
Для оценки доходов населения внутри торговой зоны часто используют данные Росстата о зарплатах, что в корне неверно. Во-первых, данные о среднемесячной начисленной заработной плате говорят о работающем в муниципальном образовании населении, а не о проживающем, во-вторых — территориальная единица Росстата больше, чем торговая зона исследуемого объекта.
Один из распространенных методов — кластеризация территорий по типу застройки. В каждом кластере рассчитывается доход на семью из двух работающих человек. В основе лежат данные об аренде жилья. Подразумеваем, что либо семья без ребенка снимает квартиру, либо берет ипотеку — и в том, и в другом случае семья не будет тратить больше определенного дохода на семью.
Кластеризация домов Санкт-Петербурга на основе года постройки и серии домов
Модель оценки доходов молодой семьи на основе рынка недвижимости (Московский район Санкт-Петербурга)
Есть и другие методы оценки доходов: геомоделирование на основе данных операторов мобильной связи и модели, основанные на данных о классификации жилья и арендной платы. Такие данные позволяют увидеть более реальную картину распределения доходов, которые могут влиять на некоторые форматы магазинов.
Расчет доходов в определенном возрасте в сервисе «Анализ геоданных» ПАО «МТС»
Фильтр дает возможность профилировать людей по нахождению (на работе или дома), полу, возрасту и доходам в зоне транспортной доступности от точки. Результат — на тепловой карте и графике. Так при планировании доставок, например, вы можете оценить не только объем рынка, но и целевую аудиторию в зоне доставки.
Заблуждение 8. Зачем вообще сервисы геоаналитики, если есть бесплатные государственные ресурсы?
Еще 15 лет назад Росстат, например, ограничивался только субъектами РФ и давал статистику на уровне регионов. Реже — по районам крупных городов. Пять лет назад был настроен сбор информации по муниципальным образованиям, в которые входят городские округа и сельские поселения.
Таким образом, когда вы анализируете локацию — например, 15-минутную зону от торгового центра, — вы берете не данные внутри локации, а данные по городу в целом. Исключения составляют Москва и Петербург. Такого рода информацию используют на уровне сравнения регионов, городов. Если говорить про более детальный анализ, то данные Росстата применить невозможно.
Визуализация среднесписочной зарплаты по муниципальным образованиям европейской части РФ по данным Росстата и информация по одному из муниципальных образований по Татарстану
Заблуждение 7. Можно кликнуть на карту и узнать, сколько машин проезжает за сутки в конкретной точке
Все хотят получить данные об автопотоках в конкретном сегменте улицы. Такие исследования проводятся с помощью анализа видеоданных камер наблюдения, но в масштабах всей страны это очень долго и дорого. Большинство предоставляемых данных основаны на выборочных исследованиях, значит, у них высокая погрешность.
Еще такие данные реально получить с помощью навигационных сервисов, но это могут позволить себе только крупные компании.
Пример визуализации числа автомобилей в Калининграде. Моделирование идет на основе замеров в определенных узлах и «продолжения» трафика автомобилей по основным улицам (без учета переулков и небольших улиц)
Заблуждение 6. Благодаря данным ОФД можно получить информацию о выручке конкурентов
54-ФЗ запрещает передавать внешним пользователям в каком-либо виде конфиденциальные данные ритейлеров. Но «грубые» данные можно использовать, чтобы изучать спрос на категории продуктов. Как это делается в геоаналитике?
Город делится на равные сетки, в которые записывается информация, рассчитанная в радиусах не менее 500 метров от объекта, и усредняется не менее чем по двум-трем точкам. Это позволяет не нарушать закон и не терять большое количество информации. Картинка «размывается», но при этом видны локации, где цена на товарные группы выше или где условного молока покупают больше.
Тепловая карта средних чеков или количества чеков на основе данных ОФД «размывает» картинку и не показывает данные по конкретному магазину. (Пример данных Платформы ОФД в Москве в категории Мясо/Птица)
Заблуждение 5. Одну модель товарооборота можно использовать во всех городах
За последние пять лет мы делали предсказательные модели товарооборота 22 крупным компаниям и точно знаем, что модель, прогнозирующая товарооборот в Екатеринбурге, не должна применяться в Москве или в других городах.
Важно учитывать поведенческие особенности людей в разных городах и структуру города — это даже важнее, чем численность населения. Например, использование доставок в городах разное, их рост — тоже.
Конечно, возникает соблазн анализировать все города РФ для улучшения точности моделей, но, к сожалению, это одно из ограничений, почему не всегда ML применяется в геомаркетинге, а чаще используются эмпирические методы.
Кольцевая структура города (Москва, Ташкент)
«Вытянутые» города (Хабаровск, Волгоград)
Заблуждение 4. Основанные на машинном обучении модели — это быстро и дешево
Машинное обучение часто ассоциируется со словом «быстро», но это не так. От момента, когда аналитик получает данные ритейлера о выручке, до готовой применимой модели проходит от месяца до года.
Например, чтобы получить модель прогноза товарооборота для «ВкусВилла», мы потратили порядка восьми месяцев: верифицировали данные, попробовали пять вариантов моделирования, подбирали десятки геофакторов, прежде чем получили работоспособную модель с 20% погрешности.
Пример прогноза среднего чека и количества чеков на основе ML одной из аптек
Заблуждение 3. Погрешность в моделировании должна быть меньше 10%
Наши заказчики часто ожидают, что модели, построенные на базе машинного обучения, дадут погрешность менее 10%. На деле продажи торговой точки зависят не только от геофакторов.
Влияет выкладка товара, смена бренда, качество работы продавцов и многие другие внутренние факторы, которые не цифруются или цифруются недавно. Важным моментом является учет доставки. Обычно в таком моделировании недостаточно статистики для ее учета. Нужно время, чтоб это грамотно проанализировать.
Ритейл все время что-то меняет, поэтому идея с минимальной погрешностью утопична. На основе нашего опыта работы мы пришли к выводу, что 15–25% погрешности уже дают работающую модель прогноза товарооборота, которая может быть применима в работе и дает возможность «уйти» от человеческого фактора при выборе локации.
Заблуждение 2. Бесплатные актуальные геоданные о конкурентах есть везде
Информация о конкурентах доступна во многих источниках, но меняется очень быстро. Например, в аптечном сегменте и FMCG нужно проводить регулярный мониторинг и копить данные в историческом разрезе, а не просто смотреть на карте местоположение конкурентов.
Заблуждение часто связано с тем, что если на картинке есть, например, магазин «Дикси», то математическая модель посчитает конкурента. Это не так, так как тайловые сервисы (от tile — «плитка») просто показывают картинки, а базы геоданных надо готовить, поддерживать и актуализировать. Это актуально и для доставок при анализе локального рынка — надо учитывать открытие офисов и пунктов самовывоза конкурентов, а это меняется сегодня очень быстро.
Пример изменения названия магазина на картографическом сервисе 2ГИС (API в системе «Геоинтеллект»)
Заблуждение 1. Можно кликнуть в любом месте на карте и посчитать пешеходный поток, не выходя «в поле»
Самое большое заблуждение — желание кликнуть на карту в любом месте и получить количество людей, прошедших мимо этой точки. Так это не работает, но есть семь подходов, как получать такие данные косвенно:
- Считать пассажиропоток в метро.
- Оценивать пассажиропоток на остановках или сегментах улиц по маршрутам.
- Оценивать автопоток по некоторым городам (см. выше).
- Оценивать на уровне города через моделирование вокруг объектов притяжения трафика или считать количество индикаторов массовости в зонах обслуживания.
- Использовать геоданные сотового оператора (квадраты 500 на 500 метров).
- Использовать плотность потоков смартфонов в специализированных сервисах.
- Собрать или уточнить трафик «в поле» при помощи специализированных мобильных приложений, Wi-Fi-роутеров или видеокамер.
Геоданные по плотности сигналов смартфонов (Курск)
Можно обработать данные из смартфонов, но эти данные могут быть с погрешностью в локации и в количестве. Есть метод из урбанистики на основе городских объектов, которые стоят на трафике. Например, когда аптека встает у «Дикси». Зная местоположение объектов притяжения аудитории, можно получить модель притяжения населения.
Геомодель притяжения населения (Казань)
Полевое исследование до сих пор остается важным и точным методом исследования. Оно дает цифру, которая будет тем точнее, чем дольше вы стоите на перекрестке или у входа магазин.
Но и тут может быть погрешность. Если использовать сервисы геоданных, можно упростить задачу: выбрать трафиковые места и померить «вживую». Можно скачать приложения для смартфонов по сбору данных в «полях» и считать и актуализировать геоданные.
Точечно это делать эффективнее, но надо знать, «где копать», а для этого можно провести исследование на основе различных геоданных в профессиональных сервисах, доступных на рынке.