Маркетинг локальных рынков: теория, методология и инструментарий тема диссертации и автореферата по ВАК РФ 00.00.00, доктор наук Герасименко Ольга Александровна

• Герасименко Ольга Александровна
• доктор наук
• 2025

Оглавление диссертации доктор наук Герасименко Ольга Александровна

ВВЕДЕНИЕ

ГЛАВА 1 ТЕОРИЯ ЛОКАЛЬНЫХ РЫНКОВ И НЕОБХОДИМОСТЬ МАРКЕТИНГОВОГО ПОДХОДА К ЕЕ ПРИКЛАДНОМУ ИСПОЛЬЗОВАНИЮ В ДЕЯТЕЛЬНОСТИ ПРОГРЕССИВНЫХ КОРПОРАТИВНЫХ СТРУКТУР

1.1 Генезис концепции локальных рынков

1.2 Современные стратегические теоретико-методологические подходы к содержанию и реализации теории локальных рынков

1.3 Методологические проблемы прикладного использования теории локальных рынков в стратегии и тактике стратегической маркетинговой деятельности прогрессивных корпоративных структур на основе геомаркетингового подхода

1.4 Методологическая концепция геомаркетингового подхода к организации и функционированию локальных рынков в контексте разработки маркетинговой

стратегии их развития

ГЛАВА 2 СТРАТЕГИЯ, ОРГАНИЗАЦИЯ И ТАКТИКА ГЕОМАРКЕТИНГОВОЙ ДЕЯТЕЛЬНОСТИ НА ЛОКАЛЬНЫХ РЫНКАХ

2.1 Особенности разработки и реализации стратегии современных корпоративных структур с использованием геомаркетинговых факторов

2.2 Организация маркетинговой деятельности на локальных рынках, учитывающая геомаркетинговые особенности и ограничения

2.3 Комплекс маркетинга корпоративных структур, использующий

геомаркетинговое моделирование и имплементацию

ГЛАВА 3 ИНСТРУМЕНТАРИЙ ГЕОМАРКЕТИНГА В ПАРАДИГМЕ ЛОКАЛЬНОЙ МАРКЕТИНГОВОЙ ДЕЯТЕЛЬНОСТИ

3.1 Концептуальные положения механизма

3.2 Геомаркетинговые сценарии поведения потребителей

3.3 Методы навигации при маршрутизации клиентов

ГЛАВА 4 СОВРЕМЕННЫЕ ПОДХОДЫ К РАЗРАБОТКЕ И ИСПОЛЬЗОВАНИЮ ГЕОМАРКЕТИНГОВЫХ МОДЕЛЕЙ В СОСТАВЕ СТРАТЕГИИ И ИНСТРУМЕНТАРИЯ ЛОКАЛЬНОЙ МАРКЕТИНГОВОЙ ДЕЯТЕЛЬНОСТИ

4.1 Состав, особенности и функциональность актуального набора геомаркетинговой модели

4.2 Геомаркетинговая модель локального рынка и возможности ее использования в стратегической деятельности субъектов систем маркетинга локального масштаба

4.3 Система ключевых показателей эффективности геомаркетинга

ГЛАВА 5 ИССЛЕДОВАНИЕ ОСОБЕННОСТЕЙ, ПРОБЛЕМ И ПЕРСПЕКТИВ ИСПОЛЬЗОВАНИЯ ЛОКАЛЬНЫХ МАРКЕТИНГОВЫХ СТРАТЕГИЙ И ИНСТРУМЕНТАРИЯ

5.1 Международный рынок геомаркетинговых сервисов: характеристика и основные тренды развития

5.2 Российский рынок геомаркетинговых сервисов и продуктов: возникновение, текущий этап и перспективы развития

5.3 Исследование опыта и эффективности использования геомаркетинговых стратегий и инструментария в деятельности ведущих национальных

корпоративных структур на локальных рынках

ГЛАВА 6 ПУТИ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ МАРКЕТИНГОВОГО ИНСТРУМЕНТАРИЯ В ДЕЯТЕЛЬНОСТИ КОРПОРАТИВНЫХ СТРУКТУР НА ЛОКАЛЬНЫХ РЫНКАХ (НА ПРИМЕРЕ БЕЛГОРОДСКОЙ ОБЛАСТИ)

6.1 Стратегия социально-экономического развития региона и необходимость ее маркетингового фокусирования локального характера

6.2 Предложения по имплементации стратегии и инструментария геомаркетинга в перспективную стратегию регионального развития

6.3 Прогноз маркетинговых, экономических и социальных результатов маркетингового фокусирования стратегии социально-экономического развития

Белгородской области на локальных рынках и реализации потенциала их

развития

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

Приложение А. Анкета для проведения опроса «Пешеходная активность... 410 Приложение Б. Анкета для проведения опроса «Геомаркетинговое

исследования размещения пунктов выдачи интернет-заказов»

Приложение В. Метрики (базовые и специальные) эффективности

деятельности компаний (Белгородская область)

Приложение Г. Основные показатели прогноза социально-экономического

развития Белгородской области на 2022 год и на период до 2024 года

Приложение Д. Основные показатели прогноза социально-экономического развития Белгородской области на 2022 год и на период до 2024 года

Введение диссертации (часть автореферата) на тему «Маркетинг локальных рынков: теория, методология и инструментарий»

ВВЕДЕНИЕ

Актуальность темы исследования. Современные представления об источниках формирования конкурентных бизнес-преимуществ (технические, организационные, социальные, экономические) на локальном рынке товаров и услуг повседневного спроса (fast-moving consumer goods, FMCG) берут начало в теоретических концепциях производства III технологического уклада (1880-1970 гг.). По мере усложнения внешней среды сами источники не изменялись, трансформировались и уточнялись подходы к их использованию в маркетинговой деятельности, при этом наиболее традиционным и малоисследованным оставался выбор локации для открытия объектов бизнеса. Для локальных компаний устоявшимся правилом считалось расположение производственной (складской) базы в промышленных зонах, бэк-офисов - в местах с приемлемой арендной платой, а торговых точек (point of sales, POS) - в районах с высокой проходимостью. При этом игнорировался потенциал и возможности открытия новых магазинов в территориальных локациях, удаленных от первой риелторской линии. В результате высокий запрос при объективной ограниченности подобных торговых площадей повлиял на ставку арендной платы и сделал бизнес особенно уязвимым перед снижением клиентопотока, который в условиях развития онлайн-торговли, сферы курьерской доставки, коронавирусных и санкционных ограничений становится сложно предсказуемым.

Исходя из этого, научная проблема исследования состоит в противоречии между объективной обусловленностью и субъективной востребованностью нового маркетингового подхода локальных рынков, используемого для консолидации предпринимательской инициативы по размещению торговых объектов в городских агломерациях и задач органов исполнительной власти по недопущению избытка определенных объектов в некоторых городских локациях и пиковых нагрузок на дорожную сеть, неконтролируемого скопления большого количества людей, роста стоимости арендной платы, деградации каких-либо городских районов и пр.

Разрешение данного противоречия на основе развития локальных стратегических инструментов маркетингового планирования локальных рынков призвано повысить экономическую целесообразность и социальную ориентированность размещения торговых объектов в городских агломерациях, а также степень комфорта городской среды и деловой активности.

Актуальной является и необходимость снижения расходов на арендную плату и управление физическим клиентопотоком, по аналогии с целевым онлайн-трафиком, что следует рассматривать в качестве новых стратегических источников конкурентоспособности в форме выбора оптимальной территориальной локации компаний торгового бизнеса. В этой связи становится востребован подход к использованию инструментария маркетинга локальных рынков - поиск оптимальной локации расположения торговых точек на вторых и третьих линиях с учетом новых реалий жизни в городских агломерациях: недопущение скопления людей в торговом помещении; улучшение транспортной инфраструктуры городов, в том числе доступность сервисов такси; изменение моделей потребительского поведения, допускающих преодоление большего расстояния для удовлетворения персонализированных запросов.

Следует признать сформированными технологические предпосылки для данного подхода, в частности, информационные технологии маркетингового анализа больших данных (Big Data), содержащих сведения о пространственной активности целевых аудиторий. Использование данной технологии позволяет подбирать релевантный объект недвижимости, удаленный от наибольшего (не всегда целевого) трафика, имеющий вследствие этого меньшую стоимость аренды, но сохраняющий привлекательность в качестве локальной торговой точки для потенциальных клиентов. Исследования в области методологии маркетинга локальных рынков с применением стратегических инструментов, помимо научной ценности, имеют значение для реализации целей национальной программы «Цифровая экономика Российской Федерации» и развития национальной экономики в целом.

Степень научной разработанности темы исследования. Для аргументации актуальности выбранной проблемы исследования автор опирался на классические

научные труды по менеджмент-маркетингу, доказывавшие неэффективность производственных концепций для достижения конкурентных преимуществ в долгосрочной перспективе и определившие альтернативное гибкое бизнес-моделирование с комплексным использованием маркетинговых инструментов для принятия решений в условиях локальных рынков. В их числе работы таких ученых, как Р. Акофф, Х. Амстронг, И. Ансофф, Дж. Барни, Ч. Бингем, С. Булыга, Дж. Гелбрэйт, А. Демьяненко, П. Дойль, Р. Каплан, М. Котлер, В. Кристаллер, А. Кэрролл, А. Леш, Г. Минцберг, Д. Нортон, А. Олейник, М. Петераф, Г. Пизано, К. Прахалад, К. Рау, П. Самуэльсон, Д. Тис, С. Финк, Н. Фурр, Г. Хамел, К. Хелфат, Г. Хоттелинг, А. Чандлер, В. Шкардун, Э. Шуэн, К. Эндрюс, К. Эйзенхарт.

Однако в ранних концепциях долгосрочного планирования конкурентоспособности начала - середины ХХ века, в фокусе научного анализа находились, в основном, производственно-организационные процессы (построение организационной структуры, проектирование процессов, долгосрочные стратегии). Только начиная с 2000-х годов в научной литературе стали публиковаться работы, посвященные изучению точек контакта с клиентами как локального стратегического и маркетингового преимущества.

В этой связи концептуальные положения диссертационного исследования основываются на трудах учёных, указывающих на необходимость дополнения стратегического маркетингового планирования элементами выбора локации для коммерческих объектов (Д. Аакер, Ю. Благов, Дж. Грант, А. Зарецкий, Т. Иванова, С. Литовченко, К. Прахалад, Г. Тульчинский, Г. Хамел). В таких работах определялись принципиально иные географические критерии для выбора локальных мест продаж, дополненные возможностями информационных технологий: управление навигацией клиентов на основе интеллектуальных мехатронных систем SCREEN (Дж. Ким, Д. Личиотти, A. Манчини, M. Паоланти, З. Пьетрини); специальные Digital-технологии рекламы для определенной локации (Х. Ван, Б. Вирц, O. Курц, П. Лангер, C. Ле); комбинация элементов таргетинга и местоположения клиента (С. Бернриттер, П. Кетелаар, X. Ле, T. Нгуен, Ф. Сотджу) и прочее.

Следует отметить междисциплинарные исследования феномена конгруэнтности локального пункта назначения для оценки расстояния, которое клиенты готовы преодолевать для совершения покупки определенного товара (Б. Бартиковский, М. Лярош, М. Ричард, Х. Ширдастян).

Анализ локальных стратегических элементов маркетингового планирования различных социально-экономических процессов проводился с использованием работ Ф. Алескеровой, Б. Бермана, А. Воронова, С. Кисельгофа, Е. Макриновой, И. Максимовой, В. Перекреста, М. Салливана, М. Стариковой, И. Шумаковой, Дж. Эванса, Д. Эдкока.

Теоретический концепт планирования локального рынка и детерминанты его развития раскрыты с учетом публикаций И. Горбунова, Е. Кочетовой, О. Ломовцевой,

A. Майрова, О. Мороз, В. Павленко, И. Скоробогатых, Ю. Соловьевой, М. Страчковой, Б. Тхорикова, Я. Цветкова, С. Щербининой, Ю. Юхименко.

Прикладные параметры и стратегические инструменты выбора локации для объектов бизнеса, необходимые для разработки методического обеспечения, определены на основании трудов зарубежных и отечественных специалистов, таких как М. Бэтти, Р. Долженко, В. Кристаллер, Л. Купер, А. Леш, Д. МакФадден, М. Наканиши, Е. Пустовалова, У. Рейли, Р. Толстяков, А. Фозерингема, Д. Хафф,

B. Чернов, Б. Эпплбаум.

Разработка информационного обеспечения процессов экономико-математического моделирования в условиях локальных рынков осуществлялась с использованием работ Б. Ампаро, В. Бабурина, Х. Буитраго-Вера, Д. Вит, М. Глыбченко, А. Голикова, З. Далал, И. Журкина, Е. Лукьяненко, В. Рамадани, В. Родригез, И. Саулиди, Н. Сахнова, Н. Страчкова, Д. Строева, П. Черномаз, М. Яненко.

Во всем многообразии исследовательских аспектов маркетинга локальных рынков как инструмента стратегического планирования в зарубежной и отечественной литературе отсутствуют теоретически обоснованные и эмпирически подтвержденные решения, применимые для объектов недвижимости как потенциальных точек продаж товаров (оказания услуг), но расположенных в местах, малопривлекательных с точки

зрения классического маркетинга. Это потребовало проведения дополнительного анализа работ по общетеоретическим вопросам стратегического и маркетингового планирования локальных рынков, конкурентоспособности, пространственной экономики, навигации и информационным технологиям, что также обеспечило преемственность авторских положений с имеющимися теоретическими наработками маркетингового управления конкурентоспособностью и инструментами развития локальных рынков.

В целом анализ научной литературы показал, что комплексная теоретико-методологическая и методическая основа маркетинга локальных рынков не сформирована, она требует концептуально-эмпирической доказательной базы, доработанной до операционного уровня методического инструментария, учета сложившегося и перспективного развития розничного рынка. Используемые маркетинговые локальные модели позволяют учитывать только однородные пространственные переменные, игнорируя многофакторность критериев выбора оптимального локального места продаж, обладают невысокой точностью расчетов, неполнотой используемой статистической информации и ограниченностью при выборе исследуемых объектов.

Таким образом, учитывая развитие теории и практики маркетинга локальных рынков, а также наличие сформулированной выше научной проблемы, можно говорить об актуальности выбранной темы исследования и выдвинуть следующую научную гипотезу.

Научная гипотеза: использование методологии маркетинга локальных рынков предполагает идентификацию и рассмотрение закономерностей функционирование и развития специфических маркетинговых сред, функционирующих в пределах локальных границ и обладающих существенной спецификой состава, структуры и характера взаимодействий субъектов маркетинговых процессов. Применение инструментария маркетинга локальных рынков обеспечивает поиск и формирование новых источников конкурентных преимуществ для локально-ориентированных компаний сферы торговли и услуг за счет сбалансированного учета факторов стоимости аренды (покупки) недвижимости и необходимого клиентского потока при

подборе оптимального места продаж в локациях, удаленных от первой риелторской линии.

Цель диссертационного исследования заключается в формировании методологии маркетинговой деятельности и стратегий локальных рынков, предполагающей использование современных цифровых возможностей и инструментов при реализации базовых маркетинговых функций на основе адаптированного комплекса методических и информационно-технологических инструментов в локально ориентированных компаниях сферы торговли и услуг.

Для реализации поставленной цели и подтверждения научной гипотезы в диссертационной работе поставлены следующие задачи:

теоретические:

- определить теоретическую сущность и сформировать методологию маркетинга локальных рынков в функциональном развитии маркетинговой теории;

- расширить инструментарий стратегического маркетингового планирования деятельности локально ориентированных компаний на основе выявления специфичных для локальных рынков субъектов, принципов и функций с учетом необходимости выбора оптимальной локации;

- сформировать методологический подход определения объектов и факторов формирования локационного стратегического преимущества:

- реализовать авторскую классификацию совокупности научных предметов маркетинга локальных рынков;

методологические:

- раскрыть роль и содержание комплекса методов и инструментов управления локальной маркетинговой деятельности на стратегическом и операционном уровне;

- спроектировать и содержательно раскрыть локальные факторы геомаркетингового планирования в теории маркетинговой деятельности локальных рынков;

- разработать методологическую концепцию геомаркетингового подхода к организации и функционированию локальных рынков;

- усовершенствовать механизм стратегического маркетингового планирования в концепции маркетинговой деятельности локально ориентированной компании;

- определить совокупность специфичных методов идентификации и мониторинга клиентских потоков в системе проектирования сервисного инструментария автоматизации маркетинговой геоинформационной системы локальных рынков;

прикладные:

- предложить методический подход и алгоритм проведения локальных маркетинговых исследований для детектирования и реализации конкурентных преимуществ локальных рынков;

- сформировать экономико-математическую модель оценки локальной конкурентоспособности компаний на основе местоположения и стоимости аренды (владения) торгового помещений;

- определить перспективы прикладного использования методологии маркетинга локальных рынков в обеспечении устойчивости функционирования и развития локальной торгово-сервисной инфраструктуры муниципальных образований Белгородской области, выявить и оценить эффекты локального фокусирования в Стратегии социально-экономического развития Белгородской области.

Объект исследования - маркетинговая деятельность и стратегии локально ориентированных компаний различных видов деятельности, ориентированные на идентификацию параметров локальных конкурентных преимуществ маркетингового характера и их использование при определении месторасположения точек продаж.

Предмет исследования - совокупность организационно-экономических отношений, возникающих в процессе разработки, интеграции и оценки эффективности подходов, методов и инструментария маркетинга локальных рынков в стратегическую и операционную маркетинговую деятельность локально ориентированных компаний.

Содержание диссертационной работы соответствует паспорту специальности ВАК при Министерстве науки и высшего образования Российской Федерации по специальности 5.2.3. Региональная и отраслевая экономика (маркетинг), по пунктам областей исследования: 10.1. Теория маркетинга. 10.3. Концептуальные

основы, содержание, формы и методы стратегического и операционного маркетинга. 10.7. Формирование и развитие интегрированных систем маркетинговой информации. Маркетинговая аналитика. 10.8. Методы и технологии проведения маркетинговых исследований. 10.9. Поведение потребителей как фактор определения маркетинговых стратегий. 10.13. Стратегии, формы и методы ценовой и неценовой конкуренции на современных рынках товаров и услуг.

Теоретической и методологической основой исследования служит совокупность универсальных, общенаучных и специальных методов познания применительно к предмету исследования. Научные результаты получены с помощью следующих методов: монографический - для анализа базовых экономических категорий и положений в области маркетингового планирования; абстрагирование, анализ и синтез, индукция и дедукция - для оценки, диагностики и прогнозирования оптимальных географических инфраструктурных локальных рыночных объектов; регрессионно-корреляционный и конфирматорный анализ, эконометрическое моделирование, статистические оценки - для расчета уровня и динамики географических, маркетинговых и цифровых параметров, выявления количественных зависимостей между показателями, построения регрессионных моделей, прогноза будущих тенденций; графическая интерпретация и маркетинговое картографирование - для наглядного представления итоговых положений результатов исследования.

Информационно-эмпирическая и институционально-нормативная база исследования сформирована на основе документов Правительства Российской Федерации, Министерства финансов Российской Федерации, Министерства экономического развития Российской Федерации, Министерства науки и высшего образования Российской Федерации, законов и подзаконных актов государственных органов Российской Федерации и ее субъектов. Информационной основой являлись материалы монографических исследований отечественных и зарубежных ученых, реферативных баз данных, научных конференций, профильных Интернет-ресурсов, периодических изданий, внутренняя первичная и статистическая отчетности исследуемых розничных компаний (Ы - 10) за период 2018-2022 гг., эмпирико-

фактологические данные (Ы - 2438), собранные, обработанные и введенные в научный оборот автором.

Научная новизна результатов диссертационного исследования включает разработанные и доказанные теоретические и методолого-методические положения по обеспечению маркетинговой деятельности и стратегий повышения конкурентоспособности субъектов локальных рынков в условиях цифровой экономики.

Научная новизна конкретизирована в следующих положениях, отражающих наиболее значимые результаты диссертационной работы, выносимых на защиту:

1. Доказано, что состав признаков и уровней реализации функциональной методологии (традиционный, цифровой маркетинг) развития теории рынков необходимо дополнить маркетинговым локальным подходом, который позволяет установить стратегические институциональные признаки (ограниченность, неравномерность, фрактальность, геопозиция), требования (адаптация ассортимента, оптимизация расходов, территориальное зонирование, локализация центров активности); что в совокупности развивает теорию стратегического маркетинга локальных рынков (п. 10.3 паспорта специальности 5.2.3).

2. Уточнены на основании классификации групп признаков и субъектов концепции маркетинга локальных рынков стратегические запросы, уровни стратегических целей субъектов, роль и преценденты субъекта в достижении стратегической цели, позволяющие определить новый состав функций (референтивная, эвальвационная, реляционная, прогностическая, интерактивная) и принципов (пространственной активности, комплексной результативности, стоимостных альтернатив, геопозиционирования), составляющих теоретическую основу маркетинга локальных рынков как концептуального направления управления конкурентоспособностью локального рынка (п. 10.3 паспорта специальности 5.2.3).

3. Определены на основании синтеза уникальных объектов и факторов (географические, маркетинговые, цифровые) маркетинга локальных рынков и теории потребительского поведения новые границы ареалов возможных объектов недвижимости для аренды, отвечающих рядом требований для открытия бизнеса и

имеющие потенциальную локальную привлекательность для клиента, позволяющие компенсировать удаленность торговых точек от первой линии с сохранением целевого клиентопотока и дополняющие методологическую базу стратегического маркетингового планирования (п. 10.3 паспорта специальности 5.2.3).

4. Конкретизированы применительно к теории маркетинга локальных рынков стратегические и специальные (анализ производителей, анализ социально-экономических условий, анализ поведенческих паттернов, трафик данных, проектирование пространственной модели) предметы и цели формирования маркетингового преимущества в форме выбора локации объекта бизнеса, что позволяет эффективно воздействовать на пространственную активность целевых клиентских групп и потоков для преодоления большего расстояния до точки продаж, что в совокупности обогащает теорию потребительского поведения (п. 10.9 паспорта специальности 5.2.3).

5. Доказано, что совокупность уникальных локальных маркетинговых методов (маркетинговые, социологические, географические, цифровые, локальные) и инструментов (геомаркетинг) в маркетинговом планировании позволяет реализовать детерминанты дальнейшего развития и перспективности методологии маркетингового локального подхода для компаний и расширить возможности реализации локальных маркетинговых воздействий в отношении локальных форм и феноменов потребительского поведения (п. 10.9 паспорта специальности 5.2.3).

6. Уточнены локальные возможности адаптации содержания сетевой маркетинговой деятельности и стратегий локально ориентированных субъектов, связанные с перспективой использования методологического контура инструментальной теории маркетинга локальных рынков, включающего четыре взаимосвязанных процедурных компонента (адаптация товаров/услуг для реализации на определенной территории, анализ и оценка временных затрат клиента, получение и обработка геоданных, построение пространственной модели), развивающие теорию маркетинга и роли фактора расположения торговых точек в городских локациях (п. 10.1 паспорта специальности 5.2.3).

7. Уточнено содержание геомаркетингового подхода к исследованию процессов формирования, функционирования и развития локальных рынков в контексте идентификации и управляемого использования Geo-факторов при обосновании перспективных форм и направлений маркетинговой деятельности субъектов локального рыночного пространства, а также специальной методологии, способствующей инструментально-методической и организационно-прикладной реализации императивов представленной концептуальной платформы при формировании маркетинговых программ и проектов развития локальных рынков (п. 10.3 паспорта специальности 5.2.3, п. 10.8 паспорта специальности 5.2.3).

8. Модернизирован механизм стратегического маркетингового планирования, учитывающий необходимость выбора локации при как стратегического фактора конкурентоспособности, раскрывающий взаимосвязь основных действий (определение товара/услуги, анализ геомаркетинговых факторов, обработка геоданных, подбор объектов недвижимости, выбор оптимального местоположения), набора ограничений и инструментов реализации, и позволяющий корректировать пространственную активность целевых клиентских групп и потоков в пределах локальных зон городских агломерациях с помощью инструментов цифровой навигации (п. 10.9 паспорта специальности 5.2.3).

9. Раскрыто содержание и доказана возможность применения методов локальной маркетинговой навигации для эффективного воздействия на пространственную активность целевых групп клиентов в пределах локального рынка и преодоление больших расстояний для посещения торгового объекта, удаленного от первой риелторской линии, что дополняет положения прикладной методологии управления потребительским поведением (п. 10.9 паспорта специальности 5.2.3).

10. Предложен алгоритм и схема процесса разработки стратегического маркетингового плана локально ориентированных компаний (сбор данных о предпочтениях клиентов и факторах бизнеса, оценка значимости геомаркетинговых факторов, сопоставление массивов геоданных, оценка вероятности посещения), дополненный авторским набором адаптивных факторов (географические, маркетинговые, цифровые) подбора местоположения торгового объекта локального

рынка, расширяющий состав инструментария стратегического маркетингового планирования (п. 10.9 паспорта специальности 5.2.3).

11. Разработана экономико-математическая модель маркетинга локального рынка на основе комплексного применения инструментов моделирования, формирования пула объектов коммерческой недвижимости и выбора из них оптимального, отличающаяся от аналогов возможностью расчета вероятности посещения клиентом выбранной локации, развивающая теоретико-прикладное содержание методов ценовой и неценовой конкуренции (п. 10.13 паспорта специальности 5.2.3).

12. Доказана применимость при разработке стратегии развития конкурентоспособности методики планирования и составления прогноза основных операционных результатов и маркетинговых метрик деятельности субъектов локальных рынков, включающих информацию о пространственной активности (расстояние безразличия), изменение модели поведения клиента (временные затраты), геоданные (зоны концентрации целевой аудитории, сценарии поведения, маршрутизация), что позволяет обеспечить решение проблемы имплементации универсального инструментария в методологию маркетинга локальных рынков и дополняет методологию стратегического маркетинга (п. 10.1 паспорта специальности 5.2.3, п. 10.13 паспорта специальности 5.2.3).

Теоретическая значимость диссертационного исследования заключается в дополнении научного знания о закономерностях формирования, функционирования и развития маркетинговой среды локальных рынков, а также перспективных направлениях развития методологии локально ориентированного стратегического и операционного маркетинга, имеет следующие возможности применения:

- принципы, функции и субъекты маркетинговой среды локального рынка дополняют теорию стратегического и операционного маркетинга и способствуют ее адаптации к специфическим детерминантам маркетинговых систем локальных рынков;

- теоретико-методологическое дополнение локальных факторов конкурентоспособности (географических, маркетинговых, цифровых) развивает

прикладную базу планирования локально ориентированной маркетинговой деятельности и стратегий;

- классификация предметов локального маркетингового взаимодействия может быть использована при развитии элемента «Place» концепции маркетинг-микс в актуализации маркетингового плана компании локального рынка;

Список литературы диссертационного исследования доктор наук Герасименко Ольга Александровна, 2025 год

// ' А

"У ■

^IH^I^B ■■тор» W

1

''V

4 л

«К/ад ю-*"! I

0-475 475-85

!ЛА

ч. / Ц-

/ i

рсюго J

Старый i I /

Город

\

ч /

^чоиовв

Ч I

V'

^ Белгородская область ^

Ч 4

) • 19.0621 20.0621 4 579 чел.

Портрет

• 1ao6.21-20.0621

Белгородская область

Пол

Всего 4 579 чел. Женщины

\

Л. Возраст, лет

i 1

\

\ »

I

5 ■

И

»-1425 1425-19

L .al >

7Г X

Рисунок 6.2.12 - Пространственное распределение ЦА на территории г.

Белгорода (сост. автором)

3 этап: визуальное отображение оптимального местоположения (GeoInteligence Modelling) - применено авторское IT-решение «GeMi».

4 этап: построение интерактивной карты пространственной локации местоположения - оптимальным вариантом для открытия салона красоты является объект недвижимости, расположенный по адресу: г. Белгород, ул. Князя Трубецкого, д.26а (Рисунок 6.2.13). Основанием для выбора является выполнение следующего условия: готовность и желание клиента к передвижению (1 400 м) и невысокая стоимость аренды (45 000 руб). В мае 2022 г. по указанному адресу был открыта студия эстетики тела «Vela Shape studio» (ИП Гапоненко Я.С.).

Рисунок 6.2.13 - Пространственная локализация оптимального местоположения для открытия студии эстетики тела в г. Белгород

(сост. автором)

Ежемесячная стоимость арендной платы студии эстетики тела «Vela Shape studio» на 15% дешевле аналогичных объектов аренды (ул. Князя Трубецкого, Гражданский пр-т, пр-т Славы), расположенных на центральных транспортных магистралях. Рядом имеется парковочное пространство и остановочный комплекс (геомаркетинговые факторы). Выполнение данного условия возможно при сочетании фактора готовности клиента к движению (пространственная активность) и геомаркетинговых факторов привлекательности определенного объекта недвижимости. Полученный результат для открытия студии эстетики тела «Vela Shape studio» в г. Белгород (май 2022 г.) позволяет подтвердить положительный эффект применения методологии геомаркетинга.

5 этап: оценка KP I-индикаторов бизнеса - расчет основных индикаторов (метрик) эффективности деятельности компании (Таблица 6.2.8).

Таблица 6.2.8 - Ключевые метрики эффективности бизнеса (студия эстетики тела «Vela Shape studio») (сост. автором)

№ Показатель Характеристика и расчет

Базовые метрики

1 Средний доход от клиента (ARPU) общая выручка (мес) 105 000 руб ARPU = —--—-^-- = ———— = 3 500 руб/чел число клиентов (мес) 30 чел

2 Ежемесячная выручка (MRR) MRR = Costumers x ARPU = 3 500 руб.* 30 чел = 105 000 руб.

3 Скорость роста число клиентов в текущем месяце — число клиентов в предыдущем месяце MoM =- число клиентов в предыдущем месяце MoM = 32-30 * 100% = 6,6% (III кв., 2022г.) 30 v ' ' 35 — 32 MoM = ———* 100% = 9,3% (IV кв.,2022 г.)

бизнеса (Month-on-month growth,

MoM)

4 Стоимость расходы на привлечение клиентов за определенный период 20 000 руб

привлечения число новых клиентов за определенный период 6 чел = 3 330 руб/чел

клиента

(CAC)

5 Отток денег/клиентов (Churn) потерянные клиенты 1 Churn =---з-* 100% = — * 100% = 2% все клиенты за предыдущий месяц 35

6 Доля кошелька (SOW) сумма покупок услуг 2 800 руб SOW = ----- „-* 100% =-* 100% = 233,2% сумма покупок услуг аналогичной категории 1 200 руб

7 Коэффициент количество клиентов в конце периода — новые клиенты за период CRR = ---i—^-i—^ * 100% количество клиентов в начале периода 35 — 7 = 30 * 100% = 93,3%

удержания кошелька

(CRR)

Специальные метрики

8 Ожидаемое время в пути (ETA) расстояние 1 400 м „„ „ ETA = —-- =-= 20,2 мин скорость движения 69 м/мин

9 Реальное время TSM=20 мин, определен с помощью геомаркетингового метода

в пути временной чувствительности

(TSM)

10 Арендная маржинальность (RM) маржа (разница)арендных расходов 6 000 руб RM = —--- F ---— * 100% = * 100% = 5,6% величина выручки 105 000 руб

11 Pентабельность аренды (RP) RP = чистая прибыль (мес)*100% = 60 000 руб*100% = 133% арендная плата 45 000 руб

12 Срок окупаемости аренды (PPRC) чистая прибыль (мес) 60 000 руб л „ PPRC =----——-i2^1,3 мес. арендная плата (мес) 45 000 руб

13 Процент аренды (PR) арендная плата 45 000 руб PR = —--* 100% = —--* 100% = 42,8% величина выручки 105 000 руб

При величине среднего дохода от клиента (ARPU) 3 500 руб., размере ежемесячной выручки составляет 105 000 руб. Скорость роста бизнеса (Month-on-month growth, MoM) - более 3% ежеквартально (сравнительный анализ III и IV квартала 2022г.). Стоимость арендных платежей салона эстетики тела «Vela Shape studio» 45 000 руб/мес (110 м2), что имеет положительную динамику в оценке KPI компании: процент аренды (PR) в размере общей выручки - 42,8%, срок окупаемости аренды (PPRC) - 1,3 мес.

6.2.5. Пункты выдачи онлайн-заказов.

1 этап: определение элементов процедурных компонентов (GeoProduct), TSM (Geotake Value), Big Data (GeoData Mining)

Целевая аудитория: женщины в возрасте 17-20 лет (10%), 21-30 лет (21%), 31-40 лет (25%), 41-50 лет (30%), 51-60 лет (11%), 61-60 лет (3%). Средний уровень дохода - более 35 00 руб./мес., частота покупок - 1 раз/мес., оформление покупок - через телефон, средний чек - более 1 000 руб.

Со стороны маркетплейсов разработаны партнерские требования в форме инструкций для открытия пункта выдачи товаров. Входными условиями выступают: официальная регистрация компания в качестве индивидуального предпринимателя; регистрация в аккаунте WB Point; покупка или аренда помещения площадью не менее 20 м2 с отдельным входом; расположение на 1 этаже; отсутствие пропускной системы; график работы не менее до 19.00. Однако отсутствуют какие-либо рекомендации по выбору мест в городских локациях для открытия пунктов выдачи или размещению постаматов. Это негативно отражается на выживаемости таких пунктов, подбирающих помещения интуитивно или руководствуясь стереотипными решениями о трафике.

Расстояние безразличия (Distance of indifference) - 969 м, определено путем эксперимента (февраль, 2022 г., N - 27 чел из описанной ЦА).

Адаптивные географические факторы (Adaptable factors) - площадь помещения (не менее 20 м2), наличие автомобильной парковки, число инфраструктурных объектов, расположение на 1 этаже.

Geotake Value определен с помощью метода временной чувствительности (TSM) - 13 минут (март, 2022 г., N - 95 чел из описанной ЦА). Отбор участников проводился случайным образом из числа женщин г. Белгорода в возрасте 18-25 лет в форме социологического опроса (Рисунок 6.2.14). 120

100

80

60

40

20

0

Рисунок 6.2.14 - Кумулятивные кривые изменения чувствительности к затратам времени клиента (сост. автором)

Адаптивные маркетинговые факторы (Adaptable factors) - формат пункта выдачи, расположение в ТЦ, расположение на 1 этаже, стоимость покупок, ассортимент.

GeoData Mining - выделены городские зоны максимальной концентрации ЦА в течение дня центральная часть, харьковская гора, Гриневка (Рисунок 6.2.15).

слишком долго до ТО быстро до ТО слишком долго в ТО быстро в ТО

1/1 О U1 о ю «н гч гч m m

01Л01Л01Л01Л

о ю о ю

00 00 D1 (Л

Рисунок 6.2.15 - Пространственное распределение ЦА на территории г.

Белгорода (сост. автором)

2 этап: геомаркетинговый анализ - на основании данных расстояния безразличия (969 м) и ТБМ=13 мин., определен сценарий поведения клиента: Зона №1 - «Дом» (1км).

Дополнительно был проведен конфирматорный анализ с целью установления наиболее значимых геомаркетинговых факторов, оказывающих влияния на выбор определенного пункта выдачи онлайн-заказов.

Для определения оптимального месторасположения пунктов выдачи онлайн-заказов был проведен онлайн-опрос, в котором участвовало 530 респондентов, что обеспечивает репрезентативность выборки. В ходе его поведения была смоделирована ситуация похода в пункт выдачи онлайн-заказа, где респондентам было предложено отобрать наиболее значимые для них детерминанты при выборе конкретного объекта потребительских предпочтений. Среди факторов были выделены как географические, так и маркетинговые:

-время, которое готовы идти респонденты пешком до пункта выдачи онлайн-заказа;

-время, которое готовы затратить потребители на ожидание своего заказа в очереди;

-расположение пункта выдачи онлайн-заказа на 1 этаже; -близость пункта выдачи по отношению, к фактическому месту жительства потребителя;

-расположение пункта выдачи в торговом центре; -формат пункта выдачи онлайн-заказов; -предпочтения конкретного пункта выдачи онлайн заказов; -количество единиц онлайн-заказов; -стоимость онлайн-заказа.

Оценка полученных результатов онлайн-опроса (Приложение Б) была проведена с помощью конфирматорного факторного анализа в статистическом пакете SPSS 23.0 с использованием структурного анализа AMOS 23.0. Данный инструмент анализа позволил сгруппировать детерминанты, учитывая взаимосвязи между переменными. В первую группу (F1) вошли наиболее значимые факторы для потребителя при выборе пункта онлайн-заказа. Во вторую группу (F2) были включены факторы второго плана, которые также необходимо учитывать при выборе оптимального месторасположения пункта выдачи онлайн-заказа.

Предполагаемая структурная модель взаимосвязи выявленных факторов представлена на рисунке 6.2.16.

Рисунок 6.2.16 - Модель взаимосвязи геомаркетинговых факторов (сост.

автором)

Полученная модель была протестирована с использованием подтверждающего факторного анализа в оценке максимального правдоподобия с помощью Amos23. Результаты показали, что модель измерения соответствует данным: %2 = 23,6 df = 22, р = 0,000. Кроме того, оценка согласованности исходным данным была проведена с помощью критериев, представленных в таблице 6.2.9.

Таблица 6.2.9 - Критерии согласия (сост. автором)

Критерий Название Интерпретация

CMIN, DF, р Критерий хи-квадрат проверяет на предмет того, что разность между эмпирической и воспроизведенной по модели матрицами ковариаций равна нулю. р > 0,05 - хорошее согласие

RMSEA, Root mean square error of approximation - квадратный корень среднеквадратической ошибки аппроксимации: границы его 90% RMSEA не более 0,05 хорошее согласие, не более 0,08 -приемлемое, 0,08-0,1 - слабое, более 0,1 - нет. Верхняя граница Ш 90 не должна существенно

доверительного интервала и оценка его точности превышать 0,1. Оценка точности около 0,5 и выше - хорошее согласие, не ниже 0,1 - приемлемое согласие

GFI,AGFI Goodness of Fit Index - критерий согласия, Adjustet Goodness of Fit Index - исправленный критерий согласия Оба не менее 0,90 - хорошее согласие ,обычно ACFI<CFI

Таблица 6.2.10 - Критерии согласия для модели взаимосвязи геомаркетинговых факторов (сост. автором)

Model NPAR CMIN DF P CMIN /DF GFI AGFI RSEA

Изначально модель была 18,0 56,204 27,0 0,001 2,082 0,977 0,961 0,045

Default model 23,0 23,556 22,0 0,371 1,071 0,990 0,980 0,012

Согласно таблице 6.2.9 интерпретируем полученные результаты (таблица 6.2.10) и отмечаем хорошее согласие модели с исходными данными. Т.е. рассчитанные критерии свидетельствуют об адекватном соответствии между гипотетической моделью и наблюдаемыми данными.

Кроме того, средствами Amos 23. была проведена оценка нормальности распределения исходной информации, результаты в таблице 6.2.11.

Таблица 6.2.11 - Assessment of normality (сост. автором)

Variable min max skew c.r. kurtosis c.r.

Предпочтение одному пункту выдачи 1,000 2,000 0,815 7,660 -1,336 -6,277

Стоимость заказа 1,000 4,000 0,469 4,403 2,043 9,599

Оптимальное время пешком 0,000 4,000 -0,006 -0,058 -0,931 -4,375

Количество единиц товара 1,000 4,000 -0,017 -0,162 -0,565 -2,654

Формат пункта выдачи 1,000 3,000 -0,129 -1,209 -1,697 -7,977

Расположение пункта выдачи в ТЦ 1,000 5,000 -0,126 -1,183 -0,591 -2,776

Расположение пункта относительно дома 1,000 3,000 -1,251 -11,755 0,056 0,265

Расположение пункта выдачи на 1 этаже 1,000 5,000 -0,312 -2,928 -1,363 -6,405

Variable min max skew c.r. kurtosis c.r.

Оптимальное время ждать в очереди 0,000 5,000 0,663 6,234 0,068 0,317

Multivariate -1,099 -0,899

Критический коэффициент для многомерного эксцесса c.r=-0,899 значительно меньше пяти, следовательно, предположение о многомерной нормальности переменных не нарушено: выбранный метод оценки корректен. Значения асимметрии и эксцесса для каждой переменной также невелики. Если бы критический коэффициент для многомерного эксцесса превышал 5, то это свидетельствовало бы о ненормальности распределения отдельных переменных и следовало бы принять меры, например, исключить выбросы. Показатели асимметрии (skew) и эксцесса (kurtosis) для каждой из переменных не превышает 3 и 7 соответственно, что говорит о существенном приближении их распределения к нормальному.

Оценка взаимосвязи параметров структурной модели и их статистической достоверности представлена в таблице 6.2.12.

Таблица 6.2.12 - Regression Weights (сост. автором)

Показатель Estimate S.E. C.R. P

Формат пункта выдачи <— F2 1,000 0,184 3,004 ***

Оптимальное время пешком <— F1 1,000 0,176 -0,511 0,621

Оптимальное время ждать в очереди <— F1 1,273 0,312 4,086 0,367

Расположение пункта относительно дома <— F1 0,213 0,121 1,764 ***

Расположение пункта выдачи в ТЦ <— F1 0,051 0,174 0,291 ***

Количество единиц товара <— F2 0,150 0,214 0,702 ***

Стоимость заказа <— F2 -0,017 0,053 -0,317 ***

Предпочтение одному пункту выдачи <— F2 0,161 0,227 0,707 0,480

Расположение пункта выдачи на 1 этаже <— F1 -1,509 0,380 -3,977 ***

Шесть из девяти оцененных регрессионных весов статистически достоверны (три звездочки означают статистическую достоверность р < 0,001). Статистическая значимость коэффициентов для параметров,

фиксированных как 1, не оценивается, но в данном случае она не вызывает сомнений, так как стандартизованные коэффициенты для них довольно велики. Таким образом, из модели необходимо удалить оптимальное время пешком, оптимальное время ждать в очереди, предпочтение одному пункту выдачи. Результаты анализа структурной модели показали, что шесть из девяти структурных гипотез получили подтверждение (Рисунок 6.2.17).

Рисунок 6.2.17 - Уточненная модель геомаркетинговых факторов (сост.

автором)

Для дальнейшего анализа была построена регрессионная модель взаимосвязи результативного - оптимальное расстояние, которое готовы идти клиенты пешком, и 6 факторных признаков, отобранных на основе модели КФА. На основе пошаговой регрессии в качестве факторного признака, который вносит наибольший вклад в вариацию результативного признака, было выявлен всего один фактор - расположение пункта выдачи в торговом центре, который мы интерпретируем с учетом предыдущих исследований как наличие рядом с пунктом выдачи определенного числа инфраструктурных объектов.

Г = 537,5 + 39,3Х (6.2.1)

Используя данное уравнение, рассчитали среднее расстояние, которое готовы идти клиенты пешком до пункта выдачи онлайн-заказа - 654,5 м. По проведенным ранее полевым исследованиям оно составило 660м (март 2022 г., N - 102). Следовательно, данное уравнение можно принять для выбора оптимального место пункта выдачи онлайн-заказа. Апробируем уравнение на основе 3 открытых ранее точек в г. Белгород (Таблица 6.2.13).

Таблица 6.2.13 - Расчет расстояния к пункту выдачи онлайн-заказов (сост. автором)

Адрес объекта Число инфраструктурных объектов Расстояние, которое готовы преодолеть клиенты согласно уравнению

г. Белгород, ул. Преображенская, 89 11,0 969,8

г. Белгород, ул. Почтовая, 50Б 5,0 734,0

г. Белгород, ул. Томаровская, 4 7,0 812,6

Таким образом, результаты таблицы подтверждают, что число инфраструктурных объектов, находящихся в близости от пункта выдачи онлайн-заказа оказывают влияние на выбор клиента. Наблюдается следующая прямая зависимость - чем больше число объектов, тем больше расстояние готовы преодолевать клиенты.

На основании полученных результатов, мы доказали возможность использования конфирматорной факторной модели для подбора оптимального местоположения пункта выдачи онлайн-заказов. Для владельцев бизнеса данная модель позволяет учитывать отобранные детерминанты при выборе оптимального местоположения для открытия нового пункта выдачи онлайн-заказов.

3 этап: визуальное отображение оптимального местоположения (GeoInteligence Modelling) - применение авторского информационного ПО «GeMI».

4 этап: построение интерактивной карты пространственной локации местоположения - с помощью поисковой системы Циан были подобраны 10 релевантных объектов для выбора оптимального местоположения. Объект под номером 4 (г. Белгород, ул. Преображенская, 89) наиболее оптимальный для открытия нового пункта выдачи онлайн заказа (Рисунок 6.2.18). В мае 2022 г. по данному географическому адресу был открыт пункт выдачи OZON.

Рисунок 6.2.18 - Оптимальное местоположение пункта выдачи онлайн-заказов (выполнено с помощью ПО «GeMI») (сост. автором)

5 этап: оценка КР1-индикаторов бизнеса - для анализа эффективности выбора местоположения торгового объекта, необходимо провести расчет индикаторов с помощью отдельных метрик (Таблица 6.2.14).

Таблица 6.2.14 - Ключевые метрики эффективности бизнеса (пункт выдачи онлайн-заказов) (сост. автором)

№ Показатель Характеристика и расчет

1 2 3

Базовые метрики

1 Средний доход от клиента (ARPU) общая выручка (мес) 129 000 руб ARPU = —--—-7-- = —„„„ = 1 290 руб/чел число клиентов (мес) 100 чел

1 2 3

2 Ежемесячная выручка (MRR) MRR = Costumers x ARPU = 1 200 руб.* 1000 чел = 129 000 руб.

3 Скорость роста число клиентов в текущем месяце — число клиентов в предыдущем месяце MoM =- число клиентов в предыдущем месяце 101 —99 MoM = i0^99 * 100% = 2% (III кв., 2022г.) 99 V ' ' 104 — 101 MoM =-* 100% = 2,9% (IV кв.,2022 г.) 101

бизнеса (Month-on-month growth, MoM)

4 Стоимость привлечения клиента (CAC) расходы на привлечение клиентов за определенный период 20 000 руб число новых клиентов за определенный период 8 чел = 2 500 руб/чел

5 Отток денег/клиентов (Churn) потерянные клиенты 2 Churn =-----* 100% = -* 100% все клиенты за предыдущий месяц 104 = 3,9%

6 Доля кошелька (SOW) сумма покупок услуг 1 290 руб SOW = ----- „-* 100% = , * 100% = 258% сумма покупок услуг аналогичной категории 500 руб

7 Коэффициент количество клиентов в конце периода — новые клиенты за период CRR = ---5-—=-—-* 100% количество клиентов в начале периода 104 — 4 = 99 * 100% = 101%

удержания кошелька

(CRR)

Специальные метрики

8 Ожидаемое время в пути (ETA) „„. расстояние 969 м _, ETA = —-- =-= 14,25 мин скорость движения 68 м/мин

9 Реальное время TSM=13 мин, определен с помощью геомаркетингового метода

в пути временной чувствительности

(TSM)

10 Арендная маржинальность (RM) маржа (разница)арендных расходов 19 000 руб RM = * 100% = * 100% величина выручки 129 000 руб = 14,6%

11 Гентабельность аренды (RP) RP = чистая прибыль (мес)*100% = 35 000 руб*100% = 233% арендная плата 15 000 руб

12 Срок окупаемости аренды (PPRC) чистая прибыль (мес) 35 000 руб _ PPRC =--—-=-7=2,3 мес. арендная плата (мес) 15 000 руб

13 Процент аренды (PR) арендная плата 15 000 руб PR = —--* 100% =-* 100% = 11,6% величина выручки 129 000 руб

Величина ежемесячной выручки составляет 129 000 руб., при этом, наблюдается скорость роста бизнеса (Month-on-month growth, MoM) имеет положительную динамику за 2 квартала 2022 г. реализации проекта - 1%. Процент аренды (PR) в размере общей выручки - 11,6%, что характеризуется как положительная величина, по данным аналитических отчетов индикатор

индикатор PR не должен превышать 20%. Арендная маржинальность является (ЕЖ) оптимальной - 11,6%, что подтверждает авторскую гипотезу о возможности открытия розничной компании во 2 и 3 территориальной зоне (разница в стоимости аренды на центральных магистралях составляет 15 000 руб/мес).

6.3 Прогноз маркетинговых, экономических и социальных результатов маркетингового фокусирования стратегии социально-экономического развития Белгородской области на локальных рынках и

реализации потенциала их развития

Одним из приоритетных направлений увеличения ВРП является развитие малого и среднего предпринимательства в Белгородской области. По итогам 2020 г. зарегистрировано 58,9 тыс. субъектов малого и среднего предпринимательства, из них 19,8 тыс. малых и средних предприятий и 39,1 тыс. индивидуальных предприятий. По количеству субъектов бизнеса область занимает 4 место в ЦФО после г. Москвы, Московской и Воронежской областей. В данном секторе занято 221,2 тыс. чел, из них 5,9 тыс. «самозанятых» граждан. Оборот малого и среднего предпринимательства за 2020 г. составил 847 млдр. руб или 102% к уровню 2019 г.

В соответствии с пакетами антикризисных мер, принятыми Правительством РФ в связи с распространением С0УГО-2019, в 2020 г. мерами поддержки, в т.ч. в рамках национального проекта «Малое и среднее предпринимательство и поддержка индивидуальной предпринимательской инициативы», воспользовались 22,6 тыс. субъектов предпринимательства региона в объеме 13,3 млрд. руб, в т.ч. 9,4 млрд. руб - прямая финансовая поддержка.

В рамках подпрограммы «Развитие и государственная поддержка малого и среднего предпринимательства» государственной областной программы «Развитие экономического потенциала и формирование

благоприятного предпринимательского климата в Белгородской области» в 2020 г. за счет всех источников финансирования на поддержку малого и среднего предпринимательства области израсходовано 572,6 млн. руб. в 2021 г. в рамках данной подпрограммы объем финансирования составляет 334,6 млн. руб, в т.ч. на реализацию региональной составляющей национального проекта «Малое и среднее предпринимательство и поддержка индивидуальной предпринимательской инициативы». В состав региональной поддержки включены проекты: «Создание благоприятных условий для осуществления деятельности самозанятыми гражданами», «Создание условий для легкого старта и комфортного ведения бизнеса», «Акселерация субъектами малого и среднего предпринимательства». В среднесрочном периоде развитие малого и среднего предпринимательства будет осуществляться в рамках реализации новой программы по поддержке малого и среднего предпринимательства, финансируемого за счет регионального бюджета, а также нацпроекта. Новая программа ориентирована на создание и «выращивание» субъектов бизнеса на всех этапах жизненного цикла - от старта и до выхода товаров/оказания услуг посредством предоставления комплекса мероприятий государственной поддержки:

- кредитно-гарантийная, финансовая (субсидирование части затрат на приобретение оборудования, продвижение товаров/услуг);

- имущественная, оказание инжиниринговых и экспортных услуг.

В период 2022-2024 гг. на поддержку 6,5 тыс. субъектов малого и среднего предпринимательства и 1 тыс. «самозанятых» граждан будет направлено более 4 млрд. руб.

Реализация обозначенных мероприятий позволит к концу 2024 г. увеличить число малых и средних предприятий (включая микропредприятия) до 20,6 тыс. единиц (консервативный сценарий) и 20,8 тыс. единиц (базовый сценарий).

На этапе открытия компаниям розничного бизнеса важно оценивать метрики и показатели, описанные в параграфе 4.3. Учитывая этот факт, построим индивидуальную модель развития бизнеса. Информационной базой в данном случае выступает совокупность индикаторов по предприятиям розничного бизнеса Белгородской области в IV квартале2021 года (Таблица 6.3.1) (Приложение Г).

Таблица 6.3.1 - Индикаторы развития розничного бизнеса в Белгородской области за IV квартал 2021 года (сост. автором)

----—Индикатор MoM, ARPU, CAC, Churn, SOW, CRR, ETA, TSM, RM, RP, % PPRC,

Объекты розничного бизнеса —-— % руб руб. % % % мин мин % мес

Магазин Рыболов 7,0 1500,0 909,1 1,2 166,7 100,0 17,7 17,0 8,7 233,0 2,3

(Белгородская обл, г. Н.Оскол, ул. Мира, 12)

Барбершоп «MEN'S STUDIO» 1,2 1600,0 1400,0 5,6 103,0 101,0 17,8 17,0 20,0 400,0 0,1

(г. Белгород, ул. Попова, 37)

Салон красоты «Сияй» 6,0 1384,0 937,5 1,5 116,0 102,0 17,8 17,0 9,0 210,0 2,1

(г. Белгород, ул. Победы, 66)

Студия эстетики тела «Vela Shape studio» 9,3 3500,0 3300,0 2,0 233,0 93,3 20,2 20,0 5,6 133,0 1,3

(г. Белгород, ул. Кн. Трубецкого, 26а)

Пункт выдачи онлайн-заказа 2,9 1290,0 2500,0 3,9 258,0 101,0 14,3 14,0 14,6 233,0 2,3

(г. Белгород, ул. Преображенская, 89)

Салон белья Kelvin. Белгород 1,7 1550,0 1370,0 3,5 119,0 101,5 16,5 16,0 17,5 154,0 2,8

(г. Белгород, Народный б-р, 11)

Фитнес центр Golg Gym (г. Белгород, пр. Славы, 112) 2,1 1700,0 1340,0 2,8 121,0 100,0 18,0 17,5 8,2 132,0 2,1

Развивающий детский центр «Шелковые детки» 3,0 8000,0 2400,0 3,5 104,5 102,0 13,5 13,0 16,0 124,0 1,5

(г. Белгород, ул. Шаландина, 5А)

Студия растяжки и балета LEVITA (г. Белгород, ул. 5 Августа, 1А ) 2,5 3500,0 1900,0 2,2 111,0 101,0 16,0 16,0 7,3 165,0 1,5

Студия рисования песком «СэндПро» (г. Белгород, Свято-Троицкий б-р, 15) 1,5 700,0 360,0 2,9 11,3 101,1 12,0 11,0 22,3 152,0 2,5

Результативным признаком по итогам таблицы выступает метрика скорость бизнеса (МоМ), на которую оказывают влияние остальные метрики, отраженные в таблице.

Проведем оценку влияния метрик на результирующий признак на основе корреляционного анализа, используя коэффициент Пирсона:

Значение показателя колеблется от -1 до +1, при чем ближе значение к единице, тем теснее связь, знак минус свидетельствует об обратной взаимосвязи. Расчеты коэффициентов Пирсона представлены в табл. 6.3.2.

Итоги корреляционного анализа свидетельствуют о значительном влиянии на скорость бизнеса следующих метрик: арендной маржинальности (0,895), процента аренды (-0,744), реального времени в пути (0,598), оттока денег/клиентов (-0,641), коэффициента удержания кошелька (-0,704). Несмотря на тесную связь из дальнейшего моделирования мы должны исключить коэффициент удержания кошелька и процент аренды, так они мультиколлинеарны, между этими метриками наблюдается тесная связь -0,905, и включение их в модель приведет к искажению результатов. Следовательно, для дальнейшего моделирования мы учитывает только четыре метрики: скорость развития бизнеса, арендную маржинальность, реальное времени в пути и отток денег/клиентов. Промежуточные данные для построения регрессионной модели отражены в таблице 6.3.3.

Таблица 6.3.2 - Итоги корреляционного анализа (сост. автором)

Показатель MoM, % ARPU, руб CAC, руб. Churn, % SOW, % CRR, % ETA, мин TSM, мин RM, % RP, % PPRC, мес

MoM, % 1,000

ARPU, руб 0,095 1,000

CAC, руб. 0,375 0,561 1,000

Churn, % -0,641 -0,006 0,037 1,000

SOW, % 0,558 0,018 0,723 -0,075 1,000

CRR, % -0,704 -0,048 -0,589 0,294 -0,526 1,000

ETA, мин 0,598 -0,108 0,340 -0,248 0,503 -0,627 1,000

TSM, мин -0,895 -0,454 -0,486 0,640 -0,501 0,475 -0,388 1,000

RM, % -0,178 -0,373 -0,203 0,632 0,051 0,215 0,138 0,315 1,000

RP,% -0,004 -0,318 -0,344 -0,465 -0,027 0,222 -0,333 0,004 -0,572 1,000

PPRC, мес -0,744 0,168 0,521 -0,395 0,396 -0,905 0,354 -0,596 -0,389 -0,023 1,000

Таблица 6.3.3 - Промежуточные значения метрик для моделирования (сост. автором)

Индикатор Скорость Отток денег/ Реальное Арендная

роста бизнеса (Month-on-month клиентов (Churn), % время в пути (TSM), мин маржинальность (RM), %

Наименование розничного^ объекта growth, MoM), IV квартал, %

Магазин Рыболов 7,0 2,2 17,0 8,7

(Белгородская обл, г. Н.Оскол, ул. Мира, 12)

Барбершоп «MEN'S STUDIO» (г. Белгород, ул. Попова, 37) 1,2 5,6 17,0 20,0

Салон красоты «Сияй» (г. Белгород, ул. Победы, 66) 6,0 1,5 17,0 9,0

Студия эстетики тела «Vela 9,3 2,0 20,0 5,6

Shape studio» (г. Белгород, ул. Кн. Трубецкого, 26а)

Пункт выдачи онлайн-заказа 2,9 3,9 14,0 14,6

(г. Белгород, ул. Преображенская, 89)

Салон белья Kelvin. Белгород 1,7 3,5 16,0 17,5

(г. Белгород, Народный б-р, 11)

Фитнес центр Golg Gym (г. Белгород, пр. Славы, 112) 2,1 2,8 17,5 18,1

Развивающий детский центр «Шелковые детки» (г. 3, 3,5 13,0 9,5

Белгород, ул. Шаландина, 5А)

Студия растяжки и балета LEVITA 2,5 2,2 16,0 13,6

(г. Белгород, ул. 5 Августа, 1А )

Студия рисования песком «СэндПро» (г. Белгород, Свято-Троицкий б-р, 15) 1,5 2,9 11,0 19,1

Построение регрессионной модели на основе данных таблицы 6.3.3 осуществлялось в программном продукте Statistica SPSS.

Таблица 6.3.4 - Итоги регрессионного анализа (сост. автором)

N=10 Итоги регрессии для зависимой переменной: R=0,939386, Д2 = 0,882446. Скорректированный Д2 = 0,823668 Б=15,01, р<0,0004 Стандартная ошибка оценки 1,15

Коэффициенты Стандартная ошибка 1-статистика Р-Значение

Св. член 4,66795 3,226996 1,446531 0,0081

Отток -0,26683 0,42179 -1,63261 0,0323

денег/клиентов

Реальное время 0,316466 0,162735 1,944669 0,0074

в пути

Арендная -0,38031 0,10316 -3,68659 0,0102

маржинальность

Все переменные в модели значимы (р-уровень<0,05). Коэффициент детерминации показывает какая доля вариации скорости бизнеса объясняется влиянием предикторов в построенной модели. Чем ближе Д2 к единице, тем качественнее модель. В нашем случае Д2 = 0,882, это говорит о том, что вариация скорости бизнеса на 88,2% объясняется метриками, включенными в модель, а на 11,8% другими неучтенными метриками в нашем исследовании.

Гипотеза об отсутствии линейной связи отвергается, так как Fрасч=15,01>Fтабл=4,46, следовательно модель статистически значима при уровне надежности а = 0,05 (вероятность результатов полученных на основании модели можно гарантировать с вероятностью 95%). Итак, модель управления скоростью развития бизнеса выглядит следующим образом:

Мот = 4,67 - 0,27^игп + 0,32Г5М - 0,38ДМ (6.3.2)

Отток денег/клиентов и арендная маржинальность оказывают обратное влияние на скорость бизнеса, реальное время в пути положительно влияет на скорость бизнеса. Т.е. снижая арендную маржинальность на 1%, скорость бизнеса растет на 0,38%; увеличивая время в пути на 1 минуту скорость бизнеса увеличивается на 0,32%; уменьшая долю клиентов, которую владелец

компании теряет в зависимости от изменившихся условий бизнеса на 1%, скорость бизнеса растет на 0,27%.

Такая интерпретация результатов позволяет моделировать скорость бизнеса в зависимости от вариации рассматриваемых метрик. Для уменьшения арендной маржинальности необходимо снижение арендных платежей, а это возможно лишь открыв бизнес на второй или третьей линиях, что увеличит время в пути и отразится на количестве клиентов готовых преодолевать дополнительное расстояние и потере денег в случае отказа клиентов при смещении бизнес-объекта с первой на вторую линию.

Кроме того, данная модель позволяет нам предполагать, что всегда будут существовать клиенты, готовые преодолевать любое расстояние для достижения своих целей и открытие бизнеса на второй и третьей линиях позволит увеличивать скорость бизнеса, не потеряв клиентов.

Учитывая тот факт, что арендная маржинальность оказывает самое сильное влияние на скорость бизнеса, причем связь между метриками обратная, что говорит о необходимости минимазации арендных расходов. Так как, чем меньше арендная маржинальность, тем быстрее растет выручка бизнес-объекта.

Итак, арендная маржинальность представляет функцию зависимости от стоимости аренды бизнес-объекта и его выручки:

ЯМ = ^^ * 100% (6.3.3)

где 5а = Ра * 5 - величина арендных платежей, зависящая от размера арендуемой площади и стоимости за 1 квадратный метр в зависимости от линии аренды. Анализ регионального рынка недвижимости позволил выстроить следующий порядок цен за м2 : в первой линии -1000 рублей, во второй не более 600 рублей и в третьей - на более 500. Кроме того, на арендные платежи будет оказывать влияние занимая площадь бизнес-объекта. Одним из критериев открытия бизнеса выступает величина арендуемой площади помещения должна быть не менее 15-20 м2.

В - выручка, которая зависит от загруженности производственных мощностей. По результатам бизнес-аналитики лучшим вариантом выступает значение не менее 75-80%. Оптимальным вариантом, свидетельствующем об эффективности бизнеса является соотношение 1:1. Увеличивая загруженность производственных мощностей, повышается выручка и при неизменной арендной плате снижается арендная маржинальность, что позволяет минимизировать функцию (6.3.1).

Таким образом, оптимизационная модель арендной маржинальности выглядит следующим образом:

ДМ = £; • Zj ^ min

(6.3.4)

z2 <

> 20м2

1000 рублей для первой линии 600 рублей для второй линии 1500 рублей для третьей линии г3 > 75%

V

где ty - постоянный коэффициент, полученный на основании регрессионной модели;

z1-площадь арендуемого помещения;

z2 - цена за 1 м2арендуемого помещения, в зависимости от линии; z3 - загруженность производственных мощностей бизнес-объекта. На основании вышеизложенного проведем анализ, как увеличится скорость бизнеса при смещении торгового объекта на 2 или 3 риелторскую линии.

Расчеты проведем для бизнес-объекта студия эстетики тела «Vela Shape studio» (г. Белгород, ул. Кн. Трубецкого, 26а). Данный объект находится на второй линии, его загруженность составляет 75%, арендная плата 45000 руб., площадь помещения 110 кв м. При смещении на третью линию арендная стоимость снизится на 17%, что следует из условий оптимизации, остальные критерии будут выполнимы согласно требованиям развития бизнеса.

Арендная маржинальность данного объекта в третьей линии составит 4,6%.

Рассчитаем исходную скорость бизнеса на основании модели:

Мот = 4,67 - 0,27 * 2 + 0,32 * 20 - 0,38 * 5,6 = 8,4 (6.3.5)

С учетом смещения на третью линию: Мот = 4,67 - 0,27 * 2 + 0,32 * 20 - 0,38 * 4,6 = 8,8 (6.3.6)

Таким образом, при условии, что другие метрики неизменны, скорость бизнеса данного объекта увеличится на 0,4 п.п. Данный результат можно гарантировать с вероятностью 95%.

С целью выявления группы факторов, оказывающих влияние на эффективность предпринимательской деятельности, был проведен социологический опрос среи владельцев субъектов малого и среднего бизнеса региона (январь, 2023 г., N - 165, ошибка репрезентативность 95%). Резуультаты представлены в форме конфирматорного факторного анализа исследования маркетинговых особенностей локальных рынков.

После проведения конфирматорного факторного анализа в модуле AMOS SPSS были получены следующие результаты, которые потебовали дальнейшей интерпретации. Оценка КФА модели проходила в несколько этапов.

1. Оценка нормальности распределения.

В таблице 6.3.5 представлены результаты оценки нормальности распределения данных, что является необходимым условием для построения модели путей и ее дальнейшей коррекции.

Таблица 6.3.5 - Asessment of normality (результаты оценки нормальности распределения данных) (сост. автором)

Variable min max skew c.r. kurtosis c.r.

Высокая арендная плата 3,000 5,000 -,653 -3,425 -0,698 -1,830

Высокий процент коммерческого кредита 3,000 5,000 -1,320 -6,923 0,528 1,384

Variable min max skew c.r. kurtosis c.r.

Высокий уровень налогообложения 2,000 5,000 -0,695 -3,643 -0,915 -2,399

Недостаточная транспортная доступность 2,000 5,000 -0,118 -0,620 -0,479 -1,256

Отсутствие единой городской стилистики навигации 2,000 5,000 0,272 1,427 -1,160 -3,042

Недостаточный платежеспособный спрос населения 1,000 5,000 -0,022 -0,115 -1,179 -3,091

Multivariate -1,644 -1,078

Как видно из таблицы 6.3.5, критический коэффициент для многомерного эксцесса с.г = -1,078, что значительно меньше пяти, следовательно, предположение о многомерной нормальности переменных не нарушено: выбранный метод оценки корректен. Значения показателей As и Ex для всей факторов также имеют довольно небольшие значения по сравнению с их критическими величинами = 3 (skew), £5крит = 7 (kurtosis)). Все

это свидетельствует об отсутствии выбросов в массиве данных нормальности распределения всех изучаемых факторов нашей модели.

2. Оценка приемлемости объема выборки.

В разделе вывода Notes for model (Примечания для модели) содержится общая информация по идентификации модели: количество оцениваемых параметров Т = 16. Это значение можно получить исходя из количества явных переменных в модели Р = 6 и числа степеней свободы df = 5. Общее число доступных моментов выборки (ковариаций и дисперсий) Р*(Р + 1)/2 = 21, следовательно, Т= Р (Р + 1)/2 - df = 16. Объем выборки N = 165, что больше чем 10 Т (рекомендуемое соотношения более 5Т - 10T), следовательно, модель соответствует исходным данным (Таблица 6.3.6).

Таблица 6.3.6 - Computation of degrees of freedom (Default model) (сост. автором)

Number of distinct sample moments: 21,0

Number of distinct parameters to be estimated: 16,0

Degrees of freedom (21 - 16): 5,0

Chi-square 9,031

3. Оценка согласованности модели.

Для оценки согласованности модели необходимо использовать критерии согласия - СМШ, RMR, GFI, ЯМБЕА (Таблицы 6.3.7, 6.3.8, 6.3.9).

Таблица 6.3.7 - СМШ (сост. автором)

Model NPAR CMIN DF P CMIN/DF

Default model 16,0 9,031 5,0 0,135 1,806

Saturated model 21,0 0,000 0,0

Independence model 5,0 137,79 15,0 0,000 9,186

Таблица 6.3.8 - RMR, GFI (сост. автором)

Model RMR GFI AGFI PGFI

Default model 0,035 0,964 0,950 0,230

Saturated model 0,000 1,000 - -

Independence model 0,496 0,359 0,103 0,257

Таблица 6.3.9 - ЯМБЕЛ (сост. автором)

Model RMSEA LO 90 HI 90 PCLOSE

Default model 0,048 0,000 0,107 0,463

Independence model 0,214 0,187 0,242 0,000

Интерпретируем полученные результаты: AGFI< GFI и превышает 0,9, СМШ/ОЕ<2, КМБЕЛ=0,048<0,05, кроме того в таблице 6.3.9 видно, что р=0,135, а это подтверждает выполнения условия качеств модели: р > 0,05. Таким образом, можно принять решение о хорошем соответствии модели исходным.

4. Оценка регрессионных коэффициентов параметров модели.

Анализ значимости отобранных признаков, объясняющих влияние факторов представлен в таблицах 6.3.10, 6.3.11).

Таблица 6.3.10 - Regression Weights: (Group number 1 - Default model) (сост. автором)

Фактор Estimate

Недостаточный платежеспособный спрос населения <— F1 0,936

Отсутствие единой городской стилистики навигации <— F1 0,948

Недостаточная транспортная доступность <— F1 0,783

Высокий уровень налогообложения <— F2 0,984

Высокий процент коммерческого кредита <— F2 0,708

Высокая арендная плата <— F2 0,801

Таблица 6.3.11 - Standardized Regression Weights: (Group number 1 -Default model) (сост. автором)

Фактор Estimate S.E. C.R. P Label

Недостаточный платежеспособный спрос населения <— F1 1,000

Отсутствие единой городской стилистики навигации <— F1 0,748 0,049 15,187 ***

Недостаточная транспортная доступность <— F1 0,492 0,050 9,768 ***

Высокий уровень налогообложения <— F2 1,000

Высокий процент коммерческого кредита <— F2 0,429 0,038 11,405 ***

Высокая арендная плата <— F2 0,517 0,037 14,057 ***

Результаты таблиц 6.3.10, 6.3.11 свидетельствуют о высокой степени влияния выделенных переменных на группы факторов, так как коэффициенты корреляции больше 0,7. При этом, данная таблица 6.3.11 подтверждает статистическую значимость выявленных взаимосвязей.

Все оцененные регрессионные веса статистически достоверны (три звездочки означают статистическую достоверность р < 0,001). Статистическая значимость коэффициентов для параметров, фиксированных как 1, не оценивается, но в данном случае она не вызывает сомнений, так как стандартизованные коэффициенты для них довольно велики.

Для оценки расхождение эмпирических и модельных ковариаций исследуемых переменных воспользуемся табл. 6.3.12. По результатам таблицы 6.3.12 отметим, что в полученной модели отсутствуют переменные, ковариации между которыми плохо воспроизводятся. Отсутствие экстремальных расхождений эмпирических и модельных ковариаций свидетельствует о том, что нет оснований для удаления переменных из модели или фиксирования дополнительных нулевых параметров (удаления «лишних» стрелок).

5. Модификация модели.

Модификация модели осуществлялась на основании таблицы 6.3.13.

Таблица 6.3.13 - Covariances: (Group number 1 - Default model) (сост. автором)

Параметр модели M.I. Par Change

F1 F2 60,461 0,820

e6 F1 4,620 0,098

e5 F1 6,132 -0,102

e4 F1 26,200 0,306

e3 e6 6,024 0,045

e3 e5 12,283 0,058

e3 e4 13,807 -0,088

e2 e5 22,243 -0,089

e2 e4 23,126 0,131

e1 F2 6,966 0,175

Представленные в таблице 6.3.14 индексы модификации (Modification indices, M.I.) являются аналогами критерия хи-квадрат с одной степенью свободы и вычисляются для каждого исключенного параметра (фиксированного как 0). Значение M.I. показывает, насколько приблизительно уменьшится хи-квадрат модели при освобождении этого параметра (задании соответствующей связи).

Таблица 6.3.14 - Standardized Residual Covariances (Group number 1 - Default model) (сост. автором)

Показатель Высокая арендная плата Высокий процент коммерческого кредита Высокий уровень налогообложения Недостаточная транспортная доступность Отсутствие единой городской стилистики навигации Недостаточный платежеспособный спрос населения

Высокая арендная плата 0,024

Высокий процент коммерческого кредита 0,569 0,000

Высокий уровень налогообложения 0,025 -0,047 0,000

Недостаточная транспортная доступность -0,704 1,791 -0,023 -0,184

Отсутствие единой городской стилистики навигации -0,706 0,544 -0,026 0,135 0,360

Недостаточный платежеспособный спрос населения -0,995 0,792 0,078 -0,176 0,316 0,000

Для каждого M.I. указывается также величина ожидаемого изменения параметра (expected parameter change), обозначаемая Par Change и предсказывающая, насколько и в каком направлении отклонится от нуля соответствующий параметр, если он будет освобожден. Ориентируясь на величину M.I., целенаправленно добавлены связи для повышения согласия модели с данными.

На следующем шаге последовательно добавляя связи между ошибками до тех пор, пока в таблице Covariances (Ковариации) не останется ни одной пары ошибок. После корректировки модели получены данные таблиц 6.3.14, 6.3.15.

Таблица 6.3.15 - Covariances: (Group number 1 - Default model) (сост. автором)

Параметр Estimate S.E. C.R. P Label

F1 F2 0,902 0,134 6,733 ***

e3 e6 0,034 0,018 1,864 0,062

e2 e6 -0,088 0,022 -4,033 ***

el e2 -0,159 0,094 -1,690 0,091

Таблица 6.3.15 автором) - Correlations: (Group number 1 Default model) (сост.

Параметр Estimate

F1 F2 0,654

e3 e6 0,164

e2 e6 -0,660

e1 e2 -0,986