Вкусный сегмент: кто лидирует на рынке пиццерий в России?

Решение Geomatrix вошло в список 100 ведущих Proptech-стартапов на рынке недвижимости России по мнению PwC

ФРИИ и PwC представили первую в России Proptech-карту  технологических компаний из сферы недвижимости. Решение Geomatrix также представлено на этой карте в разделе «Маркетинговые и геоаналитические инструменты».

В последние годы в России отмечается активный рост технологических компаний в сфере недвижимости: в 2017–2018 гг. в них было инвестировано более $16 млн, несмотря на то, что объем российского рынка все еще существенно ниже по сравнению с другими странами. Исследование ФРИИ и PwC выделило 138 наиболее перспективных российских компаний, предоставляющих технологические услуги на всем жизненном цикле объекта недвижимости: стадиях проектирования и строительства, продажи и аренды объектов, управления и эксплуатации зданий. В процессе отбора учитывались компании, представленные на российском рынке, у них уже есть рабочий продукт и ведутся продажи.

Карта является составной частью уникального исследования российского рынка технологий в сфере недвижимости (PropTech), в котором проанализированы данные более чем по 200 российским компаниям, выбраны наиболее успешные кейсы на рынке и даны прогнозы развития рынка в среднесрочной перспективе. Решение Geomatrix представлено в разделе «Маркетинговые и геоаналитические инструменты» вместе  с другими 10 сервисами.

Арно Труссе: «В России кризис – это норма»

В этом материале мы публикуем интервью генерального директора RILOS Арно Труссе Антуану Легони-Фиалко для рубрики “Слово зарубежного руководителя в России. Ключи к успешному бизнесу”

В России уже 14 лет существует компания RILOS, основанная Арно Труссе, президентом French Tech Moscow. Основная задача RILOS– поддержка российских и иностранных ритейлеров в расширении их дистрибьютерской сети в России.

Некоторые факты

2001: переезд Арно на ПМЖ в Россию и СНГ

2001–2010: Арно работает в трех компаниях в Азербайджане и России в сфере путешествий и розничной торговли

2010: Арно создает в Москве компанию RILOS— Retail Intelligence Location Solutions

2018: компания RILOSактивно развивается

  • Основные клиенты в России и СНГ :
    – крупные торговые сети (Ашан, Золото585)
    – операторы торговых центров (ЗеленоПарк)
    – консультанты по коммерческой недвижимости
    – партнеры по розничной торговли (Cushman & Wakefield)
  • Команда: 7 человек
  • Набор персонала, запланированный на 2019г.: маркетинг и развитие

Чтобы узнать больше: [email protected]

Интервью проведенное Антуаном Легони-Фиалко

Я познакомился с Арно два года назад. С тех пор я стал свидетелем того, с каким упорством он развивает свою бизнес-модель в соответствии с последними трендами рынка. В этом интервью я бы хотел, чтобы он рассказал о своей стратегии маркетингового партнерства, которая позволяет ему расширять партнерство при минимальных затратах.

«Мы поддерживаем наших клиентов из розницы в расширении и существовании их сети»

Арно, ты можешь описать  свою деятельность?

Примечание: в франкоговорящем деловом сообществе Москвы широко распространено обращение на «ты».

Сектор розничной торговли в России и СНГ переживает глубокие изменения. Сети сталкиваются со множеством проблем: сокращение клиентов, не самый эффективный маркетинг, плохой выбор локаций из-за плохой организованности при выходе на рынок.

Какой продукт ты предлагаешь своим клиентам?

Мы начинаем работу с диагностики сети и магазинов, изучая, почему одни точки не работают, а другие являются прибыльными. Затем мы рекомендуем инструменты для автоматизации и ускорения процесса расширения присутствия. Таким образом, мы сокращаем процесс от идентификации торговой точки до подтверждения инвестиционного решения до одного дня.

Наконец, мы консультируем клиентов в вопросе форматирования типов магазинов – что стоит поменять, изменить или какие точки стоит закрыть, а также, в случае иностранных клиентов, сопровождаем их от въезда в страну до их возможного выхода.

Наше предложение варьируется от глобальной поддержки до внедрения технологических блоков, предназначенных для ускорения или оптимизации той или иной части их процесса, который является слишком затратным по времени, дорогостоящим или неэффективным по мнению клиентов. Наконец, мы внедряем технологические инструменты в соответствии с их потребностями, навыками и знаниями в сфере бизнеса.

Как развивалась твоя бизнес-модель?

В 2010 году бизнес-моделью был чистый консалтинг. Затем, в ответ на кризис, мы инвестировали в системы автоматизации внутренних и внешних процессов, чтобы предложить «долгосрочную» услугу SaaS (Sofware as a Service). Эти две области, консалтинг и абонентская система, позволяют небольшим кирпичикам сливаться друг с другом в случае более глобальных потребностей.

Кто твои конкуренты?

Нашими основными конкурентами являются внутренние команды ритейлеров, которые самостоятельно пытаются определить лучшие локации для расширения своей сети. Затем идут крупные агентства маркетинга и продвижения коммерческой недвижимости, затем около двадцати независимых компаний.

К счастью, рынок огромен. В России насчитывается около 3000 растущих сетевых марок (уже с более чем 5 магазинами).

«Наша работа: придавать смысл и значение данным»

Как ты создал устойчивые и эффективные отношения с местными субъектами?

Мы создали партнерские отношения во многих областях.

Во-первых, с профессиональными производителями физических данных «на местах»– теми, кто проводит опросы потребителей, составляет отчеты о трафике пешеходов или транспортных средств, проводит «тайные покупки», которые мы интегрируем в наши инструменты. Мы предлагаем своего рода комплекс услуг, благодаря чему клиент может эффективнее контролировать своих других подрядчиков.

Затем у нас есть партнеры-производители виртуальных данных, связанные либо с национальными статистическими операторами, либо с операторами мобильных телефонов, либо с сигналами из мобильных приложений. Эти партнеры продают объединенные и анонимные данные в рамках контролируемой правовой базы. Мы также используем все данные, которые поступают из открытых источников, таких как классические ткрытые данные (Open Data classique), и данных, публикуемых ритейлерамиили платформами для анонсов по недвижимости.

Наша задача – придать смысл и, следовательно, ценность массе необработанных данных, собранных такими монопольными агентами, как Сбербанк и телефонные операторы. Мы регулярно обновляем все эти данные, интегрируем их в наши инструменты, объединяем их с нашими внутренними данными и обогащаем их нашими алгоритмами. Это позволяет нам, например, за 24 часа найти локацию, которая освобождается!

В то же время, с точки зрения маркетинга, в январе мы установили партнерские отношения в СМИ, которые эксклюзивно транслируют контент, который мы создаем (РБК, Marketmedia …). Мы публикуем регулярно новые материалы, которые позволяют нам привлекать дополнительных потенциальных клиентов активнее, чем если бы это делали стажеры из отдела продаж.

Наконец, у нас есть партнеры-посредники, такие как производители необработанных данных (например, Nielsen в Казахстане), которые продают наши решения по обогащению данных своим клиентам. К той же категории относятся маркетинговые агентства и агентства по коммерческой недвижимости.

Какая прекрасная эволюция! И какие ты ставишь перед собой сегодня задачи?

Как и в любой небольшой компании, наши основные задачи – это пополнение оборотных средств, набор персонала и привлечение новых клиентов.

Вобласти маркетинга для нас сейчас одна из задач – найти чат-бота для автоматизации общения через телефонные звонки с реальным человеком. К сожалению, я еще не нашел поставщика, который мог бы общаться в чате на Facebook или LinkedIn из-за ограничений API (программного интерфейса приложения), и я планирую нанять кого-то на неполный рабочий день.

«Трудности в России: правильно понять контекст»

Какие советы ты бы дал иностранному руководителю, который хочет развивать бизнес в России?

Чтобы запустить в России бизнес, не требующий конкретной лицензии, трудности все те же: сделать так, чтобы параллельно росли клиенты, команда и оборотные средства. Вам просто нужно понять контекст, который уникален.

Например, для подбора персонала я использую социальные сети. Чтобы найти наши специализированные кадры, я использую сайт hh.ru.

Арно, каковы твои рекомендации для новоприбывших в Россию?

Я бы рекомендовал новоприбывшему, не колеблясь двигаться в неизбежное.

Сегодня информация разбросана. Создать портал, который бы собирал всю эту информацию, вот хорошая бизнес-идея для новоприбывшего!

Мы также организуем множество отраслевых мероприятий, чтобы встретить тех, кто занимается тем же, что и мы, или тех, кто заинтересован в сотрудничестве с нами.

Для новоприбывших мы также собрали список полезных ресурсов, которые могут помочь в адаптации и работе:

«Чтобы работать в России, будь многоходовым!»

Скажи мне, по твоему мнению, какими качествами должен обладать иностранный руководитель, чтобы преуспеть в России?

Прежде всего, язык. Создать компанию очень легко, но не говорить по-русски – большое препятствие.

АДАПТИВНОСТЬ: здесь все очень быстро меняется. То, что вчера было верно для бизнеса, сегодня не соответствует действительности. А то, что верно сегодня, нужно будет поставить под сомнение завтра. Потребности клиента, его процессы и тип покупки постоянно меняются. Поэтому Россия не является хорошей площадкой развития для тех, кто не слишком подвижный или процессуалист.

КУЛЬТУРА: на поверхности Москва очень похожа на другие западные столицы. Внутри же есть реальные различия, такие как восприятие времени или контракт, который для некоторых не имеет никакого значения!

ТЕРПЕНИЕ: запуск бизнеса занимает гораздо больше времени, чем первоначально планировалось и оговаривалось. В моем случае, сроки и бюджеты всегда удваивались или утраивались. Так что необходимо знать, что это такое и быть терпеливым.

Финансовая ОСТОРОЖНОСТЬ: необходимо избегать разделения на транши платежей, в противном случае последний платеж может быть не произведен, в идеале 100% предоплата, первый транш покрывает все сборы, а второй взнос является возможным бонусом. Важно быть твердым в этом, потому что некоторые кусали себе локти, как со стартапами, которые предлагали бесплатные пилотные версии.

Одним словом, как вести бизнес в России?

В России кризис является нормой, отсюда важность адаптивности. Следовательно, необходимо быть «многоходовым», то есть ключевым является «разнообразность», проходит везде!

 

 

Как и почему специалисты Geomatrix улучшили базовую модель Хаффа для анализа розничной зоны обслуживания

Почему пользователям Geomatrix не требуются дорогостоящие GIS-специалисты и как им удается выбирать подходящую локацию для своего будущего магазина быстрее и точнее? Секрет – в улучшениях базовой модели Хаффа, разработанные специалистами Geomatrix.

А.Базовая модель Хаффа, 1964 год

где

Pij = вероятность присутствия клиента в заданной исходной точке i, когда он направляется в конкретный торговый центр j

Sj = размер торгового центра j

Тij = время в пути или расстояние от исходной точки клиента до торгового центра

b = показатель для Tij, отражающий влияние времени в пути на различные виды шоппинг-поездок

В ней указывается, что вероятность приверженности Pijк магазину jсо стороны жителей в заданной исходной точке iравна пропорциональному отношению между размером этого магазина (Sj) и расстоянием между данным регионом iи данным магазином j(Tij), по сравнению с общим размером, формируемым всеми N магазинами в окрестностях этой зоны.

Проблемы модели и улучшения, внесенные Geomatrix

  • Размер торговых центров / магазинов

Проблема:Базовые модели Хаффа ограничены определением размера торгового центра / магазина.

Решение: Мы решили эту проблему, предложив двойной подход, заключающийся в предоставлении выбора либо элемента размера (зона продаж, соотношение общей площади (GBA), соотношение аренднопригодной площади (GLA)), либо агрегированного параметра привлекательности, который будет определен для каждого магазина.

Данный параметр привлекательности для каждого магазина или для каждой торговой марки определяется непосредственно пользователями системы и может изменяться пользователем независимо для того, чтобы испытать несколько сценариев.

  • Выбор торговых центров / магазинов

Проблема: Базовая модель Хаффа ограничена учетом всех торговых центров / магазинов в пределах определенной зоны доступности, независимо от параметров их размера / привлекательности.

Решение: Мы присвоили системе инструмент фильтрации для того, чтобы пользователь мог самостоятельно выбирать только те торговые центры / магазины, которые соответствуют его анализу.

  • Незнание покупательского поведения потребителей

Проблема:Базовая модель Хаффа ограничивается только вычислением отношения вероятностей для каждого клиента в исходной точке.

Решение: Мы разработали и интегрировали в систему все наши синдицированные данные и собственное поведение клиента, аналогичное покупательскому поведению потребителей для того, чтобы автоматически рассчитывать потенциальный клиентский трафик и оборот менее чем за одну минуту.

  • Незнание поведения потребителя при выборе магазина

Проблема:Базовая модель Хаффа ограничена тем фактом, что в пределах конкретной зоны доступности каждый торговый центр / магазин будет рассматриваться как потенциальный конкурент для всех потенциальных потребителей этой же зоны доступности. Например, если в какой-то конкретной области мы найдем 500 конкурирующих продуктовых магазинов, то вероятность посещения одного из этих магазинов всегда будет выше нуля, а это означает, что потребитель будет тратить свой бюджет на продукты между 501 магазином, что абсолютно невозможно.

Решение: Мы позволяем пользователю системы выбирать количество магазинов, в которых средний потребитель будет регулярно тратить средства в течение конкретного периода времени (обычно от 2 до 6 пунктов назначения), и перераспределяем спрос для каждого потребителя между лучшими 2-6 магазинами.

  • Время расчета

Проблема: При выполнении базовой модели Хаффа на настольной геоинформационной системе (GIS), время расчета и создания одного (1) единственного сценария – аналитического отчета для среднего торгового центра / крупного магазина, занимает от полдня до одного дня, в зависимости от уровня опытности GIS-аналитика компании, без учета наличия и качества требуемых социально-демографических данных и данных по конкуренции, наличия и качества дорожной сети, наличия и качества потребительского поведения.

И данные временные затраты умножаются для каждого нового сценария. Следовательно, для некоторых проектов, в которых необходимо определить оптимальный коммерческий формат для конкретного местоположения, принимая во внимание разные сценарии конкуренции, разные сценарии заторов трафика по дням и часам, а также различные коммерческие концепции, потребуется несколько недель.

Решение: Наша система позволяет выполнять каждый сценарий менее чем за одну (1) минуту в онлайн-режиме, значительно снижая затраты и требуемые ресурсы.

  • Преимущества

Описание результата: Базовая модель Хаффа

Описание результата: Модель Хаффа от «Геоматрикс»

Благодаря интеграции наших алгоритмов нам удалось значительно улучшить модель Хаффа:

  • Технически: сократить время формирования отчетов с 1 дня в автономном режиме до 1 минуты в онлайн-режиме
  • В плане эффективности: мы сделали модель более реалистичной, принимая во внимание поведение конечного потребителя, а также внутренние аналогичные данные компании.
  • Ресурсы: высококвалифицированные GIS-специалисты для создания/получения данных и реализации модели Хаффа больше не требуются, эту работу может выполнить любой сотрудник, пройдя 20-минутное обучение.
  • Управление рисками: поскольку система доступна для любого специалиста, не связанного с GIS, контроль отчетности может выполняться на любом уровне управления, другой сценарий может быть выполнен за считанные минуты для того, чтобы принять лучшие деловые решения и минимизировать инвестиционные риски.

 

Представляем Urban Monitoring, продукт GeoAlert, партнеров Geomatrix

После серий экспериментов и создания датасетов компания GeoAlert, партнер Geomatrix, запустила первый продукт “Urban Monitoring” по распознаванию и классификации зданий на спутниковых снимках.

Идея уже была озвучена известными компаниями “Mapbox-Google-Microsoft etc.” Зачем картировать дома (дороги и т.д.), если можно сделать обучаемый алгоритм, который будет работать не хуже картографа, а кроме того, мониторить изменения и делать обновления? Представьте, что можно было бы отслеживать новое строительство во всем мире и автоматически обновлять глобальную базу. Все было бы слишком просто… Пока еще никто не предложил алгоритм, который будет давать одинаково высокое качество в глобальном масштабе на разных территориях: от частных домов до старинных городских кварталов и стихийной городской застройки.

Основное количество карт городов до сих пор рисуется вручную, а спутниковые снимки оцифровываются по плану выпуска картографических обновлений, а не по факту изменений на местности — но машинное обучение хороший способ сократить время и, в конечном счете, стоимость обработки данных.

Поэтому  алгоритмы “Urban Monitoring” были встроены в платформу потоковой обработки данных — каждый может опробовать любую интересующую его территорию и получить статистику с точностью до дома.

  • Вам нужно выбрать область на карте (в демонстрационной версии ограничены тип геометрии — прямоугольник, и максимальный размер области — 10 кв.км.)
  • Чтобы запустить процессинг нужно быть залогиненым (достаточно аккаунта Google)
  • Процессинг 2кв.км занимает меньше 30 сек (если нет очереди задач). Пока ожидаете, можно посмотреть демонстрационные области

Поскольку работа в основном велась над улучшением качества в основном по российским городам, на выборке (Казань, Мытищи, Киров) удалось достигнуть высоких результатов (F1~0.8-0.9 в зависимости от типа строений по сравнению с готовыми картографическими данными). Если результат по вашей территории не дает необходимого качества, команда знает, как дообучить алгоритмы и выполняем эту работу.

Кроме базовой сегментации, было реализовано несколько важных дополнительных пост-сегментационных моделей. Все в целом получило название “mapping & heighting”.

  • Классификация зданий по типу (пока что показывается три типа строений, разделяя многоквартирные и частные дома, но работа ведется над выделением дополнительных классов)
  • Восстановление высот по 2D изображениям. Крыша здания при спутниковой съемке почти всегда смещена, в зависимости от наклона камеры, поэтому чтобы получить так называемые “футпринты”, которые которые рисуют картографы, нужно сдвинуть автоматический контур к основанию. Кроме того, определение высот дает возможность оценить количество этажей в многоквартирном здании и его потенциальную жилплощадь. Одно из приложений для таких данных— оценка потенциального спроса в зоне доступности торговых точек.

В завершение анонса. Урбанизация территорий идет высокими темпами: новые коттеджные поселки, новые микрорайоны городов и т.д. По прогнозам ООН 68% населения будут проживать в таких урбанизированных территориях к 2050 году. Можно ли создать инструмент на основе спутниковых снимков, который позволяет эти изменения отслеживать и прогнозировать связанные с ними экономические показатели? Первой гипотезой стал поиск мест строительства. Первые результаты сравнений спутниковых покрытий для мониторинга строительства, которые были получены по нескольким российским городам, уже доступны на платформе.

Стройки, задетектированные по спутниковым снимкам— demo.geoalert.io

Спасибо, что дочитали! Вы можете написать про ваши идеи приложений на основе платформы или задачи в ваших проектах, в которых наши технологии могут быть полезны. 

 

 

 

 

 

 

 

 

French Tech Moscow – новые возможности международного сотрудничества для бизнеса

French Tech Moscow (FT Moscow) – это крупное бизнес-сообщество, объединяющее представителей других субъектов French Tech по всей России и их партнеров.

FT Moscow – это своего рода мостик для стартапов между Москвой и Францией. Основная его цель – объединить в сообщество профессионалов, инвесторов, профессоров и студентов с целью привлечь таланты и инвестиции в экосистему French Tech и предлагать его участникам возможности для роста через организацию полезных и эффективных мероприятий.

Президентом FT Moscow является генеральный директор RILOS, эксперт по технологическим инновациям в сфере розничной торговли Арно Труссе. Среди других участников  – Янник Траншье, президент Ob’vious («Обвиоус»), эксперт по стартапам и акселераторам, Тьерри Селлерин, основатель и генеральный директор Buzzfactory («Баззфэктори»), эксперт в сфере цифрового маркетинга, разработки и управления стартап-проектами, Ив Фреро, главный исполнительный директор HiperCom («ГиперКом»), эксперт по товарам повседневного спроса (FMCG), продвижению и искусственному интеллекту и многие другие выдающиеся эксперты.

Своим участникам комьюнити предлагает множество возможностей и преимуществ.

Если вы российский стартап и хотите открыть филиал/развивать бизнес во Франции, то вам пригодятся материалы по этой ссылке – https://visa.lafrenchtech.com/

Если вы российский инвестор и заинтересованы в инвестициях во французские проекты, пожалуйста, ознакомьтесь вот с этой информацией – https://joinlafrench.tech/ или https://www.lafrenchtech.com/en/

Если вы представляете французский стартап, расположенный в России, и хотите участвовать в мероприятиях FT Moscow, чтобы встречаться с интересными людьми и продвигать свой бизнес, подпишитесь на новостную рассылку.

Более подробная информация о FT Moscow, список резидентов и другая полезная информация доступны по ссылке – https://moscow.lafrenchtech.com

 

В Питере продавать: как изменится рынок Санкт-Петербурга и Ленинградской области после слияния сетей «Дикси», «Красное и белое» и «Бристоль»

Команда Geomatrix продолжает серию постов, посвященных объединению крупных ритейлеров: «Дикси», «Красное и белое» и «Бристоль».

В этом материале мы расскажем о том, как изменится рынок Санкт-Петербурга и Ленинградской области после предполагаемого слияния.

Обзор рынка Санкт-Петербурга до слияния 

По состоянию на февраль 2019 г. лидером рынка Санкт-Петербурга по количеству магазинов является сеть «Пятёрочка», которой принадлежат 415 магазинов. Далее следует «Дикси» – 303 магазина. Сети «Магнит» принадлежат – 185 магазинов. У сети «Красное и Белое» – 19 магазинов. «Бристоль» – 12 магазинов.

Рисунок 1. Количество магазинов сетей «Пятёрочка», «Дикси»,«Магнит», «Красное и белое» и  «Бристоль» в Санкт-Петербурге

Обзор рынка Санкт-Петербурга после слияния 

Предполагаемое слияние не окажет существенного воздействия на рынок Санкт-Петербурга. «Пятёрочка» по-прежнему останется лидером по количеству магазинов (415), Слияние незначительно укрепит свои позиции при объединении (334).

Рисунок 2. Количество магазинов сетей «Пятёрочка», «Магнит»и объединяемых сетей: «Дикси»,«Красное и белое», «Бристоль» в Санкт-Петербурге после предполагаемого слияния

Эксперты также не прогнозируют значительных изменений: “Пока предусматривается работа сетей под отдельными брендами, объединение произойдет в рамках оптимизации дистрибуции и логистики. Поэтому рынок Петербурга может и не заметить слияния”, — считает аналитик ИК “Фридом Финанс” Анастасия Соснова. “На петербургский рынок объединение сетей существенно не повлияет”, — согласен с ней Алексей Каневский, председатель комитета по экономике московского отделения “Опоры России”.

Топ районов Санкт-Петербурга c наибольшим и наименьшим количеством магазинов «Пятёрочка» и сетей слияния 

Лидирующая в Санкт-Петербурге сеть «Пятёрочка» имеет наибольшее количество магазинов в следующих районах города: № 65 (16 магазинов), Новоизмайловское (15), г.Колпино (13 магазинов). После предполагаемого слияния «Пятёрочка» останется лидером в этих районах.

Можно предположить, что выбор районов обусловлен численностью населения: № 65 (145 182 чел.), Новоизмайловское (94 135), г. Колпино (145 721).

Рисунок 3. Топ-3 районов Санкт-Петербурга с наибольших количеством магазинов «Пятерочка» в сравнении с магазинами сетей слияния

В районах с населением менее 30 тыс.человек сеть «Пятёрочка» не представлена, что еще раз подтверждает предложение о принципах выбора «Пятёрочкой» районов по численности населения. К таким районам относятся: Адмиралтейский, район № 78, Аптекарский Остров, Введенский, Горелово и др.

Сети слияния представлены в этих районах магазинами «Дикси»: по 5 магазинов в раойнах № 78  и Адмиралтейский, 4 магазина в Введенском районе, 2 – в Горелово.

Наибольшим количеством магазинов сети слияния представлены в следующих районах Санкт-Петербурга: 15 магазинов в Смольнинском районе (численность населения – 79 293 чел.), 12 – в г.Колпино (145 721 чел.) и 12 магазинов во Владимирском районе (61 050 чел.).

Для сравнения приведены данные по количеству магазинов «Пятёрочка» в этих районах.

Рисунок 4. Топ-3 районов Санкт-Петербурга с наибольших количеством магазинов  сетей слияния в сравнении с магазинами «Пятерочка» 

Сети слияния также отдают предпочтение районам с высокой численностью населения. В районах с численностью населения менее 22 тыс.человек сети не представлены.

Обзор рынка Ленинградской области до слияния 

В Ленинградской области лидирующую позицию по количеству магазинов также занимает «Пятёрочка» – 214 магазинов, у «Магнита» – 128 магазинов, далее следует «Дикси» – 77 магазинов, «Красное и белое» – 40 и «Бристоль» – 2 магазина.

Рисунок 5. Количество магазинов сетей «Пятёрочка», «Дикси»,«Магнит», «Красное и белое» и  «Бристоль» в Ленинградской области на февраль 2019года 

Обзор рынка Ленинградской области после слияния 

Объединение сетей не окажет существенного влияния на позиции крупных игроков ритейла и в Ленинградской области.

Рисунок 6.Количество магазинов сетей «Пятёрочка», «Магнит»и объединяемых сетей: «Дикси»,«Красное и белое», «Бристоль» в Ленинградской области  после предполагаемого слияния

Укрепление позиций сетей слияния в городах Ленинградской области

Рассмотрим территориальное присутствие сетей в Ленинградской области.

 Лидирующая по количеству точек присутствия сеть «Пятерочка» максимально сосредоточена в следующих городах Ленинградской области: г.Кириши – 15 магазинов, г.Тихвин – 15 магазинов, г.Гатчина – 12 магазинов.

Сравним количество магазинов «Пятёрочка» с магазинами сетей слияния в этих городах.

Рисунок 7. Города Ленинградской области с наибольшим количеством магазинов сети «Пятёрочка» в сравнении с магазинами сетей «Дикси»,«Магнит», «Красное и белое» 

После предполагаемого объединения слияние значительно укрепит свои позиции, догнав по количеству магазинов «Пятёрочку» в г.Кириши, и обогнав Магнит в Тихвине и Гатчине.

Рисунок 8. Города Ленинградской области с наибольшим количеством магазинов сети «Пятёрочка» в сравнении с магазинами сетей слияния

На основании приведенных данных, можно предположить, что рынок Санкт-Петербурга и Ленинградской области не претерпят значительных изменений после слияния.

«Пятёрочка» по-прежнему будет занимать лидирующие позиции по количеству магазинов как в Санкт-Петербурге, так и в области.

Эксперты придерживаются аналогичного мнения.

При работе над материалом были использованы данные из следующих источников:

Деловой Петербург – https://www.dp.ru/a/2019/01/27/Tretim_budet

Москва – где футбольные болельщики Испании?

Москва – где футбольные болельщики Испании?