РОЛЬ МАЛЫХ РОЗНИЧНЫХ ПРЕДПРИЯТИЙ В ЭКОНОМИКЕ ГОРОДА: АНАЛИЗ ФАКТОРОВ И МЕТОДОВ ОПТИМИЗАЦИИ РАЗМЕЩЕНИЯ В УСЛОВИЯХ ЦИФРОВОЙ ТРАНСФОРМАЦИИ

THE ROLE OF SMALL RETAIL ENTERPRISES IN THE URBAN ECONOMY: ANALYSIS OF FACTORS AND METHODS FOR OPTIMIZING LOCATION IN THE CONTEXT OF DIGITAL TRANSFORMATION

Vuk Varagić

Postgraduate student, Moscow University of Finance and Law, Russia, Moscow

Аннотация. Цель данной статьи — исследовать факторы, влияющие на размещение малых розничных предприятий в городской среде в условиях цифровой трансформации. Работа актуальна в свете роста онлайн-торговли и необходимости адаптации физических магазинов к изменяющимся потребительским предпочтениям. В статье используются эвристический анализ, факторная модель потребительского выбора и сценарный метод с применением дерева решений. Проанализированы особенности функционирования малых розничных точек и предложены рекомендации по выбору локации с учётом цифровых инструментов, таких как геомаркетинг и тепловые карты трафика. Рассматриваются практические сценарии с расчётом ожидаемой ценности (EV) для оценки предпочтительных решений в условиях неопределенности.  

Abstract. The aim of this article is to investigate the factors influencing the location of small retail enterprises in the urban environment under conditions of digital transformation. The study is relevant in light of the growth of online commerce and the need for physical stores to adapt to changing consumer preferences. The article employs heuristic analysis, a factor model of consumer choice, and a scenario method using decision trees. The operational features of small retail outlets are analyzed, and recommendations are proposed for selecting locations, taking into account digital tools such as geomarketing and traffic heatmaps. Practical scenarios are considered with the calculation of expected value (EV) to assess preferable decisions under uncertainty.

Ключевые слова: розничная торговля; малый бизнес; городская экономика; цифровая трансформация, дерево решений, геоаналитика.

Keywords: retail trade; small business; urban economy; digital transformation; decision tree; geoanalytics.

Введение

Современная розничная торговля находится на этапе трансформации под воздействием демографических, технологических и поведенческих изменений. Рост числа малых домохозяйств, цифровизация потребительских практик и увеличение свободного времени способствуют смещению интереса потребителей от крупных торговых центров к форматам, ориентированным на городскую среду и непосредственное взаимодействие [3], [12], [14]. Уличная розничная торговля, представляемая независимыми магазинами, оказывает значительное мультипликативное воздействие на местную экономику — через локальные цепочки поставок, занятость и использование городской инфраструктуры.

Помимо экономических преимуществ, уличная торговля способствует достижению экологических и социальных целей: снижению транспортной нагрузки, повышению качества городской среды и укреплению локальных сообществ [1], [7], [11]. В отличие от унифицированных торговых центров, такие магазины существуют в более децентрализованной среде, где плотность застройки, соседство с другими объектами и пешеходная доступность критически важны для формирования устойчивых кластеров [2], [12].

Наличие качественной уличной торговли повышает социальный капитал, уровень доверия, чувство принадлежности и устойчивость городской экономики [7], [9], [10]. Несмотря на рост электронной коммерции, физические магазины сохраняют преимущества в персонализации обслуживания и формировании городской идентичности. Таким образом, научная новизна статьи заключается в интеграции сценарного анализа с цифровыми инструментами геоаналитики для принятия решений о размещении малых розничных предприятий в городской среде.

Методы исследования

Для комплексного анализа использован смешанный методологический подход. Эвристический анализ применялся при отборе и интерпретации отраслевых данных с целью выделения ключевых факторов выбора между физической и онлайн-торговлей. Путём дистилляции данных была разработана факторная модель, отражающая структуру покупательских предпочтений. Дополнительно использовались элементы геоаналитики — такие как плотность пешеходного трафика и характеристика окружающей застройки — для предварительной оценки привлекательности локаций.

Для оценки целесообразности выбора локации применялся сценарный подход с построением дерева решений — метода, широко используемого в инвестиционном анализе. Он позволил количественно оценить потенциальную эффективность торговой точки в зависимости от внешнеэкономических условий. Предполагается, что все прочие параметры (арендные ставки, переменные издержки, уровень издержек на обслуживание) идентичны для рассматриваемых сценариев, а прибыль рассчитывается как разность между выручкой и постоянными издержками при заданных объемах трафика.

Результаты

Анализ позволил выделить ряд факторов, влияющих на поведение покупателей при выборе между онлайн- и офлайн-покупками. Эти факторы были систематизированы в факторную модель, представленную в таблице 1.

Пояснение к таблице: под «уровнем» понимается степень значимости фактора в контексте принятия решения о выборе канала. Низкий уровень означает ситуативное значение, высокий — ключевое влияние. Модель включает девять факторов, каждый из которых сопоставим для офлайн- и онлайн-покупок.

Таблица 1.

 Факторы, влияющие на выбор между офлайн- и онлайн-покупками

Понимание этих факторов критично при разработке маркетинговых стратегий, выборе локации, обосновании бизнес-модели и расчёте ожидаемой доходности.

Для иллюстрации влияния экономических условий рассмотрены два варианта аренды торговой площади: 8 м² и 15 м². Предполагается, что уровень постоянных затрат (на обслуживание, логистику и персонал) приведён к сопоставимому виду. Основным параметром различия является потенциальная выручка, зависящая от размера магазина и покупательского трафика.

При вероятности сильной экономики (0,7):

E_v (8м²) = (0,7×260 000) + (0,3×114 400) = 216 320 руб./мес.

E_v (15м²) = (0,7×325 000) + (0,3×32 500) = 237 250 руб./мес.

При изменении условий на менее благоприятные (0,55):

E_v (8м²) = (0,55×260 000) + (0,45×114 400) = 194 480 руб./мес.

E_v (15м²) = (0,55×325 000) + (0,45×32 500) = 193 375 руб./мес.

Таким образом, выбор зависит от оценок будущих условий. Сценарный анализ демонстрирует, как при изменении макроэкономической вероятности предпочтение может смещаться в пользу более компактного формата.

Дополнительно: в реальной практике целесообразно включать сезонные колебания, плотность пешеходного потока, поведенческие паттерны (включая частоту импульсивных покупок) и инструменты цифровой аналитики (геомаркетинг, GPS-трекинг, тепловые карты поведения — heatmaps) для повышения точности прогноза.

Обсуждение

Рост омниканальности усилил конкуренцию между каналами сбыта, сделав критически важным понимание факторов, определяющих потребительский выбор. Онлайн-покупки ассоциируются с удобством, экономией времени и доступом к более широкому ассортименту [5], [8], [13], а также с восприятием защищённости сделки. Однако неочевидные издержки, такие как платная доставка, могут снижать привлекательность.

Офлайн-магазины сохраняют позиции за счёт возможности физического контакта с товаром, немедленного получения и эмоционального комфорта, особенно значимого для определённых категорий потребителей (пожилые, маломобильные) [6]. Информированность и досуговая ценность офлайн-шопинга усиливаются через персонализированное консультирование [4].

Модель имеет ряд ограничений: не учитывает сезонные и поведенческие колебания спроса, не адаптирована для специфических категорий товаров (например, аптеки, товары длительного пользования), предполагает равенство издержек, что может не соответствовать действительности, и не включает колебания арендных ставок в разных районах города. Включение этих переменных может существенно изменить оценку целесообразности размещения. Кроме того, дополнительную ценность для оценки локации могут обеспечить методы геоаналитики. Использование данных о плотности пешеходного трафика, структуре прилегающей застройки, доступности общественного транспорта и «тепловых карт» перемещений позволяет повысить точность выбора места размещения, особенно в контексте малых розничных форматов. Такие инструменты позволяют перейти от интуитивных решений к обоснованному анализу городской среды.

Заключение

Несмотря на цифровую трансформацию, физические магазины остаются значимым элементом городской торговли. Их устойчивость во многом определяется качеством локализации, приверженностью к клиентоориентированному сервису и умелым использованием нематериальных факторов (доверие, спонтанность, социальная роль). Использование сценарного анализа в сочетании с инструментами цифровой аналитики позволяет адаптировать стратегию размещения под конкретный городской контекст. При поддержке городской политики уличная торговля может и дальше выполнять важную экономическую и социальную функцию.