Куда поставить пункт выдачи: разбор локации по авто-трафику, парковке и плотности заказов

Дальше по шагам, как мы к этому пришли и где этот метод честно врёт.

Задача: пункт выдачи и три кандидата с разной логикой доступа

Как и в разборе про кофейню, сначала фиксируем формат, иначе непонятно, какие цифры важны. Берём пункт выдачи заказов маркетплейса: площадь около 40 м², без витрины и импульсных продаж, выручка не с прохожих, а с комиссии за выданные заказы. Значит, ценность точки — не в том, сколько людей идёт мимо, а в том, сколько окрестных жителей закажет и насколько им удобно забрать.

Это сразу меняет иерархию слоёв по сравнению с кофейней. Там решал будний утренний пеший поток платёжеспособных людей. Тут решает связка из трёх вещей: сколько вокруг живёт активно заказывающих, как до точки добираются (пешком по дороге домой или на машине) и можно ли реально подъехать или зайти без боли. Проходимость магистрали, которая была бы золотом для кофейни навынос, для ПВЗ почти не работает: люди на ней едут мимо, а не к вам.

Три кандидата я подбирал так, чтобы они спорили по способу доступа:

• Перекрёсток на вылетной магистрали, у крупного ТЦ. Огромный авто-трафик, много кто проезжает, но это сквозной поток.
• Тихий перекрёсток в обжитом спальном районе, у остановки и магазина «у дома». Средний трафик, но это локальный поток жителей.
• Первый этаж в новом ЖК на окраине. Свежий дом, много квартир, но район ещё не достроен и заселён наполовину.

Слой первый: авто-трафик и пешая доступность, и почему сквозной поток обманчив

Первый слой — это трафик, но читаем мы его иначе, чем для кофейни. Нас интересует не только пеший поток (footfall.flow), но и авто (traffic.flow), и главное — какой это поток: сквозной мимо или локальный к точке.

Сквозной авто-трафик на магистрали — это люди, которые едут из пункта А в пункт Б, и ваш ПВЗ для них не цель, а пятно на обочине. Чтобы забрать заказ, им надо перестроиться, свернуть, найти где встать и вернуться в поток. Большинство этого не сделает. Локальный поток в спальном районе меньше по объёму, но он состоит из людей, которые и так тут живут и проходят мимо вашей точки по дороге с работы домой. Для ПВЗ второе ценнее.

По трафику кандидаты разложились так:

• Магистраль у ТЦ: 38 000 машин в сутки мимо, но 90% сквозные. Пеший поток высокий, но транзитный.
• Спальный перекрёсток: 9 500 машин в сутки, в основном местные, плюс плотный пеший поток от остановки и магазина у дома.
• Новый ЖК: 4 200 машин, поток только жильцов, пешая активность пока низкая из-за недозаселённости.

Разрешение слоя около 100 метров тут важно так же, как для кофейни: оно отличает «много машин на проспекте» от «есть ли реальный заезд именно к этому подъезду».

Слой второй: плотность онлайн-заказов, главный слой для ПВЗ

Второй слой — для пункта выдачи он, по сути, главный. Это плотность онлайн-заказов в окрестных кварталах: модельная оценка того, где люди активно покупают онлайн, выведенная из демографии и поведенческих сигналов через demo.profile(geo). Пункт выдачи кормится не прохожими, а жителями вокруг, поэтому вопрос «сколько здесь заказывают» важнее, чем «сколько здесь ходят».

• Магистраль у ТЦ: вокруг в основном офисы и сам ТЦ, жилья мало. Плотность заказов в радиусе пешей доступности низкая — заказывать тут попросту некому.
• Спальный перекрёсток: плотная жилая застройка, сегмент B, активные онлайн-покупатели среднего возраста с детьми. Высокая плотность заказов.
• Новый ЖК: потенциально высокая плотность (молодые цифровые семьи), но дом заселён наполовину, поэтому фактическая плотность пока вдвое ниже расчётной.

Вот тут 38 000 машин у магистрали и проигрывают 9 500 у спального перекрёстка. Огромный трафик идёт мимо района, где почти никто не живёт, а значит, и заказывать в этот ПВЗ некому. А скромный локальный поток окружён кварталами, которые генерируют поток заказов каждый день.

Слой третий: парковка и заезд, которые не видно на карте

Третий слой — коммерческая недвижимость и дорожная сеть: estate.query(near=parcel, include=['parking','access']). Для кофейни этот слой был про аренду и владельца, для ПВЗ он ещё и про физическую возможность подъехать.

• Магистраль у ТЦ: парковка есть, но это платная парковка ТЦ с шлагбаумом, заехать на две минуты за заказом неудобно, а у обочины магистрали стоит запрет остановки.
• Спальный перекрёсток: карман на 3-4 машины прямо у входа плюс дворовая парковка, пеший заход от остановки 50 метров. Удобно и на машине, и пешком.
• Новый ЖК: подземный паркинг для жильцов, гостевых мест мало, но основной доступ всё равно пеший, для жителей дома это не проблема.

Это та ось, на которой магистраль проигрывает вчистую. Казалось бы, у ТЦ всё есть: и трафик, и парковка. Но шлагбаум и запрет остановки превращают «парковку рядом» в «парковки для быстрого заезда нет». ПВЗ — это история про две минуты, и любое трение на этих двух минутах уводит клиента к конкуренту.

Слой четвёртый: аренда и конкуренция за тот же заказ

Четвёртый слой — аренда и соседние ПВЗ. Запрос poi.search(near=parcel, cat='pickup_point', radius_m=500) показывает, сколько пунктов выдачи уже работает рядом и делят ли они тот же жилой спрос.

• Магистраль у ТЦ: аренда высокая (проходное место ценят), 6 пунктов выдачи разных операторов в самом ТЦ. Высокая аренда плюс высокая конкуренция за один и тот же транзитный поток.
• Спальный перекрёсток: аренда умеренная, 2 ПВЗ в радиусе, но район большой и жилого спроса хватает на несколько точек.
• Новый ЖК: аренда низкая (девелопер пускает первый этаж дёшево, чтобы заполнить), конкурентов пока нет вообще.

Логика та же, что была с кофейнями: низкая конкуренция бывает симптомом отсутствия спроса. У нового ЖК ноль конкурентов не потому, что место золотое, а потому, что заселённость пока половинная и спрос не набрал массу. У спального перекрёстка два конкурента — это здоровый признак: значит, спрос есть, и в него можно встроиться.

Как это выглядит со стороны агента

Всё, что я расписал словами, агент проходит одним прогоном: дотягивается до слоёв, запрашивает каждый и собирает решение с обоснованием. Как именно агент достаёт слои (через MCP, REST или свой краулер), мы разбирали в отдельной статье про подключение данных к агенту. Вот сокращённый лог по победителю и сжатый итог по двум другим адресам:

Цифры тут синтетические, я собирал их для разбора. Но устроены они так, как ведут себя реальные слои, и логика принятия решения настоящая: агент не голосует за самую большую цифру трафика, он сверяет каждую ось с тем, как именно к ПВЗ добираются клиенты.

Почему вес осей у ПВЗ другой, чем у кофейни

Удобно увидеть на одной картинке, как для пункта выдачи перераспределяется важность слоёв по сравнению с кофейней. У кофейни навынос наверху стоял пеший трафик и его ритм. У ПВЗ наверх уходят плотность заказов и удобство заезда, а голый трафик мимо опускается почти в ноль.

Где этот метод врёт: честно про ограничения

Как и в разборе про кофейню, без этого раздела текст был бы рекламой. Слои отвечают на один вопрос: есть ли по адресу нужный спрос, удобно ли до точки добраться и по карману ли аренда. Они молчат о том, как у вас выстроена выдача, не путает ли персонал заказы, как быстро очередь и насколько аккуратно хранятся посылки. Два ПВЗ на одинаковых данных живут по-разному именно из-за операционки.

Типовых ошибок интерпретации для ПВЗ три, и все про подмену понятий.

Первая: путать трафик с доступностью. 38 000 машин на магистрали — это не 38 000 потенциальных клиентов, а 38 000 человек, которые едут мимо и не свернут. Смотрите долю локального потока и реальный заезд, а не суточное число машин.

Вторая: верить, что «парковка рядом» значит «можно встать». Платный паркинг со шлагбаумом, запрет остановки, отсутствие кармана убивают удобство заезда при формально доступной парковке. Слой доступа важнее слоя «есть ли парковка вообще».

Третья: брать плотность заказов как факт там, где район ещё не заселён. У нового ЖК расчётная плотность высокая, а фактическая вдвое ниже, потому что половина квартир пустует. Для свежей застройки разделяйте потенциал и текущий спрос.

И честно про сами данные. Плотность онлайн-заказов — это модельная оценка по демографии и поведенческим сигналам, а не выгрузка реальных покупок конкретного маркетплейса. Авто-трафик — статистическая оценка по обезличенным источникам, а не подсчёт каждой машины. Демографические данные обезличены и идут поквартально в соответствии с 152-ФЗ. Поэтому правильный вывод звучит не как «ставь ПВЗ здесь», а как «здесь спрос плотнее и заезд удобнее, иди смотри помещение и подъезд ногами».

Что в сухом остатке

Выбор места для пункта выдачи сводится не к проходимости адреса, а к связке из плотности окрестных заказов, удобства доступа и локального потока. Победил не самый людный адрес на магистрали, а тихий спальный перекрёсток, куда удобно и заехать, и зайти по дороге домой, и вокруг которого живут активно заказывающие люди. Магистраль у ТЦ — это огромный сквозной поток, который едет мимо, неудобный заезд и почти нет жилья рядом. Новый ЖК — это дёшево и без конкурентов, но спрос ещё не набрал массу.

Это второй разбор site selection в нашем блоге. В первом мы выбирали место под кофейню и там наверху стоял пеший трафик и его ритм. Метод один и тот же — сопоставить слои по конкретному адресу, — а веса осей под каждый формат свои. В основе обоих разборов лежит чистый слой данных о городе, без которого и конкурентов, и заказы пришлось бы считать по сырым источникам с ошибкой в полтора раза.

FAQЧастые вопросы