No items found.
9/9/2025

Анализ потребительских предпочтений с помощью SHAP-модели на рынке HoReCa

Один из наших Клиентов - сеть ресторанов в Москве, обратился к нам за разработкой стратегии и позиционирования своих заведений.

В рамках поиска формата мы решили проанализировать клиентские предпочтения аудитории, выявить то, какие факторы влияют на оценки пользователей после посещения кафе/ресторана

Мы обратились к открытым источникам, главным критерием выбора которых стало наличие подробной информации о заведениях Москвы: формат, разновидность кухни, отзывы, стоимость и рейтинг от посетителей. TripAdvisor прекрасно подошел для выполнения данной задачи.

Проблемы подобного решения:

1

Отсутствие возможности выгрузки статистики

2

Данная статистика не отражает зависимость между критериями заведения и оценками пользователей

Как мы это преодолели:

  • Разработка парсера, который позволил
    в оперативном режиме выгрузить все необходимые данные по 9 245 заведениям Москвы
  • По итогам выгрузки мы построили интерактивный дашборд с общей статистикой

Традиционно в рамках данного блока работ компании обращаются к методам стандартного ассессмента (глубинные интервью с сотрудниками, оценка по методу «360 градусов»). Опыт показывает, что в настоящее время успех реализации данного блока работ в высокой степени зависит от уровня развития прикладных инструментов аналитики HR-процессов, поскольку дает наиболее объективный для разработки эффективной стратегии развития персонала срез информации.

Обращаясь к практике нашего агентства, можно, к примеру, среди таких инструментов выделить анализ зависимости между стажем сотрудника и его коммерческими показателями как точный способ определения того, через сколько месяцев работы сотрудник выходит на «плато продуктивности» и, как следствие, нуждается в поддерживающем обучении.

Для верной интерпретации графиков развернули SHAP-модель, что позволило выявить корреляцию между характеристиками заведения и оценками пользователей.

/Как характеристики заведения влияют на оценку клиента

Немного о подходе

SHAP расшифровывается как SHapley Additive explanation. Этот метод помогает разбить на части прогноз, чтобы выявить значение каждого признака. Он основан на Векторе Шепли, принципе, используемом в теории игр для определения, насколько каждый игрок при совместной игре способствует ее успешному исходу.

SHAP можно использовать для разных целей, при анализе параметров ресторана, как в нашем случае, или, например, в HR-аналитике, чтобы сформировать портрет сотрудника, который с наибольшей вероятностью покинет рабочее место. Везде, где необходимо кластеризовать большие данные и найти взаимосвязи между группами параметров.

Что мы получили

Полученный график интерпретируется следующим образом:

По Y оси - сила влияния конкретного фактора на рейтинг: чем выше находится строчка ( в красной зоне), тем сильнее она влияет на оценку посетителей.
Точки внутри - это конкретные рестораны, которые подпадают под данный критерий.
Чем больше красных точек сбивается вправо, тем позитивнее сказывается параметр на оценке заведения и наоборот.

По итогам анализа мы выделили критерии, положительно влияющие на рейтинг ресторана:

1

Гастропабы

2

Итальянская кухня

3

Современная

4

Здоровое питание

5

Барбекю

6

Восточно-европейская кухня

Именно такие заведения в среднем гораздо чаще получают высокую оценку. А заведения японской кухни, фастфуд или кафе Клиенты оценивают более активно, но уже в негативном ключе.

В итоге с помощью моделирования и анализа клиентского опыта мы решили выстроить позиционирование Клиента в тематике восточно-европейской кухни.

Таким образом, используя только открытые источники данных и собственные наработки, мы смогли сформировать позиционирование и стратегию для нашего Клиента, а также провести анализ потребительских предпочтений и выявить актуальные тренды в сфере HoReCa

Скачать итоги исследования можно здесь.
Авторы

Другие материалы

Мы используем файлы куки
Продолжая пользоваться сайтом, вы соглашаетесь на их применение.
Понятно