ML-кейс Uzum Market: прогноз заказов ПВЗ за 50 дней до открытия

Разбор новинки простыми словами: что это, кому нужно и брать ли.

Кольцевые H3-признаки и три 30-дневных горизонта дают воспроизводимый способ сравнивать локации до аренды, но 13% жилых гексагонов выпадали из модели из-за дыр в покупном слое населения — качество геоданных важнее самой модели.

Связанные услуги: каталог, AI Boost Team, стать клиентом.

За 50 дней до аренды: что показывает кейс Uzum Market

ML-инженер Uzum Market Артем Воронов выложил разбор того, как сеть ПВЗ считает заказы для точки, которой ещё нет. Не через месяц после открытия, когда уже поздно что-то менять, а за 50 дней — то есть на этапе, когда договор аренды ещё не подписан.

Ценность тут не в модели. Модель — обычная регрессия на геопризнаках. Ценность в том, что команда показала, как выглядит честная проверка входных данных, и сколько стоит доверие к покупному слою населения.

Что именно построили

Внутри кейса три разные задачи, которые в разговорах про «геоаналитику для розницы» обычно смешивают в одну.

• Оценка конкретного помещения. Пришёл адрес — сколько заказов тут будет. Это регрессия.
• Выбор N лучших из пула. Есть двадцать вариантов и бюджет на пять. Это ранжирование, которое опирается на результат первой задачи.
• Проектирование сети. Где точка должна стоять в принципе, независимо от наличия свободных помещений. Это комбинаторная оптимизация.

Для каждой нужны свои данные и свои метрики. Ошибаются они тоже по-разному. Если этого не разделить, вы получите красивую карту и решения, которые не сходятся с реальностью.

Признаковое пространство — больше 50 признаков в 5 семействах. Основа — накопительные кольцевые агрегаты населения, трафика и заказов: считается не только сам гексагон H3 разрешения 9 (в среднем около 0,1 км²), а кольца вокруг него через h3kRing радиусом 5 колец плюс родительские уровни H3 вплоть до масштаба района. Логика простая: человек ходит не по гексагону, он ходит по окрестности.

И главное — прогноз не один. Их три, по 30-дневным отрезкам: дни 1–30, 31–60, 61–90. Мотивировка в источнике сформулирована точно:

Нам нужны три прогноза, а не одна сумма: точка, которая выходит на рабочий объём за месяц, и точка, которой требуется три месяца, предполагают разные решения по аренде и найму.

Вот это уже прикладная вещь. Точка с медленным разгоном и точка с быстрым — разные договоры, разный штат, разный запас денег на первые месяцы.

Чем отличается от типового подхода

Стандартный рецепт выбора локации: слой населения по домам, сетка сверху, плотность спроса, модель Хаффа, изохроны, карта на презентацию. Работает он ровно до тех пор, пока входные данные чистые.

Uzum пошёл от обратного: сначала проверил, что в данных вообще есть. По стране используется слой коммерческого поставщика — оценка населения и индекс пешеходного трафика по гексагонам. Для Ташкента команда собрала собственную подомовую модель и впервые смогла сопоставить два источника на одной территории.

Собственный слой — это не перепись и не реестр. Это распределение жителей почти по 370 000 зданий, где этажность известна только у 3% объектов. Каждому частному дому назначено 3,35 человека, для многоквартирных считают площадь контура и число этажей, а коэффициенты подбирают так, чтобы сумма по району сходилась с официальной численностью. То есть районные итоги заданы жёстко, а распределение внутри района — приблизительное.

Отсюда важная оговорка: само расхождение двух источников не доказывает, кто прав в конкретном гексагоне. Но масштаб расхождения показывает, насколько вы вообще можете доверять входу.

Что показало сравнение

Корреляция 0,85 звучит прилично, пока не посмотришь на разброс. В одном гексагоне поставщик даёт вдвое меньше вашей оценки, в другом — в 1,6 раза больше. Для решения об аренде это две разные локации.

Где кейс ломается

Самое неприятное — фильтр. При поиске мест под новые ПВЗ в работу брали только гексагоны с населением больше нуля.

При поиске мест для новых ПВЗ мы оставляли только гексагоны с населением больше нуля. Из-за пропусков в данных целые жилые кварталы выпадали из списка кандидатов ещё до запуска модели.

Прочитайте ещё раз. Не «модель дала плохой прогноз», а «модель эти кварталы не видела». Пропуск в покупном слое превращается в слепое пятно на карте развития сети. Никакая архитектура это не лечит.

Дальше по списку: нет адресного реестра уровня ФИАС, нет данных об оборотах конкурентов, нет данных операторов связи — делиться ими в стране запрещено. Подомовая модель построена только для Ташкента, для остальных городов сопоставимого набора характеристик зданий нет. Плюс перепись, первая с 1989 года, прошла с 15 января по 28 февраля 2026-го: 39 047 321 человек, на 810 617 (+2,1%) больше текущей статистической оценки. Детализация итогов пока не опубликована полностью, то есть калибровать население по районам скоро придётся заново.

Кому это нужно и как применить

Собственнику сети из 5–50 точек. Если локации до сих пор выбираются по интуиции и «чуйке супервайзера», у вас нет способа сравнить два помещения до подписания договора. Кейс даёт три переносимых приёма.

1. Разделите задачи. Оценка помещения, выбор из пула и проектирование сети — три разных процесса с разными метриками. Не считайте их одной моделью.
2. Считайте три горизонта, а не один. Разгон точки — это параметр аренды и найма, а не деталь отчётности.
3. Сначала проверьте вход. Прежде чем строить фичи, посмотрите, сколько жилых зон в вашем слое населения вообще отсутствует или помечено нулём. Эта цифра может оказаться дороже всей модели.

Брать или подождать: вердикт за 30 секунд

Брать — как методику проверки данных и как способ объяснить руководству, почему прогноз по двум локациям разошёлся. Приёмы с кольцевыми агрегатами и тремя горизонтами переносятся на любой рынок, где есть контуры зданий и хоть какая-то численность.

Подождать — если вы ждёте готового рецепта на своих данных. Кейс честно говорит: покрытие слоя населения — это отдельный проект, который в Узбекистане занял расшифровку типов зданий, проверку координат, расчёт площадей и заполнение пропусков в этажности. Без этого шага модель даст точность на уровне «плюс-минус квартал», а медианная MAPE 32% на гексагон — это не точность для решения об аренде.

FAQ

Можно ли повторить это на данных по России?

Схему — да. Проблему с пропусками — тоже, только источник другой. В кейсе прямо оговорено: сопоставимого с ФИАС адресного реестра и данных об оборотах конкурентов в Узбекистане нет. В России часть слоёв закрывается легче, зато добавляется своя возня с сопоставлением адресов.

Что важнее — модель или данные?

Данные. 13% жилых гексагонов с 12,3% горожан выпали из инференса не из-за гиперпараметров. Ошибки такого класса модель не исправляет, потому что для неё этих кварталов не существует.

Зачем три прогноза, если можно умножить один на три?

Потому что кривая разгона у локаций разная. Сумма за квартал скрывает, когда именно точка выйдет на рабочий объём — а это и есть решение по аренде и штату.

Что делать на следующей неделе

Возьмите свой список потенциальных локаций и проверьте его на дыры: сколько адресов не находится в слое населения или отмечено нулём. Это дешёвая проверка, которая иногда отменяет половину плана. Если хотите разобрать свою ситуацию — напишите нам, посмотрим на ваши данные до того, как вы подпишете аренду.