ОЦЕНКА И ПРОГНОЗИРОВАНИЕ ДЕЯТЕЛЬНОСТИ ФРАНЧАЙЗИНГОВЫХ КОМПАНИЙ НА МЕЖДУНАРОДНОМ РЫНКЕ

Одной из набирающих популярность форм ведения бизнеса в России является франчайзинг, иначе говоря – покупка франшизы или же, договор коммерческой концессии [3]. Под франчайзингом, следует подразумевать покупку права ведения бизнеса под уже зарегистрированным брендом, с присущей покупке правом работы по заимствованной технологии. Легальное же определение содержится в ч.2 ст.1027 ГК, где обозначенный вид деятельности именуется, как коммерческая концессия.

Родоначальником современного франчайзинга принято считать Исаака Зингера. Всем известная швейная машинка «зингер» начала производиться еще в 1850-х годах. Ее производство достигло колоссальных масштабов, но сервисных центров для обслуживания увы не было. Благодаря такой системе швейная машинка «зингер» приобрела мировую известность.

На сегодняшний день франчайзинг стал самым востребованным способом для образования своего бизнеса. Он пользуется популярностью в семидесяти отраслях экономике, его самые активные пользователи в США, Франции, Канаде, Японии и так далее. Франчайзинг позволяет увеличить не только национальные границы, но и в определенной мере способствует наращиванию ВВП страны. В России данный показатель не определен, так как франчайзинговые отношения регулируются договором коммерческой концессии и не существует отдельного законодательства, что не позволяет точно посчитать данный показатель (таблица 1).

Таблица 1.

Страны-лидеры по количеству франчайзинговых компаний

Вопрос столь активного развития франшиз за границей стоит начать именно с Соединённых Штатов Америки, которая по праву считается страной зарождения франчайзинга и являющегося на данный момент одним из лидеров в использовании данного бизнес-формата. Американская Ассоциация Франчайзинга провела исследования в США и выяснила, что только 15% компаний, которые начинают свою деятельность, могут после 2 лет продолжить свое дело, не обанкротившись, однако в случае открытия франшизы все гораздо оптимистичнее - 85% компаний успешно продолжают свою деятельность.

Популярность франчайзинга в странах Европы пришлась на времена после Второй мировой войны, хотя в США франшизные системы уже в то время занимали весьма большую сферу бизнеса. Развитие франчайзинга в европейских странах проходило по совершенно различным направлениям, учитывая особенности отдельно взятой страны со своими менталитетом, культуры, уровня экономического развития и множества других факторов. Поэтому, в Германии и Великобритании большую популярность приобрели франшизы в сфере обслуживания, во Франции – в сфере распределения, в Испании – в сфере розничной торговли. В данный момент в Европе действуют около 4500 и 180000 франчайзи, общий объем продаж которых составляет почти 150 млрд. долларов. Лидирующие отрасли по использованию франшизных систем можно увидеть на рисунке 1.

Рисунок 1. Лидирующие отрасли по использованию франчайзинга

Франчайзинг в России возник не так давно по сравнению с другими странами. Отсутствие толкового законодательства не позволило франчайзингу в нашей стране развиваться, так как оно даже не содержало в себе упоминания о системе передачи в пользование прав собственности на торговые марки. Совершенствование законодательства в 1996 году привлекло франчайзеров Макдоналдса и Кока-Колы и возникновению отечественных – Седьмой континент, Перекресток, Крошка-Картошка. С конца двадцатого века в России ведет свою деятельность Российская Ассоциация франчайзинга [1].

На данный момент перспективы развития франчайзинга в России достаточны благоприятны. Объем рынка франчайзинга в Российской Федерации оценивается в 2,8 трлн рублей. 1,4 млн человек – число занятых во франшизных сетях в России. За последний год рынок франчайзинга вырос на 16%, для сравнения, на начало 2019 года он вырос на 19%, а в 2017 году всего на 5%. Отмечается, что интерес покупателей к франчайзингу вырос на 10%. Данные, которые представлены, являются результатом масштабного исследования франчайзинга 2020 проведенного порталом Franshiza.ru. Динамика ранка франчайзинга представлена на рисунке 2.

Рисунок 2. Динамика рынка франчайзинга с 2007 года

Целью данной статьи является выявление основных гипотез, определяющих успешное развитие международных франчайзинговых компаний. Данные гипотезы были исследованы и доказаны эмпирическим путем в научных исследованиях зарубежных авторов [4]. Далее будет представлен алгоритм машинного обучения по российским франчайзинговым компаниям, который позволит оценить, насколько российская франчайзинговая система движется в направлении основных мировых тенденций. Прежде чем представить модель, сформируем основные гипотезы в части развития международных франчайзинговых компаний [5].

Гипотеза 1. Вероятность выживания выше для «взрослых» франчайзинговых сетей. Ранние исследования в сфере менеджмента показали, что возраст компании положительно коррелирует с ее выживаемостью. Скорее всего, такая корреляция объясняется отсутствием стабильности и устойчивости у молодых организаций. В одном из проведенных исследований на данную тему было установлено, что франчайзеру необходимо определенное количество времени для разработки бизнес-модели, способной приносить прибыль.

Гипотеза 2. Вероятность выживания выше для франчайзинговых сетей с более высоким соотношением франчайзинговых торговых точек к собственным торговым точкам, принадлежащим компании. Соотношение франчайзинговых и собственных торговых точек также влияет на успех франчайзинговой сети. Сети с высокой долей франчайзинговых торговых точек, имеют больше шансов на выживание и более того имеют более высокие показатели прибыльности. Данный факт можно объяснить тем, что с точки зрения мотивационных механизмов сотрудники франчайзи имеют больше стимулов к усердной работе, чем сотрудники принадлежащих компании торговых точек. Ведь выручка франчайзи напрямую зависит от финансовых результатов их деятельности, в отличие от собственных торговых точек.

Гипотеза 3. Вероятность выживания выше для франчайзинговых сетей, которые взимают более высокие роялти. Взаимосвязь между роялти и выживаемостью франшизы уже была изучена в ряде исследований. Согласно теории обнаружения сигналов высокие ставки роялти говорят об уверенности франчайзера к спросу на свою франшизу. Более того франчайзеры, устанавливающие высокие ставки роялти, чаще всего привлекают франчайзи, которые способны генерировать высокую доходность, тем самым обеспечивая прибыльность всей франчайзинговой сети.

Гипотеза 4. Молодые франчайзинговые сети, которые устанавливают низкие ставки роялти для франчайзи, с большей вероятностью выживут, чем франчайзинговые сети, которые взимают более высокие ставки роялти. В первые годы функционирования франчайзинговой сети ввиду ее неопытности существует высокая неопределенность относительно того, достигнет ли сеть целевых показателей выручки. Поэтому в случае провала основную часть убытков понесут именно франчайзи. Франчайзи, которые платят по низким ставкам роялти, имеют больше шансов достигнуть высокой доходности и, следовательно, имеют больше шансов на выживание, в отличие от франчайзи, которые платят более высокие ставки роялти.

Гипотеза 5. Новые франчайзинговые сети, которые взимают низкие паушальные взносы, с большей вероятностью выживут, чем новые франчайзинговые сети, которые устанавливают высокие паушальные взносы. Согласно теории обнаружения сигналов, размер паушального взноса говорит об уровне репутации и имидже франчайзингового бренда. Чтобы привлечь новых франчайзи, франчайзерам необходимо установить такой паушальный взнос, который был бы сопоставим с рыночной (справедливой) стоимостью предоставляемой франшизы. В случае установления необоснованно высокого паушального взноса франчайзером в первые годы ведения своей деятельности, очевидно, что франчайзинговые торговые точки будут не прибыльными, поскольку вся выручка уйдет на восстановление от расходов на уплату паушального взноса. Однако, как только франчайзинговая сеть станет узнаваемым и престижным брендом, франчайзер должен будет установить более высокий паушальный взнос [6].

Теперь, когда основные гипотезы сформированы, представим методику разработки алгоритма машинного обучения. Автором была изучена модель машинного обучения, сформированная зарубежными авторами на основе международных франчайзинговых компаний [4]. На основе данной модели был разработан собственный алгоритм, но с использованием в качестве входящего массива данных – доступной информации российских франчайзинговых компаний. В настоящей статье такой алгоритм был разработан путем применения ридж-регрессии в отношении определенного количества франчайзеров, функционировавших в разных отраслях и осуществлявших свою деятельность в период с 2013 по 2019 год. Вся последующая работа была проведена в Jupyter Notebook (надстройка языка программирования Python).

На рисунке 3 представлена блок-схема разработанного алгоритма.

Рисунок 3. Блок-схема построения алгоритма машинного обучения

Рассмотрим каждый шаг в предложенной блок-схеме немного подробнее. Прежде чем начать строить модель, необходимо сначала поработать с данными, проверить готовность и качество входящих данных для использования в машинном обучении. Данные мы делим по трейновому и по тестовому классы. Трейновая группа нужна для того, чтобы обучить нашу модель: машина n-ое количество раз обрабатывает данные по определенному алгоритму, чтобы научиться правильно классифицировать данные в выборке. В тестовой же группе мы проверяем то, насколько точно, модель обучилась классификации. Чаще всего 70% выборки относится к трейновой группе, 30% выборки относится к тестовой группе. Стоит отметить, что массив данных включает информацию по 30 компаниям. Компании были выбраны таким образом, чтобы равным образом были включены представители каждой из наиболее важных отраслей.

Суть второго шага заключается в том, чтобы выбрать определенный вид регрессии. В общем смысле регрессия – модель, которая позволяет предсказать определенное число в неопределенной последовательности чисел. В нашем алгоритме присутствует целевая переменная, которая определяет, сможет ли франчайзинговая компания успешно функционировать в следующем году или ее ждет провал. Поэтому в целях построения алгоритма для начала мы определяем, что будет использована регрессия-классификатор. Далее строится корреляционная матрица показателей (рисунок 4).

Рисунок 4. Корреляционная матрица показателей в модели

Корреляционная матрица, представленная на рисунке 4, дает нам возможность выбрать наиболее подходящий вид регрессии-классификатора. В данном случае в нашей базе данных присутствует много параметров, у которых высокая взаимозависимость, иначе говоря, наблюдается высокая мультиколлинеарность. Когда происходит такая ситуация, есть риск того, что в определенный момент алгоритм переобучится и подстроится под подобные корреляции. Во избежание данной проблемы был выбран такой вид регрессии-классификатора, как гребневая регрессия (иначе называется ридж-регрессия).

 Далее мы приступаем к третьему шагу. После того, как мы определили нужный нам вид регрессионной модели, мы можем запустить модель. Для этого нам необходимо установить следующие параметры алгоритма: Ridge-Classifier (ридж-классификатор) и параметр alpha («альфа»). Ридж-классификатор – это тот классификатор, который мы будем обучать в рамках нашего алгоритма, именно по нему машина будет прогнозировать и классифицировать наше целевое значение. Методика расчета ридж-классификатора изначально заложена в надстройку Jupyter Notebook. Параметр «альфа» – параметр регуляризации, который позволяет нам улучшить результаты разрабатываемого алгоритма. Его значение варьируется от 0 до 1. Оптимальный параметр альфа подбирается на основе кросс-валидации, когда алгоритм удаляет сначала одну случайную часть нашего массива данных и проверяет на ней, а затем повторяет эту операцию n-ое количество раз. Математические формулы, лежащие в основе ее расчета приведены в различных источниках и публикациях. Ввиду сложности математических расчетов в настоящей работе они не приводятся.

Суть четвертого шага заключается в том, что, задав коды ридж-классификатора и параметра «альфа», машина показывает нам числовые значения параметра «альфа», при которых алгоритм будет наиболее точным и верным. Вставляя значение оптимального параметра в ридж-классификатор, мы получаем итоговые коэффициенты разработанного алгоритма.

Прежде чем перейти к анализу коэффициентов, нам необходимо перейти к пятому шагу, суть которого заключается в том, чтобы проверить точность работы нашего алгоритма. Есть специальные метрики, которые позволяют оценить точность предсказанных событий. В данном случае мы использовали стандартную оценку точности – accuracy, предлагаемую Jupyter Notebook. Разработанный алгоритм предсказал 86,21% случаев в обучающей выборке и 85,72% в тестовой выборке. Можно сделать вывод, что алгоритм довольно точно научился определять прогнозы по нашему целевому параметру.

Суть шестого шага заключается в том, что в случаях, когда точность прогнозирования будет низкой (например, меньше 50%), необходимо рассчитать дополнительные показатели точности. Ввиду того, что мы получили высокие показатели точности при первоначальной проверке алгоритма, нет необходимости вводить дополнительные показатели точности.

На последнем шаге мы приступаем к анализу коэффициентов. По итогам алгоритма мы можем рассчитать два вида коэффициентов: ненормализованные и нормализованные. Ненормализованные коэффициенты позволяют оценить выживаемость любо франчайзинговой компании в следующем году, вбив данные компании за отчетный год в алгоритм. Нормализованные коэффициенты позволяют оценить важность каждого признака. Важность признаков определяется следующим образом: чем больше коэффициент в абсолютном значении, тем параметр считается важнее. Результаты представлены на рисунке 5.

Рисунок 5. Расчетные коэффициенты и важность признаков по модели

Анализ получившихся данных показал, что чем старше франчайзинговая сеть, тем больше шансов выжить у нее. Вновь созданные компании, внедрявшие франчайзинговую стратегию, имели тенденцию к провалу в первые годы после введения модели. Данный факт подтверждает правильность нашей гипотезы 1. Вероятность выживания франчайзинговой сети также была выше, когда соотношение франчайзинговых торговых точек к собственным торговым точкам было достаточно высоким, но в том случае, когда в первые годы своей деятельности компания все же старалась акцентировать внимание на собственных торговых точках. Следовательно, гипотеза 2 подтверждается полученными результатами. Наши результаты также подтверждают гипотезы 3 и 4, которые утверждают, что вновь созданные франчайзинговые сети, устанавливающие низкие ставки роялти, с большей вероятностью выживут, чем новые франчайзинговые сети, устанавливающие высокие ставки роялти. Однако стоит отметить, что по мере роста престижа и расширения структуры франчайзинговой сети, франчайзеру необходимо будет скорректировать ставку роялти в положительном направлении, поскольку прежний размер роялти не будет приносить уже прибыли. Аналогичная ситуация выявлена и по отношению к паушальным взносам: молодым франчайзерам стоит в первые годы своей деятельности установить низкие паушальные взносы, то есть гипотеза 5 подтверждается.

Подводя итоги, можно сказать, что российская франчайзинговая система движется на сегодняшний день в направлении международных франчайзинговых тенденций. Тем не менее, все еще присутствует ряд проблем, которые препятствуют развитию франчайзинговой сфера, в том числе выходу компаний на международный рынок. Среди них отсутствие соответствующей законодательной базы, нестабильность российской экономики и риск банкротства франчайзи. Франчайзинг можно описать как систему вертикального маркетинга, которая позволяет объединять интересы бизнеса на разных уровнях, оказывать поддержку российским производителям и их продукции, организовывать контроль качества товаров и услуг, стандартов поведения и создавать новые рабочие места.

Развитие франчайзинга обладает хорошим потенциалом и возможностями, только требуются формирование соответствующих условий, формирование законодательной базы, формирование налоговых льгот для франчайзи, преимущественно на начальном этапе деятельности.

Список литературы:

1. Васильев Н.Н. Франчайзинг и особенности развития в России // Финансы. − 2015. − №2. − С. 26-29.
2. Васильева, О.С. Специфика реализации франчайзинга в крупных торговых сетях на отечественном потребительском рынке // Актуальные проблемы экономики и права. – 2018. – № 2. – С. 80-86.
3. Нагаев, С.В. Соотношение понятий «франчайзинг» и «коммерческая концессия»//Бизнес в законе: экономико-юридический журнал. – 2017. – № 5. – С. 128-129.
4. Esther C.-M., Ivan Pastor-Sanz, Pilar Huerta-Zavala. Economic Sustainability in Franchising: A Model to Predict Franchisor Success or Failure // MDPI. – 2017. – 16 p.
5. Foley T. Picking the best european countries for franchising // World Franchisors. – 2018. – №1. – 12-15 p.
6. Fielder, S., & Kanwar, C. Crowdfunding and Franchising. Int'l J. Franchising L., №13. – 2015. – 35 p.