Как ИИ выбирает места для пунктов выдачи: Uzum Market и 13% «невидимых» жителей Ташкента

Чтобы новый пункт выдачи заказов приносил прибыль, нужно заранее оценить спрос: сколько людей живет рядом, какой трафик, где уже работают конкуренты и какую долю их заказов заберет новая точка. Uzum Market решает это с помощью ML — за 50 дней до открытия команда строит прогноз заказов для потенциальных локаций.

В основе подхода — классическая схема: слой населения по зданиям, сетка гексагонов, модель Хаффа и изохроны. Но вся логика ломается, если исходные данные неполные. Для Ташкента Uzum построил собственный слой населения по зданиям, а не полагался на коммерческого поставщика. Сравнение источников вскрыло проблему: в 13% гексагонов с жилой застройкой у поставщика население отсутствовало или было равно нулю. По оценке Uzum, там живут 12,3% горожан.

Из-за пропусков в данных такие кварталы автоматически выпадали из списка кандидатов — модель вообще не считала для них прогноз. Инженер Uzum Market Артем Воронов рассказывает, как компания строит собственные данные о населении и почему без этого невозможно масштабировать сеть ПВЗ воспроизводимо, а не на интуиции.