В предыдущей статье я подтвердил, что поиск коммерческих помещений существует как оплачиваемая работа. Теперь нужно было понять масштаб видимого спроса: сколько компаний реально нанимают людей на эту функцию и насколько найм распределен между работодателями.

Как я оценил спрос через вакансии HeadHunter

В предыдущей статье я подтвердил важную часть гипотезы: поиск и первичный отбор коммерческих помещений существуют как оплачиваемая работа. Этим занимаются сотрудники розничных и аптечных сетей, медицинских компаний, операторов субаренды и компаний по коммерческой недвижимости.

Но для продуктового решения этого недостаточно. Отдельные вакансии подтверждают существование функции, а не размер рынка. Поэтому следующим вопросом стало:

сколько работодателей реально покупают такую работу и насколько спрос распределен между ними?

Именно это я решил посчитать через HeadHunter.

Мне нужен был не красивый пример, а воспроизводимый подсчет

Исследование вакансий легко подогнать под желаемый вывод. Если взять несколько точных названий должностей, можно не увидеть значительную часть функции. Если взять слишком широкий запрос, выдача заполнится нерелевантными ролями.

Поэтому я разделил поиск на две части. Первая часть искала названия должностей, внутри которых потенциально может находиться нужная работа:

• менеджер по развитию;
• менеджер по развитию сети;
• менеджер по экспансии;
• менеджер по поиску помещений;
• специалист по поиску помещений;
• менеджер по открытию;
• менеджер по недвижимости;
• территориальный менеджер.

Вторая часть искала саму работу внутри описания вакансии:

• поиск помещений;
• подбор помещений;
• поиск локаций;
• подбор локаций;
• поиск объектов;
• подбор объектов;
• мониторинг рынка коммерческой недвижимости;
• поиск собственников помещений.

Исходной выборкой для ручной проверки я считал только пересечение этих двух множеств.

Обычная выгрузка уперлась в ограничение глубины

Широкий запрос по названиям давал тысячи совпадений. При обычной выгрузке через программный интерфейс HeadHunter я уперся в ограничение глубины выдачи, поэтому забрать весь 30-дневный результат одним запросом не получилось.

Я использовал свой инструмент анализа вакансий и разбил период на более короткие временные интервалы. Каждый интервал выгружался отдельно, после чего записи объединялись по уникальному идентификатору. Так я получил полную выборку в пределах выбранного запроса, 30-дневного периода и доступных данных HeadHunter на момент исследования.

По названиям должностей получилось 6 401 уникальное совпадение.
По обязанностям - 1 590. Их точное пересечение дало 431 вакансию.
431 вакансия уже выглядит как заметный сигнал, но считать эту цифру размером рынка было бы ошибкой.

431 вакансия превратилась в 183 работодателя

Крупная сеть может одновременно публиковать похожие вакансии в десятках городов. Для оценки числа компаний такие публикации нужно объединять на уровне работодателя. После объединения 431 вакансии получилось 183 уникальных работодателя.

Это уже полезнее для продуктовой гипотезы, но и 183 компании не были ответом. Широкий поиск принес много ложных совпадений.

После ручной проверки осталось 44 прямых работодателя

Я вручную классифицировал работодателей и вакансии. Нужно было отделить компании, которые действительно ищут коммерческие помещения или локации для собственных точек и бизнеса, от компаний, случайно попавших в запрос из-за слов “развитие”, “объекты” или “недвижимость”.

После проверки картина стала такой:

• 44 прямых работодателя - 185 вакансий;
• 8 профессиональных операторов, инвесторов и компаний, связанных с субарендой и коммерческой недвижимостью - 9 вакансий;
• 9 работодателей со смежным сценарием поиска и приобретения локаций - 18 вакансий;
• 122 работодателя - 219 вакансий, которые для основной гипотезы оказались шумом или другой работой.

Воронка исследования получилась такой:

6401 совпадение по названиям -> 1590 совпадений по обязанностям -> 431 вакансия в пересечении -> 183 работодателя -> 44 прямых работодателя.

Для продуктового решения последняя цифра оказалась намного полезнее первых трех.

44 работодателя - это не размер всего рынка

Здесь важно не сделать обратную ошибку. Я не утверждаю, что в России существует только 44 компании, которым нужна такая работа. Результат означает другое:

в конкретной 30-дневной выборке открытых вакансий, найденной конкретным поисковым запросом, я выделил 44 прямых работодателя.

Компания могла в этот период вообще не нанимать. Могла закрывать функцию действующими сотрудниками, искать через другие каналы или использовать другое название должности, которое мой запрос не поймал.

Поэтому вакансии нельзя использовать как перепись всего потенциального рынка. Они дают срез видимого найма. Для моего решения этого было достаточно, потому что дальше важнее оказалось не само число работодателей, а структура спроса.

Почти 64 процента прямых вакансий дали шесть компаний

В прямой выборке сильнее всего выделялись:

• Сеть аптек Апрель - 36 вакансий;
• Красное & Белое - 26;
• 585 Холдинг - 21;
• Монетка - 15;
• МАГНИТ - 13;
• НАХОДКА - 7.

Вместе эти шесть работодателей дали 118 из 185 прямых вакансий, то есть около 64 процентов. Это меняет интерпретацию результата. Видимый спрос в открытом найме распределен не равномерно между большим количеством независимых компаний. Значительная его часть сосредоточена у нескольких крупных сетей.

Внутри 44 компаний распределение тоже неравномерное

Из 44 прямых работодателей:

• 25 компаний имели одну прямую вакансию;
• 19 компаний имели две и более;
• 8 компаний имели пять и более вакансий.

Эти числа не показывают объем самой работы внутри каждой компании. Они показывают только структуру открытого найма в выбранный период. Но для продуктовой гипотезы структура важна. Есть длинный хвост работодателей с единичными публикациями и небольшой набор сетей, которые создают большую часть вакансий. Это уже другой рынок, чем можно представить, если смотреть только на число 431.

Крупный работодатель не обязательно лучший покупатель отдельного сервиса

На первый взгляд концентрация у крупных сетей может выглядеть хорошей новостью: один большой клиент способен быть ценнее десятков маленьких.

Но масштаб найма одновременно означает более сложный процесс. Нужно учитывать корпоративные критерии локации, согласование объектов, данные, роли сотрудников и существующие внутренние процедуры.

Я не проверял, какие конкретно информационные системы используются у каждой компании из выборки, поэтому не делаю выводов об их техническом устройстве.

Для продуктовой гипотезы важен сам риск: крупному работодателю может быть нужен не простой готовый сервис, а решение, встроенное в его существующий процесс и настроенное под его правила. А это уже ближе к индивидуальной автоматизации, с которой началась вся история.

Зарплаты показывают стоимость труда, но не цену продукта

Я отдельно посмотрел на зарплаты внутри прямой выборки.
Для 142 вакансий была указана нижняя граница зарплаты в рублях. Медиана этой нижней границы составила 105 тысяч рублей в месяц.
Для 33 вакансий была указана верхняя граница зарплаты в рублях. Ее медиана составила 150 тысяч рублей.

Эти числа нельзя напрямую сравнивать с возможной ценой программного сервиса. Вакансии отличаются по регионам, системе до и после налогов, составу обязанностей и уровню сотрудников. Кроме того, поиск помещений часто является только частью более широкой должности.

Поэтому зарплаты для меня были только дополнительным подтверждением: компании уже несут расходы на эту работу. Они не доказывают готовность платить сопоставимую сумму за автоматизацию.

Вакансии оказались быстрым способом проверить структуру спроса до разработки

Для меня главный результат этого этапа не число 44 само по себе, а метод. Если гипотеза предполагает автоматизацию конкретной бизнес-функции, вакансии позволяют быстро проверить несколько вещей до разработки:

• существует ли такая оплачиваемая работа;
• как компании ее называют;
• внутри каких должностей она спрятана;
• сколько работодателей нанимают людей с такой функцией;
• кто создает основную массу открытого найма;
• насколько похожи обязанности между компаниями.

Такой анализ не заменяет интервью с потенциальными покупателями и не доказывает готовность платить. Но он помогает быстрее понять структуру рынка и решить, куда направлять дальнейшее исследование.

В моем случае результат оказался неприятным, но полезным. Работа существует, бизнес за нее платит, однако видимый спрос прямых работодателей оказался сильно сконцентрирован у крупных компаний.

После подсчета гипотеза стала выглядеть слабее

До количественного анализа история выглядела логично: есть реальный клиент, повторяющаяся работа, другие компании с похожими вакансиями и готовые источники объявлений, которые позволяют не строить весь технический слой самостоятельно.

После подсчета появились ограничения. В выбранном месячном срезе я нашел 44 прямых работодателя. Почти 64 процента прямых вакансий дали всего шесть компаний. У 25 из 44 прямых работодателей была только одна вакансия в выборке.

Одновременно оставшаяся ценность будущего продукта все сильнее зависела от индивидуальных требований бизнеса: какие помещения считать подходящими, как оценивать локацию, какие факторы важнее и как результат должен попадать в существующий процесс компании.

Поэтому вопрос для меня изменился.

можно ли сделать такой сервис?

Технически - да.

есть ли смысл строить отдельный стандартизированный продукт для такого рынка?

Вот на этот вопрос предстояло ответить окончательно.

Короткий вывод

За 30 дней по России пересечение поиска по названиям должностей и обязанностям дало 431 вакансию у 183 работодателей. После ручной проверки к прямому сценарию я отнес 44 работодателя и 185 вакансий.

При этом шесть крупнейших работодателей создали около 64 процентов прямых вакансий. Это не означает, что весь российский рынок равен 44 компаниям, но показывает структуру видимого найма: спрос заметно сконцентрирован у нескольких крупных сетей.

Работа существует. Компании несут на нее расходы. Технически часть функции можно автоматизировать. Но этих фактов уже недостаточно, чтобы автоматически делать вывод “нужно строить продукт”. В следующей статье я соберу все результаты вместе и объясню, почему в итоге решил не начинать разработку отдельного сервиса поиска коммерческой недвижимости.