Площадь и оборот удобны как признаки, но не гарантируют однородности: внутри одного такого кластера могут находиться магазины с разной пенетрацией категорий, ценовой структурой и покупательским поведением. Поэтому задача — не просто разделить сеть на группы, а проверить, действительно ли магазинами внутри группы можно управлять одинаково. Причём для ассортимента, логистики, операций и других задач кластеризация может быть разной.

Второй важный вопрос — как найти магазины, похожие именно по спросу.
Для этого недостаточно добавить еще пару экспертных признаков: нужно работать с набором факторов, проверять их связь с результатом, очищать данные, сравнивать разные алгоритмы и измерять однородность получившихся групп. При этом математика не заменяет эксперта: пограничные точки и исключения требуют бизнес-интерпретации.

Отдельно разобрали баланс точности и управляемости.
Чем больше кластеров, тем потенциально точнее решение — вплоть до индивидуального ассортимента каждого магазина. Но каждый новый кластер означает дополнительные правила, сценарии, контроль и требования к IT-системе. Поэтому оптимальное число кластеров определяется не максимальной математической точностью, а тем уровнем детализации, которым компания действительно способна управлять.

В ответ на вопросы участников эфира, обсудили, нужно ли учитывать не только «снимок» показателя, но и его динамику во времени — например, различать магазины, где средний чек растет и падает.