Geosmart banca y servicios financieros es una solución vertical, preparada para los análisis más habituales, sobre la cual personalizamos el sistema a la medida de las necesidades de cada entidad. El concepto fundamental es integrar los datos de negocio (las bases de datos internas) con los de mercado potencial (los mapas y datos sociodemográficos, económicos, demanda), analizarlos conjuntamente y tomar decisiones que puedan tener alguna componente geográfica.

Lo innovador del plantemiento radica en que el análisis espacial es un proceso de análisis más de los propios de la herramienta de business intelligence: selección de indicadores, creación de gráficos, cuadros de mando, aplicación de filtros… con la mayor sencillez y facilidad de uso para usuarios de negocio de diversos perfiles.

A continuación podemos ver cómo esta solución permite optimizar procesos de decisión concretos en el marketing bancario, principalmente en un enfoque de retail:

 Cuadro de mando de oficinas

La pantalla inicial presenta indicadores de oficinas tipo real vs objetivos, para total de oficinas, tipología de tamaño, antigüedad, especialización, dirección regional, o por supuesto selecciones de oficinas concretas hechas manualmente.

Visualización de indicadores de clientes reales y potenciales

Mapas temáticos de datos internos -presencia de clientes, penetración, cifra de negocio por actividad, tipología de clientes- y datos externos -clientes potenciales por nivel de renta, tipo de barrio, potencial de demanda de productos financieros, inmigrantes…-. Visualmente permiten explorar relación entre red de oficinas, negocio real y potencial, identificando oportunidades y áreas de mejora.

Geosmart banca, penetración de clientes por sección censal

indicadores externos, presencia 3ª edad por sección censal

indicadores externos, renta media por hogar y locales

Añadiendo a los datos anteriores la red de oficinas de entidades competidoras, tenemos el escenario completo para interpretar el negocio real -en términos de clientes y oficinas- en función de las oportunidades -clientes potenciales- y amenazas -presencia de competencia-.

indicadores externos, presencia de competencia

Creación de áreas de influencia de las oficinas

Con un simple botón obtenemos las áreas de influencia en torno a la red de oficinas (propia en este caso, igualmente podría ser la red de una entidad competidora). Las áreas de influencia son parametrizables en:

• método de cálculo: circulares,tiempo máximo de desplazamiento (drivetime)
• alcance: distancia en metros deseada, o tiempo de desplazamiento
• método de selección de clientes: secciones censales, códigos postales, portales, parcelas catastrales

Cada uno de estos métodos presenta ventajas e inconvenientes, siendo unos más precisos que otros. Además de poder seleccionarlo el propio usuario, en la fase de diseño colaboramos, aconsejamos y ayudamos a la entidad a decidir qué tipos de área de influencia le interesa utilizar para los diferentes procesos de negocio.

A continuación presentamos un ejemplo sencillo de selección de zonas para la realización de una acción comercial por canal directo (telemarketing, emailing, mailing, buzoneo). Seleccionamos las secciones censales a 300 metros de nuestra red de oficinas, mediante áreas de influencia, que podemos además modificar manualmente una vez calculadas (revisar zonas que añadir o quitar):

selección de secciones censales en áreas de influencia de oficinas

Selección de áreas, análisis de datos internos y lanzamiento de acción

Ahora nos puede interesar quedarnos solo con aquellas secciones con alto potencial de demanda de planes de pensiones, estimado por nuestro modelo predictivo microtarget®. Con un clic sobre la propia leyenda aplicamos este filtro, y ya solo vemos secciones cercanas a las oficinas con alto  potencial de demanda de planes de pensiones.

selección de secciones censales por áreas de influencia y filtro por indicador

Las zonas seleccionadas actúan como filtro del cuadro de mando, permitiendo ver el comportamiento de otros indicadores internos o externos en ellas. Podríamos chequear la penetración de clientes, el volumen de negocio de planes de pensiones, o consultar las acciones realizadas a los clientes residentes en estas áreas.

indicadores en cuadro demando filtrados por mapa

De nuevo podríamos volver al mapa, añadir o quitar zonas, analizar los datos resultantes -potencial de demanda, cobertura de clientes actuales, cifra de negocio afectada en la zona…- y seguir los cambios en las selecciones -por  ejemplo, número de viviendas a buzonear-.

Exportación de selecciones para ejecutar la acción

Una vez definida una selección para una acción, contamos con funciones de exportación a formatos estándar:

• MS excel para las tablas
• google earth/google maps para los mapas

exportación a google earth imagen excel

Todos los resultados son distribuibles, tanto dentro de la entidad, como para la  ejecución de una campaña -por ejemplo, secciones censales a buzonear, listado de códigos de cliente a contactar por email-.

Espero que os haya resultado interesante. Para un próximo post dejaremos análisis más complejos que el sistema permite, como la capilaridad de red, cobertura geográfica de la misma, análisis de escenarios de expansión -apertura de oficinas- y retracción -cierre de oficinas-, afectación a los clientes existentes y reasignación de cartera.

Si tenéis cualquier duda, sugerencia, crítica y por supuesto si os interesa ver una demo en profundidad, comentad o contactadnos. Estaremos encantados.

Entradas relacionadas:

• Cuadro de mando geográfico. Ya viene… (12-11-2010)
• Cuadro de mando geográfico. BI y geomarketing en un click (08-09-2011)
• Geolocalización y cuado de mando para elección de escuela (14-10-2010)

City Analytics es un proyecto de la empresa Ciudad 2020, que se presenta como el Google Analytics del mundo real (¡nada menos!), aplicando los principios y perspectiva metodológica de Reality mining. Se basa en detectar los dispositivos bluetooth que pasan delante de un negocio, gracias a una antena instalada en un PC y el software correspondiente. Los datos monitorizados son enviados a los servidores de City Analytics, tratados y analizados, de manera que el usuario sólo tiene ya que conectarse para acceder a los informes de tránsito frente a su negocio, básicamente:

• número de transeúntes, diferenciando peatones de vehículos, tiempo de parada,
• por horario, día de la semana, festivos vs laborables, períodos vacacionales…
• tipo de transeúntes: residentes, habituales, ocasionales; si repiten o no

Los cálculos para obtener usuarios únicos, discernir el medio de transporte y demás requieren evidentemente algunas estimaciones y asunciones sobre el comportamiento de estas personas. Por ello, las cifras absolutas arrojadas por el sistema hay que tomarlas como una aproximación. Y habrá que hablarlo con ellos a fondo para valorar con precisión cuál puede ser el error cometido -de momento sólo lo hemos hablado a nivel general-.

Por otro lado, no todos llevamos dispositivos con bluetooth activado, muchos llevamos más de uno… Sea como sea, siempre sobre una muestra cuasi-exhaustiva y con una toma de datos continua, todo un lujo. Y además, a un coste asumible por cualquier pequeño comerciante.

Ésta es una primera aplicación, muy interesante, para un comerciante o una enseña minorista de cualquier sector. La otra gran aplicación está en las inferencias y estimaciones de flujos de personas para ciudades completas. Esto será posible una vez tengan instalado el número suficiente de antenas y equipos tomando datos en una ciudad, y subiendo a sus  servidores estos datos. Y eso nos interesa mucho a quienes estamos continuamente buscando estimadores de flujo de transeúntes para aplicarlos a nuestros estudios de geomarketing.

Enhorabuena a City Analytics por el proyecto, esperamos poder seguiros hablando de ellos y tener la oportunidad pronto de aplicar su tecnología en nuestros proyectos. Os lo contaremos.

Entradas relacionadas:

• Geomarketing, zonas de paso, transeúntes… ¿una nueva era? (10-09-2010)
• Geomarketing y buzoneo segmentado. Buscando niños y vehículos (14-06-2010)
• Estimación de la demanda de la farmacia como punto de venta (13-01-2010)

• Demanda residencial, los que viven en el área de influencia, con sus características sociodemográficas
• Demanda de transeúntes, o los que habitualmente pasan por delante del punto de venta -o, al menos, por la zona-

Existe un tercer tipo, el tránsito ocasional,  esporádico, de personas que pasan frente a la tienda sin ser ésta una ruta habitual para ellas. Es de cálculo muy complejo, y lo más conveniente es agregarla a los transeúntes.

La metodología es clara, pero la gran dificultad es ¿cómo modelizamos la cantidad y calidad de transeúntes por cada calle y punto de venta? Tradicionalmente se han ensayado dos aproximaciones a este problema:

Estimación de densidad de transeúntes a partir de la presencia de puntos de atracción: locales comerciales, de oficinas, equipamientos culturales, sanitarios, administrativos, empresas… son generadores de tráfico. Existen censos, bases de datos, catastros donde se recogen sus ubicaciones; únicamente es necesario georreferenciarlos y modelizar el probable tránsito que generan por las diferentes vías.

Ésta es la vía seguida, por ejemplo, en el modelo Location Analyst Transeúntes de Geodan. El coste es limitado, pero el modelo es débil para estimar números absolutos de transeúntes por cada tramo de vía.

Muestreo y encuestación a los transeúntes, sobre sus desplazamientos, sus motivos, así como las características sociodemográficas de los individuos encuestados. A partir de estas observaciones se infieren conclusiones para el universo que la muestra representa. Esta aproximación es mucho más rica pero la representatividad de la muestra es difícil de mantener fuera de los centros de las grandes ciudades, ya que el tamaño muestral necesario incrementaría enormemente el coste.

Es la metodología que sustenta el producto GOGH de Cuende Infometrics, ampliamente utilizado en geomarketing.

¿Y qué hay de nuevo? La tecnología de geolocalización en dispositivos móviles abre una muy atractiva tercera vía, más allá de los servicios de Location Based Marketing que Foursquare o Facebook proponen. Los GPS de los smart phones permiten seguir el tránsito por las calles de las ciudades de sus usuarios. En este análisis no nos interesa qué hace cada uno de ellos, sino las líneas más o menos gruesas, o los puntos más o menos gordos que se generan allá donde pasan o están muchos usuarios.

El siguiente mapa, visto en el excelente blog FlowingData, muestra la densidad de fotos subidas a flickr en Londres. además, el color -que apenas se aprecia en este tamaño, lo siento- informa del medio de transporte usado.

El estudio Urbagram muestra los siguientes mapas como resultado de su proyecto archipiélago, donde analizan los check-ins de Foursquare en tres grandes ciudades (tambien descubierto en FlowingData, por cierto).

Evidentemente, estos pequeños mapas no permiten comparar los resultados por una u otra vía. Pero el camino está abierto, la limitación de pequeñas muestras con alto coste de encuestación queda así superada, y se abre una fantástica fuente de datos para la estimación de paso de transeúntes por nuestros puntos de venta.

Surgen nuevas cuestiones, la nueva gran muestra presenta un claro sesgo al centrarse en techies y 2.0freakies portadores y usuarios intensivos de smart phones. Y por supuesto, cuestiones de privacidad y condiciones de uso de los datos. Pero no hay duda de que éste es el futuro, ¿quién y cuándo lo hará presente?

Entradas relacionadas:

• Geomarketing, transeúntes, más aproximaciones. City Analytics (19-11-2010)
• Geomarketing y buzoneo segmentado. Buscando niños y vehículos (14-06-2010)
• El ciclo de vida del cliente. Un paso previo a la segmentación estadística en el sector bancario (23-03-2010)

Geomarketing y micromarketing nos ayudan a superar el primer problema. El micromarketing se basa en que personas similares se concentran en los mismos hábitats, o áreas contiguas. Todos sabemos intuitivamente que existen barrios obreros, ensanches, zonas residenciales de alto estatus o áreas de reciente expansión urbana. Sabemos que sus habitantes tienden a parecerse entre sí, y diferenciarse de los de otros barrios.

Las técnicas de micromarketing permiten modelizar datos de mercado potencial para estimar la presencia de un cierto tipo personas en unos determinados micro-territorios. O directamente estimar la demanda de un cierto producto o servicio, en función de la presencia de estos tipos de persona.

El Geomarketing nos permite conocer la relación espacial entre los diferentes tipos de zonas y nuestra red de establecimientos, calculando áreas de atracción.

Recientemente hemos trabajado en dos proyectos de optimización de buzoneo, muy diferentes.

Catálogo de verano, juguetes

El target es muy claro: hogares con niños. Para ello, lo ideal es trabajar con datos de padrón 2009 a sección censal, buscando zonas de alta presencia de este tipo en los límites de las áreas de influencia de las tiendas. Por supuesto, lo combinamos con las compras de los clientes en la categoría en temporadas anteriores.

En la imagen podéis ver el resultado. El mapa temático en azul muestra el porcentaje de niños, las líneas rojas son los códigos postales y las azules claras las áreas seleccionadas para buzonear. las etiquetas muestran el número de viviendas por microzona.

En esta tienda buscamos marcadamente las zonas con niños, dado que el área inmediatamente cercana no era capaza de aportar un número alto de compradores. El mapa permite apreciar las ventajas del análisis por sección censal frente al código postal -demasiado grande y heterogéneo-.

Catálogo de red de talleres

El target son propietarios de vehículos, sobre todo usuarios intensivos que circulen cerca del establecimiento. Para ello, generamos modelos basados en el censo de población y viviendas y datos de la DGT, usando finalmente como variables predictivas:

• nº alto de vehículos por hogar
• desplazamiento diario en vehículo propio, al trabajo, estudios…
• nivel de renta de los hogares
• distancia al establecimiento y probabilidad de circulación frente a él

El mapa muestra el número de vehículos por hogar y las zonas seleccionadas -en rojo-. El criterio sería la cobertura de áreas con más vehículos, así como las áreas más cercanas y que pasan habitualmente frente al establecimiento -las situadas hacia la izquierda en el mapa-.

O, visualizando el porcentaje de personas que se desplazan a diario al trabajo en su vehículo personal:

En definitiva, buscamos zonas donde nuestro target esté más representado, reduciendo la tirada necesaria para alcanzar el mismo target. Y así reducimos costes de impresión, distribución, y gastamos la cantidad de papel mínima para alcanzar nuestros objetivos comerciales.

No me olvido de la otra limitación del buzoneo, la dificultad de medición, pero sobre ello volveremos en otro post, que el tema requiere ser tratado con calma.

Entradas relacionadas:

• Buzoneo segmentado, analizando el retorno de la campaña (11-11-2011)
• Micromarketing y predicción de demanda ¿cuánto gastan en libros? (04-03-2011)
• Cuadro de mando geográfico. BI y geomarketing en un click (08-09-2011)

La estimación de la cuota de cliente real -lo que me compra respecto al total de su compra en la categoría-, facilita decisiones clave de asignación de recursos en toda la cadena de valor: laboratorios, distribuidores mayoristas, grupos de farmacias.

En esta entrada trataré de resumir cómo estimar la demanda de un punto de venta con técnicas de modelización predictiva, micromarketing y geomarketing. Las técnicas están enfocadas a presentaciones OTC y parafarmacia, eludiendo los medicamentos de prescripción. Por ello,es aplicable a diversos tipos de establecimientos -farmacias, pero también parafarmacias, herboristerías, ortopedias, ópticas…-.

El modelo de predicción de la demanda

En el marketing espacial se asume que un punto de venta minorista da servicio a dos tipos de demanda potencial:

• Demanda residente: las personas y hogares que habitan el entorno geográfico del punto de venta. Constituyen la demanda cuantitativamente más importante y sus características sociodemográficas generales son accesibles públicamente a través de censos y padrones municipales gestionados por el Instituto Nacional de Estadística (INE) y los institutos autonómicos. En la imagen vemos un mapa temático de población y edad, junto con la presencia de farmacias y centros de salud.
• Demanda transeúnte: son las personas que pasan, transitan de manera habitual. Su presencia se debe a la cercanía de generadores de tráfico, que de manera general pueden ser alta densidad comercial u hostelera, museos, centros de ocio, administración… En este caso, son generadores de tráfico los centros de salud, hospitales y, en menor medida, consultas de médicos, ortopedias, centros de fisioterapia.

El problema de estimar cuánto demandan estas personas de una categoría o producto puede ser abordado de tres maneras:

• Directa,  por las propias características del producto. Alimentación infantil, cremas antiacné o incontinencia de adultos son categorías cuyo público objetivo está implícito en la propia función del producto. Es sencillo estimar la demanda residencial de, por ejemplo, leche infantil, para una farmacia dada.
• Modelizando prevalencias y demanda a partir de estudios sectoriales, como la Encuesta Nacional de Salud, la Encuesta europea de salud, o el Sistema de información sanitaria de España (SISAN). Lo ideal es poder analizar los microdatos de este tipo de estudios, elaborando modelos predictivos a partir de variables sociodemográficas, pero no siempre es posible.
• Modelizando a partir de estudios de mercado ad-hoc. La manera ideal de relacionar productos y tipos de consumidores es realizando una investigación con muestreo y encuestación diseñados expresamente. El coste es, evidentemente, más elevado.

Con este tipo de técnicas conseguiremos estimar la demanda residencial. Combinándolas con la presencia de centros de atracción y otras fuentes de datos de flujos de personas, estimaremos la afectación de la demanda transeúnte. En la imagen se muestra la distribucion por sección censal de la tipología microbarrios, que contiene este tipo de información combinada con la sociodemográfica.

El área de influencia de la farmacia

El problema del área de influencia en retail ha sido tratado de diversas maneras. Todas se basan en que a menor distancia entre punto de oferta y demanda mayor es la probabilidad de desplazamiento. Existen cuatro tipos de aproximaciones:

• Deterministas simples. Fijación a priori de un área de influencia circular con radio de x metros. Aún hoy es muy utilizada, es útil y razonablemente fiable cuando el radio es variable en función de parámetros como densidad de población o densidad de puntos de oferta (farmacias).
• Empíricas. Se basan en la procedencia real de clientes para la determinación de las áreas. Ampliamente usada ya en sectores como banca o retail, aporta información clave a la hora de comprender el comportamiento de los clientes en relación al establecimiento. Los programas de fidelización promovidos por grupos de farmacias abren una vía para el uso de estas técnicas en el sector.
• Modelos de gravedad. En analogía con la ley de Newton, relacionan puntos de oferta y demanda en razón directamente proporcional a su atracción e inversamente proporcional a la distancia que los separa.
• Probabilidad de elección. El modelo de Huff añade la probabilidad de desplazamiento, lo que refleja perfectamente nuestro comportamiento como consumidores: tenemos varios proveedores, pero los hay de referencia por razones de atractivo o conveniencia. Los modelos MCI refinan y completan a Huff mediante parámetros de atracción avanzados. Como el tema da para varios posts, os dejo de momento como referencia la excelente descripción que de estos modelos hace Jesús Lagos en el blog GMK.

En definitiva, con los pasos anteriores hemos conseguido relacionar tipos de personas con demanda de OTC y parafarmacia. Igualmente, calculando áreas de influencia en un GIS, hemos relacionado esta población con los puntos de venta. Sumarizando estas personas y sus probabilidades de desplazamiento, somos capaces de estimar la demanda de dicho punto de venta para cada producto o categoría, compara su demanda real con esta demanda total y estimar la cuota de cliente-farmacia.

A partir de aquí, toca segmentar, establecer una relación personalizada con cada cliente, adaptar la oferta a sus necesidades, prestar servicios de valor añadido… hablaremos de ello en otro post, si os interesa.

Entradas relacionadas:

• Cómo optimizar la red de oficinas bancarias con geomarketing (29-01-2010)
• Geomarketing y buzoneo segmentado. Buscando niños y vehículos (14-06-2010)
• Micromarketing y predicción de demanda ¿cuánto gastan en libros? (04-03-2011)