Con esta ideología creo ciegamente en que una segmentación masiva sólo permite llegar hasta una capa superficial de la realidad, y en muchos casos no recoge el verdadero comportamiento del cliente tipo de cada segmento debido a que la propia segmentación tiene que hacer el esfuerzo de separar clientes que nosotros mismos sabemos de antemano que ya son heterogéneos.

Así pues, nace la idea del filtraje anterior a una segmentación masiva y más concretamente en mi sector, el bancario, seria utilizar el ciclo de vida del cliente como segmentación estratégica a priori antes de la segmentación estadística. Varios artículos publicados ya recogen esta ideología como herramienta a tener en cuenta al segmentar una base de datos de cliente. Y el sentido común nos dice que un cliente sénior no tiene las mismas necesidades que uno joven.

Introducir el conocimiento teórico que se conoce del sector nos permite incrementar nuestra potencialidad de estimación de nuestros futuros modelos de propensión, valor del cliente, potencial del cliente,… simplemente escogiendo como muestreo los clientes correctos. La consecuencia directa es que no conseguimos segmentos 100% independientes ya que al tratar la edad como corte inicial podremos encontrar perfiles idénticos para diferentes tramos de edad. Ahora bien esto nos servirá para ver como el segmento del tramo de edad anterior puede evolucionar en un futuro próximo. No hay mal que por bien no venga.

Tener este tipo de segmentación permite calcular modelos de propensión dirigidos para cada segmento y pudiendo saber para cada uno el comportamiento promedio a partir del cual poder determinar que clientes son los óptimos. Análogamente se podría aplicar esta ideología al valor del cliente, a las sendas de abandono, siempre teniendo como referencia la segmentación, dando un valor añadido a todas estas técnicas.

Mi experiencia en estadística no se remite únicamente al sector bancario, así pues en el mundo de la consultoría he visto esta aplicación al crear tipologías de cliente (separando previamente por nacionalidad del cliente), en el mundo de estudios de mercado separando por la aceptación a un determinado producto. Dependiendo del sector en que nos movamos el conocimiento de este nos llevará a hacer un tipo de consideraciones previas u otras.

Espero que está reflexión en voz alta le sirva a alguien para poder tener otra visión de la segmentación, herramienta que me parece clave en el business intelligence.

Entradas relacionadas:

• Segmentación de clientes. Una propuesta de clasificación (I) (15-12-2009)
• Segmentación de clientes. Una propuesta de clasificación (II). La segmentación táctica (12-01-2010)
• Geomarketing, zonas de paso, transeúntes… ¿una nueva era? (10-09-2010)

En esta entrada me propongo presentaros una metodología de racionalización de la red de oficinas. Y no es sólo un eufemismo de cierre, puesto que el método supone más bien una hoja de ruta para conocer la rentabilidad real de cada oficina, su potencial de negocio y las oportunidades de crecimiento que se le presentan, de cara a optimizar su rendimiento.

El objetivo de este análisis es recomendar, para cada oficina, una de estas cuatro estrategias:

• Especialización en segmentos estratégicos o emergentes, como empresas, inmigrantes, seniors…
• Diversificación del negocio en la oficina, con nuevos bienes y servicios no bancarios
• Reducción de los recursos asignados a la oficina, con menos personal u horarios de apertura reducidos
• O, la opción más drástica y en ocasiones la única rentable: el cierre de aquellas oficinas que no son rentables y difícilmente lo serán

La selección de oficinas no rentables

Las técnicas geoestadísticas nos permiten analizar conjuntamente el negocio real de una oficina y su negocio potencial. El negocio actual lo conocemos directamente. Asignando coordenadas geográficas a las oficinas, competencia, clientes actuales y clientes potenciales, estimamos el negocio potencial, en función de:

• demanda en el área de influencia: residencial, transeúntes y empresas
• presión competitiva por entidad y fecha de apertura
• capilaridad y canibalización; el caso extremo de autocompetencia se da en la red resultante de una fusión de entidades

Comparando el negocio real con el potencial podemos discernir entre dos tipos de oficinas que no funcionan:

• Oficinas rentabilizables. Serían aquéllas que presentan un potencial alto, bien global, bien de nicho –inmigrantes, seniors, banca privada…-. En estos casos, la decisión irá por la línea de la especialización, unida a una comunicación segmentada en el área de influencia
• Oficinas irrecuperables. Son aquéllas en que, por falta de negocio real, potencial, alta competencia… se concluye que no es posible alcanzar el umbral de rentabilidad, por lo que se aconseja su cierre

Dado que la estimación correcta de la demanda es crítica, en Unica 360 hemos desarrollado microtarget, una serie de modelos estadísticos que predicen la demanda para diversos productos financieros. En el gráfico vemos, como ejemplo, la probabilidad de demanda de planes de pensión en el entorno de una sucursal en Paterna.

El diagrama siguiente muestra cómo, para oficinas con escaso negocio real pero suficiente potencial, se deciden estrategias de supervivencia. Con aquellas oficinas de escaso potencial, se elabora  un listado inicial, sobre el que la entidad decidirá en función del potencial y otras variables.

Plan de acción y reasignación de clientes.

A partir del análisis anterior, definimos un plan de acción para cada tipo de oficina detectado. Así, podríamos decidir una campaña de poming y street marketing enfocada a planes de pensiones en determinadas áreas en torno a ciertas oficinas con alto potencial, mientras que en oficinas con alta presencia de inmigrantes implantamos material plv específico…

Son ejemplos muy sencillos, la idea es que para cada oficina y cada microzona podemos aplicar la combinación ideal de producto, oferta y canal de comunicación, en función de las necesidades de los clientes.

En los casos de cierre o especialización drástica de la oficina, será necesario reasignar nueva oficina a los clientes actuales y potenciales, de la manera siguiente:

• Reasignación de oficina. A cada cliente se asigna una nueva oficina, en principio la más cercana a su domicilio, aunque puede refinarse el criterio en función del histórico de operaciones.
• Nuevas áreas de influencia recalculadas para la nueva situación, con menos sucursales en la red. Así, también los clientes potenciales son asignados a la nueva oficina de referencia.
• Comunicación a clientes y potenciales. Se comunica por mailing o emailing a clientes actuales, personalizado con el mapa de situación de la nueva oficina. A menudo se refuerza con telemarketing para los mejores clientes. Para los potenciales lo habitual es un plan polietápico con buzoneo selectivo que genere tráfico a la sucursal, por ejemplo.

El proceso de reasignación de clientes lo realizamos de modo óptimo usando las más avanzadas técnicas geo-estadísticas, principalmente modelos de gravedad de Huff y modelos multicriterio.

Medición de resultados y optimización

Al haber usado técnicas estadísticas estandarizadas para las diferentes oficinas podemos seguir los resultados de las decisiones tomadas y comparar diferentes opciones.

• Migración de clientes a las nuevas oficinas asignadas
• Evolución del negocio en las oficinas receptoras de los clientes
• Penetración en su nicho de las oficinas especializadas en segmentos
• Análisis de cobertura de clientes y penetración por microzona tras la reordenación de la red comercial

Entradas relacionadas:

• Estimación de la demanda de la farmacia como punto de venta (13-01-2010)
• Teens 2010. Cómo son, cómo serán, y sobre todo… cómo consumirán (22-06-2010)
• Geomarketing y buzoneo segmentado. Buscando niños y vehículos (14-06-2010)

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)