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)

Ahora trataré de presentaros una metodología de medición del resultado de una campaña de buzoneo. Analizaremos una misma campaña, realizada en dos años sucesivos sobre diferentes áreas, y segmentada según tres parámetros:

• gasto real de hogares clientes en las categorías asociadas a la campaña
• presencia de target, niños principalmente
• distancia a las tiendas de la enseña, buscando hogares a no más de 10 minutos a pie

Haremos para ello un análisis de evolución de ventas, a posteriori de la campaña, y a nivel de sección censal. La campaña, en el año presente, y el anterior, ha tenido las siguientes características:

Tras la campaña, analizamos las ventas en las zonas buzoneadas, frente a aquéllas que no se han buzoneado. Para ello nos basamos en los socios del programa de fidelización, ya que conocemos sus direcciones postales y podemos asignarles su sección censal. Estos socios aportan más del 50% de la venta total de la enseña.

La evolución de clientes que han comprado es negativa, la de venta lo es aún más. Esto significa que han venido menos clientes que el año pasado, y que además cada uno de ellos ha gastado menos.

Si analizamos las zonas buzoneadas este año 2011, encontramos diferencias notables. En las zonas buzoneadas el número de clientes que han venido a las tiendas  crece (+9,1%). Eso sí, su gasto medio sigue siendo menor que en la misma campaña del año anterior, con lo que la venta tota se mantiene (+0,3%).

El cuadro ya nos da una idea clara de la mejora que nos ha aportado el buzoneo. Para afinarlo, comparamos a continuación las secciones censales, en función de si las hemos buzoneado en la presente campaña, y si las buzoneamos el año anterior. Esto es importante porque el indicador que usamos es la progresión, de clientes activos y venta, entre el año pasado y el presente. Y las ventas del año anterior deberían estar afectadas por el buzoneo del año anterior. O incluso, ¿mejora las ventas de este año el buzoneo en la misma campaña del año pasado?

En cuanto a clientes activos, la diferencia es muy clara.

Si nos fijamos en la venta, la diferencia es igualmente clara, aun cuando con cifras menores motivadas por el menor gasto medio por cliente en la campaña.

 Rresumiendo, podemos concluir que el buzoneo, en este caso:

• incrementa la generación de tráfico a la tienda, y el número de clientes que compran
• no influye en el gasto medio por cliente, este indicador mantiene su tendencia a la baja (generalizada en el retail en los últimos años de crisis)
• el efecto de atracción se mantiene en el tiempo, pero de una manera muy ligera (las zonas sí buzoneadas en 2010 y no buzoneadas en 2011 presentan progresiones algo mejores que las que nunca se han buzoneado)

A partir de estos datos, podemos estimar las ventas y el margen bruto que el buzoneo nos ha aportado (bajo la hipótesis de que la diferencia se debe precisamente al buzoneo, algo perfectamente aceptable), y compararlas con el coste completo de la campaña. Un ejercicio que nos gustaría presentaros completo en un post más adelante.

Entradas relacionadas:

• Geomarketing y buzoneo segmentado. Buscando niños y vehículos (14-06-2010)
• Micromarketing y predicción de demanda ¿cuánto gastan en libros? (04-03-2011)
• Estimación de la demanda de la farmacia como punto de venta (13-01-2010)

¿Qué?

Por fin os podemos presentar una herramienta que integra consulta, análisis, visualización y mapificación del comportamiento de clientes. Los análisis propios de geomarketing -procedencia de clientes, predicción de demanda, presencia de target, áreas de influencia, análisis de cobertura, optimización de buzoneo, marketing directo,  publicidad exterior…- se integran en tiempo real en un interface de cuadro de  mando, sencillo e intuitivo.

Geomarketing pasa a ser un análisis más que cualquiera puede realizar, sobre la totalidad de los datos de la base de datos corporativa.

¿Para quién?

Pensamos en un rango amplio de perfiles, desde analistas de datos a alta dirección pasando por estrategas de marketing, responsables de investigación, jefes de producto, directores de tienda… La arquitectura tipo cuadro de mando  permite adaptar los niveles de análisis, indicadores y funcionalidad a cada usuario.

Pero sobre todo, nos hemos centrado en que sea utilizable por usuarios de negocio sin formación en estadística o GIS. Igual que un cuadro de mando bien diseñado.

¿Para qué?

Ya hemos mencionado algunas funciones, a continuación listamos brevemente la funcionalidad esencial en análisis de geomarketing:

• Procedencia geográfica de clientes, mapas temáticos a diferentes niveles -municipio, código postal, sección censal, portal-
• Estimación de demanda y presencia de target, clientes potenciales. Cálculo de cuota de cliente y cuota geográfica integrando nuestros modelos de predicción de demanda en el sistema
• Cálculo de áreas de influencia en torno a los puntos de venta, análisis de cobertura geográfica, capilaridad, canibalización, competencia
• Selección de zonas y clientes, para acciones por canales directos: mailing, emailing, buzoneo, incluso para publicidad exterior, vallas

¿Cómo?

El módulo Geosmart ha sido desarrollado por nuestro partner Datknosys,  bajo la dirección funcional de Unica 360. Unimos así su expertise técnico en BI con nuestroconocimiento de análisis de datos y geomarketing.

Geosmart es un módulo de visualización y análisis espacial que se integra con el cuadro de mando Dashview, de Datknosys. Se comporta como un elemento más del cuadro de mando, interactuando con el resto de gráficos, filtros e indicadores.  Sus principales ventajas tecnológicas son:

• Se basa en BBDD analíticas, no relacionales, que optimizan el rendimiento sin comprometer la flexibilidad ni requerir tratamientos previos (indexación, tablas agregadas…).
• Se ha desarrollado sobre software open source, lo que nos permite un coste ajustado, garantizando la escabilidad (mayor número de usuarios no implica mayor coste), de manera que la tecnología no es nunca una barrera al crecimiento.
• Además, al basarse en open source, tenemos control total sobre los diferentes componentes del sistema, a la hora de continuar su desarrollo y personalizar el sistema para cada uno de nuestros clientes. Esto no siempre es posible al utilizar APIs de terceros.
• En breve, se integrará con otras plataformas de BI del mercado, que nuestros clientes usan.

Un sistema de análisis para la toma de decisiones vale, en el  mejor de los casos, lo que vale la información que lo alimenta. En Unica 360 somos expertos en la generación y tratamiento de datos de mercado, sociodemográficos y económicos. En este sentido, el sistema Geosmart cuenta siempre con los datos más precisos y actualizados existentes. Para ello, nos nutrimos de fuentes públicas, datos en la nube, modelos de elaboración propia, y colaboramos con terceros especializados en información de mercado.

Además, nuestro know-how en segmentación y geomarketing nos permite adaptar el software a cada empresa, en proyectos mixtos que combinan la consultoría, servicios de análisis y la implantación del software para que el departamento de marketing pueda explotar el conocimiento adquirido de manera autónoma.

 ¿Cuándo?

¡Desde ya! si te interesa verlo en acción, déjanos por favor un mensaje o contáctanos para que podamos enseñártelo. Estaremos encantados.

Entradas relacionadas:

• Geosmart para banca, solución de cuadro de mando geográfico (I) (19-01-2012)
• Cuadro de mando geográfico. Ya viene… (12-11-2010)
• Geolocalización y cuado de mando para elección de escuela (14-10-2010)

En ocasiones, el target viene definido directamente por el propio negocio. Así, la demanda de ropa infantil depende simplemente del número de niños. Aunque, bien pensado, quizá nuestra enseña tenga un posicionamiento de calidad más apropiado para familias con niños, sí, pero de un nivel de renta alto. O, al contrario, se posiciona como low-cost y nos interesan familias de renta media-baja. ¿Y para una categoría tan genérica como los libros?

En el caso anterior de la moda infantil, hemos incluido un indicador, nivel de renta, que no existe directamente en los datos sociodemográficos basados en censos y padrones, sino que debe ser inferido a partir de éstos. Necesitamos un modelo estadístico para predecir ese nivel de renta para cada microzona.

Más aún, a menudo nos encontramos con targets complejos que no tienen reflejo en una variable sociodemográfica bruta: conductores intensivos de vehículos (como ya explicamos en el post Geomarketing y buzoneo segmentado. Buscando niños y vehículos), heavy users de cuidado personal o, como veremos aquí, hogares compradores de libros.

Como es habitual, debemos trabajar a nivel de microzona o sección censal, por ser el nivel de agregación más bajo para el cual contamos con datos lo bastante ricos. La modelización de demanda por microzona se basa siempre en esta  metodología:

En el caso del modelo de predicción de gasto en libros, el método concreto es:

1. Elaboramos un modelo predictivo inicial, a partir de la Encuesta de Presupuestos Familiares realizada por el Instituto Nacional de Estadística (INE). Es decir, aplicamos algoritmos predictivos a los resultados de la encuesta a nivel de microdatos y obtenemos así un modelo que predice el gasto en libros de un hogar en función de una serie de variables sociodemográficas. Las variables de mayor potencia predictiva -no hay sorpresas- son el nivel de renta, nivel profesional y nivel de estudios del sustentador principal. Además, claro, del tamaño del hogar y, en menor medida, la presencia de niños.
2. Exportamos a microzonas. El modelo que hemos desarrollado y ajustado en el laboratorio lo aplicamos a los datos sociodemográficos por sección censal. De esta manera estimamos la presencia de target (% de los hogares responden al target) o el nivel de gasto (el gasto medio de los hogares de la sección A en libros es de 152€, mientras que en la sección B es de 45€).
3. Geocodificación y mapificación de los tres indicadores generados:

• Gasto medio (€) por hogar en la microzona. Indica el valor potencial de cada cliente, y hace posible el cálculo de la cuota de cliente (gasto real en mi enseña / gasto medio en la categoría).
• Gasto total (€) de los hogares de la microzona. Indica el valor monetario potencial de toda una sección censal (en la sección A sus 672 hogares gastan en total 71.180€ en libros), posibilitando el cálculo de la cuota geográfica (gasto real en la microzona / gasto estimado en la microzona). Así, en una acción de captación nos da la medida de cuánta cifra de venta anual hay en juego en cada zona, para seleccionar las de más potencial y fijar objetivos
• Índice de potencial de demanda. Es un indicador relativo (gasto medio en la microzona / media de gasto medio de todas las microzonas). Es útil para ordenar y seleccionar zonas “top”, por ejemplo, las 200 mejores secciones dentro del área de influencia de mis tiendas, o el 10% de secciones con mayor gasto medio.

El mapa muestra cómo se distribuyen los gastos medios en libros y la relación espacial entre microzonas y establecimientos de una enseña.Dado que, en este caso, conocemos el número de clientes, las ventas totales y los gastos medios en libros por sección censal, podemos comparar el real con el potencial, para el cálculo de la cuota geográfica de mercado. Vemos a continuación los clientes que compraron la categoría narrativa en nuestra enseña, como puntos, sobre el mapa de potencial.De igual manera, calcularíamos la cuota en la sección censal como venta real de libros (nuestros clientes) / gasto potencial de libros (todos los clientes potenciales), identificando áreas de mejora de venta de libros.

En defnitiva, combinando técnicas de data mining y micromarketing generamos un modelo predictivo del gasto anual en libros por hogar, para cada una de las más de 35.000 secciones censales que existen en España. Con esta información, podemos:

• identificar zonas con alto potencial para captación de nuevos clientes
• seleccionar zonas con alto potencial para ubicar nuevos establecimientos
• calcular la  cuota de cliente,como ratio entre el gasto de un cliente y su gasto en la categoría
• calcular la cuota geográfica de mercado, como ratio entre ventas a mis clientes y gasto en la categoría, para cada microzona
• de resultas de lo anterior, decidir acciones de marketing locales, específicas para cada tienda: buzoneo segmentado, publicidad exterior en los lugares ideales, ajuste del surtido, material plv, implantación de la tienda adecuada a la clientela potencial…

Entradas relacionadas:

• Micromarketing electoral. Viejas experiencias y nuevas tecnologías (26-04-2010)
• Estimación de la demanda de la farmacia como punto de venta (13-01-2010)
• Buzoneo segmentado, analizando el retorno de la campaña (11-11-2011)

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)

• Business intelligence. Engloba los sistemas informáticos de generación de informes y cuadros de mando. Es ideal para cruzar variables y visualizarlas en gráficos, y por ello muy útil en las fases iniciales de análisis -exploración de variables, descripción de datos, identificación de oportunidades-. Igualmente, es el entorno ideal para la explotación de la información generada por un proyecto de análisis de clientes-segmentos estratégicos de clientes, tasas de respuesta por segmento, ROI de acciones…-.
• Geomarketing. Permite analizar la relación espacial entre clientes reales, potenciales, puntos de venta propios, de competencia, tipos de áreas geográficas, segmentar así clientes y decidir acciones por canales directos. Aplicamos esta metodología para optimizar redes de puntos de venta, optimizar el surtido de los establecimientos o diseñar acciones de captación selectiva de clientes.

En los últimos meses hemos trabajado en la integración de estos dos enfoques, el business intelligence y el geomarketing, junto con nuestro partner tecnológico Datknosys y  tenemos ya un plan de desarrollo claramente definido y un primer prototipo con funcionalidad casi completa a punto de salir de la forja.

El Geodashboard desarrollado conjuntamente por Unica 360 y Datknosys permte a usuarios finales acceder y explotar la información de sus clientes, segmentos, puntos de venta, áreas de influencia, potencial de demanda o competencia en un entorno fácil de usar y de alto rendimiento. Y encontrar así respuestas a las interrogantes de marketing:

A partir del 1 de diciembre os podremos enseñar el aspecto que tiene, y presentaros cómo funciona, si os interesa por favor comentad o contactadnos directamente. Y si mientras tanto queréis que os contemos algo más, o tenéis alguna sugerencia, igualmente podéis comentar o contactarnos.

Entradas relacionadas:

• Cuadro de mando geográfico. BI y geomarketing en un click (08-09-2011)
• Geosmart para banca, solución de cuadro de mando geográfico (I) (19-01-2012)
• Geolocalización y cuado de mando para elección de escuela (14-10-2010)

Los datos se presentan en forma de gráficos de manera muy intuitiva, refiriendo los valores a otras escuelas, otros estados dentro de EEUU, e incluso otros países, mediante gráficos de barras, velocímetros y mapas temáticos.

En definitiva, se trata de un cuadro de mando de escuelas que integra geolocalización y mapas temáticos. Un tipo de herramienta que en Unica 360 nos interesa mucho y estamos ya trabajando para ofertar en breve a nuestros clientes.

En cuanto a la utilidad, el contenido de la aplicación, como padre-usuario me llama la atención que el informe incluye incluso la retribución media de los graduados de estudios medios en el estado en que nos encontremos, frente a los no graduados. Echo en falta, sin embargo, otras características, plan de estudios, equipamientos de la escuela, y sobre todo el input generado por ex-alumnos y padres de ex-alumnos, su valoración del centro y comentarios. Que no todo son resultados académicos.

Entradas relacionadas:

• Geosmart para banca, solución de cuadro de mando geográfico (I) (19-01-2012)
• Cuadro de mando geográfico. BI y geomarketing en un click (08-09-2011)
• Cuadro de mando geográfico. Ya viene… (12-11-2010)

• 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)

• Análisis y estadística espacial. Jesús Lagos en su blog GMK usa software de análisis espacial para generar clusters de resultados electorales y características sociodemográficas. Como decíamos en los comentarios que cambiamos Jesús y yo en el anterior post, una técnica de clustering geográfico, como en este caso el Self Organizing Map (SOM), permite superar algunas limitaciones de los modelos de regresión lineales. Un camino muy interesante, y Jesús promete que vendrá más. Os dejo su post Geomarketing – uso en política… y la web del Spatial data mining lab, donde podéis encontrar y bajar el soft.
• Informe y presentación de resultados. Ya vimos un ejemplo, ahora la gente de tuent.com nos presenta su tecnología de reporting y cuadro de mando geográfico en web. Y lo hace dándonos acceso a una serie de indicadores electorales y sociodemográficos bastante completa en Elecciones 2010 – demo premium. De cara al análisis, echo en falta algo más de riqueza de sociodemografía, como renta, estudios, categoría profesional, migración interna… Pero la plataforma tecnológica es muy interesante.

En este tema del cuadro de mando geográfico estamos trabajando en Unica 360, espero poder contaros algo en breve. Y si tenéis experiencia o conocéis casos similares, por favor contádnoslo, ahora que el tema está caliente.

Entradas relacionadas:

• Micromarketing electoral. Viejas experiencias y nuevas tecnologías (26-04-2010)
• Teens 2010. Cómo son, cómo serán, y sobre todo… cómo consumirán (22-06-2010)
• Geolocalización y cuado de mando para elección de escuela (14-10-2010)