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)

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)

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)

Para quien pueda interesar, ahí van algunas reflexiones y ejemplos de análisis.

En realidad, ha sido el bonito trabajo del compañero Juan Carlos Sierra en su blog Geoinformación, mostrando mapas de resultados electorales en Catalunya en Google Earth, el que me ha animando a revisar aquel proyecto. Actualmente somos muchos los profesionales del geomarketing que presentamos y distribuimos nuestros estudios en Google Earth y Google Maps, pero hace tan sólo cinco años esto era impensable -al menos para mí-.

También el triunfo de Obama en las últimas presidenciales en Estados Unidos ha dado visibilidad a las técnicas de microsegmentación con fines electorales, con menciones y artículos en los grandes medios de comunicación como el Washington Post.

El trabajo, desarrollado en colaboración con el instituto de investigación Quor consistió en analizar los  resultados electorales históricos en la Comunidad Autónoma Vasca, en los niveles de municipio, distrito y sección censal. Buscábamos explorar relaciones entre variables, validar hipótesis y apoyar decisiones de campaña:

• Identificar variables sociodemográficas relevantes y establecer relaciones causales entre las características de los habitantes y el sentido del voto. Lo innovador fue analizar en el nivel de microzona, sección censal.
• Interpretar tendencias de cambio, evolución de voto a la luz de la evolución sociodeomográfica -incremento de inmigración interna, externa, envejecimiento, tasa de renovación, lengua hablada en el hogar, tasa de paro…-.
• Validar hipótesis de relación entre variación de la participación y sentido del voto .
• Seleccionar targets para acciones de mailing, buzoneo, segmentando el mensaje. En este aspecto buscamos aplicar técnicas analíticas propias del marketing de resultados para maximizar el rendimiento -votantes- con el mínimo coste -impactos-.

¿Los resultados? La verdad, fue un trabajo de investigación pura en laboratorio.  Trabajamos testando metodologías más que buscando aplicaciones inmediatas. Evidentemente no logramos un modelo capaz de predecir, sin encuestación, de qué lado cae el último 20% de votos -tal cosa no es posible-.

Pero sí llegamos a conclusiones aplicables inmediatamente, sobre todo en el nivel “micro”, en cuanto a relaciones causales, tendencias de cambio y optimización de campañas. A continuación os muestro algunos mapas y gráficos que he recuerado.

Grandes diferencias dentro del municipio

Puede parecer obvio, pero es importante contrastar la hipótesis de que variables como participación y sentido del voto presentan diferencias significativas entre las secciones de un mismo municipio. Hipótesis validada, un par de mapas de ejemplo, toda la Comunidad Autónoma Vasca y el municipio de Basauri.

Correlación entre participación y sentido del voto

Detectamos esta asociación entre ambas variables. De manera general, las microzonas de alta participación presentaban menos voto al PSE (correlación positiva r de pearson = 0,54). En cambio, un alto incremento de participación respecto a las elecciones del ’98 no implicaba un descenso del voto. Es decir, afectaba la participación como “absoluto”, no su variación.

Pero lo más interesante fue el análisis “micro” identificando microzonas donde se daban asociaciones más fuertes entre las variables. No os doy más detalles porque no los recuerdo, si os interesa por favor hacédmelo saber y me esfuerzo un poco más.

De todos modos, el mismo caso de Basauri ilustra cómo a mayor participación menor porcentaje y peor progresión de voto a PSE entre elecciones.

Las diferencias entre secciones permiten optimizar acciones con técnicas de marketing directo

La tabla siguiente muestra cómo puede aplicarse un sencillo análisis de micromarketing a la optimización de una campaña de marketing directo, tipo mailing o buzoneo.

Generamos deciles de secciones censales, ordendas por el porcentaje de votos al PSE en dos elecciones consecutivas.

• La cobertura de votos y su agregado nos informan de qué porcentaje de votos a este partido cubrimos al contactar a los residentes en las secciones, según vamos bajando de decil.
• Ratio target nos indicaría la probabilidad de encontrar un votante de PSE, al impactar un hogar -se calculó sobre viviendas en su momento-.
• Coste impacto considera un coste de 0,15€ por impacto -totalmente arbitrario, para que no corresponda a costes reales de mailing ni buzoneo-, ponderado por el Ratio target. Así, 0,15€ x 60% = 0,25€ de coste por impacto en votante de PSE.
• Coste total refleja el coste de cubrir todas las secciones censales del decil. En un análisis muy básico, vemos cómo renunciando a los dos últimos deciles, ahorramos 25.000€, perdiendo sólo el 3% de los votantes en elecciones anteriores.

Ésta es una optimización típica de marketing directo, centrada en llegar a los míos. Evidentemente, en estrategias o tácticas de captación de otros partidos puede usarse técnica análogas, con análisis del tipo en qué secciones hay mucho voto al partido X, para yo hacer llegar mi mensaje específico para estos votantes.

Informe de deciles. %de voto, cobertura de votantes, coste por impacto

En conclusión, entiendo que el micromarketing aplicado al análisis electoral presenta grandes beneficios, pero es aún escasamente explotado. Sé que algún partido ha hecho algo en esta línea, pero intuyo que aún tiene mucho desarrollo por delante, en dos vertientes:

• Análisis electoral. Interpretación, simulación de escenarios, predicción de voto. A los análisis tradicionales se unen técnicas de análisis espacial y geoestadística, regresiones y clustering espacial, tendencias sociodemográficas aplicadas a microterritorios, etc.
• Informe y visualización. El uso de sistemas de información geográfica como generador de informes es antiguo. Los mapas temáticos son a menudo la mejor manera de mostrar distribuciones estadísticas con componente espacial. Lo novedoso es la disponibilidad de tecnología web, de bajo coste o código abierto, que permite generar cuadros de mando de resultados y ponerlos a disposición de analista o decisores.

En ambas líneas, pero sobre todo esta segunda, estamos trabajando en Unica 360 en los últimos meses.

En fin, hasta aquí llega la recopilación y reflexión sobre micromarketing electoral. Nos encantaría saber qué opináis, si tenéis experiencias en este campo, os interesa más información… A vuestra disposición.

Entradas relacionadas:

• Más sobre sistemas de inteligencia geográfica electoral (07-05-2010)
• Micromarketing y predicción de demanda ¿cuánto gastan en libros? (04-03-2011)
• Cómo optimizar la red de oficinas bancarias con geomarketing (29-01-2010)

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)