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)

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)

Apunta realidades y tendencias del mercado farmacéutico, y propone abordarlas con geomarketing,  casualmente igual que nosotros venimos haciendo .

Os resumo las tesis principales que defienden, en mi interpretación:

• El uso de variables sociodemográficas y de estilos de vida asociado a la tendencia a una visión de individuo consumidor, en contraste con el enfoque tradicional business to business del sector.
• Sin embargo, sólo el 56,5% usan algún tipo de reporte geográfico. Y de ellos, sólo el 20% usan variables sociodemográficas o de estilo de vida, basándose la mayoría en los datos de su CRM y datos de mercado de IMS. Una tendencia aún no consolidada, por tanto.
• Las redes de influencia, grupos de compra y penetración de los distribuidores son variables intrínsecamente geográficas que conviene tener en cuenta a la hora de crear territorios comercial.
• Obviamente, lo mismo ocurre con las redes de transporte. La optimización de rutas con Sistemas de Información Geográfica mejora la eficiencia logística y comercial.
• Información, formación ycapacidad de consejo se perfilan como las claves de futuro del papel del farmacéutico en un mercado cambiante.
• Las estrategias de marketing multicanal de relación con los clientes testadas en gran consumo son el modelo para el futuro sector healthcare.

Para más detalle, os aconsejo dedicar un rato al documento, que es completo y claro.

Entradas relacionadas:

• Estimación de la demanda de la farmacia como punto de venta (13-01-2010)
• El ciclo de vida del cliente. Un paso previo a la segmentación estadística en el sector bancario (23-03-2010)
• Geomarketing, zonas de paso, transeúntes… ¿una nueva era? (10-09-2010)