Áreas de influencia, tipos y aplicaciones en geomarketing

El cálculo del área de influencia (trade area) de un punto de venta es crítico en geomarketing, ya que plasma una idea de cómo se relacionan los consumidores con el establecimiento. Existen diversos métodos para calcularla, y cada uno presenta unos beneficios, desventajas y costes de aplicación diferentes del resto. Vamos con ellos.

Los métodos de creación de áreas de influencia

Área de influencia circular o buffer

consiste en un círculo en torno a cada establecimiento analizado. Es la aproximación más sencilla y fácil de implantar, pero no tiene en cuenta la existencia de barreras, ni la red de calles y carreteras, que es por donde los clientes se desplazan. Estas carencias se pueden solventar mediante revisión manual de los resultados del área circular, algo viable siempre que el número de establecimientos analizados no sea excesivo.

Otro aspecto crítico es el radio del área. En zonas urbanas, y para negocios donde los clientes deberían acceder a pie, se suele trabajar con áreas de 300 ó 500 metros, que reflejan la distancia recorrida a pie en 5 y 10 minutos respectivamente. Una manera interesante de afinar el cálculo consiste en definir diferentes radios en función de características de los puntos de venta y el área en que se ubican.

Por ejemplo, a un supermercado de 2.500 m² le podemos asignar un área mayor que a uno de 400 m² (asumimos una mayor capacidad de atracción). Y a una farmacia que se encuentra en una zona de alta densidad de población y de farmacias le asignaremos un área menor que a otra en una zona rural con escasa población y farmacias alrededor (asumimos que la capacidad de atracción es función inversa de la cantidad de la competencia). Este tipo de modelos, cuando son bien construidos, dan resultados satisfactorios, al tiempo que son fáciles y rápidos de aplicar.

Área de influencia circular de farmacias de 100 metros y 300 metros, altamente solapadas en centro urbano

Área de influencia circular de farmacias de 5km en entorno rural, no hay solapamiento

Área de influencia isocrona

Es el área desde la cual se puede acceder al punto de venta, dentro de un tiempo máximo de desplazamiento establecido. También es conocida como drivetime area, aunque en realidad el desplazamiento puede realizarse en vehículo, a pie, en bicicleta…

La isocrona refleja fielmente la resistencia del cliente a desplazarse al punto de venta, a través de ese coste en tiempo. Es un método mucho más preciso y fiel a la realidad, pues toma en cuenta  barreras urbanas, zonas despobladas, accidentes geográficos… Sin embargo, su cálculo es más complejo y costoso, por lo que en ciertos casos aún es útil el área circular (alto número de puntos de venta, muy alta capilaridad, recursos técnicos o económicos limitados…). Vemos un ejemplo de isocrona por tiempo de desplazamiento (drivetime) en un centro comercial de Madrid, en la siguiente aplicación:

Y un ejemplo de área de 20 minutos caminando en Barcelona, calculada sobre Google maps.

Ejemplo de área de influencia de 20 minutos caminando

Finalmente, una excelente historia sobre el uso de áreas de influencia por tiempo de desplazamiento aplicado a la cobertura geográfica de equipamientos y medios de transporte.

El cálculo de isocronas ha sido tradicionalmente complejo, pero hoy en día proliferan los servicios de cálculo de estas áreas, con etiquetas como área de servicio, enrutamiento… En algunos casos permiten incluso basar los cálculos en la densidad de tráfico actual, o en el tráfico típico de un día de la semana y hora dadas.

Área  de influencia simple o múltiples

A menudo tiene sentido trazar varias áreas de influencia para cada punto de venta, definidas como primaria, secundaria y terciaria. Esto es habitual en geomarketing para grandes superficies y centros comerciales, con capacidad de atraer clientes a una distancia considerable, pero con comportamientos de compra muy diferenciados entre los que viven cerca y los que vienen de lejos.

La población de las zonas puede presentar características sociodemográficas diferentes entre sí, que afectan a la capacidad de atracción del centro, y ayudan a decidir la oferta ideal del centro:

Sociodemografía de la población en área de influencia múltiple

Área de influencia empírica

O área basada en la procedencia real de los clientes. En sí misma puede sustituir a los diferentes métodos de estimar áreas teóricas, asumiendo que la realidad supera y no requiere una definición teórica del  área. Pero su gran utilidad está en la comparación entre procedencia real y área teórica, buscando comportamientos imprevistos y áreas de mejora.

Siempre es importante calcular el área desde la que realmente vienen los clientes, pero requiere que existan los datos -no es así al decidir la apertura de un nuevo establecimiento, estudiando la competencia, o en retailers que no identifican a los clientes-, y es crítica la calidad de los datos de clientes y su tratamiento -normalización, deduplicación, geocodificación-.

Ejemplo: Área de influencia empírica vs teórica. Venta media por hogar

Polígonos Thiessen y Diagrama de Voronoi

Define áreas de tamaño y forma óptimos para asignar clientes a puntos de venta, siendo constante la capacidad de atracción de los diferentes puntos de venta (surtido, servicios complementarios, precio… no se contemplan). Al crear una relación uno a uno entre consumidor y punto de venta, son muy eficaces para negocios con entrega a domicilio, desde pizzas hasta tiendas online de electrodomésticos.

El post Cada uno en su región y Voronoi en la de todos describe de manera rigurosa y simpática al mismo tiempo los poligonos Voronoi, extensamente usados en análisis espacial y geomarketing.

Gravitiy modelling, modelos de asignación de clientes a establecimientos… o al revés

Los modelos de gravitación comercial se basan en la ley de Newton: la capacidad de atracción de un centro de oferta es directamente proporcional a su atractivo –masa- en inversamente proporcional a la distancia respecto al punto de demanda. Sobre esta  premisa se han desarrollado aproximaciones, de las que las más usadas son:

Ley de Reilly

Formulado en 1931, añade la atracción del establecimiento (la «masa» para Newton»)  y aporta la capacidad de producir un punto de cambio entre dos zonas, asignadas a sendos establecimientos.

Modelo de Huff

Método probabilístico que refleja cómo los establecimientos compiten por atraer a los consumidores, resultando en una probabilidad de que un consumidor (o microzona, sección censal) se desplace a cada centro competidor. Los gastos de los consumidores (estimables mediante modelos predictivos de demanda) ponderados por la probabilidad de compra producen estimaciones mucho más afinadas y realistas de las ventas de los establecimientos.

Esto es especialmente útil cuando no contamos con información de venta real de éstos, cuando analizamos nuevos puntos de venta, o competidores.

Área de influencia, modelo de gravedad de Huff, cambio al abrir dos oficinas bancarias

El Modelo Multiplicativo de Interacción Competitiva (MMIC) mejora al de Huff al contemplar más de una variable como  capacidad de atracción, permitiendo usar una batería de items significativos (para un hipermercado, podría ser tamaño del parking, amplitud de surtido, servicios complementarios, notoriedad de la marca… además del habitual m²).

En el blog Geomarketing Spain encontraréis un interesante post sobre modelos de gravedad.

A partir de estos enfoques «clásicos» se está avanzando actualmente en nuevas aproximaciones, que siempre se basan en alguno de éstos, para mejorarlo y adaptarlo a la información de mercado existente. Un buen ejemplo es este artículo de la consultora Tango Management, donde proponen un método propio con datos sociodemográficos de Estados Unidos.

Para completar esta clasificación de áreas de influencia nos quedaría revisar los tipos existentes en función de «qué captura el área de gravedad», relacionado con la granularidad de los datos de clientes reales y datos de mercado potencial. Esto es, portales, tramos de vía, secciones censales, distritos, municipios, códigos postales… Según esta granularidad, los resultados son muy diferentes. Porque, no lo olvidemos, un estudio de geomarketing es, como máximo, tan bueno como los datos en que se basa.

En otro post nos pondremos con ello.