Datos para geomarketing – tipología de clasificación de barrios

Continuamos hoy nuestra serie de artículos con los que pretendemos dar a conocer con más detalle el conjunto de datos bajo la marca microtarget desarrollado por unica360.   

En esta undécima entrega vamos a presentar con más detalle el modelo de generación de tipología para la clasificación de barrios, describiendo la metodología utilizada y los datos de partida utilizados, así como algunas de sus aplicaciones prácticas. 

Las personas y los conjuntos de personas con hábitos y características similares, es sabido que tienden a concentrarse en áreas contiguas. O, visto de otro modo, las personas que viven cerca entre sí, es muy probable que se parezcan y tengan hábitos de consumo y estilos de vida similares. Cuando abordamos nuestros proyectos de location intelligence, geomarketing o customer intelligence, es muy necesario disponer de esta visión territorial.  

El concepto de barrio “tradicional” es una división administrativa que atiende a criterios que poco tienen que ver con la homogeneidad de la población sino más bien con aspectos organizativos, de gestión del territorio y de sus recursos, etc. Por eso aquí hablamos del barrio “natural” como un concepto que busca más el compartir rasgos y características similares analizando las características del territorio y la gente que lo habita.  

Pero ¿dónde están los límites de estas áreas que nos permitan considerar que la población que las habita tiene un cierto nivel de parecido en su modo de vida? Para llegar a este nivel de conocimiento del territorio, debemos disponer de información que caracterice a los individuos a un nivel suficientemente “micro” como para garantizar la homogeneidad en estas características.  

Los niveles más “micro” que disponen de información oficial son: 

• Sección censal: es la agrupación más utilizada y que cuenta con más riqueza de información. Divide el territorio en unas 36.000 áreas más o menos homogéneas en población (entre 500 y 2.500 habitantes) pero nada homogéneas en cuanto a tamaño.  

• Portal: es el dato más desagregado y cercano al individuo, con alrededor de 13 millones de puntos, pero aporta poca información y centrada sobre todo en características de los inmuebles y de las viviendas que contiene.  

Para optimizar este nivel microterritorial, en unica360 hemos desarrollado una división territorial propia que divide el territorio nacional en celdas o cuadrículas de 100 metros de lado. Hablamos así de más de 2,5 millones de celdas habitadas con información de los diferentes indicadores microterritoriales de microtarget incluyendo la catalogación de cada una de estas celdas en su correspondiente tipología de barrio.  

¿Que ofrece una tipología de barrios? 

La creación de una tipología tiene como objetivo principal clasificar y organizar elementos complejos en categoría más manejables y comprensibles, sintetizando la información, reduciendo variables y casos y generando nuevas variables con mayor significado desde el punto de vista del marketing.  

La tipología por tanto permite: 

• La simplificación y comprensión de fenómenos complejos, al agruparlos según características similares 

• La comparación sistemática de diferentes casos o elementos, dentro de un marco común 

• El análisis y diagnóstico de patrones, tendencias o problemas existentes en tipos recurrentes 

• El establecimiento de un criterio común entre los diferentes usuarios de la tipología 

• La toma de decisiones y la anticipación de comportamientos o resultados basados en el tipo al que pertenece un caso  

La tipología de barrios es un modelo sociodemográfico que reproduce los hábitats geográficos existentes en España. Presenta dos características diferenciadoras:  

• Alta precisión y flexibilidad en la granularidad: se calcula a nivel de celda de 100m, pero escala a niveles superiores -menos granulares-:  

• • Barrios ‘naturales’: identificación analítica de los barrios reales, como agrupación de celdas de 100m contiguos en el espacio, que presentan características similares  

• • Sección censal: para ser compatible con otros datos o productos analíticos desarrollados a este nivel 

• Refleja los procesos de urbanización y crecimiento urbano, desde el nacimiento de los ensanches al reciente crecimiento urbanístico pasando por el éxodo rural de los ‘50 y los barrios de clase media de los ’70. Esto permite su actualización periódica sin apenas modificar los tipos existentes, a corto y medio plazo. 

Metodología y datos para generar el modelo 

La tipología de barrios se ha construido a partir de fuentes de datos públicas, utilizando para su generación más de 100 variables sociodemográficas, económicas y urbanísticas. La mayor parte de ellas han sido previamente modelizadas por el equipo de expertos analíticos de unica360 para un mejor aprovechamiento del dato de origen. 

• Demografía: pirámide de edad y sexo, inmigrantes, migraciones internas, ….
• Renta: nivel de renta de personas y hogares, origen de la renta, gastos en diferentes partidas, … 
• Sociodemografía: niveles de estudio, ocupación…  
• Vivienda: antigüedad de vivienda, tamaño, alturas, vivienda vacía y secundaria… 
• Actividad económica: lugares de trabajo, industria, servicios… 
• Oferta comercial: comercios, hostelería, otra oferta…  

Las más de 2,5 millones de celdas que cuenta con estas variables, son agrupadas mediante técnicas de clustering:  

• Algoritmos de clustering (jerárquico, k-means, red neuronal, fuzzy clustering…)  

• Técnicas de validación y optimización de resultados, garantizando la máxima homogeneidad interna y heterogeneidad externa entre los grupos resultantes, evitando siempre una excesiva diferencia de “tamaño’ de los clusters.  

El método usado finalmente es Fuzzy C-means, que por ser “clustering difuso” asigna a cada grid una probabilidad de pertenencia a cada cluster. Y esto es muy útil para el siguiente paso, la creación de barrios naturales.  

Resultado final: tipología de barrios a nivel de celda de 100 metros 

El resultado final de este proceso son 26 clusters o tipologías de barrio, agrupadas en 5 grupos de clusters calculados sobre una segmentación previa de celdas por tipo de hábitat que garantiza la homogeneidad de los conglomerados generados en los pasos posteriores y la estabilidad del modelo entre diferentes áreas geográficas donde las características sociourbanísticas varían fuertemente. El resultado es el siguiente:  

• Grupo 1: Núcleo > 1k habitantes o diseminado anexo a alta densidad 

• • Tipología Barrio popular pequeña ciudad, periferia urbe 

• • Tipología Barrio obrero ciudad mediana 

• • Tipología Barrio clase media – alta ’70s 

• • Tipología Barrio obrero ciudad dormitorio 

• • Tipología Expansión ’90s grandes núcleos pisos de lujo y promoción adosados 

• • Tipología Expansión ’90s ciudad dormitorio clase media 

• • Tipología Expansión ’90s – ’20 ciudad dormitorio adosado 

• • Tipología Expansión ‘70s – ’10 clase media ‘ciudad dormitorio 

• • Tipología Barrio residencial y adosado clase media-alta pequeña ciudad 

• • Tipología Barrios de clase media-alta 2ª expansión ’70s – ’10 ciudad dormitorio y adosado 

• Grupo 2: Núcleo > 1k habitantes o diseminado anexo a alta densidad Barrio histórico, 1900 – reconstrucción post-guerra 

• • Tipología Barrio post-guerra, reforma y nuevas generaciones 

• • Tipología Barrio histórico clase media gran urbe  

• • Tipologia Ensanche, barrio con solera, restauración y turismo 

• Grupo 3: Núcleo > 1k habitantes o diseminado anexo a alta densidad Centro histórico 

• • Tipología Centro histórico en declive, núcleo pequeño 

• • Tipología Centro histórico mixto, en proceso 

• • Tipología Centro histórico de moda, hostelería y turismo 

• • Tipología Centro histórico rehabilitado y familia 

• Grupo 4: Núcleo < 1k habitantes, baja densidad, diseminado 

• • Tipología Núcleo rural envejecido, vaciado 

• • Tipología Expansión urbana ’70 – ’20, urbanización y adosado 

• • Tipología Expansión ’70 – ’90, chalet en diseminado 

• • Tipología Expansión rural ’90s 

• • Tipología Diseminado rural envejecido 

• • Tipología Expansión residencial ’90s – ’20, urbanización 

• Grupo 5: Parcelas no habitadas 

• • Tipología Industria, comercio, oficina 

• • Tipología Solares 

• • Tipología Hostelería y turismo 

Cada una de las más de 2,5 millones de celdas disponibles dispondrán por tanto del dato de su tipología de barrio y del grupo al que pertenecen. 

En la siguiente imagen podemos ver la distribución de la tipología de barrios en el total de España. 

Y a continuación un ejemplo de las tipologías de barrios en Madrid

Utilidad de disponer de una tipología de barrios 

La información que hemos tratado en este artículo es muy útil para la toma de decisiones comerciales de diferentes formas:  

• Selección de áreas geográficas de alto potencial. ¿Dónde hay clientes más afines a mi target? Para ubicar puntos de venta, lanzar campañas de marketing directo, buzoneo, publicidad exterior, street marketing, …  

• Determinación de las características, y consecuentemente necesidades y demanda de la población en una determinada zona. ¿Cómo son los clientes que viven en…? (en torno a mis tiendas, dentro de mi ruta de distribución…) 

• Cualificación de los clientes actuales. A partir de dónde viven mis clientes puedo saber más sobre ellos, para segmentarlos y personalizar la relación con ellos ¿Qué nivel de renta, tipo de vivienda, cuántos hijos tienen, …?  

• Cualificación de los clientes potenciales y búsqueda de gemelos. Sabiendo cómo son mis mejores clientes, puedo buscar otros similares, ¿dónde hay más como ellos? 

También para el ámbito de las administraciones públicas, es un dato muy relevante: 

• Permite conocer a la población según edad, nivel educativo, ingresos, origen migrante, etc, y tomar las medidas oportunas en diferentes aspectos, como focalizar ayudas sociales y poner en práctica programas de empleo, salud o educación en los barrios que más lo necesiten 

• Ayuda a prever la demanda de servicios públicos como escuelas, centros de salud, transporte o residencias de mayores 

• Permite estudiar la segregación socioeconómica o étnica y diseñar políticas para promover la inclusión y la convivencia 

• Ayuda a detectar zonas de vulnerabilidad o riesgo de exclusión social 

• Facilita la detección de focos con necesidad de rehabilitación urbana o renovación del espacio público 

• Ayuda a evitar procesos negativos como la gentrificación descontrolada. 

• Facilita estudios sobre movilidad residencial, dinámicas de población, impacto de políticas urbanas, etc 

• Estos datos se pueden usar en modelo para predecir tendencias demográficas o sociales 

El sector inmobiliario también encuentra mucha utilidad en este tipo de información para catalogar el territorio: 

• Para el desarrollo de vivienda, le ayuda a decidir qué tipo de vivienda construir 

• Para la valoración de activos, en función del perfil sociodemográfico del entorno 

• Para la detección de oportunidades, identificando barrios en transformación o con potencial de revalorización 

• Para el enriquecimiento de datos de inmuebles, que posteriormente permite a los usuarios la búsqueda de inmuebles preferidos por tipo de zona.  

Te animo a que sigas atento a nuestros próximos artículos donde seguiremos profundizando en el resto de los indicadores y a que revises nuestras publicaciones anteriores.