La población flotante en geomarketing

Muchos estudios de geomarketing comienzan por el análisis del entorno, el área de influencia de ciertas ubicaciones. Una vez delimitada esta zona de atracción, debemos decidir con qué datos darle contenido, ¿qué variables son relevantes para caracterizar la demanda en la zona?

La demanda potencial de un punto de venta-típicamente un comercio minorista- se compone de:

• demanda de población residencial, resuelta con información sociodemográfica, catastro, fuentes y directorios online, open data…
• demanda de población laboral, las personas que de manera regular se encuentran en la zona por ser su lugar de trabajo
• demanda de población flotante, personas que se encuentran o «pasan» por la zona, como parte de sus desplazamientos habituales o esporádicos

A estas dimensiones podríamos añadirles la ubicación de los clientes, agregando a la demanda potencial la demanda real. Sobre cómo geocodificar clientes he escrito anteriormente, también sobre cómo publicar un mapa online de clientes.

Pero ahora nos interesa cómo estimar este flujo de transeúntes, clientes potenciales de paso en proyectos de geomarketing o location intelligence.

Estimación de la demanda de población flotante

Tampoco es la primera vez que me ocupo de este tema. Hace ya ¡8 años! comentaba las posibilidades que la tecnología abría para la estimación de presencia de transeúntes en geomarketing.¿Y qué ha cambiado desde entonces? En realidad no demasiado, lo relevante es que los métodos y tecnologías que entonces se apuntaban como tendencia son ya una realidad al alcance de los analistas. Big data, Open data, AI son ya términos corrientes, pero para garantizar su éxito es imprescindible conocer a fondo los datos con los que contamos, en términos de precisión, fiabilidad, granularidad y actualización. Y saber a dónde queremos llegar, claro.

A continuación veremos varias aproximaciones analíticas al problema. Por favor, no las veáis como exluyentes, al contrario, en su combinación está el secreto del éxito.

Estimación tradicional de transeúntes, simulación de desplazamientos

La llamamos tradicional porque se basa en datos abiertos administrativos y censales de diverso tipo. En realidad, la calidad y abundancia de estos datos es infintamente mayor ahora que hace, digamos, 10 años. Y las técnicas de análisis aplicadas a estos datos pueden ser realmente sofisticadas, como veremos.

Estos datos serían:

• Cartografía de vías sobre la que construir el modelo y explotar los resultados: debe ser completa, para construir una topología sobre ella, correcta y suficientemente actualizada
• Población, por tipos y con alta granularidad, idealmente por portal
• Puntos de atracción: lugares de trabajo, ocio, retail, hostelería, transportes, servicios médicos, formativos…

La metodología se basa en la simulación de desplazamientos de la población por diversos motivos -trabajo,ocio/compras, restauración, turismo-. A partir de los datos anteriormente descritos, se generan rutas entre pares (origen, destinación) donde los orígenes pueden ser de 4 tipos y los destinos de otros 4:

• orígenes : {residencial, laboral, alojamiento, transporte público}
• destinos : {comercial/ocio, hostelería, transportes, turismo}

El resultado son las 16 matrices de desplazamientos origen-destino que resultan de la combinatoria anterior.

Este resultado “multicapa”, separando por tipo o motivo de desplazamiento, permite la personalización de los resultados en proyectos que lo requieran, siendo así muy sencillo “afinar” el modelo para adaptarse al modo de comercialización de un producto o servicio determinado. Es decir, que constituye una base ideal para desarrollar modelos de transeúntes personalizados.

Estimación de población flotante por conteo automático

A día de hoy son las tecnologías y las empresas que dan este tipo de servicio de conteo de personas tanto dentro como fuera, «por delante» de establecimientos comerciales. Es decir, miden el flujo de peatones en un punto. Su ventaja está en una alta precisión con costes asequibles, siendo su principal carencia que se limitan al entorno inmediato de donde se ubican.

Típicamente, se ubicarían en los establecimientos de una cadena de retail, hostelería… pero difícilmente pueden medir este tráfico peatonal en todas las potenciales ubicaciones de la enseña, donde no se tienen establecimientos -el coste se dispararía-.

Algunas de las tecnologías para estos conteos son:

• Sensores de wifi: permiten además identificar dispositivos de manera única, pudiendo crear indicadores de repetición
• Sensores de bluetooth: similar, con la desventaja de que menos dispositivos llevan bluetooth activado, un buen compromiso es combinar sensores wifi y bluetooth
• Cámaras: presentan la ventaja de identificar personas sin móvil -niños…- o con wifi desactivado -poco frecuente ya-, no pudiendo en cambio medir repetición. Aportan gran precisión en la ubicación exacta de los transeúntes, pero tienen dificultades en calles peatonales anchas, por ejemplo, cuando los propios transeúntes más cercanos «tapan» a los lejanos

Estimación de población flotante por dispositivos móviles

Desde fecha reciente, las grandes operadoras de telecomunicaciones han desarrollado servicios analíticos que explotan la enorme riqueza de datos derivados de sus servicios. Y unoa de sus aplicaciones más directas es, precisamente, la estimación de población flotante para location intelligence.

Principalmente, y lo que aquí más nos interesa, a partir de datos -anonimizados y agregados- derivados de las ubicaciones históricas de sus clientes, pueden informar del número de personas que se encuentran en cierto lugar en cierto momento, así como de los desplazamientos realizados. Sus ventajas son muchas:

• datos de ubicación reales, históricos y con muy alta frecuencia de actualización
• muestras no aleatorias pero sí muy grandes (tanta como la cuota de mercado del operador)
• no depende de configuración del dispositivo: frente al método anterior, no requiere de ningún servicio -GPS, WIFI, bluetooth- activado.

Pero presenta tres desventajas fundamentalmente:

• Limitada granularidad, marcada, a día de hoy, por el número de torres y antenas. Esto se traduce en que no es posible estimar población por tramo de calle, o frente de manzana de una ubicación concreta
• La población sin móvil encendido -niños, sobre todo- es indetectable
• A día de hoy, el coste es muy elevado

Por otro lado, diversas entidades del ámbito financiero han desarrollado sistemas de indicadores espaciales a partir de las transacciones de tarjetas de crédito en establecimientos físicos -y, por tanto, con componente espacial-. No es una medida de tráfico peatonal estrictamente, pero lo mencionamos por su relevancia en el ámbito del geomarketing. La calidad y utilidad de estos datos de transacciones con tarjetas está muy marcada por el correcto preproceso de los datos -calidad de geocodificación, anonimización correcta de grandes superficies…-.

Fuente: Geospatial World, How location data helps in site planning and revenue prediction

Otros métodos para estimar la población flotante

La tecnología pone a disposición del analista otras fuentes para cuantificar población flotante:

• Las aplicaciones móviles acceden a datos de uso de los dispositivos, y entre ellos la geolocalización -recuerda, si un servicio es gratis, ¡el producto eres tú! Esto habilita al productor de la app, así como empresas especializadas en ello, para recoger los datos, procesarlos y convertirlos en servicios de información.
• Conteos manuales con muestreo y apoyados en apps que centralizan los datos: con un buen análisis previo de tipos de zonas, es sencillo muestrear puntos de toma de datos, y movilizar recursos para contar personas mediante aplicaciones móviles que centralizan estos datos en bases de datos espaciales online.

Estimación óptima de población flotante, métodos tradicionales y emergentes

Decía al principio que los métodos no son excluyentes, sino todo lo contrario. Ahora que habéis visto pros y contras de los mismos, es fácil imaginar una metodología de análisis que, partiendo de datos de operadores de telecomunicaciones, refine éstos simulando movimientos de estas personas a nivel de tramo de vía, en función de matrices de origen-destino. U otra que parta de esta simulación origen-destino, realizando una calibración final a partir de geolocalización de apps móviles. O una combinación de todas ellas.

Una vez tenemos los ingredientes, se trata de cocinar la receta que mejor satisfaga nuestras necesidades, dentro de nuestros recursos.