Location Intelligence

Índice del libro Geolocalización para captar y desarrollar clientes

No hay que llamarse Albert, ni apellidarse Einstein para saber que tus puntos de venta (centro, oficina, tienda) tienen mayores oportunidades de sobrevivir si están en una “buena zona”.

Pero ¿qué diantre es una “buena zona”? ¿Cómo podemos valorar de forma analítica una zona comercial? ¿cuál es el secreto?

Es posible que pienses que una “buena zona” es donde hay clientes esperando comprar los productos y servicios que ofrece tu punto de venta.

Aviso para exigentes como yo

Este es el contenido preliminar del libro. Si quieres que te sea útil lo puedes comentar/criticar. Si no tienes tiempo, descuida que otro/otra lo criticará.

Definir de forma analítica una “buena zona” es lo que veremos en el libro de “Geolocalización para captar y desarrollar clientes”.

Y en este capítulo, vamos a desmenuzar los elementos para valorar de forma analítica qué potencialidad de mercado hay en una zona geográfica.

Antes, ideas erróneas

Nº 1 – “Para entender de geolocalización debo saber GIS o que haya geógrafos en mi equipo”

En el libro te explicaré conceptos de negocio usando una capa geográfica.

No nos vamos a enfocar en “cómo se hace esto”, sino “para qué me sirve todo esto”.

Es decir, nos centraremos en los beneficios de la geolocalización.

Recuerda que tampoco te explicaré como montar un sistema GIS, ni como se obtienen las coordenadas.

Solo te digo que es fácil, y te adelanto que son tareas que podrás subcontratarlas.

No son tareas de valor.

Las tareas de valor son analizar los datos, generar conclusiones y recomendaciones.

[Read more…]

📌Lo que todo el mundo debería saber sobre la geolocalización en la inteligencia comercial – Caso Banca

Sabemos que un 80 % de los datos tiene una connotación geográfica.

De eso no hay duda.

Si hablamos de puntos de ventas como oficinas, tiendas o centros o, si hablamos de clientes siempre estaremos referenciando a zonas geográficas.

Si los clientes y los puntos de venta tienen un eje de geolocalización, ¿no deberíamos incluir el eje de geolocalización en nuestros procesos de inteligencia comercial?

El eje geo (localización) es algo similar al eje temporal, lo usamos cuando analizamos ventas o clientes. Es imposible analizar ventas sin usar un período: un mes, o un trimestre o un año.

Es más, de forma involuntaria, cuando nos dicen los clientes de una oficina o tienda, tendemos a imaginarnos esa oficina en su correspondiente calle, con su equipo gestor y los competidores más cercanos.

La geolocalización es cada vez más habitual en la analítica de negocio e inteligencia comercial.

La geolocalización se “popularizó” como un eje más de negocio con el uso de los smartphones. La información subida a internet o la nube a partir de estos dispositivos se incrementa diariamente.

[Read more…]

📮 Cómo optimizar el presupuesto de buzoneo y folletos usando modelos analíticos

El buzoneo aporta tráfico.

El buzoneo no aporta tráfico.

Es complejo medir el impacto del buzoneo.

Sí, es complejo medir el impacto del buzoneo.

En eso sí estamos de acuerdo.

Sabiendo que unos 1.000 folletos “buzoneados” cuestan unos 50 € aproximadamente.

Alguno se echará la mano a la cabeza, diciendo que depende de la calidad del papel, del área de buzoneo (si son casas o si son pisos/apartamento) o de la tirada.

Sí, pero para ser prácticos, de media no te quitas los 50 €.

Si una tienda de tamaño pequeño-medio (menos de 400 metros cuadrados) hace unas 26 campañas (26 quincenas al año) con unos 6.000 folletos, pues sabrás que eso sale unos 7.8 K € por tienda.

[Read more…]

Diagnosticar el mercado potencial de un centro óptico como el Doctor House

En el primer capítulo de la tercera temporada del Doctor House, se veía cómo los residentes trataban de detectar y diagnosticar la posible enfermedad de un paciente con una simple gripe.

House al ver que ninguno decía algo razonable, les soltó una frase algo “incómoda”

“¿Saben que es lo peor de ser inútil? Ser inútil e ignorante”
Dr. House, en una temporada que no recuerdo.

En sus 8 temporadas, el doctor House casi siempre buscaba “algo más” de lo que tenía por delante, investigaba, iba a la casa del paciente y, preguntaba de una forma, también incómoda a sus familiares.

Eso le valió una reputación que sus diagnósticos salvaban vidas.

No solo analizaba lo evidente, sino que buscaba fuentes de información qué contrastara sus variadas hipótesis (suyas y de sus residentes), unas habilidades que debemos aprender.

Conocer y cualificar el mercado qué tiene un centro de óptica o de audiología lleva tareas implícitas de buscar fuentes de información: variables de la población, métricas de riqueza, puntos de interés cercanos al centro (farmacias, residencias), presencia de la competencia y un largo etcétera.

Algunas veces parte de esta información puede estar disponible, pero en la gran mayoría de los casos no sucede así.

Aquí te dejo 3 ejemplos de visualización de datos usando un Data Lake.

Existen varios Data Lake que una cadena de ópticas y audiología puede comprar pero hay muy pocos que sean Data Lake exclusivos de Visión y Audición

Un Data Lake de Visión y Audición permiten conocer el tamaño del mercado potencial (número de personas con dificultad de visión y de audición), cualificar por el uso que hace de gafas y audífonos y, si aportamos información interna del centro podremos conocer las tasas de penetración en gafas y audífonos.

En Axesor Marketing Intelligence, contamos con un Data Lake de Visión y Audición que usados dentro de geomarketing Xpert, permite mejorar la toma de decisiones para las áreas de Expansión y de Marketing.

A continuación te dejo 3 vídeos para explicarte el enfoque conceptual y, por supuesto, dos casos de negocio:

En este primer vídeo podrás ver el enfoque del Data Lake de Visión y Audición

En el caso Nº1 podrás ver cómo seleccionarmos una zona de alta potencialidad para abrir un centro óptico y/o de audición

El caso Nº2 analizaremos el performance de centros óptico para conocer el ratio de penetración que tiene en el mercado.

Esto es solo una cuarta parte de lo que publico

Recibe todo el contenido en el boletín de clienting de cada jueves.
La píldora semanal para profesionales que analizan y deciden en las áreas de Marketing, Ventas y Expansión.
Casos de negocio y mejores prácticas en Business Analytics
Al suscribirte descarga el contenido premium.
Te puedes dar de baja cuando quieras

Procesando…

¡Lo lograste! Ya estás en la lista.

¡Vaya! Se ha producido un error y no hemos podido procesar tu suscripción. Por favor, recarga la página e inténtalo de nuevo.

Segmentación de tiendas – Enfoque analítico en Location Intelligence

Uno de los principales beneficios de contar con Data Lake y una plataforma de Location Intelligence es que los ejes clave del negocio como clientes y tiendas se pueden analizar con variables externas.

Esto permite que la empresa disponga de un enfoque de 360º, de cara a comprender las causas que provocan que esa tienda o punto de venta tenga determinado perfomance.

Este artículo ha sido publicado en el South Tech Week 2020, el foro nacional de Inteligencia Artificial, Blockchain, Big Data y Machine Learning.

El artículo completo puedes verlo en https://southtechweek.com/noticias/clusterizar-tiendas-usarlas-iniciativas-business-location/

Puedes mirar en el siguiente video un resumen con las diapositivas usadas y cómo usar la segmentación de tiendas usando Xpert, la plataforma de Location Intelligence líder en España y Portugal.

Ahora que sabes lo que aporta un Data Lake, te animo que hagas pilotos de iniciativas de Location Intelligence.

¿Me ayuda compartiendo este contenido?

Gracias

3 ejemplos de Location Intelligence con visualización de datos

Calidad del dato - Clienting y Location Intelligence

Artículo resumen de la ponencia “Tecnología de Location Intelligence aplicada a la explotación y visualización del dato” del evento de “AI & DATA ANALYTICS – Inteligencia Artificial y Data Analytics” celebrado en Madrid el lunes 18 de noviembre del 2019. Axesor Marketing Intelligence fue invitado y participó con otras empresas de Visualización de Datos y Big Data.

Las preguntas que intentaremos responder en este artículo son:

¿Qué importancia tiene la calidad de los datos en un proyecto de explotación de datos?
¿Qué ventajas tiene el location intelligence dentro de los proyectos de data visualization?

AI Data Analytics evento Madrid Location Intelligence

La presentación completa la podrás encontrar en slideshare en “Tecnología aplicada a la explotación y visualización del dato”

Tecnología aplicada a la explotación y visualización del dato – ejemplos Location Intelligence de Omar Arce Torreblanca

Al final de este artículo podrás ver 3 ejemplos de retail usando Xpert, la plataforma líder en España de Location Intelligence.

Empecemos

Desafíos a los que se enfrentan las empresas

Primer desafío – Obtener respuestas con los datos existentes:

Existen dos cuestiones que abundan en las empresas:

· Datos

Cada día la cantidad de datos que se generan producto de las transacciones e interacciones de los clientes y del mercado, hacen que este asunto se vea incrementado día tras día. Una cifra para tener de referencia, en el año 2018 se generó 16,5 veces más información que hace nueve años.

· Preguntas sin resolver

Las áreas de negocio tienen preguntas que desean resolver, tanto desde como mejorar la propuesta de valor, los cambios en el mercado y como utilizar las nuevas tecnologías para tomar mejores decisiones

Segundo desafío – Alta cantidad de datos geo-referenciados

En línea con el primer desafío, se estima que el 80% de la información relevante para el desarrollo de una empresa tiene una connotación espacial.

A consecuencia de esta situación se hace necesario:

Obtención de esos datos y su tratamiento por procesos de Calidad del Dato que aseguren normalizar y geolocalizar correctamente.
Almacenamiento en entornos adaptados a análisis de información geo.
Personas que cuenten con conocimientos básicos de GIS, geomarketing y Location Intelligence.
Análisis de negocio usando herramientas/plataformas que aporten un Data Lake que permita que los datos de la empresa puedan contrastarse con los datos del mercado.

Si estás realizando un proyecto de Location Intelligence, te recomiendo que leas este artículo de cómo gestionar un proyecto de Location Intelligence

Enfoque de la visualización de datos

La visualización de datos considera la entrada de datos que serán usados en entornos y procesos de visualización de datos con el fin de obtener “insights” de negocio.

A continuación, podrás ver el diagrama resumido

Visualizacion de datos - Location Intelligence

Lo que aporta Calidad del Dato en la visualización de datos

Los procesos de Data Quality están orientados a:

Normalizar (estandarizar):
- Nombres
- Direcciones
Validar:
- Emails
- Móviles
Enriquecer con métricas:
- Empresas
- Autónomos
- Particulares

Calidad del dato - Clientes y Location Intelligence

El principal aporte de Calidad del Dato es el enriquecimiento

Usar el Data Lake de un proveedor de referencia (Axesor cuenta con Omina) permite que se asegure la fiabilidad y la precisión en las métricas utilizadas, y se puede aplicar directamente a:

· Mejorar el ADN de Particulares

A partir de la dirección de un cliente, el Data Lake debería aportar métricas como: nivel de renta, precio de la vivienda del particular, tipo de familia, estimación del gasto y un largo etcétera

· Mejorar el ADN de Puntos de Venta

Como puntos de venta nos referimos a tiendas, oficinas o cualquier emplazamiento donde una empresa ofrece sus productos y servicios.

A partir de la dirección de un punto de venta, un Data Lake podría aportar métricas como: presencia de competidores en el área de influencia, tipos de competidores, nivel de presión de competencia en las bolsas de clientes, puntos de atracción (en el caso de ópticas podría ser centros de salud, hospitales, etc.)

Si sabes más de tus clientes y de tus puntos de venta, podrás competir mejor”

Si mejoramos la información de clientes y de los puntos de ventas, estaremos en condiciones de analizar y establecer un diagnóstico riguroso de cara a plantear estrategias comerciales adhoc para grupos de tiendas o zonas en función de la demanda (cualificación de clientes y clientes potenciales ) y la oferta (tipos de competidores, propuesta de valor de la competencia a la que accede esa demanda).

Es habitual clusterizar tiendas como tiendas “UVI” (Unidad de Vigilancia Intensiva) para aquellas tiendas que tienen un performance comercial por debajo de la media y donde se deben de realizar acciones comerciales y de marketing para poner en relevancia su propuesta de valor.

Ventajas de Location Intelligence en proyectos de visualización de datos

De forma resumida, una herramienta de Location Intelligence permite analizar la demanda y la oferta que podemos tener en una zona geográfica.

Capa física - demanda y oferta - Location Intelligence

3 ejemplos de Visualización de Datos en una plataforma Location Intelligence

A continuación, veremos las preguntas que resolveremos en los 3 ejemplos usando una plataforma de Location Intelligence

Caso practico Location Intelligence Retail Data Analytics

Ejemplo nº1 – ¿Cómo se comportan los segmentos de clientes? ¿De dónde vienen mis clientes?

Ejemplo nº2 – ¿Cuál es el performance de mi tienda respecto al mercado potencial?

Ejemplo nº3 – ¿Cómo puedo valorar el traslado de mi tienda?

Conclusión

En los proyectos que participas ¿qué otros beneficios crees que aporta la calidad del dato? ¿Qué ventajas adicionales aporta una plataforma de Location Intelligence? y … algo que creo que podría ser muy práctico ¿echas en falta algún ejemplo o caso práctico para que pueda simularlo usando una plataforma de Location Intelligence?

Si te he aportado alguna idea, me ayudaría que compartas el artículo. Esto me motiva a seguir escribiendo con mayor frecuencia.

1 abrazo 🙂

Vea lo fácil que es gestionar un proyecto de Location Intelligence

La primera vez que me asignaron un proyecto de Location Intelligence, estaba algo perdido, había leído algunos blogs y descargados varios ebooks, pero tenía la sensación que había mucha teoria y lo que necesitaba era algo práctico. ¿Acaso a nadie se le había ocurrido hacer algún manual o algo parecido? Pues no, estaba yo y mis dudas 🙂

Después de gestionar varios proyectos de Location Intelligence he decidido resumir lo que he aprendido. No es manual detallado, pero sí te muestro los pasos que recomiendo hacer.

No te voy a contar cómo se debe gestionar un proyecto, creo que, como todo proyecto, lanzar uno de Location Intelligence debe tener los objetivos claros, hitos, responsables, calendario, alcance y un largo blablablá.

Se da por hecho que sabemos lanzar de una manera “razonable y ágil” un proyecto. Pero si, de todas maneras, quieres tener un contexto inicial, puedes consultar los siguientes posts de cómo lanzar proyectos:

Post 1 – Planificar un proyecto de Agile (post interesante, redactado por IBM, donde se describe cómo crear y gestionar un proyecto scrum, así como realizar el seguimiento del trabajo)
Post 2 – 13 herramientas para la gestión ágil de proyectos (post donde listan herramientas usadas para la gestión de proyectos ágil, la herramienta que más me gusta es Trello)

Dicho esto vamos al grano.

Enfoque inicial de un proyecto de Location Intelligence

Las particularidades de un proyecto de Location Intelligence consideran la información interna de la empresa y la información del mercado.

Las diferentes fuentes de información se pueden ir integrando en el proyecto a medida que avanza su nivel de complejidad. La máxima complejidad es incorporar modelos matemáticos. Por supuesto que el nivel de complejidad dependerá de las preguntas a las que se busque respuesta

En el siguiente diagrama, podemos ver las fuentes de información por su nivel de complejidad que generan en una plataforma de Location Intelligence.

Una vez tengamos presente el enfoque, es hora de plantear la solución/respuesta que buscamos resolver mediante la plataforma.

Paso 1 – ¿Qué pregunta de negocio deseas responder con el proyecto de Location Intelligence?

Este paso, aunque te parezca de sentido común, es uno de los principales hitos a realizar a la hora de definir el alcance de la respuesta.

Vamos de menor a mayor complejidad en la pregunta.

¿En qué mercados ofrezco mis productos/servicios? ¿Qué nivel de cobertura tengo a nivel geográfico?

Qué parte del mercado tengo sin atender o, mejor dicho, que parte del mercado estoy atendiendo.

¿Cuál es el área de influencia de mis puntos de venta (PdV), de mis oficinas? ¿Existen diferentes áreas de influencia para mis PdV?

Al geolocalizar a los clientes mediante los canales de tiendas o mediante el e-commerce, podremos estimar el tamaño de las áreas de influencia de las tiendas.

En este punto es importante que al analizar cada PdV tengamos en cuenta atributos de la localización, por ejemplo, es diferente el área de influencia de una tienda situada dentro de un centro comercial, que una tienda que está en pie de calle.

¿Cuál es mi potencial de Puntos de Venta (PdV)? ¿Podría estimar la facturación de un nuevo punto de venta a partir de una dirección postal?

El uso de modelos predictivos permitirá estimar las ventas usando la información histórica de las tiendas/centros ya abiertos.

¿Cuántos PdV puedo abrir en una zona? ¿Qué nivel de canibalización se debería soportar? ¿Cómo se debe considerar los formatos comerciales para valorar el nivel de cobertura?

El uso de algoritmos de huecos permite conocer hasta cuantos PdV pueden “entrar” en una zona. Los algoritmos de huecos pueden tener embebido un modelo de estimación de venta. Si quieres puedes echar una mirada a mi anterior artículo donde muestro un caso práctico usando un algoritmo de huecos.

¿Qué tipo de acciones de marketing puedo hacer? ¿Qué formas de contacto tengo para mis clientes y mis potenciales clientes? ¿Cómo puedo mejorar las campañas de buzoneo?

Al conocer las ubicaciones de los clientes para marketing se abre un abanico de posibilidades desde:

Envío de comunicaciones en base a las cuotas de mercado
Posibilidad de usar soportes publicitarios en zonas de alta/baja penetración
Uso de fuentes de información de permission marketing
Uso de algoritmos de buzoneo que tenga en cuenta la cuota de mercado, nivel de competencia, estrategia comercial, estacionalidad, etc.

¿Modelos de territorialidad, es decir, cuántos comerciales debe tener? ¿Qué territorio le debe asignar a cada comercial?

Si la empresa cuenta con una fuerza de ventas (gestores comerciales) y con un modelo de potencialidad, es posible estimar el número de gestores que debería asignar a un territorio, que a su vez contiene a un número estimado de clientes potenciales.

Paso 2 – Geolocaliza tu “inventario”, mira “tus piezas en el mapa”

Un punto previo para geolocalizar es la normalización de direcciones con el objetivo de obtener las coordenadas. Este punto se aplica para los pasos 2 y 3.

Es importante que los canales de venta (puntos de venta física, envío del canal e-commerce y otros canales de venta) los tengas en la herramienta de Location Intelligence

De forma general, el “inventario” lo podemos definir como:

Puntos de Venta: en este concepto se consideran las tiendas, oficinas o centros donde los clientes pueden realizar operaciones o transacciones.
Centrales Logísticas: aplica en el caso de retail, se recomienda tenerlos en la plataforma para que se puede valorar el territorio al que sirve.
Clientes o Consumidores: en este punto es importante valorar no solo los consumidores a los que atendemos de forma directa sino también las transacciones hechas por consumidores que utilizan otros canales (por ejemplo, la compra de pizzas por Apps tipo Just-Eat o atendidos por Deliveroo)

La iconografía en este punto puede ayudar a comprender de un solo vistazo los clientes.

A continuación, podemos ver la diferencia entre utilizar una capa de clientes sin y con iconografía asociada a los segmentos de clientes.

Queda claro la ventaja a la hora de visualizar, ¿no?

Paso 3 – Geolocaliza y tipifica a la competencia

Los puntos de venta de la competencia tienen que estar en la plataforma, es importante, que aparte de estar geolocalizada, la definamos o mejor dicho la tipifiquemos.

Dicho de una manera muy simple, podemos elegir algunos ejes de negocio para tipificar puntos de venta de la competencia, por ejemplo:

Por el surtido: si el punto de venta tiene el mismo surtido que nuestros Punto de Venta
Por el nivel de precio: informes como el de la OCU es una fuente importante.
Por el formato comercial: una tipificación que resume la superficie comercial y, por ende, el surtido.
Por la presencia de marcas: Si una tienda una sola marca o multimarca.
Por los servicios que da ese punto de venta: Delivery, Clic & Collect, etc.
Un largo etcétera

Este paso es donde las áreas de negocio tienen que aportar para incluir atributos a nivel de competidor y que podemos aplicar a todos sus puntos de venta o a nivel de los puntos del competidor. Me explico, si tenemos por ejemplo dos supermercados de un mismo competidor de 500 m2 y de 1.500 m2, por estrategia de negocio podemos tipificar de dos formas:

Definir los 2 supermercado con una misma tipología: por ejemplo, los 2 son tipología A
Definir que el supermercado de 500 m2 tiene una tipología A y que el supermercado de 1.500 m2 tiene tipología B.

Las áreas de negocio como marketing o ventas principalmente son las que deben decidir esta tipificación.

En estos últimos 2 pasos, “solo hemos subido” puntos geolocalizados en el mapa con la información que disponemos

Paso 4- Crear métricas utilizando fuentes Big Data para cualificar la demanda (y si se puede la oferta de competidores)

En este punto debemos definir el mercado potencial, es decir, es importante que la demanda (ya sea B2C o B2B) esté geolocalizada.

Sin este punto clave, la herramienta solo es un mero visor de datos internos geolocalizados y donde su aporte de valor de un proyecto de Location Intelligence es muy reducido.

4.1 Información mínima que debe tener una herramienta de Location Intelligence – Caso B2C

Población residente
Población flotante
Densidad población
Nivel de estudios
Número de hogares
Crecimiento de la población
Puntos de Interés como colegios, escuelas, centros de salud, etc.
…

4.2 Información mínima que debe tener una herramienta de Location Intelligence – Caso B2B

Número de empresas
Facturación
Número de empleados
Sector de actividad
…

4.3 Información Big Data y, por tanto, métricas Big Data

Herramientas avanzadas de Location Intelligence (y aquí permíteme hacer una cuña publicitaria 😊 Geomarketing Xpert ® de Axesor) permite contar con métricas exclusivas que permiten cualificar el mercado potencial y lo más importante, estimar el mercado potencial monetizado.

4.4 Métricas Big Data – Caso B2C

Nivel de Renta: Estimación de la renta de los hogares.
Gasto en alimentación, bebidas y Non Food (Droguería, Perfumería e Higiene)
Presión de la distribución por población: Número de PdV (de alimentación) ponderada por la población
…

4.5 Métricas Big Data – Caso B2B

Scoring de riesgo: Calidad crediticia de las empresas basada en la probabilidad de no poder atender a sus obligaciones comerciales en los próximos 12 meses
Densidad Empresarial: Número de empresas existentes por habitante
Nivel de Actividad: Número de empresas que se estiman tienen actividad empresarial. Existe un porcentaje relevante de empresas que no realizan el cierre formal y aunque aparecen como empresas activas, han dejado de funcionar.
…

Paso 5 – Explotar la información para la toma de decisiones

En función de la pregunta que se desea responder, cada módulo debe aportar una granularidad y visualización que permita al usuario entender la situación y generar conclusiones de negocio.

Creo que una imagen vale más que mil palabras, por eso, a continuación, podemos ver el uso principal que puede tener cada módulo/interfaz de usuario.

[En el video que pienso publicar se podrá ver el uso de cada módulo, más información en el ultimo apartado, ver “Video-Resumen…”]

Conclusiones

Las principales conclusiones para acometer un proyecto de Location Intelligence:

Es necesario alinear las fuentes de información y la tecnología GIS a la pregunta de negocio que la empresa desea resolver.
Geolocalizar el “inventario” propio y de los competidores permitirá detectar connotaciones que en otros entornos analíticos serían muy difíciles de detectar, por no decir que casi imposible,
Generar métricas propias y usar fuente Big Data para crear métricas avanzadas
La visualización es un punto clave para saber “leer” lo que sucede en la capa física. la siguiente fase es “accionar” la información.

[Video resumen] – Caso práctico de un proyecto de Location Intelligence

Ya hemos tratado el enfoque y un poco la metodología, pero como siempre digo, este blog es para ver casos prácticos, directos y sencillos de entender.

La idea que tengo es mostrar un vídeo resumen de este artículo donde podrás ver los beneficios de una buena visualización de capas, mapas, quick analytics e informes.

Por eso, si quieres que suba el vídeo, comparte este artículo en las redes sociales.

Si quieres déjame tus comentarios para orientar el vídeo

Si te he aportado alguna idea o te ha parecido interesante este artículo, por favor, ayúdame a difundirlo.

1 abrazo

5 pasos para detectar “bolsas” de clientes usando un algoritmo de Location Intelligence

Los algoritmos de Location Intelligence debería ayudarnos a responder las siguientes preguntas:

¿Dónde están los “caladeros de clientes”?
¿No debería existir algún algoritmo que utilice toda la información Open Data y que nos diera algún ranking de zonas que sean atractivas comercialmente?
¿Sería recomendable colocar algún soporte de publicidad para mejorar la comunicación de mi propuesta de valor?
¿Acaso no me debería dar incluso una alerta para hacer una acción táctica de telemarketing o de visita comercial?

Y, por último, ya exigiendo al máximo a los datos y a la información ¿En función del nivel de potencialidad, podría saber cuántos puntos de venta podría abrir en una zona?

Estas son algunas de las preguntas que las áreas de negocio comúnmente nos plantean.

Los algoritmos de “Huecos” (huecos de oportunidad) en Location Intelligence permiten encontrar “bolsas o caladeros” de clientes utilizando un método que recorre múltiples zonas geográficas teniendo como objetivo final obtener un ranking de zonas comerciales ordenadas por la existencia de un target determinado de clientes.

A mayor cantidad de clientes target, el algoritmo pondera esa cantidad de posibles clientes para ordenar las zonas que va encontrando.

En el contexto de Location Intelligence, los algoritmos de huecos son programas/scripts realizado que acceden fuentes de información geolocalizada de clientes potenciales.

Veamos a continuación cómo podemos usar este tipo de algoritmos para buscar bolsas de clientes potenciales

Paso 1. Define tu target, define la demanda

El paso inicial para configurar el “hueco de mercado” es definir las características del público objetivo.

Las variables que se dispongan se podrán “tramear” para definir rangos que puedan ser interesantes para el área de negocio.

En función si el mercado es B2C o B2B se deberá contar con una batería de variables. Por ejemplo:

Caso B2C:

Población residente (vive en esa zona)
Población flotante, personas que pernoctan esa zona.
Nivel de riqueza
Tramos de edad
Género
Densidad de población
Y un largo etcétera

Caso B2B:

Número de empresas
Características de las empresas como la actividad (CNAE), facturación, número de empleados, etc.
Es importante contar con métricas de alto valor como:
- Nivel de Actividad
- Scoring de Riesgo
Densidad comercial, etc.

Evidentemente, entre mayor y más actualizado esté esta batería de variables, mayor precisión aportará el algoritmo.

Este es un punto clave en este tipo de algoritmos.

Paso 2. Define el tamaño de área al que puedes atender

El tamaño del área se puede interpretar como el área geográfica que puedes atender. Algunas veces es similar al área de influencia que puede ejercer un punto de venta. También se denomina “anillos”.

Las áreas de influencia se pueden estimar usando la información de un club de fidelización. En el White Paper “Big Data + Clienting” trato en detalle este tema, descárgalo para que lo puedas revisar con detenimiento.

En caso de que no contemos con esta información, una forma de resolver este inconveniente es hacer hipótesis de negocio.

Y decidir de forma arbitraria el área de influencia que tendría un hipotético punto de venta en esa zona que pueda atender a esa “bolsa o caladero” de clientes [Read more…]

Lo que todo el mundo debería saber a la hora de analizar un mapa temático – Caso de negocio en geomarketing usando cortes naturales de jenks vs cuantiles

A la hora de crear mapas temáticos y analizar la variable contenida en el mapa, es muy probable que hayamos utilizado el método de cuantiles, pero ¿acaso es el único método para tramear? ¿existen otros métodos? ¿sabías que existe un método llamado Corte Naturales de Jenks? Y lo más importante, en el caso de interpretar mapas, donde ya hay una connotación geográfica… ¿qué es lo más recomendable? ¿a partir de qué método es más fácil interpretar mapas y obtener conclusiones?

Esto es lo que veremos en este video artículo.

Empecemos.

Lo que queremos es los que tramos “nos hablen”

Todos lo que nos dedicamos a análisis de negocio tenemos la premisa que para interpretar las cifras necesitamos usar tramos con el principal objetivo que agrupe elementos (ya sea clientes, tiendas, productos y un largo etcétera) con similares comportamientos.

Es importante como analista de negocio, sacar el “oro” de muchas fuentes con el objetivo de generar conclusiones y recomendaciones.

Por eso, es necesario que los tramos “nos hablen”, “nos digan” los grupos de unidades (clientes, tiendas, productos, regiones, etc.) que tienen comportamiento similar, con el fin de ir generando las hipótesis de negocio, es decir, interpretando los datos y a partir de ahí, generar conclusiones y recomendaciones.

Sin entrar en el detalle estadístico o matemático, principalmente porque no soy ni estadístico, ni matemático L ; lo que busco con este artículo es mostrar de forma práctica las ventajas de utilizar los cortes naturales de jenks vs el método de los cuantiles.

Personalmente prefiero perder algo de rigurosidad matemática, si con eso gano velocidad en el análisis.

Por tanto, a continuación, verás una explicación de negocio y no tanto una explicación matemática.

Como digo, los tramos nos deben servir para generar conclusiones de negocio, son una herramienta, no un fin. Y siempre depende del contexto de negocio.

Empecemos por algo básico ¿Por qué tramear variables?

La respuesta es muy simple, al tramear una variable lo que se busca es juntar en un mismo rango (intervalo) de valores a los elementos que tienen un valor similar.

Si no usamos tramos o rangos de valor, sería complicado analizar variables numéricas como el peso, la longitud, densidad, edad o el sueldo, por citar algunas variables.

En el caso de negocio que veremos en este artículo vamos a tramear el número de clientes por zona geográfica.

Método 1 – ¿Qué son los cortes de Jenks?

Hay algunas veces que me gusta echar mano de la historia, y ésta es una de esas pocas oportunidades que tengo.

George Frederick Jenks fue un cartógrafo norteamericano del siglo XX. Se graduó en la Universidad de Syracusa y trabajó en la Universidad de Kansas durante 37 años. Fue en esta universidad que dictó el curso de Cartografía. Dedicó mucho tiempo a promover técnicas de mejora cartográfica, así como investigar con mapas tridimensionales, mapas temáticos y geo estadística.

Jenks quería mejorar la precisión/rigurosidad visual de los mapas coropléticos (mapas temáticos que representan una variable, más información en https://es.wikipedia.org/wiki/Mapa_coropl%C3%A9tico ) usando elementos que eviten usar las medias para generalizar los datos.

Jenks buscaba visualizar las diferencias entre los tramos de las variables

La situación geo estadística genera que, debido a las connotaciones propias de la geografía se puedan presentar y visualizar casos de valores extremos (valores extremos de densidad de población o una superficie, por citar algunas métricas). Y es ahí donde su método aplica muy pero muy bien.

Si quieres echar una mirada a la historia de George Jenks, aquí te dejo el enlace a la Wikipedia. https://en.wikipedia.org/wiki/Jenks_natural_breaks_optimization

Método 2 – ¿Qué son cuantiles?

Los cuantiles son puntos tomados a intervalos regulares de la función de distribución de una variable aleatoria.

El término cuantil fue usado por primera vez por Kendall en 1940.

Los cuantiles suelen usarse por grupos que dividen la distribución en partes iguales; entendidas éstas como intervalos que comprenden la misma proporción de valores. Los más usados son:

Los cuartiles, que dividen a la distribución en cuatro partes (corresponden a los cuantiles 0,25; 0,50 y 0,75);
Los quintiles, que dividen a la distribución en cinco partes (corresponden a los cuantiles 0,20; 0,40; 0,60 y 0,80);
Los deciles, que dividen a la distribución en diez partes;
Los percentiles, que dividen a la distribución en cien partes.

Caso de negocio de geomarketing– Número de clientes por zonas geográficas

El caso de negocio que usaremos para mostrar las diferencias al usar cada método parte de esta hoja de valores.

Supongamos que tenemos la siguiente tabla de clientes por Comunidad Autónoma (CCAA) de España.

[Read more…]