Paco terminó de darle un buen bocado a su sándwich y sin esperar a tener la boca vacía, dijo – este local es nuestro; he visto poca competencia, parece que aquí hay dinero, he visto buenos coches, el censo indica que hay más de 3.000 personas alrededor, así que la apertura será aquí. Encárgate de todo lo relacionado a la apertura y dile a Imanol que hable con el de legal-
La orden estaba dada.
La apertura sería aquí. La empresa empezaría a gastar unos 500.000 euros como mínimo y vería los resultados en “algunos” años.
Paco estaba satisfecho, aunque su compañero, Daniel, algo más analítico tenía todavía grandes dudas. ¿Acaso no se podía hacer mejor? ¿No tendríamos que hacer un estudio más riguroso? ¿No debería analizarse las ventas históricas de las tiendas y aprender de ellas? ¿Y cuándo se recuperará la inversión, es decir, que hay del Payback?
Muchas aperturas de locales comerciales se basan en datos muy básicos, en plena era de Big Data, seguimos con la metodología de hace décadas.
Este post está orientado al Área de Expansión que desea mejorar los ratios de Payback usando fuentes de información externa (Big Data) que nos permitan decidir, con datos e información, cuál es el mejor sitio para abrir un punto de venta (tienda, oficina o sucursal).
Pero ¿cuánto esfuerzo significa abrir una tienda (Punto de Venta)?
La inversión aproximada para abrir un nuevo Punto de Venta ronda los 500.000 euros. Por supuesto que esta inversión puede variar y, en algunos casos subir muchísimo.
Por ejemplo, el local puede necesitar:
- Mobiliario especializado (caja fuerte, insonorización, cámara de frío, salida de humos, etc.).
- Reformas para adaptar el espacio
- Un largo etcétera
Todo esto suma y suma, y se estima, bajo mínimos, que esta cantidad puede rondar unos 500.000 euros en los tres primeros años. Es decir, medio millón de euros, vaya.
Método tradicional de apertura de un Punto de Venta
Supongamos que el Área de Expansión no cuenta con una herramienta de Geomarketing y Big Data. Tradicionalmente se realizarían los siguientes pasos:
Paso 1 – Observación
Por supuesto que el trabajo de campo se debe realizar, no hay duda. La observación “in situ” aporta información que los mapas y los números no detectan y, que en numerosas ocasiones son muy relevantes. El trabajo de campo consistiría principalmente en la toma de datos. Las principales tareas serían:
1. Imprimir el mapa
Supongamos que el área de expansión va a Google Maps y se descarga el mapa con la nueva ubicación. Sirve para conocer el área a visitar.
Ventaja: Rápido y sin coste.
Desventaja: No delimita el área de estudio bajo un criterio de distancia, ya sea en tiempo a pie, en coche o de forma lineal.
2. Conocer el número de habitantes (residentes)
La fuente de información podría ser el censo de habitantes. En España esta información la proporciona el INE (Instituto Nacional de Economía). En el siguiente enlace podrás ver la población por provincias.
Ventaja: Rápido y sin coste.
Desventaja: Falta de precisión. INE proporciona información agregada por municipio sin considerar áreas de estudio delimitadas.
3. Geo posicionar a los puntos de venta de competidores
Para realizar esta tarea, el trabajo de campo aporta una información muy valiosa. Esta tarea es clave para valorar la presión competitiva que hay en el área.
Ventaja: Información actualizada.
Desventaja: No aplica. Se podría mejorar conociendo los formatos comerciales. En el caso del sector retail alimentación cualificar los puntos de venta a de la competencia (híper, super, hard-discount, tienda de barrio, etc.) sirve para valorar la presión que realizan otros competidores sobre el área de estudio.
4. Trafico de peatones:
No solo los residentes (habitantes) son el público objetivo del Punto de Venta, sino los transeúntes. Personas que pasan frente al local y que son posibles clientes. Esta información puede ser proporcionada por empresas especializadas. Queda por valorar el coste de esta información.
Esta tarea también puede ser realizada realizando muestras de tráfico según día de la semana, hora. No es una información precisa, pero nos puede dar una referencia.
Paso 2 – Estimación de venta con datos históricos
Contar con datos históricos de otras tiendas y analizar el performance que logran tiendas en períodos anteriores nos permiten estimar el período de recuperación de la inversión (PayBack).
Tradicionalmente ha habido poco uso de información histórica con este fin, se podría deber principalmente a que estos modelos necesitan perfiles de profesionales expertos en GIS que combinen conocimiento matemático.
La salida de estos modelos (data-mining) ganan precisión con Big Data debido a que aportan información relevante a:
- La oferta: Toman en cuenta la oferta de otros proveedores y/o sustitutivos para el público objetivo.
- La demanda: Cualifican la demanda, no solo la cantidad de personas que pueden ser clientes, sino el nivel de renta, la tasa de paro, la población flotante, etc.
Caso práctico – Introducción
Este blog es para casos prácticos, por eso vamos a evaluar la apertura de una tienda usando Big Data. En este caso, no voy a entrar en detalle de cómo descargar la información, ni cómo estructurarla, ni normalizarla. Doy por hecho que hay herramientas y plataformas en el mercado que ese trabajo ya lo realizan. Creo que no tiene sentido dedicar esfuerzos en obtener información pública (Open Data), para eso están los proveedores de información.
Para este caso práctico vamos a usar la plataforma Big Data Xpert de Axesor Marketing Intelligence.
Vamos a analizar la última apertura, según San Google la última apertura supermercado alimentación es del Grupo Eroski, http://www.100franquicias.com/Noticias/2017-03-09-Eroski-inaugura-una-nueva-franquicia-de-supermercado-en-Lucena.htm.
La dirección es Calle Hoyo del Molino 3, Lucena, Córdoba. A continuación, podemos ver la localización de la tienda en la herramienta Xpert.
Vamos a echar una mirada usando Street View de la tienda en cuestión. Parece que esta tienda era una franquicia de Coviran y ahora es de Eroski.
Enfoque del método de abrir una tienda usando Big Data
Antes de trabajar en detalle con la plataforma Big Data, es necesario redefinir algunos procesos previos y de enfoque de negocio. Big Data no sólo es contar con más información, es importante ver cómo encaja en nuestro objetivo de negocio.
A continuación, podemos ver los principales factores que definen la zona de influencia para una tienda o punto de venta (oficina, sucursal, etc.)
Método para abrir una tienda (Punto de Venta) usando Big Data
Paso 0 – Dividir el área de influencia por cercanía
Dado que el caso práctico es de una tienda de alimentación, hemos puesto de forma arbitraria 3 y 6 minutos a pie desde la tienda. Es decir:
- Anillo 1, de 0 a 3 minutos a pie (zona de color rojo)
- Anillo 2, de 3 a 6 minutos a pie (zona de color verde)