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…]