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.
Índice
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