Geomarketing - Áreas de Influencia (II) El modelo MCI

Como se vio en el primer post sobre las áreas de influencia el modelo más usado y base de los siguientes modelos gravitacionales fue el modelo de Huff que tomaba como referencia la distancia de un consumidor o cliente y la superficie del establecimiento como variables más importante a la hora de escoger un determinado establecimiento. El problema que planta esta afirmación es evidente, ¿es la distancia y la superficie lo que nos hace acudir a un lugar? ¿Realmente la superficie importa tanto?

El módelo MCI (Multiplicative Competitive Interaction) fue propuesto por Nakanishi y Cooper en 1974, en su artículo "Parameter Estimation for a MCI Model, Least Square Approach" y nacia del estudio anterior en 1972, donde se obtuvo que las ofertas eran decisivas a la hora de atraer clientela. Es por ello que existía la necesidad de ampliar el modelo de Huff a tantas variables (no sólo la distancia) explicativas del fenómeno de la atracción a un lugar.

Otra característica importante que nos ofrecen los modelos MCI son su propia resolución. En el ejemplo del anterior post se estimaba una beta igual a dos, pero no es siempre así, pudiendose calcular la misma gracias a que el modelo MCI tiene la forma de un modelo multíple de regresión.

¿Qué variables se pueden tener en cuenta a la hora de formular el MCI? Algunos ejemplos son:

• La existencia de parking. Si tengo que realizar la compra semanal a mi particularmente no me apetece ir cargado con 10 bolsas, prefiero ir en coche la verdad. (Es mi opinión, que quede claro, ¿eh?)
• Variedad de productos. A mi ir a un supermercado y encontrarme con que las marcas blancas son un 70% de los productos pues no me gusta, prefiero poder escoger entre varias marcas.
• Precios. ¿qué decir al respecto?
• Calidad. La calidad a todos los niveles, desde atención al público hasta los productos. Cuando uno va a determinados centros hard discount ya sabe a lo que se enfrenta.
• Diseño. El diseño visto desde el punto de vista del merchandising, la ubicación de ciertos artículos, zonas frias, zonas calientes, cosas mucho más que estudiadas. Esto me suscita la aplicación de un microgeomarketing dentro de un establecimiento.
• Marca. La percepción de la marca, asociar patrones, incluso procedencia de la empresa.
• Personal. A mi particularmente me da mucha rabia tener que esperar en una cola cuando hay 5 cajas vacias sin atender.
• Limpieza. Llega el punto que algunos establecimientos ni la cuidan aposta para dar esa imagen.
• Zonas infantiles. Para quien tenga niños, por algo será que todos los centros comerciales tienen zonas infantiles, no?
• Y un sinfín de variables, pero que no olvidemos que en función de la zona, ciudad o región hay que estudiar y analizar su significancia dentro del estudio, ya que no es lo mismo Madrid que Valencia, que el Barrio de Salamanca que Las Tablas, el Ensanche que La Coma....

La expresión que resume el modelo MCI es:

El problema que plantea este modelo es encontrar, evaluar y calcular las variables a introducir en el modelo. Para ello se debe recurrir al muestreo, pudiendo seguir el siguiente esquema (Colomer, 2002):

1. Encuesta para averiguar el comportamiento de los clientes a la hora de elegir un establecimiento.
2. Extraer las variables del estudio
3. Formular la expresión del MCI a partir de las mismas
4. Calibrar el MCI (calcular las betas)

Una tesis, que ójala pudiera escribir un día, es la de Rosa Colomer, de la Universidad Pompeu Fabra. La misma se puede consultar en http://www.tdx.cesca.es/. En ella se hace un estudio para los supermercados de dos zonas, una para Barcelona (España) y otra para Milton Keynes (U.K.) que además tengo la suerte de conocer por mis visitas esporádicas a Cranfield. El resultado final de su estudio fue que para los consumidores de la zona de estudio de Barcelona las variables que más influian a la hora de escoger un supermercado eran (a parte de la distancia):

1. La accesibilidad por medios de transporte, como parkings, líneas de metro, autobuses...
2. Imagen de la política de ofertas.

El mismo estudio en U.K. mostró que las variables más importantes eran la calidad y variabilidad de productos, y la imagen de la política de ofertas. Las betas obtenidas se pueden consultar en su tesis en el siguiente link: http://www.tdx.cesca.es/TESIS_UPF/AVAILABLE/TDX-0227103-135727//trcp1de1.pdf

Si del ejemplo anterior tomamos los mismos supermercados las áreas de influencia obtenidas serían:

GeoMrketing - Áreas de Influencia (I) Modelos Gravitacionales

Se abre con este post unos de los temas más importantes a la hora de efectuar un estudio de geomarketing, las áreas de influencia. He creído conveniente dividir el tema en varias entregas, una por cada tipo de área. En esta primera entrega se habla de los modelos gravitacionales, los más interesantes ya que miden la atracción de un punto de venta y nos pueden servir para evaluar el posible comportamiento ante la apertura de un punto de venta, aunque en siguientes temas se comentarán las áreas por reparto total del territorio, por distancias, según la distribución de los propios clientes y según la distribución de la propia red de oficinas.

¿Qué se entiende por área de influencia?
Por el área de influencia se entiende el espacio geográfico cuya población se dirige con fuerte preponderancia a una localidad importante de ese espacio, para la adquisición de bienes o servicios allí ofertados. Parece lógico aplicar la “Ley del mínimo esfuerzo” por la cual los fenómenos de la naturaleza alcanzan sus objetivos por el tramo más corto. Es por ello que distancia o tiempo de viaje es una variable importante, ya que conforme aumentan éstas, la atracción disminuye.

Los modelos gravitacionales
La estimación de las áreas de mercado ha sido muy estudiada y se han creado multitud de modelos tanto analíticos como matemáticos dentro de los sistemas de información geográfica (Moreno, 2002). Estos modelos se pueden englobar dentro de los llamados modelos gravitacionales que se fundamentan en dos variables, una variable “masa” o de atracción y otra variable “fricción” o de frenado. Los modelos más estudiados son los de Reilly (1931), Huff (1963) y el Multiplicativo de Interacción Competitiva (MMIC) de Nakanishi y Cooper (1974). En estos modelos las variables han sido sustituidas por la superficie de venta (“masa”) y la distancia (“fricción”), mientras en los modelos MMIC no son sólo dos las variables si no las que se deseen o deriven como significativas de un estudio estadístico.

El modelo de Huff
Como se ha comentado en el punto anterior el modelo de Huff responde ante dos variables, la distancia y la superficie, siendo la segunda variable la significativa para puntos de venta como supermercados. La expresión es:

Una explicación más detallada se puede observar en la documentación de Chasco (1998) en el 6º Congreso de Cooperación Transfronteriza celebrado en Zamora (Link)

La importancia de este modelo radica en que calcula probabilidades de que un cliente vaya a un establecimiento o a otro, e incluso estimar en que medida va a uno y a otro, lo que por ejemplo, facilita la estimación de cuotas de mercado (en otro tema más adelante trataré las cuotas de mercado a partir de la propuesta de Kotler y Lane). Como es evidente el cálculo en un SIG es bastante sencillo, donde a partir de los ejes viales o tramos de calle se pueden calcular las distancias de las mismas a los centros de venta.

Otra aplicación de este cálculo es para estudiar la situación competencial de nuestros establecimientos respecto la competencia. Para el estudio de la competencia se puede partir del esquema de Gosh y McLafferty (1987) citado en Moreno (2001) donde las áreas son evaluadas de acuerdo con la posición competitiva y el potencial de la demanda.

+ Situaciones de interés para la empresa; 0 situaciones de neutralidad; - Situaciones sin interés
Clasificación bivariada de la competencia según Ghosh y McLafferty (1987).

Como a más de uno se le habrá ocurrido, existen multitud de aplicaciones de estas áreas, como por ejemplo el análisis de campañas de marketing directo en las áreas, la distribución de las ventas, de la fidelización, la frecuencia de compra en estas áreas, la distribución de los clientes en las mismas…y un sinfín de aplicaciones que nos ayudan a comprender la situación de nuestra empresa o negocio en el entramado geográfico.

Cálculo del modelo de Huff en un GIS
Se ha realizado el cálculo con dos software comerciales, ArcGIS 9.2 de ESRI y GeoSTAT de Arvato Services. Para realizar el cálculo mediante el primer GIS se necesita la extensión Network Analyst y/o Business Analyst, aunque con la segunda se puede hacer de manera directa, con la primera también es posible calcularla con unos pasos más. Un manual de la extensión Network Analyst se puede encontrar en la web de Gabriel Ortiz (Link). Para el cálculo de las rutas en GeoSTAT al estar basado en MapInfo se debe contar con la extensión de Magellan ChronoMap.

Pasos a seguir:
1. Creación de la red de calles. Se puede hacer de manera manual, o comprar la cartografía a empresas como NavTeq o Tele-Atlas.
2. Una vez creada la red se calculan los centroides de cada tramo de calle, que nos servirán de base para saber la probabilidad de que la persona que viva en esa calle acuda a un establecimiento.
3. Localización de los centros de venta propios como de competencia. ArcGIS contiene un modulo de geolocalización, aunque al no normalizar las direcciones puede dar errores. GeoSTAT tiene un modulo llamado GeoCODE por el que tras un proceso de normalización asigna coordenadas disparando a una base de datos con maestros de calle de toda España, evitando errores como calles antiguas, o idiomas regionales.
4. Cálculo de la distancia de los centroides a los puntos de venta y cálculo del modelo a partir de las consultas de distancias totales y superficies.

Ejemplo: Dos cadenas, con tres establecimientos cada una, con una superficie de 1600, 1700 y 2500 m2 en la cadena A; y 1000, 2500, 1800 m2 en la cadena B.

Se han calculado las probabilidades para cada tramo de calle, y se ha efectuado un rango según la probabilidad de:

1. Capacidad de Atracción Alta: >0.6
2. Capacidad de Atracción Media: Entre 0.4 y 0.6
3. Capacidad de Atracción Baja: <0.4

Área de Influencia según Huff global para las dos cadenas

El cálculo del área de influencia no nos da tanta información de partida, pero a partir de él se pueden calcular y tomar decisiones mucho más importantes, como por ejemplo las políticas de marketing directo, que pueden ir enfocadas a las zonas donde tenemos mayor atractivo, o lo contrario si adaptamos una política de captación. En próximos posts se verán estas mismas áreas cruzadas con la distribución de los clientes, qué información se puede extraer de fuentes de datos externas a partir de las áreas, ubicar un nuevo establecimiento, e incluso aplicar modelos predictivos como pueden ser la facturación a partir de las áreas y la información de las mismas.

Figura 2. Área de influencia por cada establecimiento

Del cálculo de las áreas de cada establecimiento se puede analizar los procesos de canibalización, a partir de la información de nuestros clientes, según donde viven y donde compran. Otra aplicación interesante es estudiar el comportamiento de un establecimiento y asignar variables espaciales, que sumando con el conocimiento que se puede tener de su área se puede extrapolar al comportamiento de otros establecimientos en situaciones de competencia similar.

Bibliografía
HUFF, D. 1963. Defining and estimating s trade area. Journal of Márketing, 28, p 34-38.
HUXHOLD, W. y LEVINSON, A. 1995. Managing Geographic Information System Projects. Oxford University Press.
MORENO JIMÉNEZ, A. 2001. Geomárketing con Sistemas de Información Geográfica, Universidad Autónoma de Madrid y Asociación de Geógrafos Españoles. Madrid.
NAKANISHI, M. y COOPER, L.G. 1974. Parameter Estimate for Multiplicative Interactive Choice Model: Least Squares Approach. Journal of Márketing Research, nº 11, pp. 303-311.
REILLY, W.J. 1931. The Law of retail Gravitation. New York.