Espacios. Vol. 36 (Nº 18) Año 2015. Pág. 8
Nelcy Rocío ESCOBAR-MORENO 1; Javier Mauricio JÁCOME Molina 2; Giselle Leandra GARCIA Palma 3
Recibido: 27/05/15 • Aprobado: 05/07/2015
RESUMEN: Este trabajo parte de una revisión general acerca del Geomarketing y sus aportes para la gestión organizacional. Su objetivo es dar a conocer su utilidad, mediante una evaluación en una prueba piloto en una microempresa colombiana. Así, el documento indaga sobre el Geomarketing y su importancia revisando la utilidad de algunos elementos geográficos en las teorías sobre el comportamiento del consumidor, sobre la ubicación de las ofertas de mercado, y cómo esto influencia las decisiones en la organización. Seguidamente plantea los resultados de una prueba piloto en una microempresa colombiana, donde se demuestra de manera preliminar la utilidad mencionada. Esto se hace mediante el apoyo de la técnica estadística de Análisis de Conglomerados, así como por el análisis espacial asistido por computadora. |
ABSTRACT: This paper begins with an overview about the Geomarketing and their contributions to organizational management. Its aim is to present its usefulness through an evaluation of a pilot test in a Colombian microenterprise. Thus, the paper investigates the importance Geomarketing and reviewing the usefulness of some geographical elements in theories about consumer behavior on the location of the deals market and how this influence decisions in the organization. Then it arises the results of a pilot test in a Colombian microenterprise, where preliminarily demonstrated the utility said. This is done by supporting the statistical technique of cluster analysis, as well as spatial analysis assisted by computer. |
El término Geomarketing aparece tras la fusión de dos grandes ciencias: la geografía y el mercadeo. Así pues, el fin de esta nueva disciplina es determinar la manera adecuada de satisfacer las necesidades de los consumidores de acuerdo a su ubicación geográfica.
Existen varias definiciones de Geomarketing, con diferencias en lo que las mismas expresan. Mientras algunas de ellas se centran en los aspectos técnicos, otras hacen énfasis en el desarrollo de conceptos propios del marketing por medio de las herramientas propias de los SIG y el análisis espacial.
Un ejemplo del primero de los casos, se encuentra en Latour y Floch (2001) quienes afirman que: "El Geomarketing es un sistema integrado por datos, programas informáticos, métodos estadísticos y representaciones gráficas que ofrecen información útil para la toma de decisiones, por medio de instrumentos que combinan cartografía digital, gráficos y tablas".
Por su parte Chasco afirma que el Geomarketing "permite analizar la realidad económico-social desde un punto de vista geográfico, a través de instrumentos cartográficos y herramientas de la estadística espacial". (Chasco, 2003).
Otros autores presentan en la Toma de Decisiones el objetivo principal del Geomarketing, relacionándolo así como un método relacionado con técnicas de análisis espacial. En el 2005, Sampaio define esta disciplina como "la gestión de información mediante la combinación de datos espaciales y de negocios para apoyar las decisiones dentro de un área de mercado" mientras que para Amago "Es la visualización del mercado, clientes y atributos alfanuméricos en un mapa temático y en otros tipos de mapas para poder apreciar mejor las relaciones, tendencias y oportunidades de negocio en un área geográfica" (Amago, 2000).
Partiendo de las visiones anteriores, se puede construir una definición general del concepto de Geomarketing, bajo la cual se entenderá el constructo en este trabajo: El Geomarketing utiliza datos espaciales que se procesan mediante estadística espacial y visualizan mediante cartografía temática con el fin de determinar el comportamiento del mercado en áreas geográficas específicas para la toma de decisiones de negocios. Para ello analiza la realidad económico-espacial mediante conceptos provenientes de diferentes disciplinas como la geografía, la economía y el mercadeo.
Sus antecedentes datan de la industrialización y las diferentes teorías económicas que buscan satisfacer necesidades a través de la oferta y la demanda.
De acuerdo con Cavión (2008), inician al intentar comprender fenómenos humanos y de comportamiento en un espacio determinado y cómo este comportamiento interactúa con variables de mercado y agentes económicos que los vuelven mesurables y les da un costo; el cual incluye el compuesto llamado marketing: producto, comunicación, distribución, y precio; lo que lo conduce a interesarse y explorar el espacio geográfico y cómo el mercado y el consumidor interactúan en él.
Así, pueden establecerse bases conceptuales del Geomarketing en la misma Economía Espacial, pues teorías como las planteadas por Marshall (1890) e Isard (1956) (citadas en Díaz Bautista, 2003; y en Moncayo Jiménez, 2001); o la de Harris (1954) (Citada en Posada y Vélez, 2008), ven en la ubicación geográfica una variable de gran relevancia para el desarrollo de la actividad económica.
Otros de los antecedentes del Geomarketing se fundamentan en los estudios de ciencias como la Geodemografía (Sleight, 1997), el análisis de los Sistemas de Información geográfica SIG (Azuero, 2007) (Cárdenas, s.f.); y la Cartografía Automatizada (Valdés, 2003).
Así mismo, investigaciones relacionadas con los estudios del espacio y el marketing han alimentado el análisis del Geomarketing a lo largo de los últimos años; pues estudios como los de Villalba y Pérez, (2008), Cliquet, (2006a, y 2006b); Orta, Suárez, y Paredes (1999); Berbel Pineda (1999), Yrigoyen y Otero (1997), y, Dion y Cliquet (2006a y 2006 b) así lo comprueban.
Luego de haber revisado el constructo de Geomarketing y sus antecedentes, este documento se permite analizar, desde una prueba piloto en el contexto empresarial colombiano, su utilidad y pertinencia.
Es así como, se ha seleccionado una microempresa [4] de la ciudad de Bogotá D.C., interesada en la identificación espacial de sus consumidores, en donde se ha estudiado a fondo la utilidad del Geomarketing como herramienta para la toma de decisiones de mercadeo. En este caso para la segmentación de mercados.
Pero, ¿Qué es la Segmentación de Mercados?
De acuerdo con Kotler y Gary y Armstrong, 2012), la segmentación de mercados es el proceso mediante el cual una empresa divide el mercado total de un bien o servicio, en varios grupos más pequeños e internamente homogéneos con el fin de emplear un programa de marketing en cada uno de ellos.
Este proceso resulta de identificar características propias y particulares en cada grupo y determinar en ellos una importancia determinada para los objetivos de la empresa.
La segmentación de mercado puede definirse así como el proceso de agrupación de consumidores similares dentro de un mercado de acuerdo a sus necesidades, hábitos o actitudes con el fin que puedan ser identificados a través de programas de marketing. Cada uno de estos segmentos puede considerarse diferente pues los consumidores tienen características particulares y pueden reaccionar de manera distinta a los estímulos y acciones de marketing en relación a otros segmentos, pues de reaccionar de la misma forma no existiría justificación ni necesidad de segmentar los mercados. Incluso dentro de un segmento grande se pueden llegar a identificar nichos o segmentos más pequeños de consumidores con necesidades distintas o que buscan diferentes beneficios (Kotler & Keller, 2009), y si se consideran útiles pues con el tiempo, estos segmentos pequeños pueden crecer y convertirse en segmentos rentables para la empresa (Wood & Borja, 2004)
La segmentación también puede definirse según Lamb (2006), citado por Vélez como "el proceso de dividir un mercado en segmentos o grupos identificables, más o menos similares y significativos, con el propósito de que el estratega de marketing ajuste la mezcla de mercadeo a la medida de las necesidades de uno o más segmentos específicos" (Vélez, 2008, p. 11).
Sin lugar a dudas la segmentación es una parte muy importante de la planificación del marketing pues permite a los directivos de las empresas dirigir sus recursos hacia mejores oportunidades, siendo esto el resultado de una mayor eficiencia y efectividad pues la gerencia comercial llega a conocer muy bien a los clientes que forman parte del segmento y por lo tanto saben que buscan y necesitan cada uno de ellos, esta relación entre el consumidor y la empresa, permite detectar rápidamente cualquier cambio o problema que halla en el segmento y actuar. Además, la segmentación ayuda a la empresa a gestionar su competitividad al actuar en aquellos segmentos donde no hay ninguna compañía presente y donde puede aprovechar esta ausencia y la insatisfacción de servicios generando ventajas competitivas y diferenciadoras en el mercado, tal cual se identifica en el desarrollo de estudios de mercado y en el alcance que estos tienen gracias a la segmentación.
Acorde a su definición e importante utilidad para las empresas, la segmentación se traduce en el poder seleccionar el mercado adecuado o meta, comprendiéndose este último según Kotler y Keller (2009), como el "conjunto de compradores que tienen necesidades o características en común y la empresa decide servir" y donde el posicionamiento de un producto o servicio, es aquel elemento de marketing clave para la mayoría de bienes de consumo que permitirá evitar la competencia frontal en el mercado, al diferenciar sus productos apoyándose en factores como: precio, estilo, empaque, atractivo promocional, sistema de distribución y nivel de servicio.
Según Schiffman y Kanuk (2005) al elegir un segmento de mercado es importante conocer que no todos son viables o rentables, por tal motivo existen algunos criterios para escoger de forma efectiva el mercado meta, es un reto para una compañía determinar cuáles deben ser los segmentos a los que debe dirigirse de forma adecuada. Estos son: 1. Identificación –consta en dividir el mercado en segmentos separados con base en necesidades comunes o compartidas, o características que sean relevantes para el producto o servicio; 2. Suficiencia –Consta en que un segmento debe tener suficientes consumidores lo cual garantice que sea rentable; 3. Estabilidad – se refiere a que los consumidores de los segmentos sean estables en términos de estilo de vida y patrones de consumo; 4. Accesibilidad- esto es que se pueda alcanzar dicho segmento en forma económica- 5. Congruente con los objetivos y recursos de la compañía -No todas las compañías están interesadas o tienen los recursos para llegar a cada uno de los segmentos del mercado aun cuando tal segmento cumpla con los criterios descritos anteriormente-.
Adicionalmente, hay que mencionar que para el desarrollo de la segmentación de mercados es indispensable analizar distintas variables de segmentación. Para éste caso de análisis valga resaltar aquellas variables geo-demográficas que indudablemente tienen un papel de gran relevancia para los estudios de segmentación.
De acuerdo Schiffman y Kanuk (2005), el lugar donde una persona vive determina algunos aspectos de su comportamiento de consumo, el uso más popular de la geografía son los datos geo-demográficos pues se basan en la premisa que es muy probable que la gente que vive cerca entre sí tenga medios financieros, gustos, preferencias, estilos de vida y hábitos de consumo similares.
Así las cosas, y luego de evaluar la importancia de la segmentación en torno a las decisiones de marketing en la empresa, a continuación se desarrolla el análisis de identificación geoespacial de consumidores para la microempresa colombiana Empanadas the3go S.A.
Antes de iniciar el desarrollo del análisis, es pertinente aclarar que inicialmente el proceso se desarrollará bajo la técnica de Análisis de Conglomerados, y para lo cual es importante recordar cuál es su significado y su utilidad en el ámbito del marketing.
De acuerdo con Escobar-Moreno (2012), basada en Aldás (2008), puede decirse que, dada una muestra de observaciones en un conjunto grande de variables cuantitativas, el análisis de conglomerados es una técnica para agrupar a los elementos de la muestra en grupos, denominados conglomerados (clústeres), de tal forma que, respecto a la distribución de los valores de las variables, por un lado, cada conglomerado sea lo más homogéneo posible y, por otro, los conglomerados sean muy distintos entre sí.
De aquí, que está técnica estadística, en palabras de la autora, se traduzca en una de las más indicadas en las ciencias sociales para identificar posibles grupos de personas que cumplen unas características particulares.
Así mismo, de acuerdo a su propuesta, a esta situación no es ajeno el marketing, pues en él se evalúa, entre otras, cosas el comportamiento de las personas frente a ejecuciones de mercado hechas por las empresas. Así las cosas, es de esperarse que el análisis de Conglomerados resulte indudablemente útil en la labor de segmentación de grupos de usuarios, clientes, audiencias y demás grupos de personas que se estudian desde el marketing.
A continuación se lleva a cabo el proceso de análisis de conglomerados para la identificación de los segmentos:
Objetivo: Se desea saber si pueden identificarse segmentos de consumidores en relación a las variables de identificación geográfica y otras relacionadas que caractericen a los consumidores. El objetivo entonces es segmentar a los consumidores en grupos con características similares relacionadas con su ubicación y características espaciales. Si esto se lograra se podría por ejemplo, formular distintas estrategias de servicio para cada uno de ellos durante la compra, y conocer las razones relacionadas con su ubicación geográfica que pudieran aumentar su frecuencia de compra.
Variables: Tras diversas dinámicas de grupo, se encuentra que algunas de las motivaciones que llevan a las personas a ir de compras habitualmente son las que se plantean a continuación, y que por lo tanto serán las variables del estudio:
Para cada una de estas posibles variables de segmentación, se pidió a los miembros de la muestra: 95 consumidores encuestados en el lapso de 18 días calendario, que dieran respuestas de acuerdo a sus patrones de comportamiento.
Una vez seleccionado el objetivo y las variables del estudio, se aplicó el instrumento de medida de datos, que consistió en un cuestionario estructurado de 9 preguntas sobre comportamiento y 3 preguntas que indagaron sobre los datos de clasificación de los encuestados.
Posteriormente, se evaluó la existencia de datos atípicos- Outliers- con alto nivel de significancia estadística dentro de los datos recolectados.
Tal como lo explica Escobar-Moreno (2012), los Outliers pueden representar, casos que de verdad difieren de la media de la población, o que en el proceso de selección muestral hemos infrarrepresentado un segmento de población determinado. Así, es necesario detectar y evaluar si resultan influyentes o no.
Para ello, siguiendo el método descrito por Escobar-Moreno (2012),, se calculó la Distancia de Mahalanobis, que permitió identificar cuál es la distancia de las distintas observaciones con respecto a la media, y posteriormente permitió inferir cuáles respuestas dadas por los consumidores estaban fuera del patrón de comportamiento de la población de ellos.
Técnicamente, lo que se hizo fue calcular la media del grupo, luego se calculó la distancia D de cada caso con respecto al centroide, y finalmente se eliminaron aquellos casos con una distancia excesiva.
Para el caso en cuestión, se identificaron algunos Outliers en los resultados, sin embargo en un primer momento aún no se conocía si eran o no significativos. Por esta razón se evaluó la significatividad, que, en caso de ser p<0.01, mostraría que el Outlier era realmente influyente.
Tal y como se ve en la siguiente Tabla 1, dos de los Outliers identificados presentaron una significancia menor a 0.01, luego estos se tomaron como influyentes y debieron eliminarse para continuar con el análisis.
Tabla 1: Tabla de resumen
Caso |
Distancia Mahalanobis |
SIG Dist. Mahalanobis |
25 |
30,6 |
0,00 |
66 |
34,2 |
0,00 |
La siguiente decisión en el proceso fue la de elegir la medida de similaridad que se iba a utilizar.
Se ha dicho que dos objetos se pondrán en un mismo grupo si están cerca uno de otro respecto a las variables que se empleen. Pero esa distancia debe ser medida de alguna manera. Para este caso se utilizó la Distancia Euclidea al cuadrado ya que es la recomendada por el método de Ward. Se escogió este método porque garantiza que los segmentos seleccionados sean de tamaños similares, y por lo tanto se espera que esos segmentos sean rentables, como se desea en marketing (Escobar-Moreno 2012).
De acuerdo con Escobar-Moreno (2012), en el análisis de Clústeres no son demasiado relevantes las propiedades estadísticas de normalidad, linealidad y homoscedasticidad. Sin embargo, se debe considerar de manera relevante la representatividad de la muestra y la Multicolinealidad. Para este caso de estudio, la selección de variables no presenta problemas de multicolinealidad porque ninguna de ellas contiene a alguna otra, o representa su mismo comportamiento.
Para estimar el modelo, en primer lugar se llevó a cabo un análisis jerárquico para determinar el número lógico de grupos y posteriormente uno no jerárquico para establecer la mejor solución dentro del número establecido.
La primera salida que se obtuvo en el análisis fue el historial de conglomeración (Ver anexo 1), que nos informa cuál es el comportamiento de los resultados con respecto a los conglomerados que se combinan.
Los coeficientes de este historial nos indican el nivel de esfuerzo requerido para combinar los casos, de manera que un coeficiente pequeño indicará poco esfuerzo para unirlos, mientras que uno grande indica que la unión no es fácil de lograr por las diferencias entre un caso y otro. Sin embargo, una mejor lectura de estos resultados podemos hacerla con el dendograma 1 que se puede revisar en el Anexo 2.
Como vemos en el dendograma 1, para nuestro caso se identifican claramente 3 grupos dado que a una distancia bastante cercana aparecen estas tres agrupaciones que, además, deben ser muy distintas puesto que sólo se agrupan en una a una distancia mucho mayor.
Así, según el dendograma tenemos los siguientes 2 grupos de casos, expresados en la Tabla 2:
Tabla 2: Resultados del Dendograma 1
Grupo |
Casos |
1 |
64,87,10,80,40,73,78,83,53,74,21,76,61,7,68,82,75,48,18,1,26,2,36,37,4,29 |
2 |
38,54,27,58,79,85,84,35,44,14,23,13,51,62,42,5,11,63,66,15,19,81,17,59,12 |
3 |
47,52,34,41,49,6,9,43,50,8,65,70,77,46,45,60,86,30,69,71,32,67,72,25,55,57,56,39,16,20,22,33,3,24,31,28 |
Adicionalmente, podemos calcular de nuevo el clúster jerárquico, pero indicando a SPSS el número de conglomerados, el cual ya lo tenemos: 3. De este modo obtenemos los resultados de la Tabla 3:
Tabla 3: Resultados del Dendograma 2
Grupo |
Casos |
1 |
64,87,10,80,40,73,78,83,53,74,21,76,61,7,68,82,75,48,18,1,26,2,36,37,4,29 |
2 |
38,54,27,58,79,85,84,35,44,14,23,13,51,62,42,5,11,63,66,15,19,81,17,59,12 |
3 |
47,52,34,41,49,6,9,43,50,8,65,70,77,46,45,60,86,30,69,71,32,67,72,25,55,57,56,39,16,20,22,33,3,24,31,28 |
Al hacerlo, vemos que según el dendograma 2 (ver anexo 3), siguen siendo los mismos 3 segmentos que ya habíamos identificado anteriormente.
Ahora, para desarrollar el clúster no jerárquico, hubo que identificar cuáles son los centroides iniciales de esos dos grupos (es decir la media en los dos grupos de las 11 variables que se han utilizado en el clúster).
De este modo, luego de calcular en una variable a cuál de los tres grupos pertenece cada resultado, se calculó una tabla cruzada (Tabla 4) entre la pertenencia al grupo y las variables X1 a X6 tal cual se muestra a continuación (su análisis puede verse en la sección análisis de conglomerados):
Tabla 4: Medias de las variables en cada uno de los Conglomerados:
|
Ward Method |
||
1 |
2 |
3 |
|
Media |
Media |
Media |
|
Lugar de orígen |
2 |
2 |
1 |
Medio de transporte |
6 |
1 |
5 |
Tiempo de viaje |
2 |
4 |
2 |
Frecuencia de compra |
2 |
1 |
2 |
Lugar de destino |
2 |
2 |
2 |
Utiliza domicilios? |
2 |
2 |
2 |
¿Le gustaría otro punto de venta? |
1 |
1 |
1 |
Rango de ingresos del cliente |
2 |
2 |
4 |
Edad |
3 |
3 |
3 |
Esa información se utilizó luego para alimentar el clúster no jerárquico.
Así, se comparó si la solución óptima de los clúster difiere mucho de la que se había obtenido mediante el clúster jerárquico. Para eso se presenta el resumen de los centroides tras aplicar el conglomerado no jerárquicoen la Tabla 5.
Tabla 5: Resumen de los centroides, tras aplicar el conglomerado no jerárquico:
Centros de los conglomerados finales |
|||
|
Conglomerado |
||
1 |
2 |
3 |
|
Lugar de orígen |
2 |
1 |
2 |
Medio de transporte |
6 |
5 |
1 |
Tiempo de viaje |
2 |
2 |
4 |
Frecuencia de compra |
2 |
2 |
1 |
Lugar de destino |
2 |
2 |
2 |
Utiliza domicilios? |
2 |
2 |
2 |
¿Le gustaría otro punto de venta? |
1 |
1 |
1 |
Rango de ingresos del cliente |
2 |
5 |
2 |
Edad |
3 |
3 |
3 |
Aquí logra verse que, en vista de que los centroides son prácticamente iguales a los de la tabla anterior, se confirma a través del clúster no jerárquico, que la solución obtenida antes es confiable.
Adicionalmente, se ve que las medias de las variables en cada uno de los clústeres son significativamente distintas en la mayoría de variables, entendiendo entonces que cada segmento es distinto y que por lo tanto la calidad de nuestro análisis es media-alta.
Así mismo, a partir del análisis de varianza (ver Tabla 6) puede contrastarse la hipótesis nula de que las medias de cada variable en los tres conglomerados son las mismas. Esta hipótesis puede rechazarse para casi todas las variables de nuestro análisis, ya que su significatividad es inferior a 0.05, luego casi todas ellas resultan estadísticamente significativas para el análisis.
Tabla 6: ANOVA |
||||||
|
Conglomerado |
Error |
F |
Sig. |
||
Media cuadrática |
gl |
Media cuadrática |
gl |
|||
Lugar de orígen |
2,215 |
2 |
,717 |
84 |
3,091 |
,051 |
Medio de transporte |
189,667 |
2 |
,568 |
84 |
333,846 |
,000 |
Tiempo de viaje |
43,363 |
2 |
1,044 |
84 |
41,528 |
,000 |
Frecuencia de compra |
,946 |
2 |
,518 |
84 |
1,826 |
,167 |
Lugar de destino |
1,976 |
2 |
,358 |
84 |
5,525 |
,006 |
Utiliza domicilios? |
,039 |
2 |
,034 |
84 |
1,162 |
,318 |
¿Le gustaría otro punto de venta? |
,072 |
2 |
,065 |
84 |
1,111 |
,334 |
Rango de ingresos del cliente |
58,608 |
2 |
,937 |
84 |
62,542 |
,000 |
Edad |
,942 |
2 |
,892 |
84 |
1,055 |
,35 |
Nótese que aquellas variables que presentan una media similar entre algunos de los conglomerados, presentan una significatividad baja, no obstante el resultado de la prueba de significatividad solo se traduce en que la variable toma un valor igual entre dos conglomerados; luego la deducción es que la variable no aportaría una gran diferenciación al segmento como si lo harían aquellas que presentan un nivel de significatividad alto.
Interpretación de los Conglomerados:
Tabla 7: Centros de los conglomerados finales |
|||
|
Conglomerado |
||
1 |
2 |
3 |
|
Lugar de orígen |
2 |
1 |
2 |
Medio de transporte |
6 |
5 |
1 |
Tiempo de viaje |
2 |
2 |
4 |
Frecuencia de compra |
2 |
2 |
1 |
Lugar de destino |
2 |
2 |
2 |
Utiliza domicilios? |
2 |
2 |
2 |
¿Le gustaría otro punto de venta? |
1 |
1 |
1 |
Rango de ingresos del cliente |
2 |
5 |
2 |
Edad |
3 |
3 |
3 |
Según la Tabla 7, de Resumen de medias de los conglomerados, podemos hacer la siguiente descripción de los segmentos de consumidores:
Es aquel grupo de consumidores que cuando van a comprar el producto vienen de su lugar de vivienda, lo hacen generalmente a pie, y gastan un tiempo promedio para hacerlo entre 5 y 10 minutos. Este grupo de consumidores suele asistir a la tienda en promedio una vez por semana y tienen como lugar de destino luego de la compra su lugar de vivienda. Por esta misma razón, se aduce su no uso del servicio de domicilios de la tienda; no obstante, a ellos les gustaría que la tienda contara con otro punto de venta en la ciudad. Estos consumidores se caracterizan, por tener un rango de ingresos entre 1 y 2 salarios mínimos mensuales legales vigentes, y una edad promedio entre los 26 y 32 años.
Es aquel grupo de consumidores que cuando van a comprar el producto vienen de su lugar de Trabajo, lo hacen generalmente en Moto, y gastan un tiempo promedio para hacerlo entre 5 y 10 minutos. Este grupo de consumidores suele asistir a la tienda en promedio una vez por semana y tienen como lugar de destino luego de la compra su lugar de vivienda. Por esta misma razón, se aduce su no uso del servicio de domicilios de la tienda; no obstante, a ellos les gustaría que la tienda contara con otro punto de venta en la ciudad. Estos consumidores se caracterizan, por tener un rango de ingresos superior a los 4 salarios mínimos mensuales legales vigentes, y una edad promedio entre los 26 y 32 años.
Es aquel grupo de consumidores que cuando van a comprar el producto vienen de su lugar de Vivienda, lo hacen generalmente en Transmilenio, y gastan un tiempo promedio para hacerlo entre 21 y 30 minutos. Este grupo de consumidores suele asistir a la tienda en promedio menos de una vez por semana y tienen como lugar de destino luego de la compra su lugar de vivienda. Por esta misma razón, se aduce su no uso del servicio de domicilios de la tienda; no obstante, a ellos les gustaría que la tienda contara con otro punto de venta en la ciudad. Estos consumidores se caracterizan, por tener un rango de ingresos entre 1 y 2 salarios mínimos mensuales legales vigentes, y una edad promedio entre los 26 y 32 años.
Posterior al análisis cuantitativo realizado por medio de la técnica de Análisis de Conglomerados, se procedió a efectuar un análisis de la distribución general de los puntos de venta de la empresa por medio del análisis espacial asistido por computadora.
Como primera observación al respecto de identificó que la encuesta aplicada es de gran utilidad para el estudio debido a que permite comprender diversos aspectos de los clientes, tales como las lógicas espaciales en sus desplazamientos y características socioeconómicas asociadas a su lugar de residencia.
Para hacer inteligible la información disponible se decidió comenzar examinando la localización de los orígenes y destinos de los clientes para el conjunto de ubicaciones, así como la actividad realizada en estos dos momentos de su recorrido. Esta información puede verse en el mapa 1.
En 70 casos se pudo identificar el lugar de origen y destino del cliente, en 4 casos no se pudo ubicar a ninguno de los dos, en las demás encuestas sólo se encontró uno de ellos. En la tabla destinos no se pudieron encontrar 10 registros, mientras el caso más problemático se encontró en la tabla orígenes, donde 19 registros no pudieron ser geocodificados. La mayoría de las veces esto se debió a que los encuestados no pusieron la dirección en el formulario.
Para visualizar mejor la distribución de orígenes y destinos se realizó un análisis de densidad de puntos [5] que hace un cálculo estándar aproximado de la cantidad de puntos por unidad de área, el mismo puede apreciarse en color verde en el mapa.
Con la ayuda de esta herramienta se pueden observar tres patrones de claramente distinguibles: uno de puntos agrupados, ubicado en la localidad de Teusaquillo, donde se encuentra la tienda; otro, también de puntos agrupados en el centro histórico de la ciudad, hacia las localidades de Mártires, Santafé y Candelaria; el tercero, con mucha menor densidad, en el norte de la ciudad entre las localidades de Suba y Usaquén. Este último podría verse de otra forma, como parte de un patrón de dispersión relativa en las localidades del norte, occidente y suroccidente de la ciudad.
Siguiendo con el análisis se observa que aquellos puntos ubicados en la localidad de Teusaquillo y en El Centro son especialmente orígenes, mientras que los ubicados hacia la periferia, son principalmente destinos. También es notable que entre los orígenes predomina la actividad trabajo y entre los destinos predomina la actividad vivienda. Del mapa se infiere que muchos clientes no viven en la zona central de la ciudad, donde está ubicado el punto de venta, sino que se desplazan hasta allí por razones de trabajo.
Mapa 1. Distribución de orígenes y destinos por tipo de actividad realizada
Fuente: elaboración propia con datos de encuesta.
Cartografía de Unidad Administrativa Especial de Catastro Distrital
Antes de continuar con los resultados, es preciso presentar algunos conceptos que permiten comprender mejor los siguientes pasos del análisis. Dion y Cliquet mencionan la tipología de Copeland sobre tres tipos de bienes, cada uno de los cuales tendría una conducta espacial asociada: de conveniencia, de comparación y especializados (Dion & Cliquet, 2006b). Los bienes de conveniencia se caracterizan porque el consumidor los conoce bien y porque requiere un mínimo esfuerzo de comparación y compra, son ejemplos las golosinas, las revistas y la crema dental. En términos del comportamiento espacial podría esperarse una mayor probabilidad que un comprador acuda a un determinado negocio entre menor sea la distancia, también puede esperarse que si existen dos tiendas similares, acuda a la más cercana.
Los bienes de comparación son de compra más esporádica y un precio mayor, de acuerdo a Ruiz y López "el cliente suele comparar los productos según criterios de calidad, precio y estilo" (2001, p. 124). Debido a que una compra óptima requiere analizar mayor cantidad de información, el cliente dedica una mayor cantidad de tiempo a su búsqueda. Son ejemplos de este tipo de bienes: televisores, equipos electrónicos y muebles. Se supone que el comportamiento espacial asociado es de umbral, es decir: la persona decide que tan lejos está dispuesta a ir para averiguar y comparar, y traza una línea imaginaria para delimitar su zona de búsqueda. Dentro de este radio analizaría indistintamente la información de diversas fuentes, hasta encontrar la opción óptima de acuerdo a sus preferencias(Dion & Cliquet, 2006b).
Respecto a los productos especializados se retomará la definición de Vera:
Se trata habitualmente de productos especialmente costosos para el cliente. Los ofrecen generalmente detallistas en ofrecimientos exclusivos; en muchos casos poseen características únicas que ayudan a configurar una imagen especial para el consumidor; implican la dedicación de mucho tiempo y esfuerzo para su adopción; generalmente se apela a cierto atractivo de prestigio y a la asociación con grupos elitistas o altamente especializados (Vera, 2010, p. 134)
Son ejemplos de este tipo de bienes relojes de marcas de prestigio, joyería, carros de lujo y equipos electrónicos especializados (Vera, 2010). Desde el punto de vista del comportamiento espacial también se asocia la compra de este tipo de bienes a un comportamiento gravitacional, debido a que el esfuerzo del consumidor es de desplazamiento y no de comparación(Dion & Cliquet, 2006b; Ruiz & López, 2001).
Por otra parte, determinar áreas de influencia de una tienda en función de los tipos de bienes que ofrece y el desplazamiento típico del consumidor, se hace normalmente con el fin de capturar un stock de clientela. En otras palabras: al determinar el área de influencia de la tienda se puede describir con relativa precisión la población que la habita y sirve como base para diseñar estrategias para atenderla. Sin embargo, es necesario considerar otro tipo de movilidad no asociado al lugar de residencia o trabajo de los compradores: los flujos.
De acuerdo a Dion y Cliquet los recorridos que realizan los ciudadanos son en muchas ocasiones de gran complejidad, por lo que probablemente no puedan ser descritos correctamente en función del lugar de trabajo y vivienda. En sus palabras "Un espacio geográfico no puede ser definido únicamente en función de los individuos que residen o trabajan allí, debe también incluir a aquellos que pasan por allí" (Dion & Cliquet, 2006b, pp. 45-46). La naturaleza, forma e intensidad de estos flujos aún está por estudiarse en nuestro contexto, sin embargo para este trabajo en particular se tratará de diferenciar específicamente aquellos clientes que tienen un comportamiento de flujo.
Para avanzar en la comprensión de las dinámicas espaciales que vinculan el acto de compra con la racionalidad de los consumidores, es necesario examinar más en detalle la zona cercana a la tienda, aquella de mayor densidad de puntos. El objetivo es descubrir lo que revelan los patrones espaciales de la relación de los clientes con la tienda, lo cual se puede hacer mejor en un área con relativa densidad de orígenes y destinos.
En las teorías gravitacionales está implícito el concepto de distancia, sin embargo la definición de la misma no es unívoca y, por tanto, depende de los conceptos que se utilicen para comprenderla. En relación con lo anterior, como concepciones del espacio, puede mencionarse la distancia Euclidiana: medida como la longitud de una línea recta entre dos puntos; distancia Manhatan, la cual toma en cuenta la distancia a ser recorrida si en vez de un espacio sin interferencias se toma en cuenta una grilla como referencia, tal como un trazado regular de manzanas en una ciudad.
El espacio también puede leerse como tiempo de viaje, es decir que si dos personas demoran lo mismo en llegar a un determinado punto, al mismo costo, puede considerarse que están a la misma distancia de este, por ejemplo, si una persona llamada Pedro vive a 2 kilómetros de su lugar de trabajo y demora 20 minutos en llegar, estará a la misma distancia de su compañero de trabajo Juan quien vive a 4 kilómetros y se demora los mismos 20 minutos transitando por una vía más despejada.
Este último es el concepto de distancia que se emplea comúnmente en los modelos gravitacionales. El mismo puede representarse cartográficamente como mapas de isocrónas, en los cuales se trazan polígonos que representan un rango de tiempo de viaje dadas ciertas restricciones, como el modo de transporte –peatonal, en carro, en bus, etc- y la velocidad de las vías. Estos mapas representan el área de servicio de la tienda y la densidad de los clientes que la habitan permite determinar las zonas con mayor intensidad de compra. El mapa N° 2 incluye las isócronas peatonales del área de servicio de la tienda.
Mapa 2 . Mapa peatonal de área de servicio de la tienda y ubicación de clientes
Fuente: elaboración propia con datos de encuesta.
Cartografía de Unidad Administrativa Especial de Catastro Distrital
Es curioso observar que la elipse de desviación estándar [6] señala la ubicación de puntos en un lugar muy preciso de las isócronas: Al oriente de la tienda, con una ligera inclinación suroriente-noroccidente. En términos de las calles se puede fijar el área de mayor concentración: desde la calle 53 hasta la 53b y desde la carrera 28ª hasta la carrera 21. También es interesante observar que casi la totalidad de las ubicaciones que hacen parte de este patrón son orígenes y trabajo.
La dirección de la elipse de distribución direccional parece mostrar un comportamiento típico en estos consumidores: la persona sale del trabajo –probablemente de 5 de la tarde a 7 de la noche, se dirige hacia la carrera 30 para tomar el transporte –bus o Transmilenio- y pasa por el local de The 3go. Dado que el recorrido puede durar más de 30 minutos y tiene hambre decide comprar una empanada antes de ir a su casa. En este caso la empresa se beneficia de la cercanía a los lugares de trabajo y al medio de transporte.
De acuerdo al Mapa 2 parece existir un comportamiento gravitacional relacionado con el lugar de trabajo, aunque es destacable que parecen existir pocos clientes viviendo a menos de 30 minutos a pié de la tienda. El comportamiento gravitacional parece típico de los clientes de esta tienda, como puede observarse en la Tabla 8 .
Tabla 8. Tabla de frecuencias que cuenta los clientes que tienen un origen
o destino dentro del área de 30 minutos a pie o menos del punto de venta.
Origen y destino |
Frecuencia |
Porcentaje |
Origen y Destino dentro |
23 |
32,9 |
Origen y destino fuera |
24 |
34,3 |
Sólo destino dentro |
8 |
11,4 |
Sólo origen dentro |
15 |
21,4 |
Total |
70 |
100,0 |
Fuente: cálculos propios con base en la encuesta aplicada
La gran cantidad de clientes con orígenes y destinos dentro no contradice lo anteriormente expuesto sobre un número bajo de clientes viviendo en la zona. Aunque se observa que existen varios clientes que reportan orígenes y destinos dentro del área de 30 minutos a pie, en muchas ocasiones los dos sitios son reportados como de trabajo, además frecuentemente son el mismo lugar. Es decir, parece asociado a un comportamiento típicamente gravitacional donde las personas salen un momento a consumir algo al puesto de venta y vuelven a sus actividades.
Un cálculo sencillo de densidad por kilómetro cuadrado permite hacerse a una idea del decrecimiento del número de clientes con la distancia, la forma de este cálculo es más apropiada que un simple recuento por isócrona dado que cada una de ellas tiene un área diferente. Sin embargo, es necesario hacer una precisión sobre la forma de hacer el cálculo: de los 70 clientes a los cuales se les asoció tanto una dirección de destino como una de origen, 45, es decir el 64,28 % vivían, trabajaban o estudiaban a 30 minutos a pie o menos, 23 de ellos tenían su origen y destino dentro, como a estos últimos no se les podía contar dos veces se escogió la dirección que estuviera más cerca de la tienda como destino y se borró la otra. La Figura 1 muestra el resultado de este cálculo en el que puede observarse una mayor densidad de clientes en las isócronas más cercanas a la tienda.
Figura 1. Distancia a la tienda y metros cuadrados por comprador
Fuente: elaboración propia con datos de la encuesta aplicada
Por otra parte, el hecho de que la mayoría de los clientes no vivan en la zona tiene implicaciones para su clasificación: no puede asumirse que el área adyacente atrae a la mayoría de los clientes, por lo que probablemente el perfil geodemográfico de los mismos sea diferente al del área adyacente al punto de venta. Afortunadamente la geocodificación de las direcciones permite determinar el lugar de vivienda de muchos clientes y aumentar la comprensión del mismo.
El anterior es el caso del estrato socioeconómico, que gracias a la dirección aportada por los clientes y la posterior geocodificación pudo determinarse mediante un proceso de "Unión espacial" [7] para 54 clientes. Se pudo determinar que la mayoría de ellos -42,6% son de estrato 4, aunque existe una porción significativa que son de estratos 2 y 3 -48,1%-, en estrato 1 están 1.9% y tanto en estrato 5 como en 6 hay 3,7.
Aunque la población que vive cerca de la tienda no constituye la mayor parte de la clientela, sí conforma una tipología de cliente que tiene el potencial de hacerse más importante dadas obvias razones geográficas. A continuación se realiza un perfil de esta población mediante técnicas geodemográficas y utilizando como criterio de segmentación los diferentes rangos de distancia definidos en las áreas de servicio. Para hacerlo se usaron los polígonos virtuales del DANE, los cuales constituyen la base cartográfica en la que se pueden desplegar los resultados del censo de 2005, que aunque tiene 8 años, sigue siendo la fuente más completa de información demográfica al nivel requerido [8]
Se trabajó con algunas variables personales del censo básico: edad en grupos decenales; si la persona tuvo días de ayuno; tipo de estudios aprobados, los cuales van desde ninguno hasta estudios de postgrado; si las personas asisten a alguna institución educativa; el tipo de institución educativa, variable que identifica si la institución educativa es pública o privada; la clase de trabajo que realizó la última semana, relacionada con la condición de empleo; y el sexo que identifica si se trata de hombres o mujeres.
Varias cosas pueden extraerse del análisis de la información demográfica alrededor de la tienda: por una parte que la zona entre 10 y 30 minutos tiene un total del 92% de los 120.882 clientes y es la menos atendida, por lo que un servicio de domicilio podría ayudar a aumentar la clientela. También se observa un ligero predomino de población femenina 53%, lo que podría usarse para diseñar promociones y métodos de servicio al cliente (Ver anexo 4).
Desde el punto de vista de la edad por grupos decenales, se observa una distribución amplia en el centro y achatada en los extremos, propia de poblaciones en proceso de envejecimiento. La población predominante está en el rango de los 10 a los 49 años, aunque el grupo decenal predominante es de 20 y 29 años, con un 23% del total –Figura 2-.
Por otra parte, las personas con educación superior y de postgrado alcanzan el 50,9% para el conjunto de la zona, aunque las áreas más cercanas a la tienda muestran niveles aún más altos de población con educación superior: 58,1 para el área de 0 a 5 minutos, 57,9 para la comprendida entre 5 y 10 minutos, 53,9 para aquella entre 10 y 20 minutos, mientras que la proporción más baja es para la zona entre 20 y 30 minutos -48,7%-. Familias con pocos hijos y altos niveles de educación parecen probablemente estén asociados a un estilo de vida que habría que identificar con más precisión para diseñar productos acordes.
Figura 2. Población por grupos decenales para la zona entre 0 y 30 minutos de la tienda
De manera correlativa con el nivel educativo alto de la zona, existe una proporción también alta de estudiantes en el sector, este 27,7% de la población que estudia es otro grupo poblacional al que debe prestarse atención, especialmente respecto a su comportamiento estacional. El censo de 2005 también muestra que el 71,8% de estas personas estudia en instituciones privadas, mientras que el restante 28% lo hace en instituciones oficiales. Al igual que con el nivel educativo, en este caso se observa un decrecimiento del valor del estudio en instituciones educativas privadas a medida que se avanza hacia la periferia del área de servicio: mientras que en la zona de 5 a 10 minutos de la tienda el porcentaje es de 78% en la zona de 20 a 30 minutos se reduce 9 puntos ubicándose en el 69%.
La situación laboral en la población de la zona es un buen indicador de su nivel de bienestar y con ello de su capacidad adquisitiva, la tabla 3 muestra la respuesta que dieron las personas censadas en 2005 a la pregunta por la clase de trabajo que tuvo la semana anterior. En primer lugar, es interesante que las tasas de desempleo son menores al 4%, aun cuando para el conjunto de la ciudad suelen rozar el 10%. La cantidad alta de personas dedicadas sólo a estudiar es también un indicador de la capacidad económica de sus familias para sustentarlos mientras lo hacen.
Por último, aunque el porcentaje de jubilados o rentistas no parece demasiado alto, hay que leer esta cifra teniendo en cuenta que la población mayor de 60 años no es superior al 15%, lo que muestra que, si bien no todas las personas mayores tienen pensión, si la tiene un número mayor al promedio de la ciudad. Finalmente, respecto a la pregunta de si ayunó la semana anterior por falta de recursos, menos de un 2% en la zona entre 0 y 10 minutos respondió que sí, aunque lo hizo cerca del 10% en la zona entre 20 y 30 minutos (Ver anexo 5).
Es importante destacar que la utilización del Geomarketing hace posible un adecuado uso de la infraestructura existente mediante la generación de planes que involucran un análisis completo de costos de transporte y estableciendo la mejor ubicación de acuerdo al tipo de industria o actividad económica a desarrollar. A su vez, permite una mejor planificación a nivel logístico con el cual se disminuyen tiempos en recorridos tanto de clientes potenciales como de la organización que presta el bien o servicio pues a partir de las características de la región, se logra determinar las vías de accesos y los tiempos de recorridos para la obtención de un bien.
Adicionalmente, contar con un análisis geográfico permite tener un mayor conocimiento del mercado potencial mediante la identificación de zonas de influencia, ubicación de la competencia y establecimiento de puntos óptimos de venta a partir de la graficación datos de mercado relacionados con oferentes y demandantes.
De igual manera, permitirá la definición de rutas óptimas en la distribución de productos, si se presentan signos de excesiva competencia a la hora de ofertar un producto o servicio, y en definitiva si un proyecto es viable o no, en relación con su ubicación gracias a la simplificación de datos en forma visual por medio de gráficos y mapas.
Con respecto al estudio de caso, mediante el ejercicio de análisis de conglomerados pudieron hallarse 3 segmentos de clientes: el primero de ellos relacionado con los vecinos de la tienda, grupo de consumidores caracterizado por que cuando van a comprar el producto vienen de su lugar de vivienda, lo hacen generalmente a pie, y gastan un tiempo promedio para hacerlo entre 5 y 10 minutos. Este grupo de consumidores suele asistir a la tienda en promedio una vez por semana y tienen como lugar de destino luego de la compra su lugar de vivienda. Por esta misma razón, se aduce su no uso del servicio de domicilios de la tienda; no obstante, a ellos les gustaría que la tienda contara con otro punto de venta en la ciudad. Estos consumidores se caracterizan, por tener un rango de ingresos entre 1 y 2 salarios mínimos mensuales legales vigentes, y una edad promedio entre los 26 y 32 años.
Un segundo grupo de clientes, a los que llamamos los que vienen del trabajo y se dirigen a casa, caracterizados porque cuando van a comprar el producto vienen de su lugar de Trabajo, lo hacen generalmente en Moto, y gastan un tiempo promedio para hacerlo entre 5 y 10 minutos. Este grupo de consumidores suele asistir a la tienda en promedio una vez por semana y tienen como lugar de destino luego de la compra su lugar de vivienda. Por esta misma razón, se aduce su no uso del servicio de domicilios de la tienda; no obstante, a ellos les gustaría que la tienda contara con otro punto de venta en la ciudad. Estos consumidores se caracterizan, por tener un rango de ingresos superior a los 4 salarios mínimos mensuales legales vigentes, y una edad promedio entre los 26 y 32 años.
Finalmente, se identificó un tercer grupo de consumidores caracterizado por quienes no son vecinos de la tienda y vienen esporádicamente a comprar: Es aquel grupo de consumidores que cuando van a comprar el producto vienen de su lugar de Vivienda, lo hacen generalmente en Transmilenio, y gastan un tiempo promedio para hacerlo entre 21 y 30 minutos. Este grupo de consumidores suele asistir a la tienda en promedio menos de una vez por semana y tienen como lugar de destino luego de la compra su lugar de vivienda. Por esta misma razón, se aduce su no uso del servicio de domicilios de la tienda; no obstante, a ellos les gustaría que la tienda contara con otro punto de venta en la ciudad. Estos consumidores se caracterizan, por tener un rango de ingresos entre 1 y 2 salarios mínimos mensuales legales vigentes, y una edad promedio entre los 26 y 32 años.
Los anteriores resultados se confirmaron con el análisis espacial mediante Sistemas de Información Geográfica SIG, identificando que las personas que vienen del trabajo lo hacen principalmente de zonas aledañas a la tienda, y que su acceso a ella está determinado, en buena medida, por el flujo que se genera desde zonas con alta concentración de empresas hasta una avenida –carrera 30- que conecta con sus hogares. Otro segmento, personas que viven cerca y viajan a pie son jóvenes que viven en el sector y se desplazan hasta la tienda. Finalmente, están quienes no son vecinos de la tienda y viajan esporádicamente a comprar, aunque probablemente no específicamente los productos ofrecidos por la empresa estudiada.
Los resultados aconsejan ser cuidadosos con la asunción de que el comportamiento de compra se relaciona con procesos gravitacionales simples. Las personas del segmento 1 compran porque están cerca, pero principalmente compran por el desplazamiento de la casa al trabajo. Las personas del segmento 2 compran porque viven cerca, estos son los más ajustados a un comportamiento de este tipo. Quienes están en el segmento 3 no viven ni trabajan cerca del negocio, probablemente compran porque se acercan al sector a comprar o usar otro tipo de bien o servicio, en este sentido están atraídos por un comportamiento gravitacional pero no de la tienda sino del sector.
Determinar el peso de uno u otro comportamiento de flujo y los factores que lo causan requeriría generar modelos de interacción espacial para el conjunto de la ciudad. Lo anterior requiere, sin embargo, datos que no están disponibles al público. La generación de los mismos es un objetivo deseable dado que abre el campo para una comprensión global del consumo en la ciudad, así como para estudios detallados a nivel de tienda apoyados por herramientas de geocodificación.
Finalmente, se concluye que el análisis espacial asociado con herramientas estadísticas permiten hacer más robustos los resultados en el análisis del Geomarketing, y de esta manera aprobar o no su validez con respecto a la inferencia y comparación de los mismos con el comportamiento real de los consumidores. Se sugiere combinar varias metodologías como se ha hecho en esta investigación para obtener una mayor validez a los resultados obtenidos.
Amago, F. S. (2000). Logística y marketing geográfico. Barcelona, España: OhMira, Servicios Editoriales.
Azuero, D. (2007). Elaboración de Tutorial y Sistematización de Información Cartográfica para uso local de Gps Navegador. Recuperado a partir de http://www.uazuay.edu.ec/geomatica/source/web/links/arcpad/tutorial_de_practicas_ArcPad.pdf
Berbel Pineda, J. M. (1999). La creación de subáreas comerciales en la provincia de Sevilla a partir de modelos probabilísticos y gravitatorios. En La gestión de la diversidad: XIII Congreso Nacional, IX Congreso Hispano-Francés, Logroño (La Rioja), 16, 17 y 18 de junio, 1999 (pp. 335–342). Recuperado a partir de http://dialnet.unirioja.es/servlet/dcfichero_articulo?codigo=565062
Cardenas, D. P. (s. f.). Información Sociodemográfica para Decisiones Empresariales a Escala Local.
Cavion, R. (2008, Florianópolis). Geomarketing para Gestão Territorial: mapeamento de ameaças e oportunidades. Recuperado 30 de enero de 2012, a partir de
Chasco, C. (2003). El geomarketing y la distribución comercial. Investigación y Marketing, 79, 6–13.
Cliquet, G. (2006a). Geomarketing: methods and strategies in spatial martketing. ISTE USA.
Cliquet, G. (2006b). Geomarketing: methods and strategies in spatial martketing. ISTE USA.
Díaz Bautista, A. (2003). Un Modelo de Aglomeraciones, Inversión Extranjera y Crecimiento para la nueva geografía económica de México. Observatorio de la Economía Latinoamericana, (16). Recuperado a partir de http://www.eumed.net/cursecon/ecolat/mx/ADB-reg2003.pdf
Dion, D., & Cliquet, G. (2006a). Consumer Spatial Behavior. En Geomarketing: Methods and Strategies in Spatial Marketing (Geographical Information Systems Series (1.a ed.). Wiley-ISTE.
Dion, D., & Cliquet, G. (2006b). Consumer Spatial Behavior. En Geomarketing: Methods and Strategies in Spatial Marketing (Geographical Information Systems Series (1.a ed.). Wiley-ISTE.
Escobar-Moreno, N. (2012). Análisis de Conglomerados para la Segmentación de Mercados . Documentos FCE Facultad de Ciencias Económicas Universidad Nacional de Colombia.
Latour. P. y J. Le Floc'h (2001). Geomarketing: principes, Méthodes et applications. Éditions d'Organisation.
Kotler, Phil, & Keller, K. (2009). Direccion de Marketing (12.a ed.). México: Pearson Educación.
Kotler, Philip, & Armstrong, G. (2012). Principles of marketing. Boston: Pearson Prentice Hall.
Moncayo Jimenez, E. (2001). Modelos de Desarrollo Regional, teorias y Factores Determinantes.
Orta, O. M., Suárez, M. G., & de Paredes, J. L. M. G. (1999). UNA APROXIMACIÓN CONCEPTUAL A LAS ÁREAS COMERCIALES SEGÚN LOS ACTOS DE COMPRA DE LOS CONSUMIDORES (*). Recuperado a partir de http://www.consumo-inc.gob.es/publicac/EC/1999/EC49/EC49_04.pdf
Posada, H. M., & Vélez, J. E. (2008). Comercio y Geografía Económica: una nota sobre la contribución de Krugman a la teoría económica. Lecturas de Economía, (69), 301–311.
Ruiz, B., & López, P. (2001). La esencia del marketing. Univ. Politèc. de Catalunya.
Schiffman, L. G., & Kanuk, L. L. (2005). Comportamiento Del Consumidor. Pearson Educación.
Sleight, P. (1997). Targeting customers: How to use geodemographic and lifestyle data in your business. NTC publications limited.
Valdez, S. F. M. y M. E. (2003). Principios básicos de cartografía y cartografía automatizada. UAEM.
Vélez, C. P. (2008). Rompiendo la tradición: De descubrir la conducta de compra al comportamiento del consumidor Pensamiento y Gestión, 24. Recuperado a partir de http://www.scielo.org.co/pdf/pege/n24/n24a01.pdf
Vera, J. (2010). Diferencias en el perfil de involucramiento entre productos de conveniencia y productos de comparación. Contaduría y administración, (231), 127–149.
Villalta, I. V., & PÉREZ, J. M. (2008). SIGCOMSE: un sistema de información geográfica aplicado al comercio en la ciudad de Sevilla.
Wood, M. B., & Borja, M. Á. G. (2004). El plan de marketing [multimedio]: guía de referencia. Editorial Alhambra S. A. (SP).
Yrigoyen, M. C. C., & Otero, J. V. (1997). Modelos de determinación de areas de mercado del comercio al por menor. Universidad Autónoma, Centro de Predicción Económica Laurence R. Klein. Recuperado a partir de http://www.uam.es/coro.chasco/investigacion/murcia97.PDF
ANEXO 1: HISTORIAL DE CONGLOMERACION
Historial de conglomeración |
|||||||
Etapa |
Conglomerado que se combina |
Coeficientes |
Etapa en la que el conglomerado aparece por primera vez |
Próxima etapa |
|||
Conglomerado 1 |
Conglomerado 2 |
Conglomerado 1 |
Conglomerado 2 |
||||
dimension0 |
1 |
64 |
87 |
,000 |
0 |
0 |
4 |
2 |
7 |
68 |
,000 |
0 |
0 |
17 |
|
3 |
63 |
66 |
,000 |
0 |
0 |
30 |
|
4 |
10 |
64 |
,000 |
0 |
1 |
43 |
|
5 |
43 |
50 |
,000 |
0 |
0 |
36 |
|
6 |
79 |
85 |
,500 |
0 |
0 |
31 |
|
7 |
78 |
83 |
1,000 |
0 |
0 |
23 |
|
8 |
19 |
81 |
1,500 |
0 |
0 |
44 |
|
9 |
70 |
77 |
2,000 |
0 |
0 |
19 |
|
10 |
21 |
76 |
2,500 |
0 |
0 |
20 |
|
11 |
53 |
74 |
3,000 |
0 |
0 |
23 |
|
12 |
67 |
72 |
3,500 |
0 |
0 |
51 |
|
13 |
69 |
71 |
4,000 |
0 |
0 |
63 |
|
14 |
47 |
52 |
4,500 |
0 |
0 |
34 |
|
15 |
41 |
49 |
5,000 |
0 |
0 |
37 |
|
16 |
36 |
37 |
5,500 |
0 |
0 |
67 |
|
17 |
7 |
82 |
6,167 |
2 |
0 |
18 |
|
18 |
7 |
75 |
7,000 |
17 |
0 |
21 |
|
19 |
46 |
70 |
7,833 |
0 |
9 |
46 |
|
20 |
21 |
61 |
8,667 |
10 |
0 |
59 |
|
21 |
7 |
48 |
9,567 |
18 |
0 |
41 |
|
22 |
60 |
86 |
10,567 |
0 |
0 |
56 |
|
23 |
53 |
78 |
11,567 |
11 |
7 |
61 |
|
24 |
8 |
65 |
12,567 |
0 |
0 |
36 |
|
25 |
51 |
62 |
13,567 |
0 |
0 |
40 |
|
26 |
17 |
59 |
14,567 |
0 |
0 |
44 |
|
27 |
55 |
57 |
15,567 |
0 |
0 |
39 |
|
28 |
4 |
29 |
16,567 |
0 |
0 |
67 |
|
29 |
16 |
20 |
17,567 |
0 |
0 |
78 |
|
30 |
15 |
63 |
18,900 |
0 |
3 |
58 |
|
31 |
79 |
84 |
20,400 |
6 |
0 |
54 |
|
32 |
40 |
73 |
21,900 |
0 |
0 |
53 |
|
33 |
38 |
54 |
23,400 |
0 |
0 |
66 |
|
34 |
34 |
47 |
24,900 |
0 |
14 |
57 |
|
35 |
35 |
44 |
26,400 |
0 |
0 |
54 |
|
36 |
8 |
43 |
27,900 |
24 |
5 |
65 |
|
37 |
6 |
41 |
29,400 |
0 |
15 |
45 |
|
38 |
24 |
31 |
30,900 |
0 |
0 |
60 |
|
39 |
55 |
56 |
32,567 |
27 |
0 |
52 |
|
40 |
42 |
51 |
34,233 |
0 |
25 |
62 |
|
41 |
7 |
18 |
36,000 |
21 |
0 |
59 |
|
42 |
22 |
33 |
38,000 |
0 |
0 |
50 |
|
43 |
10 |
80 |
40,250 |
4 |
0 |
53 |
|
44 |
17 |
19 |
42,500 |
26 |
8 |
58 |
|
45 |
6 |
9 |
44,750 |
37 |
0 |
57 |
|
46 |
45 |
46 |
47,167 |
0 |
19 |
65 |
|
47 |
27 |
58 |
49,667 |
0 |
0 |
64 |
|
48 |
1 |
26 |
52,167 |
0 |
0 |
55 |
|
49 |
5 |
11 |
54,667 |
0 |
0 |
62 |
|
50 |
3 |
22 |
57,333 |
0 |
42 |
70 |
|
51 |
25 |
67 |
60,167 |
0 |
12 |
69 |
|
52 |
39 |
55 |
63,250 |
0 |
39 |
69 |
|
53 |
10 |
40 |
66,500 |
43 |
32 |
61 |
|
54 |
35 |
79 |
69,800 |
35 |
31 |
64 |
|
55 |
1 |
2 |
73,300 |
48 |
0 |
77 |
|
56 |
30 |
60 |
76,967 |
0 |
22 |
75 |
|
57 |
6 |
34 |
80,717 |
45 |
34 |
74 |
|
58 |
15 |
17 |
84,490 |
30 |
44 |
68 |
|
59 |
7 |
21 |
88,324 |
41 |
20 |
71 |
|
60 |
24 |
28 |
92,157 |
38 |
0 |
70 |
|
61 |
10 |
53 |
96,557 |
53 |
23 |
71 |
|
62 |
5 |
42 |
100,990 |
49 |
40 |
76 |
|
63 |
32 |
69 |
105,824 |
0 |
13 |
75 |
|
64 |
27 |
35 |
111,667 |
47 |
54 |
66 |
|
65 |
8 |
45 |
118,042 |
36 |
46 |
74 |
|
66 |
27 |
38 |
124,510 |
64 |
33 |
82 |
|
67 |
4 |
36 |
131,260 |
28 |
16 |
83 |
|
68 |
12 |
15 |
138,028 |
0 |
58 |
76 |
|
69 |
25 |
39 |
144,944 |
51 |
52 |
81 |
|
70 |
3 |
24 |
152,278 |
50 |
60 |
78 |
|
71 |
7 |
10 |
159,965 |
59 |
61 |
77 |
|
72 |
14 |
23 |
168,465 |
0 |
0 |
73 |
|
73 |
13 |
14 |
178,632 |
0 |
72 |
80 |
|
74 |
6 |
8 |
188,940 |
57 |
65 |
79 |
|
75 |
30 |
32 |
201,440 |
56 |
63 |
79 |
|
76 |
5 |
12 |
217,292 |
62 |
68 |
80 |
|
77 |
1 |
7 |
234,008 |
55 |
71 |
83 |
|
78 |
3 |
16 |
255,674 |
70 |
29 |
81 |
|
79 |
6 |
30 |
280,336 |
74 |
75 |
84 |
|
80 |
5 |
13 |
305,280 |
76 |
73 |
82 |
|
81 |
3 |
25 |
336,880 |
78 |
69 |
84 |
|
82 |
5 |
27 |
369,002 |
80 |
66 |
85 |
|
83 |
1 |
4 |
401,461 |
77 |
67 |
85 |
|
84 |
3 |
6 |
454,849 |
81 |
79 |
86 |
|
85 |
1 |
5 |
561,279 |
83 |
82 |
86 |
|
86 |
1 |
3 |
1026,782 |
85 |
84 |
0 |
-----
-----
------
Anexo 4: Número de hombres y mujeres que habitan las áreas
de servicio a menos de 30 minutos a pie del punto de venta.
Distancia en minutos |
Número de Hombres |
Número de mujeres |
Total |
0-5 |
614 |
815 |
1.429 |
5-10 |
3.355 |
4.286 |
7.641 |
10 - 20 |
16.003 |
19.148 |
35.151 |
20-30 |
36.044 |
40.617 |
76.661 |
Total |
56.016 |
64.866 |
120.882 |
Fuente: elaboración propia con datos del censo de 2005 del DANE
-----
Anexo 5: Respuesta a la pregunta sobre la clase de trabajo que desempeñó la última semana.
|
Estudió |
Incapacitado Permanente |
Jubilado o renta |
No trabajó |
Desempleado |
Trabajó |
Otra situación |
No trabajó pero tenía trabajo |
No informa |
0 - 5 |
25,7 |
0,5 |
11,3 |
0,2 |
4,0 |
49,8 |
8,1 |
0,3 |
0,1 |
5 - 10 |
25,4 |
0,6 |
11,9 |
0,3 |
3,0 |
50,3 |
7,4 |
1,0 |
0,0 |
10 - 20 |
23,7 |
0,9 |
7,7 |
0,5 |
3,1 |
52,2 |
7,0 |
1,3 |
3,7 |
20 - 30 |
22,0 |
0,7 |
7,4 |
0,4 |
2,9 |
47,4 |
6,8 |
1,0 |
11,3 |
Fuente: elaboración propia con datos del censo de 2005 del DANE.
1. Docente Investigadora de Tiempo Completo, y Coordinadora del Grupo de Investigación en Marketing TETRIX Marketing – Universidad de Medellín nescobar@udem.edu.co
2. Temático del Grupo de Investigación y Desarrollo de la Dirección de Geoestadística, Departamento Administrativo Nacional de Estadística DANE, e-mail: jmjacomem@dane.gov.co
3. Investigadora Independiente, e-mail: gilegapa@gmail.com
4. Empresa consultada para el estudio: Empanadas the3go S.A. Representante Legal: Daniel Pérez, contacto: daniel.perez@the3go.co
5. El análisis de densidad de puntos se calcula trazando un círculo alrededor de cada celda de un mapa raster –lo que sería equivalente a cada pixel de una imagen digital-, tarea que se realiza una ventana móvil que pasa por cada una de ellas. La función consiste en contar el número de puntos que abarca cada círculo en la capa de entrada –en el presente estudio los puntos son los orígenes o destinos de los clientes, que fueron previamente geocodificados-, y dividirlos por el total del área cubierta por el polígono. Además de los puntos para el cálculo, el analista define los siguientes parámetros: un campo de población –que para el presente caso no se usó dado que cada punto representa una unidad discreta-; el tamaño de la celda de salida, que se dejó sin modificaciones; el tamaño del radio y las unidades –celdas o unidades del mapa- que para el presente caso se dejó en 24 celdas.
6. La elipse de desviación estándar o distribución direccional es una forma de hacer clara la dirección de los datos, mejorando la interpretación visual de los mismos. Se trata de una elipse con centro en el centro medio de todas las entidades, un eje X, un eje Y, además de una orientación.
7. Las uniones espaciales o "SpatialJoin" son un mecanismo para transferir características de una entidad con base en sus relaciones espaciales. Para el presente estudio se contó con una capa con la estratificación socioeconómica de la población y otra con los orígenes y destinos geocodificados. El proceso consistió en transferir de la capa de estrato esta característica –propia de la vivienda- a la capa de orígenes y destinos. A continuación se realizaron dos procesos de depuración: en primer lugar se seleccionaron aquellos orígenes o destinos correspondientes a vivienda y en segundo lugar se filtró los repetidos, analizando cuál de ellos correspondía más probablemente a la vivienda del cliente. En la mayoría de los casos no hubo conflicto de estrato y en los dos casos en que se presentó se atribuyó al más probable teniendo en cuenta el campo de ingresos.
8. El DANE dispone de un marco cartográfico propio para realizar las operaciones estadísticas propias de su función, en el mismo se anidan entidades que además del Departamento y el Municipio cuenta con: a) Sector cartográfico: es una unidad geográfica que agrupa uno o varios barrios, con características físicas y socioeconómicas muy particulares y está compuesto por secciones y manzanas; b) Sección. Es un subdivisión del sector y está compuesta por 15 ó 20 manzanas aproximadamente; c) Manzana. Es el área más pequeña dentro de un trazado urbano, está delimitada por vías, calles, carreteras, avenidas, diagonales, etc. y pertenece a un sólo estrato socioeconómico; d) Segmento. Es un área compacta de 10 viviendas en promedio contiguas, las cuales se investigan en su totalidad (DANE).