En ocasiones, el target viene definido directamente por el propio negocio. Así, la demanda de ropa infantil depende simplemente del número de niños. Aunque, bien pensado, quizá nuestra enseña tenga un posicionamiento de calidad más apropiado para familias con niños, sí, pero de un nivel de renta alto. O, al contrario, se posiciona como low-cost y nos interesan familias de renta media-baja. ¿Y para una categoría tan genérica como los libros?

En el caso anterior de la moda infantil, hemos incluido un indicador, nivel de renta, que no existe directamente en los datos sociodemográficos basados en censos y padrones, sino que debe ser inferido a partir de éstos. Necesitamos un modelo estadístico para predecir ese nivel de renta para cada microzona.

Más aún, a menudo nos encontramos con targets complejos que no tienen reflejo en una variable sociodemográfica bruta: conductores intensivos de vehículos (como ya explicamos en el post Geomarketing y buzoneo segmentado. Buscando niños y vehículos), heavy users de cuidado personal o, como veremos aquí, hogares compradores de libros.

Como es habitual, debemos trabajar a nivel de microzona o sección censal, por ser el nivel de agregación más bajo para el cual contamos con datos lo bastante ricos. La modelización de demanda por microzona se basa siempre en esta  metodología:

En el caso del modelo de predicción de gasto en libros, el método concreto es:

1. Elaboramos un modelo predictivo inicial, a partir de la Encuesta de Presupuestos Familiares realizada por el Instituto Nacional de Estadística (INE). Es decir, aplicamos algoritmos predictivos a los resultados de la encuesta a nivel de microdatos y obtenemos así un modelo que predice el gasto en libros de un hogar en función de una serie de variables sociodemográficas. Las variables de mayor potencia predictiva -no hay sorpresas- son el nivel de renta, nivel profesional y nivel de estudios del sustentador principal. Además, claro, del tamaño del hogar y, en menor medida, la presencia de niños.
2. Exportamos a microzonas. El modelo que hemos desarrollado y ajustado en el laboratorio lo aplicamos a los datos sociodemográficos por sección censal. De esta manera estimamos la presencia de target (% de los hogares responden al target) o el nivel de gasto (el gasto medio de los hogares de la sección A en libros es de 152€, mientras que en la sección B es de 45€).
3. Geocodificación y mapificación de los tres indicadores generados:

• Gasto medio (€) por hogar en la microzona. Indica el valor potencial de cada cliente, y hace posible el cálculo de la cuota de cliente (gasto real en mi enseña / gasto medio en la categoría).
• Gasto total (€) de los hogares de la microzona. Indica el valor monetario potencial de toda una sección censal (en la sección A sus 672 hogares gastan en total 71.180€ en libros), posibilitando el cálculo de la cuota geográfica (gasto real en la microzona / gasto estimado en la microzona). Así, en una acción de captación nos da la medida de cuánta cifra de venta anual hay en juego en cada zona, para seleccionar las de más potencial y fijar objetivos
• Índice de potencial de demanda. Es un indicador relativo (gasto medio en la microzona / media de gasto medio de todas las microzonas). Es útil para ordenar y seleccionar zonas “top”, por ejemplo, las 200 mejores secciones dentro del área de influencia de mis tiendas, o el 10% de secciones con mayor gasto medio.

El mapa muestra cómo se distribuyen los gastos medios en libros y la relación espacial entre microzonas y establecimientos de una enseña.Dado que, en este caso, conocemos el número de clientes, las ventas totales y los gastos medios en libros por sección censal, podemos comparar el real con el potencial, para el cálculo de la cuota geográfica de mercado. Vemos a continuación los clientes que compraron la categoría narrativa en nuestra enseña, como puntos, sobre el mapa de potencial.De igual manera, calcularíamos la cuota en la sección censal como venta real de libros (nuestros clientes) / gasto potencial de libros (todos los clientes potenciales), identificando áreas de mejora de venta de libros.

En defnitiva, combinando técnicas de data mining y micromarketing generamos un modelo predictivo del gasto anual en libros por hogar, para cada una de las más de 35.000 secciones censales que existen en España. Con esta información, podemos:

• identificar zonas con alto potencial para captación de nuevos clientes
• seleccionar zonas con alto potencial para ubicar nuevos establecimientos
• calcular la  cuota de cliente,como ratio entre el gasto de un cliente y su gasto en la categoría
• calcular la cuota geográfica de mercado, como ratio entre ventas a mis clientes y gasto en la categoría, para cada microzona
• de resultas de lo anterior, decidir acciones de marketing locales, específicas para cada tienda: buzoneo segmentado, publicidad exterior en los lugares ideales, ajuste del surtido, material plv, implantación de la tienda adecuada a la clientela potencial.