Walmart Vs. Soriana: ¿Quién gana en el punto de venta?

Anaqueles con productos, carrito de mercado en pasillo

Los análisis de data de movilidad están transformando la forma en que se definen las estrategias comerciales en el negocio retail, y las cadenas de supermercados no son la excepción.

Entender qué piensan, qué quieren y qué hacen los consumidores es crítico para las empresas del sector retail. Es aquí donde las herramientas de Big Data juegan un papel importante, ya que con ellas se puede medir la afluencia en una ubicación y el comportamiento de los clientes, entre otras variables. Con esta información se puede modelar el desempeño de los puntos de venta y estimar la facturación de los competidores o de ubicaciones potenciales.

Banner_frasco-suscripcion-800x250

Con técnicas de Big Data se recolectan grandes volúmenes de datos anónimos de movilidad a través de dispositivos móviles, y combinando esta información con datos geoespaciales, es posible analizar detalladamente el desempeño de un punto de interés (POI) determinado, como puede ser una tienda, un supermercado o un restaurante.

La correlación entre la afluencia peatonal y las ventas en los sectores de retail y restaurantes ha sido estudiada y probada ampliamente, por lo que el desarrollo de estos estudios se vuelve una prioridad para evaluar ubicaciones.

Caso de Estudio: Walmart Revolución Vs. Soriana Hiper Estadio (Guadalajara, México)En PREDIK Data-Driven realizamos un estudio detallado de dos puntos de venta del formato hipermercado que operan las cadenas Walmart México y Organización Soriana en Guadalajara, concretamente Walmart Revolución y Soriana Hiper Estadio.

Se analizó la data de movilidad en los dos establecimientos y en el entorno inmediato, con el objetivo de comparar y analizar la afluencia peatonal (foot traffic) en los dos supermercados. Para esto, se recopiló y analizó la data de movilidad, para entender cómo es el comportamiento de las personas que visitan ambos supermercados. Con este análisis se busca responder las siguientes preguntas:

¿Cómo se distribuyen las visitas en cada establecimiento?
El primer paso es ubicar ambos puntos en el mapa, así como seleccionar el área de interés. Esto es importante ya que si la ubicación está dentro de una plaza, se debe delimitar de manera correcta para evitar considerar observaciones que no correspondan al lugar específico.

https://documents.centralamericadata.com/banners/img_area_interes_walmart.png

https://documents.centralamericadata.com/banners/img_areainteressoriana.png

Haciendo uso de técnicas geoespaciales y de Big Data, extraemos todos las observaciones registradas dentro de las áreas de interés. Algo a tener en cuenta es que la resolución de la data es tal que nos permite ver en qué áreas específicas al interior del supermercado, se concentra el movimiento de las personas. Esto es de gran utilidad a la hora de conceptualizar el diseño del espacio interior y la distribución de las secciones que conforman el supermercado.

Mapa de calor que muestra la concentración de personas dentro del supermercado Walmart Revolución:

Mapa de calor que muestra la concentración de personas dentro del supermercado Soriana Hiper Estadio:

Con esta información surge de manera natural una pregunta: ¿Cuál supermercado es más visitado?

Distribución porcentual de las visitas registradas en el periodo analizado:
https://documents.centralamericadata.com/banners/img_distribucionvisitas.png

Con el análisis correcto de las visitas registradas sabemos que Walmart tiene un 55% más de visitación que el supermercado Soriana, lo cual va en línea con la popularidad y tamaño de cada tienda.

De igual manera es posible ver la evolución de las visitas a través del tiempo, lo cual puede ser muy útil para identificar tendencias en el comportamiento de los visitantes y potenciales clientes.

Análisis de la evolución de la afluencia peatonal (visitas) entre febrero y abril de 2021:

https://documents.centralamericadata.com/banners/img_evolucion_visitas.png

¿Qué días de la semana son los de mayor concurrencia?

La data de movilidad es multidimensional, es decir que además de saber el punto exacto de una visita, sabemos el momento exacto en que fue registrada. Esto permite conocer de mejor manera el comportamiento de los consumidores y diseñar estrategias comerciales prácticamente personalizadas.

https://documents.centralamericadata.com/banners/img_dias.png

También se puede profundizar en el análisis de la data y determinar las visitas por hora. Este análisis sirve tanto para conocer los horarios más concurridos, así como para identificar los dispositivos de los trabajadores de ambos establecimientos, ya que son los que estarán fuera de horario comercial.

https://documents.centralamericadata.com/banners/img_horario_comercial.png

De la misma manera, identificamos las horas en las que se registra mayor concentración de trabajadores fuera de horario comercial. Este dato es muy interesante, ya que puede ayudar a entender cómo es el proceso de abastecimiento, distribución e inventario del supermercado competidor.

https://documents.centralamericadata.com/banners/img_fueradehora.png

¿Cómo es el entorno inmediato de los supermercados Walmart Revolución y Soriana Hiper Estadio en Guadalajara?

Si bien las visitas se correlacionan con el desempeño de un establecimiento, no son el único factor importante. Otro aspecto fundamental que se debe analizar es el entorno del lugar, ya que permite conocer otros establecimientos comerciales, analizar la visitación que reciben, y entender cómo son y cómo se comportan los potenciales clientes que se movilizan en los alrededores del supermercado.

Mapa de calor que muestra la movilidad de personas en los alrededores de Walmart Revolución:

https://documents.centralamericadata.com/banners/img_movilidad_walmart.png

Mapa de calor que muestra la movilidad de personas en los alrededores de Soriana Hiper Estadio:

https://documents.centralamericadata.com/banners/img_movilidad_soriana.png

El análisis del entorno nos ofrece un panorama más general acerca de la zona y cuánta gente se mueve por el lugar. Este dato, combinado con otros factores es realmente útil a la hora de predecir la facturación de un establecimiento.

¿Qué otros insights se puede obtener al analizar la data de movilidad?

  • Entender qué clientes comparten ambas cadenas

A través del análisis de los registros de los dispositivos móviles registrados durante un periodo de tiempo determinado en una ubicación específica, como en un supermercado, es posible identificar a los consumidores, y saber, por ejemplo, clientes que se identificaron en el supermercado de Walmart, también son clientes del supermercado Soriana.

Análisis para identificar a los clientes de Soriana que estuvieron también en Walmart, y viceversa:
https://documents.centralamericadata.com/banners/img_clientes.png

  • Perfilamiento de clientes

Otro posible uso es el perfilamiento de los clientes, ya que es posible saber en qué otros lugares (tiendas, restaurantes, centros comerciales, áreas residenciales, entre otros) estuvieron las personas que visitaron un establecimiento. Así, Walmart y Soriana pueden saber cómo es el comportamiento de sus clientes, ya que pueden conocer dónde y cuánto tiempo estuvieron antes y después de visitar su supermercado. Esto permite generar insights de alto valor para optimizar el entendimiento de los consumidores actuales y buscar nuevos clientes potenciales con comportamientos similares.

  • Identificar zonas idóneas para establecer nuevos puntos de venta

Con la data de movilidad es posible entender con claridad cómo es el comportamiento de las personas que transitan por un área determinada, entender cómo son, sus gustos, preferencias, nivel socioeconómico y potencial de compra. Esto, sumado a un análisis profundo de los establecimientos comerciales del área en cuestión, se vuelve un factor crucial a la hora de determinar las mejores ubicaciones para la apertura de nuevas tiendas.

  • ¿Cuál es el potencial de facturación de mi competidor o de un punto de venta?

A través de modelos de machine learning, es posible predecir la facturación de un punto de venta determinado. Con estos modelos, Soriana podría llegar a conocer cuál es el potencial de facturación de su competidor Walmart en una semana, mes, o año específico. También estos modelos sirven para predecir el potencial de facturación de un punto por abrirse. Esto es ideal para complementar los estudios de viabilidad de nuevas tiendas en planes de expansión.


Reciba las últimas noticias de la industria en su casilla:

Suscribirse ✉