Tag: Casos reales

0

Esta entrada al Blog se centra en un caso real en el que se utilizan:  técnicas de DataScience, datos obtenidos de diversas fuentes y nuestra plataforma de geomarketing. Este caso ha consistido en la clasificación de secciones censales atendiendo a diversos criterios, tanto perfiles de usuarios como datos internos del cliente.

En España hay unas 36.000 secciones censales, cada una de ellas delimita una zona geográfica relativamente pequeña, para hacernos una idea, en la siguiente imagen se muestran secciones censales del centro de Madrid. La clasificación de secciones censales consiste en detectar patrones similares (ej. basado en datos de consumo, demografía o cualquier otros datos que sea de interés a nivel de sección censal) entre secciones censales y caracterizar secciones censales similares bajo una misma denominación, estas clasificaciones pueden ser de un nivel o de varios (taxonomías).

Al clasificar las secciones censales según una necesidad concreta, las decisiones de marketing se simplifican mucho ya que es mucho más manejable trabajar con un conjunto pequeño de tipos de secciones censales (normalmente entre 10 y 50 tipos) que con 36.000.

ITELLIGENT_Geomarketing_zonas por cada target_Madrid.

Ejemplo de secciones censales. Ciudad de Madrid

Necesidad del Cliente

El cliente quería mejorar su estrategia comercial adaptándola a distintas tipologías de clientes, además al ser una empresa con una importante fuerza de venta requería definir esta estrategia según cada zona geográfica, idealmente a nivel intermunicipal. El cliente disponía de escasos datos de sus clientes, básicamente datos de facturación y dirección y deseaba que el número de tipologías de clientes definidos no fuese mayor de 10 pues requería establecer una estrategia comercial para cada tipología, además era muy importante la identificación de las zonas geográficas de las distintas tipologías.

Solución aportada por ITELLIGENT

Se le propuso al cliente realizar una segmentación geográfica a nivel de sección censal que incorporase la información de facturación de sus clientes y una gran diversidad de información demográfica disponible a dicho nivel. El resultado sería una clasificación de las 36.000 secciones censales en un máximo de 10 categorías, cada una de dichas categorías representaría a tipologías de población homogéneas y reconocibles, por lo que el cliente podría establecer para cada una de ella una estrategia comercial diferenciada y que pudiese ser trasladada, por identificación de las secciones censales a las delegaciones que le correspondiera implementarlas.

La solución se desarrolló en varios pasos que se describen a continuación:

FASE 1 A partir de los datos internos, se determino para cada sección censal la facturación promedio de los usuarios con domicilios en dicha sección censal, para ello fue necesario geolocalizarlos e identificar la sección censal a la que pertenecían.

FASE 2 Se seleccionaron las variables demográficas a incluir en el estudio, aquí además de contar con la experiencia del cliente, se realizaron análisis (ej. estudios de correlación) con vistas a incorporar sólo aquellas variables que fuesen realmente significativas.

FASE 3 Se creó el modelo de clasificación de las secciones censales, para ello se evaluaron distintos números de categorías (entre 5 y 10) para determinar el numero óptimo. Se seleccionaron un total de 10 categorías.

FASE 3_zonas por cada target_ITELLIGENT

Fase 4. Clasificación del Target

FASE 4 Se etiquetaron las categorías a partir de los valores de las variables de las secciones censales pertenecientes a cada categoría. Así a título de ejemplo en la imagen Fase 4. se muestran dos categorías y los valores de las variables de las mismas. Según la zona de densidad de población baja -zona rural-, con personas mayores, de escaso nivel educativo,  con una facturación baja, …) se etiqueta esta categoría como “Jubilados en zonas rústicas con vivienda en propiedad y consumo bajo”. Además, se evalúa el interés comercial de cada una de las categorías.

FASE 5 Evaluación de los resultados. Para evaluar los resultados se tomo una muestra de secciones censales y junto al cliente se comprobó que fuesen coherentes con la clasificación que se les daba.

FASE 5_GEOMARKETING_zonas por cada target_ITELLIGENT

Clasificación de zonas por cada target detectado.

Resultado del proyecto

El resultado final del sistema de clasificación es el que se muestra en la imagen de arriba. Debido a la confidencialidad del proyecto la clasificación del target no incorporar los datos internos del cliente, por lo que los resultados varían un poco respecto a los datos finales.  Por otro lado,  el cliente mediante acceso a la plataforma de geomarketing de ITelligent –netGeomarketing– tiene acceso a los resultados de la clasificación además de muchas otras funcionalidades.

0

El Geomarketing permite integrar información geográfica (mapas) con una multitud de variables (ej. demográficas, consumo, competencia,…) para conseguir tomar decisiones de marketing más inteligentes. La llegada del Big Data y el Data Science hacen que el Geomarketing haya dejado de ser una opción para las empresas, para convertirse en una necesidad si quieren seguir siendo competitivas.

En este post vamos a mostrar un caso real en el que además de utilizar la plataforma de geomarketing de ITelligent, se realiza una análisis masivo para evaluar las 36.000 secciones censales que existen en España, con vistas a determinar las zonas de mayor potencial para el establecimiento de la actividad comercial del cliente.

Necesidad del Cliente:

El cliente tenía previsto abrir 64 nuevos establecimientos a nivel nacional en los próximos dos años, por el tipo de negocio, el cliente estimaba que el 90% del éxito del establecimiento estaba ligado a su ubicación por lo que para él era esencial localizar aquellas ubicaciones con mayor potencial, a partir de la demografía, competencia, etc. Para ello el departamento de expansión requería diseñar una estrategia a nivel nacional que le permitiese definir zonas prioritarias de actuación (comunidades y provincias) y una vez definida esta estrategia disponer de una herramienta que le permitiese evaluar a nivel de municipio las mejores opciones de ubicación del establecimiento. Además el cliente estaba muy interesado en complementar los análisis con oferta de locales disponibles en las secciones censales de interés, de forma que pudiese incluir esta información en su toma de decisiones.

Solución aportada por ITELLIGENT

Como el cliente contaba con varios establecimientos en producción, se le propuso generar unos perfiles de clientes a partir del análisis de sus datos internos e identificar y crear una base de datos de empresas competidoras. A partir de los perfiles y de la competencia, evaluar todas las secciones censales de España para poder establecer su estrategia a nivel nacional. Por último se incorporaría un modelo a la plataforma netGeomarketing para que el cliente pudiese evaluar los distintos municipios que requiriese, además de incorporar a la plataforma información sobre la oferta de locales a nivel de sección censal.

La solución se desarrollo en varios pasos que se describen a continuación:

FASE 1 A partir de los datos internos del cliente (domicilio de sus clientes, fecha de nacimiento y sexo) para cada establecimiento, se realizo un análisis encaminado a obtener el área de captura del establecimiento (área alrededor del establecimiento en la que se encuentran la mayor parte de los clientes) y definir unos perfiles de los clientes.

FASE 2 A partir de recursos identificados por el cliente se creó una base de datos de establecimientos de la competencia geolocalizados. Los establecimientos fueron clasificados por el cliente en 5 categorías y se realizo un análisis de la influencia de cada categoría de establecimientos de la competencia sobre los establecimientos propios.

FASE 2_geomarketing ubicaciones interés_ITELLIGENT

Fase 3. Estudio sobre la competencia, ¿cómo nos afecta?

FASE 3 Se creó el modelo a partir del área de captura y de los perfiles obtenidos en el Paso-1 y del efecto de la competencia obtenido en el Paso-2. Dicho modelo permite dada una sección censal, valorar la bondad de ubicar el establecimiento en dicha sección censal a partir de los datos demográficos del área de captura, de los perfiles objetivos y de la competencia.

FASE 4 Se realizó una evaluación a nivel de toda España a partir del modelo del Paso-3. Una vez realizada la evaluación se realizo un análisis y se genero un informe para el cliente, dónde se le informaba de las zonas más prometedoras a tres niveles: comunidad autónoma, provincia y municipio.

FASE 5 Se incorporó el modelo generado en el Paso-3 a la plataforma netGeomarketing así como la base de datos de competencia de forma que el cliente pudiese realizar estudios concretos a nivel de municipios.

FASE 5_geomarketing_geomarketing ubicaciones interés_ITELLIGENT

Fase 5. El modelo se aplica a la plataforma NETGEOMARKETING de ITELLIGENT

FASE 6 Se incorporó información sobre la oferta de locales comerciales de las características de interés (metros cuadrados mínimos y máximos) para el cliente a nivel de sección censal (número de establecimientos y precio promedio). El cliente puede filtrar por los criterios establecidos para (ej. sólo mostrar secciones censales con oferta de suelo), y realizar un estudio para un local concreto a partir de sus ubicación.

Resultados

El cliente pasó de basar su esfuerzo de expansión en intuiciones más o menos acertadas, a basarse en datos y analíticas, por lo que se han mejorado considerablemente los procesos de decisión. Por otro lado el disponer de la plataforma netGeomarketing ha permitido al departamento de expansión ser mucho más productivo, pudiendo hacer un análisis detallado de un municipio y centrarse en las secciones censales de mayor potencial.

Las instituciones públicas responsables de la promoción turística requieren definir las inversiones en campañas publicitarias de las áreas turísticas bajo su responsabilidad. Estas decisiones se suelen tomar a partir de indicadores procedentes de encuestas, estadísticas, etc. que suelen ser evaluados en un periodo muy posterior al lanzamiento de estas campañas. Esto resulta un problema ya que éstos no son operativos para hacer un seguimiento más continuado y a corto plazo del efecto de aquellas campañas promocionales que se realizan nivel institucional y poder tomar decisiones inmediatas según los resultados obtenidos, es decir, poder evaluar las acciones estratégicas establecidas.

A partir de esta premisa, podemos averiguar de qué modo puede ayudar la utilización de grandes volúmenes de datos en la toma de decisiones sobre la promoción de un destino turístico. Esta pregunta es el reto que se planteó un grupo de investigadores de varias universidades andaluzas (Universidad de Sevilla, Universidad de Huelva y Universidad de Jaén) en un proyecto de investigación en el que ha participado ITELLIGENT.

Turismo Inteligente_ITELLIGENT_plataforma

Este proyecto es una plataforma que, a partir de la captura de datos procedentes de distintas fuentes presentes en Internet –webs institucionales, redes sociales, webs turísticas, entre otras- y mediante técnicas avanzadas de minería de opinión, análisis de datos y análisis semántico, determinan las debilidades y fortalezas de cada una de las zonas geográficas para distintos elementos de las ofertas turísticas. Estos elementos se aglutinan en cuatro categorías: gastronomía, alojamiento, cultura y naturaleza. Además de este análisis, se facilita una gran variedad de elementos de visualización de los datos, gráficas, mapas, etc. A continuación, exponemos algunos de estos elementos visuales a modo de ejemplos.

  • Comparador de tags sobre la categoría gastronomía, entre dos provincias: Cádiz y Córdoba.

Turismo Inteligente_ITELLIGENT_Grafica 1Estas nubes de tags permiten determinar de qué hablan los usuarios y qué valoración posee aquello de lo que hablan sobre la gastronomía de dos provincias, en este caso, Cádiz a la izquierda y Córdoba a la derecha. En el caso de la gastronomía en la provincia de Cádiz podemos observar cómo el pescado es la comida mejor valorada y más mencionada ya que su color es verde que indica el grado positivo y posee mayor tamaño frente al resto – indica su afluencia o número de menciones-. Lo mismo ocurre en el caso de la provincia de Córdoba, con el salmorejo, como la palabra más mencionada y con mejor valoración.

Ejemplo de uso: A partir de estos datos, que parecen obvios, podemos descubrir los platos estrella en cada una de las provincias de Andalucía pero también se pueden detectar las debilidades. En el caso de la provincia de Cádiz, se observa la expresión “marisco congelado” con una mala valoración (color rojo) aunque con poca incidencia. Este dato puede servir para contrarrestar esta pequeña “crisis” dando respuesta con una campaña promocional sobre la zona pesquera en la provincia a través de documental o promo institucional sobre la pesca de marisco en la Bahía de Cádiz.

  • Conversaciones centradas en la opinión de recursos según el destino turístico. Provincia de Cádiz.

Turismo Inteligente_ITELLIGENT_Grafica 2

En este ejemplo, podemos observar las valoraciones medias sobre dos recursos turísticos en la provincia de Cádiz: Alojamiento y Gastronomía. Se aprecia claramente cómo las valoraciones respecto a los hoteles poseen mejor reputación en la Costa de la Luz frente a la Gastronomía cuya mejor valoración se ubica en el marco de Jerez (vinos)

Ejemplo de uso: Para una misma zona geográfica podemos averiguar su punto débil y fuerte según el recurso turístico que se analice. En el caso de que alguna institución pública quisiera promocionar la provincia de Cádiz, gracias a esta información puede focalizar la campaña en explotar la gastronomía de la zona costera, como puede ser el atún de almadraba en Barbate.

  • Comparador de tipo de comentarios sobre el ALOJAMIENTO (habitación, precio e instalaciones) por cada una de las provincias seleccionadas (Granada y Huelva)

Turismo Inteligente_ITELLIGENT_Grafica 3

Las percepciones sobre las condiciones de las habitaciones en los alojamientos ubicados en la provincia de Huelva y Granada, son muy parecidas. En este caso, el 80% de los comentarios son positivos.

Sin embargo, en el caso de la percepción sobre precio del alojamiento, en la provincia de Huelva se observa una mayor valoración negativa (32%) frente a la valoración en la provincia de Granada (25%). Aun así, más del 50% de las conversaciones poseen comentarios positivos)

En el caso de los comentarios relacionados con las instalaciones, la provincia de Granada posee peores valoraciones frente a la provincia de Huelva.

Por lo que, podemos deducir que en Granada las instalaciones son percibidas como peores pero con mejor precio en comparación con la provincia de Huelva donde las instalaciones poseen mejor valoración frente al precio.

Ejemplo de uso: De este ejemplo obtenemos que en lo referente al alojamiento, en Granada las instalaciones son peores pero poseen precios asequibles para los turistas. Para mejorar esta situación, la administración pública puede lanzar una campaña con subvenciones para hoteles, apartamentos y complejos turísticos con pocos recursos económicos para que sus instalaciones mejoren. De esta forma, hacer que en ambas provincias la oferta en alojamientos sea mejor y más competitiva entre ellas, es decir, que ambas provincias posean alojamientos con buenas instalaciones y precios asequibles.

Por último, debemos concluir que a pesar de que este proyecto naciera con el objetivo de poder medir el impacto online y efecto de las campañas publicitarias de las instituciones públicas, también puede servir como herramienta de planificación. A partir de las fortalezas y debilidades que se extraen de la información que ofrece la plataforma por cada destino turístico, permite a la administración conocer dónde centrar el eje de futuras campañas publicitarias o dónde mejorar la oferta turística  en Andalucía.

El próximo martes 24 de mayo organizamos un nuevo webinar en el que podrán descubrir cómo llevar día a día el Big Data aplicado al marketing digital mediante la exposición de casos reales que ayuden a comprender el mundo del procesado de grandes cantidades de datos.

Webinar_ITELLIGENT_DIA A DIA_BIG DATA

¿Qué ofrecemos?

Exposición de casos reales de algunos de nuestros clientes a los que hemos ofrecido una solución a las necesidades específicas de cada uno de ellos.

Este webinar se centrará en casos reales aplicados al marketing y comunicación.

Conocer ejemplos concretos de captura de grandes volúmenes de datos para la toma de decisiones.

La minería de opinión (análisis del sentimiento) en diversos sectores: turismo, moda, banca, entre otros.

Consejos y recomendaciones a la hora de elegir una empresa que trabaje con el Big Data.

Si está interesad@ en asistir solo debe rellenar este formulario. Se enviará un enlace de conexión al mail que nos facilite media hora antes del comienzo del webinar.

— WEBINAR FINALIZADO–