OXXO Vs. 7-Eleven: ¿Quién gana en el punto de venta?
Fernanda Mariel Garcia
in Alimentos y Bebidas, Comercio retail, Estudios de mercado, México, Retail
Los análisis de movilidad se han convertido en una de las mejores herramientas para optimizar estrategias comerciales y planes de expansión en retail. Para las tiendas de conveniencia, esto no son la excepción.
Comprender lo que los consumidores piensan, quieren y hacen es esencial para las empresas del sector minorista. Aquí es donde las herramientas de big data juegan un papel importante, porque con ellas se puede medir no solo la afluencia en el punto de venta, sino también las características del cliente y sus patrones de consumo.
Caso de estudio: Oxxo Vs. 7-Eleven, Ciudad de México
Utilizando data de movilidad y otras fuentes de información, en PREDIK Data-Driven realizamos un análisis exhaustivo de dos populares tiendas de conveniencia en la capital de México: OXXO y 7-Eleven.
Con el objetivo de entender el comportamiento de los clientes dentro de la tienda y en el entorno inmediato, realizamos un análisis con base en datos de movilidad.
Con la ingeniería de big data, es posible analizar los flujos de peatones desde un área o ubicación específica, y al integrar esta información con datos geoespaciales, puede visualizar el desempeño de un punto de interés (un POI específico), como una tienda de conveniencia.
OXXO Vs. 7-Eleven: análisis de dos competidores
Se analizó la data de movilidad dentro de las dos tiendas y en el entorno inmediato, con el objetivo de comparar y analizar el movimiento de visitantes en los dos puntos de venta. Para ello, se recopilaron y analizaron datos de movilidad para comprender el comportamiento de las personas que visitan las tiendas. Este análisis pretende dar respuesta a las siguientes preguntas:
¿Cómo se distribuyen las visitas a cada establecimiento?
El primer paso es determinar los dos puntos en el mapa y seleccionar el área que nos interesa analizar.
Este análisis del entorno nos proporciona una imagen más general de las zonas aledañas y de los patrones de movilidad de las personas que se mueven los alrededores. Estos datos, combinados con otros factores, otorgan una visión profunda a la hora de predecir los ingresos de cualquier establecimiento comercial.
Utilizando técnicas de análisis de de datos geoespaciales, se identifican los puntos de interés y se calcula un heatmap, o mapa de calor, basado en los patrones de movilidad de las visitas, permitiendo analizar la dispersión de los consumidores y la distribución de las visitas en el interior de ambas tiendas.
¿Cuál fue la evolución de las visitas a las dos tiendas en el periodo analizado?
Una vez que se han recopilado los datos, es posible observar la evolución de las visitas a lo largo del tiempo, lo que puede ser muy útil para identificar patrones de comportamiento de los clientes y tendencias del mercado en temporadas de alta y baja afluencia.
El gráfico a continuación muestra la distribución porcentual de las visitas registradas durante febrero y marzo de 2021:
Identificar la conducta de los consumidores: ¿Qué días de la semana son los más visitados?
Una de las aplicaciones más interesantes del geomarketing es que permite conocer detalles sobre los modelos de comportamiento del consumidor diario, mensual o anual, proporcionando un conocimiento valioso del diseño de campañas de marketing y batalla. Una mezcla comercial de tiempo de energía en la tienda.
Perfilamiento de clientes: ¿Cómo son los visitantes de OXXO y 7-Eleven?
Cuando enriquecemos el análisis incorporando otras fuentes de información, los insights que generan estos estudios se vuelven de gran valor para optimizar no solo los planes de expansión y búsqueda de zonas para nuevas aperturas, sino también para perfeccionar las estrategias de comercialización y marketing en cada punto de venta.
También le podría interesar nuestro caso de estudio: «McDonald’s Vs. Burger King CDMX«
Identificar zonas idóneas para abrir nuevos puntos de venta
A través de estos análisis es posible ir un paso más allá en el análisis, y no quedarse solo en contabilizar cuántas personas ingresan a la tienda, sino cómo son esas personas.
¿Son nuestro cliente potencial? ¿Tienen capacidad de compra? ¿Cuánto tiempo permanecen en la tienda? ¿Qué preferencias tienen? ¿Qué otros establecimientos visitan? ¿De dónde vienen?
Con data del Wealth Index Global, recopilada por Facebook, se pueden estimar los niveles socioeconómicos de los habitantes, su edad y su perfil. En paralelo, aplicando técnicas de análisis de datos geoespaciales, se localizan edificios corporativos, zonas residenciales, escuelas, etc.; lo cual, hace 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.
Puede ver nuestro webinar: «Análisis de Movilidad – ¿Cómo se aplica al sector retail?»
¿Cuál es el potencial de facturación de mi competidor o de un punto de venta?
Gracias a los modelos de machine learning, es posible predecir las ventas de un punto de venta en particular. Con estos modelos, cualquier empresa puede hacerse una idea de los posibles ingresos o visitas de un competidor en una semana, mes o año determinado. Estos patrones también se utilizan para predecir la posibilidad de que se abra un nuevo lugar. Es ideal para realizar estudios de factibilidad de nuevos puntos de venta en planes de expansión.
