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

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.

Viernes 27 de Agosto de 2021

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.

También le puede interesar:"Geomarketing: Lo que todo retailer debería saber"

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.






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:



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:



¿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.



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.



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.



¿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:



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



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.

Lea acerca de:"Análisis de POI en el sector retail"

¿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:



  • 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.

En PREDIK Data-Driven desarrollamos todo tipo inteligencia comercial para nuestros clientes. Conozca cómo lo hacemos. 


Conozca cómo los análisis de movilidad ayudan a las empresas de retail. ¡Contáctenos!









Este sitio está protegido por reCAPTCHA y se aplican la política de privacidad de Google y los términos de servicio.
¿Tiene alguna duda? Llámenos.
(506) 4001-6423


Más sobre este tema

Análisis de movilidad: Costco Vs. Sam's Club

Octubre de 2021

Las herramientas tecnológicas y los datos geoespaciales juegan un papel muy importante en los negocios, ya que miden el tráfico peatonal y ayudan a entender los patrones de conducta de los consumidores en cualquier zona de interés o punto de venta.

Los análisis de afluencia peatonal, la inteligencia de localización y la categorización de puntos de interés, han revolucionado la forma en que las industrias minoristas y mayoristas implementan estrategias de expansión, comerciales y operativas en el mercado de las franquicias de las cadenas tipo Club.

¿Quién gana en el mercado orgánico?: Whole Foods Market Vs. Sprouts Farmers Market

Octubre de 2021

Entender los patrones de movilidad de los consumidores es fundamental para todo tipo de negocio. Las herramientas de Big Data y los datos geoespaciales juegan un papel muy importante en estos análisis, ya que permiten medir el tráfico peatonal y la conducta de los consumidores en cualquier zona o punto de interés.

Los análisis de afluencia peatonal, la inteligencia de localización y la categorización de puntos de venta, han revolucionado la forma en que los minoristas implementan las estrategias de expansión, comerciales y operativas en el mercado de las franquicias de supermercados enfocados a productos de origen más orgánico.

La batalla por los clientes: McDonald’s Vs. Burger King

Octubre de 2021

Los análisis de afluencia peatonal y la inteligencia de localización han revolucionado la forma en que los minoristas implementan las estrategias de expansión, comerciales y operativas en el mercado de las franquicias de restaurantes de comida rápida.  

Entender los patrones de movilidad de los consumidores es fundamental para todo tipo de negocio.

Big Data para estimar la facturación de la competencia

Setiembre de 2021

Un análisis competitivo comienza por definir el objetivo y su alcance, explotando diferentes conjuntos de datos estructurados y no estructurados de los que se dispone gracias a herramientas innovadoras que ayudan a identificar y dimensionar las marcas competidoras y a estimar sus ventas.

Con herramientas tecnológicas que ayudan a analizar grandes volúmenes de información modelos predictivos, geomarketingdata de movilidad, es posible generar un análisis de competencia, que consiste en identificar a las principales empresas competidoras y estimar su facturación, cuantificar sus ventas potenciales, identificar brechas en el mercado, predecir el costo del desarrollo de nuevos productos, descubrir tendencias, entre otros.

cerrar (x)

Reciba más noticias sobre Comercio

Suscríbase SIN COSTO a CentralAmericaDATA EXPRESS.
Todos los días, lo más importante de Centroamérica.

Ingrese su correo electrónico:

* Al suscribirse, estará aceptando los terminos y condiciones


Indices Bursatiles

(6 Abr)
Dow Jones
-5.60%
S&P 500
-5.10%
Nasdaq
-5.64%

Materias Primas

(6 Dic)
Petróleo Brent
70.880
Café "C"
243.35
Oro
1,780
Plata
22.34