El poder económico es el factor principal que determina la expansión de un negocio… o cerrar una tienda. Básicamente consiste en números anotados en un apunte contable. Este es el tipo de material que la inteligencia artificial (IA) es capaz de manipular para extraer conclusiones. ¿Y si una IA predijese con éxito cuándo tendrá que cerrar una tienda? Aún a años vista, es un análisis propio de la Industria 4.0.
Un estudio basado en la movilidad urbana con respecto a los comercios ha sido capaz de acertar en un 80% de los casos con un horizonte temporal de seis meses. Herramientas como estas podrían usarse en pocos años para determinar el futuro de una tienda. También para obtener (o no) un crédito, vender una propiedad o buscar candidatos interesados en marcas en crecimiento.
[hde_related]
La ubicación de un negocio determina su éxito
Resulta obvio que, de cara al futuro de una tienda, hay una serie de factores dependientes de la marca. Su estrategia a largo plazo, una contabilidad actualizada y un plan de marketing bien ejecutado, entre otros. Sin embargo, desde hace mucho tiempo se sabe que la ubicación de un negocio determina en buena medida su éxito. De ahí que algunas calles tengan disparado el alquiler.
Pero lo que buscaba aclarar el estudio ‘The Role of Urban Mobility in Retail Business Survival’ era si había otros factores a nivel de barrio que también influyesen. Y resulta que sí. No solo tiene peso la calle y número en que localicemos nuestro negocio. Factores como los flujos de población dentro del barrio o el servicio de transporte público condicionan o potencian los comercios.
Para ello, el equipo de Krittika D’Silva ha diseñado un modelo alimentado con todo tipo de datos locales. Por ejemplo, han usado pools de geoposición de redes sociales, movimiento de los ciudadanos, posición hora a hora de flotas de taxis, datos del censo de miles de residentes y la ubicación de diferentes negocios.
¿Qué dice el estudio sobre la probabilidad de cerrar una tienda?
Abajo podemos ver varias curvas de tipo estimador de Kaplan-Meier. Muestran la probabilidad para que un comercio “sobreviva” en el tiempo. El periodo de tiempo está representado en el eje horizontal,Se le llama análisis de supervivencia y siempre tiene forma decreciente.
[hde_summary]Han demostrado que factores como la movilidad local tienen un impacto importante en la vida de una tienda. Lo cual parece lógico pero, hasta ahora, la relación era desconocida.[/hde_summary]
En el panel “todas las ciudades” (el primero a la izquierda) podemos leer en verde que existe una probabilidad del 60% de que la media de comercios del mundo sigan en pie dentro de 26 o 27 meses. La diferencia entre los datos que observamos abajo y otros gráficos estimadores de Kaplan-Meier es que su tasa de acierto es muy elevada.
Esta alcanza el 80%, según el estudio, a seis meses vista. Pero también tenemos tasas de acierto más moderadas a 12, 24 e incluso 48 meses. Arriba vemos diferencias entre ciudades. Para diseñar este modelo predictivo, los investigadores destacaron algunos factores con representación en el éxito de los comercios.
Abajo enumeramos algunas métricas tenidas en cuenta en la categoría “localización”. El estudio tiene otras tres categorías.
- Competencia. Una ratio de los competidores entre el tamaño del vecindario.
- Entropía del lugar. Otra ratio que relaciona el número de comercios de un tipo con respecto al número de comercios totales.
- Atractivo del vecindario. Expresado como el número de diferentes tipos de comercio y su relación con diferentes eventos sociales.
- Captación local. Una relación entre el número de viajes de taxi que terminaban en una zona y el número total de finales de viaje en taxi.
Así podríamos continuar a través de diferentes métricas, todas ellas expresadas de forma matemática. Factores como la proximidad de otros locales, el tamaño del barrio, los movimientos del transporte público o la presencia de peatones han resultado tener relevancia.
¿Cómo podremos usar estos datos?
En palabras de los investigadores, “este modelo requiere mejoras”, pero sirve para estimar la probabilidad de que haya que cerrar una tienda. Todo ello de forma matemática, partiendo de datos públicos y usando como base parámetros locales.
Si resulta interesante es porque el éxito de un negocio se ha puesto en relación al transporte público o al número de tuits de gente de la zona. Es decir, han demostrado que factores como la movilidad local tienen un impacto importante en la vida de una tienda. Lo cual parece lógico pero, hasta ahora, la relación era desconocida. Ha sido un primer paso, y el siguiente es construir otro modelo matemático que incluya parámetros como el consumo de electricidad o agua, entre otros.
¿Por qué? Porque eventualmente se llegará con este tipo de inteligencias a tasas de error cercanas al 1%. Cuando esto ocurra, podremos incluir los factores clave de nuestro negocio y determinar, a pocos meses vista, qué probabilidades hay de que tengamos que cerrar. Una inteligencia artificial a medida nos sugerirá qué hacer
También dará pistas sobre qué factores resultan imprescindibles para bajar el porcentaje de cierres en un barrio. Si aumentando un cierto porcentaje el transporte público de la zona, u organizando eventos cada mes el aumento en ventas resulta mensurable, los comerciantes locales podrían organizarse para presionar al ayuntamiento o montar ellos mismos eventos promocionales.
Imágenes | iStock/fermate, iStock/kefkenadasi, iStock/nensuria, Krittika D’Silva et al.
