104254 by UNIGIS América Latina

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en

Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburg

Aplicación de Geomarketing para la empresa HIDROFIBRA en el Distrito Metropolitano de Quito (Ecuador). Application of Geomarketing for the enterprise HIDROFIBRA in the Metropolitan District of Quito (Ecuador). by/por

Henry Gonzalo Acurio Flores 01522958 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science– MSc

Quito-Ecuador, 28/11/2018

Compromiso de ciencia Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.

_____________________________________________________________________________________________________________________________

Quito, 28 de noviembre de 2018

Henry Gonzalo Acurio Flores

Dedicatoria El presente trabajo de investigación va dedicado a mi familia (Ángel, Rocío, Magali, Samantha, Jonathan, Mélany, Cecilia y Julián), quienes siempre me apoyan en todos los aspectos de mi vida y sobre todo cuando se trata de fortalecer mi formación profesional.

Resumen El avance tecnológico en los últimos años ha tenido pasos acelerados y una fuerte repercusión en el desarrollo de distintas áreas de conocimiento. Una de estas áreas es el Geomarketing, que consiste en un sistema integrado por datos, software, métodos estadísticos y representaciones cartográficas aplicado a las empresas del mundo actual. Es así que, basado en estos principios, el presente estudio propone la aplicación de métodos de Geomarketing para la empresa HIDROFIBRA, en el Distrito Metropolitano de Quito (DMQ), para lo cual se realiza una identificación de las empresas competencia de la empresa HIDROFIBRA, se determinan áreas de mercado y los potenciales clientes en el DMQ. El presente estudio se desarrolló en base a una metodología que inicia con una revisión profunda de literatura científica referente a Geomarketing y los diferentes métodos que se pueden utilizar. Posteriormente, se realizó la recopilación de información con datos georreferenciados del DMQ de la empresa HIDROFIBRA y de las empresas competencia. Una vez recopilados los datos se procedió a realizar el procesamiento de información con los métodos seleccionados (Áreas de Servicio, Polígonos de Thiessen y Modelo Huff), los mismos que han sido elegidos por sus capacidades para proporcionar información relevante en cuanto a la interacción entre los locales comerciales y los potenciales clientes. El siguiente proceso dentro de la metodología fue la presentación de resultados a través de diversos mapas y tablas que muestran la información obtenida de cada una de los métodos utilizados. Finalmente, se realizó el análisis de resultados de cada uno de los modelos, en donde se identificó la población alcanzada en las áreas de mercado, lo que representa los potenciales clientes para la empresa HIDROFIBRA y para las empresas competencia. Además, los diferentes métodos utilizados en esta investigación fueron comparados y analizados según su aplicabilidad en el campo de estudio.

Palabras Clave: Geomarketing, Áreas de Servicio, Polígonos de Thiessen, Modelo Huff, PYMES, Distrito Metropolitano de Quito, Ecuador.

Abstract The technological advance in the past years had a strong impact on the development of different areas of knowledge in general, and Geographic Information Systems (GIS) in specific. One of these areas is Geomarketing, which consists of a system made up of data, software, statistical methods and cartographic representations applied to enterprises in the world today. Thus, based on these principles, this study proposes the application of Geomarketing methods for the enterprise HIDROFIBRA, in the Metropolitan District of Quito (MDQ), for which it is done an identification of the competing companies of the HIDROFIBRA, market areas and potential customers in the MDQ are determined. The present study was developed based on a methodology that initiates with a thorough review of the scientific literature regarding Geomarketing and the different methods that can be used was carried out. Subsequently, information was collected with geo-referenced data from the MDQ, the enterprise HIDROFIBRA and the competition companies. Once the data was collected, information processing was carried out with selected methods (Service Areas, Thiessen Polygons and Huff Model), which have been chosen according to their ability to provide relevant information regarding the interaction between commercial premises and potential customers. Results are presented in various maps and tables that show the information obtained from each one of the methods used. Finally, the analysis of the results of each one of the models was carried out, where the population data for the market areas was analyzed in order to identify potential customers for the company HIDROFIBRA and for the competition companies. In addition, the different methods used in this investigation were compared and analyzed according to their applicability in the proposed field of study.

Keywords: Geomarketing, Service Areas, Thiessen Poligons, Huff Model, PYMES, Metropolitan District of Quito, Ecuador.

INDICE CAPÍTULO 1. INTRODUCCIÓN .................................................................................................................. 10 1.1

ANTECEDENTES ............................................................................................................................. 10

1.2

PROBLEMA ...................................................................................................................................... 11

1.3

OBJETIVOS....................................................................................................................................... 12

1.4

PREGUNTAS DE INVESTIGACIÓN .............................................................................................. 12

1.5

HIPÓTESIS ........................................................................................................................................ 13

1.6

JUSTIFICACIÓN ............................................................................................................................... 13

1.7

ALCANCE ......................................................................................................................................... 13

CAPÍTULO 2. REVISIÓN DE LITERATURA ............................................................................................. 15 2.1

MARCO TEÓRICO ........................................................................................................................... 15

2.2

MARCO HISTÓRICO ....................................................................................................................... 19

2.3

MARCO METODOLÓGICO ............................................................................................................ 24

2.3.1

Modelos Gravitacionales de Consumo ........................................................................................... 26

2.3.2

Modelos de Interacción Espacial (MCI) ........................................................................................ 29

2.3.3

Métodos Geoespaciales: Localización - Asignación ...................................................................... 32

2.3.4

Métodos Geoespaciales: Áreas de Servicio ................................................................................... 34

2.3.5

Métodos Geoespaciales: Polígonos de Thiessen ............................................................................ 34

2.3.6

Métodos Geoespaciales: Modelo Huff ........................................................................................... 35

CAPÍTULO 3. METODOLOGÍA ................................................................................................................... 37 3.1

ÁREA DE ESTUDIO ......................................................................................................................... 37

3.2

METODOLOGÍA .............................................................................................................................. 40

3.2.1

Revisión De Literatura ................................................................................................................... 43

3.2.2

Recopilación De Información ........................................................................................................ 43

3.2.3

Procesamiento De Información ...................................................................................................... 44

3.2.4

Presentación de Resultados ........................................................................................................... 52

CAPÍTULO 4. RESULTADOS Y ANÁLISIS DE RESULTADOS .............................................................. 53 4.1

RESULTADOS OBTENIDOS CON EL MÉTODO ÁREAS DE SERVICIO .................................. 53

4.2

RESULTADOS OBTENIDOS CON EL MÉTODO POLÍGONOS DE THIESSEN ........................ 61

4.3

RESULTADOS OBTENIDOS CON EL MÉTODO HUFF MODEL ............................................... 65

4.4

COMPARACIÓN DE LOS MODELOS UTILIZADOS ................................................................... 73

CAPÍTULO 5. CONCLUSIONES .................................................................................................................. 75 5.1

BREVE RESUMEN DE LOS RESULTADOS ................................................................................. 75

5.2

VALORACIÓN DE LAS APORTACIONES ESPECÍFICAS LOGRADAS ................................... 75

5.3

RECOMENDACIONES .................................................................................................................... 76

REFERENCIAS BIBLIOGRÁFICAS ............................................................................................................ 77

FIGURAS FIGURA 2 - 1: SISTEMAS DE COMPORTAMIENTO DE MOVILIDAD RELACIONADOS CON LA FRECUENCIA DE LUGARES DE COMPRA. ............................................................................................................................

FIGURA 2 - 2: PROCESO DEL MARKETING ......................................................................................................... 24 FIGURA 2 - 3: ELEMENTOS DEL GEOMARKETING .............................................................................................. 24 FIGURA 2 - 4: REPRESENTACIÓN GRÁFICA SOBRE LA FUERZA GRAVITACIONAL (INTERACCIÓN FÍSICA) ENTRE DOS CUERPOS (MASA). ............................................................................................................................

FIGURA 3 – 1: DIAGRAMA DE LA METODOLOGÍA…………………………………………………………….. 42 FIGURA 4 - 1: CLIENTES POTENCIALES PARA LAS EMPRESAS………………………………………………… 58 FIGURA 4 - 2: POBLACIÓN ALCANZADA EN EL ÁREA DE SERVICIO DE 0 A 10 MINUTOS. .................................... 59 FIGURA 4 - 3: POBLACIÓN ALCANZADA EN EL ÁREA DE SERVICIO DE 10 A 15 MINUTOS. .................................. 60 FIGURA 4 - 4: POBLACIÓN ALCANZADA EN EL ÁREA DE SERVICIO DE 15 A 20 MINUTOS. .................................. 60 FIGURA 4 - 5: POBLACIÓN ALCANZADA PARA CADA EMPRESA UTILIZANDO POLÍGONOS DE THIESSEN. ............ 64 FIGURA 4 - 6: POBLACIÓN ALCANZADA PARA CADA EMPRESA UTILIZANDO MODELO HUFF............................. 73

TABLAS TABLA 2 - 1: TÉCNICAS DE ANÁLISIS EXPLORATORIO DE DATOS ESPACIALES................................................. 26 TABLA 3 - 1: DATOS EMPRESA HIDROFIBRA Y COMPETENCIA…………………………………………….. 44 TABLA 3 - 2: VELOCIDADES PROMEDIO EN KM/H PARA CADA TIPO DE VÍA. ...................................................... 47 TABLA 4 - 1: POBLACIÓN QUE SE ENCUENTRA DENTRO DE LAS ÁREAS DE SERVICIO…………………………. 58 TABLA 4 - 2: POBLACIÓN ALCANZADA DENTRO DE LOS POLÍGONOS DE THIESSEN. .......................................... 64 TABLA 4 - 3: POBLACIÓN ALCANZADA POR LAS ÁREAS DE MERCADO DE LAS EMPRESAS. ................................ 72

MAPAS MAPA 3 - 1: UBICACIÓN DEL DISTRITO METROPOLITANO DE QUITO – ECUADOR. ........................................... 39 MAPA 3 - 2: PARROQUIAS DEL DISTRITO METROPOLITANO DE QUITO. ............................................................ 40 MAPA 3 - 3: ZONAS CENSALES DEL DMQ. ....................................................................................................... 49 MAPA 4 - 1: RESULTADO DE NETWORK ANALYST. ÁREAS DE SERVICIO MEDIDAS EN TIEMPO DE VIAJE EN MINUTOS (10, 15 Y 20) PARA LA EMPRESA HIDROFIBRA…………………………………………………..

MAPA 4 - 2: RESULTADO DE NETWORK ANALYST. ÁREAS DE SERVICIO MEDIDAS EN TIEMPO DE VIAJE EN MINUTOS (10, 15 Y 20) PARA LA EMPRESA TODO EN FIBRA. ...............................................................

MAPA 4 - 3: RESULTADO DE NETWORK ANALYST. ÁREAS DE SERVICIO MEDIDAS EN TIEMPO DE VIAJE EN MINUTOS (10, 15 Y 20) PARA LA EMPRESA HIDROAGUA. ....................................................................

MAPA 4 - 4: RESULTADO DE NETWORK ANALYST. ÁREAS DE SERVICIO MEDIDAS EN TIEMPO DE VIAJE EN MINUTOS (10, 15 Y 20) PARA LA EMPRESA HIDROMAXI. .....................................................................

MAPA 4 - 5: RESULTADO DE NETWORK ANALYST. ÁREAS DE SERVICIO MEDIDAS EN TIEMPO DE VIAJE EN MINUTOS (10, 15 Y 20) PARA LA EMPRESA HIDROMERCADO. ............................................................

MAPA 4 - 6: RESULTADO DE NETWORK ANALYST. ÁREAS DE SERVICIO MEDIDAS EN TIEMPO DE VIAJE EN MINUTOS (10, 15 Y 20) PARA LA EMPRESA HIDRO OLALLAS. .............................................................

MAPA 4 - 7: RESULTADO DE NETWORK ANALYST. ÁREAS DE SERVICIO MEDIDAS EN TIEMPO DE VIAJE EN MINUTOS (10, 15 Y 20) PARA LA EMPRESA ACUAPISCINAS. ...............................................................

MAPA 4 - 8: RESULTADO DE NETWORK ANALYST. ÁREAS DE SERVICIO MEDIDAS EN TIEMPO DE VIAJE EN MINUTOS (10, 15 Y 20) PARA LA EMPRESA ARQ. CONSTRUCTIVE. ....................................................

MAPA 4 - 9: RESULTADO DE NETWORK ANALYST. ÁREAS DE SERVICIO MEDIDAS EN TIEMPO DE VIAJE EN MINUTOS (10, 15 Y 20) PARA LA EMPRESA AQUACONSTRUC. ............................................................

MAPA 4 - 10: RESULTADOS DE LA HERRAMIENTA POLÍGONOS DE THIESSEN.ÁREAS DE INFLUENCIA DE LA EMPRESA HIDROFIBRA Y DE LAS EMPRESAS COMPETENCIA. ...............................................................

MAPA 4 - 11: RESULTADOS DE LA HERRAMIENTA POLÍGONOS DE THIESSEN. ÁREAS DE INFLUENCIA DE LA EMPRESA HIDROFIBRA Y DE LAS EMPRESAS COMPETENCIA. ...............................................................

MAPA 4 - 12: SUPERPOSICIÓN DE POLÍGONOS DE THIESSEN CON ZONAS CENSALES. ....................................... 63 MAPA 4 - 13: ÁREAS DE MERCADO OBTENIDAS DE LA HERRAMIENTA HUFF MODEL. ...................................... 66 MAPA 4 - 14: VENTAS POTENCIALES PARA LA EMPRESA ACUAPISCINAS. ................................................... 67 MAPA 4 - 15: VENTAS POTENCIALES PARA LA EMPRESA AQUACONSTRUC................................................. 68 MAPA 4 - 16: VENTAS POTENCIALES PARA LA EMPRESA ARQ. CONSTRUCTIVE. ........................................ 68 MAPA 4 - 17: VENTAS POTENCIALES PARA LA EMPRESA HIDRO OLALLAS. ................................................. 69 MAPA 4 - 18: VENTAS POTENCIALES PARA LA EMPRESA HIDROAGUA. ........................................................ 69 MAPA 4 - 19: VENTAS POTENCIALES PARA LA EMPRESA HIDROFIBRA. ........................................................ 70 MAPA 4 - 20: VENTAS POTENCIALES PARA LA EMPRESA HIDROMAXI. ......................................................... 70 MAPA 4 - 21: VENTAS POTENCIALES PARA LA EMPRESA HIDROMERCADO. ................................................ 71 MAPA 4 - 22: VENTAS POTENCIALES PARA LA EMPRESA TODO EN FIBRA. ................................................... 71

ACRÓNIMOS

AEDE: Análisis Exploratorio de Datos Espaciales. DMQ: Distrito Metropolitano de Quito. INEC: Instituto Ecuatoriano de Estadísticas y Censos. MCI: Modelos de Interacción Espacial. OSM: OpenStreetMaps. PYMES: Pequeñas y medianas empresas. SIG: Sistemas de Información Geográfica.

CAPÍTULO 1. INTRODUCCIÓN La aplicación de análisis espaciales en diferentes áreas es generalizada, y el mundo de los negocios y marketing no se escapa de esta influencia (Baviera-Puig, Buitrago-Vera, Estriba, y Clemente, 2008). Es así que, el Geomarketing ha surgido, gracias a comprender que la economía no debe excluirse de la situación geográfica (Fontalvo y Tejeida, 2013). El Geomarketing puede definirse como la investigación de mercados empleando bases de datos

que

contiene

información

relativa

características

demográficas

sociodemográficas, vinculadas a una localización geográfica (Fontalvo y Tejeida, 2013). Según Latour y Le Floc´h (2001), el Geomarketing consiste en un sistema integrado por datos, software, métodos estadísticos y representaciones gráficas destinados a producir información útil para la toma de decisiones, a través de instrumentos que combinan gráficos, tablas y cartografía digital (Baviera-Puig, Buitrago-Vera, y Rodríguez-Barrio, 2013). El Geomarketing constituye en un enfoque efectivo para estudiar el mercado de consumo de productos a través de las representaciones geográficas del entorno socioeconómico y la realización de análisis espaciales (Baviera-Puig et al., 2008). El Geomarketing permite a las empresas conocer mejor su mercado, desarrollar mejoras en su rendimiento y reconocer los lugares con mayor potencial de consumo de un producto o servicio (Fontalvo y Tejeida, 2013). Además, el Geomarketing se ha convertido en una herramienta que las empresas utilizan como estrategia para el desarrollo, tanto de nuevos negocios como para la innovación y restructuración de negocios ya existentes (Fontalvo y Tejeida, 2013).

1.1

ANTECEDENTES

El avance tecnológico en los últimos años ha tenido pasos acelerados y una fuerte repercusión en el desarrollo de distintas áreas de conocimiento. Una de estas áreas es el Geomarketing, que consiste en un sistema integrado por datos, software, métodos estadísticos y representaciones cartográficas aplicado al mundo de la distribución comercial (Chasco, 2006).

El Geomarketing brinda apoyo para la adaptación de las empresas a las condiciones cambiantes y dinámicas del mercado actual a través de herramientas que procesan y analizan información de clientes y sus necesidades (Huitrón, Izquierdo, y Delgado, 2015). El Geomarketing se fundamenta sobre los principios generales que la distancia y localización geográfica ejercen una verdadera influencia sobre la actividad económica, permitiendo a las empresas visualizar las estrategias de marketing y poner al descubierto aquellas localizaciones de mayor potencialidad para un negocio (Chasco, 2006). Sin embargo, pese a las indudables relaciones existentes entre marketing y geografía, no es hasta la década de los 1990 que se dio apertura a la investigación y aplicaciones en el campo del Geomarketing (Chasco, 2006a). Los orígenes del análisis económico espacial datan de finales del siglo XIX y principios del XX, cuando un importante grupo de investigadores abrieron la ruta a futuros desarrollos en esta línea, como es el caso de Von Thünen, considerado como “el padre de la economía espacial” por su estudio sobre la localización de distintos tipos de culturas en torno a los centros urbanos, o de Alfred Weber, que con su teoría de la localización industrial, puso en contacto la teoría económica pura con el dominio espacial. Más tarde, Walter Isard, a mediados del siglo XX, pone las bases de la moderna economía espacial (Chasco, 2006a). En la actualidad, el Geomarketing es de vital importancia para el desarrollo y crecimiento de las empresas. Con la aparición del internet, el desarrollo tecnológico y el crecimiento en la utilización de las redes sociales, se ha producido un cambio profundo en la sociedad y en el territorio, empujando a las empresas a desarrollar estrategias que unan el espacio físico y digital a través de la geolocalización, utilizando nuevas herramientas y tecnologías de la información (Beltrán, 2016).

1.2

PROBLEMA

HIDROFIBRA es una pequeña empresa, ubicada en la parroquia de Calderón, en el Distrito Metropolitano de Quito, Ecuador, que se dedica a la fabricación y venta de Jacuzzis, tinas de baño, piscinas, saunas, turcos, mesones, toboganes, entre otros, utilizando materias primas como fibra de vidrio y mármol cultivado. Dicha empresa no cuenta con estudios de mercadeo y marketing que apoyen a la toma de decisiones y planificación de estrategias de comercio, que sumado a la competencia creciente no han 11

permitido que la empresa tenga crecimiento y se posicione en el mercado como referencia en su ámbito. Además, no cuenta con información relevante con indicadores espaciales que le permitan captar mayor número de clientes y al mismo tiempo optimizar recursos. Es así que, el presente estudio propone el desarrollo de estrategias de mercadeo basadas en Geomarketing para la empresa HIDROFIBRA, en el Distrito Metropolitano de Quito (DMQ). Para ello se realiza como primer paso una revisión de literatura técnico-científica buscando las ventajas y las influencias que factores de tipo espacial pueden ejercer sobre la decisión de compra del cliente. Posteriormente, se identifica a las empresas competencias y los potenciales clientes utilizando métodos como Áreas de Servicio, Polígonos de Thiessen y Modelo Huff para estimar áreas de influencia con cada uno de los métodos, basadas en tiempos de viaje en el DMQ. Finalmente, se muestran los resultados en cartografía digital para que el/los altos directivos de la empresa HIDROFIBRA analicen los resultados y tomen sus decisiones en cuento a estrategias de venta y marketing.

1.3

OBJETIVOS

1.3.1 Objetivo General Desarrollar los fundamentos para una estrategia de mercadeo basada en Geomarketing para pequeñas y medianas empresas (PYMES), analizando el ejemplo de la empresa HIDROFIBRA, en el DMQ (Ecuador). 1.3.2 Objetivos Específicos

1.4

Identificar las empresas competencia de la empresa HIDROFIBRA en el DMQ.

Determinar potenciales clientes de la empresa HIDROFIBRA en el Distrito DMQ.

Definir zonas de ventas de productos de la empresa HIDROFIBRA en el DMQ.

PREGUNTAS DE INVESTIGACIÓN

¿Cómo se combinan las variables de localización de competencia, ubicación y atracción del local comercial para estimar probabilidades de venta y áreas de mercado de la empresa HIDROFIBRA? ¿Dónde se encuentran los potenciales clientes de la empresa HIDROFIBRA? ¿Cómo se distribuye espacialmente la competencia de la empresa HIDROFIBRA?

1.5

HIPÓTESIS

Los conceptos, métodos y herramientas del Geomarketing permiten definir zonas de venta, identificar competencias en dichas zonas, ubicar potenciales clientes y apoyar a la planificación de estratégicas de marketing para PYMES, tomando como caso específico la empresa HIDROFIBRA en el DMQ (Ecuador).

1.6

JUSTIFICACIÓN

Tomando en cuenta la expansión demográfica, geográfica, económica y comercial del DMQ, la falta de estudios de marketing que apoyen a la toma de decisiones estratégicas de las pequeñas y medianas empresas, la competencia creciente, la dinámica presente en la actualidad y el aumento en la demanda de información a través de tecnologías de la información (dispositivos móviles, internet, etc), se propone el presente estudio con la finalidad de ofrecer herramientas determinadas para el análisis de marketing geográfico enfocadas al crecimiento económico y optimización de recursos, específicamente para la empresa HIDROFIBRA. Cabe mencionar que este tema es de interés no solo para la empresa HIDROFIBRA en particular, sino también para diferentes PYMES nacionales e internacionales, ya que las metodologías/métodos, análisis de datos y resultados del presente estudio podrían servir de base para que cualquier pequeña o mediana empresa pueda desarrollar estrategias de mercadeo basadas en el Geomarketing.

1.7

ALCANCE

El presente estudio pretende desarrollar estrategias de mercadeo basadas en Geomarketing para la empresa HIDROFIBRA, en el DMQ con la finalidad de definir zonas de venta, identificar competencias en dichas zonas, ubicar potenciales clientes y apoyar a la planificación de estrategias de marketing. Se realiza un análisis demográfico y socioeconómico en la zona de estudio, que sirve de insumo para la utilización de los diferentes métodos que se pretenden utilizar. Finalmente, con los resultados obtenidos, se genera una cartografía digital en los que se incluye información de las empresas competencia y zonas de venta donde se encuentran los potenciales clientes de la empresa HIDROFIBRA.

Los resultados podrían ser utilizados como base por diversas pequeñas y medianas empresas nacionales e internacionales para el desarrollo de estrategias de Geomarketing. El presente estudio no genera un informe técnico con la planificación de estrategias de la empresa HIDROFIBRA, ya que simplemente sirve de apoyo para dicha planificación, tomando como base los conceptos, métodos y herramientas del Geomarketing.

CAPÍTULO 2. REVISIÓN DE LITERATURA 2.1

MARCO TEÓRICO

Actualmente hay muchas definiciones de marketing pero, según Schnarch (2013), una de la más adecuada es aquella que ha ampliado su concepto, como las de Philip Kotler y Lane Keller (2006), que desde el punto de vista de los negocios, el marketing es el proceso de plantear y ejecutar el concepto, el precio, la promoción y la distribución de ideas, bienes y servicios con el fin de crear intercambios que satisfagan los objetivos particulares y de las organizaciones. El marketing es un proceso social y directivo mediante el que los individuos y las organizaciones obtienen lo que necesitan y desean a través de la creación y el intercambio de valor con los demás (Armstrong y Kotler, 2013). En un contexto de negocios más estrecho, el marketing implica la generación de relaciones de intercambio rentables y cargadas de valor con los clientes (Armstrong y Kotler, 2013), es decir, es el proceso mediante el cual las empresas crean valor para sus clientes y generan fuertes relaciones con ellos para, en reciprocidad, captar el valor de sus clientes (Armstrong y Kotler, 2013). Por otra parte y tomando en cuenta la investigación en marketing, esta utiliza una función de relación entre el vendedor y el cliente, a través de los datos y la información, para generar diagnósticos de mercado; proponiendo, ajustando y evaluando las acciones de marketing; y afianzando la idea de comercialización como un proceso. Es importante mencionar que el conocimiento del mercado es determinante para la gestión del marketing. Para Philip Kotler, el mercado “está formado por todos los clientes potenciales que comparten una necesidad o deseo específico y que podrían estar dispuestos a participar en un intercambio que satisfaga esa necesidad o deseo” (Schnarch, 2013, pag. 73). Así, el tamaño del mercado depende de que el número de personas que manifiestan la necesidad tengan los recursos que interesan a otros y estén dispuestas a ofrecerlos en intercambio por lo que ellos desean (Schnarch, 2013).

Existen varios tipos de mercados, cuya clasificación permite identificar el contexto del mercado en función de su ubicación geográfica, los tipos de clientes, la competencia establecida, la clase de producto, de recursos y los grupos de no clientes. Es aquí, en donde la utilización de las características geodemográficas ha generado una disciplina como punto de partida para uno de los avances más grandes en los procesos de marketing, con ayuda de los Sistemas de Información Geográfica (SIG), propiciando recursos y prestaciones para la captura, almacenamiento, gestión, análisis, modelado y presentación de datos relevantes (Baviera-Puig et al., 2013). Esta disciplina es conocida como Geomarketing. El Geomarketing genera estrategias competitivas de mercadotecnia a partir de la información sobre el comportamiento de los consumidores y considera las características de sus localizaciones espaciales, clima, economía y cultura a través de su historia (George, Baraldés, y Huera, 1982). El Geomarketing orientado a optimizar las ventas de productos en locales comerciales es el que mayor desarrollo ha tenido, tanto para empresas pioneras en el mercado (grandes empresas) como para la expansión de marcas existentes (PYMES), que buscan identificar, analizar y redefinir su estrategia de localización. Así, se han realizado varios estudios en los que se analiza los desplazamientos desde las zonas residenciales hacia los lugares de comercio y servicios. En la Figura 1 se puede observar las estrategias de movilidad relacionadas con las compras en el área urbana, en donde se consideran varias variables (lugar de residencia, lugar de trabajo, nivel de ingresos profesión, entre otros) y siendo la estrategia de movilidad un punto crítico dentro del esquema.

Figura 2 - 1: Sistemas de comportamiento de movilidad relacionados con la frecuencia de lugares de compra. Fuente: Desse, 2001

En términos generales, los estudios de mercado para cualquier actividad económica se encuentra conformado principalmente por una visión actual de dicha actividad en el espacio considerado, el desarrollo general del sector (distribución, concentración y potencial), un análisis de las potencialidades del mercado (distribución, concentración, nivel de ingresos, entre otros) y finalmente un análisis de las condiciones de la competencia (localización de cadenas competidoras, comparación de mercados, impacto en mercados abastecidos, estrategias de comercio y marketing, entre otros) (Huitrón, Izquierdo, y Delgado, 2015). En los últimos años, los esfuerzos desarrollados por la investigación en el campo del Geomarketing se han venido centrando en la conexión de los SIG disponibles en el mercado con paquetes estadísticos tradicionales o específicos de Análisis Exploratorio de Datos Espaciales (AEDE). A la potente capacidad de visualización y análisis de los SIG se le une la especialización propia del análisis estadístico y gráfico (Chasco, 2009).

El AEDE es una disciplina de la estadística empleada para estudio de datos espaciales y el mismo permite identificar patrones en el comportamiento de variables geográficas (Rocco, 2012). El análisis exploratorio de datos espaciales, se utiliza para identificar relaciones sistemáticas entre variables cuando no existen expectativas claras sobre la naturaleza de estas relaciones. Esto último resulta muy habitual en el ámbito de los estudios de mercado geográfico (Geomarketing), donde se suele trabajar con grandes bases de datos cuya estructura no siempre es bien conocida (Chasco, 2009). El origen del AEDE se encuentra en el llamado Análisis Exploratorio de Datos (AED), o minería de datos (data mining). Según Tukey, J.W (1977) se puede definir al análisis exploratorio de datos como: “el conjunto de herramientas gráficas y descriptivas utilizadas para el descubrimiento de patrones de comportamiento en los datos y el establecimiento de hipótesis con la menor estructura posible” (Chasco, 2009, pag 2-3). En otras palabras, el AEDE es el conjunto de técnicas que describen y visualizan las distribuciones espaciales, identifican localizaciones atípicas o “atípicos espaciales” (spatial outliers), descubre esquemas de asociación espacial, agrupamientos (clusters) o puntos calientes (hot spots) y sugieren estructuras espaciales u otras formas de heterogeneidad espacial (Anselin, 1999). El AEDE combina el análisis estadístico con el gráfico, dando lugar a lo que podría denominarse una “visualización científica” que, a los contrastes estadísticos sobre los efectos espaciales de dependencia y heterogeneidad, une un amplio marco de gráficos o “vistas” múltiples y dinámicas sobre la información geográfica (Unwin, 2000). El valor agregado del Geomarketing para las PYMES está dado por varios aspectos como: 

Facilitar la visualización de dónde se ubican los potenciales consumidores que cumplen con el perfil y nicho de mercado que desean conquistar las PYMES (Fontalvo y Tejeida, 2013).



Facilitar la visualización de dónde se encuentran los competidores directos e indirectos, lo que ayuda a generar estrategias para aumentar la competitividad (Fontalvo y Tejeida, 2013).



Ayudar a localizar a las empresas que se complementan en el ciclo productivo como proveedores, intermediarios o clientes finales.



Facilitar las decisiones para determinar el lugar en el que se puede ubicar una nueva sucursal con grandes posibilidades de éxito (Fontalvo y Tejeida, 2013). Al mismo tiempo, se reduce el riesgo en la selección de nuevos emplazamientos (Geascol, 2016).



Permitir el establecimiento de formas de publicidad adecuadas para disminuir costos (Fontalvo y Tejeida, 2013).

Todos estos aspectos, permiten transformar a las PYMES, mejorando los resultados de la empresa como fidelización de clientes, posicionamiento de la marca, segmentación de clientes, entre otros (Fontalvo y Tejeida, 2013).

2.2

MARCO HISTÓRICO

El nacimiento del marketing es una cuestión que siempre creó controversias entre los distintos autores, ya que no suelen ponerse de acuerdo ni en la época ni en el país de procedencia. Algunos autores, basándose en la idea del intercambio, sostienen que el marketing es tan antiguo como la humanidad misma, pero aun cuando las actividades de marketing son muy antiguas, su estudio es bastante reciente (Schnarch, 2013). Los antecedentes que dieron lugar a la aparición del marketing se remontan a comienzos del siglo XX, con sus primeros textos académicos escritos. En el año de 1898 se imparte el primer curso universitario sobre comercialización en Alemania; entre 1900 y 1910 diversas universidades de Estados Unidos ofrecen cursos relacionados con lo que entonces se denominaban industrias distributivas y que giraban en torno a los problemas de la distribución y de venta (Schnarch, 2013). Entre los años de 1920 y 1949 comienza la publicidad radiofónica, televisiva y la penetración del teléfono en los hogares. Entre 1950 y 1972 el telemarketing emerge como una táctica común de las marcas para ponerse en contacto con el consumidor. Entre 1973 y 1994 emerge la era digital y se producen importantes avances en la tecnología que sentaría las bases de la futura explosión de la televisión móvil. Entre 1995 y 2002 surgen los primeros motores de búsqueda en internet y el acceso a los mismos crece exponencialmente cada año (MarketingDirecto, 2012). Desde entonces y hasta la actualidad el crecimiento y desarrollo de la tecnología, especialmente la móvil, ha propiciado el espacio necesario para generar nuevas formas de marketing enfocadas principalmente a la venta a través de portales web. 19

Por otra parte, el Geomarketing es una disciplina reciente, aún poco conocida por los analistas, pero de una gran potencialidad, que permite a los decisores visualizar las estrategias de marketing y poner al descubierto aquellas localizaciones de mayor potencialidad en un negocio. Nacida de la confluencia del marketing y la geografía, se trata de una disciplina que puede definirse como el conjunto de técnicas que permiten analizar la realidad económico-social desde un punto de vista geográfico, a través de instrumentos cartográficos y herramientas de la estadística espacial (Chasco, 2006b). Desde hace varios años se habla del “marketing de la distribución” como una subdisciplina específica y adaptada a las necesidades del sector comercial. Además, debido a su carácter multidisciplinar, el marketing, en general, ha ido incorporando elementos de otras disciplinas como las matemáticas, estadísticas, psicología, ciencias empresariales, sociología, política, geografía, etc. Una de esas incorporaciones es, como se ha indicado, la geografía que introduce en el campo del marketing la dimensión espacial de los fenómenos socioeconómicos que analiza (Chasco, 2006b). Además, en los últimos años la tecnología se ha convertido en parte de la rutina diaria en múltiples aspectos de la vida tales como la comunicación, compras, ventas, transporte o la investigación, por ejemplo. En este sentido el Geomarketing ha sido una de las disciplinas que más se ha desarrollado, permitiendo a las empresas tomar decisiones económicas de acuerdo a criterios geográficos y de marketing (Rodríguez, Olarte-Pascual, y Saco, 2016). Pero pese a las innegables relaciones existentes entre marketing y geografía, no es hasta un periodo relativamente reciente, fundamentalmente la década de los 1990, que se han iniciado la investigación y las aplicaciones en este campo (Chasco, 2006b). Los sucesos que ocurren en una ubicación específica tienen repercusiones sobre sus vecinos directos e incluso sobre otros, aparentemente remotos. En el estudio de cualquier fenómeno de carácter social o económico la ubicación geográfica de los agentes constituye un aspecto importante dentro de la especificación de los modelos econométricos, ya que puede existir algún efecto espacial, que de no ser incorporado en la especificación, podría afectar la validez del modelo (Acevedo y Velásquez, 2008). En realidad, el Geomarketing forma parte de la economía espacial, que se fundamenta sobre el principio general de que la distancia geográfica ejerce una verdadera influencia sobre la actividad económica (Chasco, 2006b).

Los orígenes más remotos del análisis económico espacial datan de finales de siglo XIX y principios del XX, cuando un importante grupo de investigadores no dudaron en abrir el camino a futuros desarrollos en esta línea, como es el caso de Von Thunen, considerado como “el padre de la economía espacial” por su estudio sobre la localización de distintos tipos de culturas en torno a los centros urbanos, o de Alfred Weber que, con su teoría de la localización industrial, puso en contacto la teoría económica pura con el dominio espacial. Más tarde Walter Isard, a mediados del siglo XX, pone las bases de la moderna economía espacial. Las aportaciones de estos autores jalonan los primeros cincuenta años de vida de las teorías espaciales (Chasco, 1997). Hasta finales de los años 1980 y, sobre todo, en la década de los 1990, se ha producido una demanda creciente de este tipo de análisis espacial tanto desde las instituciones privadas como públicas, debido fundamentalmente a tres razones: a) El auge, dentro del campo de las ciencias sociales y la teoría económica de lo que se ha dado en llamar “nueva geografía económica”, que encuentra su máximo exponente en el economista norteamericano Paul Krugman (1992), entre otros. Esta atención renovada por el tema espacial no se limita a la economía, sino que también tiene sus exponentes en otras ciencias que anteponen a disciplinas clásicas el prefijo “geo” (Geodemografía, Geoestadística, Geomarketing, Geopolítica, etc) o el apellido “espacial” (economía espacial, econometría espacial) (Chasco, 2006b). b) La creciente disponibilidad de grandes bancos de datos socieconómicos de carácter territorial, con observaciones georreferenciadas (censos, directorios, encuestas) muchas de las cuales son de acceso abierto (Chasco, 2006b). c) El desarrollo de una tecnología eficiente y de bajo coste, capaz de manejar observaciones georreferenciadas: los GIS, y en general software para el análisis de datos espaciales (Chasco, 2006b). Es así que, a nivel internacional existen diversos estudios y proyectos de aplicación del Geomarketing en pequeñas, medianas y grandes empresas. A continuación se presentan diferentes casos de estudio de la aplicación del Geomarketing. 

Aplicación de SIG para Geomarketing. Caso de estudio: Almacén de vinos en la ciudad de Comodoro Rivadavia, Argentina: Esta Tesis de Maestría prueba dos metodologías para estimar áreas de mercado utilizando herramientas disponibles en ArcGIS, tomando como caso de estudio un almacén de vinos (Apezteguia, 2014). 21



Implementación de un sistema Geomarketing caso piloto Armentales S.A. Manizales: Este es un trabajo de grado cuyo objetivo es implementar un SIG enfocado en Geomarketing para una empresa de comercialización y distribución de materiales para la construcción en una zona piloto en la ciudad de Manizales – Colombia (Ceballos y Mancera, 2011).



Análisis de mercado de las sucursales bancarias en la ciudad de Toluca – México con técnicas de Geomarketing: Esta investigación propone utilizar distintas herramientas para el análisis de mercado con ayuda del Geomarketing, donde se demuestra la relevancia de las técnicas y potencial para ser aplicados en los servicios bancarios (Huitrón et al., 2015).



Aplicación de Geomarketing en la optimización de una red de puntos de venta. El presente artículo tiene como principal objetivo optimizar la localización geográfica de una red de concesionarios de automóviles, para que pueda tener acceso a un mercado geográfico potencial (Rodríguez et al., 2016).



Implementación del Geomarketing en México como estrategia para desarrollo de negocios: El presente artículo científico identifica las estrategias para la implementación de Geomarketing como herramienta para la toma de decisiones, aplicado en las PYMES de México (Fontalvo y Tejeida, 2013).



Un modelo de Geomarketing para la localización de supermercados: diseño y aplicación práctica: En este artículo se desarrolla un modelo de Geomarketing con el fin de contribuir a la estrategia de localización de los supermercados (BavieraPuig et al., 2013).



Geomarketing aplicado à instalação de novas agências do banco do Brasil em Curitiba: El trabajo tiene como objetivo mostrar cómo el Geomarketing puede ser importante para la instalación de nuevas agencias del banco de Brasil en la ciudad de Curitiba (Da Silva, 2012).

A nivel nacional (Ecuador), también existen diversos proyectos de aplicación del Geomarketing en empresas pequeñas, medianas y grandes. A continuación se presentan diferentes casos de estudio de la aplicación del Geomarketing en empresas ecuatorianas.



Geomarketing en los canales de distribución del mercado farmacéutico en la ciudad de Quito: Caracterización espacial de la lealtad del cliente: La presente tesis de maestría identifica las oportunidades del negocio farmacéutico, basado en la segmentación geográfica incluyendo localización de zonas inusuales de concentración de clientes y estimación de rutas óptimas de distribución (Mena, 2007).



El Geomarketing en las ventas de la empresa Moda Tacchi de la ciudad de Ambato: Este trabajo de investigación establece el uso de una herramienta adecuada, gratuita y colaborativa para gestionar de manera eficaz el uso de Geomarketing (Ramón, 2014).



Estudio de movilidad humana basado en técnicas de Geomarketing en el centro norte de Quito para caracterizar su viabilidad e implementación: Este trabajo de tesis de maestría evalúa la movilidad peatonal utilizando técnicas y herramientas geográficas para establecer propuestas basadas en geoestrategias con potencial para desarrollar planes de marketing (Ulloa, 2015).



Geomarketing y la participación en el mercado de la Empresa Textil “Ralomtex” de la ciudad de Ambato: Este trabajo se enfoca en establecer un plan de calidad para la aplicación de Geomarketing y mejorar el desarrollo competitivo en el mercado de la empresa Textil “Ralomtex” (Veintimilla, 2014).



La eficacia del Geomarketing para la toma de decisiones y orientación estratégica en las empresas: El presente trabajo presenta las ventajas del Geomarketing como herramienta para apoyo a la toma de decisiones por parte de la alta gerencia de las empresas (Samaniego, 2016).

Existen diversos estudios de implementación, aplicación y utilización del Geomarketing como herramienta de apoyo a la toma de decisiones de empresas nacionales e internacionales. Es importante mencionar que el Geomarketing puede ser utilizado por cualquier empresa indistintamente del producto o servicio que ofrezca.

2.3

MARCO METODOLÓGICO

El concepto de marketing comienza con un mercado bien definido, se concentra en las necesidades de los clientes e integra todas las actividades de marketing que afectan a los clientes (Armstrong y Kotler, 2013). El proceso del marketing está compuesto de un modelo sencillo de cinco pasos en los cuales en los primeros cuatro las empresas trabajan para entender a los consumidores, generar valor al cliente y construir fuertes relaciones con los clientes (Armstrong y Kotler, 2013). En la Figura 2 – 2, se muestra un resumen del proceso de marketing en un proceso de cinco pasos que forman el marco del marketing.

Figura 2 - 2: Proceso del marketing Fuente. Armstrong y Kotler, 2013

Como se puede observar, el proceso del marketing inicia comprendiendo el mercado y las necesidades de los clientes, continúa con el diseño de una estrategia de marketing orientada a los clientes, posteriormente se crea un programa de marketing integrado para construir relaciones rentables con el cliente y finalmente se capta valor de los clientes para generar utilidades y capital. Por otro lado, el Geomarketing, tomando como base al marketing y utilizando los Sistemas de

Información

Geográfica,

consta

Figura 2 - 3: Elementos del Geomarketing Fuente. Chasco, 2006b

los

siguientes

elementos:

a) Información estadística y cartográfica. La información estadística, de carácter alfanumérico, constituye la base de todo estudio de mercado y su procedencia puede ser interna o externa. Los datos internos se encuentran en el seno de la propia empresa o institución y, en muchas ocasiones, se trata de grandes bases de datos que no suelen ser aprovechadas por toda la corporación por no encontrarse depuradas o difundidas convenientemente. Muchas veces, suele tratarse de una información inconsistente (no útil) por no estar codificada ni estructurada. Los datos externos a la empresa proceden de instituciones (públicas o privadas) especialmente dedicadas a la elaboración y difusión de grandes bases de datos de tipo social y económico. Además, es también fundamental contar con una cartografía digital que permita visualizar y tratar estadísticamente datos procedentes de distintas zonas geográficas en diferentes escalas o ámbitos geográficos. La naturaleza compleja y continua del espacio geográfico exige una alta tecnología informática capaz de visualizar y tratar estadísticamente los datos procedentes del contexto espacial. Los SIG constituyen esa alta tecnología que hace posible la visualización, exploración, almacenamiento eficaz, recuperación rápida y visualización interactiva de las formas correspondientes a conjuntos de datos geográficos, todo ello combinando diferentes vistas de mapas, tablas, gráficos y textos. b) Tratamiento de la información. Las relaciones existentes en los datos almacenados (alfanuméricos y cartográficos) tendrá que ser detectada a través de un adecuado análisis estadístico exploratorio, propio de los datos espaciales, denominado AEDE (análisis exploratorio de datos espaciales) que, cuando se aplica a grandes volúmenes de microdatos, suele ser denominado minería de datos espaciales (spatial data mining). El AEDE puede y debe ser completado con el análisis confirmatorio espacial o modelización espacial (univariante o multivariante), cuyos resultados permiten culminar con éxito los estudios de marketing relativos a la localización de clientes, puntos de venta y competidores, áreas de influencia y mercado potencial de establecimientos comerciales, detección de huecos de mercado, distribución sobre el espacio geográfico de un fenómeno, entre otros. En este sentido, las técnicas de la geoestadística y la econometría espacial son de vital importancia. Algunas técnicas de AEDE que se pueden considerar para el tratamiento y análisis de información, se muestra en la Tabla 2-1. 25

Técnicas de AEDE Visualización de distribuciones



Box map

espaciales



Histograma



Análisis

varianza

exploratorio espacial Visualización de asociación espacial



Gráficos del retardo espacial

global



Mapa y Scatterplot de Moran

Visualización de asociación espacial



Mapa LISA

local



Outliers en el Scatterplot

Asociación espacial multivariante



Scatterplot multivariante de Moran

Heterogeneidad Espacial



Mapa



Histograma de Frecuencias



Diagrama de Dispersión

Tabla 2 - 1: Técnicas de Análisis Exploratorio de Datos Espaciales. Fuente: Acevedo y Velásquez, 2008

c) Estudios de Mercado. Las aplicaciones dentro del Geomarketing son tan variadas como las propias del marketing, por lo que los estudios de mercado para cada empresa en específico deben considerar los aspectos más relevantes de su campo de estudio. Además de lo mencionado y para desarrollar el presente proyecto de tesis, se consideran varios modelos que permiten desarrollar estrategias de mercadeo basadas en Geomarketing para una empresa como: modelos gravitacionales de consumo, modelos de interacción espacial, y realizando diferentes análisis con métodos geoespaciales cómo: Áreas de Servicio y Polígonos de Thiessen. 2.3.1 Modelos Gravitacionales de Consumo Los modelos gravitacionales de consumo se inspiran originalmente en el fenómeno de la atracción universal planteado en 1687 por Isaac Newton (1642 - 1727), y estudian la atracción de un grupo de consumidores que viven en una determinada zona geográfica (Reilly, 1931). 26

El modelo partió inicialmente de la ecuación de gravedad, en la cual la atracción entre dos cuerpos es directamente proporcional a la masa de los mismos e inversamente proporcional a la distancia que los separa, en la presencia de una constante gravitacional. Así, en la práctica, el modelo se construye con el uso de las principales variables de comercio, población y características culturales, geográficas y demográficas (Bolívar Caro, Cruz García, y Pinto Torres, 2015). Los modelos gravitacionales de consumo tienen en cuenta variables con un marcado componente espacial, permitiendo abordar con garantía, estudios de demanda de mercado a una escala más amplia, determinando superficies comerciales muy ajustadas a la realidad e incluso identificando volúmenes de ventas (Applebaum, 1966; P. Chasco, 1988). Entre los modelos gravitacionales más utilizados a la hora de abordar una delimitación efectiva de las áreas comerciales y en determinados casos, llegando incluso a corroborar de manera objetiva una apreciación preexistente de las mismas, son el modelo planteado por Reilly (1931) con la actualización de Converse (1949), y el modelo desarrollado por Huff (1963) (Gutiérrez, Pérez, y Ruiz, 2015). Ambos modelos tienen en cuenta las variables más importantes de atracción y contemplan otras de tipo espacial en sus análisis (factor clave a la hora de detectar la capacidad de atracción en un territorio). En ambos casos se relacionan dos tipos de variables: una variable de atracción (normalmente superficie destinada al comercio analizado) y otra de fricción (generalmente longitud de la ruta) (Gutiérrez et al., 2015). Entre los trabajos realizados utilizando específicamente los modelos gravitacionales citados, pueden destacarse algunos ejemplos basados en la delimitación de áreas de atracción comercial en diferentes contextos territoriales (Callizo Soneiro, 1981; Yrigoyen y Uceta, 1997) . Así mismo, pueden acrecentarse su potencialidad como herramienta para el análisis de interacción espacial, a la hora de decidir sobre la localización de nuevas iniciativas empresariales (Gutiérrez et al., 2015). La Ley Física de la Gravitación Universal de Isaac Newton, establece que la fuerza que ejerce una partícula puntual con masa m1 sobre otra con masa m2 es directamente proporcional al producto de las masas, e inversamente proporcional al cuadrado de la distancia que las separa (Mallma Arrescurrenaga y Alfaro Pacheco, 2012):

|⃗ | Donde ̂

|⃗

⃗|

es el vector unitario que va de la partícula 1 a la 2; r la distancia; y donde G es

la constante de gravitación universal, siendo su valor aproximadamente 6,674 x 1011

N.m2/Kg2 (Mallma Arrescurrenaga y Alfaro Pacheco, 2012).

Figura 2 - 4: Representación gráfica sobre la fuerza gravitacional (interacción física) entre dos cuerpos (masa). Fuente. Mallma Arrescurrenaga y Alfaro Pacheco, 2012.

La aplicación de la Ley Física al campo de la economía se entiende a la configuración del espacio interaccional o de fuerzas atractivas entre dos masas o áreas de la actividad económica, y que el espacio donde se realiza esta interacción están separadas o definidas por un factor determinante – la distancia fáctica o virtual (Mallma Arrescurrenaga y Alfaro Pacheco, 2012). Matemáticamente, la función del modelo estaría representada por la siguiente ecuación: ( )

(

)

(

) (

Donde:

)

Una extensión del modelo presentado, para realizar análisis de casos específicos, se puede expresar de la siguiente forma (Mallma Arrescurrenaga y Alfaro Pacheco, 2012): (

)

Donde: Iij = Interacción entre un origen en la zona i y un destino en la zona j. Puede expresarse en términos de flujo de personas, flujo de ventas, etc. Dependiendo de la actividad económica (sector) que se considere. Oij = Nivel de requerimientos de la demanda generada en lugar de origen (zona i). En este punto, la variable se denomina variable de “consumo”. Dij = Nivel de oportunidades en la zona de destino j, esto es la atracción de la zona de destino. Aquí, la variable se denomina variable de “producción”. Los niveles de oportunidad pueden medirse por el valor monetario de la producción, o el quantum físico de la producción, y estas variables de medición pueden ser igual a las que se establecen para el nivel de requerimientos del lugar de origen. Tij-1 = Variable del tiempo, en equivalencia al resto de variables, puede definirse en términos de costo del flete, que a su vez está en función al tiempo utilizado en el transporte o viaje. K = Constante de proporcionalidad, que es un factor de ajuste que se da para el sector de la actividad económica. Se obtiene del promedio ponderado del transporte histórico entre la zona de origen y de destino tomando en cuenta el tiempo y el costo de transporte de una canasta de bienes o servicios. 2.3.2 Modelos de Interacción Espacial (MCI) La Teoría de Interacción Espacial intenta explicar el comportamiento espacial de consumidores y oferentes de bienes y servicios, a partir de razonamientos

microeconómicos sobre la relación entre costos de transporte, atractividad de las unidades comerciales y la utilidad (satisfacción) de los consumidores (Garrocho Rangel, 2003). Los modelos de interacción espacial simulan flujos entre orígenes y destinos, en este caso, el flujo de consumidores que sale de la zona de origen i puede representarse como Oi, mientras que el flujo de consumidores que llega al destino j como Ij. Estos términos son comúnmente conocidos como orígenes (Oi, en donde se origina el flujo) y destinos (Ij, a donde llega el flujo), o como generadores y atractores de flujos respectivamente (Wilson y Bennett, 1985). El objetivo de los modelos de interacción espacial es simular y/o predecir condicionalmente la interacción entre orígenes y destinos, en términos del comportamiento de las variables independientes. Las variables son independientes en el modelo, pero a su vez pueden ser funciones de diversas variables exógenas al modelo (Garrocho Rangel, 2003). Así, un modelo de interacción espacial ampliamente utilizado para pronosticar flujos de consumidores a locales comerciales y de servicios y estimar niveles de ventas de unidades existentes o hipotéticas se puede expresar formalmente de la siguiente manera (Garrocho Rangel, 2003):

Fij = Flujo de consumidores de la zona de origen i al local comercial j; Oi = Número de consumidores potenciales en la zona de origen i; Wi = Atractividad de cada local comercial. Usualmente se estima relacionando el tamaño físico del área de venta del local comercial (como indicador de la cantidad y variedad de productos que ofrece el establecimiento) con un índice de precios al consumidor (Ghosh y McLafferty, 1987). Cij = Costo de viajar de la zona i al local comercial j, estimada como la distancia lineal que las separa. Ai = Factor de balance, que asegura que SiFij = Oi Ai = 1/Sj(WiCij-b)

B = Parámetro que se define por calibración o tomando como referencia el comportamiento espacial observado de los consumidores. Durante las últimas décadas, los modelos de interacción espacial se han enriquecido con diversas aportaciones teóricas. Entre estas destaca el Modelo de Interacción Multiplicativo Competitivo (MCI) que fue desarrollado por Nakanishi y Cooper en 1974 en un intento por definir un Modelo de Interacción Espacial más generalizado, cuya expresión matemática es (Nakanishi y Cooper, 1974): (∏ ∑

)

[(∏

)

]

Donde: Pij = la probabilidad de que un consumidor en una situación de elección i elija la empresa comercial j. Akj = medida de la variable k que describe la atracción de la empresa comercial j. αk = parámetro de sensibilidad con respecto a la variable k. q = número total de variables k consideradas en la medida de la atracción. Dij = distancia existente entre la base del consumidor i y la empresa comercial j. Β = parámetro de sensibilidad con respecto a la distancia. n = número de empresas comerciales consideradas por el consumidor en la situación de elección i. Gracias a una transformación logarítmica, y al empleo de medias geométricas, la ecuación matemática del modelo se transforma en la siguiente ecuación de regresión (Nakanishi y Cooper, 1982):

(

)

∑

(

)

(

)

El modelo MCI tiene la propiedad de la Independencia de las Alternativas Irrelevantes (Independence of Irrelevant Alternatives, IIA). Esta propiedad indica que la llegada de una nueva elección (un nuevo establecimiento) competirá de igual manera con los establecimientos existentes en base a sus atributos (Baviera-Puig et al., 2013). 31

Finalmente, se distingue dos tipos de modelos MCI: Los modelos objetivos y los modelos subjetivos. Los primeros son aquellos cuyas variables explicativas están medidas de manera objetiva, mientras que las variables de los segundos son subjetivas. Esto se debe, por un lado, a que las percepciones de los atributos de una empresa comercial juegan un papel esencial durante el proceso de elección y, por otro lado, evolucionan más rápidamente que las características reales. Sin embargo, se pueden mezclar ambos tipos de variables en un mismo modelo (Baviera-Puig et al., 2013). 2.3.3 Métodos Geoespaciales: Localización - Asignación La localización de una empresa es un factor importante que puede ayudar a mantener bajos costes y una alta accesibilidad. El método Localización - Asignación busca instalaciones y asigna puntos de demanda a esas instalaciones para encontrar la mejor ubicación para la empresa. Además, el método permite enfocar los recurso hacia varios tipos de problemas como: Minimizar la impedancia, maximizar la cobertura, minimizar las instalaciones y maximizar la cuota de mercado (ESRI, 2016). El método Localización - Asignación permite realizar un estudio espacial simultáneo para varios locales de una cadena comercial, incluyendo sistemas de franquicias (Kaufmann y Rangan, 1990). De acuerdo a Cliquet (2006), estos modelos están compuestos por: 

La optimización de la función objetiva según los diferentes lugares posibles.



La reducción de las zonas de demanda a un punto central o centroide donde está concentrada la demanda de productos y servicios.



Los posibles emplazamientos con ubicación, accesibilidad e infraestructura.



La matriz de distancia o tiempo de acceso.



La regla de asignación, o la forma en que los consumidores eligen entre los lugares de suministro propuestos.

Los modelos Localización - Asignación han sido definidos como: “un conjunto de técnicas destinadas a la búsqueda en una determinada zona de las localizaciones óptimas para un número de instalaciones dadas” (Goodchild, 1991). “Existen dos posibilidades básicas para la consideración de sitios candidatos; (a) obtenerlos mediante procedimientos de superposición temática y técnicas de evaluación multicriterio (EMC) y (b) considerar cada centroide de demanda como un posible sitio para la instalación” (Gustavo. D. Buzai, 32

2011). Estos modelos buscan la optimización de redes comerciales, teniendo entre otros, los siguientes objetivos: 

Maximizar las ventas de establecimientos existentes.



Aumentar la cuota de mercado.



Resituar establecimientos existentes, abrir o cerrar otros.



Decidir entrar en un mercado nuevo.

Además, los modelos de Localización - Asignación responden a las siguientes características (Gustavo. D. Buzai, 2011): 1. Son modelos matemáticos ya que se considera a este lenguaje como apto para captar la realidad. 2. Son modelos meso-espaciales porque los aspectos a resolver se encuentran claramente delimitados en un territorio. 3. Son modelos normativos porque se debe buscar la mejor solución a un determinado problema. Formalmente, los modelos de Localización - Asignación se presentan en términos de programación (lineal, dinámica, estocástica, etc.). Estos modelos se definen con una función objetivo F que depende de un conjunto de variables independientes, x1, x2, x3,…., que deben satisfacer un conjunto de restricciones (Rodríguez Rodríguez, 2014). Los modelos más utilizados son: 1. P-mediano, 2. Cobertura máxima, 3. Minimax, 4. Maximizar la cuota de mercado individual o la competencia espacial. Las variables que utilizan estos modelos son: 

Localizaciones posibles de los establecimientos,



Localizaciones fijas de la demanda,



Demanda en cada localización,



Distancia entre cada punto de demanda y cada localización candidata.

2.3.4 Métodos Geoespaciales: Áreas de Servicio Un área de servicio de red es una región que abarca todas las calles accesibles (calles que están dentro de una impedancia especificada). Por ejemplo, el área de servicio de 15 minutos para un punto en una red incluye todas las calles a las que se puede llegar desde ese punto en un plazo de quince minutos (ESRI, 2017). El método Áreas de Servicio calcula la zona en la cual la distancia entre el punto de venta de la empresa y cualquier otro punto es igual o menor a una cifra predeterminada para el análisis. Este método utiliza una red de comunicación (vías, carreteras) ya que los potenciales clientes no se desplazan en línea recta sino a través de vías. Para generar las Áreas de Servicio se necesitan el/los puntos de venta de la empresa y una distancia o coste que corresponde a la máxima distancia que un cliente potencial estaría dispuesto a recorrer para adquirir el/los productos. Esta distancia es una distancia relativa que varía en función del tipo de producto que la empresa ofrezca y del tipo de transporte que se utilice para llegar al punto de venta (Gvsig.org, 2014). 2.3.5 Métodos Geoespaciales: Polígonos de Thiessen Los Polígonos de Thiessen o Polígonos de Voronoi, nombrados indistintamente en la terminología geográfica en el primer caso en honor a quien estudiara sus propiedades matemáticas y en el segundo a quien los utilizara por primera vez en una aplicación de tipo geográfico (G.D Buzai, 2012). Los Polígonos de Thiessen son empleados en las áreas de arqueología, biología, cartografía, mineralogía, meteorología, fisiología, estadísticas, planificación urbana y regional (Boots, Okabe, y Kokichi, 1995). Los primeros trabajos que efectivamente presentaron polígonos en la forma del diagrama son los de Dirichlet, realizado en 1850, y el de Voronoi, en 1908, los cuales, al estudiar formas cuadráticas, consideraron una forma especial del diagrama de Voronoi. La diferencia en la del enfoque de estos trabajos es que Dirichlet estudiaba el diagrama en dos y tres dimensiones, mientras que Voronoi lo estudiaba en n dimensiones (Boots et al., 1995). Sin embargo, sólo en 1911 se iniciaron estudios, por un investigador del área de meteorología de nombre Thiessen, que utilizaban los diagramas para la representación espacial de la relación entre áreas geográficas. En su trabajo, Thiessen empleó el diagrama

de Voronoi, para estimar con más precisión los promedios regionales de precipitación de la lluvia (Vieira Souto, Varnier Almeida, y Nobre, 2000). Los Polígonos de Thiessen o Voronoi, de un conjunto de puntos en el plano, es la división de dicho plano en regiones, de tal forma, que a cada punto le asigna una región del plano formada por los puntos que son más cercanos a él que a ninguno de los otros objetos. Es decir, lo que hace dicho diagrama es dividir el plano en tantas regiones como puntos u tengamos de tal forma que a cada punto le asignemos la región formada por todo lo que está más cerca de él que de ningún otro (Abc.es, 2017). Los Polígonos de Thiessen o Voronoi permiten marcar las áreas dentro de las cuales un cliente potencial está más cerca de un punto de venta que de otros. Además, identifican zonas alejadas del punto de venta (dentro del área de estudio) y en la que se podría colocar un nuevo local comercial (Gvsig.org, 2014). 2.3.6 Métodos Geoespaciales: Modelo Huff El Modelo Huff es un modelo de interacción espacial que calcula las probabilidades, basadas en la gravedad, de que los consumidores en cada ubicación de origen se dirijan a cada tienda en un conjunto de datos de tiendas. A partir de estas probabilidades, se puede calcular el potencial de ventas para cada ubicación de origen en función del ingreso disponible, población u otras variables. Los valores de probabilidad en cada ubicación de origen se pueden usar opcionalmente para generar superficies de probabilidad y áreas de mercado para cada tienda en el área de estudio (ESRI, 2013). Como modelo de gravedad, el modelo Huff depende en gran medida del cálculo de la distancia. Esta herramienta puede usar dos conceptualizaciones de distancia: distancia euclidiana tradicional (línea recta), así como tiempo de viaje a lo largo de una red de calles. Para tener en cuenta las diferencias en el atractivo de una tienda en relación con otras, se utiliza una medida de la utilidad de la tienda, como volumen de ventas, número de productos en inventario, metros cuadrados del local de ventas, tamaño de parcela de la tienda o superficie bruta arrendable, son usadas en conjunto con la medida de distancia. Las ubicaciones potenciales de las tiendas también se pueden ingresar en el modelo para determinar el potencial de nuevas ventas, así como las probabilidades de que los consumidores frecuenten la nueva tienda en lugar de otras tiendas (ESRI, 2013). El modelo de Huff se puede usar para (ESRI, 2013): 35



Delinear mercados basados en la probabilidad para ubicaciones de tiendas en el área de estudio.



Modelar el impacto económico de agregar nuevas ubicaciones de tiendas competitivas.



Preparar áreas de alto y bajo potencial de ventas, que pueden orientar la ubicación de tiendas nuevas o definir iniciativas de marketing o publicidad.

Además de los modelos y métodos mencionados, se necesitan utilizar mapas como base para el desarrollo del presente proyecto de tesis. En este caso específico se utiliza mapas de acceso abierto como OpenStreetMaps. OpenStreetMaps es una fuente de información que permite compartir mapas. Es un proyecto en el cual cualquier persona puede contribuir cada día generando nuevos mapas para que sean accedidos en cualquier momento. Los datos de OpenStreetMaps son abiertos y pueden ser utilizados para cualquier propósito, siempre y cuando se dé crédito a OpenStreetMaps y a sus colaboradores (OpenStreetMap.org, 2016). Cabe mencionar que en los estudios de Geomarketing es necesario intersecar distintas capas para analizar y ubicar zonas en las cuales se cumplen varios criterios, como por ejemplo, zonas que se encuentran dentro de un área de servicio y que marca la ubicación de los clientes potenciales para la empresa y a la vez se encuentra fuera del área de servicio de las empresas competencia. En este tipo de operaciones son útiles los métodos de Geoprocesos de Solape como: intersección, diferencia o enlace espacial (Gvsig.org, 2014).

CAPÍTULO 3. METODOLOGÍA 3.1

ÁREA DE ESTUDIO

La investigación es realizada en el área del DMQ en la provincia de Pichincha, Ecuador. Se encuentra ubicada en el Centro-Norte de la provincia de Pichincha, a una altitud de 2,850 metros sobre el nivel del mar (m.s.n.m). Sus límites son: al norte la provincia de Imbabura; al sur los cantones Rumiñahui y Mejía; al este los cantones Pedro Moncayo, Cayambe y Provincia de Napo; al oeste cantones Pedro Vicente Maldonado, Los Bancos y Provincia de Santo Domingo de los Tsáchilas. El DMQ ocupa una superficie de 4,235.20 km2 y es el territorio donde se encuentra la capital política-administrativa del país. El DMQ presenta, de manera general, un relieve irregular y una particular ubicación ecuatorial que lo definen como un territorio heterogéneo y diverso, con grandes potencialidades, particularmente desde la perspectiva productiva y turística (MDMQ, 2012). El 27 de octubre de 1993 fue creado el DMQ. Quito es una de las ciudades más hermosas y prósperas de América que fue declarada por la UNESCO, como “Patrimonio Cultural de la Humanidad”, el 18 de septiembre de 1978. En el norte se ubica el Quito moderno, donde se erigen grandes estructuras urbanas y comerciales. El centro o Quito antiguo reúne el legado colonial-artístico y ofrece un ambiente cautivador, cuando se desarrollan procesiones religiosas y eventos culturales. En el sector sur se puede ubicar núcleos de expresión juvenil, que impulsan nuevas formas de cultura e interacción social (GADPP, 2015). La ubicación ecuatorial influye para que el DMQ tenga las mismas horas de día y de noche sin variación durante todo el año. Las dos estaciones, una seca de junio a septiembre, y otra lluviosa de octubre a mayo, marcan e inciden en los regímenes agrícolas del territorio y establecen formas de relación específicas entre la geografía y la población (MDMQ, 2012). El distrito tiene 65 parroquias, 33 rurales y 32 urbanas; las primeras en si constituyen un territorio con características propias, formas de asentamiento dispersas, con actividades productivas ligadas a los sectores primarios y secundarios. Las parroquias urbanas por su parte, presentan también diferencias, en relación con la consolidación, tipologías de servicio, conectividad y equipamientos (MDMQ, 2012).

Según el Censo de Población y Vivienda, realizado por el Instituto Nacional de Estadísticas y Censos (INEC), en el año 2010, el DMQ tiene 2´239,191 habitantes lo que representan el 86.9% de la población de la provincia de Pichincha y el 15.5% de la población total del país (INEC, 2010). El crecimiento poblacional del DMQ se ha visto matizado por factores y características propias de un proceso de evolución demográfica. Como resultado de un acelerado crecimiento urbano, la población se multiplicó por casi ocho veces mientras que la rural se cuadriplicó. Los procesos de migración interna tienen un importante aporte en el desigual crecimiento de estas áreas. En lo que concierne al desarrollo económico, la economía de Quito ha iniciado una rápida transición hacia la innovación científica y tecnológica. Aproximadamente el 25% del empleo nacional de alta tecnología se concentra en el DMQ, lo cual implica un nivel de ocupación en estas ramas superior al nivel nacional (MDMQ, 2012). En cuanto a la inversión privada (aumentos de capital y nuevas constituciones), el 41% de la inversión total realizada en Ecuador en el año 2010 ($938 millones) tuvo como destino Quito, lo cual muestra las condiciones favorables que ofrece el DMQ a la inversión. Desde el punto de vista de la Economía Popular y Solidaria, es importante recalcar que esta forma de organización económica involucra de modo directo a aproximadamente 74,870 personas, es decir el 14% de las personas ocupadas del Distrito (MDMQ, 2012). La economía popular y solidaria se concentra en las siguientes actividades económicas: a) Comercio al por menor no especializado; b) Comercio al por menor especializado; y, c) Alojamiento y comidas, las cuales concentran el 30% del empleo en este sector y un gran porcentaje de las ventas totales registradas. Los resultados del censo económico muestran que la economía del DMQ ha experimentado un crecimiento nacional y regional importante en las últimas décadas. Los datos evidencian que el DMQ y sus ciudadanos han aprovechado las características geográficas, demográficas, patrimoniales y productivas que ofrece su territorio para construir una estructura económica sólida capaz de proyectarse con seguridad al futuro y al mundo (MDMQ, 2012). La importancia económica del DMQ en la formación del valor agregado nacional es muy significativa, en el 2010 generó el 22.11% del PIB Nacional demostrando una concentración de la actividad productiva en esta ciudad (MDMQ, 2014). 38

En el año 2010, el DMQ registró un total de 101,937 establecimientos económicos, que representa el 20% de los establecimientos a nivel nacional. Además, concentra el 40% de las ventas totales del Ecuador. Por otro lado, 1% son establecimientos grandes (ventas mayores a USD$ 5’000,000) y 89.3% son microempresas (ventas menores a USD$ 100,000). Las empresas grandes concentraron 88.2% de las ventas totales realizadas en el DMQ y las microempresas tan solo el 6% (MDMQ, 2012). En el Mapa 3-1 se puede observar la ubicación del DMQ dentro de la provincia de Pichincha en Ecuador.

Mapa 3 - 1: Ubicación del Distrito Metropolitano de Quito – Ecuador. Fuente: Mapa base de OpenStreetMap sincronizada con ArcGIS 10.5 y División Política de Ecuador de www.divagis.org.

En el Mapa 3-2 se muestran las Parroquias que conforman el DMQ.

Mapa 3 - 2: Parroquias del Distrito Metropolitano de Quito. Fuente: Mapa base de WorldImagery sincronizada con ArcGIS 10.5 y Parroquias del Distrito Metropolitano de Quito del Geoportal del Municipio del DMQ (MDMQ, 2017).

3.2

METODOLOGÍA

La metodología empleada ha permitido contestar las preguntas de investigación: 

¿Cómo se combinan las variables de localización de competencia, ubicación y atracción del local comercial para estimar probabilidades de venta y áreas de mercado de la empresa HIDROFIBRA.?



¿Dónde se encuentran los potenciales clientes de la empresa HIDROFIBRA?



¿Cómo se distribuye espacialmente la competencia de la empresa HIDROFIBRA?

Estas preguntas fueron contestadas a través de los modelos utilizados, los mismos que fueron seleccionados gracias a una revisión exhaustiva de literatura referente a Geomarketing. Posteriormente se realizó la recopilación de información con datos

georreferenciados del DMQ, y de la empresa HIDROFIBRA y de las empresas competencia. Una vez recopilados los datos se procedió a realizar el procesamiento de información con los modelos seleccionados (Áreas de Servicio, Polígonos de Thiessen y Modelo Huff), los mismos que han sido elegidos por sus capacidades para proporcionar información relevante en cuanto a la interacción entre los locales comerciales y los potenciales clientes. Finalmente, se presenta los resultados esperados, en base a los modelos utilizados, con cartografía digital, en donde se muestran las áreas de mercado de la empresa HIDROFIBRA y de las empresas competencia, lo que nos permite realizar una interpretación y obtención de datos de clientes potenciales (población) en el DMQ. La metodología empleada se muestra en la Figura 3-1.

Figura 3 â&#x20AC;&#x201C; 1: Diagrama de la MetodologĂa.

3.2.1 Revisión De Literatura El primer proceso dentro de la metodología es la revisión de literatura, la misma que se enfocó en tres aspectos importantes: 

Marco Teórico. Plantea las diferentes bases teóricas y los referentes conceptuales en temas como Marketing, Geomarketing y Análisis Exploratorio de Datos Espaciales que son la base de la investigación.



Marco Histórico. Incluye las diferentes investigaciones que se han realizado enfocadas al Geomarketing, tomando en consideración tanto los aspectos que han sido analizados como los resultados obtenidos.



Marco Metodológico. Presenta las diferentes metodologías, modelos y herramientas disponibles y enfocadas al Geomarketing. El marco metodológico es la base sobre la cual se fundamentan los análisis y resultados obtenidos en la investigación.

3.2.2 Recopilación De Información El segundo proceso dentro de la metodología es la recopilación de información. Los datos necesarios para realizar la investigación son los siguientes: 

Mapa base del DMQ,



Administraciones zonales del DMQ (shapefile),



Red vial del DMQ (shapefile),



Datos de censo de población del DMQ (shapefile),



Información básica (nombre, dirección y metros cuadrados del local) y ubicación georreferenciada del local HIDROFIBRA (shapefile),



Información básica (nombre, dirección y metros cuadrados del local) y ubicación georreferenciada de las empresas competencia (shapefile).

La información de las administraciones zonales, red vial y datos del censo de población del DMQ se obtuvieron de la Plataforma Gobierno abierto del DMQ (MDMQ, 2017). Las administraciones zonales y la red vial tienen información actualizada al 2014 y los datos del censo de población contienen información del año 2010. El mapa base que se utilizó para el proyecto y como parte de la presentación de resultados es de OpenStreetMaps. La información básica y ubicación geográfica de la empresa HIDROFIBRA y de las empresas competencia se recopilaron a través de la obtención de datos en campo, visitando 43

cada una de las empresas competencia. Los datos se pueden observar en la siguiente Tabla 3 - 1. NOMBRE

DIRECCIÓN

SUPERFICIE (m2)

Barrio San Luis de Calderón, calle

HIDROFIBRA

Carlos Mantilla oE7-157 y Los Cipreses. Av. 6 de Diciembre N62-65 y

HIDROAGUA

Sabanilla. Av. De la Prensa N58-184 y Vaca de

HIDROMAXI

Castro. Panamericana Norte Km 4 · 11772 y

HIDROMERCADO

120

José Amesaba. Valle de los Chillos, Conocoto,

HIDRO OLALLAS

Abdón Calderón S8-131 y Juan Montalvo. ACUAPISCINAS

Colibries N19 y Las Gaviotas, Urb La

Católica – Cumbaya. ARQ CONSTRUCTIVE

De los Aceitunos N14-260.

Av. Occidental y Rumiurco /

y GARDENING AQUACONSTRUC

Bellavista Oe3-506 y Chuquisaca. TODO EN FIBRA

Lucha de los Pobres, Av. Principal y

Pasaje 7. Tabla 3 - 1: Datos empresa HIDROFIBRA y competencia

3.2.3 Procesamiento De Información El tercer proceso dentro de la metodología es el procesamiento de la información con los métodos seleccionados: 

Áreas de Servicio,



Polígonos de Thiessen,



Modelo Huff. 44

Estos métodos han sido elegidos por sus capacidades para proporcionar información relevante en cuanto a la interacción entre los locales comerciales y los potenciales clientes, de acuerdo a los diferentes datos georreferenciados con los que se dispone. El modelo Áreas de Servicio calcula la zona en la cual la distancia entre el punto de venta de la empresa y cualquier otro punto es igual o menor a una cifra predeterminada para el análisis. Este método utiliza una red de comunicación (vías, carreteras) ya que los potenciales clientes no se desplazan en línea recta sino a través de vías. Este modelo se utiliza para determinar en dónde se encuentran los potenciales clientes de la empresa HIDROFIBRA y de las empresas competencia con la finalidad de realizar un análisis global de las áreas de mercado de cada una de éstas en el DMQ. Además, por la información que se utiliza para determinar las Áreas de Servicio, se cuenta con información de cómo se distribuye espacialmente la competencia de la empresa HIDROFIBRA. Los Polígonos de Thiessen, de un conjunto de puntos en el plano representadas por cada una de las empresas, es la división de dicho plano en regiones, de tal forma, que a cada empresa le asigna una región del plano formada por los puntos que son más cercanos a él que a ninguna de las otras empresas. Al igual que con el modelo Áreas de Servicio, este modelo se utiliza para determinar en dónde se encuentran los potenciales clientes de la empresa HIDROFIBRA y de las empresas competencia, sin embargo al tratarse de un modelo diferente sus resultados aportan información relevante para ser analizada en conjunto con los resultados de los otros modelos. El Modelo Huff es un modelo de interacción espacial que calcula las probabilidades, basadas en la gravedad, de que los consumidores en cada ubicación de origen se dirijan a cada tienda en un conjunto de datos de tiendas. A partir de estas probabilidades, se puede calcular el potencial de ventas para cada ubicación de origen en función de la variable de tamaño del local comercial (superficie) como variable de atractividad. En este caso específico se utilizó como variable de atractividad, el tamaño de los locales comerciales, para cada una de las empresas. Como resultado se obtiene áreas de mercado para la empresa HIDROFIBRA y las empresas competencia y además el modelo presenta las ventas potenciales de acuerdo a los datos de población del DMQ.

3.2.3.1 Áreas De Servicio El primer método que se utilizó es Áreas de Servicio con el fin de determinar en dónde se encuentran los potenciales clientes (áreas de mercado) para la empresa HIDROFIBRA y para las empresas competencia, para lo cual se utilizó los siguientes datos: 

Red Vial del DMQ.



Ubicación geográfica de la empresa HIDROFIBRA y de cada una de las empresas competencia.

La Red Vial del DMQ fue descargada de la Plataforma Gobierno abierto del DMQ (MDMQ, 2017), que contiene los siguientes datos del sistemas de coordenadas. o Projected Coordinate System: quitow84, o Projection: Transverse Mercator Complex. Para poder trabajar sobre estos datos, se realizó una proyección para que contuviera los siguientes datos del sistema de coordenadas: o Projected Coordinate System: WGS 84 UTM Zona 17S, o Projection: Transverse Mercator. Además, este shapefile posee datos de nombre de la vía, tipo de vía, uso de la vía y longitud de la vía (entre lo más importante). Con los datos de tipo y uso de vía, se añadió un nuevo campo “Velocidad” que representa la velocidad promedio en cada una de ellas, basado en las velocidades máximas permitidas según la Ley Orgánica de Transporte Terrestre, Tránsito y Seguridad Vial del Ecuador (ANT, 2014), las mismas que se pueden observar en la siguiente Tabla 3-2.

TIPO

VELOCIDAD PROMEDIO (KM/H)

Pasaje Peatonal

Pasaje

Parterre

Escalinata

Calle

Avenida

Autopista

Tabla 3 - 2: Velocidades promedio en km/h para cada tipo de vía.

Se añadió un nuevo campo “Tiempo de desplazamiento”, el mismo que se calculó con los datos de las velocidades promedio de cada tipo de vía. Este campo expresa el tiempo de viaje (promedio) en cada segmento en minutos. Para realizar el cálculo se utilizó el Field Calculator con la siguiente fórmula:

Donde, T es el tiempo de desplazamiento L es la longitud de la vía en metros V es la velocidad promedio C es una constante de tiempo (60) La ubicación geográfica de la empresa HIDROFIBRA y de las empresas competencia se obtuvieron con toma de datos en campo. Cada una de las ubicaciones se agregaron en Google Earth en el cual se colocaron marcas de posición y se guardó el archivo en formato kml/kmz. Posteriormente, este archivo fue importado con la herramienta de ArcGIS Toolbox KML to Layer, ubicada en el Toolbox Conversion Tools.

Configuración del Network Dataset. Para este proceso en primera instancia se creó una geodatabase y dentro de la misma un feature dataset para exportar la red vial del DMQ ha dicho dataset. Una vez realizado esto, se genera un nuevo Network Dataset y se realizaron las siguientes configuraciones: 

Conectividad: Se seleccionó Any vertex para que la conectividad se realice sobre cualquier vértice del segmento.



No se utilizaron campos de elevación.



Se especificaron los atributos para el Network Dataset con Tiempo en minutos y distancia en kilómetros.



No se estableció la configuración de direcciones de manejo.

Una vez construido el Network Dataset, se utiliza la herramienta Network Analyst para configurar y generar las Áreas de Servicio. Configuración de Áreas de Servicio Para la configuración de esta herramienta, se tomaron en cuenta los siguientes parámetros: 

Se cargaron como facilities cada una de las ubicaciones tanto de la empresa HIDROFIBRA como de las empresas competencia.



Se estableció como Impedance el tiempo de desplazamiento para generar Áreas de Servicio de 10, 15 y 20 minutos. Se eligieron estos tiempos ya que la ciudad de Quito es bastante grande y durante los 25 años de experiencia que tiene la empresa HIDROFIBRA, ha atendido a clientes de diferentes partes del DMQ por lo que se considera un tiempo de desplazamiento prudente en vehículo particular para la configuración de la herramienta.



Se seleccionó Overlapping para la generación de los polígonos.

Este proceso se lo realizó para todas las empresas, para las cuales se generaron las Áreas de Servicio de 10, 15 y 20 minutos. Superposición de Áreas de Servicio y Datos Poblacionales Para obtener una medida de la población que es alcanzada por las Áreas de Servicio de cada una de las empresas, se realizó una superposición utilizando datos de la población descargada de la Plataforma Gobierno abierto del DMQ (MDMQ, 2017), y utiliza como base la información del último censo poblacional realizado por el INEC en el año 2010. 48

Estos datos de población están divididos por zonas censales, definidas por el INEC para realizar el Censo de Población y Vivienda del año 2010. Estos datos se pueden observar en el siguiente mapa.

Mapa 3 - 3: Zonas Censales del DMQ. Fuente: MDMQ, 2017.

Para cada una de las áreas de proximidad de las empresas se realizó una superposición con la capa de Zonas Censales, utilizando la herramienta ArcToolbox  Analysis Tools  Extract  Clip. 3.2.3.2 Polígonos De Thiessen El segundo método que se utilizó es Polígonos de Thiessen con el fin de determinar en dónde se encuentran los potenciales clientes (áreas de mercado) para la empresa HIDROFIBRA y para las empresas competencia para lo cual se necesita de los siguientes datos: 

Shapefile de los Límites del DMQ (Zonas Administrativas).



Ubicación geográfica de la empresa HIDROFIBRA y de cada una de las empresas competencia.

El shapefile de las Zonas Administrativas del DMQ fue descargado de la Plataforma Gobierno abierto del DMQ (MDMQ, 2017), y contiene los siguientes datos del sistemas de coordenadas. o Projected Coordinate System: quitow84, o Projection: Transverse Mercator Complex. Para poder trabajar sobre estos datos, se realizó una proyección para que contuviera los siguientes datos del sistema de coordenadas: o Projected Coordinate System: WGS 84 UTM Zona 17S, o Projection: Transverse Mercator. Configuración de la Herramienta Create Thiessen Polygons Para este proceso nos dirigimos hacia ArcToolbox  Analysis Tools  Proximity  Create Thiessen Polygons. Como Input Features colocamos la ubicación geográfica de la empresa HIDROFIBRA y de las empresas competencia. En el apartado Enviroments seleccionamos la extensión para el procesamiento, el shapefile de las zonas administrativas. Una vez obtenidos los resultados se utiliza la herramienta Clip para cortar sólo el área de interés. Analysis Tools  Extract  Clip, en donde se selecciona como Input Features el polígono de Thiessen obtenido y Clip Features las zonas administrativas. 50

Superposición de Áreas de Influencia y Datos Poblacionales De la misma forma que con el método Áreas de Servicio, para obtener una medida de la población que es alcanzada por las Áreas de Servicio de cada una de las empresas, se realizó una superposición utilizando datos de la población descargada de la Plataforma Gobierno abierto del DMQ (MDMQ, 2017). Estos datos de población están divididos por zonas censales, definidas por el INEC para realizar el Censo de Población y Vivienda del año 2010. Cada uno de los datos obtenidos se realizó de manera independiente para las empresas utilizando como datos: 

Los resultados de la herramienta Polígonos de Thienssen.



Los datos de la población del DMQ.

Se utilizó la herramienta Analysis Tools  Extract  Clip, en donde se colocó como Input Features el shapefile de población y Clip Features los resultados de la herramienta Polígonos de Thiessen para cada una de las empresas. 3.2.3.3 Modelo Huff El tercer modelo que se utilizó es Huff Model con la finalidad de determinar el potencial de ventas para cada una de las empresas para lo cual se necesita de los siguientes datos: 

Red vial del DMQ.



Ubicación geográfica de la empresa HIDROFIBRA y de cada una de las empresas competencia, incluyendo los datos del área de los locales comerciales.



Datos de la población del DMQ.

El Modelo Huff es un modelo de interacción espacial que calcula las probabilidades, basadas en la gravedad, de que los consumidores en cada ubicación de origen se dirijan a cada local en un conjunto de datos de locales. A partir de estas probabilidades, se puede calcular el potencial de ventas para cada ubicación de origen en función de la población de u otras variables. Los valores de probabilidad en cada ubicación de origen se pueden usar opcionalmente para generar superficies de probabilidad y áreas de mercado para cada tienda en el área de estudio (ESRI, 2013).

Configuración de la Herramienta Huff Model Para utilizar esta herramienta, primero debemos descargarnos el script ya que este no se encuentra dentro de ArcGIS. Una vez descargado el modelo lo agregamos a ArcToolbox y accedemos a ella a través de la siguiente ruta: ArcToolbox –> Market Analysis Tools  Huff Model. La configuración del model gravitacional de Huff presenta los siguientes parámetros: 

Como Store Locations se utilizó la ubicación geográfica de todas las empresas que forman parte del estudio.



La medida de atractividad está dada por la superficie de cada uno de los locales de las empresas.



Dentro del área de estudio se selecciona los límites del DMQ (administraciones zonales).



Para el parámetro de Distance Calculation se utilizan los datos del Network Dataset de la red vial del DMQ.



En el parámetro de Huff Model Options se selecciona la opción Generate Probability Surfaces.



Dentro de Origin Locations and Sales Potential se selecciona el shapefile de la población del DMQ y dentro de esta en el parámetro Sales Potential Field se selecciona el campo que contiene los valores de la población del DMQ.

Superposición de Áreas de Mercado y Datos Poblacionales A partir de los datos que ya se han obtenido de las ventas potenciales, se puede realizar una superposición de datos de las áreas de mercado obtenidas para cada una de las empresas con los datos de población de las zonas censales, descargados de la Plataforma Gobierno abierto del DMQ (MDMQ, 2017). 3.2.4 Presentación de Resultados El último proceso dentro de la metodología es la presentación de resultados a través de diversos mapas y tablas que muestran la información obtenida de cada una de los métodos utilizados. Además, se realizó un análisis de los resultados, y finalmente una comparación entre los métodos para interpretar las capacidades de cada uno de ellos y la información final que proporcionan. 52

CAPÍTULO 4. RESULTADOS Y ANÁLISIS DE RESULTADOS 4.1

RESULTADOS OBTENIDOS CON EL MÉTODO ÁREAS DE SERVICIO

A continuación se presenta los resultados obtenidos con el método Áreas de Servicio de Network Analyst para la empresa HIDROFIBRA y para las empresas competencia.

Mapa 4 - 1: Resultado de Network Analyst. Áreas de Servicio medidas en tiempo de viaje en minutos (10, 15 y 20) para la empresa HIDROFIBRA.

Mapa 4 - 2: Resultado de Network Analyst. Ă reas de Servicio medidas en tiempo de viaje en minutos (10, 15 y 20) para la empresa TODO EN FIBRA. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 3: Resultado de Network Analyst. Ă reas de Servicio medidas en tiempo de viaje en minutos (10, 15 y 20) para la empresa HIDROAGUA. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 4: Resultado de Network Analyst. Ă reas de Servicio medidas en tiempo de viaje en minutos (10, 15 y 20) para la empresa HIDROMAXI. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 5: Resultado de Network Analyst. Ă reas de Servicio medidas en tiempo de viaje en minutos (10, 15 y 20) para la empresa HIDROMERCADO. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 6: Resultado de Network Analyst. Ă reas de Servicio medidas en tiempo de viaje en minutos (10, 15 y 20) para la empresa HIDRO OLALLAS. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 7: Resultado de Network Analyst. Ă reas de Servicio medidas en tiempo de viaje en minutos (10, 15 y 20) para la empresa ACUAPISCINAS. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 8: Resultado de Network Analyst. Ă reas de Servicio medidas en tiempo de viaje en minutos (10, 15 y 20) para la empresa ARQ. CONSTRUCTIVE. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 9: Resultado de Network Analyst. Ă reas de Servicio medidas en tiempo de viaje en minutos (10, 15 y 20) para la empresa AQUACONSTRUC. Sistema de Referencia WGS 84 UTM Zona 17S.

De acuerdo a los resultados obtenidos con las Áreas de Servicio y superponiendo éstas con los datos poblacionales obtenemos información de los clientes potenciales para cada una de las empresas, los mismos que se pueden ver en la siguiente Tabla 4-1. POBLACIÓN EMPRESA

0 - 10 MINUTOS 10 - 15 MINUTOS 15 - 20 MINUTOS

TOTAL

ACUAPISCINAS

114,521

385,819

620,466

1120,806

AQUACONSTRUC

627,318

272,364

267,148

1166,829

CONSTRUCTIVE

646,099

205,771

227,423

1079,293

HIDRO OLALLAS

222,315

659,268

368,902

1250,485

HIDRO AGUA

660,101

306,694

333,137

1299,933

HIDRO FIBRA

432,362

321,897

162,943

917,201

HIDROMAXI

634,784

344,917

385,115

1364,815

HIDROMERCADO

661,615

284,972

317,841

1264,429

TODO EN FIBRA

782,182

318,501

169,819

1270,502

ARQ

Tabla 4 - 1: Población que se encuentra dentro de las Áreas de Servicio.

Se puede observar que la población alcanzada total (potenciales clientes) es muy parecida para todas las empresas, exceptuando para la empresa HIDROFIBRA que tiene una población alcanzada menor que las demás empresas, como se puede observar en la siguiente Figura.

CLIENTES POTENCIALES AQUACONSTRUC 12%

TODO EN FIBRA 13%

ARQ CONSTRUCTIVE 11%

HIDROMERCADO 13%

HIDRO OLALLAS 13%

HIDROMAXI 14% HIDRO FIBRA 10%

HIDRO AGUA 14%

Figura 4 - 1: Clientes potenciales para las empresas.

Sin embargo, los resultados varían si tomamos en cuenta cada uno de los intervalos definidos, es decir, de 0 a 10 minutos, de 10 a 15 minutos y de 15 a 20 minutos. Para obtener una visión global de los datos mencionados, se han generado los siguientes gráficos.

0 - 10 MINUTOS 900000

Poblaciòn alcanzada

800000 700000

600000 500000 400000 300000 200000 100000 0

Figura 4 - 2: Población alcanzada en el área de servicio de 0 a 10 minutos.

Como se puede observar en la Figura 4-2, la población que cubre el área de servicio de las diferentes empresas en el intervalo de 0 a 10 minutos es bastante parecida entre ellas exceptuando las empresas ACUAPISCINAS e HIDRO OLALLAS que tienen 114,000 y 220,000 personas alcanzadas aproximadamente.

10 - 15 MINUTOS 700000

Población alcanzada

600000 500000 400000 300000

200000 100000 0

Figura 4 - 3: Población alcanzada en el área de servicio de 10 a 15 minutos.

En el intervalo de 10 a 15 minutos la empresa que tiene un área de servicio que mayor población abarca es HIDRO OLALLAS. Las otras 8 empresas abarcan la misma cantidad de población aproximadamente.

15 - 20 MINUTOS 700000

Población alcanzada

600000 500000 400000

300000 200000 100000 0

Figura 4 - 4: Población alcanzada en el área de servicio de 15 a 20 minutos.

Finalmente, en el intervalo de 15 a 20 minutos la empresa que tiene un área de servicio que mayor población abarca es ACUAPISCINAS.

4.2

RESULTADOS OBTENIDOS CON EL MÉTODO POLÍGONOS DE THIESSEN

En las siguiente Figura se presenta el resultado obtenido con la herramienta Polígonos de Thiessen para determinar áreas de influencia de la empresa HIDROFIBRA y de las empresas competencia.

Mapa 4 - 10: Resultados de la herramienta Polígonos de Thiessen.Áreas de Influencia de la empresa HIDROFIBRA y de las empresas competencia. Sistema de Referencia WGS 84 UTM Zona 17S.

Para observar de manera más clara los resultados obtenidos con el método Polígonos de Thiessen, nos acercamos más hacia los polígonos creados para cada una de las empresas.

Mapa 4 - 11: Resultados de la herramienta Polígonos de Thiessen. Áreas de Influencia de la empresa HIDROFIBRA y de las empresas competencia. Sistema de Referencia WGS 84 UTM Zona 17S.

Se puede observar que las empresas HIDROAGUA, ARQ CONSTRUCTIVE e HIDROMERCADO son las que menor área de influencia poseen debido a que alrededor de ellas, dentro del DMQ, se encuentran otras empresas competencia lo que influye en los 62

resultados obtenidos a través de esta herramienta. Las otras empresas tienen grandes áreas de influencia, de acuerdo a los resultados obtenidos. Al realizar la superposición de datos de las áreas de influencia con los datos de población se obtienen los siguientes resultados.

Mapa 4 - 12: Superposición de Polígonos de Thiessen con Zonas Censales. Sistema de Referencia WGS 84 UTM Zona 17S.

Dentro de la Tabla de atributos de cada uno de los resultados (cada empresa), se tiene información de la población alcanzada la misma que se muestra a continuación en la siguiente Tabla 4-2. EMPRESA

POBLACIÓN ALCANZADA

HIDROAGUA

144,163

HIDROMERCADO

16,115

ARQ CONSTRUCTIVE

105,475

ACUAPISCINAS

327,177

AQUACONSTRUC

161,217

TODO EN FIBRA

805,325

HIDROFIBRA

301,411

HIDROMAXI

226,042

HIDRO OLALLAS

184,012

Tabla 4 - 2: Población alcanzada dentro de los Polígonos de Thiessen.

Como se había mencionado con anterioridad, las empresas con menor zona de influencia y por ende con menor población alcanzada son HIDROAGUA, HIDROMERCADO y ARQ CONSTRUCTIVE. Por otra parte, la empresa con mayor área de influencia es TODO EN FIBRA. La siguiente Figura muestra de manera gráfica los resultados obtenidos.

POBLACIÓN ALCANZADA 900000 800000

Población

700000 600000 500000 400000 300000 200000

100000 0

Figura 4 - 5: Población alcanzada para cada empresa utilizando Polígonos de Thiessen.

4.3

RESULTADOS OBTENIDOS CON EL MÉTODO HUFF MODEL

El modelo Huff trabaja directamente con los datos de población del área de estudio para generar las áreas de mercado basándose en la variable de atractividad definida (superficie del local comercial). En el mapa 4-13 se muestra los resultados obtenidos con el modelo de Huff, el cual ha proporcionado las áreas de mercado para cada una de las empresas.

Mapa 4 - 13: Ă reas de Mercado obtenidas de la herramienta Huff Model. Sistema de Referencia WGS 84 UTM Zona 17S.

De acuerdo a la configuración de la variable de atractividad (superficie del local comercial), se puede visualizar la importancia de disponer de un local comercial con una superficie mayor como en el caso de la empresa HIDROMERCADO, esto le permite disponer de un área de mercado mucho mayor que las otras empresas. Además de esto, el modelo Huff calcula las ventas potenciales de acuerdo a la ubicación del local comercial, la variable de atractividad (superficie del local comercial), red vial del área de estudio y los datos de la población que utiliza como base la información del último censo poblacional realizado por el INEC en el año 2010. En los siguientes mapas se muestran los resultados de las ventas potenciales para cada una de las empresas.

Mapa 4 - 14: Ventas Potenciales para la empresa ACUAPISCINAS. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 15: Ventas Potenciales para la empresa AQUACONSTRUC. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 16: Ventas Potenciales para la empresa ARQ. CONSTRUCTIVE. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 17: Ventas Potenciales para la empresa HIDRO OLALLAS. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 18: Ventas Potenciales para la empresa HIDROAGUA. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 19: Ventas Potenciales para la empresa HIDROFIBRA. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 20: Ventas Potenciales para la empresa HIDROMAXI. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 21: Ventas Potenciales para la empresa HIDROMERCADO. Sistema de Referencia WGS 84 UTM Zona 17S.

Mapa 4 - 22: Ventas Potenciales para la empresa TODO EN FIBRA. Sistema de Referencia WGS 84 UTM Zona 17S.

El área de mercado de cada una de las empresas comerciales está directamente relacionado con la variable de atracción (superficie del local comercial), lo que afecta directamente a la cantidad de población que está incluida dentro de las ventas potenciales. Además, dichas ventas potenciales se basan en la probabilidad de que un cliente vaya a la empresa comercial a realizar una compra. A partir de los datos que ya se han obtenido de las ventas potenciales, se puede realizar una superposición de datos de las áreas de mercado del Mapa 4-13 con los datos de las zonas censales. En la siguiente Tabla 4-3 se muestran los datos de la población alcanzada para cada una de las empresas comerciales. POBLACIÓN

EMPRESA

ALCANZADA

ACUAPISCINAS

176,612

AQUACONSTRUC

36,063

ARQ CONSTRUCTIVE

59,458

HIDRO OLALLAS

156,886

HIDROAGUA

7,877

HIDROFIBRA

159,967

HIDROMAXI

238,001

HIDROMERCADO

742,219

TODO EN FIBRA

895,840

Tabla 4 - 3: Población alcanzada por las áreas de mercado de las empresas.

Para obtener una visión global y más visual de los datos de la Tabla 4-3, se ha generado el siguiente gráfico.

POBLACIÓN ALCANZADA 1000000 900000 800000

Población

700000 600000

500000 400000 300000 200000 100000 0

Figura 4 - 6: Población alcanzada para cada empresa utilizando Modelo Huff.

Las empresas HIDROMERCADO y TODO EN FIBRA son las que mayor población alcanzan y esto se debe a que son dos de las tres empresas con mayor tamaño de su local comercial y a que su ubicación geográfica dentro del DMQ es ventajosa con respecto a las otras empresas.

4.4

COMPARACIÓN DE LOS MODELOS UTILIZADOS

Una vez obtenidos los resultados de los tres métodos (Áreas de Servicio, Polígonos de Thiessen, Modelo Huff) se realizó una comparación con la finalidad de establecer semejanzas y diferencias entre los resultados obtenidos con cada uno de los métodos utilizados. Además, la comparación permitió identificar qué metodología puede ayudar a responder las preguntas de investigación y cumplir con los objetivos planteados. Para los tres métodos se puede realizar una superposición de los resultados obtenidos con datos de población (número de habitantes) de la zona de estudio para identificar la población aproximada alcanzada, tal como se indicó en la metodología. Las Áreas de Servicio permiten identificar zonas cercanas al local comercial en donde se encuentran los potenciales clientes que se acercan en vehículo. Representa una herramienta importante para estudios de Geomarketing, ya que muestra de forma clara y precisa los potenciales clientes que se encuentran cercanos al local comercial y los clientes que se 73

encuentran alejados y a donde se podría implementar otras estrategias de marketing utilizando herramientas enfocadas en la venta on-line por ejemplo. Los Polígonos de Thiessen también nos muestran las áreas de influencia de cada una de las empresas. Permiten marcar las áreas dentro de las cuales un cliente potencial está más cerca de una empresa que de otras. Sin embargo, en este caso en particular, seis de las empresas se encuentran relativamente cerca unas de otras (al norte del DMQ) por lo que al generarse los polígonos, algunas empresas resultan “perjudicadas” por contar con un área de influencia menor que las de la competencia. El modelo Huff establece una comparación directa entre los locales comerciales a través de la variable de atracción definida que para este caso particular es el tamaño del local comercial generando además un modelo predictivo de probabilidades de ventas potenciales y además genera áreas de mercado para determinar la población aproximada alcanzada en cada área de mercado. Los tres métodos se pueden utilizar de manera complementaria para generar estrategias de Geomarketing porque cada una de ellas proporciona información relevante en sus resultados, sin embargo, tanto las Áreas de Servicio como el Modelo Huff presentan información más apegada a la realidad en cuento a las áreas de mercado y la población alcanzada para las ventas potenciales.

CAPÍTULO 5. CONCLUSIONES 5.1

BREVE RESUMEN DE LOS RESULTADOS

Para cumplir los objetivos del proyecto se utilizó una metodología que parte desde la recopilación de información, pasa por el procesamiento de la misma utilizando tres modelos; Áreas de Servicio, Polígonos de Thiessen y Modelo Huff y presenta los resultados obtenidos en cartografía digital. Utilizando los modelos seleccionados se pudo comprobar la hipótesis planteada que establece que los conceptos, métodos y herramientas de Geomarketing permiten ubicar potenciales clientes, identificar espacialmente las empresas competencia apoyar a la planificación de estratégicas de marketing para PYMES, tomando como caso específico la empresa HIDROFIBRA en el DMQ (Ecuador). Además, los resultados a través de mapas y de información en tablas permitieron responder las preguntas de investigación determinando dónde se encuentran los potenciales clientes, cómo se distribuye espacialmente la competencia y sobre todo determinando cómo se combinan las variables de localización de competencia, ubicación y atracción del local comercial:

5.2

VALORACIÓN DE LAS APORTACIONES ESPECÍFICAS LOGRADAS

La primera pregunta de investigación ¿Cómo se combinan las variables de localización de competencia, ubicación y atracción del local comercial para estimar probabilidades de venta y áreas de mercado de la empresa HIDROFIBRA.? pudo ser respondida con los resultados obtenidos de cada uno de los métodos utilizados. Los métodos Áreas de Servicio, Polígonos de Thiessen y Modelo Huff entregan información a través de mapas en los que se puede identificar las áreas de mercado con clientes y ventas potenciales y además nos entregan información tabulada en una tabla de datos, con información sobre la población alcanzada en cada una de las áreas de mercado. Cada uno de estos métodos combinan diferentes variables y datos como ubicación de los locales comerciales, tiempos de viaje en la red vial, tamaño de los locales comerciales y zonas censales con datos de número de habitantes (población) en la zona de estudio.

La segunda pregunta de investigación ¿Dónde se encuentran los potenciales clientes de la empresa HIDROFIBRA? pudo ser respondida con los resultados obtenidos de cada uno de los métodos utilizados. Los métodos Áreas de Servicio, Polígonos de Thiessen y Modelo Huff entregan información a través de mapas en los que se puede identificar las áreas de mercado con clientes y ventas potenciales y además nos entregan información tabulada en una tabla de datos, con información sobre la población alcanzada en cada una de las áreas de mercado en la zona de estudio. Finalmente, la última pregunta de investigación ¿Cómo se distribuye espacialmente la competencia de la empresa HIDROFIBRA? pudo ser respondida con mapas, producto del procesamiento de información a través de los métodos seleccionados. Los métodos Áreas de Servicio, Polígonos de Thiessen y Modelo Huff presentan como resultado mapas en donde se puede identificar claramente áreas de mercado de cada una de las empresas, es así que, a través de estos resultados se puede analizar las ventajas y desventajas de la población alcanzada de acuerdo a la ubicación geográfica de los locales comerciales. La elección de los clientes para ir a un local comercial u otro están dadas por otros factores o variables que no se analizaron dentro del presente estudio, como por ejemplo precios de los productos, variedad de productos, atención al cliente, horarios de atención, entre otros. Sin embargo, los resultados obtenidos pueden ofrecer grandes aportes para la generación de estrategias de marketing como: apertura de un nuevo local comercial, ventas por otros medios (internet) para las zonas en donde no se tiene cobertura, adecuaciones para agrandar el local comercial entre otros.

5.3

RECOMENDACIONES

Como se había mencionado desde un principio, el presente estudio puede ser de utilidad no sólo para la empresa HIDROFIBRA, sino también para diversas pequeñas y medianas empresas nacionales e internacionales que pueden utilizar los conceptos, datos, metodología y métodos aplicados a sus empresas para generar información con valor agregado para la toma de decisiones. Para futuras investigaciones se recomienda obtener datos actualizados especialmente los referentes a datos poblacionales (número de habitantes). Además, en lo posible incluir dentro de los datos poblacionales la edad de la población objetivo y datos económicos de los mismos, ya que estos permiten realizar análisis más detallados y apegados a la realidad.

Finalmente, se recomienda utilizar otros métodos enfocados al Geomarketing, como el método Localización - Asignación cuyo objetivo es utilizar un conjunto de técnicas destinadas a la búsqueda en una determinada zona de las localizaciones óptimas para un número de instalaciones dadas. O la utilización de modelos de Interacción Espacial cuyo objetivo es pronosticar flujos de consumidores a locales comerciales y de servicios y estimar niveles de ventas. Dependiendo de la actividad comercial de la empresa, pueden resultar más convenientes y ajustados a sus necesidades.

REFERENCIAS BIBLIOGRÁFICAS Abc.es. (2017). El diagrama de Voronoi, la forma matemática de dividir el mundo. Retrieved February 6, 2018, from http://www.abc.es/ciencia/abci-diagrama-voronoiforma-matematica-dividir-mundo-201704241101_noticia.html Acevedo, I., y Velásquez, E. (2008). Algunos conceptos de la econometría espacial y el análisis exploratorio de datos espaciales. Ecos de Economía. Anselin, L. (1999). The future of spatial analysis in the social sciences, 67–76. ANT. (2014). Ley Orgánica de Transporte Terrestre, Tránsito y Seguridad Vial. Apezteguia, A. (2014). Aplicación de SIG para Geomarketing. Caso de estudio: Almacén de Vinos en la ciudad de Comodoro Rivadavia, Argentina. Universidad San Francisco de Quito. Applebaum, W. (1966). Methods for determining store trade areas, market penetration and potential sales. Journal of Marketing Research, 3, 127–141. Armstrong, G., y Kotler, P. (2013). Fundamentos de Marketing (11e ed.). México. Baviera-Puig, A., Buitrago-Vera, J., Estriba, C., y Clemente, J. (2008). Geomarketing: Aplicación de los Sistemas de Información Geográfica al Marketing. Baviera-Puig, A., Buitrago-Vera, J., y Rodríguez-Barrio, J. (2013). Un modelo de Geomarketing para la localización de supermercados. DOCFRADIS. Retrieved from https://riunet.upv.es/bitstream/handle/10251/60788/Docfradis DEFINITIVO.pdf?sequence=2yisAllowed=y

2013_01

Beltrán, G. (2016). Geomarketing: geolocalización, redes sociales y turismo. Retrieved March

14,

2017,

from

http://www.bubok.es/libros/234875/Geomarketing-

geolocalizacion-redes-sociales-y-turismo Bolívar Caro, L. M., Cruz García, N., y Pinto Torres, A. (2015). Modelo gravitacional del comercio internacional colombiano, 1991 - 2012. Economía y Región, 1, 245–270. Boots, B. N., Okabe, A., y Kokichi, S. (1995). Spatial Tessellations: Concepts and Applications of Voronoid Diagrams. England: John Wiley and Sons Ltd. Buzai, G. . (2012). Identificação de sítios para a localização de novos Centros de Atenção Primária de Saúde: Aplicação na cidade de Luján, Argentina. Hygeia, 201–212. Buzai, G. D. (2011). Modelos de localización-asignación aplicados a servicios públicos urbanos: análisis espacial de Centros de Atención Primaria de Salud (CAPS) en la ciudad de Luján, argentina. Cuadernos de Geografía, Revista Colombiana de Geografía. Vol. 20. Nro. 2 Julio-Diciembre, 111–123. Callizo Soneiro, J. (1981). La ley de Reilly en la delimitación de las áreas de influencia de las ciudades oscenses. Jornadas Sobre El Estado Actual de Los Estudios Sobre Aragón, 447–451. Ceballos, M., y Mancera, K. (2011). Implementación de un Sistema Geomarketing caso piloto Armetales S.A. Manizales. Universidad de Manizales. Chasco, C. (2006a). El Geomarketing y la Distribución Comercial. Retrieved from http://www.uam.es/personal_pdi/economicas/coro/docencia/geomark/T.1_Lectura_Ge oM03.pdf Chasco, C. (2006b). El Geomarketing y la Distribución Comercial. Investigación y Márketing, 79. Chasco, C. (2009). Análisis Exploratorio de Datos Espaciales al Servicio del Geomarketing. Madrid. Chasco, P. (1988). Modelos de Localización de Centros Comerciales. Universidad Autónoma de Madrid. Cliquet, G. (2006). Stages in the development of store location methods. Geomarketing (1st Ed.), 166–173. 78

Da Silva, F. (2012). Geomarketing aplicado à instalação de novas agências do banco do Brasil

Curitiba.

Universidade

Federal

Paraná.

Retrieved

from

http://acervodigital.ufpr.br/bitstream/handle/1884/39078/R - E - FELIX CORNELIO DA SILVA.pdf?sequence=1yisAllowed=y Desse, R. (2001). Le nouveau commerce urbain - dynamiques spatiales et stratégies des acteurs. Universitaires de Rennes. ESRI.

(2013).

Huff

Model.

Retrieved

from

http://www.arcgis.com/home/item.html?id=f4769668fc3f486a992955ce55caca18 ESRI. (2016). Análisis de ubicación y asignación. Retrieved October 29, 2016, from https://desktop.arcgis.com/es/arcmap/latest/extensions/network-analyst/locationallocation.htm ESRI. (2017). Análisis del área de servicio. Retrieved February 5, 2018, from https://desktop.arcgis.com/es/arcmap/latest/extensions/network-analyst/servicearea.htm Fontalvo, W., y Tejeida, T. (2013). Implementación del Geomarketing en México como estrategia

para

desarrollo

negocios.

Retrieved

from

http://www.unilibrebaq.edu.co/ojsinvestigacion/index.php/dictamenlibre/article/view/ 509/484 GADPP. (2015). Distrito Metropolitano de Quito. Retrieved November 6, 2017, from http://www.pichincha.gob.ec/pichincha/cantones/item/23-distrito-metropolitano-dequito.html Garrocho Rangel, C. (2003). La teoría de interacción espacial como síntesis de las teorías de localización de actividades comerciales y de servicios. Economía, Sociedad y Territorio, IV, 203–251. Geascol. (2016). Como realizar un análisis de Geomarketing para su negocio. George, P., Baraldés, J., y Huera, C. (1982). Geografía económica. Madrid: Ariel. Ghosh, A., y McLafferty, S. L. (1987). Location strategies for retail and service firms. New York: Lexington Books. Goodchild, M. . (1991). Geographic Information System. Journal of Retailing, 67, 3–15. 79

Gutiérrez, J. A., Pérez, J. M., y Ruiz, E. (2015). Los Modelos Gravitacionales Como Método de Análisis Comercial Sobre el Territorio. Aplicación en la CC.AA. de Extremadura. Extremadura. Gvsig.org. (2014). Técnicas de análisis geoespacial para Geomarketing en gvSIG. Retrieved October 29, 2016, from https://blog.gvsig.org/2014/02/14/tecnicas-deanalisis-geoespacial-para-Geomarketing-en-gvsig/ Huitrón, R., Izquierdo, A., y Delgado, D. (2015). Análisis de mercado de las sucursales bancarias en la ciudad de Toluca con técnicas de Geomarketing. INEC. (2010). Censo de Población y Vivienda del Ecuador. Kaufmann, P. L., y Rangan, V. (1990). A Model for Managing Conflict during Franchise Expansion. Journal of Retailing, 155–173. Kopler, P., y Keller, L. (2006). Dirección de Marketing. (P. Educación, Ed.) (12th ed.). México. Mallma Arrescurrenaga, S. M., y Alfaro Pacheco, J. R. (2012). La Teoría Gravitacional y su Aplicación a Los Indicadores de las Regiones Ayacucho, Junin, Lima, 1981 - 2010. Univesidad Nacional de Ingeniería. MarketingDirecto. (2012). La historia del marketing: de 1450 a 2012. Retrieved October 23, 2017, from https://www.marketingdirecto.com/marketing-general/publicidad/lahistoria-del-marketing-de-1450-a-2012 MDMQ. (2012). Plan Metropolitano de Desarrollo del Distrito Metropolitano de Quito. Quito. MDMQ. (2014). Situación económica y productiva del DMQ. Quito - Ecuador. MDMQ.

(2017).

Geoportal

DMQ.

Quito.

Retrieved

from

http://gobiernoabierto.quito.gob.ec/?page_id=1122 Mena, S. (2007). Geomarketing en los canales de distribución del mercado farmacéutico en la ciudad de Quito: Caracterización espacial de la lealtad del cliente. Instituto de Altos Estudios Nacionales. Nakanishi, M., y Cooper, L. G. (1974). Parameter Estimation for a Multiplicative Competitive Interaction Model-Least Squares Approach. Journal of Marketing 80

Research, 11, 303–311. Nakanishi, M., y Cooper, L. G. (1982). Simplified estimation procedures for MCI models. Marketing Science, 314–322. OpenStreetMap.org. (2016). OpenStreetMap. Retrieved September 12, 2016, from https://www.openstreetmap.org/about Ramón, P. (2014). El Geomarketing en las ventas de la empresa Moda Tacchi de la ciudad de Ambato. Universidad Técnica de Ambato. Reilly, W. (1931). The law of retail gravitation. New York: Knickerbocker Press. Rocco, S. (2012). Análisis Exploratorio de Datos Espaciales en estudios de demanda eléctrica. Caracas. Rodríguez Rodríguez, V. (2014). Marketing, Geografía y Competitividad para la Optimización de una Red de Puntos de Venta: El caso del automóvil en Andalucía. Universidad Ceu San Pablo. Rodríguez, V., Olarte-Pascual, C., y Saco, M. (2016). Aplicación de Geomarketing en la optimización de una red de puntos de venta. DOCFRADIS. Samaniego, J. (2016). La eficacia del Geomarketing para la toma de decisiones y orientación estratégica en las empresas. Universidad Católica Santiago de Guayaquil. Schnarch, A. (2013). Marketing para Pymes un enfoque para Latinoamérica. Tukey, J. M. (1977). Exploratory Data Analysis. Ulloa, R. (2015). Estudio de movilidad humana basado en técnicas de Geomarketing en el centro norte de Quito para caracterizar su viabilidad e implementación. Escuela Politécnica Nacional. Unwin, A. (2000). Exploratory spatial analysis ando local statistics. Computational Statistics, 11, 387–400. Veintimilla, A. (2014). Geomarketing y la participación en el mercado de la Empresa Textil “Ralomtex” de la ciudad de Ambato. Universidad Técnica de Ambato. Vieira Souto, F. A., Varnier Almeida, R. M., y Nobre, F. (2000). Diagramas de Voronoi para a definição de áreas de abrangência de hospitais públicos no Município do Rio de 81

Janeiro. Cad. Saúde Pública, 16(2), 467–475. Wilson, A. G., y Bennett, R. J. (1985). Mathematical methods in human geography and planning. Londres. Yrigoyen, y Uceta. (1997). Análisis de las áreas comerciales de Andalucía. I Congreso de Ciencia Regional de Andalucía: Andalucía En El Umbral Del Siglo XXI. Universidad de Cádiz.