Estimación y caracterización de demanda de clientes de centros comerciales usando datos de movilidad

Abstract

Los establecimientos comerciales están envueltos en una industria con altos grados de dinamismo y competencia, es por esto que necesitan mejorar y actualizar sus modelos predictivos, con el fin de capturar nuevos factores relevantes, utilizando herramientas más complejas disponibles en la actualidad gracias al avance tecnológico. De este modo, este trabajo de memoria tuvo como objetivo desarrollar un modelo de predicción de demanda usando datos masivos de movilidad, capaz de describir la probabilidad de asistir a un centro comercial, con el fin de comprender el comportamiento y características del cliente, logrando ser un apoyo en la toma de decisiones. En este contexto, se desarrollaron Modelos Gravitacionales, los cuales representan una perspectiva pionera en el ámbito del comercio minorista. Estos modelos se centran en la estimación de la probabilidad de elección de una alternativa específica, considerando factores como la atracción ejercida por una infraestructura comercial y los tiempos de viaje involucrados. Además, se han realizado Modelos de Regresión y Machine Learning, los cuales han sido calibrados utilizando datos de movilidad. Esta diversidad de enfoques y metodologías ha sido la principal motivación detrás de la realización de esta memoria, ya que se espera que aporte a la capacidad predictiva y robustez en la estimación de la demanda de clientes en el contexto de los centros comerciales. Tras el desarrollo y aplicación de los modelos junto con la selección de variables pertinentes, se llevó a cabo un análisis comparativo. Los resultados revelaron que el modelo más efectivo corresponde a un algoritmo de random forest, el cual incorpora atributos tanto de origen, destino como de transporte. Esto resalta la importancia de utilizar características que abarquen el contexto general para obtener estimaciones más precisas y confiables. Con estas variables se explica el 51 % de la varianza de probabilidad de elección, lo que es un resultado aceptable considerando que predice la probabilidad de todas las manzanas de la Región Metropolitana a la mayoría de centros comerciales ubicados en ella. Se aplicó el modelo propuesto para estimar demanda, calcular ventas potenciales, realizar caracterización de clientes y estimar impactos frente a cambios del contexto comercial, demostrando las utilidades del modelo como herramienta para entregar información relevante en toma de decisiones. Dentro de las conclusiones, se menciona que se logra evidenciar las bondades de utilizar datos de movilidad en comparación a fuentes de datos tradicionales como encuestas, teniendo una mejoría del estimada del 64 %. Además, se confirma que variables como distancia y tiempo de viaje tienen un impacto negativo significativo en la disposición de viaje a un destino de compra