Modelos de predicción de demanda a centros comerciales usando datos de movilidad

Abstract

Con más de 9,5 millones de visitantes anuales, los centros comerciales en Chile se han consolidado como espacios fundamentales para la vida económica, social y cultural del país, convirtiéndose en actores clave en la configuración del espacio urbano y comunitario. Según un estudio del Centro UC Encuestas y Estudios Longitudinales (2024), el 58,5 % de los chilenos declaró haberlos visitado en el último año, destacando su seguridad, accesibilidad y variedad de usos.

El objetivo de este trabajo es estimar visitas a centros comerciales mediante el uso de datos de movilidad con el fin de mejorar la pertinencia y granularidad de los pronósticos. Para ello, se desarrollan modelos de pronóstico de demanda y probabilidad de visita utilizando un enfoque basado en análisis de datos de movilidad, empleando técnicas de modelos gravitacionales, regresión lineal y algoritmos de Machine Learning, tales como, Random Forest, Gradient Boosting Machine, XGBoost, Regresión Logística y Redes Neuronales.

El modelo de estimación de visitas que considera un área comercial principal, la cual concentra el 75 % de las visitas, y un área remanente con el 25 % restante, entrega mejores resultados, alcanzando una precisión del 95,2 %. Las variables de mayor importancia corresponden a la cantidad de personas residentes en cada manzana censal, así como al tiempo y la distancia en automóvil que debe recorrer un individuo para acceder al centro comercial.

Para ilustrar la utilidad práctica del modelo, se aplica el modelo de predicción de visitas en tres situaciones: la segmentación de centros comerciales, la ampliación de un centro comercial y la inauguración de una nueva línea de metro, con el fin de poder evaluar el desempeño del modelo y estimar la variación de demanda bajo este nuevo escenario.

Se concluye que los resultados obtenidos, como la identificación de patrones de flujo de personas y la predicción de zonas con alta demanda comercial, refuerzan el valor de los modelos predictivos calibrados con datos de movilidad. Estos modelos permiten anticipar decisiones estratégicas en el comercio minorista, tales como la ampliación de centros comerciales existentes o la creación de nuevos. Además, facilitan la caracterización de la demanda mediante la delimitación de áreas comerciales. Este enfoque no solo es aplicable a diferentes formatos de retail (por ejemplo, strip centers y malls), sino que también puede implementarse en distintas regiones del país, lo que refuerza su utilidad como herramienta de apoyo para la planificación comercial estratégica.