Webinar Anáhuac "Cómo pronosticar el éxito de una marca en función del local comercial"

Webinar Anáhuac
¿Cómo pronosticar el éxito de una
marca en función del local comercial?
Julio 2020

"La mayoría del comportamiento
humano es bastante
regular y predecible ”.
Nassim Nicholas Taleb
The Black Swan

¿Qué veremos el día de hoy?
1) Introducción (historias)
2) El proceso de decisión de compra del cliente
• The Basic Stimulus-Response Model
• Evolución de las 4 P´S
• ¿Qué es el “Trade Area”?
• ¿Qué son los “Micro Site Factors”?
• ¿Qué son los “In-Store Factors”?
• ¿Qué son los “Digital Factors”?
3) Modelos predictivos
• Modelo: Entrada-Proceso-Salida
• Intuición
• Análogos
• SIM (Spatial Interaction Modelling)
• Geomarketing y razones en cadena
• Estadísticos
https://www.youtube.com/channel/UC-
znToqquoUadMF9WQgF9hQ?view_as=sub
scriberLocationCity Mx
4) Matriz JR3
5) Algunas tendencias

“Los mercados más complejos
exigen un análisis espacial más
sofisticado”. (Birkin, Clarke & Clarke, 2017).

Plan 40
 Meta: 40 sucursales en 1 año.
 Problema: No había metodología de selección de
sitios.
 Solución: *Analizar al consumidor.
*Estudiar las características de las
sucursales abiertas. (26)
*Clasificar unidades en función a las
ventas.
*Definir un sistema de evaluación de
nuevos sitios por puntos.
Zona de
influencia
Generador
Características
sitio
Competencia
Desplazamiento
en la zona

Helado agrio
 Meta: 10 sucursales en 1 año.
 Solución: Se contrataron los sitios en los lugares
solicitados.
 Problema: No llegaron a las ventas necesarias
para tener un fondo de inversión
rentable y vendieron todo.
¿Por qué?
“Una cosa piensa el
pájaro y otra el cazador”

Plan sin Causa
 Meta: Abrir un local
 Solución: Abrir un local
 Problema: No funcionó
¿Por qué?
Así, el Instituto del Fracaso, descubrió el top 5 de las
causas del fracaso de los negocios en México:
1. Ingresos insuficientes para subsistir.
2. Falta de indicadores.
3. Falta de proceso de análisis.
4. Planeación deficiente.
5. Problemas en la ejecución.
El 75% de los nuevos negocios
fracasan luego del 2do año
http://www.elfinanciero.com.mx/empresas/fracasan-en-mexico-75-de-emprendimientos.html
“Después del niño
ahogado quieres tapar
el pozo”

Estrategia en la localización
“La pura intuición –como fundamento de la
estrategia locacional de la empresa– deja de
ser satisfactoria para los inversionistas, por lo
que se requieren métodos sistemáticos que
permitan identificar la localización más
ventajosa para un negocio determinado en
mercados altamente competitivos”.
(Garrocho, 2005).

El proceso de decisión de compra del cliente

Hay un paper muy interesante que replantea este modelo. Kanagal, N. B. (2016). An Extended Model of Behavioural Process
in Consumer Decision Making. International Journal of Marketing Studies, 8(4), 87. https://doi.org/10.5539/ijms.v8n4p87
El proceso de decisión de compra del cliente

Evolución de las 4 P´S a las 4 E´S
Producto Consumidor Validez Expertise
Precio Costo Valor Evaluación
Promoción Comunicación Viralidad Educación
Plaza Conveniencia Virtual place Experiencia
En 1953, el profesor de Harvard
Business School, Neil H. Borden,
introdujo el concepto de ”Marketing
Mix".
En 1960, el profesor E. Jerome
McCarthy refinó este concepto en
cuatro procesos clave de
comercialización: producto, precio,
lugar y promoción.
La noción del profesor Robert F.
Lauterbor de las 4 C´S de
Marketing es más apropiada
(Lombardi ASA, 2010).
Modelo 4 E´S (Festa, Cuomo,
Metallo y Festa, 2015).
Digital

1. Sexo
2. Edad
3. Ocupación
4. Estado Civil
5. Nivel de Estudios
6. Nivel Socio-Económico
7. Frecuencia de Consumo
8. ¿Cómo llega?
9. Lugar de Origen
10.Lugar Destino
11.Días y Horarios
1. Trade Area
2. Micro Site Factors
3. Inside Factors
4. Digital Factors
Ventas
Variables Independientes
Variables Independientes
Variables Dependientes

¿Qué es Trade Area?
Trade Area = Área comercial donde se
encuentran los consumidores potenciales
de una unidad.

Trade Area
(Zona de
Influencia)
Todo lo que pase dentro del
trade área, puede impactar en
las ventas de una unidad.
7%
10%
29%
21%
11%
5%
1%
17%
1 cuadra 2 cuadras 3 cuadras 4 cuadras 5 cuadras 6 cuadras 7 cuadras 8 cuadras en
adelante
Cuántas cuadras camina
Porcentaje válido
65% 34%
“Zona en la que
instalaremos una
tienda”.

Gente viviendo
en la zona por Km2
(Densidad de población)
Este mapa muestra las zonas donde existe una
mayor concentración de personas viviendo,
con la diferencia que el sombreado de los
colores se encuentra por Km2.
Los colores más oscuros tienen una mayor
concentración de personas y los colores más
claros una menor concentración, de tal forma
que usted podrá identificar con facilidad donde
está la población.
• Cada AGEB tiene el total de población por
km2 que se señala en cada color.

Gente trabajando en la
zona por Km2
(Población flotante)
Este mapa muestra las zonas donde existe
una mayor concentración de personas
trabajando, con la diferencia que el
sombreado de los colores se encuentra por
Km2.
Los colores más oscuros tienen una mayor
concentración de trabajadores y los colores
más claros una menor concentración, de tal
forma que usted podrá identificar con
facilidad donde está la población laboral.
• Cada AGEB tiene el total de población por
km2 que se señala en cada color.

El nivel socioeconómico (NSE) es una segmentación
del consumidor y las audiencias que define la
capacidad económica y social de un hogar. Es un
índice que clasifica a los hogares en 7 (siete) niveles
socioeconómicos considerando seis características o
posesiones del hogar y la escolaridad del jefe de
familia o persona que más aporta al gasto. El NSE
responde a una demanda permanente de las
compañías de todos los sectores del mercado por
disponer de un indicador especializado en la
capacidad económica de los consumidores. Para
más información consulte: http://nse.amai.org/niveles-
socio-economicos.
Mapa de niveles
socioeconómicos
En el mapa anexo podrá ver mediante colores
el NSE que rodea el predio de interés:
• Rojo: A/B, clase alta
• Morado: C+, clase media alta
• Azul marino: C, clase media
• Azul cielo; C-, clase c menos
• Verde claro: D+, popular
• Verde militar: D, más popular
• Mostaza: E, pobreza extrema

Esta tabla muestra la cantidad de población que habita en el radio indicado,
desglosado por NSE, género y edades, y te servirá para conocer con precisión el tipo
de consumidor que rodea el inmueble.
Tabla de población por nivel socioeconómico NSE
Población
Total
%
A/B 9,568 10.60%
C+ 10,948 12.13%
C 21,185 23.48%
C- 14,631 16.21%
D+ 32,588 36.11%
D 1,314 1.46%
E 0 0%
IND 0 0%
TOTAL 90,234 100%
M F T M F T M F T M F T M F T M F T MF T M F T M F T
0 a 2 años 111 115 226 148 129 277 319 318 637 227 246 473 613 615 1,228 21 38 59 0 0 0 1,439 1,461 2,900
0 a 4 años 195 196 391 272 247 519 539 536 1,075 400 428 828 1,094 1,026 2,120 44 67 111 0 0 0 2,544 2,500 5,044
0 a 14 años (Generación Z) 712 674 1,386 874 823 1,697 1,727 1,661 3,388 1,293 1,364 2,657 3,494 3,437 6,931 145 180 325 0 0 0 8,245 8,139 16,384
3 a 5 años 123 117 240 172 161 333 349 331 680 259 260 519 716 655 1,371 34 40 74 0 0 0 1,653 1,564 3,217
6 a 11 años 325 293 618 359 342 701 680 663 1,343 542 575 1,117 1,430 1,427 2,857 64 74 138 0 0 0 3,400 3,374 6,774
8 a 14 años 358 332 690 421 412 833 803 799 1,602 631 689 1,320 1,725 1,704 3,429 62 86 148 0 0 0 4,000 4,022 8,022
12 a 14 años 153 302 332 195 386 412 379 728 799 265 548 689 735 1,475 1,704 26 54 86 0 0 0 1,753 3,493 4,022
15 a 17 años 192 216 408 205 225 430 384 410 794 287 309 596 785 794 1,579 42 32 74 0 0 0 1,895 1,986 3,881
15 a 24 años 768 826 1,594 939 1,057 1,996 1,958 2,121 4,079 1,341 1,433 2,774 2,905 2,921 5,826 112 121 233 0 0 0 8,023 8,479 16,502
15 a 29 años (Generación Y) 1,179 1,230 2,409 1,404 1,561 2,965 3,037 3,218 6,255 2,016 2,119 4,135 4,268 4,297 8,565 166 167 333 0 0 0 12,070 12,592 24,662
15 a 49 años 2,752 3,218 6,342 4,234 9,280 366 0 0 26,192 0
15 a 64 años 3,092 3,836 6,928 3,575 4,372 7,947 6,853 8,356 15,209 4,699 5,582 10,281 10,339 11,966 22,305 412 456 868 0 0 0 28,970 34,568 63,538
18 a 24 años 576 610 1,186 734 832 1,566 1,574 1,711 3,285 1,054 1,124 2,178 2,120 2,127 4,247 70 89 159 0 0 0 6,128 6,493 12,621
25 a 59 años 2,120 2,681 4,801 2,386 2,986 5,372 4,523 5,648 10,171 3,090 3,763 6,853 6,922 8,278 15,200 271 307 578 0 0 0 19,312 23,663 42,975
30 a 49 años (Generación X) 1,176 1,522 2,698 1,343 1,657 3,000 2,474 3,124 5,598 1,726 2,115 3,841 4,044 4,983 9,027 164 199 363 0 0 0 10,927 13,600 24,527
50 a 59 años 533 755 1,288 578 825 1,403 970 1,427 2,397 689 962 1,651 1,515 1,919 3,434 53 62 115 0 0 0 4,338 5,950 10,288
60 a 64 años 204 329 533 250 329 579 372 587 959 268 386 654 512 767 1,279 29 28 57 0 0 0 1,635 2,426 4,061
Mayor a 3 años 4,230 5,112 9,342 4,840 5,831 10,671 9,232 11,316 20,548 6,410 7,748 14,158 14,618 16,742 31,360 580 675 1,255 0 0 0 39,910 47,424 87,334
Mayor a 5 años 4,146 5,031 9,177 4,716 5,713 10,429 9,012 11,098 20,110 6,237 7,566 13,803 14,137 16,331 30,468 557 646 1,203 0 0 0 38,805 46,385 85,190
Mayor a 12 años 3,782 4,702 8,484 4,309 5,328 9,637 8,203 10,322 18,525 5,609 6,913 12,522 12,472 14,660 27,132 482 561 1,043 0 0 0 34,857 42,486 77,343
Mayor a 15 años 3,629 4,553 8,182 4,114 5,137 9,251 7,824 9,973 17,797 5,344 6,630 11,974 11,737 13,920 25,657 456 533 989 0 0 0 33,104 40,746 73,850
Mayor a 18 años 3,437 4,337 7,774 3,909 4,912 8,821 7,440 9,563 17,003 5,057 6,321 11,378 10,952 13,126 24,078 414 501 915 0 0 0 31,209 38,760 69,969
Mayor a 25 años 2,861 3,727 6,588 3,175 4,080 7,255 5,866 7,852 13,718 4,003 5,197 9,200 8,832 10,999 19,831 344 412 756 0 0 0 25,081 32,267 57,348
Mayor a 60 años 741 1,046 1,787 789 1,094 1,883 1,343 2,204 3,547 913 1,434 2,347 1,910 2,721 4,631 73 105 178 0 0 0 5,769 8,604 14,373
Mayor a 65 años 537 717 1,254 539 765 1,304 971 1,617 2,588 645 1,048 1,693 1,398 1,954 3,352 44 77 121 0 0 0 4,134 6,178 10,312
Mayor a 70 años 301 470 771 342 572 914 596 1,170 1,766 425 791 1,216 962 1,413 2,375 33 59 92 0 0 0 2,659 4,475 7,134
Población Total 4,341 5,227 9,568 4,988 5,960 10,948 9,551 11,634 21,185 6,637 7,994 14,631 15,231 17,357 32,588 601 713 1,314 0 0 0 199 253 452 41,349 48,885 90,234
% * 10 11 11 12 12 12 23 24 23 16 16 16 37 35 36 1 1 1 0 0 0 0 0 0 100 99 100
TotalD+ D E ND
RANGO DE EDAD
A/B C+ C C-

NSE TOTAL
VIVIENDA
%
A/B 3,600 10.26%
C+ 4,389 12.51%
C 8,855 25.25%
C- 6,022 17.17%
D+ 11,752 33.50%
D 458 1.31%
E 0 0%
IND 0 0%
TOTAL 35,076 100%
Esta tabla muestra la cantidad de vivienda que está construida en el
radio indicado, desglosada por NSE. ¿Qué NSE tienen las viviendas
en el radio seleccionado? ¿Cuántas hay?
Tabla de vivienda por
nivel socioeconómico
INDICADOR A/B C+ C C- D+ D E ND
Total de viviendas 3,600 4,389 8,855 6,022 11,752 458 0 0
Total de viviendas habitadas 2,838 3,309 6,419 4,405 8,797 378 0 0
Total de viviendas particulares 3,476 4,229 8,618 5,804 11,457 453 0 0
Viviendas particulares habitadas 2,729 3,153 6,230 4,138 8,503 374 0 0
Total de viviendas particulares habitadas 2,875 3,333 6,451 4,327 8,780 377 0 0
Promedio de ocupantes en viviendas particulares habitadas 3 3 3 3 3 3 0 0
Total de hogares censales 2,729 3,153 6,230 4,138 8,503 374 0 0
Hogares censales con jefatura masculina 1,833 2,031 3,803 2,565 5,534 249 0 0
Hogares censales con jefatura femenina 896 1,122 2,427 1,573 2,969 125 0 0
Hogares censales con jefa (e) menor de 30 años 180 330 999 593 924 54 0 0
Hogares censales con jefa menor de 30 años 40 103 356 201 205 6 0 0
Hogares censales con jefe menor de 30 años 140 227 643 392 719 48 0 0

Este mapa contiene la localización de las
principales cadenas comerciales que se
encuentran en el radio determinado, y puede
ayudarnos a identificar los “clústeres
comerciales” que se forman, así como las
avenidas de mayor flujo.
El mapa esta formado por:
• Bancos
• Farmacias
• Tiendas conveniencia (minisúper)
• Cafeterías
• Restaurantes comida rápida
• Tiendas autoservicio
• Heladerías
• Panaderías y pastelerías
• Tienda departamental tiendas
especializadas
Nota: Por la dinámica comercial es posible se presenten diferencias
contra la realidad. Sugerimos verificar en campo.
Mapa del
entorno comercial

Esta tabla muestra la cantidad de unidades económicas existentes en el radio seleccionado; una
unidad económica es una entidad productora de bienes y servicios, llámense establecimientos,
hogares, personas físicas (INEGI). A partir de ello, la tabla muestra la cantidad de personas que se
encuentran trabajando (población flotante).
Así mismo encontrará una serie de variables adicionales que pueden ser de suma utilidad.
Tabla del censo económico
INDICADOR TOTAL DENSIDAD/Km2
Unidades económicas 13,264 1055.97
Unidades económicas con Personal Ocupado de 0 a 5 Personas 10,729 854.15
Unidades económicas con Personal Ocupado de 6 a 10 Personas 1,222 97.29
Unidades económicas con Personal Ocupado de 11 a 30 Personas 871 69.34
Unidades económicas con Personal Ocupado de 251 Personas y más 34 2.71
Personal ocupado (población flotante) 75,628 6,020.86
Personal ocupado (hombres) 44,104 3,511.19
Personal ocupado (mujeres) 31,524 2,509.67
Horas trabajadas por el personal ocupado (miles) 155,040 12,342.95
Personal dependiente de la razón social 61,533 4,898.73
Personal dependiente de la razón social (hombres) 36,304 2,890.22
Personal dependiente de la razón social (mujeres) 25,229 2,008.52
Personal dependiente de la razón social (horas trabajadas) 132,783 10,571.03
Personal remunerado (total) 48,598 3,868.96

Micro Site Factors
(Características
de la ubicación)
“Factores externos-
inmediatos que
determinan el
desempeño de una
tienda”.

Tipo de local
Visibilidad
Tipo de avenida
Nivel de local
Estacionamiento
Entorno comercial
Generadores
Torre BBVA
IMSS
Flujo peatonal“Debemos medir
todo lo que se pueda
medir”.
Micro Site Factors
(Características
de la ubicación)

In-Store Factors
(Factores
Internos)
“Factores internos
que determinan el
desempeño de una
tienda”.

In-Store Factors
(Factores
Internos)
“Debemos medir
todo lo que se pueda
medir”.
Superficie
Generadores
Altura
Colores
Mesas
Sillas
Vitrinas
Exhibición
# Empleados
Precio
Desempeño laboral

Digital Factors
(Factores
Digitales)
“Factores digitales
que complementan el
desempeño de una
tienda”.

Digital Factors
(Factores
Digitales)

“La ubicación y distribución física
siguen siendo decisiones críticas
para una organización minorista”.
(Birkin, Clarke, & Clarke, 2002)

Analítica Predictiva
Variables: dependientes e
independientes
Modelos de
predicción
Predicción
Encontrar patrones en los datos que nos permitan identificar “insights” para poder hacer estimaciones.
Metodología
CRISP-DM
Trade Area
Micro Site
Factors
Inside Factors
Digital Factors

Hay 5 métodos para predecir ingresos, pero
aquí solo veremos la parte del ingreso ya
calculado.
1. Intuición
2. Análogos
3. SIM (Spatial Interaction Modelling)
4. Geomarketing y razones en cadena
5. Estadísticos
Modelos de predicción

Estadísticos
Dentro de la analítica predictiva
encontramos a la minería de datos
y existen cinco modelos de
predicción que nos permiten
identificar escenarios futuros, los
cuales vamos a describir de
manera general.
• Nos permite tomar decisiones dicotómicas, es decir, sí o no,
esto o aquello, debo o no debo, etc. Y para esto, podemos
utilizar las técnicas llamadas Árboles de decisión y Redes
Neuronales.
Clasificación
• Se utiliza para poder encontrar un dato futuro del tipo
cuantitativo. Para lograr esto, algunas técnicas que se utilizan
son las Correlaciones y Regresiones.
Estimación
• Tipo de modelo que está asociado a las series de tiempo:
Cálculo de Promedios Móviles y Suavización Exponencial.
Pronóstico
• Este tipo de modelo identifica qué tan relacionado está una
variable con otra en función a la cercanía de los datos. Para
lograr esto se utilizan técnicas como K-Medias o K vecinos
cercanos.
Asociación
• Son aquellos que ayudan a agrupar datos en función a una
característica común. Para lograr esto, se utiliza la técnica de
Conglomerados Jerárquicos.
Segmentación

Analítica Predictiva
Variables: dependientes e
independientes
Modelos de
Predicción:
• Intuitivo
• Análogos
• SIM
• Geomarketing
• Estadística
Predicción
Metodología
CRISP-DM
Trade Area
Micro Site
Factors
Inside Factors
Digital Factors

Propuesta matriz JR3
Posicionamiento de Marca -
Modelo Predictivo
El éxito de un plan de
expansión está relacionado
con el posicionamiento de
la marca y el modelo
predictivo que ha
construido.
Éxito
Posicionamiento de la marca
(Share of Mind)
Modelo Predictivo

Matriz JR3
Marca - Modelo Predictivo
éxitoDel lat. exĭtus 'salida’.
1. m. Resultado feliz de un negocio, actuación, etc.
2. m. Buena aceptación que tiene alguien o algo.
• Llegar al resultado que se ha planeado,
independientemente de la meta establecida.
• Alcanzar el máximo objetivo posible en un
determinado periodo de tiempo.
(RAE, 2018)
Éxito
Exito
Exito
Exito
Exito

Matriz JR3
Las partes interesadas deben captar la
participación mental y el corazón de los
usuarios, ya que solo entonces pueden tener
una marca icónica.
"Share of Mind representa el Posicionamiento
de Marca en la mente del consumidor para
distintas categorías de productos o servicios”.
(Acosta, 2018)
Share of Mind
Hafeez, S., Munaf, K., Zahid, K., Tariq, M., Shabbir, S., & Khan, S. (2016). Think outside the box and move beyond the market share. International Review of Management and Marketing,
6(4), 1048–1054.
Acosta, N. (2018). ¿ Qué significa “Share of Mind” en mercadotecnia?

Matriz JR3
“El análisis predictivo cada vez más impulsa el
comercio, la fabricación, la atención médica, el
gobierno y la aplicación de la ley. En estas
esferas, las organizaciones operan de manera
más efectiva al predecir el comportamiento”.
(Siegel, 2016)
“La demanda debe ser considerada con mucho
cuidado por el analista de ubicación minorista,
especialmente en relación con el lugar donde
podría residir esa demanda”.
(Birkin, Clarke, & Clarke, 2017)
Modelos Predictivos
Siegel, E. (2016). Predictive Analytics. New Jersey, USA: John Wiley & Sons, Inc
Birkin, M., Clarke, G., & Clarke, M. (2017). Retail Location Planning in an Era of Multi-Channel Growth (1a ed.). Florence: Routledge. https://doi.org/10.4324/9781315605937

Corrige
Avanza
rápido
Detente
Avanza
lento
2 1
4 3
Modelo Predictivo
PosicionamientoMarca
Ausente Presente
AltaBaja
Matriz JR3
Marca- Modelo
Es una matriz que combina cuatro
elementos alineados en dos elementos
clave para lograr una expansión exitosa:
El posicionamiento de la marca y el
modelo predictivo que utiliza.
• El eje horizontal habla de la presencia
o ausencia de un modelo predictivo.
• El eje vertical habla posicionamiento
de la marca que se tiene al momento
de la expansión.

Corrige
Avanza
rápido
Detente
Avanza
lento
2 1
4 3
Modelo Predictivo
Ausente Presente
AltaBaja
Matriz JR3
Marca- Modelo
Avanza rápido. Cuando las empresas
tienen un buen posicionamiento de marca
y desarrollan un modelo predictivo
sobresaliente, se considera que tienen
fortaleza para enfrentar las condiciones de
mercado que se presenten, aumentando
las probabilidades de éxito. En esta etapa
la expansión es segura. Hay que crecer.

Corrige
Avanza
rápido
Detente
Avanza
lento
2 1
4 3
Modelo Predictivo
Ausente Presente
AltaBaja
Matriz JR3
Marca- Modelo
Corrige. Cuando las empresas tienen un
buen posicionamiento de marca pero su
modelo predictivo es insuficiente o ausente,
se considera que existen amenazas que
pueden poner en riesgo el cumplimiento de
los objetivos, por lo que las marcas deben
tomar precauciones y dedicar tiempo a
construir un modelo que asegure el
éxito. Elegir los sitios donde se puede
vender más es una decisión muy
inteligente.

Corrige
Avanza
rápido
Detente
Avanza
lento
2 1
4 3
Modelo Predictivo
Ausente Presente
AltaBaja
Matriz JR3
Marca- Modelo
Avanza lento. Cuando las empresas tienen
un bajo posicionamiento de marca, pero
desarrollan un modelo predictivo sólido,
entonces pueden crecer con seguridad,
aunque se recomienda que sea con
lentitud, mientras la marca va adquiriendo
experiencia.

Corrige
Avanza
rápido
Detente
Avanza
lento
2 1
4 3
Modelo Predictivo
Ausente Presente
AltaBaja
Matriz JR3
Marca- Modelo
Detente. Cuando las empresas tienen un
bajo posicionamiento de marca y a su vez
no desarrollan un modelo predictivo, se
considera que son débiles para competir,
por lo que están en franco riesgo. Lo mejor
es detenerte y construir un modelo que te
permita instalar tu punto de venta con
mayor seguridad.
No se necesita un modelo complejo, puede
ser uno muy sencillo, pero efectivo.

En resumen, vivimos en una sociedad
predictiva. La mejor manera de prosperar
es comprender los objetivos, las técnicas
y los límites de los modelos predictivos.
-Thomas H. Davenport

Nuevas Tecnologías y Grandes Empresas
Para Simmons, una de las principales
trayectorias evolutivas del comercio
minorista se definirá con nuevas
tecnologías. Las compras por Internet
están creciendo exponencialmente, como
se puede ver en Amazon, e-Bay y
Groupon. Simmons también ve que el
negocio minorista continuará moviéndose
hacia tiendas cada vez más grandes
administradas por organizaciones a gran
escala que dependen de cadenas globales
de proveedores.
(Berry et al., 2013)

Los compradores en línea prefieren tratar
con vendedores que viven cerca de ellos.
Cuando compramos fuera de línea, la distancia
que tenemos que recorrer para llegar a los
vendedores siempre es importante para
nuestras elecciones.
El paisaje del mundo real en el que vivimos
influye en nuestras motivaciones para utilizar el
mundo virtual en primer lugar.
(Bell, 2014)
Shop, sell & search
Location, as it turns out, is
(still) everything.

Resistencia
¿Por qué las fricciones existen y
como sobreponerse a ellas?
Definición: Una fuerza que tiende a oponerse o
retardar el movimiento.
“The Search Cost”. Allá por la década de 1960, el
Premio Nobel George Joseph Stigler formalizó
esta idea en su artículo "The Economics of
Information". Si el beneficio esperado de la
búsqueda continua era superior al costo,
tomaría el viaje adicional e iría a una segunda
tienda.
(Bell, 2014)

Internet y la zona de influencia
Las personas en ubicaciones con menos
variedad de productos y selección son más
propensas a buscar productos en Internet. Las
personas en lugares que ofrecen una gran
cantidad de cosas para hacer recurren a Internet
para obtener información sobre cómo disfrutar de
ellos.
Entonces, ¿cómo exactamente un déficit de
bienes fuera de línea lo empuja a conectarse?
Bueno, si todo lo demás sigue igual, cuanto más
lejos viva o trabaje de un vendedor en línea
particular, menos dinero gastará allí. Si el
vendedor está "demasiado lejos", entonces no
lo visitará en absoluto.
(Bell, 2014)

Quien bien atiende bien aprende, si
además de oir, entiende
(Grau & Taracena, 2001)

Bibliografía
• Acosta, N. (2018). ¿ Qué significa “Share of Mind” en mercadotecnia?
• Bell, D. R. (2014). Location is (Still) Everything. (Amazon, Ed.). Amazon Seattle: Amazon.
• Berry, B., Neil, W., Sheamur, R., Anselin, L., Simmons, J., Garrocho, C., … Flores, Z. (2013). Advances in
Commercial Geography. (C. Garrocho, Ed.) (1a ed.). Zinancantepec, México: El Colegio Mexiquense.
• Birkin, M., Clarke, G., & Clarke, M. (2017). Retail Location Planning in an Era of Multi-Channel Growth (1a ed.).
Florence: Routledge. https://doi.org/10.4324/9781315605937
• Festa, G., Cuomo, M., Metallo, G., & Festa, A. (2015). The (r)evolution of wine marketing mix: From the 4Ps to
the 4Es. Journal of Business Research, 69. https://doi.org/10.1016/j.jbusres.2015.10.015
• Garrocho, C. (2005). Localización , localización y localización : el manejo del espacio en la competencia entre
centros comerciales. Estudios Demográficos y Urbanos, 20(3), 449–493. Recuperado de
http://www.jstor.org/stable/40315446 Accessed : 20-04-2016 21 : 46 U
• Kanagal, N. B. (2016). An Extended Model of Behavioural Process in Consumer Decision Making. International
Journal of Marketing Studies, 8(4), 87. https://doi.org/10.5539/ijms.v8n4p87
• Lombardi, L. (2010). THE 4 CS OF MARKETING. Journal of Allergy and Clinical Immunology, 130(2), 556.
https://doi.org/10.1016/j.jaci.2012.05.050
• RAE. (2018). Real Academia Española. Recuperado de http://www.rae.es/

Webinar Anáhuac "Cómo pronosticar el éxito de una marca en función del local comercial"

Recomendados

Recomendados

Más contenido relacionado

Similar a Webinar Anáhuac "Cómo pronosticar el éxito de una marca en función del local comercial"

Similar a Webinar Anáhuac "Cómo pronosticar el éxito de una marca en función del local comercial" (20)

Último

Último (6)

Webinar Anáhuac "Cómo pronosticar el éxito de una marca en función del local comercial"