You are on page 1of 59

Presentación corporativa de inteligencia

de clientes y optimización de redes


comerciales
CLIENTE: XXXXX
14/3/09

GUILLERMO
CÓRDOBA
M. 659 889 032
guillermo@unica36
0.com
www.unica360.co
m
Un equipo de profesionales expertos en las técnicas analíticas y el
marketing, orientados a la prestación de servicios y la consultoría de
inteligencia de clientes
Nuestro objetivo es poner a disposición de compañías de todo tipo y dimensión
las técnicas de customer intelligence más productivas.

Nuestra mayor fortaleza entendemos que es la flexibilidad para adaptarnos a las


necesidades y recursos de cada empresa, desarrollando proyectos rentables en
costes y plazos.

Nuestro estilo es la relación a largo plazo, la consecución de objetivos paso a


paso y, en definitiva, el crecimiento conjunto con nuestros clientes.

Para nosotros también cada cliente es único, y cada proyecto una experiencia
única.

Presentación corporativa de inteligencia de clientes y optimización de redes 2


comerciales
…orientados a la prestación de servicios y la consultoría de
inteligencia de clientes
Estructuramos nuestra oferta de servicios de la manera siguiente

SEGMENTACIÓN, CONOCIMIENTO Y ESTRATEGIA DE CLIENTES


 Segmentación de clientes
 Estrategia de clientes
 Cuota de cliente y micromarketing
 Indicadores y cuadro de mando
 Visión de cliente e integración cross-channel

MARKETING RELACIONAL Y FIDELIZACIÓN DE CLIENTES

GEOMARKETING Y REDES COMERCIALES

CREACIÓN DE BASES DE DATOS DE MARKETING

Presentación corporativa de inteligencia de clientes y optimización de redes 3


comerciales
LA INTUICIÓN: PIRÁMIDE DE VALOR DE CLIENTES

clientes
INCENTIVAR Clientes de su 20% fieles 80 %
entidad

clientes 20%
FIDELIZAR
80% ocasionales

No Clientes
de su entidad
CAPTAR

No clientes de la categoría

POTENCIAL DE COMPRA DE UNA ENSEÑA

Presentación corporativa de inteligencia de clientes y optimización de redes 4


comerciales
LA NECESIDAD: INDICADORES CLAVE DE CLIENTES

Posición global
Productos, estado, servicios

Rentabilidad
Margen global asignable al
cliente
INCENTIVAR Cuota de cartera
Clientes de su
entidad
20%
Parte de la cartera global del
cliente que es gestionada por

FIDELIZAR
80% nosotros

Lifetime value
(LTV)
Tiempo que el cliente trabajará
No Clientes con nosotros y valor esperado
de su entidad
CAPTAR + Indicadores
 Satisfacción
No clientes de la categoría Prescripción
Vinculación
...
POTENCIAL DE COMPRA DE UNA ENSEÑA

Presentación corporativa de inteligencia de clientes y optimización de redes 5


comerciales
UNA VEZ GENERADOS LOS INDICADORES CLAVE, A PARTIR DE VARIABLES INTERNAS Y
EXTERNAS…
ESTRATEGIA DE CLIENTES BASADA EN EL
CONOCIMIENTO
Conservación de los clientes más rentables
RETENCIÓN Conservación de los clientes con cuota de bolsillo cercana al 100%
Prevención del abandono de clientes. CHURN ANALYSIS

Mejora de clientes menos rentables


UPGRADE
Mejora de los clientes con cuota de bolsillo lejana al 100%

Oferta de productos complementarios a clientes según necesidades


CROSS-SELLING Oferta de nuevos productos a clientes más proclives a su contratación
Oferta de nuevos canales a clientes según necesidades

Captación cualificada de clientes potenciales: búsqueda de gemelos


CAPTACIÓN Relación de ubicación del hogar con red de puntos de venta

INCREMENTO DE LA RENTABILIDAD POR


CLIENTE
Presentación corporativa de inteligencia de clientes y optimización de redes 6
comerciales
1CRM ANALÍTICO Y MODELIZACIÓN DEL
CONOCIMIENTO DEL CLIENTE
ALGUNOS PROYECTOS QUE HEMOS REALIZADO…
 Segmentación estratégica de clientes, qué grandes tipos existen, cómo son, cómo se
comportan
 Matriz de potencial cliente-producto: cada cliente o grupo, ¿qué probabilidad tiene de
demandar cada producto? Relacionado con valor de vida y cuota de cliente
 Target pool, o potencial producto-cliente: para cada producto, ¿qué afinidad presenta
cada uno de los clientes? Ranking y selección de clientes en campañas
 Modelos de retención vs abandono, el camino hacia la fidelización, ¿qué probabilidad
de abandonar tiene un cliente? Enfoques de sendas, hitos, tasa por segmento
 Sistemas de inteligencia geográfica o relación entre el comportamiento de clientes y
la red de oficinas, como herramientas de análisis y conocimiento tanto del cliente como
del canal
 Captación segmentada de clientes, targeting de clientes potenciales basado en el
conocimiento de la cartera actual y técnicas de micromarketing y geomarketing
 Cuadro de mando y sistemas de reporting: diseño de sistemas de reporting desde la
definición de necesidades hasta la implantación y formación de usuarios

Presentación corporativa de inteligencia de clientes y optimización de redes 8


comerciales
2.1 Segmentación estratégica de clientes
 Identificación de grupos homogéneos de clientes, con perfiles similares
 Reducción de la complejidad y aproximación operativa al cliente único

Presentación corporativa de inteligencia de clientes y optimización de redes 9


comerciales
EL MODELO DE SEGMENTACIÓN POR NIVEL
 Desarrollo, ‘desagregación’ del modelo de segmentación para su explotación a los diferentes
niveles de decisión

 El gran reto para un modelo de segmentación estratégica está en su aceptación y explotación a lo


ancho de todos los “puntos de decisión” de la compañía

 Los subsegmentos pueden ser definidos de inicio o a posteriori de acuerdo a las necesidades de las
diferentes áreas

Dirección General MODELO DE


S1 S2 S3 S4 S5 S6 S7 S8
SEGMENTACIÓN
Dirección ESTRATÉGICA
S1 S12 S21 S22 S3 S4 S4 S43
MKT Relacional POR NIVEL

Operación S433
MKT Relacional

Oficinas

MODELOS DE
Productos y SEGMENTACIÓN
divisiones ESPECÍFICOS

Canales

Presentación corporativa de inteligencia de clientes y optimización de redes 10


comerciales
INTEGRACIÓN DE CANAL ONLINE Y VISIÓN CROSS-CHANNEL
 El cliente utiliza simultáneamente canales tradicionales y online, demandándonos una visión
unificada

 La estrategia multicanal requiere una visión integrada de cliente


EJEMPLO. ESPECIALISTAS MÉDICOS VS. ACCESO A REVISTAS ONLINE

Presentación corporativa de inteligencia de clientes y optimización de redes 11


comerciales
2.2 Matriz de afinidad cliente-producto
Establece productos afines a un cliente o perfil de cliente, junto con una
probabilidad de demanda, generada a partir de un modelo estadístico predictivo

Potencial de demanda por tipo de cliente

Profesión Renta Est. vida Segm. Prod 1 Prod 2 Prod N

Clie 1 90% 75% 50%

Clie 2 90% 50%

...

Clie N 60%

Cuota de Cliente: Real / potencial

Valor de vida de cliente: Potencial * años de vida


Cuota de mercado: Real / Potencial extrapolado a
total de clientes potenciales por segmento

Presentación corporativa de inteligencia de clientes y optimización de redes 12


comerciales
2.3 Target pool. Afinidad de producto a
cliente
 La selección del target es clave en la rentabilidad de las campañas de
marketing
 La optimización de selección de este target, en las campañas de producto, es
una de las aplicaciones más inmediatas y de más alta rentabilidad a corto
plazo de las técnicas de data mining
 El target pool consiste en la generación de tablas o matrices de afinidad,
centradas en el producto, donde a cada cliente se le asigna una probabilidad
de demanda, en forma de puntuación –score-
 Los modelos así generados tienen unos parámetros de entorno que
determinan su efectividad:
• Entorno y coyuntura, estacionalidad, coyuntura económica, fiscalidad, variables
geográficas…
• Ciclo de vida temporal: por definición, los modelos son eficaces durante un tiempo
determinado, identificar el final de su ciclo de vida es clave

Presentación corporativa de inteligencia de clientes y optimización de redes 13


comerciales
MODELIZACIÓN DE LA RESPUESTA A CAMPAÑAS
El gráfico muestra los rendimientos de diferentes técnicas predictivas puestas a competir

Presentación corporativa de inteligencia de clientes y optimización de redes 14


comerciales
MODELIZACIÓN DE LA RESPUESTA A CAMPAÑAS
El ejemplo muestra cómo se estructura una red de probabilidades condicionadas naive-bayes, una
técnica predictiva alternativa a los árboles de decisión

Presentación corporativa de inteligencia de clientes y optimización de redes 15


comerciales
MANERAS DIFERENTES DE ENFOCAR LA SEGMENTACIÓN
En definitiva, hemos planteado tres maneras diferentes y complementarias de abordar las tareas de
segmentación y targeting

Estrategia desde la visión del cliente, comprensión de la


Segmentación
composición de la cartera, desagregación del modelo para
estratégica de clientes
toma de decisiones a niveles inferiores

Estrategia de marketing de clientes, mantenimiento o


Modelos de afinidad
crecimiento por segmento, identificación de necesidad de
cliente-producto nuevos productos

Target pool. Afinidad Estrategia de marketing de producto, marketing táctico y


producto-cliente operacional –dirección territorial, oficinas-

A continuación abordaremos aquellas técnicas que nos permiten tanto optimizar la red de oficinas
como conocer y segmentar los clientes potenciales, optimizando las acciones de captación

Presentación corporativa de inteligencia de clientes y optimización de redes 16


comerciales
2SISTEMAS DE INTELIGENCIA GEOGRÁFICA
DE CLIENTES
CLIENTES Y RED DE OFICINAS
La comercialización de productos financieros se sigue realizando a través de las oficinas, pese al crecimiento de los nuevos canles

Las entidades han desarrollado ambiciosos planes de expansión, plasmados en la apertura de nuevas oficinas tanto en su área tradicional como en las de expansión

En la actualidad, existen más de 44.000 oficinas bancarias en España, lo que viene a suponer una oficina por cada 1.000 ciudadanos

En la actual coyuntura, las estrategias de crecimiento orgánico pueden ser sustituídas, o acompañadas, por otras de optimización:

Especialización: creación de oficinas de empresas, inmigrantes, inmobiliarias

Optimización de recursos: personal, implantación y plv, acción comercial, marketing exterior…

Cierre de oficinas, en los casos en que no sea posible entrar en rentabilidad

Fusión de entidades, con la consecuente necesidad de racionalización de la red

Presentación corporativa de inteligencia de clientes y optimización de redes 18


comerciales
EL ENTORNO COMPETITIVO REQUIERE LA SEGMENTACIÓN
 La cartera de productos de las entidades es muy amplia, puede satisfacer numerosas necesidades de numerosos tipos de clientes

 Esto ha supuesto una creciente complejidad, que requiere una doble segmentación:
• Segmentación de cartera, ¿qué producto ofrecer?
• Segmentación de clientes: ¿a qué cliente ofrecerlo?

 El cliente actual tiene unas necesidades totales, de las cuales nuestra entidad satisface una parte. Necesitamos estimar esas necesidades totales
para conocer la cuota de cliente

 El potencial cliente nos dedica muy poco tiempo de atención y debemos conseguir interesarle para que acuda a la oficina y allí convencerle

 Las dificultades son mayores fuera del área tradicional, donde no existen una imagen y atributos de marca reconocidos

Presentación corporativa de inteligencia de clientes y optimización de redes 19


comerciales
OBJETIVOS DE INTELIGENCIA GEOGRÁFICA DE CLIENTES

EL CLIENTE ESTIMAR EL NEGOCIO FINANCIERO TOTAL DE CADA CLIENTE


REAL O POTENCIAL

OPORTUNIDADES DE CAPTACIÓN Y VENTA CRUZADA EN


FUNCIÓN DE LA CUOTA DE CLIENTE

MEDIR E INTERPRETAR LA CUOTA REAL DE LA OFICINA


LA RED DE OPORTUNIDADES DE CRECIMIENTO Y ASIGNACIÓN DE
OFICINAS RECURSOS A LA OFICINA

SOPORTAR LAS DECISIONES: EXPANSIÓN, RETRACCIÓN,


ESPECIALIZACIÓN, IMPLANTACIÓN

LA
ESTRATEGIA

Presentación corporativa de inteligencia de clientes y optimización de redes 20


comerciales
2SISTEMAS DE INTELIGENCIA GEOGRÁFICA DE CLIENTES

2.1VISIÓN DEL PROBLEMA Y


METODOLOGÍA GEO-
ESTADÍSTICA
La sección censal constituye el nivel ideal de análisis de clientes potenciales y
reales
;

OFICINAS Y SECCIONADO CENSAL


CAL L
E BO
GGIE

CALLE JUAN
AU RO
T CAL L
CALLE O E CO
SANTA P N DE
OROSIA EN ARAN

PA
LA DA
AVDA N

S
A VARRA CE

EO
116

TE
;
CALLE ARIAS

MA
XXIII

AS
A

114

RIA
;
IO J

124

R
;

SA
ER

AG
E

CA
CAL
;

LL

US
LL

LL
CA

CA
CA

TIN
RID

E
M AD
CAL

EU
LLE

ES
AÑE A
AVD
NZ IB
NCE

CO
LE

N SA
CA

ULIA

RI A
DO

LE J
LAN

T
CAL

AVDA ANSELMO CLAVE


107
CAL A
;

ZA
CA
N

IA
CA

LL
OLIV
DA
L

PED

EC

YF
B
EM

AS LE
LL

PE CAL
CAL

CA

AB
RO
EV

LL
OM

CA

EB
CAL

RO
CAL

OR
LE

IA U

LLE
DE
PEO

JA
CALLE
LE G

AND

;
LUN IA S
LE R

DARO
NIV

94
DEL
NM

CALL CA CALLE SA
E MO NTANDE ;
ERS
AL A

R
RES

NTAÑ
A
OG

IC
OT O

ES
CA

EL
;
CA

RU
ER

TE
IT
NB

CA S
VICE

VA
L

EO
LE
S

AS

S
LE

PA O
LL
DE

N
E RG

147
CA
ES

;
FR
NTE

EA
E
LL
F LO

EN
CO

CA
AN
UA

RM
VIL

CA
SU
R

SA O E
A

EG LL
OY

A
RA

MO L CI CA
ER AL LE
N
AH SG
LO

L VA ;

ON
VIL CA DA
136
PE

A U
AV ;

AG
ES E L
U
Z

UQ LL

AR
ED CA
LL CO AV
CA OS
N B C AL DE DA
UA
ES
J LE GO
CA

N
RT

SA ME YA
E NE O
LIC
LLE

LL
CO
A
CA

CA ND
AL AV

A
TO

EZ
E
LLE

SS
DO

LL

Legend PE
CA

TA

L
CA

AY
MIN
E
VIA

;
EL

O
LA

Oficinas actuales
CALL

152 NA
GO

DO

E
HIS

; GU
LL

Sección censal I
LA CC
AN
MIR

EZ CA
CA
P

OM LA
RN
AN

4
G A
AN
AL

DA
FE

Meters
INT
IDA

AV
0 70 140 280 QU
EO

E
D

LL
CA
S

Plaza: Zaragoza
PA

;
Presentación corporativa de inteligencia de clientes y optimización de redes 22
comerciales
LA SECCIÓN CENSAL COMO NIVEL IDEAL DE ANÁLISIS
 La sección censal es una división administrativa que, por su tamaño –unos 500 hogares, o 1.200 personas- garantiza una alta homogeneidad interna.

 Por otro lado, es la mínima unidad de agregación para la que los distintos organismos públicos suministran información sociodemográfica.

 Actualmente el Instituto Nacional de Estadística suministra información por tramo de vía. Sin embargo, los tramos no coinciden con los portales y en la práctica no mejoran
la información aportada por el análisis de secciones.

 Por otro lado, la cartografía necesaria para el análisis de geomarketing en este nivel es más fácil de mantener y menos costosa que la cartografía de tramos de calle.

 La sección censal se convierte, así, en el nivel ideal de análisis, quedando el portal para aquellos casos en que se cuente con información valiosa para cada uno de los
portales. Dicha información no existe en fuentes de acceso público y legal.

Presentación corporativa de inteligencia de clientes y optimización de redes 23


comerciales
2SISTEMAS DE INTELIGENCIA GEOGRÁFICA DE CLIENTES

2.2INFORMACIÓN RELEVANTE Y
MODELOS DE AFINIDAD
microtarget
EL MODELO DE AFINIDAD microtarget
Somos especialistas en la obtención, validación, y modelización de grandes
bases de datos sociodemográficas, de estilos de vida y de hábitos de consumo:

 INE: Padrón 2008, Censo 2001, Encuesta de Presupuestos Familiares (EPF),


Encuesta de Condiciones de Vida (ECV)
 Banco de España: Encuesta Financiera de las Familias (EFF)
 EUSTAT, IECAM, IDESCAT: estudios coyunturales y sociodemografía
 CCI: fichero de sucursales bancarias
 Anuarios estadísticos varios, fundaciones de cajas de ahorros…

Además, desarrollamos estudios de mercado de targeting, que nos permiten


identificar los segmentos de clientes potenciales y sus perfiles

Presentación corporativa de inteligencia de clientes y optimización de redes 25


comerciales
EL MODELO DE AFINIDAD microtarget
Se compone de cuatro modelos que predicen el nivel de renta de los hogares y
la propensión de demanda de tres productos financieros, en cada una de las
secciones censales de España:

RENTA ANUAL DEL HOGAR Estimador de la renta del hogar, en euros y en tramos de
renta, a partir de sus variables socioeconómicas

CUENTAS DE AHORRO Cuentas vivienda y otras cuentas no utilizables para realizar


pagos

FONDOS DE INVERSIÓN Hogares con participaciones en fondos de inversión

PLANES DE PENSIONES Hogares con planes de pensiones o seguros de vida de


inversión o mixtos

Presentación corporativa de inteligencia de clientes y optimización de redes 26


comerciales
Cuota de cliente y modelo de potencial de demanda microtarget,
metodología de análisis basada en modelización predictiva
Modelos estadísticos que explican y
Modelo predicen la renta y la afinidad a los
diferentes productos a partir de
A explicativo-
predictivo
variables sociodemográficas de los
hogares. Las técnicas estadísticas
principales han sido árboles de
inicial decisión y regresiones

Clasificación de las secciones censales


Clasificación de en función del modelo anterior,
generando la afinidad de la sección
B secciones
censales
como agregación de afinidades de
tipos de hogares.
La información de las secciones es
requerida en peticiones a medida al
INE E NI
ÇA

R
ANATORI
A
CARR

CA
BL
IS

A
LV

R
DE

CA
RE
'E R IA
D A NC

R
LA

RA
E LG LE

RE
R VA
FA

SO

M
AVGD A S
AR DE

IR

S AG
C A
TIGA

LID
TR

O
ÇA A AN

RA
R

E
A C TR

IT
PL

DA
AT
I

AE
XII

FA
ZT
NS

MIL
U
FO
AL

CA

IA
LE
DA

RR
U
AVG DA PIU S X II G

A
AV

IT

E
S

PI
IU

CA RRE HUELVA
CTR

IG
R
Las afinidades a los productos son

IB
R

AM
AR

ER
Aplicación en

EN

T
A
CA
RR
CA
ID
DR

NAC
R
MA

AR
RE
E

geocodificadas, por referirse a


RR

IB
ES

JOAN A LESTON
CA

AU
E

CO
AVG DA MA RESME
ER
MP

RI
CARRE PARIS
SA

CA
L
E
TG I

RR
N
PS

proyectos de
O
RC

E
CA
A

CO
secciones censales, permitiendo su
M

RR

Z
AV

JO
E

CAR RE SANTA
VA
CA
TG

E
GD

DA
G
PS

DO
A

R
SA

UA

BA
RE
NT

NG
CT

RE
SIM
RA SA

IA
CH

CA

A
LV

E A-19
AR
SA

AV GDA ALMER
AN
AD

RR
N

C
TA O

C
R

AS
CO

CARRE JUMILLA
BA
análisis en un Sistema de Información

M ARESM
LO

LM
M
A

Geomarketing

ES
CA
CA

CA
R
R
R

RR

VA
E
RE

AU TOP DEL
S

CARRE CORDO
AN
M

R
AR

AF
TIA

A
Geográfica (GIS)

IS

EL
CA

D
L

E
C

CA
AV

AB
E
G XIL

SA
AN
DA

C
E

N
AR
RR

E
JO

O
S
CA

R
AN

VA
E
XX

BO
E
II I R
B

G
M

AT

CA
E
ET

EL

RR
S

L
E
D

E
ZE

IQ
N

UIQ
O
E
R

UE
R
CA

Presentación corporativa de inteligencia de clientes y optimización de redes 27


comerciales
EL MODELO DE AFINIDAD microtarget

RENTA DEL HOGAR Renta anual bruta del hogar, antes de retenciones y cotizaciones por cuenta del
trabajador. Año 2005-2008. Disponible para seccionados 2001, 2005, 2008

N secciones Distribución de las secciones censales


asignadas
33.763
97% del total*
(*) todas las secciones
censales de, al menos,
100 habitantes, en
cumplimiento de la Ley de
secreto estadístico

N hogares
asignados
15.398.859
99,8% del total*

Media

33.513€

Presentación corporativa de inteligencia de clientes y optimización de redes 28


comerciales
EL MODELO DE AFINIDAD microtarget

RENTA DEL HOGAR Renta anual bruta del hogar, antes de retenciones y cotizaciones por cuenta del
trabajador. Disponible para seccionados 2001, 2005, 2008

 LA RENTA DEL HOGAR TIENE UNA ALTA CORRELACIÓN


POSITIVA CON:

 TENENCIA DE ACCIONES COTIZADAS Y VALORES


DE RENTA FIJA

 DEMANDA DE BANCA PRIVADA

 EN MUCHO MENOR MEDIDA, IGUALMENTE SE


ASOCIA POSITIVAMENTE CON EL RESTO DE
MODELOS DE AFINIDAD. A MÁS RENTA, MAYOR
DEMANDA DE SERVICIOS FINANCIEROS

Presentación corporativa de inteligencia de clientes y optimización de redes 29


comerciales
EL MODELO DE AFINIDAD microtarget

PLAN DE PENSIÓN Hogares con planes de pensiones o seguros de vida de inversión o mixtos.
Disponible para seccionados 2001, 2005, 2008

N secciones Distribución de las secciones censales


asignadas
33.763
97% del total*
(*) todas las secciones
censales de, al menos, 100
habitantes, en cumplimiento
de la Ley de secreto
estadístico

N hogares
asignados
15.398.859
99,8% del total*

Media

32,5% de los
hogares
demandan planes
de pensiones

Presentación corporativa de inteligencia de clientes y optimización de redes 30


comerciales
EL MODELO DE AFINIDAD microtarget

FONDO DE INVERSIÓN Hogares con participaciones en fondos de inversión. Disponible para


seccionados 2001, 2005, 2008

N secciones Distribución de las secciones censales


asignadas
33.763
97% del total*
(*) todas las secciones
censales de, al menos, 100
habitantes, en cumplimiento
de la Ley de secreto
estadístico

N hogares
asignados
15.398.859
99,8% del total*

Media

8,1% de los
hogares
demandan fondos
de inversión

Presentación corporativa de inteligencia de clientes y optimización de redes 31


comerciales
EL MODELO DE AFINIDAD microtarget

CUENTA VIVIENDA O Cuentas vivienda y otras cuentas no utilizables para realizar pagos, incluye
AHORRO depósitos. Disponible para seccionados 2001, 2005, 2008

N secciones Distribución de las secciones censales


asignadas
33.763
97% del total**
(**) todas las secciones
censales de, al menos, 100
habitantes, en cumplimiento
de la Ley de secreto
estadístico

N hogares
asignados
15.398.859
99,8% del total*

Media

17,1% de los
hogares
demandan
cuentas ahorro

Presentación corporativa de inteligencia de clientes y optimización de redes 32


comerciales
EL MODELO DE AFINIDAD microtarget
Las variables más relevantes, las que han permitido generar los modelos, son
las siguientes:
• Ocupación de la persona de referencia del hogar
• Situación profesional de la persona de referencia y relación con la actividad:
empresario, trabajador cuenta propia o ajena, desocupado, inactivo, estudiante,
pensionista y tipo pensión…
• Nivel de estudios de la persona de referencia
• Número de personas ocupadas en el hogar
• Régimen de tenencia de la vivienda habitual, existencia de pagos pendientes
• Posesión de vivienda secundaria
Estas variables han sido cruzadas según las necesidades específicas de los
modelos predictivos, solicitando del Instituto Nacional de Estadística (INE) la
entrega de tablas personalizadas

Presentación corporativa de inteligencia de clientes y optimización de redes 33


comerciales
Los hogares son puestos en relación espacial con las oficinas, permitiendo
estimar cuota de cliente y analizar la cuota
;
de mercado geográfica de la oficina

microTarget®. RENTA MEDIA DEL HOGAR POR MICROZONA


CALL
E BOG

CALLE JUAN
AU GIER
T CAL L O
CALLE O E CO
SANTA P ND E
OROSIA EN A RAN
LA DA
AVDA N
AVARR CE CAL
A LE

E
BOR
;

AT
CALLE ARIAS

116 AO

XXIII

AS
JA

114
;

R
RIO

SA
LE

CA
LLE

CAL
124
;

CALLE CRESPO AGÜERO


L

LL
CAL

CA
CA

ID

L
R

E
MAD
CAL

EU
Ñ EZ

ES
A
LE
IBA AVD

NCE
Z

CO
L

SAN
CA
ED

N
ULIA

RI A
LE J
LAN

TA
CAL

AVDA ANSELMO CLAVE


ON

CAL
; 107

ZA
CA IA
CAL

LL V
OLI
DA
L

PED

EC

YF
EB
EM

AS L
PE CAL
LE
CAL

CA

AB
RO

LL
OM

CAL

EB
CAL

VIA

RO
CAL

OR
LE

DE
PEO

JA
LE

CAL LE
UN
L

AND

;
LUN IAS
L

D ARO
EG

94
DEL
ER

CA CALLE SA
IV E

CALL
E MO NTANDE ;
MO
AL A

R
RES

N TA
A
OG

IC

ÑES
RSI

CA
EL
;
TOS

RU S
CA
ER

TE
NB

CA
TAS
VICE

EO A
LE

OV
L

S
LE

LL PA
D

N
E RG

147
CA
ES
EF

;
NT

EA
LE
FR

L N
CO

CA ME
LOR

UA

AN

VIL
AR
SU

O EC
C

SA
A

EG A LL
RA

MO CI
OY

ER L L N CA
Legend AH GA A LE
;
LO

L AS

ON
VIL C AV 136
; SA LU D
;
PE

AV

AG
Oficinas actuales UE E
UQ LL
Z

AR
Sección censal ED CA
LL AV
DE
CA O
SC CA D
Renta media hogar BO LL
ES A
U AN E GO
RT

NJ ME YA
O
40.001 - 60.000 A NE IC
ES
CO
A
CAL

LL ND
OL
AL AV

35.001 - 40.000 CA A
E
LE

ZP
SS
T
LE

CA

EL
L

30.001 - 35.000
TA
CA

AY
E
VIA

EL

O
LA

25.001 - 30.000
CALL

A
152
O

UN
E
HIS

;
D

14.000 - 25.000 AG
LL

CI
AN

ZL AC IES
CA
PA

E AC
M YIB
RN

GO AL

4
TU
NID

A AN
FE

Meters
AV
D
I NT L LE
U CA
A

EQ
O

0 70 140 280
D

LL
SE

Plaza: Zaragoza CA
PA

Presentación corporativa de inteligencia de clientes y optimización de redes 34


comerciales
;

Los hogares son puestos en relación espacial con las oficinas, permitiendo
estimar cuota ;de cliente y analizar la cuota de mercado geográfica de la oficina
;

microTarget®. RENTA MEDIA DEL HOGAR POR MICROZONA


;
3603802018
3603801002
; ;
; 3603802009

3603801001 3603801005
; ;
;
;
3603802018
;
3603801006

3603802006

;
; 3603802004
; ; ; ;
; ;
3603801003 3603801004 ; ;
; ; ;
; ;

4
;
;
; ; 3603802003 ; ; ; ;
;
;; ; 3603802019
;
; ;; ;
Legend
;
Sección censal
1 Dot3603801007
=1
; ; ; ;
; competencia ;
Sección censal
; ;
Renta media hogar ; 3603802017
40.001 - 60.000
3603802010
35.001 - 40.000
30.001 - 35.000 3603802001 ; 3603802016 3603802008
25.001 - 30.000 ;
14.000 - 25.000
Meters
0 75 3603802012
150 300
3603802011 3603802021
Oficina: 0541 Pontevedra García Cambra

;
;
Presentación corporativa de inteligencia de clientes y optimización de redes 35
comerciales ; ;
;

Las características sociodemográficas de las microzonas presentan claras


;
diferencias entre sí, constituyen micromercados
;

microTarget®. DEMANDA DE PLANES DE PENSIONES


4619001016 4619001016

4619001020 4619001023 4619001022

4619001017 ;
4619001014

4619001019 4619001024

4619001018
;
4619001013 ; 4619001041

; ;

;
; 4619001012

4
; ;
4619001025 ;
; 4619001026

; ; ;
4619001011
; ; ;
4619001009
Legend
;
Sección censal
;
1 Dot = 1
; competencia ;
4619001008 4619001027
Plan pensión
36,1% - 73% 4619001010
4619001036
29,1% - 36,0% 4619001006
24,1% - 29% ;
8,2% - 24% 4619001007
Meters 4619001004
0 40 80 160
;
Oficina: 0663 - Paterna ;
;
;
Presentación corporativa de inteligencia de clientes y optimización de redes 36
comerciales ;
Las características sociodemográficas de las microzonas presentan claras
diferencias entre sí, constituyen micromercados

microTarget®. DEMANDA DE FONDOS DE INVERSIÓN


A
NIÇ
CA
RE A
CAR S
R
VI

CA
RE
EL R IA
D'

RR
NC
RA
GA LE
RE

E
AL VA
M
E

SA
AF
IR
R
CA AD
O

TR TI G

G
AN
DE

RA
A A
AÇ CT
R

DA
M

PL
AE

FA
II
XI
ZT

M
NS
U

CA

ILI
T
FO

LE

A
RR
AVGDA PIUS XII AL

AU
DA

E
IT
G

PI
S
AV

CT

CARRE HUELVA
IU

IG
DO R

RA

IBE
E
R
R

M
A LVA

RT
A

EN
C

A
CA
NT S

R
RE
AV

E
A SA

AR
G

ER
DA

MP
IB

SA
A
AV G D
SA

AVGDA MARES ME
U

GE
N

T CARRE PARIS
PS
AT
O

CA
ON
RI

C
CA

RR
AR
R

E
RE

4
E
CA

CO
TG
GU

RR

PS

VA
CT
E

CARRE CACERES
AS

CA RRE
D
RA
SI
CA

ON
C

Legend
M

SA
H

AN
RR

NT
GA

19
CA

A
E

Código postal CO

E A-
BA

ILLA
BA DAJ O
LO
LM

Manzana M

L MARE SM
A

CARRE JUM
CA

ES
CA

CA
RR

Sección censal
R

RR

Z
RE

OVA
E
SA

Fondo inversión
RA
M

NT
AR

CA RRE CORD
FA

AUTO P DE
IA
IS

EL

8,6% - 17%
G
C

O
AL

DE

7,1% - 8,5%
CA

AV
CA

GD LE
BA

XI
SA
CA

5,6% - 7% A E
N

JO
RR
R

ES

OV
RE

AN
2% - 5,5% CA
A

XX
BO

E
III BR
G

Sección censal
CA

M
AT

TE
E

SE
LL

1 Dot = 1
RE

DE
; E
IQ

competencia NZ
UIQ

O
RE
U

Ibercaja red R
E

CA
Meters
0 60 120 240
Oficina: Badalona - 3

Presentación corporativa de inteligencia de clientes y optimización de redes 37


comerciales
Las características sociodemográficas de las microzonas presentan claras
diferencias entre sí, constituyen micromercados

microTarget®. DEMANDA DE CUENTAS AHORRO Y DEPÓSITOS

CAR
CA
RR

RE
PS O
EN

TG NÇ CA
RR U
CA

EV CA 9

SEU
EM BR
EL

IÑ A A
RR

S 1 ES
OV - TR NT
SO

N A S E A
E E

D'U
ET

NI C S
E M OS
NM

R R RE S
CA

IR
OL RE
AN

AU

RG
CA
R

A R
EP CA
R

AN

M
GE
E

EL L
L S
DE JO
D

DE

IA
EL

P NT UV
C
AR
TO
LA

SA
M

AU FL RE
IG

E AV
CA

R E
JO

R R G PR
D CA
RR

O
A R
R

C A A IM

ER
N

PR RR
E

L C

IV
G

JO ES E
AR

R
PU PS
ID R C
O

RE
I
BI

E
T EN ER RT

L
RR
G

R
T A

ÑO
S

CA
E
C A C M
O
BA
A

SI
M TA

RU
TA
PA
RB
M
CA

US
T N O

O
ER
AL YS R

AG
RR

G
ED
A
S

AU
RR

TI
ET
E

CA

N
A

YR
SA

SA
VI
RE

LA
NT

RE
NA CA
LO
R
AB

SC

R
RR
CA

CE

CA
E

CE
AR

R
BA SA

AN

T
BA

E N

TA
RR T
PA
FR
RA

RI
CA U

4
CA
E
AV

RR

E
GD

RR
CA
OR

CA

CA
AM
CT

CA R
R RE

EM
RE

Legend
AR

A
RE M

ER

ON ATZ
C ER
E

SA CA
AR EU

AN
CE
RR

IP

Código postal R

AG
R S N RE

R
U T
UJ

A
CA

BA

M
C M M CA
OL

Manzana E IQ
CAR

E
E R

R
R UE

RR
LL M
NG

AD
R E
IP CA L

CA
Sección censal
RE

E
NO

M
A UJ L AV
LI RE

A
AL CL
CA

O N

NT
E
TOR

L O
PE
G
Cuentas
CA ahorro
M M LM
E

RA

SA
RA
R

A
SE
NT

BL
RE

RE
NT AN
CA

M
CA

R22,4%
SA

- 28,9% E

M
R

AR
SA
NT

RE
R

CA
CA

RR

RA
EU
RE

RE

R
C
19,6% - 22,3% CA E
CA CR
RR

R
B AT

AR

CA
CA

IG
AR RE
AR
E

RR
PS
R

C
C
S

17,5% - 19,5% R
LL
LL O

CA E
RE

SU

BA
EO

JE
AR

15,7% - 17,4% CA N
R IA

YO
TE
A

RE

RR
NU

LE
CI

AR

OR NNA RRE

12,4% - 15,6% E S
S
MA

RBLA DE SANT JOAN DO O


C

S IG
SC

Sección censal CA D RD
C

CA
E PE
CE

C RR M R I
C

R S
1 Dot = 1A MI AI
AN

EN

E G E BA
RI
A

LA M
FR

G CA
XI

NT TA

TR AR E
; competencia UI XE RR RR
SA A N
LL
NS

IN
E

IL
CA
RR

LA E A
S

RE
FO

C
RE
CA

S Meters O
AL

LO
R
RE
CA

0 75 150 300 M
E
RR

AR

Oficina: 2526 - Badalona Vía Augusta


CA

Presentación corporativa de inteligencia de clientes y optimización de redes 38


comerciales
2SISTEMAS DE INTELIGENCIA GEOGRÁFICA DE CLIENTES

2.3LA MODELIZACIÓN
GEOESTADÍSTICA Y LAS ÁREAS DE
INFLUENCIA
GEO-ESTADÍSTICA Y CÁLCULO DE ÁREAS DE INFLUENCIA
 La relación geográfica entre clientes –sean reales o potenciales- y red de puntos de venta es clave a la hora de analizar a unos y otros
 Existen diversas aproximaciones, desde las más sencillas a las más avanzadas, en su cálculo. En esencia, la aplicación de métodos avanzados
depende de la disponibilidad de información con la que alimentar a los modelos:
• Información sobre las oficinas: dimensión, implantación, antigüedad, cantidad y tipo de recursos humanos… definen su capacidad de atracción como centros de oferta
• Información sobre los clientes: tipo sociodemográfico, comportamiento de consumo, demanda de productos financieros… definen la intensidad y tipo de demanda
• Información geográfica: cartografía, callejeros, divisiones administrativas… delimitan los tipos de análisis posibles y sus costes
 A continuación presentamos algunas de las técnicas de cálculo de áreas de influencia y relación espacial entre puntos de venta y clientes

Presentación corporativa de inteligencia de clientes y optimización de redes 40


comerciales
Una aproximación determinista a la relación espacial es la definición de áreas de
influencia a priori, muy extendida en marketing
;

AREA DE INFLUENCIA TEÓRICA DE 300 METROS


CALL
E BOG

CALLE JUAN
AU GIER
T CAL L O
CALLE O E CO
SANTA P ND E
OROSIA EN A RAN

PA
LA DA
AVDA N

S
AVARR CE

EO
A 116

E
;

AT
CALLE ARIAS

M
XXIII

AS

AR
JA

114
; 124

R
RIO

IA
;

SA

AG
LE

CA
LLE

CAL
;

US
L

LL
CAL

CA
CA

T IN
RID

E
MAD
CAL

EU
Z

ES
AÑE A
LE

AVD
NZ IB

NCE

CO
L

N SA
CA
ED

L IA

RI A
U
LE J
LAN

TA
CAL

107

AVDA ANSELMO CLAVE


ON

CAL
;

ZA
CA IA
CAL

LL V
OLI
DA
PED
L

EC

YF
EB
EM

AS L
PE CAL
LE
CAL

CA

AB
RO

LL
CAL
OM

EB
CAL

VIA

RO
CAL

OR
LE

DE
PEO

JA
LE

CAL LE
UN
L

AND

;
LUN IAS
L

D ARO
EG

94
DEL
ER

CA CALLE SA
IV E

CALL
E MO NTAN ;
MO

DER
AL A

RES

N TA Ñ
A
OG

IC
RSI

ES
CA
EL
;
CA
TOS

RU S
ER

TE
NB

CA
TAS
VICE

VA
L

EO
LE

S
LE

LL
PA O
D

AN
E RG

147
ES

EC
EF

;
FR
NTE

EA
LL N
CO

CA ME
LOR

AN
UA

VIL

A R
SU

EC
C

SA O
A

EG L
OY

CIA
RA

MO L
ER AL
L
EN CA
AH SG AL
LO

L
;

ON
V
VIL CA DA
136
PE

SA U
AV ;

AG
E E L
QU
Z

LL

AR
E DU CA
LL O
SC AV
DE
CA BO CA D
AN A
ES
U LL GO
NJ E
CA

RT

A ME YA
ES NE O
IC
LL
L LE

CO
A
CAL

CA ND
OL
AL AV

EZ A
LE

SS
T
DO

PE
LE

CA
L

L
TA
CA

AY
MI N
E
VIA

EL

Legend O
LA
CALL

152 NA
GO

;
HIS

GU
;
D

Oficinas actuales
LL

I
LA CC
AN
MI R

EZ CA
CA
PA

OM LA
RN

4
G A
NID

AN
AL

DA
FE

Meters
AV INT
QU
A

0 70 140 280
LE
D

SE

L
Plaza: Zaragoza CA
PA

;
Presentación corporativa de inteligencia de clientes y optimización de redes 41
comerciales
La aproximación empírica es la que se basa en la procedencia real de clientes por
microzona, describe la realidad y la compara con la potencialidad de clientes
;

AREA DE INFLUENCIA TEÓRICA DE 300 METROS


CALL
E BOG

CALLE JUAN
AU GIER
T CAL L O
CALLE O E CO
SANTA P ND E
OROSIA EN A RAN

PA
LA DA
AVDA N

S
AVARR CE

EO
A 116

E
;

AT
CALLE ARIAS

M
XXIII

AS

AR
JA

114
; 124

R
RIO

IA
;

SA

AG
LE

CA
LLE

CAL
;

US
L

LL
CAL

CA
CA

T IN
RID

E
MAD
CAL

EU
Z

ES
AÑ E A
LE

Z IB AVD

NCE

CO
L

SAN
CA
ED

LIAN

RI A
E JU
LAN

TA
CAL

107

AVDA ANSELMO CLAVE


L
ON

CAL
;

ZA
CA IA
CAL

LL V
OLI
DA
PED
L

EC

YF
EB
EM

AS L
PE CAL
LE
CAL

CA

AB
RO

LL
CAL
OM

EB
CAL

VIA

RO
CAL

OR
LE

DE
PEO

JA
LE

CAL LE
UN
L

AND

;
LUN IAS
L

D ARO
EG

94
DEL
ER

CA CALLE SA
IV E

CALL
E MO NTANDE ;
MO
AL A

R
RES

N TA Ñ
A
OG

IC
RSI

ES
CA
EL
;
CA
TOS

RU S
ER

TE
NB

CA
TAS
VICE

A
L

EO
LE

SOV
LE

LL PA
D

N
E RG

147 A
ES

EC
EF

;
FR
NT

EA
L L N
CO

CA ME
LOR

AN
UA

VIL

AR
SU

EC
C

SA O
A

EG L
OY

CIA
RA

MO L
R AL
L N CA
HE LE
SG
LO

LA VA ;

ON
VIL CA A 136
PE

Legend SA LU AV
D
;

AG
E LE
QU
Z

AR
; Oficinas actuales E DU CA
LL O
SC AV
DE
CA BO CA D
Sección censal UA
N LL
ES
A
GO
NJ E
CA

RT

Penetración clientes SA ME YA
E NE O
IC
LL
L LE

CO
A
CAL

CA ND
OL
AL AV

7,6% 25% EZ A
LE

SS
T
DO

PE
LE

CA
L

5,0% - 7,5% L
TA
CA

AY
MI N
E
VIA

EL

O
LA

2,6% - 4,9%
CALL

152 NA
GO

E
HIS

GU
;
D

0,1% - 2,5%
LL

I
LA CC
AN
MI R

EZ CA
CA
PA

OM LA
RN

4
G A
NID

N
AL

DA TA
FE

Meters
AV UIN
A

EQ
O

0 70 140 280
D

LL
SE

CA
Plaza: Zaragoza
PA

;
Presentación corporativa de inteligencia de clientes y optimización de redes 42
comerciales
MODELIZACIÓN AVANZADA DE ÁREAS DE INFLUENCIA
Los modelos de gravitación comercial se basan en la ley de Newton, según
la cual la capacidad de atracción de un centro de oferta es directamente
proporcional a su atractivo –masa- en inversamente proporcional a la distancia
respecto al punto de demanda.
Los modelos de afinidad electiva adaptan la anterior formulación definiendo
probabilidades de que un cliente, se decida por un centro que compite con
otros.

Estas probabilidades pueden ser tratadas como cuotas o proporciones de


clientes en una microzona.

El modelo de Huff (1963) se formula de la manera siguiente

La probabilidad de desplazamiento de un punto a un centro de


oferta es directamente proporcional a la atracción del punto e
inversamente proporcional a la distancia. El total de
desplazamientos desde un punto se repartiría entre los puntos de
oferta en forma de probabilidades

Presentación corporativa de inteligencia de clientes y optimización de redes 43


comerciales
Modelo de Gravedad desde el punto de vista del cliente, probabilidad de elección
de centro de oferta en función de la distancia,
;
la atrcción del centro y las ofertas
alternativas (Huff, 1963)

AREA DE INFLUENCIA. PROBABILIDAD PARA LA OFICINA


CALL 147
E BO G

CALLE JUAN
AU GIER
T CAL L O
CALLE O E C ON D
SANTA P E AR
OROSIA EN AN

PA
LA DA
AVDA N

S
A VARRA CE

EO
116

TE
;
CALLE ARIAS

MA
XXIII

AS
A

114

RIA
;
IO J

124

R
;

SA
ER

AG
E

CA
CAL
;

LL

US
LL

LL
CA

CA
CA

TIN
RID

E
M AD
CAL

EU
LLE
Z

ES
AÑE A
AVD
NZ IB

NCE

CO
LE

N SA
CA

I A

RI A
L
DO

U
LE J
LAN

T
CAL

AVDA ANSELMO CLAVE


107
C AL
A
;

ZA
CA
N

IA
CA

LL
OLIV
DA
L

PED

EC

YF
B
EM

AS LE
LL

PE CAL
CAL

CA

AB
RO
EV

LL
OM

CA

EB
CAL

RO
CAL

OR
LE

IA U

LLE
DE
PEO

JA
CALLE
LE G

AND

;
LUN IA S
LE R

DARO
NIV

94
DEL
NM

CALL CA CALLE SA
E MO NTA NDER ;
ERS
AL A

RES

NTAÑ
A
OG

IC
OT O

ES
CA
EL
;
CA

RU
ER

TE
IT
NB

CA
S
VICE

VA
L

EO
LE
S

AS

S
LE

LL PANO
DE

E RG

147 A
ES

C
;
FR
NT

EA E
LL
F LO

EN
CO

CA
AN
UA

RM
E

VIL
CA
SU
R

SA O E
A

EG LL
OY

A
RA

MO L CI CA
ER AL EN
AH SG AL
LO

L
;

ON
VIL CA AV 136
PE

A U
AV
D
;

AG
Legend ES E L
U
Z

UQ LL

AR
ED CA
; Oficinas actuales LL CO AV

DE
CA OS
80,1% - 100% N B CAL DA
UA
ES
J LE GO
CA

N
RT

A ME YA
O
60,1% - 80% ES NE IC
LLE

LL
CO
A
CA

CA ND
OL
AL AV

40,1% - 60%
A
EZ
E
LLE

SS
T
DO

LL

PE
CA

20,1% - 40%
TA

LA
CA
MIN
E
VIA

YO
EL

LA

15,3% - 20%
CALL

152 NA
GO

DO

E
HIS

; GU
LL

Sección censal LA CI
AN

AC
MIR

Z
CA
P

ME AC
RN
AN

O L

4
AG NA
AL

TA
FE

Meters VD
IDA

A UIN
0 70 140 280
EQ
EO
D

LL
CA
S

Plaza: Zaragoza
PA

Presentación corporativa de inteligencia de clientes y optimización de redes 44


comerciales
;

Escenarios y análisis what if, afectación de la apertura de nuevas tiendas a las


áreas de influencia teóricas
;

APERTURA DE OFICINAS Y REDEFINICIÓN DE ÁREA DE INFLUENCIA


CAL LE B
O GG

CALLE JUAN
AU IERO
T CAL L
CALLE O E CO
SANTA P N DE
OROSIA EN ARAN

PA
LA DA
AVDA N

S
A VARRA CE

EO
116

TE
;
CALLE ARIAS

MA
XXIII

AS
A

114

RIA
;
IO J

124

R
;

SA
ER

AG
E

CA
CAL
;

LL

US
LL

CAL

LL
CA
CA

TIN
RID

E
M AD

EU
Z
LE

ES
AÑE A
AVD
NZ IB

NCE

CO
CA

N SA
ULIA

RI A
LAN

LE J
T
CAL

AVDA ANSELMO CLAVE


107
CAL
; A
IA

ZA
CA V
OLI
CA

LL
DA

EB
L

EC

YF
L
EM

AS CAL
LL

PE
CAL

CA 825

AB
EV

LL
OM

CA

EB
;
CAL

RO
CAL

OR
LE

IA U

LL
PEO

JA
CALLE
ED
LE G

AND

;
LE R

DARO
NIV

94
NM

CALL CA CALLE SA
;
ELI

E MO NTANDE
ERS
AL A

R
RES

NTAÑ
OG

OT O

ES
CA
EL
CIA

;
CA

RU
ER

TE
IT
NB

CA AS
VICE

EO
LE
S

AS

OVS
LE

LL PA
DE

N
E RG

147 A
ES

EC
;
FR
NT

EA
L
F LO

L EN
CO

CA
AN
UA

RM
E

820
VIL

CA
SU

;A
R

O LE
A

EG
OY

A
RA

CI L
OS LL EN CA
RM GA AL
LO

Legend HE AS ;

ON
LA C AV 136
PE

VIL LU AV
D
;

AG
; Oficinas
824 nuevas sep05 SA LE
Z

UE L

AR
CA
; ;Oficinas nuevas sep05 LLE DUQ CO AV
DE
OS 821
; Oficinas actuales CA AN B CAL ES DA
JU LE ; GO
CA

AN
RT

ME YA
O
80,1% - 100% ES NE IC
LLE

LL
CO
A
CA

CA N
OL
AL AV

60,1% - 80% DE
A
E
LLE

Z
SS
T
DO

LL

PE
CA

40,1% - 60%
TA

LA
CA
MIN
E
VIA

YO
EL

LA

20,1% - 40%
CALL

152 NA
GO

DO

E
HIS

; GU
LL

8,5% - 20% I
LA CC
AN
MIR

Z CA
CA
P

ME LA
RN
AN

4
AG NA
AL

TA
FE

Meters VD
IDA

A UIN
0 70 140 280
EQ
EO
D

LL
CA
S

Plaza: Zaragoza
PA

;
Presentación corporativa de inteligencia de clientes y optimización de redes 45
comerciales
;
;

ESTRATEGIA DE CLIENTES BASADA EN EL RENDIMIENTO ;

REAL ;

La sección X presenta una probabilidad del


;
CALL
E BOGG

CALL E JUA
AU IERO
TO CALL
CAL LE E CO
SA NTA P NDE
OROSIA EN ARAN

75% de acudir a la oficina Y

PA
LA DA
AVD A NA

SE
VARRA 116 CE

TE

O
N XXIII
;
CALLE ARIAS

SA

MA
JA

114

RA

RIA
; 124
R IO

;
SA

AG
E

CA
LL E

CA

LL ;

US
LL
CA

LLE

CA
CA

TIN
DRID

EE
CA

MA
LLE

AÑEZ A
AV D
UN

SC
LL E

Z IB
SAN
C

CE

OR
AN
AL A

JULI
DO
CAL

TA

IA
El modelo predictivo microtarget indica que
E 107
;

AVDA ANSELMO CLAVE


CALL ;
;
ZA
CA
NP

IA
CA

LL LIV
DA
LE

E BO

YF
CA
EDR

LE
LLE

SP
CAL
MO
CALL

CA E

AB
LL
CA
OD

EB
CALL

VIA
M

RO
CAL

OR
LLE
PEO
EA

JA
E LU IC IAS

el 20% de los 500 hogares demandan una


U

CALLE
; ;
LE

DARO
NIV
EG

94
NDR

DE
NM

CALL CA CALLE SAN


;
NA

E MO TAN
R OG

DER
ER

L
ALA

NT AÑ
O TO

ES
CA
ES

L
UE
;
SIT

CA

ER
ER

L
N

CA

OT AS
VIC

LL

LE

;
S

AS

SE OV
BER

PA
LL
DE

AN
E

147
ENT

cuenta ahorro o depósito


ES

EC
;
FR

EA

LL
G
FL

CO

CA EN
AN
UA

M
V IL

AR
OR

SU

EC
CO

SA O
A

EG LL
RA

MO L CIA CA
AL
YL

ER EN
AH G
VA
L
ILL AS ;
N
OP

136
AV DA
O

UC
AV ;
AG

S EL
EZ

Legend UE
UQ LL ;
AR

ED CA
; Oficinas actuales LL CO AV
DE

CA OS
80,1% - 100% N B CA L DA
ES

UA LE GO
NJ
CA

RT

A ME YA
O

60,1% - 80% ES

Así, 500 x 20% x 75% = 75 hogares es la


NE
LIC
L

LL
CO
AVA
CA

LE

40,1% - 60% CA ND
TO

EZ
E
L LE

;
SS
DO

LL
E AL

PE
CA

20,1% - 40% LA
TA
CA
M
V

YO
EL

LA
ING

15,3% - 20%
IA H

CALL

152 A
O

UN
LE

; EZ LAG
ND
OM

demanda total de cuentas ahorro y depósitos


Sección censal I
ISPA

CC
L

CA
A

CA

OM A
IR A

RN

AL

4
AG
NID

N
FE

Meters
AV
D TA
L

UIN
;
A

EQ
EO

0 70 140 280
D

LL
CA
S

Plaza: Zaragoza
PA

;
en la sección X

114
; 116
; ;
124
;

; 107 ;

; ; 94 ;
;
;
147 ;
;

Legend
136
;
Cuota geográfica = negocio real /
;
;

negocio potencial
; Oficinas actuales
Sección censal CA
L LE
Plan pensión ME
NE
N DE
36,1% - 73%
ZP
29,1% - 36% EL
AY
24,1% - 29% O

¿Qué oportunidades de crecimiento


152
8,2% - 24% ;

4
Meters
0 70 140 280

existen?
Plaza: Zaragoza
;

Presentación corporativa de inteligencia de clientes y optimización de redes 46


comerciales
Otros modelos de micromarketing desarrollados por

microbarrios Tipología sociodemográfica que caracteriza las microzonas como


barrios. Se basa parcialmente en las segmentaciones intuitivas
usadas por responsables comerciales en sectores retails, y es por
tanto fácilmente asimilada por este perfil de usuario

Áreas de
Identifica microzonas de reciente crecimiento poblacional. Es ideal
crecimiento para ubicar negocios y encontrar hogares en fase de formación

Nichos de
Identifica y describe microzonas con una alta presencia de
inmigración
inmigrantes. Incluye procedencia geográfica, es muy valioso tanto
para negocios específicos –envío capitales, restaurantes…- como
para la adaptación de establecimientos

La edad de plata Identifica y describe áreas con alta presencia de tercera edad y
estatus medio-alto o alto. De gran valor para servicios personales,
financieros y oferta de ocio dirigido al segmento

La generación Y Identifica y describe áreas con alta proporción de jóvenes entre 16


y 24 años y estatus medio-alto o alto. Ideal para moda y oferta de
ocio dirigida a este tipo de segmento

Presentación corporativa de inteligencia de clientes y optimización de redes 47


comerciales
2SISTEMAS DE INTELIGENCIA GEOGRÁFICA DE CLIENTES

2.4APLICACIONES CONCRETAS Y
TIPOS DE PROYECTOS
ALGUNOS TIPOS DE PROYECTOS DESARROLLADOS EN BANCA
Los proyectos que venimos realizando responden, de manera muy simplificada,
a tres tipos de necesidades:

A OPTIMIZACIÓN DE UBICACIÓN DE NUEVAS


OFICINAS

B OPTIMIZACIÓN DE COMUNICACIÓN PARA OFICINAS


NUEVAS Y NO RENTABLES

C AJUSTE DE LA RED. ESPECIALIZACIÓN, REUBICACIÓN


O CIERRE DE OFICINAS

D SISTEMA DE INTELIGENCIA DE CLIENTES Y


RENDIMIENTO DE LA RED DE OFICINAS

Presentación corporativa de inteligencia de clientes y optimización de redes 49


comerciales
LA OPTIMIZACIÓN DE UBICACIÓN DE NUEVAS OFICINAS
 Selección de las regiones y plazas de expansión, si procede
;
 Selección de ubicaciones, a nivel de local o portal, óptimas, en función de:
• Huecos de cobertura en la red actual, si la hubiera
• Potencial de demanda para los productos
• Presión competitiva en el área de influencia

Leyenda
; Oficinas nuevas sep05 ;
Leyenda 813
; Oficinas nuevas jul05
; ;
; Oficinas nuevas sep05 ; Oficinas actuales

; Oficinas nuevas jul05 ; A Inf 300m nuevas sep05


Distancia
813
; Oficinas actuales ; ; 0 - 100
101 - 200
A Inf 300m nuevas sep05 201 - 300
Distancia A Inf 300m nuevas jul05
Distancia 817
0 - 100 0 - 100
; ; ;
101 - 200 101 - 200
201 - 300
201 - 300 1 Dot = 2
A Inf 300m nuevas jul05 comercios
oficinas
Distancia industrias ;
817
0 - 100 ; ;
A Inf 300m actuales
;
814

101 - 200 ; Distancia


0 - 100
201 - 300 101 - 200 815
1 Dot = 2 201 - 300 ;
comercios
Estatus MA-A
200 - 294 ;
819
;
;
oficinas ; 139 - 199
95 - 138
industrias
;
4
36 - 94 Metros
A Inf 300m actuales 814 Plaza: Zaragoza ; 0 180 ;360 720
Distancia ;
;
0 - 100
101 - 200 815 El ejemplo muestra la cobertura de
201 - 300 ; ;
Penetración clientes
819 clientes
; –a la izquierda- la presencia de
7,6% - 83,7% ; ; ;
estatus
;
medio-alto –arriba- y la
; 5,0% - 7,5% ;
2,6% - 4,9% presencia de empresas, en un proyecto;
4
0,1% - 2,5% ;Metros
Plaza: Zaragoza ;
0 180
; 360 720 de incremento de la capilaridad en el
;
área tradicional de; una Caja ; de ahorros ;
;

Presentación corporativa de inteligencia de clientes y optimización de redes ;


; 50
;
comerciales ;
;
LA OPTIMIZACIÓN DE LA COMUNICACIÓN
 Consiste en la segmentación y adecuación de la oferta al perfil de demanda del cliente
potencial
 Incrementa el retorno de las acciones de captación, al maximizar la probabilidad de que
el cliente reciba una oferta concreta que le haga desplazarse a la oficina
 Puede basarse tanto en los modelos microtarget como en productos-gancho específicos
y segmentaciones ad-hoc
 Los resultados se plasman en una tabla de afinidad, con dos indicadores clave:
• PRESENCIA DE TARGET: número absoluto o relativo de clientes que responden al target
• ÍNDICE DE AFINIDAD: valor relativo respecto a la media de la presencia de target
 Se plasma en acciones por canales directos, en concreto hemos testado:
• Telemarketing
• Mailing
• Multietápico: Buzoneo, seguido de mailing y seguimiento telefónico al pool de clientes
interesados, que pasan a integrar una base de datos de clientes potenciales de la entidad

Presentación corporativa de inteligencia de clientes y optimización de redes 51


comerciales
LA OPTIMIZACIÓN DE LA COMUNICACIÓN
Los resultados se muestran tanto en mapas como en tablas, los primeros son
de especial utilidad para directores de zona y de oficina. A continuación vemos
cómo se diferencia la presencia de targets distintos para una misma oficina

TARGET AD-HOC. HIPOTECA JOVEN TARGET AD-HOC. HIPOTECA ESTATUS


CA
CA

0601501008

A
LVED
A
LL

CA
CA

CA
0601501008
LL

A
EC
; L ;
E

LVED
A
E

CA
;0601501004

LL
LL
LE
;

CH

EC
PR
VA

E
E
GA LE

SEPU

CH
CALLE BRAVO MURILLO
IM

PR
S

PE

VA
BR G
CO

SEPU
0601501004

A
AB CALLE BRAVO MURILLO

I
LI
CALLE

SC

PE
IE

M
Ñ

CALLE TARDIO
FE
L
; CALLE AFLIGIDOS RI

ÑA
PA
NU

CALLE
;

LI
O
E

CALLE TARDIO
CALLE
0601501010

FE
E L CALLE AFLIGIDOS

ES

PA
NU
ÑE

LL

CALLE
0601501010
; ;

E
O
VIAL

ES
ÑE
A
CA
Z

PASEO FLU
TIERR

LL
;

R
AZ

O
AV

VIAL

A
CA
Z
PASEO FLU

GUE

TIERRA
; 0601501003
;

R
PL

AZ
DA

0601501011

AV
;

GUE
0601501003

PL
0601501011

D
0601501001
SA

CALLE
S

A DE BA

COA

A
TRINID
MPO

0601501001
HO

SA
O

S
CALLE
NT

COA
AD
SC

TRINID

M PO

DE BARR

HO

O
NT
IA

AC

E AR
AN

AD
;
CI

SC
A CA

AC
IA
EN

E AR
AN
;
AN

YO
O

;
ZURBAR

CI
RROS

A CA

G
NA ; ;

EN
M
RA

AN
CALLE MARTIN CANSADO
FR

ZURBAR
I AY ;
CAL
;
M AS

LE

M
RA

L
;

FR
M

IN CALLE MARTIN CANSADO


N

; PLAZA ;

CAL
; ;

M AS
PA CAL
ON

E
SA

OS

M
;;

LL

N
A

CA
0601505006
;

ON
AZ

SA
; O
O

;
NIO

CA
SISENAND
Y
CA

LL

CA
PL
CALLE
SE

; ;; CALLE SAN 0601505006 ;


CA

ENANDO

NIO

EO
Y
E
;

CA
0601501012 ; ;

LL
SIS

CALLE
;
LL

CALLE SAN
A NTO

CA
JA

E
; 0601501012

IV
E

LL

PA
0601501002

A NTO
PL

RI
L

JA
IL
AZ
RE
N

VI
0601501002
; ; ;

LA
A PL
;
LO

L
L IB A

LL
RE
N
ZA
GI
AVDA

ER
;;
CALLE PUERTO RICO

LO
; ; AV; DA PILAR ;;

A
TA
; LIB
C

;
N

GIN
AVDA
;; ;
ER

CALLE PUERTO RICO


D

O
DA

OD

TA
PILAR

C
; ; ;
D
AVDA ;
AV

O
A
D
EM

Leyenda
0601505005 Leyenda

DE
VA

AV
0601505002
ROPA

0601504005
;

CALLE JOSE MARIA GILES ONTIVERO


0601505005 ;

S
;

VA
0601505002
EL

ROPA
0601504005
IG

AV

MIG

CALLE JOSE MARIA GILES ONTIVERO


DA 0601504003
;

EL
UE

HU

AV
Oficinas M Oficinas 0601504003
AVDA EU

SA
ADIU ; DA
;

UE

HU
; ;
L

EST ;
DA

NT IUM M

AVDA EU
; Nuevas
SA
; TAD ; Nuevas DIU

L
A LE A
CA

S
EST

DA
CAL ERA NT IUM
AV

MA S ES
0601505003 ; ; DAL A
; ;CALLETRAS ESTAD RDALERAS

CA
LL

RI TRA

AV
;AVDAReactivadas PAR
;D Reactivadas
MA
; ;
ES

0601505003
;;
NA
E

PLAZA ASI

A
;

LL
; 0601505001 D RIN
PILAR

AV
;; ; A PA

ES
DI

CAL

;
EC

E
AV

PLAZA ASI
0601505001
A
;

AR
AVD
; Añadidas
PE
;SEGURA OT; ; ; A PAñadidas ; CALLE ENRIQUE SEGU ; ; ;
AZ

DIA

CAL
CALLE
;

EC
RU
;;
ER

; ; ENRIQUE ER
L

PIL
; ;
BR

; U;EZ ;

ER
Z
EC

U
LF

CALLE DEL

L
AÑO

BR
Competencia Competencia
IT

EC
;

LF
A

CALLE DEL
RA OTAÑ
;
O

ORD

0601505020
; ;
LO

IT
ZA

O
CALLE

AA
;

O
;

ORD
J EZ 0601505020

LO

CALLE
A

JU

AZ
PL

IO
;
ERO

0601505004
; TO
N
; ; ; ; ; ;

PL
NIO
CALLE CIUDAD DE EVOR

E
0601505004
AN 0601505025 ;

RO
;
SAN

TO

CALLE CIUDA D DE EVOR


; 0601505025
(EL)

LE AN
E

SAN
Area Influencia 0601504006 Area Influencia ;
CALL

AL
MAESTR

(EL)
LE

E
OZ
VA

0601504006
JUAN

CALL
C L

S MAESTR
UÑ CA
UE

VA
200m 200m OZ

JUAN
; ;
E NAR

M UÑ
;

UE
;
AN

RRO
RO

E NAR
M
GA ;
DE D

400m

AN
400m ;
LL

O
RO
Y
;
ID

GON

TE
LZADILLAS

GA

D
SCORR
VI

0601505012

LL
; ;
IS

ASCO

ID
OR

GON

E DIO
DO (E

TE
DA

VI
600m 600m 0601505012
; ;
IOS

IS
N

LZADILLA
O OR

DO (E
0601505011
STIN A DE ARA

DA
SA
AV

ED

N
R O 0601505011

STIN A DE ARA
SA
TargetDSección

AV
AV
OF Target Sección
ED
DE C
E

S
L)

DE CA
D
CA

0601504007 O
LL

A AN FR AV
;

L)
GO JU
EL C

CA
DO D 0601504007
RTE

NO
CA

LL
LL
RA

A
LE 197 - 312
AVDA CA

G170 - 246
A

AN 0601504011 N O JU L CA

RTE
CA
; TIA

LLE
OES

EC

A
NE

AVDA CA
DO

A
AL PE AS AN 0601504011

OR
E
CALLE FUE

CAL

B STIA

ROES
C 137 - 196 RE SE LL 134 - 169 PE
IA

AN

CA BA

CALLE FUE

CAL
D
;
AD

CA
N
;
CAL

RE
E HER

UA
A
; SE
L

AJ ;
LE P

PIL
XI

DA
TE

;N

CAL
CALLE AGU

IL I

N
101 - 136 AVD 107 - 133 UA
0601504010 ;
AU

A AJ

L
P

TE
E HE
L

0601505014 0601505013 UX

CALLE AGU
R

ILA
; ;

EP
0601504010 AVD
E BA

;
AS

L
A

IM IE

0601505014 0601505013
;

RA
AA
CALL

70 - 100 81 - 106

EB
;
I

0601505015
AR

IM
CA

CALL
0601504009

SC
RI

0601505015
IL E
M

NTA

IEN

AILE
0601504009
MA

21 - 69 33 - 80
LA
DA

AL
N

TA (L
M

4
0601504014

4;
DA
AV

AM