Mini-curso de Geomarketing e Aplicações. José Augusto Sapienza Ramos LABGIS/UERJ 29/05/2012 1

Transcrição

1 Mini-curs de Gemarketing e Aplicações Jsé August Sapienza Rams LABGIS/UERJ 29/05/2012 1

2 Estrutura da Apresentaçã Intrduçã as cnceits; Perfil Cnsumidr; Pnts de Venda; Planejament; Cnsiderações finais. 2

3 Objetiv d seminári Atender a técnics e tmadres de decisã; Intrduzir; Mstrar ptencialidades; Exemplificar caminhs; Fazer cnsiderações imprtantes; 3

4 Cntext Muits prcesss d Marketing se encntram dentr da dinâmica espacial; A imptância dessa dimensã aumenta cm a expansã d mercad: + cmpetiçã, + cmplexidade, + planejament; Trna entã indispensável lhar s prblemas d Marketing n espaç! 4

5 Exempl de perguntas que devem levar em cnsideraçã a Dinâmica Espacial Acess a pnt de venda é bm? Qual a área de cbertura d meu negóci? Em qual grau a prximidade da cncrrência é bm u ruim? Cm timizar minha cadeia lgística? Cm a cultura lcal reage a minha marca?? Meu públic se encntra agrupad n espaç? 5

6 O que é Gemarketing? Cleçã de técnicas para manipulaçã de dads gegráfics n api a estratégias e marketing de decisã; Aplicad em diverss dmínis d marketing de maneira diferenciada; Integraçã da Gegrafia cm Marketing visões distintas sbre prblemas em cmum; 6

7 Gegrafia + Marketing É mais d que apenas espacializar e quantificar dads em ferramentas específicas; Há publicações científicas já ns ans 70 que apntam a imprtância d mapeament nas decisões de marketing; Mais que referenciar n espaç, Maketing Espacial desenvlve cnceits d Marketing integrads à Gegrafia (u vice-versa); Há diverss estuds que sndam melhres maneiras de utilizar Marketing Espacial n api às decisões. 7

8 O planejament é imprtante! 8

9 Gemarketing e Marketing Espacial Mais d que mapear e pltar pnts em mapa, é necessári pensar cm a dinâmica d prcess d Marketing crre n espaç! Aplicaçã em diverss dmínis, prém pdems destacar três principais: Perfil e Cmprtament d Cnsumidr; Lcalizaçã de pnts de vendas e serviçs; Planejament de Marketing. Nem sempre a integraçã da Gegrafia cm Marketing é suave. 9

10 Perfil e Cmprtament d Cnsumidr Mdels de prediçã de cmprtament; Estuds de valres e estil de vida; Estuds de mdels de deslcament d cnsumidr; 10

11 Lcalizaçã de Pnts de Vendas e Serviçs Lcalizaçã de nvs pnts mdels e análises; Estud da cncrrência e canibalism; Cbertura espacial ds pnts de vendas; Lcalizaçã x Revendedres x Frnecedres cadeia de supriments; Estratégias de vendas x cmprtament d cnsumidr. 11

12 Planejament d Marketing Gerência de preç: Cust, demanda e cmpetiçã; Plíticas de preçs lcais, internacinais e de diverss frnecedres; Campanhas publicitárias: Objetivs cmerciais e segmentaçã espacial da campanha; Impacts em campanhas na TV, cinema, jrnais, rádis, utdrs,... Marketing diret: Análises de territóris de interesse; Lcalizaçã espacial ds perfis de cnsumidres. Ge-merchandize fertas de prduts x dispsiçã de prduts x prmções x estque; 12

13 Desafis atuais ds prfissinais da área Dispnibilidade de dads e análises de guia (segred!): Sciecnômics; Perfil d cnsumidr; Cncrrências; E muits utrs... Dmíni limitad das análises, ferramentas e entendiment ds mdels; Eventual ausência de cultura estrutural nas rganizações em pró d Gemarketing; Ampliar as aplicações para serviçs públics e utrs nichs. 13

14 Enquete 1 Qual a sua área de frmaçã? Qual a sua área de frmaçã? a) Gegrafia; b) Marketing; c) Engenharias; d) Administraçã; e) Outra área de frmaçã. 14

15 Exempl de ppularizaçã d Gemarketing Riachuel utiliza gemarketing para dbrar númer de ljas n Brasil (2012): huel-utiliza-gemarketing-para-dbrar-numer-de-ljas É lançad Bússla Sebrae para auxiliar empreendedr nas esclhas de seu negóci: 15

16 Exempl de ppularizaçã d Gemarketing Bússla Sebrae 16

17 Exempl de ppularizaçã d Gemarketing Bússla Sebrae 17

18 Exempl de ppularizaçã d Gemarketing Infrmações mapeadas para estud de mercad: Gemarketing ajuda esclas particulares a aumentar taxa de matrículas: arketing_para_esclas/index.html 18

19 Dads Gegráfics e SIG Jsé August Sapienza Rams LABGIS/UERJ 29/05/

20 Dads Gegráfics Pssuem três cmpnentes: <X; A; T> X: é a cmpnente gegrágicas, está sb um sistema de crdenadas cartgráficas (nde); A: é um cnjunt nã vazi de atributs descritivs, cmumente rganizads em uma estrutura tabular ( que); T: é interval de temp nde as cmpnentes X e A fram medidas (quand); 20

21 Dads Gegráfics Sã mais cmplexs d que s dads nã gegráfics; Sua gestã e cntrle é mais trabalhsa mntar um banc de dads gegráfics; As tecnlgias de mediçã, prcessament e análises desses dads sã específics; É mais cmum utilizar dads de fntes d que prduzir dad gegráfics cuidad! 21

22 Sistemas de Infrmações Gegráficas (SIG/GIS) Um cnjunt manual u cmputacinal de prcediments utilizads para armazenar e manipular dads gerreferenciads ; Cnjunt pders de ferramentas para cletar, armazenar, recuperar, transfrmar e visualizar dads sbre mund real ; Um sistema de suprte à decisã que integra dads referenciads espacialmente num ambiente de respstas a prblemas ; Um banc de dads indexads espacialmente, sbre qual pera um cnjunt de prcediments para respnder a cnsultas sbre entidades espaciais.

23 Api as decisões LOCAÇÃO COMO MODELAGEM O QUE É...? O QUE SE...? CONDIÇÃO TENDÊNCIA ROTA PADRÃO ONDE É...? O QUE ESTÁ MUNDANDO...? QUAL O MELHOR CAMINHO...? O QUE É O PADRÃO...?

24 O que SIG tem de especial? Dads espaciais/gegráfics, nã apenas s armazenand, mas trabalhand cm eles n espaç e pr mei de suas características; Agrega-se cnceits de cartgrafia, gemetria cmputacinal, entre utrs que nã sã cmuns as SI s tradicinais; As ferramentas de sluçã sã específicas, requer especializaçã. Equipe multidisciplinar;

25 O que SIG tem de especial? (cntinuaçã) Suprte a diversas áreas: mei-ambiente, agricultura, segurança, recurss minerais, saúde, demgrafia, cnstruçã civil, planejament públic e estratégic, telecmunicações, energia, vilência, lgística de transprtes, turism; Dad mais cmplex -dad mais imprtante a prjet; Área em expansã em terms de tecnlgia e mercad; Td dad gegráfic tem err;

26 Sluções de SIG n mercad Há inúmeras sluções, cada uma cm características particulares; Há sluções apenas para apresentaçã de dads, utras para prcessament matemátic altamente especialista, utrs que tentam apresentar sluções abrangentes e assim pr diante; Além da funcinalidade, cust-benefíci é utr fatr imprtante;

27 Sluções de SIG n mercad (2) É cmum terms que utilizar mais de uma sluçã de SIG; Prblemas na interperabilidade entre as sluções; Há entidades que definem padrões cm a OGC Open Gespatial Cnsrtium; Há platafrmas que tentam abrdar tdas as vertentes d SIG, ferecend uma família de sluções ArcGIS;

28 SIG Desktp x Web Outra característica imprtante é se a sluçã se encntra na platafrma Web u Desktp; Web é mais limitada para prcessament e tem melhr na acessibilidade a usuári final. Também requer mair infraestrutura de TI de suprte; Desktp tem mais capacidade de prcessament e recurss;

29 Exempl sistêmic de um prjet de SIG Verems a seguir um exempl para melhr entendiment das etapas e prcesss envlvids cmumente num prjet de SIG; Nã há um prcess rígid e definid para prjets em SIG, geralmente estes prjets seguem prcesss similares da área de TI (engenharia de sftware);

30 Visã sistêmica de um prjet de SIG - Geral Mund Real Especificações Lista de dads e metdlgia Camp Fntes Externas Cliente + Especialistas Analistas SIG Equipe SIG BDE Usuáris

31 Gemarketing é basead em mdels! Jsé August Sapienza Rams LABGIS/UERJ 29/05/

32 Mdels, mdels, mdels O Marketing e Geprcessament trazem algumas abrdagens para mdelagem de prcesss; Pdems citar s principais tips de mdels aplicads: Estud da atraçã d cnsumidr cncrrência, estimativa de receita, entre utrs; Mdels de deslcament isócrnas, análise de acessibilidade; Lcalizaçã de nvs pnts de venda; Segmentaçã d mercad cnsumidr; Perfil d cnsumidr impact de alterações sóci-ecnômicas e de estil de vida n negóci; Retrn de campanhas publicitárias; Entre utrs... 32

33 Mdels simplificam a realidade O prcess em estud d mdel é cmplex, crre em um espaç tridimensinal, multivariad e hiperrelacinad; Nss mdel precisa ser simples, geralmente em um espaç bidimensinal, cm variáveis e relações restritas; 33

34 Variáveis Quais variáveis medir? Nem sempre se sabe quais variáveis fazem parte d nss prcess a mdelar; Há variáveis difíceis de quantificar: estil de vida, persnalidade, presença da marca... Nem sempre é viável uma mediçã de td nss univers de análise: diferença entre amstra e cens. Cnclusã: é cmum us de estatística! 34

35 Medições de variáveis e errs A se aprpriar sbre as características de elements d mund real, realizams medições; Essas medições pssuem imprecisões! Se a precisã da mediçã é satisfatória u nã, depende das especificações d prjet. 35

36 Frmas de medir Nã há uma percepçã única ds elements d mund real, é precis definir qual é a percepçã interessante a seu mdel. 36

37 Enquete 2 Vcê já trabalhu em algum prjet que envlvesse Gemarketing? Vcê já trabalhu em algum prjet que envlvesse Gemarketing? a) Sim, eu já trabalhei; b) Nã, eu nã trabalhei; 37

38 Bibligrafia de Gemarketing Esse assunt ainda pssui bibligrafia muit escassa, principalmente n Brasil; Eu recmend s livrs: >Gemarketing: Methds and Strategies in Spatial Marketingde Gérard Cliquet; > Gemarketing: Memórias de Viagemde Francisc Aranha e Susana Figli; > Métds Estatístics para Gegrafia de Peter A. Rgersn. 38

39 Cm mdelar seu estud? Jsé August Sapienza Rams LABGIS/UERJ 29/05/

40 A missã é árdua! É imprtante se ter em mente: mdel pr si só nã basta mdel é uma prva de cnceit u cnheciment; Ocrre nrmalmente um feedback psitiv, um bm mdel refrça cnceit que ele atesta: cnheciment vai se cnslidand >> Marketing Espacial; Pdems dividir as análises entre aquelas baseadas em cnheciment u aquelas baseadas em mdels matemátics; 40

41 Objetiv, fc Defina qual bjetiv, fque escp da análise; Estude análises parecidas cm a sua prpsta e defina a sua; Imprtante: seu mdel deve ser basead em cnheciment u terias! Se utrs especialistas estiverem envlvids, a cmunicaçã é fundamental. 41

42 Quais variáveis dev cnsiderar? As variáveis a se elencar devem estar alinhadas cm cnheciment u cnceit a se mdelar; Nem sempre há cnheciment sbre quais variáveis estã relacinadas cm estud, a estatística frnece métds para avaliar quais sã Análise Fatrial, pr exempl; Cm temp, seu mdel deve se cnslidar e as variáveis vã graduamente send revisadas e ajustadas; Nã basta saber quais as variáveis sã tmadas n estud, mas também cm medí-las (direta, indiretamente) e s níveis de tlerância as errs esperads. 42

43 Cm medir as variáveis? Cm escp de quais variáveis definidas, próxim pass é definir cm levantá-las: Questináris a públic-alv; Levantament em camp; Dads de fntes externas (eventualmente escasss); Terceirizaçã d levantament. Esse prcess envlve também s dads espaciais; Nem sempre é pssível medir tds s elements em estud, lançand mã de amstras: estatística. 43

44 Imprtante: avalie resultad d seu mdel! Qualquer mdel, seja simples u cmplex, deve ter seu resultad avaliad; A avaliaçã pde crrer de diversas frmas, prém essencialmente é cmparar a respsta d mdel cm respstas d mund real verificaçã de cncrdância! Dependend d resultad, retrne para a prancheta e reavalie prcess um mdel bm depende de estuds. 44

45 Síntese de muitas ideias pr trás ds mdels gegráfics: Primeira Lei da Gegráfica de Wald Tbler (1979) Everything is related t everything else, but near things are mre related than distant things

46 Dispnibilidade de dads Jsé August Sapienza Rams LABGIS/UERJ 29/05/

47 Onde s dads estã? Seria ideal se s dads que necessitams estivessem à dispsiçã, prém iss se mstra um desafi! 47

48 Desafis! Dads detalhads d cens só em 10 e 10 ans; Dads de cmérci, indústria e pesquisas cm cnsumidres em detalhe sã escasss; Infrmações gegráficas cm vias, transprte, investiments, entre utrs sã rars e nã se apresentam cm qualidade; Nem sempre s dads que estã dispníveis estã sbre s requisits necessáris. 48

49 Gemarketing e Estud d Perfil Cnsumidr Jsé August Sapienza Rams LABGIS/UERJ 29/05/

50 Panrama O Marketing Espacial cmeçu pels estuds sbre cmprtament d cnsumidr; Há três abrdagens principais: Abrdagem ecnômica: baseads na teria d cnsumidr, mdels neclássics principalmente aplicad em rtas turísticas; Abrdagem d marketing: variad e em cnjunt cm s geógrafs. Há mdels análgs a cnceits físics (gravitacinais e entrpias), naturezas físicas-scilógicas e maximizaçã de mdels ecnômics. É cmum a segmentaçã d espaç em áreas de mercad, pr temp de acess e afins.

51 Armadilha! O Gemarketing mascara a real cmplexidade d cmprtament d cnsumidr; Cmumente existem dads sciecnômics, mas faltam dads sbre deslcament, presença da marca, qualidade x preç, entre utrs;

52 Paradx ns estuds sbre cmprtament d cnsumidr Artigs sbre estud d cmprtament d cnsumidr sã pucs; Há uma mair cncentraçã de artigs sbre a mdelagem d cmprtament, nã sbre estud de cm se cmprta u cmprtu cnsumidr; Sem avaliaçã d cmprtament, nã se cnsiste s mdels prpsts.

53 Principais cnceits assciads a cmprtament d cnsumidr O cmprtament d cnsumidr é imprtante para marketing de varej, na medida que permite uma melhr percepçã da atraçã ds pnts de venda; A atraçã d cnsumidr se dá principalmente pr três fatres: Tip de bens u serviçs; Princípi d menr esfrç; Distância.

54 Tips de Bens e Serviçs Questã antiga muit discutida n marketing; Geralmente discute-se muit sbre bens e puc sbre serviçs... Refere-se cmumente a Teria ds Lugares Centrais; Em uma das tiplgias mais usadas, tems três classificações de bens: Bens de cnveniência frequentemente cmprad; Bens de cmpras busca pr infrmações; Bens especiais frça da marca.

55 Observaçã: Teria ds Lugares Centrais Apresentada pr Walter Christäller em 1933; Teria: um centr (ex. urban u industrial) é cnectad a utrs pls menres, frmand uma rede, nde nó central é mais desenvlvid; Objetiv era explicar cm pera a lógica de distribuiçã de prduts u serviçs a área central presta atendiment às áreas secundárias em hierarquia.

56 Teria ds Lugares Centrais, segund Christäller Fnte:

57 Princípi d menr esfrç e distância Desenvlvid há muits ans d camp da psiclgia basead na etlgia animal; Basead na busca pela minimizaçã na distância u temp de viagem; A distância é extensivamente estudada, prém permanece de difícil entendiment as mdels; Alguns estuds sugerem que a distância percrrida é influenciada pr cndições ecnômicas e sócipsiclógicas.

58 Temp de deslcament e mbilidade Em um primeir mment, s estuds se fcavam essencialmente n temp de deslcament cnsumidr pnt de venda; Fram prpsts s primeirs mdels gravitacinais na década de 60 nva visã sbre a distância; Medir temp de deslcament é cmplex mdels prpõem cálculs de isócrnas (ex. regressã estatística).

59 Percepçã diferenciada sbre temp! Prblema: pessas nã tem a mesma percepçã de temp: Deslcament em diferentes hráris d dia u da semana; Avaliaçã subjetiva (individual); Meis de deslcament diverss; Impsições de temp da rtina de cada indivídu; Questões sbre cultura, mds e etc. A intrduçã desse cnceit ns mdels aprimru s resultads prém é de difícil pnderaçã;

60 Nvs meis de cmunicaçã e deslcament d cnsumidr Cm a Internet, telefne, celulares e utrs meis de cmunicaçã, a distância nã perde e perderá imprtância n cmprtament d cnsumidr? Ns ans 70 e 80, muits estuds defendiam essa hipótese; Hje se percebe que essas tecnlgias ferecem mais pssibilidades d que substituições de hábits antigs; Pr exempl: cnsumidr pesquisa mais sbre um prdut na Web antes da cmpra, em cnsequência, está se deslcand mais.

61 O que pde influenciar n prcess de mbilidade? Algumas pesquisas recentes apntam s seguintes fatres sbre mbilidade na esclha de lcais para cmpras: Lcalizaçã da residência; Lcalizaçã d trabalh; Lcalizaçã da escla das crianças; Lcais de lazer; Md de transprte; Características d cnsumidr que altera a mbilidade: Renda; Prfissã; Ter autmóvel; Entre utrs.

62 Algumas pesquisas na França A mbilidade: hje francês se deslca km pr an, em 1980 a média era km a mairia ds deslcaments é realizada a até 80 km da residência; O francês se deslca em média 23 km pr dia (excluind viagens de lnga distância) 300% mais d que a 25 ans atrás; Deslcament a trabalh ainda sã majritárias prém caíram 20% entre 1982 e 1994; a laser aumentaram 33%.

63 Valres, estil de vida e cmprtament Nã é de hje que Marketing estuda as características d cnsumidr para cnstituir estratégias; Dentre s estuds, estil de vida e valres sã amplamente estudads pr métds qualitativs e quantitativs; Percebe-se que essas características variam muit entre nações, regiã rural e urbana e até mesm entre cidades.

64 Exempls de nuanças culturais percebidas em pesquisas de camp e implicações n marketing Destaque à segurança: alertas, cuidads de cnservaçã, nçã de investiment e durabilidade nas embalagens e cmerciais; investir em sites segurs; Destaque à família: presença de imagem familiar (dna de casa) ns cmerciais; prmções e prduts em quantidades familiares ;

65 Características individuais e ambientais É imprtante separar s valres individuais ds ambientais ambiental é mais fácil de analisar e espacializar; Características individuais: persnalidade, valres pessais (religiã, plítica,...), atividades e interesses (prfissã, hbby,...), padrões de cnsum; Características ambientais: cultura e valres sciais; As características ambientais e individuais se influenciam.

66 Exempl: perfil das famílias na Eurpa

67 Enquete 3 Vcê tem interesse em aplicar Gemarketing em algum tema específic? Vcê tem interesse em aplicar Gemarketing em algum tema específic? a) N mment nã; b) Sim, na lcalizaçã de pnts de venda/serviçs; c) Sim, n estud d perfil cnsumidr; d) Sim, em mdels sbre acessibilidade; e) Sim, em utrs temas. 67

68 Análise de Acess e Mbilidade Jsé August Sapienza Rams LABGIS/UERJ 29/05/

69 Aplicaçã da variável deslcament ns estuds de Gemarketing Muitas vezes é a única variável espacial d estud; Ligada à questã de esfrç, acess u mbilidade; A distância pde ser uma variável de api para se medir temp u cust de deslcament; Há muits mdels para representar estas variáveis - depende d: tip de bem u serviç; mei de lcmçã; características d cnsumidr. 69

70 Frmas tradicinais de trabalh cm deslcament n SIG A mais cmum é trabalhar cm círculs centrads ns pnts de destin (buffers); O rai ds círculs pdem estar assciads a variáveis distância, temp, cust... É um prcediment relativamente simples n SIG; 70

71 Exempl cm estações pliciais

72 Prblemas n us de buffers Em geral, é satisfatóri em análises mais reginais e cm infraestrutura de deslcament hmgênea; Eventualmente nã se mstra representativa quand estud é lcal u a infraestrutura de deslcament é mais hetergênia; Pr exempl, em estuds a nível de quarteirões u bairrs u quand transprte públic é mei de lcmçã d públic-alv.

73 Áreas de serviç A nã cnsideraçã de fatres cm infraestrutura viária u até a tpgrafia d relev pdem acarretar em prblemas na respsta d mdel; A área de serviç cnsidera a infraestrutura de deslcament (ex. vias) e realiza uma análise de rede (graf); Pde ser usad para analisar temp de acess d cnsumidr u temp de atendiment (ex. delivery); Requer dad gegráfic da rede de deslcament, é um prcessament despendis e nem td aplicativ de SIG tem esta peraçã. 73

74 Exempl: áreas de serviç de um pst de saúde cm atendiment especializad para adlescentes. 74

75 Exempl: áreas de serviç de tds s psts de saúde cm atendiment especializad para adlescentes n municípi d Ri. 75

76 Análise de acess e mbilidade Mas cm determinar s rais u distâncias das análises? Tarefa cmplicada há parâmetrs subjetivs d indivídu; Smente a distância nem sempre se faz representativa n mdel estudad; É cmum us da variável temp -geraçã, pr exempl, de isócrnas; 76

77 Análise de Acess e Mbilidade Prém temp de deslcament nã é simples de mdelar: influenciad pr muits fatres externs; Muits trabalhs vem recrrend a estuds de regressã para determinar isócrnas; O trabalh abaix é um bm exempl: Uma Análise da Demanda de Shpping Centers de Prt Alegre a Partir de Dads Prvenientes de Pesquisas Dmiciliares de Origem e Destin

78 Limite de William Applebaum para divisã de áreas de influência de um cmérci Primária: nde 50% a 70% d públic-alv sejam clientes d cmérci; Secundária: nde 20% a 30% d públic sejam clientes; Terciária: nde 10% a 20% d públic sejam clientes. Esses patamares sã bem aceits, pis retratam a realidade de uma série de estuds atuais cm api de métds de regressã e crrelaçã.

79 Case sbre Estud d Perfil Cnsumidr Jsé August Sapienza Rams LABGIS/UERJ 29/05/

80 Escp d Case Uma marca de prduts naturais tem cm seu grande varejista uma rede de supermercads; O bjetiv é estudar públic cnsumidr ds prduts, incluind a área de influência de cada pnt de venda; Cm us de dads gegráfics e um SIG, determinase s setres censitáris inserids nas áreas de influência de vendas ds prduts naturais. 80

81 Dads utilizads neste case Pnts de venda da rede varejista; Malha de lgradurs; Dads d cens de 2000 (estud realizad em 2008); Detalhes sbre s pedids de abasteciment de prduts de cada pnt varejista: Quantidade de pedids pr mês; Ttal de itens pedids; Valr d pedid de abasteciment. Pesquisa realizada ns pnts de varej cm cmpradres da linha de prduts naturais. 81

82 Lcalizaçã ds pnts de varej (supermercads) e pnt de distribuiçã Legenda #0 Central Distribuidra Supermercads Bairrs 82

83 Pass 01 Determinar as áreas de influência primária Fi realizada uma pesquisa em cada supermercad durante 15 dias; A pesquisa registrava endereç d cnsumidr; Depis esses endereçs fram gecdificads, gerand assim pnts gegráfics; Gecdificaçã: dad um endereç, SIG cnsulta a base de lgradurs e numeraçã de prta, frnecend um pnt gegráfic precis u estimad d endereç. 83

84 Pass 01 Determinar as áreas de influência primária (cnt.) Cm s pnts de residência gecdificads, calculuse a distância em linha reta entre supermercad e cada residência; Cnstruiu-se para cada pnt de venda um gráfic de % cnsumidres x rai de distância. 84

85 Pass 01 Determinar as áreas de influência primária (cnt.) Cm s pnts de residência gecdificads, calculuse a distância em linha reta entre supermercad e cada residência; 85

86 Pass 01 Determinar as áreas de influência primária (cnt.) Cm limite de 60% ds entrevistads cm limiar da área de influência principal, determinu-se s rais para cada supermercad e geru-se s buffers: 86

87 Pass 02 Determinar perfil sciecnômic das áreas de influências Agra determina-se quais setres censitáris sã abrangids pelas áreas de influências; Tems uma cnsideraçã: haverã setres ttalmente cntids na área de influência e utrs parcialmente: 87

88 Pass 02 Determinar perfil sciecnômic das áreas de influências Este case cnsideru que td setr censitári que intercepta a área de influência; Cm essas infrmações, rest é gerar sumáris e estatística para supermercad u para tds eles; Fram realizadas regressões e utrs análises para determinar, pr exempl: Qual a esclaridade, idade e renda d cnsumidr? Qual estil de vida d cnsumidr? Qual a relaçã entre s parâmetrs acima e vlume de pedids d varejista? Cm cmprtament d cnsumir varia cnfrme s ans d mês cnsiderand as variáveis sciecnômicas? 88

89 Gemarketing e Pnts de Vendas Jsé August Sapienza Rams LABGIS/UERJ 29/05/

90 Pnts de Venda e Serviçs Estudada a finc pr muits trabalhs e empresas; Trabalhs de levantament apntam tendências psitivistas e empíricas em grande parte ds mdels adtads; Cmumente s mdels bservam apenas pnt individual e seu ptencial de cnsum, e nã uma rede de pnts de vendas e a cadeia de supriments envlvida. 90

91 Pnts de Vendas e Serviçs Esses mesms trabalham apntam que s mdels adtads sã cnstruíds pel grup de tmadres de decisã e variam muit de empresa para empresa; Mdels elabrads sã multi-disciplinares: ecnmia, marketing, prduçã, ciências sciais, gegrafia,... 91

92 Algumas cnsiderações n prcess de decisã sbre pnts de vendas Abrir dis pnts próxims é prejudicial e gera canibalism? Ter a cncrrência próxima é acirrar u cmpr um pl? Vide Saara Ri e Rua 25 de Març em Sã Paul; Depende d mdel e d prblema mdelad... 92

93 Mdels para Pnts de Vendas Jsé August Sapienza Rams LABGIS/UERJ 29/05/

94 Mdels para Pnts de Vendas e Serviçs Há um cnjunt vast de prpstas, verems as principais prpstas; A literatura geralmente divide s mdels em grups (nã excludentes): Mdels de maximizaçã (u minimizaçã); Mdels baseads em cnheciment e mdels matemátics; Mdels gravitacinais e nã gravitacinais; Mdels interativs cmpetitivs; Lembrand: mdel é um prva de cnceit u cnheciment e mais imprtante nã é a cmplexidade d mdel, mas a qualidade da respsta; 94

95 Mdels de Maximizaçã Existem diversas prpstas, bjetiv é maximizar uma variável u requisit cm, pr exempl: Atendiment a mercad cnsumidr descbert; Maximizaçã de ganhs; Minimizaçã de custs u distâncias; Lcalizaçã em área de menr cncrrência; Outrs... Geralmente busca-se maximizar uma equaçã que retrata mdel; O métd pde ser simples u recair até em redes neurais, autômats celulares e rientaçã a bjets; 95

96 Exempl: minimizaçã de distâncias para lcaçã de um nv centr de distribuiçã. Seguind ds dads d case anterir, deseja estabelecer um nv centr de distribuiçã ds prduts naturais as pnts de venda dentr d círcul em destaque rx: Legenda #0 Central Distribuidra Supermercads Bairrs 96

97 Exempl: minimizaçã de distâncias para lcaçã de um nv centr de distribuiçã (cnt.). Fram realizads dis testes: Pel média central da distribuiçã de pnts (centróide); Pel centr de massa da distribuiçã, nde a massa era a quantidade de pedids realizads pels mercads. A diferença entre s testes fi de 1,65 km. 97

98 Enquete 4 Qual seu setr de trabalh atualmente? Qual seu setr de trabalh atualmente? a) Privad; b) Públic; c) Su estudante; d) Outr. 98

99 Estimadres de densidade u cncentraçã (kernel) Apnta nde há uma mair cncentraçã de events de estud. Esclas pública n municípi d Ri de Janeir. 99

100 Estimadres de densidade u cncentraçã (kernel ) Muit aplicad, pr exempl, em manchas de crimes e denças pde ser usad para analisar a presença de qualquer event: cnsumidr, pnts de vendas, reclamações, pnts de prpaganda, entre utrs. Resultad d kernel para as esclhas públicas. 100

101 Estimadres de densidade u cncentraçã (kernel ) Cncentraçã de geraçã de energia pelas hidrelétricas. 101

102 Análise Multicritéri Muit aplicada ns ans 60 n api a decisã; É uma análise cm base na experiência d especialista u bservações de camp geralmente empíric; Elenca-se critéris que influenciam n event estudad e a interaçã entre eles há algumas abrdagens para elencar e avaliar esses critéris; É de fácil implementaçã, mas criticad pr ser empíric. 102

103 Análise Multicritéri média pnderada Uma das fórmulas muit utilizada nesta análise é a média pnderada: quantifica-se tds s critéris; dams pess a cada critéri, multiplicand pel valr; sma-se s critéris pnderads; dividims a sma de cima pela sma ds pess. Onde, Mp é a média pnderada, k númer de critéris, pi pes d i-nésim critéri e vi valr d i-nésim critéri; 103

104 Exempl da Análise Multicritéri: Escp Uma empresa tem plans de instalar um centr de pesquisa agrícla n Brasil; O bjetiv é determinar áreas em ptenciais a lcalizaçã desse centr de pesquisa; Após a análise, a empresa realizará estuds detalhads nessas áreas apntadas cm ptenciais; 104

105 Exempl da Análise Multicritéri: Variáveis e Pess Externs Sã cnsideradas as seguintes variáveis e pess: Prximidade da hidrgrafia: 3; Ptencial de fertilidade da regiã: 5; Fatr IDH d municípi: 4; Prximidade d sistema viári: 3; Prximidade de Unidades de Cnservaçã: 1(revers); Exclusã das regiões dentr de Unidades de Cnservaçã. Os pess nesse cas vã da escala entre 0 e

106 Exempl da Análise Multicritéri: Exempl de Pess Interns Cada variável receberá também pess interns; Grau de Fertilidade Ba 5 Ba a Regular 4 Regular a Ba u Regular 3 Regular a Restrit u Restrit Restrit a Desfavrável 1 Desacnselhável 0 Pes 2 106

107 Exempl da Análise Multicritéri: Prcess 1. Esclher as variáveis 2. Esclher s pess externs 3. Esclher s pess interns 4. Aplicar a Análise (álgebra de mapas) 5. Averiguar Resultad 6. Tmada de Decisã 107

108 Exempl da Análise Multicritéri: Resultad Pess Abaix de 2,5 Entre 2,5 e 4,0 Acima de 4,0 108

109 Cnsiderações sbre case análise multicritéri Fácil implementaçã frente a utrs métds, prém empírica cada especialista pde atribuir pess diferentes; O bjetiv era reduzir a área de pssível implantaçã d empreendiment pde ser aplicad agra um métd mais elabrad nas áreas ptenciais; A análise multicritéri ainda é aplicada até hje em diversas empresas. 109

110 Outrs exempls de trabalhs cm análise multicritéri O Us d Geprcessament na Avaliaçã de Custs de Manutençã de Redes de Distribuiçã de Energia Elétrica (2011): Marketing para Varej: O Métd ZAPROS-LM (2011): eg7/anais/t11_0329_1942.pdf 110

111 Mdels Gravitacinais e Mdels Interativs Nasceram n Marketing, cmecems pel gravitacinal; Prpstas de atraçã d cnsumidr basead n mdel de gravitaçã de Newtn a massa d pnt de venda pde ser a quantidade de prduts, frça da marca, prmções, entre utrs; Basead na teria ds lugares centrais e menr esfrç de lcmçã; Nã pde ser aplicad a qualquer ram cmercial estuds já apntaram que nem tds s tips de prduts u serviç seguem esse tip de mdel. 111

112 Mdels Gravitacinais Mdel de Huff É um métd prbabilístic mdela a prbabilidade d cnsumidr esclher pnt de venda em um prcess de esclha resultad entre 0 e 1; Huff apntu em seu estud que a atraçã estaria ligada a tamanh d estabeleciment cmercial; Onde: Pij é a prbabilidade d cnsumidr na psiçã i ptar pel cmérci na psiçã j. Tij é temp de acessibilidade d pnt i a j. Sj é tamanh da área d cmérci em metrs quadrads. β é um parâmetr empíric que determina efeit da distância na decisã d cnsumidr. 112

113 Mdels Gravitacinais Mdel de Huff Qual a prbabilidade % d cnsumidr em iesclher a lja em j? Cada lja de pssibilidade na sua psiçã j. Cnsumidr na psiçã i 113

114 Mdels Gravitacinais (cntinuaçã) Huff é um exempl que se trnu clássic, há utras abrdagens; Hje, geralmente mdel gravitacinal é aplicad junt a utrs mdels mdels mists; A seguir, tems uma tabela extraída d livr Gemarketing Methds and Strategies in Spatial Marketing Gérard Cliquet a tabela mstra, segund estuds recentes, quais as áreas que a aplicaçã de mdels gravitacinais retratam deslcament d cnsumidr; 114