Los investigadores han utilizado una combinación de redes sociales y datos de transporte para predecir la probabilidad de que un negocio minorista determinado tenga éxito o fracase.
Utilizando información de diez ciudades diferentes de todo el mundo, los investigadores, liderados por la Universidad de Cambridge, han desarrollado un modelo que puede predecir con un 80% de precisión si un nuevo negocio fracasará en seis meses. Los resultados se presentarán en elConferencia de ACM sobre Computación generalizada y ubicua Ubicomp, que tendrá lugar esta semana en Singapur.
Si bien el sector minorista siempre ha sido arriesgado, en los últimos años se ha visto una transformación de las calles principales a medida que más y más minoristas fallan. El modelo construido por los investigadores podría ser útil tanto para empresarios como para urbanistas al determinar dónde ubicar sus tiendas.negocio o en qué áreas invertir.
"Una de las preguntas más importantes para cualquier negocio nuevo es la cantidad de demanda que recibirá. Esto se relaciona directamente con la probabilidad de que ese negocio tenga éxito", dijo la autora principal Krittika D'Silva, estudiante de doctorado y estudiante de doctorado de Gates enDepartamento de Informática y Tecnología de Cambridge. "¿Qué tipo de métricas podemos usar para hacer esas predicciones?"
D'Silva y sus colegas utilizaron más de 74 millones de registros de la red social basada en la ubicación Foursquare de Chicago, Helsinki, Yakarta, Londres, Los Ángeles, Nueva York, París, San Francisco, Singapur y Tokio; y datosde 181 millones de viajes en taxi desde Nueva York y Singapur.
Utilizando estos datos, los investigadores clasificaron los lugares de acuerdo con las propiedades de los vecindarios en los que se ubicaron, los patrones de visita en diferentes momentos del día y si un vecindario atraía visitantes de otros vecindarios.
"Queríamos comprender mejor el poder predictivo que tienen las métricas sobre un lugar en un determinado momento", dijo D'Silva.
Si un negocio tiene éxito o fracasa normalmente se basa en una serie de factores controlables e incontrolables. Los factores controlables pueden incluir la calidad o el precio del producto de la tienda, su horario de atención y la satisfacción del cliente. Los factores incontrolables pueden incluir las tasas de desempleo de una ciudad, condiciones económicas generales y políticas urbanas.
"Descubrimos que incluso sin información sobre ninguno de estos factores incontrolables, aún podríamos usar características específicas del lugar, relacionadas con la ubicación y basadas en la movilidad para predecir la probable desaparición de un negocio", dijo D'Silva.
Los datos mostraron que en las diez ciudades, los lugares que son populares durante todo el día, en lugar de solo en ciertos momentos del día, tienen más probabilidades de tener éxito. Además, los lugares que tienen demanda fuera de las horas populares típicas de otros lugaresen el barrio tienden a sobrevivir más tiempo
Los datos también sugirieron que los lugares en diversos vecindarios, con múltiples tipos de negocios, tienden a sobrevivir más tiempo.
Si bien las diez ciudades tenían ciertas similitudes, los investigadores también tuvieron que dar cuenta de sus diferencias.
"Las métricas que fueron predictores útiles varían de una ciudad a otra, lo que sugiere que los factores afectan a las ciudades de diferentes maneras", dijo D'Silva. "Como ejemplo, que la velocidad de viaje a un lugar es una métrica significativa solo enNueva York y Tokio. Esto podría estar relacionado con la velocidad de tránsito en esas ciudades o tal vez con las tasas de tráfico ".
Para probar el poder predictivo de su modelo, los investigadores primero tuvieron que determinar si un lugar en particular se había cerrado dentro de la ventana de tiempo de su conjunto de datos. Luego 'entrenaron' al modelo en un subconjunto de lugares, diciéndole al modelo quélas características de esos lugares se encontraban en la primera ventana y si el lugar estaba abierto o cerrado en una segunda ventana. Luego probaron el modelo entrenado en otro subconjunto de datos para ver qué tan preciso era.
Según los investigadores, su modelo muestra que al decidir cuándo y dónde abrir un negocio, es importante mirar más allá de las características estáticas de un vecindario determinado y considerar las formas en que las personas se mueven hacia y a través de ese vecindario en diferentes momentosdel día. Ahora quieren considerar cómo varían estas características en diferentes vecindarios para mejorar la precisión de su modelo.
Fuente de la historia :
Materiales proporcionado por Universidad de Cambridge . La historia original tiene licencia bajo a Licencia Creative Commons . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :