Aplicação de geomarketing em uma cidade de médio porte
Transcrição
Aplicação de geomarketing em uma cidade de médio porte
Aplicação de geomarketing em uma cidade de médio porte Guilherme Marcondes da Silva1 Vilma Mayumi Tachibana1 1 Introdução Geomarketing, segundo Chasco-Yrigoyen (2003), é uma poderosa metodologia científica, desenvolvida recentemente, que permite aos tomadores de decisão visualizar estratégias de marketing e descobrir áreas de maior potencial para o negócio. Seu estudo é multidisciplinar, envolvendo cartografia, geografia, estatística, computação, sociologia, entre outras. Para Assunção (2001), a estatística espacial é um ramo da estatística que estuda métodos científicos para coleta, descrição, visualização e análise de dados que possuam coordenadas geográficas. Com o desenvolvimento de sistemas de informações geográficas e estatística espacial, a área de geomarketing vem crescendo a cada dia. Entretanto, ainda é difícil encontrar trabalhos acadêmicos nesse tema, pois a maioria das pesquisas é realizada nas empresas que não divulgam os resultados, para que seus concorrentes não utilizem a mesma técnica. Considerando o acima exposto, este trabalho tem como objetivo realizar uma aplicação de geomarketing para verificar a viabilidade de se abrir uma papelaria em Presidente Prudente, cidade do interior do estado de São Paulo, e encontrar um local apropriado para sua instalação. 2 Material e métodos A região de estudo é a área urbana do município de Presidente Prudente, situado no interior do estado de São Paulo, na região oeste, cerca de 560 km da capital paulista e 979 km de Brasília. O município de Presidente Prudente ocupa uma área de 562107 km2, sua população em 2010 era de 207610 habitantes, sendo o 36o mais populoso do estado, apresentando uma densidade populacional de 368,89 habitantes por km2. O conjunto de dados para caracterização da população de interesse deste trabalho foi obtido do IBGE do Censo Demográfico de 2010. Para os endereços de papelaria foram utilizados dados da Associação Comercial de Presidente Prudente e para os endereços de todas as instituições de ensino, os dados da Secretaria de Estado da Educação. O público alvo foi definido como indivíduos de 3 a18 anos, acreditando-se que a maior parte dos produtos de 1 FCT/Unesp. e-mail: [email protected] 1 uma papelaria é voltada para materiais escolares, desde materiais utilizados em creches até o ensino médio. Neste estudo foram considerados dados de área (para dados fornecidos pelo IBGE) e dados de processos pontuais (localização das livrarias e instituições de ensino). Em análise de dados pontuais, segundo Brasil (2007), o objetivo é estudar a distribuição espacial dos pontos, testando hipóteses sobre o padrão observado: se é aleatório, se existe aglomerados ou se os pontos estão regularmente distribuídos. O objeto de interesse é a própria localização espacial dos eventos em estudo. Utilizando o estimador de kernel é possível obter uma estimativa suave da intensidade de um padrão pontual ou densidade de probabilidade univariada ou multivariada de uma amostra de observações. Segundo Bailey e Gatrell (1995), se s representa um determinado local em uma região de interesse R e s1 ,K, s n são as localizações de n eventos observados, então a intensidade, λ(s ) , em s é estimada por: λˆτ (s ) = n 1 δτ 1 s − si , τ k 2 (s ) ∑ i =1 τ (1) com k( ) representando função densidade de probabilidade bivariada (kernel), simétrica em torno da origem. O parâmetro τ > 0 é conhecido como o raio de influência (largura da faixa) e determina o grau de suavização – ele é o raio de uma circunferência centrada em s com pontos interiores si . Para dados de área a existência de agrupamento espacial pode ser medida pelo índice de Moran, indicador global da autocorrelação espacial, que fornece um único valor como uma medida de associação espacial para toda a área de estudo. Para examinar padrões numa escala de maior detalhe, ou seja, verificar se a hipótese de estacionariedade do processo verifica-se localmente, foram calculados índices de Moran local (LISA). O Índice de Moran Global, expressão da autocorrelação considerando apenas o primeiro vizinho, pode ser expresso por: n I= n n n wij ∑∑ i =1 j =1 n wij ( yi − y ) ( y j − y ) ∑∑ i =1 j =1 n , (2) ( yi − y ) ∑ i =1 2 em que n corresponde ao número de áreas, yi ao valor do atributo considerado na área i, y ao valor médio do atributo na região de estudo e wij os pesos atribuídos conforme a conexão entre as áreas i e j. Para a análise foram utilizados os software Minitab, ArcView, GeoDa e TerraView para descrição estatística dos dados, análise espacial e apresentação dos resultados. 2 3 Resultados e discussões O município de Presidente Prudente é formado pela própria cidade e mais quatro distritos, mas este estudo restringiu-se a uma área limitada, envolvendo a zona urbana do mesmo. No período de realização deste estudo o IBGE disponibilizava várias informações sobre a população de Presidente Prudente para setores censitários, que são as menores unidades territoriais estabelecidas para fins de coleta do Censo. No entanto, algumas informações de interesse deste trabalho, tais como rendimento nominal mensal domiciliar, só estavam divulgadas para Unidades Espaciais de Planejamento (UEPs), Uma UEP consiste em agrupamento de setores censitários. Desta forma, os 300 setores censitários de Presidente Prudente foram agrupados em 24 UEPs. Houve necessidade de criar os mapas digitais de UEPs, a partir dos mapas de setores censitários. Diferentemente da maioria das análises, neste caso considerou-se o valor bruto da população de interesse dentro dos setores censitários, pois no mercado há interesse no número de pessoas que seriam potenciais clientes. A Figura 1 apresenta dois mapas de setores censitários. Na esquerda a quantidade de indivíduos de 3 a 18 anos e na direita, índice de Moran com a significância de agrupamento espacial. Observa-se uma concentração significativa da população de 3 a 18 anos em quatro regiões da cidade representada em vermelho (direita). Neste mesmo mapa é possível observar uma região com baixa população de pessoas de 3 a 18 anos, em azul. Figura 1 – Distribuição da população de 3 a 18 anos por setor censitário (esquerda) – Mapa LISA de agrupamento espacial (direita) As escolas e as papelarias foram georreferenciadas e apresentadas no mapa da Figura 2 (direita). As escolas foram divididas públicas e particulares, por acreditar que nas 3 particulares estão os indivíduos de maior renda, informação útil quando há interesse em definir a classe social do público alvo da papelaria. As taxas de intensidade da localização das escolas, das papelarias e dos moradores de 3 a 18 anos foram obtidas pelo estimador de kernel. A função de alisamento escolhido foi kernel quártico e o raio de influência adotado foi de 1300 metros. O mapa kernel dos moradores de 3 a 18 anos está apresentado na Figura 2, a direita, juntamente com os locais das escolas e papelarias. Figura 2 – Distribuição da renda da população por UEPs (esquerda) e mapa de kernel da população de 3 a 18 anos com as escolas pública (azul), particular (vermelha) e papelarias (branca) pontuadas (direita). Observa-se na Figura 2 que a maior concentração do público alvo está na região sudeste, onde se tem uma concentração pequena de escolas. Considerando apenas as escolas, a melhor região para instalação da livraria seria a central, além de que o centro da cidade gera um fluxo muito intenso de pessoas. Para facilitar a visualização, na Figura 2 (direita) foram demarcadas, em azul, três regiões onde estão localizadas as papelarias. O maior número de papelarias encontra-se na região central, na qual se localiza o centro comercial, o que é normal na maioria das cidades. Nas outras duas regiões onde se encontram as papelarias, é visível a presença de algumas “ilhas populacionais” do público alvo e de escolas. A região demarcada em preto é a escolhida para instalação da papelaria (elipse da Figura 2, direita). Nessa região é visível a concentração do público alvo em relação à idade e renda (Figura 2, esquerda). No entanto, nessa região não há nenhuma papelaria, o que de acordo com a teoria Lei Gravitacional de Reilly, segundo Pereira (2007), pode ser uma boa decisão. 4 4 Conclusão Com o objetivo de determinar um local ideal para abrir uma papelaria voltada para um público de renda alta em Presidente Prudente, realizou-se um estudo utilizando definições de geomarketing e ferramentas de estatísticas espacial. Foram consideradas informações sobre idade, renda, localização das escolas e das papelarias e diversos software de georreferenciamento e de estatística foram utilizados no desenvolvimento das análises estatísticas destas variáveis. Vale ressaltar que as interfaces entre esses diferentes software não eram amigáveis e as informações coletadas eram provenientes de fontes diferentes, demandando tempo e esforço na realização do estudo. Foram realizadas análises estatísticas e com o auxílio de alguns modelos de localização chegou a uma região com potencial grande de consumo, que foi o cruzamento da rua Coronel Albino com a rua Armando Salles de Oliveira, situado dentro da elipse da Figura 2 (direita). Nessa região tem uma grande concentração de pessoas de 3 a 18 anos e de renda alta, mas não há nenhuma livraria instalada. 5 Referências [1] ASSUNÇÃO, R. M. Estatística Espacial com Aplicações em Epidemiologia, Economia e Sociologia. htttp://www.est.ufmg.br/leste/publicacoes.htm#2001, acessado em 21/12/2004. [2] BAILEY, T. C., GATRELL, A. C. Interactive Spatial Data Analysis. Essex: Longman Scientific and Technical, 1995. 413p. [3] BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde. Fundação Oswaldo Cruz. Introdução à Estatística Espacial para a Saúde Pública. Simone M. Santos, Wayner V. Souza, organizadores - Brasília: Ministério da Saúde, 2007.120 p.: il. – (Série B. Textos Básicos de Saúde) (Série Capacitação e Atualização em Geoprocessamento em Saúde; 3) [4] CHASCO-YRIGOYEN, C. (2003), El geomarketing y la distribución comercial. Investigación y Marketing 79, pp. 6-13. [5] GEODA. www.geoda.asu.edu, acessado em 12/09/2012 . [6] PEREIRA, A. A. Geomarketing: definições e estudo de uma aplicação usando Sistemas de Informações Geográficas. Monografia de Trabalho de Conclusão de Curso de Análise de Sistemas da Universidade de São Francisco, Itatiba, 2004. [7] TERRAVIEW - INPE. Divisão de Processamento de Imagens. Disponivel em <www.dpi.inpe.br/terraview >. Acesso em: 24 jul. 2012. 5