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