Los investigadores han utilizado una combinación de redes sociales y datos de transporte para predecir la probabilidad de que una determinada empresa minorista tenga éxito o fracase.

Usando información de diez ciudades diferentes alrededor del mundo, los investigadores, dirigido 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 la Conferencia ACM sobre Computación ubicua y ubicua (Ubicomp), que tiene lugar esta semana en Singapur.

Si bien el sector minorista siempre ha sido riesgoso, Los últimos años han visto una transformación de las calles principales a medida que fracasan más y más minoristas. El modelo construido por los investigadores podría ser útil tanto para los emprendedores como para los urbanistas a la hora de determinar dónde ubicar su negocio o en qué áreas invertir.

"Una de las preguntas más importantes para cualquier empresa nueva es la cantidad de demanda que recibirá. Esto se relaciona directamente con la probabilidad de que la empresa tenga éxito, "dijo la autora principal Krittika D'Silva, un becario y Ph.D. de Gates. estudiante del Departamento de Ciencia y Tecnología de la Computación 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, Jacarta, Londres, Los Angeles, Nueva York, París, San Francisco, Singapur y Tokio; y datos de 181 millones de viajes en taxi desde Nueva York y Singapur.

Usando estos datos, los investigadores clasificaron los lugares de acuerdo con las propiedades de los vecindarios en los que estaban ubicados, 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 momento determinado, "dijo D'Silva.

El éxito o el fracaso de una empresa se basa normalmente 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 de sus clientes. 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, todavía podríamos usar un lugar específico, características relacionadas con la ubicación y basadas en la movilidad para predecir la probable desaparición de una empresa, "dijo D'Silva.

Los datos mostraron que en las diez ciudades, lugares que son populares durante todo el día, en lugar de solo en determinados momentos del día, tienen más probabilidades de tener éxito. Adicionalmente, los lugares que tienen una demanda fuera de los horarios populares típicos de otros lugares en el vecindario tienden a sobrevivir más tiempo.

Los datos también sugirieron que 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 en Nueva York y Tokio. Esto podría relacionarse con la velocidad del tránsito en esas ciudades o quizás con las tasas de tránsito ".

Para probar el poder predictivo de su modelo, los investigadores primero tenían 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, decirle al modelo cuáles eran las características de esos lugares en la primera ventana de tiempo y si el lugar estaba abierto o cerrado en una segunda ventana de tiempo. 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 una empresa, Es importante mirar más allá de las características estáticas de un vecindario dado y considerar las formas en que las personas se mueven hacia y a través de ese vecindario en diferentes momentos del día. Ahora quieren considerar cómo varían estas características en diferentes vecindarios para mejorar la precisión de su modelo.