Quand le choix de la localisation commerciale, l’analyse et les informations parfaites se rencontrent

Lorsque vous conduisez dans la plupart des grandes villes, vous observez probablement un phénomène appelé « agglomération » qui consiste en un regroupement de détaillants dans une même zone de chalandise. Canac et Réno-Dépôt, Jean Coutu et Uniprix et bien sûr, McDonald’s et Burger King semblent tous avoir des établissements physiques à proximité l’un de l’autre. L’explication derrière ce regroupement est que chaque concurrent ne veut pas laisser l’autre avoir un avantage important en matière d’emplacement. Toutefois, l’époque où l’on utilisait la stratégie de localisation commerciale des « arches dorées » visant à trouver des endroits physiques et rentables à proximité du McDo pour aménager un nouveau restaurant de hamburgers ou autre est révolue. Ou presque.

Les meilleurs emplacements pour des entreprises de commerce de détail physique sont limités et rares. De nos jours, le choix d’un lieu physique relève du domaine de compétence des experts en science des données géospatiales qui ont une multitude d’informations à leur disposition. Cependant, comme l’accès aux données numériques est riche et vaste, la concurrence est féroce.

La définition de la « concurrence parfaite » considère que chaque concurrent a accès exactement aux mêmes données, c’est-à-dire à « l’information parfaite ». Ainsi, il est probable que la même propriété devienne le choix optimal dans le scénario modèle de tous les acheteurs potentiels. En bref, les meilleurs emplacements sont peut-être déjà pris et le dur travail de choisir un site moins idéal ne fait que commencer.

Critères de sélection de la localisation commerciale

Les concurrents, même au sein de la même industrie, par exemple les restaurants rapides, ont différents critères de sélection de l’emplacement commerciale lorsqu’ils choisissent un nouveau site à louer ou à acheter. Plus différentes encore sont les variables nécessaires pour prolonger un bail existant. La question devient : quelles sont les variables, quel niveau d’actualité et quelle portée géographique fournissent les informations les plus précises sur les revenus potentiels et la rentabilité d’un site donné?

Que vous utilisiez cinq ou cinquante variables pour évaluer un emplacement de commerce de détail donné, l’analyse comparative de l’ensemble des variables et l’utilisation de statistiques géographiques, comme l’analyse de la régression spatiale, vous aideront à établir une corrélation de variables importantes. Il s’agit d’une étape nécessaire, car il existe littéralement des milliers de produits de données de localisation qui peuvent soutenir l’analyse de l’emplacement. De manière similaire, il existe plusieurs fournisseurs de données de localisation dont il faut tenir compte, notamment ceux qui offrent des données sur la démographie, la mobilité, la circulation, les conditions météorologiques, la propriété et plusieurs autres types de données.

Les effets de la pandémie sur le choix de la localisation commerciale

Même avant la pandémie, la sélection d’emplacements rentables s’était complexifiée en raison de l’équilibre que les détaillants devaient trouver entre un magasin physique et le commerce électronique, ainsi qu’avec l’option d’acheter en ligne puis d’effectuer le ramassage en magasin (cliquez et ramassez). Aujourd’hui, même les bons emplacements doivent être réévalués et les critères sont remis en question en fonction de la capacité d’un emplacement à s’adapter à un modèle différent.

Par exemple, les centres commerciaux régionaux, qui étaient déjà en train de devenir des emplacements mixtes composés de bureaux, d’espaces résidentiels et de magasins, peuvent maintenant inclure également des entrepôts et des opérations de centres de traitement des commandes en raison d’une augmentation des activités de commerce électronique s’élevant à 21 % des ventes au détail totales en 2020 selon Digital Commerce 360.

De même, certains détaillants choisissent de changer le modèle de leurs magasins comme Starbucks qui fait l’essai d’emplacements de collecte et de service à l’auto seulement. Chipotle Mexican Grill était déjà en cours de transformation pour ajouter des voies de service à l’auto et compte maintenant plus de 100 « Chipotlanes » qui rejoignent une clientèle encore hésitante à aller manger à l’intérieur.

Le processus de sélection d’un emplacement commerciale

Voyons comment se préparer au processus de sélection d’un emplacement commerciale.

Les données sur les gens – « Les commerces s’implantent là où sont les gens »

L’un des critères de base standard pour le choix de la localisation commerciale par les courtiers immobiliers est la recherche de nouveaux projets de logement dans des endroits où il y a beaucoup de gens. Mais où peut-on obtenir des données à ce sujet? Les données sur les nouveaux logements font partie du domaine des évaluateurs municipaux locaux, mais ces données sont intégrées de façon régulière avec la validation d’adresses et un logiciel de géocodage comme celui de Precisely, Loqate et d’autres.

Ces données peuvent être géoenrichies à l’aide d’informations sur l’immobilier comme la valeur évaluée, le nombre de pièces, la composition du toit, etc. pour fournir un portrait des conditions économiques du quartier et indiquer si les logements sont unifamiliaux, multifamiliaux, des copropriétés, des communautés fermées ou autres. Les données principales sur les consommateurs ajouteront aux données de localisation des logements des informations démographiques standard comme l’âge, le revenu, l’éducation et l’origine ethnique, mais aussi les dépenses de vente au détail par catégorie, l’utilisation des cartes de crédit, le revenu disponible, la vitalité du consommateur, le crédit et les affinités sociales.

Les données géodémographiques permettent d’établir les caractéristiques du style de vie prédominant des quartiers. CAMEO de Precisely pour les États-Unis et PRIZM d’Environics Analytics pour le Canada sont des exemples de solutions de segmentation qui identifient les profils socio-économiques. Les données de segmentation géodémographiques décrivent les caractéristiques du style de vie des ménages en établissant le statut social familial, les caractéristiques des enfants vivant à la maison, les comportements de dépense du revenu disponible, le statut financier, les passe-temps et les intérêts. Elles permettent à l’équipe de développement immobilier ainsi qu’au directeur du marketing de mieux comprendre les choix associés au style de vie du consommateur et les similitudes géographiques des cohortes d’individus.

Données sur la localisation

Et si les commerces s’implantent là où se trouvent les gens, il y aura des concurrents qui rôderont à proximité. Par conséquent, des jeux de données robustes d’emplacements commerciaux, de classification des entreprises et de zonage seront nécessaires. Cette couche de données permet d’obtenir un portrait amélioré des activités commerciales. L’analyse du site de vente au détail doit comprendre le trafic moyen journalier annuel (TMJA) pour donner une idée de la santé commerciale, mais surtout, le trafic historique détaillé (DHT). Même le fait d’inclure des données sur les conditions météorologiques permet de prédire le caractère saisonnier de certains produits à des fins d’entreposage et de prévoir la durée de la saison d’achat pour certains articles comme des cornets de crème glacée ou des pelles à neige.

Pour finir, l’achalandage des piétons permet d’obtenir une vision très locale de la tendance et de la fréquence des visites dans les magasins locaux. Par exemple, Foursquare donne accès à un ensemble de données qui aident les détaillants à choisir des emplacements ainsi qu’à évaluer les activités continues des magasins existants. Foursquare offre :

• La granularité à l’échelle des lieux pour analyser le nombre total de visites dans des magasins, des marques et d’autres points d’intérêt précis.
• La circulation piétonne dans des chaînes, des catégories et des marchés précis.
• Des données normalisées pour atténuer les biais démographiques.
• Des indices hebdomadaires et mensuels qui sont normalisés pour les fluctuations des visites.

Ces données fournissent un meilleur profil démographique en temps réel des comportements des consommateurs car elles proviennent de millions d’observations quotidiennes d’applications mobiles internes. Elles offrent donc un niveau de confidentialité des données qui respecte le Règlement général sur la protection des données (RGPD) et le CCPA.

Regarder ce webinaire sur l’analyse du trafic »

Utiliser les modèles de localisation commerciale pour l’analyse de la localisation

En 1931, William J. Reilly a proposé son modèle de gravitation commerciale qui tient pour acquis que les acheteurs se déplaceront sur de plus longues distances pour se rendre dans des centres commerciaux plus grands. Inversement, plus la distance de déplacement est longue, moins l’acheteur se déplacera et c’est pourquoi la commodité devient un facteur clé. En 1947, John Quincy Stewart a proposé la « gravitation démographique » qui suggère qu’un grand nombre de personnes peut être une attraction, ce qui en fait un modèle pertinent pour les villes et les centres commerciaux régionaux. David Huff a proposé en 1961 qu’il existe d’autres facteurs « d’attractivité » qui influencent la localisation commerciale comme le nombre d’unités de gestion des stocks (UGS) pouvant être achetées, le nombre de places de stationnement et même le niveau d’éclairage du stationnement.

Ensemble, ces données sont des paramètres de l’analyse de la régression spatiale qui permettraient de déterminer selon une meilleure pertinence statistique si la géographie, la démographie ou un autre élément de données est plus important pour comprendre la viabilité d’un emplacement. La majorité des logiciels de système d’information géographique d’aujourd’hui peut calculer la fréquentation en fonction de la distance, la régression spatiale et le modèle de Huff.

Le prochain emplacement idéal – Analogues de magasins et cannibalisation

Le développement des franchises indique que le choix de la localisation commerciale ne concerne pas seulement un emplacement, mais bien la capacité à optimiser un réseau entier de magasins très performants. L’élaboration d’un modèle, comme suggéré plus haut, aide à l’établissement de critères précis qui peuvent prédire les chiffres d’affaires. Cependant, l’utilisation d’un analogue de magasin permet également de confirmer que le modèle fonctionne dans un emplacement existant.

Comme Joe Rando le mentionne dans un article intitulé Why I like Analog Models (Pourquoi j’aime les modèles analogues), « les modèles analogues utilisent la zone de chalandise et les caractéristiques du marché d’un emplacement donné pour les comparer avec vos magasins existants et trouver ceux qui correspondent le plus à l’emplacement en question. Le résultat du modèle analogue est une liste de vos magasins existants qui ressemblent le plus à l’emplacement en question avec un pointage correspondant au degré de ressemblance ». Bien que M. Rando suggère d’utiliser ce modèle pour un magasin existant, la même méthodologie et la même saisie de données pourraient être utilisées pour un nouvel emplacement potentiel pour lequel il n’existe pas encore de donnée sur les ventes.

Ensemble, un modèle prédictif et un analogue de magasin permettent d’assurer en toute confiance que le réseau peut être optimisé pour une croissance maximale du revenu et d’expliquer aux franchisés que l’ajout d’un nouvel emplacement ne cannibalisera pas les ventes des magasins existants.

Combiner les outils logiciels et les données pour un avantage concurrentiel

Même si des marchés parfaits et, par conséquent, des informations parfaites n’existent pas, il existe davantage de données disponibles qu’il y a dix ans provenant d’une variété de marchés de données géospatiales. De plus, les solutions logicielles qui effectuent l’analyse de la localisation peuvent intégrer des types de données plus disparates et mettre en œuvre une variété de modèles de vente au détail. Ainsi, autant les outils logiciels que les données sont devenus des avantages concurrentiels pour ceux qui investissent du temps et des ressources pour développer l’intelligence géospatiale. Ceux qui ne possèdent pas les ressources internes pour le faire peuvent communiquer avec Korem dès aujourd’hui!

Regarder ce webinaire sur la sélection de site »