Superposición ponderada MCDA para selección de sitios

Un pronóstico de Huff responde una pregunta muy concreta sobre una sola dirección candidata. Pero antes de hacer esa pregunta, hace falta una lista corta. Esa lista la produce el análisis de decisión multicriterio (MCDA): califica cada celda hexagonal de una ciudad según los factores que importan para su formato, de modo que usted sepa dónde buscar antes de saber cuánto vale un sitio.

MapDove usa una superposición lineal ponderada, la forma más transparente de MCDA: cada calificación se puede rastrear hasta un puñado de variables normalizadas y los pesos que usted eligió. En este artículo explicamos cómo funciona y cómo evitar que lo lleve a conclusiones equivocadas.

Los criterios

Cada hexágono (unos 0.8 km²) tiene nueve criterios:

• Densidad de población: residentes por km².
• Ingreso: ingreso medio de los hogares.
• Densidad diurna: trabajadores y visitantes por km².
• Índice de tráfico: actividad vehicular y peatonal relativa.
• Crecimiento: tasa proyectada de crecimiento poblacional.
• Competencia: tiendas de la misma categoría, ponderadas con un núcleo de decaimiento por distancia exp(−d / 1.5 km) para cada tienda dentro de 4 km y luego en escala logarítmica. Invertido: menos es mejor.
• Negocios complementarios: categorías cercanas que le envían clientes, como gimnasios y ropa para una cafetería, o farmacias y gasolineras para un supermercado. Ponderados con exp(−d / 0.8 km) dentro de 2.5 km, también en escala logarítmica.
• Renta: el índice de renta. Invertido.
• Brecha de demanda: demanda que hoy está mal atendida (la definimos más abajo).

Los núcleos importan. Un conteo simple de competidores dentro de 4 km trata igual a la tienda de al lado que a una ubicada en el borde del radio. Con un decaimiento de 1.5 km, un competidor a 500 m cuenta como 0.72 y uno a 3 km cuenta como 0.14. Los negocios complementarios usan un núcleo más estrecho de 0.8 km, porque la cercanía entre tiendas solo ayuda cuando la gente puede caminar o hacer una parada rápida entre ellas.

La transformación logarítmica (ln(1 + x)) evita que un único conglomerado denso, como el centro de la ciudad, aplaste a cero el resto del mapa.

Normalización min-max, por ciudad

Los criterios vienen en unidades distintas: dólares, personas por km², puntos de índice. Cada uno se reescala a 0–1 sobre todos los hexágonos de la ciudad seleccionada:

x_norm = (x − min_city) / (max_city − min_city)

Para los criterios de costo (competencia y renta), MapDove usa 1 − x_norm, de modo que un valor normalizado alto siempre significa “mejor para el sitio”.

Como la normalización es por ciudad, las calificaciones son relativas al mercado. Un 0.9 en ingreso en Phoenix y un 0.9 en Miami no equivalen a la misma cifra en dólares; ambos significan “cerca de lo más alto de esta ciudad”. Compare rankings dentro de una misma ciudad, no calificaciones absolutas entre ciudades.

El criterio de brecha de demanda

La brecha de demanda combina la demanda con el acceso existente:

gap = demand_norm × (1 − access_norm)

La demanda es la población + 0.4 × la población diurna. El acceso es la suma de las utilidades tipo Huff de las tiendas existentes de la categoría, en escala logarítmica y normalizada. Un hexágono con mucha gente y poca oferta cercana califica alto; uno denso pero ya saturado califica bajo. De todos los criterios, la brecha es el que más se parece a lo que luego premiará el modelo de Huff.

La calificación

score = 100 × Σ (w_c · x_c) / Σ w_c          with w_c ∈ [0, 10]

Un peso de 0 elimina un criterio. Dividir entre la suma de los pesos mantiene la calificación en 0–100 sin importar cuántos criterios active. Eso significa que lo que importa son las proporciones entre pesos, no sus valores absolutos: pesos de 8/4 y de 4/2 producen el mismo mapa.

Sensibilidad a los pesos: la parte que todos se saltan

Los pesos parecen una declaración de prioridades, pero la influencia real de un criterio también depende de cuánto varía en la ciudad. Si casi todos los hexágonos tienen entre 0.6 y 0.7 en tráfico, un peso de 10 en tráfico apenas reordena nada. En cambio, un criterio con valores repartidos de 0 a 1 define el ranking incluso con un peso moderado.

Otras dos trampas:

• Los criterios correlacionados se cuentan dos veces. La densidad de población, la densidad diurna y la brecha de demanda reflejan todas “mucha gente”. Si les pone 8 a las tres, terminó con un modelo de población con pasos de más.
• Los valores atípicos comprimen la escala. Un solo hexágono extremo, como un estadio o un aeropuerto, puede empujar a todos los demás a una franja estrecha. La escala logarítmica de los criterios con núcleo lo atenúa, pero no lo elimina en criterios lineales como el ingreso.

Esta es una comparación ilustrativa de dos hexágonos con dos juegos de pesos:

Hexágono	Pobl.	Ingreso	Competencia (inv.)	Renta (inv.)	Brecha	Calif. A*	Calif. B**
H1 – centro urbano	0.92	0.70	0.20	0.15	0.30	57	41
H2 – borde en crecimiento	0.45	0.65	0.85	0.70	0.75	64	70

*A: población 8, ingreso 4, competencia 4, renta 2, brecha 4. **B: población 4, ingreso 4, competencia 6, renta 4, brecha 8.

H2 gana con ambos juegos, pero la ventaja crece de 7 a 29 puntos. Ese es un resultado robusto. Cuando el primer lugar cambia con ajustes modestos de pesos, la decisión depende de los pesos, y hace falta una conversación seria sobre prioridades.

Una rutina práctica: mueva cada peso importante ±2, vuelva a correr el análisis y vea qué sitios siguen entre los diez primeros. Esos son sus candidatos sólidos.

Mejores sitios y espaciado mínimo

Los diez hexágonos con mejor calificación suelen ser vecinos en la misma esquina, y eso dice poco. MapDove elige los mejores sitios con un método voraz: toma el mejor hexágono, excluye todo lo que esté dentro del espaciado mínimo (1.5 km por defecto), toma el mejor hexágono restante y repite.

Ajuste el espaciado a la escala del área comercial de su formato. Entre 1 y 1.5 km funciona para cafeterías o comida rápida en un centro denso; 4–6 km o más conviene para supermercados o mejoramiento del hogar. Un espaciado demasiado estrecho desperdicia lugares de la lista en duplicados. Uno demasiado amplio omite buenos segundos sitios en zonas fuertes.

Conclusiones prácticas

• Empiece con cinco criterios o menos que pueda defender ante un comité inmobiliario, y agregue más solo si cambian la respuesta.
• No acumule criterios correlacionados, y recuerde que solo importan las proporciones entre pesos.
• Haga una prueba de sensibilidad de ±2 y considere su verdadera lista corta los sitios que se mantienen arriba.
• Pase la lista corta al modelo de Huff. La aptitud indica dónde buscar; el pronóstico de Huff y la comparación de sitios le dicen cuánto vale cada uno.

Consulte la documentación de aptitud de sitios para la referencia completa de criterios, o pruébelo en Selección de sitios.