MapDove — Blog

Tiempo de manejo vs. radio: cuándo usar cada tipo de área de influencia

hello@mapdove.com (Marcus Bell) — Wed, 26 Aug 2026 00:00:00 GMT

Casi todos los expedientes de ubicación que revisamos empiezan con la misma lámina: tres anillos concéntricos alrededor de un punto, normalmente de 1, 3 y 5 millas, con población e ingreso mediano al lado. Es el idioma común del real estate comercial y es realmente útil. Pero también se le pide, una y otra vez, que responda preguntas para las que nunca fue diseñado.

Desde que lanzamos las áreas de influencia por tiempo de manejo en MapDove, recibimos cada semana alguna versión de la misma pregunta: ¿deberíamos pasar todo a tiempo de manejo? La respuesta corta es no. La larga es que el radio y el tiempo de manejo miden cosas distintas, y un buen analista elige el que corresponde a la decisión que tiene enfrente.

Qué mide realmente un anillo de radio

Un anillo de radio habla de proximidad, no de accesibilidad. Dice: estas son las personas que viven a una distancia fija en línea recta del sitio. Sus ventajas son reales:

Es comparable. Un anillo de 3 millas en Austin y otro en Miami tienen el mismo tamaño físico, así que densidades e ingresos se comparan sin ajustes.
Es estable. No cambia si se amplía una avenida ni si modificas tus supuestos de tráfico.
Coincide con cómo se redactan los contratos. Las restricciones de radio, las exclusividades y las cláusulas de co-tenencia casi siempre se expresan en millas o kilómetros.

Su debilidad es igual de clara: ignora cómo se mueve la gente. Un anillo que cruza un río, una autopista con pocas salidas o una gran zona industrial cuenta hogares que, en la práctica, rara vez harán el viaje.

Qué mide un anillo de tiempo de manejo

Un anillo de tiempo de manejo habla de esfuerzo. Pregunta: ¿quién puede llegar a este sitio en 5, 10 o 15 minutos? Ese enfoque se parece mucho más al comportamiento de las categorías de conveniencia. Nadie elige una farmacia o un almuerzo rápido por la distancia en línea recta; elige la que le queda fácil.

Además, el tiempo de manejo normaliza entre ciudades con velocidades muy distintas. Diez minutos al volante cubren mucho más terreno en una metrópoli rápida y pensada para el auto que en una densa y congestionada, y esa diferencia importa al dimensionar un área comercial.

Cómo calcula MapDove los anillos por tiempo (y qué implica)

Queremos ser precisos, porque esto afecta cómo debes usar el resultado. El modo de tiempo de manejo de MapDove es una aproximación basada en velocidad, no una isócrona sobre la red vial. Cuando pides anillos en minutos, convertimos cada uno en un radio usando la velocidad promedio de la ciudad:

Ciudad	Velocidad promedio	Anillo de 10 minutos ≈
Austin	42 km/h	7.0 km (4.3 mi)
Houston	45 km/h	7.5 km (4.7 mi)
Phoenix	50 km/h	8.3 km (5.2 mi)
Miami	35 km/h	5.8 km (3.6 mi)
Dubái	55 km/h	9.2 km

La demografía dentro de cada anillo se pondera por área a partir de la malla hexagonal (celdas de unos 0.8 km²): si un anillo cubre el 40% de un hexágono, toma el 40% de su población y sus hogares. Puedes pedir hasta cuatro anillos por análisis, en km, millas o minutos, desde la app o con el endpoint /sdss/catchment.

Lo que esta aproximación hace bien: escala las áreas de influencia de manera sensata entre mercados. Un anillo de 10 minutos en Miami es claramente más chico que uno en Phoenix, justo el ajuste que haría a mano un planificador.

Lo que no hace: no rodea una bahía, no sigue el trazo de una autopista ni se detiene ante un río sin puente. Si tu sitio está junto a una barrera física, toma el anillo como un límite superior y contrástalo con el área comercial modelada, que se construye a partir de dónde vienen realmente los visitantes en el conjunto de datos de demostración.

Cómo elegir

La regla práctica que usamos internamente:

Usa anillos de radio cuando

Estés comparando mercados o filtrando decenas de sitios candidatos en igualdad de condiciones.
La pregunta sea sobre el contrato: restricciones de radio, exclusividades, co-tenencia.
Necesites una cifra que un propietario, un banco o un comité de inversión reconozcan al instante.
La categoría sea de destino (cines, muebles, tiendas departamentales) y los clientes pasen de largo a la competencia sin problema.

Usa anillos de tiempo de manejo cuando

La categoría sea de conveniencia: café, farmacia, combustible, comida rápida, compras de reposición.
Compares sitios entre ciudades con velocidades distintas y quieras áreas de “esfuerzo equivalente”.
Estés definiendo el espaciamiento de la red y quieras saber qué tan separadas pueden estar las tiendas antes de que el hueco resulte incómodo.
Combines el área de influencia con un pronóstico Huff, que ya razona en términos de decaimiento con la distancia.

No uses ninguno por sí solo cuando

La decisión es grande y el sitio es atípico. Los anillos son una primera pasada. Para una recomendación final, cruza la demografía del anillo con el área comercial modelada, el puntaje de aptitud del hexágono y la estimación de canibalización frente a tu propia red.

Un ejemplo

Imagina una nueva sucursal hipotética de Bean Republic en el borde de The Domain, en Austin. Un anillo de 3 millas y uno de 10 minutos (unas 4.3 millas a la velocidad promedio de Austin) se ven parecidos en el mapa. Pero el de tiempo de manejo incorpora una parte relevante de los suburbios de mayor ingreso al norte y al oeste, algo que a un operador de café le importa porque los viajes matutinos ligados al trayecto al trabajo son el corazón del negocio.

Ahora repite el ejercicio para un candidato de Starlight Cinemas. En una categoría de destino, el anillo de 10 minutos subestima el alcance: la gente maneja 20 minutos por la sala adecuada. Aquí, un radio de 5 millas más el área comercial modelada da una imagen más honesta.

Misma herramienta, mismo punto, distinta respuesta correcta.

Errores frecuentes

Mezclar unidades en una misma presentación. Muestra millas o minutos en cada comparación, nunca ambos, o el lector comparará las cifras equivocadas.
Tratar el tiempo de manejo como algo exacto. Un anillo basado en velocidad es una aproximación de planeación. Preséntalo como “aproximadamente 10 minutos”, no “exactamente 10 minutos”.
Usar los mismos tamaños de anillo para todas las categorías. Una milla es significativa para una farmacia urbana densa y casi irrelevante para un gimnasio regional.

En resumen

Usa anillos de radio para comparar y negociar; usa anillos de tiempo de manejo para razonar sobre conveniencia y esfuerzo equivalente entre ciudades. En MapDove, el tiempo de manejo es una conversión transparente basada en velocidad, con demografía ponderada por área, así que contrástalo con el área comercial modelada donde la geografía sea irregular. Prueba ambos sobre el mismo punto en la herramienta de áreas de influencia y fíjate dónde difieren: ahí suele estar el hallazgo.

Nota de mercado: el retail centrado en los malls de Dubái

hello@mapdove.com (Omar Haddad) — Wed, 10 Jun 2026 00:00:00 GMT

Los equipos que llegan a Dubái con un manual armado en mercados de Norteamérica o Europa suelen equivocarse en dos cosas durante su primer mes. Subestiman cuánto del comercio se concentra dentro de centros comerciales cerrados y sobreestiman lo que un simple radio en línea recta les dice sobre quién va a visitar una tienda.

Esta nota recorre los rasgos estructurales del mercado tal como aparecen en el conjunto de datos de demostración de Dubái en MapDove, modelado a partir de parámetros a nivel de barrio en 16 barrios, 247 locales y 14 categorías. Las cifras se expresan en AED y en unidades métricas.

Una ciudad lineal

La geografía de Dubái la definen la costa y una sola vía. Sheikh Zayed Road corre paralela al Golfo y concentra buena parte de la energía comercial de la ciudad: DIFC y Downtown Dubai en el extremo norte del corredor, Business Bay a su lado, Al Barsha y Al Quoz en el tramo medio, y Dubai Marina y JLT en el extremo suroeste.

Esa forma tiene consecuencias para las áreas de influencia:

Las áreas comerciales son alargadas. Una buena ubicación atrae a lo largo del corredor mucho más que a lo ancho. Un anillo circular sobrecuenta los bordes hacia el desierto y hacia el mar, y subcuenta el corredor.
La distancia es barata; los cruces, no. Dubái tiene la velocidad promedio más alta de las cinco ciudades de demostración (55 km/h en el modelo), así que 15 minutos al volante cubren casi 14 km. Pero un puñado de intercambios viales determina quién puede hacer ese trayecto con comodidad.
La ciudad antigua funciona distinto. Deira, Bur Dubai y Al Karama, en torno al Creek, son densas, caminables y orientadas al comercio de calle, con ingresos más bajos y densidad muy alta. Se comportan mucho más como una calle comercial tradicional que el corredor.

Cuando calcules un área de influencia por tiempo de manejo en Dubái, recuerda que MapDove convierte los minutos en un radio con la velocidad promedio de la ciudad. Es una buena primera aproximación para comparar sitios, pero contrástala con el área comercial modelada antes de sacar conclusiones sobre un sitio junto al Creek o la costa.

El mall es la calle principal

En buena parte de la ciudad, el centro comercial cerrado no es un formato más: es la norma. El clima es la razón principal, pero no la única. El mall reúne estacionamiento, entretenimiento, gastronomía y tiendas ancla en un solo viaje, y marca el ritmo de la semana: dominan las noches y los fines de semana, y los tiempos de permanencia son largos.

Para un analista, eso implica tres ajustes:

Piensa en co-tenencia, no en fachada. El desempeño de un local depende mucho de las anclas y los vecinos. El cross-shopping es la lente más útil: ¿qué otros locales visitan los clientes de esta tienda?
El tiempo de permanencia es un KPI central. En un mall superregional sobre Sheikh Zayed Road, un café que retiene a sus visitantes 40 minutos hace algo muy distinto de un kiosco que recibe diez veces más gente durante cinco.
Las visitas por local subestiman la concentración. Una sucursal de Copperline Coffee dentro de un mall y otra de barrio no son comparables en visitas brutas. Compara cada una con su categoría en la misma ciudad y separa por tipo de entorno.

Un mercado de temporada fresca

Dubái tiene la estacionalidad más marcada de todas las ciudades de demostración: una amplitud de alrededor de ±15%, con el pico a mediados de enero. Los meses frescos traen turistas, eventos al aire libre y más viajes discrecionales; los meses más calurosos del verano reducen el tráfico, sobre todo en lo que está al aire libre o frente al mar.

Dos apuntes prácticos:

Los formatos cerrados suavizan la variación. Los locales dentro de malls sufren una caída de verano menos profunda que el comercio de calle, porque el propio mall es el refugio climático. Al comparar ambos, desestacionaliza cada uno frente al benchmark de su categoría en la ciudad.
Nunca evalúes un sitio solo con datos de invierno. Tres meses fuertes entre diciembre y febrero pueden hacer que casi cualquier ubicación parezca atractiva. Usa un año completo de historia antes de comprometerte.

Tres submercados contrastantes

Downtown Dubai y DIFC

La mayor intensidad comercial de la ciudad e ingresos altos. Mucho visitante, mucha exposición al turismo y predominio del retail de destino y la gastronomía. Excelente para tiendas insignia y presencia de marca; caro y muy estacional.

Dubai Marina y JLT

Residencial denso en torres, con una escena fuerte de estilo de vida y restaurantes. Una amplia base de residentes camina a sus compras cotidianas, mientras el frente marítimo atrae visitantes. Ideal para categorías de conveniencia (café, farmacia, gimnasios) en las que los residentes sostienen visitas recurrentes.

Deira y el Creek

Ingresos más bajos, densidad muy alta y una larga tradición comercial. Comercio a pie de calle, formatos de valor y un tráfico fuerte entre semana. Los equipos que solo miran datos de malls lo subestiman, y a menudo ahí están las ubicaciones más eficientes para formatos económicos.

Comunidades planificadas: la historia de crecimiento

Los barrios de mayor crecimiento en el conjunto de demostración son las comunidades planificadas del interior, con Dubai Hills y Jumeirah Village a la cabeza. Silicon Oasis y Mirdif siguen una lógica parecida: orientadas a familias, dependientes del auto y organizadas alrededor de un centro comunitario o un mall de barrio.

Estas comunidades premian una estrategia concreta:

Llega temprano y ubícate en el centro comunitario. Los residentes acuden por defecto al conjunto comercial más cercano para supermercado, farmacia, café y gimnasio.
Vigila la canibalización. A medida que la comunidad se llena, los operadores suelen abrir una segunda sucursal cerca. Usa la vista de canibalización del pronóstico Huff para estimar qué parte del volumen de la nueva tienda saldrá de tus propios locales.
Usa la aptitud con peso de crecimiento. En el modelo de aptitud de sitios, subir el peso del criterio de crecimiento desplaza los hexágonos mejor calificados hacia estas comunidades.

En resumen

Lee Dubái a lo largo del corredor, no en círculos; trata al mall como la calle principal y evalúa los locales por co-tenencia y permanencia, no por fachada; analiza siempre un año completo por el fuerte pico de la temporada fresca, y mira hacia las comunidades planificadas del interior para encontrar crecimiento. Para empezar, abre la página de Dubái y corre un análisis de cross-shopping sobre cualquier local dentro de un mall.

Superposición ponderada MCDA para selección de sitios

hello@mapdove.com (Priya Natarajan) — Wed, 06 May 2026 00:00:00 GMT

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.

Cómo pronostica el modelo de Huff las visitas de una nueva tienda

hello@mapdove.com (Lena Ortiz) — Thu, 12 Mar 2026 00:00:00 GMT

Tarde o temprano, toda conversación sobre selección de sitios llega a la misma pregunta: si abrimos aquí, ¿cuántas personas van a cruzar la puerta? En MapDove, ese pronóstico sale de un modelo gravitacional de Huff calibrado. En este artículo explicamos qué hace el modelo, en qué supuestos se apoya y cómo interpretar las cifras que entrega.

La idea: los compradores reparten sus viajes según atractivo y distancia

El modelo de Huff trata cada origen (en nuestro caso, una celda hexagonal de unos 0.8 km²) como una bolsa de demanda. Esa demanda se reparte entre todas las tiendas de la categoría que los residentes podrían alcanzar de forma razonable. Cada tienda tiene una utilidad para cada hexágono: las tiendas más grandes o con más fuerza de marca tienen mayor utilidad, y la utilidad baja a medida que aumenta la distancia.

U_ij = A_j / d_ij^λ

P_ij = U_ij / ( Σ_k U_ik + u0 )

A_j es el atractivo de la tienda.
d_ij es la distancia, en km, del hexágono i a la tienda j. Tiene un piso de 0.4 km para que una tienda ubicada justo sobre el centroide de un hexágono no reciba una utilidad infinita.
λ es el exponente de decaimiento por distancia de la categoría. Cuanto más alto, menos dispuestos están los compradores a desplazarse. En el conjunto de datos demo, combustible y conveniencia usa 2.6, cafeterías 2.2, supermercados 1.8 y centros comerciales 1.3.
P_ij es la probabilidad de que un viaje que sale del hexágono i termine en la tienda j.

Una tienda solo compite por los hexágonos dentro del radio comercial R de su categoría: 5 km para combustible, 6 km para cafeterías, 9 km para supermercados y 25 km para centros comerciales.

La opción externa: por qué las probabilidades no suman uno

El modelo de Huff de manual supone que todos los viajes terminan en alguna de las tiendas modeladas. Eso deja de funcionar en las orillas de la ciudad. Un hogar a 5 km de la cafetería más cercana no necesariamente va a visitar una cafetería que usted tenga registrada: puede preparar café en casa, comprarlo cerca de la oficina o ir a un lugar que no está en los datos.

Por eso MapDove agrega una opción externa al denominador:

u0 = 1 / (0.6 · R)^λ

Piense en u0 como la utilidad de una tienda estándar ubicada al 60% del radio comercial. Donde un hexágono está bien atendido, las utilidades de las tiendas superan con creces a u0 y casi toda la demanda queda capturada. En zonas poco atendidas, u0 conserva una parte importante. Este único término cumple tres funciones: evita que los suburbios dispersos generen pronósticos inflados, le da a una tienda nueva una fuente de demanda realmente nueva y mantiene honestas las estimaciones de canibalización (más detalles en la guía de canibalización).

Demanda y atractivo

La demanda de cada hexágono combina residentes y población diurna:

demand_i = population_i + 0.4 × daytime_population_i

El peso de 0.4 refleja que trabajadores y visitantes compran cerca de donde pasan el día, aunque menos de lo que los residentes compran cerca de casa.

Para un sitio candidato, el atractivo depende de su tamaño en relación con una tienda típica de la categoría, ajustado por la fuerza de la marca:

A = (sqft / category_base_sqft)^0.7 × brand_strength      (brand_strength 0.6 – 1.5)

El exponente 0.7 representa rendimientos decrecientes: si duplica la superficie, el atractivo sube cerca de 62%, no 100%. La fuerza de marca es una decisión de criterio: entre 1.2 y 1.4 para una cadena muy querida, por debajo de 1.0 para un independiente desconocido.

Calibración: convertir unidades del modelo en visitas

El resultado bruto de Huff es “demanda esperada capturada”, expresada en unidades de población y no en visitas. Para convertirla, MapDove calibra contra las tiendas que ya existen:

k = Σ observed avg daily visits (last 90 days, existing stores)
    ÷ Σ modeled expected demand of those same stores

predicted daily visits = k × modeled demand captured by the candidate

En otras palabras, k es la suma de las visitas diarias promedio observadas en los últimos 90 días, dividida entre la demanda esperada que el modelo asigna a esas mismas tiendas. Es un único escalar por combinación de ciudad y categoría, y absorbe todo lo que el modelo gravitacional no representa: frecuencia de viaje, conversión y qué tan seguido un residente visita esa categoría. Como se ajusta con las visitas recientes del conjunto de datos demo, el pronóstico refleja cómo se desempeñan las tiendas de ese mercado.

Un ejemplo ilustrativo

Tomemos un hexágono de un mercado de cafeterías (λ = 2.2, R = 6 km) con 4,000 residentes y 6,000 trabajadores diurnos. Su demanda es 4,000 + 0.4 × 6,000 = 6,400. La opción externa vale u0 = 1 / 3.6^2.2 ≈ 0.060.

Dos cafeterías ya lo atienden: Bean Republic a 1.0 km (A = 1.2) y Copperline Coffee a 2.0 km (A = 1.0). Evaluamos un candidato de 2,200 pies cuadrados (la base de la categoría es 1,800), con fuerza de marca 1.1, ubicado a 0.8 km del hexágono. Su atractivo es (2,200/1,800)^0.7 × 1.1 ≈ 1.27.

Opción	Utilidad	Participación antes	Participación después
Bean Republic (1.0 km)	1.200	81.2%	33.9%
Copperline (2.0 km)	0.218	14.7%	6.1%
Candidato (0.8 km)	2.068	–	58.3%
Opción externa	0.060	4.0%	1.7%

El candidato captura 58.3% × 6,400 ≈ 3,733 unidades de demanda de este hexágono. Con un k ilustrativo de 0.0138, eso equivale a unas 51 visitas diarias desde esta sola celda. MapDove repite el cálculo para cada hexágono dentro de los 6 km y suma los resultados.

Vea de dónde salen esas 51 visitas: unas 42 vienen de Bean Republic, 7.6 de Copperline y apenas unas 2 de la opción externa. En un hexágono denso y bien atendido, casi todo lo que gana la tienda nueva es demanda transferida, no nueva. Es lo más valioso que el modelo le puede decir.

Cómo leer el resultado

Una corrida de Huff en Selección de sitios entrega:

Visitas diarias y anuales pronosticadas, ya calibradas con k.
Participación de mercado: la porción de la demanda modelada de la categoría que obtiene el candidato una vez abierto.
Visitas diarias promedio de la categoría, para juzgar si el pronóstico es verosímil para el formato.
Total de visitas canibalizadas y las tiendas existentes más afectadas, con sus distancias.
Un área comercial pronosticada: los hexágonos que suman el primer 80% de los visitantes modelados del candidato.

Un pronóstico muy por encima del promedio de la categoría merece desconfianza. Revise si una fuerza de marca generosa o una superficie sobredimensionada está inflando el número.

Conclusiones prácticas

Trate la fuerza de marca como un supuesto de escenario. Corra 0.8, 1.0 y 1.2 y presente un rango, no una sola cifra.
Compare el pronóstico con el promedio de la categoría antes de confiar en él.
Lea siempre la lista de canibalización junto al número principal. Un pronóstico alto que es casi todo demanda transferida puede no sumar nada a la red.
Tenga presentes los límites del modelo. Conoce la distancia, el tamaño y la competencia. No sabe nada del estacionamiento, la visibilidad o un giro a la izquierda complicado. Visite el sitio.

Para la referencia completa de parámetros, consulte la documentación del pronóstico de Huff y la metodología.