[private] Recopilación de posibles clientes con datos geoespaciales (Prueba de concepto)

Resumen - Prueba de concepto:

• El sistema recopila y rankea clientes potenciales (del rubro que sea) dentro de cualquier país objetivo.
• Limitación 1: La API de Google Places es costosa para el tamaño de un pais ($600 por todo México).
• Limitación 2: Los datos de OSM son abiertos pero incompletos, puede faltar información en zonas alejadas.

Flujo del sistema

1. Genero circunferencias de 50km (cantidad máxima permitida por Google) que cubren el pais.
2. Utilicé Google Places para recolectar los clientes potenciales para cada circunferencia dentro del pais.
3. Utilicé Open Street Map (OSM) para extraer puntos de interés [bancos - escuelas - gimnacios - hospitales - clínicas - centro comercial].
4. Premisa: Lugares con mayor densidad de puntos están más poblados y los clientes potenciales deberían tener mayor poder de compra.
5. Del total de clientes, hice un clustering (KMeans) usando la cercanía espacial como features.
6. El método del codo marca 3-4 clusters, uno de ellos clasifica puntos alejados (puntos blancos).
7. Eliminando esos puntos obtenemos clientes potenciales de calidad para llamar a esos antes que otros.

Imágenes:

Figura 1: Clustering de clientes con KMeans, se proyecta con PCA en 2D.

Figura 2: Centroides por cada cluster.

Figura 3: Zoom del clustering en una ciudad. Puntos blancos zonas alejadas, y rojos céntricas.

Figura 4: Países donde generé las circunferencias [México, Argentina, España, Brasil, Colombia]. Aunque funciona para cualquier otro del mundo.

Figura 5: Clientes potenciales que están en zonas céntricas. Se eliminan los puntos alejados.

Figura 6: Google Places admite circunferencias de 50km como máximo. Muestra visual de como se distribuyen en la zona de distintos países.