https://commons.wikimedia.org/wiki/File:Italian_Restaurant.jpg
Durante el 2015 he estado puliendo mis competencias de análisis de datos y programación, para lo cual decidí matricularme en el curso de especialización en Ciencia de Datos de la Johns Hopkins University ofrecido a través de la plataforma de MOOCs Coursera. El programa, tras superar nueve módulos formativos, exige la elaboración de un proyecto final; como no, iba a elegir un tema clásico en economía: competencia.
Los únicos requisitos que el proyecto exigía eran que debían utilizarse los datos facilitados por la red social Yelp en su Dataset Challenge. Yelp es una empresa que facilita a los usuarios de su web y aplicación móvil compartir comentarios y valoraciones de locales como restaurantes, bares, y diversos puntos de ocio.
En lo que respecta a la base de datos facilitada, Yelp pone a disposición más de 1,6 millones de comentarios y medio millón de consejos, realizados por 366 mil usuarios, respecto a 61 mil negocios. Asimismo, se ofrece información sobre los atributos de los negocios (p.e. horarios comerciales, disponibilidad de wi-fi, tipo de servicios ofrecidos, etc.) y sobre la red social de los usuarios (casi 3 millones de conexiones sociales). Los negocios incluidos en esta base de datos de pruebas están situados en diez ciudades distintas del mundo, aunque yo decidí centrarme solo en Edimburgo; por una parte, porque resido ya tres años en el Reino Unido, porque es una ciudad creativa y la economía de las industrias creativas es mi área de estudio, y porque un amigo mío se ha mudado recientemente allí. Asimismo, decidí también centrarme en un único tipo de negocio: los restaurantes.
Volviendo al tema de la competencia, uno de los modelos básicos que se enseñan en economía para explicar la competencia desde una perspectiva de diferenciación de producto es el modelo de Hotelling, ampliado posteriormente por Salop.
Hotelling, H. (1929). «Stability in competition». The Economic Journal, 39 (153): 41–57.
Salop, S.C. (1979). «Monopolistic competition with outside goods». The Bell Journal of Economics, 10 (1): 141–156.
Ambos modelos analizan la competencia considerando el ‘principio de mínima diferenciación’, por lo que aplicando dichas bases a nuestro caso de estudio, podríamos considerar que los restaurantes de Edimburgo compiten diferenciándose del resto en una o unas pocas características. Habiendo considerado los atributos disponibles en la base de datos de Yelp, las condiciones de partida permitían analizar tres posibles tipos de diferenciación: (1) localización del restaurante, (2) calidad (o calidad-precio), (3) otro tipo de atributos (p.e. horarios).
Para la realización del análisis, se utilizó una técnica de aprendizaje automático denominada ‘random forest’ (selvas aleatorias), que permitió no solo agrupar a los restaurantes en segmentos, sino también identificar las variables de mayor importancia en dicha agrupación. Es este último resultado en el que realmente estábamos interesados.
Sorprendentemente, las variables asociadas a los dos tipos de diferenciación principal que considerábamos –localización y precio- no ocupaban ninguna posición en el Top 10 de importancia; el patrón de competencia resultaba ser los horarios de apertura y cierre. Por ejemplo, la variable de mayor importancia es la hora de cierre en sábado; claro, quien no quiere disfrutar de su cena de fin de semana hasta bien tarde? 😉
