¿Por qué los negocios similares se agrupan? de Hotelling a Villa Juana
- Luis Roberto Despradel
- Aug 4
- 4 min read
Updated: Aug 5
Al manejar por Santo Domingo o cualquier gran ciudad, surge la pregunta: ¿Por qué una sucursal de un banco, digase BHD, estaría al lado otro banco, digase Popular? o ¿Por qué un restaurante como McDonalds esta en frente de otro como Burger King? y hasta ¿Es rentable que una Farmacia Carol este cerca de una Farmacia Hidalgos? A primera vista podría parecer más lógico que cada negocio buscara su propio espacio, libre de competidores para cubrir más territorio y clientes. Sin embargo, al analizar la data nos encontramos con que: los competidores tienden a juntarse.
¿Cómo se explica esta concentración? Lo que pareceria una contradicción ya habia sido estudiada en 1929, en lo que se conoce como la ley de Hotelling. En esencia, Hotelling observó la tendencia de competidores a ofrecer productos o ubicaciones muy similares, en una competencia por atraer al mayor número de consumidores posibles. Esta observación de Hotelling, tambien llamado principio de mimima diferenciación, muestra que en competencia cada comerciante tiende a colocarse cerca del centro del mercado para no dejarle ventaja al rival.
Pensemos esto en términos politicos, lo cual sorprendentemente simplifica el ejemplo. Asumamos que el espectro politico es uniforme y que existen dos candidatos, uno de extrema izquierda y otro de extrema derecha. Actualmente ambos ganan mitad de los votos, pero, que pasaría si el candidato de extrema izquierda se vuelve moderado? Bueno, ahora no solo los de la izquierda votarían por el, sino las personas para las cuales la extrema derecha es demasiada extrema. Un candidato de centro tiende a tener mayor chances de ganar el voto popular dado a que ese candidato alinea más con los valores de la mayoría que el de algún extremo.

Ahora, apliquemos esta lógica a los negocios. Imagina una avenida cualquiera repleta de tiendas y tráfico. Si un McDonald’s abre en un punto estratégico de la avenida, ¿crees que Burger King se irá a un extremo lejano para evitar competir? Al contrario, es probable que Burger King abra justo al frente. ¿Por qué? Porque los clientes prefieren la conveniencia de un lugar donde ya saben que encontrarán comida rápida. Al ubicarse cerca, ambos restaurantes capturan más clientes que si estuvieran en extremos opuestos de la ciudad. Este fenómeno, descrito por la ley de Hotelling, muestra que los negocios tienden a agruparse en el ‘centro’ del mercado para maximizar su clientela. Esta lógica explica los clusters comerciales que vemos en Santo Domingo, como las zonas de farmacias en Naco o los restaurantes en Piantini, donde la competencia crea áreas vibrantes que atraen a más y más clientes.
¿Es beneficiosa para la sociedad esta concentración? Estas concentraciones traen beneficios secundarios importantes. Como señalaba Alfred Marshall hace más de un siglo, las empresas en clusters aprovechan ventajas comunes: proveedores especializados, mano de obra con habilidades específicas y difusión de conocimiento entre negocios cercanos. Desde la perspectiva del consumidor, estos clusters reducen los costos de búsqueda y ofrecen mayor variedad. Por ejemplo, un comprador de repuestos de automóviles tiene más probabilidades de encontrar la pieza en una calle con 10 tiendas de repuestos que en un negocio aislado. Esta aglomeración crea un efecto de mercado: más variedad en un solo lugar atrae a más clientes, lo que beneficia a los negocios con un flujo constante de compradores. A su vez, la competencia en estas zonas tiende a reducir los precios, generando un círculo virtuoso que fomenta aún más concentración.
¿Cómo se ve esta concentración en Santo Domingo? Un ejemplo icónico en Santo Domingo es la Duarte con París, conocida por su gran cantidad de comercios mayoristas y minoristas de artículos diversos. Aunque no se especializa en un solo rubro, la Duarte ha sido por décadas el eje comercial popular de la ciudad, con tiendas de textiles, zapatos, electrodomésticos usados y más. Los comerciantes se instalan allí porque la afluencia de compradores en busca de precios bajos está garantizada. De manera similar, el sector de Villa Consuelo se ha especializado en textiles, telas y mercería, con numerosas tiendas concentradas en pocas calles.
La ley de Hotelling explica bastante bien la existencia de clusters de negocios similares e incluso no tan similares, y puede servir de punto de partida a la hora de preguntarnos donde colocar nuestro negocio. Por ejemplo, me conviene colocar mi negocio dentro o que tan cerca del clúster de conveniencia? ¿Cuantos espacios debo abrir para aumentar mi alcance? Hay extensiones a este pensamiento, en conjunto con herramientas de GIS (Geographic Information Systems) + Machine Learning se pueden atacar.
Podemos entonces unir la teoría económica con herramientas avanzadas de análisis de datos, que es exactamente lo que hacemos en Dasa. Para esto, creamos un algoritmo basado en data de Google Maps el cual nos permite utilizar palabras claves para encontrar negocios del mismo tipo. Después podemos utilizar herramientas de GIS (Geographic Information Systems) para crear un mapa de calor con las latitud y longitud de los negocios. En este ejemplo, observamos las tiendas de repuestos de vehículos en el Gran Santo Domingo. Tal como lo esperado según la teoría económica, vemos una alta concentración de negocios de repuesto de vehículos en una area especifica, Villa Juana. Es de conocimiento popular que la Calle 20 de Villa Juana es donde se pueden encontrar cualquier tipo de piezas para vehículos, y eso lo vemos evidenciado en esta data empírica.

¿Por qué esto es importante? Los cluster comerciales son creados por fuerzas económicas, donde se unen el deseo de capturar mercado, las externalidades positivas de estar cerca de negocios similares y los efectos de mercado junto con los consumidores. En un mundo donde la información abunda, entender por qué los negocios se agrupan requiere algo más que observación: necesita teoría económica, herramientas geoespaciales y la capacidad de convertir datos en insights.
Comments