Revista de Dirección y Administración de Empresas. Número 12, mayo 2005 págs.

121-136
Enpresen Zuzendaritza eta Administraziorako Aldizkaria. 12. zenbakia, 2005 maiatza 121-136 orr.

ESTRATEGIAS DE MARKETING PARA LA GESTIÓN

PÚBLICO-PRIVADA DEL COMERCIO DE GUIPÚZCOA.
UN MODELO BASADO EN EL ANÁLISIS CLUSTER

VICTORIA DE ELIZAGARATE
Profesora Titular de Universidad - Departamento de Economía Financiera II -
Universidad del País Vasco/Euskal Herriko Unibertsitatea

LUCÍA MEDIANO
Profesora Titular de Universidad - Departamento de Economía Financiera II -
Universidad del País Vasco/Euskal Herriko Unibertsitatea

MAITE DOMINGO
Becaria de Comercio Interior del Gobierno Vasco

1. INTRODUCCIÓN: PRINCIPALES MODELOS PARA

LA REVITALIZACIÓN DEL COMERCIO EN LAS CIUDADES

En los últimos años, y como consecuencia, entre otras cosas, del desarro-
llo de áreas comerciales en los alrededores de las ciudades, el centro urbano
ha ido perdiendo progresivamente gran parte de su atractivo comercial. Esta
situación, común en la mayor parte de países de nuestro entorno, plantea im-
portantes problemas para el comercio tradicional de centro ciudad, que ve
como gran parte de sus clientes optan por la oferta de la periferia, con la con-
siguiente fuga de ingresos.
Esta situación no se aprecia únicamente en el ámbito comercial, sino que
se une a otros problemas generales (aparcamiento, ruidos...) que concurren
actualmente en muchas ciudades y que suponen una disminución de su atrac-
tivo global.
Ante este panorama son muchas las acciones que tratan de impulsarse,
tanto desde el ámbito público como el privado, para lograr una regeneración
122 VICTORIA DE ELIZAGARATE - LUCÍA MEDIANO - MAITE DOMINGO

de estos núcleos urbanos, que redunden en beneficios para habitantes, visitan-

tes y comerciantes.
En esta línea, surgieron los denominados «modelos de regeneración urba-
na». Aunque son muchas las experiencias existentes en este ámbito, y eviden-
temente en función de cada país estudiado podemos encontrar particularida-
des propias, básicamente podemos hablar de dos modelos de gestión de cen-
tro de ciudad:
a) El modelo americano, Business Improvement Districts, (BID).
b) El modelo europeo, Town Centre Management, (TCM).
La principal diferencia entre ambos radica en la mayor autonomía y ca-
pacidad de gestión del primero de ellos y que se deriva en parte de la segura
fuente de ingresos de este modelo.1
Considerando su establecimiento en orden cronológico, los primeros an-
tecedentes de los Business Improvement Districts se encuentran a finales de
la década de lo setenta con la creación de los Special Assessment Distrits en
USA, al observarse que los servicios básicos en los centros urbanos propor-
cionados por las Administraciones Públicas eran insuficientes para competir
con los nuevos desarrollos de periferia. Este modelo grava a los dueños de
la propiedad con un recargo adicional sobre el impuesto de bienes inmuebles
con el propósito de mejorar (no de sustituir) los servicios proporcionados por
las autoridades locales (limpieza y mantenimiento de las calles, alumbrado,
seguridad,..). Por ello, los BIDs defienden principalmente intereses comercia-
les y requieren de un acuerdo previo, de mayoría simple, entre los dueños de
la propiedad de un área determinada. De este modo, los BIDs se han conver-
tido en uno de los sistemas de regeneración urbana con más éxito, siendo su
crecimiento muy importante a partir de 1990. Estimaciones recientes indican
que actualmente existen más de 2.000 BIDs operativos en Norte América y
estos proyectos han demostrado ser realmente efectivos para la revitalización
comercial de las ciudades en muchas lugares de Estados Unidos como, por
ejemplo, Nueva York, Philadelphia y Washington2.
En al ámbito europeo, también se han llevado a cabo diferentes expe-
riencias de regeneración urbana, basándose la mayoría ellas en el modelo de

1 MOLINILLO JIMÉNEZ S. (2001): «Centros comerciales de área urbana. Estudio de las princi-

pales experiencias extranjeras». Distribución y Consumo, n.º 57, pp. 37-45.

2 PAUL CELLUCI A., WALLIS J. (1994): «Business Improvement Districts, a Guide to Establishing a

BID in Masachusetts», Massachusetts Department of Housing & Community Development, Boston.

 ESTRATEGIAS DE MÁRKETING PARA LA GESTIÓN PÚBLICO-PRIVADA DEL COMERCIO DE GUIPÚZCOA 123

Town Centre Management. Según este sistema, la financiación es predomi-

nantemente pública, aunque cada vez se busca más la colaboración publico-
privada con los comerciantes. Estas contribuciones por parte del sector priva-
do son todavía escasas y normalmente se concretan en la puesta en marcha de
ciertas actividades de marketing, principalmente de tipo promocional3. Para
obtener financiación para los TCM, y en consecuencia su mantenimiento a
largo plazo, son de vital importancia las actividades de marketing interno, ya
que muestran a la comunidad comercial los logros obtenidos hasta ese mo-
mento, consiguiendo que ésta se implique en los proyectos de regeneración
urbana4.
Este modelo de TCM presenta, sin embargo, grandes diferencias en fun-
ción del país estudiado residiendo la más importante en los ya mencionados
sistemas de financiación. Citamos a continuación algunos países europeos
que han implantado este modelo, y la forma que emplean para la obtención
de los fondos que precisa su puesta en marcha5:
— Reino Unido: financia sus intervenciones con fondos públicos y con
la colaboración de los grandes distribuidores, mientras que la gerencia
del centro urbano es financiada exclusivamente por el gobierno local.
Por otro lado, y desde el año 2001, se ha iniciado también la implan-
tación selectiva del modelo americano (BID), con el objetivo de mejo-
rar zonas donde el sector público no está actuando o también pequeñas
áreas comerciales muy especializadas.6
— Bélgica: tanto las acciones como la gerencia son financiadas por el go-
bierno regional, aunque para esta última se busca la financiación por
parte de la organización que es creada a partir del tercer año.
— Francia: son las federaciones de comerciantes las que inician el proce-
so, siendo la cofinanciación pública-privada del gestor del centro y de

3 Es destacable, no obstante, que algunas cadenas sucursalistas son grandes defensoras de

este tipo de proyectos, y contribuyen financieramente a su desarrollo.

4 MEDWAY, D.; ALEXANDER, A.; BENNISON D.; WARNABY G. (1999): «Retailers´finantial su-
pport for town centre management». International Journal of Retail & Distribution Manage-
ment, Volumen 27, n.º 6, pp. 246-255.
5 MOLINILLO JIMÉNEZ S. (2001): «Centros comerciales de área urbana. Estudio de las princi-

pales experiencias extranjeras», Distribución y Consumo, n.º 57, pp. 37-45.

6 HOGG S., MEDWAY D., WARNABY G. (2003): «Business Improvement Districts: an opportu-
nity for SME retailing», International Journal of Retail & Distribution Management, Volumen
31, n.º 9, pp. 466-469.
124 VICTORIA DE ELIZAGARATE - LUCÍA MEDIANO - MAITE DOMINGO

los comités de pilotaje un requisito importante para impulsar este mo-

delo con un compromiso financiero a partes iguales entre el sector pú-
blico y el privado.
— Suecia: las acciones se financian según su naturaleza. Así, las activida-
des promocionales son financiadas por el sector privado, mientras que
las actividades estructurales obtienen los fondos del gobierno local. La
financiación de la gerencia se basa en la colaboración público-privada.

Tabla 1
Algunas ventajas y desventajas de los modelos TCM y BID

Ventajas y desventajas del modelo TCM

(+) Mejor control presupuestario de la planificación urbanística
(–) Falta de flujos de financiación sostenibles
(–) Imposible solicitar contribuciones obligatorias a los comerciantes

Ventajas y desventajas del modelo BID

(+) Más facilidad para la planificación debido a la seguridad de flujos de financiación
(–) Gran inversión inicial
(–) Impuestos de carácter obligatorio para los comerciantes
Fuente: Hallsworth A., Parker C., Coca Stefaniak A. (2003): «Small Retail and TCM Shemes:
Theory and reality from UK y USA», I Encuentro Centros Comerciales Abiertos, Con-
federación Empresarial del Comercio de Andalucía, Málaga.

Centrándonos en Guipúzcoa, entendemos que es necesario también arti-

cular modelos de actuación que permitan, desde una perspectiva espacial, un
desarrollo territorial equilibrado dentro del conjunto del País Vasco. Al mis-
mo tiempo, deberá impulsarse la regeneración de las ciudades y su coopera-
ción en aras de un comercio moderno y atractivo.
El objetivo de este trabajo es, por tanto, determinar cuál sería el modelo
de gestión más adecuado, teniendo en cuenta tanto las características de esta
provincia, como los fines a alcanzar. Para ello, un primer paso a llevar a cabo
en este análisis consiste en el estudio de los diferentes municipios guipuzcoa-
nos, con el fin de obtener similitudes y diferencias entre ellos. Pretendemos,
en definitiva, establecer agrupaciones de municipios que faciliten la posterior
aplicación de modelos de gestión.
 ESTRATEGIAS DE MÁRKETING PARA LA GESTIÓN PÚBLICO-PRIVADA DEL COMERCIO DE GUIPÚZCOA 125

2. ANÁLISIS CLUSTER DE LOS MUNICIPIOS DE GUIPÚZCOA EN

FUNCIÓN DE SUS ACTIVIDADES COMERCIALES

Entre la gran variedad de técnicas existentes para el análisis de grupos,

el denominado Análisis Cluster, es uno de los más empleados. «El análisis
de grupos (cluster analysis) es un conjunto de técnicas estadísticas que sir-
ven para determinar grupos internamente homogéneos, pero distintos entre sí,
bien por agrupación de unidades más pequeñas o por división de segmentos
mayores. Estas técnicas clasifican individuos u objetos teniendo en cuenta to-
das las variables del análisis, sin referirse al comportamiento de una variable
criterio específica»7.
En este trabajo se utiliza esta técnica estadística multivariable para cono-
cer la tipología comercial de todos los municipios de Gipuzkoa, en función
de las actividades comerciales desarrolladas en cada uno de ellos. Como se
ha señalado anteriormente, se trata, por un lado, de crear grupos de munici-
pios homogéneos internamente y diferentes entre sí en función de su activi-
dad comercial y, por otro lado, analizar las diferencias y similitudes comer-
ciales entre dichos grupos de municipios.
Para realizar este análisis se ha considerado el número de actividades del
comercio detallista sujetas al impuesto de actividades económicas. Dichas ac-
tividades se identifican con las que la Clasificación Nacional de Actividades
Económicas (CNAE) del INE considera comercio al por menor. A efectos es-
tadísticos, el número de actividades comerciales, que corresponde a 1 de ene-
ro de 2003 se puede considerar una aproximación a la de establecimientos
comerciales, de los que no existe información censal (un establecimiento co-
mercial puede tener una o varias actividades). Las actividades comerciales se
han desglosado en8:

7 SANTESMASES MESTRE M. (2001): Dyane Versión 2. Diseño y análisis de encuestas en in-

vestigación social y de mercados. Pirámide, pp. 337.

8 La principal fuente de indicadores económicos y comerciales existente en España es el

Anuario Económico de España de la Caixa. Se trata de un compendio de información estadística

referida al ámbito municipal con las correspondientes agregaciones a nivel provincial y autonó-
mico, que permite identificar y valorar las características del territorio español desde una doble
perspectiva económica y comercial. El contenido de este Anuario en su versión electrónica se es-
tructura en torno a dos grandes bloques:
Datos estadísticos municipales: base de datos que contiene el valor de diferentes datos estadís-
ticos e indicadores económico comerciales para cada uno de los 3.187 municipios de más de 1.000
habitantes, así como los totales provinciales, agrupados por comunidades autónomas, incluyendo
en este caso el resto de municipios, es decir, los de población inferior a 1.000 habitantes.
126 VICTORIA DE ELIZAGARATE - LUCÍA MEDIANO - MAITE DOMINGO

— Total Alimentación, que comprende tanto al pequeño comercio tradi-

cional como a los supermercados.
— Comercio Tradicional de no Alimentación, que integra vestido y calza-
do, hogar y resto de no alimentación.
— Total Comercio Mixto y Otros, formado por grandes almacenes, hiper-
mercados, almacenes populares, comercio ambulante, mercadillos y otros.
Asimismo, se ha incluido la superficie (m2) de las actividades comerciales
correspondientes a los grupos anteriormente mencionados. Debe señalarse que la
superficie utilizada es la que a efectos de la recaudación del impuesto de activida-
des económicas (IAE), se denomina «superficie computable», la cual puede con-
siderarse como bastante aproximada a la superficie bruta alquilable (SBA). Esta
superficie ha sido objeto de depuraciones a partir de otras fuentes (Distribución
Actualidad, etc.) y de ratios conocidos (venta m2, tamaño medio de licencias co-
merciales, etc.) en aquellos casos en que se han detectado incongruencias.
Otras variables consideradas han sido el número de Centros Comerciales y
su superficie (m2 de superficie bruta alquilable a 1 de julio de 2003 y a 1 de julio
de 1998). Estas variables abarcan desde la «galería comercial urbana», de hasta
2.500 m2, hasta el «centro comercial regional» de más de 40.000 metros cuadrados.
Por último, se ha introducido la variable actividades de restauración y bares
que comprende fundamentalmente las actividades de bares, cafeterías y restau-
rantes (aunque también incluye heladerías, quioscos, etc.) derivadas del impues-
to de actividades económicas (IAE). Los datos se refieren a 1 de enero de 2003.
En los cuadros 1,2 y 3, que se presentan a continuación, se exponen los
principales resultados del estudio, empleando la técnica estadística multivaria-
ble de análisis cluster, por medio del algoritmo de Howard-Harris. Esta técnica
forma grupos por división de otros de tamaño mayor, de modo secuencial, utili-

Áreas comerciales y mercado potencial: base de datos que contiene los datos básicos sobre la
distribución geográfica de los flujos comerciales de los consumidores, y la localización de los es-
tablecimientos comerciales de España. Dado que ni el municipio, ni la provincia, ni la Comuni-
dad Autónoma son divisiones territoriales apropiadas para un análisis de esta naturaleza, para la
confección de este apartado se ha determinado qué municipios ejercen atracción comercial sobre
otros y cuáles se sienten atraídos o gravitan comercialmente sobre aquellos, identificándose así
75 áreas comerciales y 228 subáreas comerciales. La base de datos de las áreas comerciales se
completan con los indicadores del mercado potencial, o volumen de ventas del comercio mino-
rista de los municipios cabecera de área comercial.
En este segundo bloque, adicionalmente, se ofrece también información, a nivel de cabece-
ra de área, provincial y autonómico, relativa a la actividad turística, presentándose cifras sobre el
número de pernoctaciones. Anuario Económico de España 2003. La Caixa.
 ESTRATEGIAS DE MÁRKETING PARA LA GESTIÓN PÚBLICO-PRIVADA DEL COMERCIO DE GUIPÚZCOA 127

zando el criterio de minimizar la varianza Intra-grupos en cada nivel de divi-

sión, y de maximizar la varianza Inter-grupos de las variables consideradas9.
De esta forma, el análisis cluster efectuados sobre los valores de las va-
riables comerciales en los municipios, nos permite obtener tanto las medias
y desviaciones de cada variable para los grupos de municipios, como las va-
riables con mayor varianza entre los mismos, que son las variables a partir de
las cuales se han generado los grupos que se exponen a continuación. El Cua-
dro 1 es el resultado de la cuarta división de grupos generados, siendo la va-
riable 14 (m2 de comercio mixto y otros), la de mayor varianza entre los mis-
mos, que maximiza la varianza Inter-grupos.

ANALISIS DE GRUPOS
——————————————————
(Algoritmo de Howard-Harris)

IDENTIFICACIÓN DE LAS VARIABLES SELECCIONADAS:

----------------------------------------------

1. Total al - Total alimentación

2. Vestido - Vestido y calzado
3. Hogar - Hogar
4. Resto no - Resto no alimentación
5. C. mixto - C. mixto y otros
6. Hipermer - Hipermercados
7. Almacene - Almacenes populares
8. Ambulant - Ambulante y mercadillos
9. Otro com - Otro comercio mixto
10. m2 Alime - m2 Alimentación
11. m2 Vesti - m2 Vestido y calzado
12. m2 Hogar - m2 Hogar
13. m2 Resto - m2 Resto no alimentación
14. m2 C. mi - m2 C. mixto y otros
15. m2 Hiper - m2 Hipermercados
16. m2 Almac - m2 Almacenes populares
17. m2Otro c - m2Otro comercio mixto
18. Centros - Centros comerciales
19. Superfic - Superficie- m2 centros comerciales
20. Activida - Actividades de restauración y bares

Fuente: Elaboración propia. Tratamiento datos Dyane Versión 2.

9 Existe una gran variedad de técnicas de análisis de grupos. Puede distinguirse entre las as-

cendentes, que construyen los grupos por agregación, a partir de los individuos considerados uno a
uno, y las descendentes, que, al contrario de las anteriores, parten del conjunto total de individuos y
lo dividen en grupos más pequeños. Dentro de las técnicas que siguen el enfoque de partición o des-
cendente, cabe citar el algoritmo de Howard-Harris. Santesmases Mestre M. (2001): Dyane Versión 2.
Diseño y análisis de encuestas en investigación social y de mercados. Pirámide. Madrid.
 128

Cuadro 1
Grupos de municipios generados con técnica estadística multivariable de «Cluster Analysis». Algoritmo de Howard-Harris
DIVISION N.° 4 NUMERO DEL GRUPO ANTERIOR DIVIDIDO: 3
VARIABLE CON MAYOR VARIANZA: m2 C. mi
SUMA DE
GRUPO NUM. CUADRADOS Total al Vestido Hogar Resto no C. mixto Hipermer Almacene Ambulant Otrocom m2 Alime m2 Vesti m2 Hogar m2 Resto m2 C. mi m2 Hiper m2 Almac m2 Otro c Centros Superfic Activida
----- ---- -------- ------- -------- -------- -------- -------- -------- -------- -------- -------- -------- -------- -------- -------- -------- -------- -------- ---------------- -------- --------

1 23964107349,00 MEDIA: 1289,50 588,50 382,50 850,00 159,50 1,00 20,00 84,50 54,00 37204,50 39150,00 35500,50 55973,50 25632,50 17545,50 3944,50 4142,50 2,00 48499,50 942,50
DES.ST: 576,50 311,50 188,50 420,00 64,50 0,00 8,00 41,50 15,00 13643,50 23527,00 16346,50 27324,50 4876,50 254,50 2879,50 2251,50 1,00 13799,50 522,50
2 39369499810,82 MEDIA: 54,08 14,49 12,26 26,90 7,38 0,08 0,05 5,28 1,97 1853,87 648,44 1216,95 1702,21 448,00 255,38 64,13 128,49 0,00 0,00 39,97
DES.ST: 44,52 15,46 12,47 23,85 8,19 0,27 0,22 7,33 2,09 1558,47 738,32 1548,82 1391,15 1113,97 900,68 277,53 181,64 0,00 0,00 32,23
3 1 0,00 MEDIA: 74,00 20,00 47,00 80,00 13,00 2,00 1,00 7,00 3,00 1580,00 1879,00 13174,00 9657,00 47376,00 46183,00 950,00 243,00 1,00 20055,00 79,00
DES.ST: 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
4 9417746520,67 MEDIA: 199,11 80,89 61,22 116,56 22,89 0,33 2,56 14,89 5,11 6429,22 4338,33 6842,67 8109,11 2575,67 1268,78 778,89 528,00 0,11 1277,78 136,11
DES.ST: 96,95 43,36 27,43 44,20 10,42 0,47 2,17 7,68 2,77 2849,46 2417,28 2969,61 1798,70 1753,80 1853,45 727,57 529,44 0,31 3614,10 55,15
5 2650649509,50 MEDIA: 129,50 44,00 41,00 83,00 13,00 1,00 0,50 6,00 5,50 4374,50 2755,00 6338,50 9133,00 11441,00 10459,00 536,00 446,00 0,50 16887,50 100,00
DES.ST: 67,50 37,00 30,00 42,00 2,00 0,00 0,50 1,00 0,50 2892,50 2566,00 4652,50 1195,00 735,00 1119,00 536,00 152,00 0,50 16887,50 32,00
TOTAL 53 5402003189,99 Suma de cuadrados explicada: 82,15%
VICTORIA DE ELIZAGARATE - LUCÍA MEDIANO - MAITE DOMINGO

Tratamiento de los datos Dyane versión 2. Fuente: Elaboración propia.

 ESTRATEGIAS DE MÁRKETING PARA LA GESTIÓN PÚBLICO-PRIVADA DEL COMERCIO DE GUIPÚZCOA 129

3. PRINCIPALES RESULTADOS DEL «CLUSTER ANÁLISIS»:

CLASIFICACIÓN DE LOS MUNICIPIOS DE GUIPÚZCOA
SEGÚN LOS GRUPOS GENERADOS

Como se ha señalado anteriormente, esta técnica genera la clasificación

de los grupos de forma secuencial, minimizando la varianza intra-grupos, y
maximizando la varianza inter-grupos. En este caso, las variables con mayor
varianza que han dado origen a los diferentes grupos son, por este orden: va-
riable 13 (m2 Resto no alimentación) que forma los tres primeros grupos, varia-
ble 15 (m2 Hipermercados) y variable 14 ( m2 Otro Comercio Mixto).
La primera variable elegida para formar los dos primeros grupos es la va-
riable 13, (m2 Resto no alimentación), por ser la que tiene mayor varianza.
Con esta primera división se consigue reducir la suma de cuadrados (error)
en un 24,46%. A medida que aumenta el número de grupos, se incrementa la
proporción de varianza explicada de las variables. Al término de la última di-
visión con cinco grupos generados, la explicación de la varianza de las varia-
bles es del 82,15%.
Como se expone en el cuadro 1, es la división 4, generada con la variable
14, la que da lugar a los cinco grupos de municipios que se exponen a conti-
nuación.
Grupo 1: Irún y Donostia- San Sebastián
Grupo 2: Andoain, Anoeta, Aia, Aretxabaleta, Getaria, Asteasu, Ordi-
zia, Ataun, Azkoitia, Antzuloa, Segura, Soraluze/ Placencia de
las Armas, Deba, Alegia, Urretxu, Elgoibar, Villabona, Esko-
riatza, Oñati, Hernani, Hondarribia, Ibarra, Idiazabal, Pasaia,
Lezo, Lazkao, Legazpi, Legorreta, Zegama, Mendaro, Mu-
triku, Ormaiztegi, Zumarraga, Zestoa, Orio, Zaldibia, Urnieta,
Zizurkil y Zumaia
Grupo 3: Oiartzun
Grupo 4: Lasarte- Oria, Zarautz, Bergara, Errenteria, Beasain, Asti-
garraga, Tolosa, Eibar y Azpeitia
Grupo 5: Arrasate- Mondragón y Usurbil
El primer grupo esta constituido por los dos municipios comercialmente
más importantes del Territorio Histórico: Donostia-San Sebástián e Irún.
Asimismo el Grupo 4 esta formado por municipios, que aunque de una
manera menos significativa que los anteriores, son muy influyentes comer-
130 VICTORIA DE ELIZAGARATE - LUCÍA MEDIANO - MAITE DOMINGO

cialmente hablando. Es decir, su dotación en «m2 Resto no Alimentación» es

muy alta, por lo que su poder de atracción sobre otros municipios del entorno
también lo es.
Los Grupos 3 y 5 se caracterizan por disponer de algún hipermercado en
su propio municipio. El Grupo 3 (Oiartzun), sin embargo, tiene una mayor
dotación en los mismos que el Grupo 5 (Arrasate-Mondragón y Usurbil), al
disponer tanto de un número, como de una superficie mayor en hipermer-
cados.
El Grupo 2, por el contrario, englobaría a aquellos municipios de Gui-
púzcoa que se caracterizan por disponer de una escasa dotación comercial,
con reducida capacidad de atracción de gasto sobre los no residentes.

4. ANÁLISIS DE LA BONDAD DEL AJUSTE:

ANÁLISIS DISCRIMINANTE Y TABULACIÓN CRUZADA
DE VALORES MEDIOS

La técnica estadística multivariable de análisis discriminante, permite

explicar la pertenencia de individuos y objetos a grupos preestablecidos10,
y se puede utilizar para confirmar la validez de los grupos generado en el
análisis cluster. Para realizar dicha comprobación, se utiliza la denomina-
da matriz de confusión, que es una tabla de doble entrada, en la que en filas
se indica la pertenencia real al grupo correspondiente, y en las columnas, la
estimada por el análisis discriminante que se ha realizado con los resultados
del cluster.
En este análisis, se ha utilizado el grupo de pertenencia asignado a cada
municipio, como variable dependiente, y como variables explicativas, las
mismas que se han empleado para realizar el análisis cluster.
En el cuadro 2, podemos observar la matriz de confusión de los resulta-
dos de dicho análisis. Como puede observarse, los valores situados en la dia-
gonal principal, representan aciertos en la clasificación realizada por las fun-
ciones discriminantes. Así mismo, se indican las funciones discriminantes
que podrían utilizarse para estimar el grupo de pertenencia de cada municipio
que proporcionarían un 90,57% de asignaciones correctas.

10 SANTESMASES MESTRE M. (2001): Dyane Versión 2. Diseño y análisis de encuestas en in-

vestigación social y de mercados. Pirámide, pp. 265-266.

 ESTRATEGIAS DE MÁRKETING PARA LA GESTIÓN PÚBLICO-PRIVADA DEL COMERCIO DE GUIPÚZCOA 131

Cuadro 2
Confirmación de los grupos generados mediante técnica estadística multivarable
de análisis discriminante. Matriz de confusión de los grupos del análisis cluster

ASIGNACION SEGUN
FUNCIONES DISCRIMINANTES
--------------------------------------------------------
GRUPO GRUPO GRUPO GRUPO GRUPO
GRUPOS REALES 1 2 3 4 5 TOTAL
------------ ----- ----- ----- ----- ----- ------
1 1 0 0 0 1 2
2 0 36 0 3 0 39
3 0 0 1 0 0 1
4 0 1 0 8 0 9
5 0 0 0 0 2 2
----- ----- ----- ----- ----- ------
TOTAL 1 37 1 11 3 53

PORCENTAJE DE ASIGNACIONES ACERTADAS POR LAS FUNCIONES DISCRIMINANTES: 90,57%

Tratamiento de los datos Dyane versión 2. Fuente: Elaboración propia.

La validez de los grupos generados, ha sido comprobada también median-

te una técnica de tabulación cruzada de valores medios, cuya finalidad consiste
en comprobar si hay diferencias entre los valores medios de las variables co-
merciales utilizadas, calculadas sobre el total de la muestra, y para cada uno
de los grupos, que se consideran como variable columna, o variable indepen-
diente.

Para determinar si estas diferencias son o no significativas, se utiliza el

estadístico F que sigue una distribución F de Snedecor con (c-1) y (n-c) gra-
dos de libertad, y que permite contrastar la hipótesis nula, es decir, la no dife-
rencia entre medias.

En el cuadro 3, se recogen las 20 variables comerciales, que han servido

para la identificación de los clusters de municipios de Guipúzcoa, que son las
variables dependientes de la tabulación cruzada. Los cinco grupos generados
son las variables independientes o explicativas.

Como puede observarse en este cuadro, todas las diferencias entre las
medias de los grupos son significativas, para un nivel de significación de
(p = 0,0000), lo que indica el rechazo de la hipótesis nula (no diferencia
entre las medias).
132 VICTORIA DE ELIZAGARATE - LUCÍA MEDIANO - MAITE DOMINGO

De esta forma, se comprueba también por esta técnica que el ajuste lleva-
do a cabo por el análisis cluster es muy bueno.

Cuadro 3
Confirmación de los grupos obtenidos con el análisis cluster.
Tabulación cruzada de valores medios
Clusters
-----------------------------------------------------------
TOTAL Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5
VARIABLE MUESTRA F de SNEDECOR
------------ ----------- ----------- ----------- ----------- ----------- ----------- -------------------
1 Total al Med = 128,5472 1289,5000 54,0769 74,0000 199,1111 129,5000 F(4,48) = 42,4983
N = 53 2 39 1 9 2 (p = 0,0000)
2 Vestido Med = 48,6415 588,5000 14,4872 20,0000 80,8889 44,0000 F(4,48) = 34,3572
N = 53 2 39 1 9 2 (p = 0,0000)
3 Hogar Med = 36,2830 382,5000 12,2564 47,0000 61,2222 41,0000 F(4,48) = 37,5261
N = 53 2 39 1 9 2 (p = 0,0000)
4 Resto no Med = 76,3019 850,0000 26,8974 80,0000 116,5556 83,0000 F(4,48) = 39,5992
N = 53 2 39 1 9 2 (p = 0,0000)
5 C. mixto Med = 16,0755 159,5000 7,3846 13,0000 22,8889 13,0000 F(4,48) = 44,8296
N = 53 2 39 1 9 2 (p = 0,0000)
6 Hipermer Med = 0,2264 1,0000 0,0769 2,0000 0,3333 1,0000 F(4,48) = 16,3895
N = 53 2 39 1 9 2 (p = 0,0000)
7 Almacene Med = 1,2642 20,0000 0,0513 1,0000 2,5556 0,5000 F(4,48) = 53,9231
N = 53 2 39 1 9 2 (p = 0,0000)
8 Ambulant Med = 9,9623 84,5000 5,2821 7,0000 14,8889 6,0000 F(4,48) = 24,1622
N = 53 2 39 1 9 2 (p = 0,0000)
9 Otro com Med = 4,6226 54,0000 1,9744 3,0000 5,1111 5,5000 F(4,48) = 89,6239
N = 53 2 39 1 9 2 (p = 0,0000)
10 m2 Alime Med = 4054,7547 37204,5000 1853,8718 1580,0000 6429,2222 4374,5000 F(4,48) = 52,6658
N = 53 2 39 1 9 2 (p = 0,0000)
11 m2 Vesti Med = 2830,6226 39150,0000 648,4359 1879,0000 4338,3333 2755,0000 F(4,48) = 28,5945
N = 53 2 39 1 9 2 (p = 0,0000)
12 m2 Hogar Med = 3884,8491 35500,5000 1216,9487 13174,0000 6842,6667 6338,5000 F(4,48) = 39,2272
N = 53 2 39 1 9 2 (p = 0,0000)
13 m2 Resto Med = 5268,6415 55973,5000 1702,2051 9657,0000 8109,1111 9133,0000 F(4,48) = 43,1791
N = 53 2 39 1 9 2 (p = 0,0000)
14 m2 C. mi Med = 3059,9245 25632,5000 448,0000 47376,0000 2575,6667 11441,0000 F(4,48) = 326,3285
N = 53 2 39 1 9 2 (p = 0,0000)
15 m2 Hiper Med = 2331,5283 17545,5000 255,3846 46183,0000 1268,7778 10459,0000 F(4,48) = 496,3249
N = 53 2 39 1 9 2 (p = 0,0000)
16 m2 Almac Med = 366,4528 3944,5000 64,1282 950,0000 778,8889 536,0000 F(4,48) = 14,9717
N = 53 2 39 1 9 2 (p = 0,0000)
17 m2Otro C. Med = 361,9434 4142,5000 128,4872 243,0000 528,0000 446,0000 F(4,48) = 26,5715
N = 53 2 39 1 9 2 (p = 0,0000)
18 Centros Med = 0,1321 2,0000 0,0000 1,0000 0,1111 0,5000 F(4,48) = 30,7590
N = 53 2 39 1 9 2 (p = 0,0000)
19 Superfic Med = 3062,8113 48499,5000 0,0000 20055,0000 1277,7778 16887,5000 F(4,48) = 58,3223
N = 53 2 39 1 9 2 (p = 0,0000)
20 Activida Med = 93,3585 942,5000 39,9744 79,0000 136,1111 100,0000 F(4,48) = 30,5872
N = 53 2 39 1 9 2 (p = 0,0000)

Tratamiento de los datos: Dyane versión 2. Fuente: Elaboración propia.

 ESTRATEGIAS DE MÁRKETING PARA LA GESTIÓN PÚBLICO-PRIVADA DEL COMERCIO DE GUIPÚZCOA 133

5. APLICACIÓN DEL MODELO TCM A LOS MUNICIPIOS

DE GUIPÚZCOA

A la vista de los resultados obtenidos, y tomando como base el modelo de

gestión de centro ciudad TCM, entendemos que el modelo a seguir en el caso
de Guipúzcoa se corresponde con el proyecto denominado «Guipúzcoa Cen-
tro Comercial Abierto»11.

El proyecto de creación de Guipúzcoa Centro Comercial Abierto es

un modelo de integración estratégica espacial del comercio tradicional de
los municipios de Guipúzcoa que se basa en la cooperación entre diferen-
tes agentes económicos con el objeto de promover la competitividad del
conjunto de estas actividades empresariales dentro de las nuevas formas de
competencia.

Guipúzcoa Centro Comercial Abierto implica a un territorio que sobrepa-

sa los límites administrativos de una ciudad y se configura como una red de
municipios que van a disponer en su núcleo urbano de un Centro Comercial
Abierto como integración espacial del comercio tradicional y de otras activi-
dades de ocio y entretenimiento.

El paso de un planteamiento de área comercial tradicional a Centro

Comercial Abierto para el territorio de Guipúzcoa, ha exigido un diagnós-
tico oferta-demanda para cada uno de los municipios más relevantes, como
cabecera y subáreas comerciales de Guipúzcoa (San Sebastián, Irún, Eibar,
Tolosa y Beasain-Ordizia) con el fin de determinar su potencialidad como
Centro Comercial Abierto. El criterio para elegir y evaluar el potencial co-
mercial del municipio se ha basado en la consideración de los principales
indicadores de la oferta comercial, de ocio, urbanísticos y de animación
necesarios para la creación de un Centro Comercial Abierto.

Algunos de los indicadores a utilizar como líneas estratégicas para lograr

la transformación del área comercial en un Centro Comercial Abierto, se re-
cogen en el cuadro 4 y deben ser considerados como evaluadores en los pla-
nes de desarrollo de dicho modelo.

11 ELIZAGARATE, V; ZORRILLA, P (2003): Gipuzka Centro Comercial Abierto. Integración es-

tratégica espacial y virtual del comercio tradicional de Guipúzcoa. Federación Mercantil de Gui-
púzcoa y Miramón Empresa Digitala.
134 VICTORIA DE ELIZAGARATE - LUCÍA MEDIANO - MAITE DOMINGO

Cuadro 4
Áreas de trabajo para la implementación del Centro Comercial Abierto

Tipo Indicador Contenido

Espacial Delimitación espacial del CCA — Planos de orientación comercial
en el municipio. — Delimitación del perímetro comercial
— Principales ejes / calles comerciales
Accesibilidad Accesos y aparcamiento en la ciudad — Acceso por transporte público de alta
frecuencia en horario comercial
— 3-5 aparcamientos /100m2 de superficie
de venta comercial
Atracción Percepción de seguridad — Iluminación
— Limpieza
Oferta de Especialización comercial. — Oferta de productos ocasionales:
servicios • menor 60%,
comerciales • entre 60% y 65%
• mas de 65%
Densidad comercial — Mezcla comercial equilibrada
Superficie de venta — Número de establecimientos por cada
Grado de atracción comercial 1000 habitantes
— Balance Neto de captación /evasión de
gasto comercial positivo.
Locomotoras — Mercados municipales (rehabilitación,
dinamización) y otros equipamientos
comerciales
Oferta de ocio Densidad establecimientos
— 7 establecimientos por cada 1000
Mix de oferta complementaria y ocio
habitantes
Oferta Número de establecimientos y categoría
— Cines, bolera, bares temáticos,
hotelera
franquicias de hostelería...

Animación Animación comercial: actividades — Actividades de animación comercial.

vinculadas al contexto de compra Variedad
— Calendario de actuaciones de animación
Imagen Posicionamiento del Centro Comercial — Creación de la marca comercial del
comercial Abierto Centro Comercial Abierto. Logotipo
común — Posicionamiento
— Acciones de Comunicación
Gestión Colaboración público privada — Creación de la figura del gerente de
Centro Comercial Abierto y delimitación
de sus funciones
Formación — Fomento del asociacionismo zonal
— Posibilidad de crear Agrupaciones de
Interés económico que tengan como fin la
gestión, el impulso y la revitalización
comercial del área en cuestión.
Fuente: Elizagarate, V. y Zorrilla, P. (2004): Distribución y Consumo. n.º 78. Mercasa. Madrid.
 ESTRATEGIAS DE MÁRKETING PARA LA GESTIÓN PÚBLICO-PRIVADA DEL COMERCIO DE GUIPÚZCOA 135

A partir de este diagnóstico se ha elaborado un plan para su desarrollo,

que contempla las diversas fases necesarias para su implementación. Hay que
tener en cuenta que se trata de un proyecto complejo y con importantes nece-
sidades financieras. Sin embargo, dota al comercio de herramientas competi-
tivas a la altura de las dificultades del entono al que se enfrenta, permitiendo
dinamizar los entornos urbanos como ejes de relación en diversos aspectos:
social, económico, residencial, etc.
El objetivo estratégico del plan Guipúzcoa Centro Comercial Abierto
es, en términos generales, incrementar la competitividad y la rentabilidad de
su comercio local, así como impulsar y desarrollar los centros de las ciuda-
des y municipios como lugares de relación y encuentro, compras, residencia
y turismo a través de la puesta en marcha del modelo de Centros Comercia-
les Abiertos. En este punto, es preciso hacer una doble consideración. Por un
lado, se aborda el modelo de Centro Comercial Abierto aplicado a un territo-
rio, Guipúzcoa, que comprende diferentes municipios con distintas caracterís-
ticas comerciales, configurando, por tanto, una red de municipios comerciales
que se apoyan e integran. Por otro lado, no se puede obviar que el modelo de
Centro Comercial Abierto no es planteable en las mismas condiciones en to-
dos los municipios guipuzcoanos habida cuenta de las diferencias existentes
en su estructura y oferta-demanda. Por ello, cabe hablar de posicionarlos de
acuerdo a sus puntos fuertes, destacando los atributos de su oferta que resul-
tan especialmente atractivos para trabajar en esa línea.

6. CONCLUSIONES

La gestión de centros urbanos a nivel internacional, aunque con diferentes

variaciones, se puede clasificar en base a dos modelos: el modelo BID y el mo-
delo TCM. El modelo americano (BID) cuenta con una mayor capacidad de pla-
nificación y gestión que el modelo europeo (TCM), como resultado de la tasa
obligatoria que deriva de dicho sistema de gestión. Sin embargo, es este último
el que cuenta con un mayor desarrollo en Europa, lo que requiere de la puesta en
marcha de una metodología que permita adaptar los instrumentos de gestión a
las especificaciones de cada país y de cada centro urbano.
En España se esta empezando a aplicar este modelo de gestión, pero esta
implantación requiere de un análisis previo de las áreas comerciales. Para ello, la
principal fuente de datos a nivel nacional se encuentra en el Anuario Económico
de España de la Caixa que permite obtener información estadística a nivel pro-
vincial con sus correspondientes agregaciones a nivel provincial y autonómico.
136 VICTORIA DE ELIZAGARATE - LUCÍA MEDIANO - MAITE DOMINGO

Aplicando esta metodología para el caso de Guipúzcoa, se ha desarrolla-

do el modelo «Guipúzcoa Centro Comercial Abierto» que abarca un territorio
que sobrepasa los límites administrativos de una ciudad y se configura como
una red de municipios que dispondrán en su núcleo urbano de un Centro Co-
mercial Abierto.
Este planteamiento ha exigido un diagnóstico oferta-demanda de los mu-
nicipios más relevantes de Guipúzcoa con el fin de determinar su potenciali-
dad como Centro Comercial Abierto. El resultado obtenido indica que, par-
tiendo de un posicionamiento único para Guipúzcoa Centro Comercial Abier-
to, es necesario realizar acciones específicas en los diferentes municipios,
para lograr el máximo desarrollo del modelo.

7. BIBLIOGRAFÍA

CAJA DE AHORROS Y DE PENSIONES DE BARCELONA. LA CAIXA (2003): «Anuario Co-

mercial de España 2002», La Caixa, Barcelona.
ELIZAGARATE, V.; ZORRILLA, P. (2004): Distribución y Consumo. n.º 78. Mercasa. Madrid.
ELIZAGARATE, V.; ZORRILLA, P. ( 2003): Gipuzka Centro Comercial Abierto. Integra-
ción estratégica espacial y virtual del comercio tradicional de Guipúzcoa. Fede-
ración Mercantil de Guipúzcoa y Miramón Empresa Digitala.
HALLSWORTH A., PARKER C., COCA STEFANIAK A. (2003): «Small Retail and TCM
Shemes: Theory and reality from UK y USA», I Encuentro Centros comerciales
Abiertos. Confederación Empresarial del Comercio de Andalucía, Málaga.
HOGG S., MEDWAY D., WARNABY G. (2003): «Business Improvement Districts: an
opportunity for SME retailing», International Journal of Retail & Distribution
Management, Volumen 31, n.º 9, pp. 466-469.
MEDWAY, D.; ALEXANDER, A.; BENNISON D.; WARNABY G.(1999): «Retailers´finantial
support for town centre management» International Journal of Retail & Distribu-
tion Management, Volumen 27, n.º 6, pp. 246-255.
MOLINILLO JIMÉNEZ S. (2001): «Centros comerciales de área urbana. Estudio de las
principales experiencias extranjeras», Distribución y Consumo, n.º 57, pp. 37-45.
PAUL CELLUCI A., WALLIS J. (1994): «Business Improvement Districts, a Guide to Es-
tablishing a BID in Masachusetts», Massachusetts Department of Housing &
Community Development, Boston.
SANTESMASES MESTRE M. (2001): Dyane Versión 2. Diseño y análisis de encuestas en
investigación social y de mercados. Pirámide. Madrid.