A expansão do Walmart - parte 2

No post anterior discuti a ideia do paper de Thomas Holmes, que estuda a estratégia de expansão do Walmart nos Estados Unidos nas últimas décadas. Basicamente, o autor nota que novas lojas tendem a ser instaladas proximamente a unidades já estabelecidas. A interpretação é que, ao se adensarem no espaço, várias lojas podem ser atendidas por um único centro de distribuição, o que reduz custos médios.

Acho que uma história de learning também pode ser consistente com esse fenômeno de adensamento. Especificamente, ao se instalar em determinado local, a firma passa aos poucos a conhecer seus consumidores, podendo ajustar suas ações de acordo com as preferências dos indivíduos. Por exemplo, se o lojista aprende que há uma preferência forte por Coca-Cola em determinado local, ele se ajusta mantendo uma quantidade maior desse produto. 

Suponha agora que a companhia esteja considerando expansão, colocando uma loja em outra localidade. Se locais mais próximos tendem a possuir consumidores com preferências semelhantes (por exemplo, por conta de laços culturais ou composição étnica parecida), será menos custoso para a firma colocar a nova loja perto da antiga. Isso porque a informação obtida ao longo do tempo com a loja antiga é útil para o estabelecimento da nova.

Se a empresa colocar a filial em um lugar mais distante, a informação adquirida até o momento pouco contribuirá para entender os gostos dos consumidores na nova localidade. Como resultado, será necessário gastar muito tempo aprendendo sobre as preferências locais, o que pode ser custoso.

Ou seja, se a proximidade física está correlacionada com proximidade de gostos dos consumidores, é possível gerar um padrão de difusão de lojas como no caso do Walmart. Não coloquei em um modelo (e não vou fazer, pois entendo pouco de IO), mas imagino que funcione.