A Multi-Objective Integer Programming approach for synergistic Tenant Mix optimization in shopping centers

Abstract

(English) A shopping center's profitability is significantly influenced by its Tenant Mix, which refers to the strategic combination and placement of different retail categories within the center. However, selecting the optimal Tenant Mix has traditionally been based on experience and intuition rather than data-driven approaches. This study addresses this gap by developing a systematic, data-driven optimization model aimed at maximizing profitability through optimal tenant placement. The methodology used in this research involves the development of a Multi-Objective Integer Programming model. This optimization model aims to maximize the combination of three components in its objective function: rental income, sales revenues, and tenant synergy. Constraints are related to the leasable area available for each retail category and the synergistic configuration influencing tenant placement. The data analyzed comes from 27 shopping centers managed by CBRE Spain, covering the period from 2015 to 2022, with the exclusion of 2020 due to the temporary closure of shopping centers during the COVID-19 pandemic. In order to incorporate rental income into the optimization model's objective function, a semi-log regression model was developed. The model considers the monthly rent per square meter as the dependent variable and factors such as store size, store location, tenant category, tenant’s sales per square meter, anchor status, distance to the nearest anchor, and shopping center type as independent variables. The empirical analysis identified that store size, location, anchor status, and retail category significantly affect rental rates. Notably, stores on lower floors tend to command higher rental rates compared to those on upper floors, while the distance to the nearest anchor tenant does not significantly affect rental values. One of the key contributions of this research is the incorporation of tenant synergy into the optimization model, which captures the beneficial interactions between neighboring tenant categories. By analyzing historical data from the 27 shopping centers, specific configurations of neighboring retail categories were identified as having the potential to enhance sales revenues. These configurations were scored based on their impact on sales, and the model aims to maximize these synergy scores, along with rental income and sales revenues, to achieve the most profitable Tenant Mix. The optimization model was applied to six shopping centers: one from each cluster, with one analyzed in greater depth. Three scenarios were evaluated: "Last Layout," "Only Vacancies," and "From Scratch." In all scenarios, the model used 50 combinations of weighted objectives, producing a three-dimensional Pareto frontier. In the "Last Layout" scenario, the model was applied only to the occupied units in the latest tenant configuration (as of December 2022). For smaller centers, rent and sales were lower, but synergy improved, while larger centers saw overall gains in rent, sales, and synergy. In the "Only Vacancies" scenario, the model optimized unoccupied units, keeping the current Tenant Mix unchanged. Results confirmed that the synergistic configurations derived from historical layouts provided optimal solutions, demonstrating the model's flexibility. The "From Scratch" scenario involved a complete reconfiguration, with rent and sales remaining stable across the 50 combinations but greater variability in synergy. This scenario offers strategic insights for landlords aiming to reimagine Tenant Mix for improved financial performance and synergy. The encouraging results highlight the model’s practical utility and strategic potential for retail space management, making it a reliable tool for optimizing the Tenant Mix in shopping centers. Landlords can leverage the insights from this model to make informed decisions about tenant selection and placement that align with their long-term objectives.

(Català) La rendibilitat d’un centre comercial està influenciada significativament pel seu Tenant Mix, que fa referència a la combinació i ubicació estratègica de les diferents categories de retail dins del centre. Tradicionalment, la selecció del Tenant Mix òptim s’ha basat en l’experiència i la intuïció, més que en enfocaments basats en dades. Aquest estudi aborda aquesta llacuna desenvolupant un model d’optimització basat en dades, dissenyat per maximitzar la rendibilitat mitjançant la ubicació òptima dels llogaters. La metodologia emprada implica un model de Programació Entera Multiobjectiu, que maximitza tres objectius: ingressos per lloguer, vendes i sinergia entre llogaters. Les restriccions inclouen l’àrea llogable per categoria i configuracions sinèrgiques que influeixen en la ubicació dels llogaters. Les dades analitzades provenen de 27 centres comercials gestionats per CBRE Espanya entre 2015 i 2022, excloent 2020 pel tancament durant la pandèmia de COVID-19. Per incorporar els ingressos per lloguer a la funció objectiu, es va desenvolupar un model de regressió semilogarítmica que considera el lloguer mensual per m² com a variable dependent, i factors com la mida de la botiga, la ubicació, la categoria, les vendes estimades per m², l’estatus de botiga ancorada, la distància a l’ancoratge més proper i el tipus de centre comercial com a variables independents. L’anàlisi va identificar que la mida de la botiga, la ubicació, l’estatus d’ancoratge i la categoria de retail afecten significativament les tarifes de lloguer. Les botigues a les plantes inferiors tendeixen a tenir tarifes més altes, mentre que la distància a l’ancoratge no té un impacte significatiu. Una contribució clau és la incorporació de sinergies entre llogaters al model, capturant interaccions beneficioses entre categories veïnes. A partir de dades històriques, es van identificar configuracions específiques amb potencial per augmentar els ingressos per vendes. Aquestes configuracions es van puntuar segons el seu impacte, maximitzant-se juntament amb els ingressos per lloguer i vendes per assolir un Tenant Mix òptim. El model es va aplicar a sis centres comercials: un per clúster i un analitzat en més profunditat, sota tres escenaris: "Última Configuració", "Només Vacants" i "Des de Zero". En tots els casos, el model va utilitzar 50 combinacions d’objectius ponderats, produint una frontera de Pareto tridimensional. A "Última Configuració", aplicat només a les unitats ocupades en la configuració de desembre de 2022, els centres petits van millorar la sinergia, mentre que els grans van registrar augments generals en ingressos per lloguer, vendes i sinergia. A "Només Vacants", el model va optimitzar unitats desocupades, confirmant que configuracions sinèrgiques històriques van oferir solucions òptimes, demostrant la flexibilitat del model. A "Des de Zero", es va reconfigurar completament el Tenant Mix, amb ingressos estables però més variabilitat en sinergia. Aquest escenari ofereix perspectives estratègiques per als propietaris interessats en reinventar el Tenant Mix i millorar el rendiment financer i les sinergies. Els resultats destaquen la utilitat pràctica i el potencial estratègic del model per gestionar espais comercials, convertint-lo en una eina fiable per optimitzar el Tenant Mix. Els propietaris poden utilitzar aquestes idees per prendre decisions informades sobre la selecció i ubicació de llogaters alineades amb els seus objectius a llarg termini. A més, el model serveix com a referència per a futures investigacions en optimització del Tenant Mix, aportant contribucions valuoses tant a l’acadèmia com a la gestió comercial pràctica.

(Español) La rentabilidad de un centro comercial está influenciada significativamente por su Tenant Mix, que se refiere a la combinación y ubicación estratégica de diferentes categorías de retail dentro del centro. Tradicionalmente, la selección del Tenant Mix óptimo se ha basado en la experiencia e intuición, más que en enfoques basados en datos. Este estudio aborda esta brecha desarrollando un modelo de optimización basado en datos, diseñado para maximizar la rentabilidad mediante la ubicación óptima de los inquilinos. La metodología empleada implica un modelo de Programación Entera Multiobjetivo, que maximiza tres objetivos: ingresos por alquiler, ventas y sinergia entre inquilinos. Las restricciones incluyen el área alquilable por categoría y configuraciones sinérgicas que influyen en la ubicación de inquilinos. Los datos analizados provienen de 27 centros comerciales gestionados por CBRE España entre 2015 y 2022, excluyendo 2020 por el cierre durante la pandemia de COVID-19. Para incluir los ingresos por alquiler en la función objetivo, se desarrolló un modelo de regresión semilogarítmica que considera el alquiler mensual por m² como variable dependiente, y factores como tamaño de tienda, ubicación, categoría, ventas estimadas por m², estatus de ancla, distancia al ancla más cercana y tipo de centro comercial como variables independientes. El análisis identificó que tamaño de tienda, ubicación, estatus de ancla y categoría de retail afectan significativamente las tasas de alquiler. Las tiendas en plantas inferiores tienden a tener tasas más altas, mientras que la distancia al ancla no tiene impacto significativo. Un aporte clave es la incorporación de sinergias entre inquilinos al modelo, capturando interacciones beneficiosas entre categorías vecinas. A partir de datos históricos, se identificaron configuraciones específicas con potencial para aumentar ingresos por ventas. Estas configuraciones se puntuaron según su impacto, maximizándose junto con ingresos por alquiler y ventas para lograr un Tenant Mix óptimo. El modelo se aplicó a seis centros comerciales: uno por clúster y uno analizado en mayor profundidad, bajo tres escenarios: "Última Configuración", "Solo Vacantes" y "Desde Cero". En todos los casos, el modelo utilizó 50 combinaciones de objetivos ponderados, produciendo una frontera de Pareto tridimensional. En "Última Configuración", aplicado solo a las unidades ocupadas en la configuración de diciembre de 2022, centros pequeños mejoraron la sinergia, mientras que los grandes registraron aumentos generales en ingresos por alquiler, ventas y sinergia. En "Solo Vacantes", el modelo optimizó unidades desocupadas, confirmando que configuraciones sinérgicas históricas ofrecieron soluciones óptimas, demostrando flexibilidad. En "Desde Cero", se reconfiguró completamente el Tenant Mix, con ingresos estables pero mayor variabilidad en sinergia. Este escenario brinda perspectivas estratégicas para propietarios interesados en reinventar el Tenant Mix y mejorar rendimiento financiero y sinergias. Los resultados resaltan la utilidad práctica y potencial estratégico del modelo para gestionar espacios comerciales, convirtiéndolo en una herramienta confiable para optimizar el Tenant Mix. Los propietarios pueden utilizar estos insights para tomar decisiones informadas sobre selección y ubicación de inquilinos alineadas con objetivos a largo plazo. Además, el modelo sirve como referencia para futuras investigaciones en optimización del Tenant Mix, aportando contribuciones valiosas tanto a la academia como a la gestión comercial práctica.