The Post-Anchor Era: What Makes a Mall Stable in Mexico?

Además, no todas las categorías participan con la misma intensidad dentro de esa dinámica. Mientras la mayoría de los segmentos asociados al consumo recurrente aparecen más integrados al sistema, actividades como parques temáticos, casas de empeño o tintorerías muestran una participación más periférica y menos conectada al resto del retail.

Aun así, no todas cumplen la misma función dentro del sistema comercial. Los datos indican que segmentos vinculados al hogar y la vida doméstica tienden a mostrar ciclos más contenidos y menor volatilidad relativa, mientras categorías asociadas a conveniencia y servicios de soporte reaccionan con mayor intensidad frente a expansiones o desaceleraciones del mercado. El contraste es relevante porque implica que parte del retail cotidiano ya no solo amortigua ciclos, sino que también amplifica la transmisión del consumo dentro del mall.

Los hallazgos asimismo muestran que, si la estabilidad del mall depende cada vez más de actividades capaces de sostener permanencia y flujo cotidiano, la lógica del tenant mix deja de concentrarse únicamente en maximizar área bruta rentable o atraer grandes marcas aisladas. En ese contexto, la recurrencia y la conectividad entre categorías empiezan a volverse igual de relevantes para sostener tráfico, ocupación y estabilidad operativa.

Bajo esa lógica, la posición y complementariedad de un local dentro del mall empiezan a importar tanto como su capacidad individual de atracción.

Visita SiiLA Market Analytics o escríbenos a contacto@siila.com.mx para conocer más sobre tendencias, desempeño y estrategias del mercado inmobiliario comercial en México.

***

Nota metodológica: El análisis se elaboró en R con 26 archivos trimestrales de SiiLA correspondientes al periodo 4T2019-1T2026, integrados por 175 propiedades, 27 submercados, 10 categorías, 49 subcategorías, 6,261 inquilinos y 270,349 registros inmobiliarios, consolidados en un panel de 68,605 observaciones por propiedad, submercado, categoría, subcategoría y trimestre. La base fue depurada mediante homologación de nombres de columnas, limpieza de cadenas, conversión numérica del área ocupada y exclusión de registros sin propiedad, subcategoría o área válida; posteriormente se realizaron validaciones de consistencia y revisión de valores faltantes en variables críticas. Para medir la dinámica del mercado se calcularon variaciones logarítmicas trimestrales e interanuales del área ocupada y del número de inquilinos por subcategoría, utilizando rezagos trimestrales y anuales. Posteriormente se construyeron matrices de correlación entre subcategorías mediante coeficientes de Pearson aplicados al crecimiento logarítmico trimestral del área ocupada, utilizando únicamente observaciones válidas y excluyendo valores no finitos. Las categorías “Disponible”, “Gobierno y Administración”, “Funerarias” e “Institutos, Fundaciones, Consejos, Sindicatos, Asociaciones y Clubes” fueron excluidas para mantener comparabilidad operativa dentro del universo retail analizado. Las series también fueron normalizadas mediante Z-score para comparar patrones relativos de comportamiento entre subcategorías independientemente de su escala absoluta. A partir de ello se generaron matrices de correlación y mapas de calor con clustering jerárquico utilizando distancia euclidiana y método Ward.D2. Los resultados describen asociaciones estadísticas y patrones de co-movimiento entre subcategorías observadas en el periodo analizado; no implican relaciones causales directas entre categorías.