[google-translator]

Estrategias de marketing: Análisis multivariante en investigación de mercado

Estrategias de Marketing

ANÁLISIS MULTIVARIABLE DE LA INFORMACIÓN. LOS MÉTODOS DE INTERDEPENDENCIA

Cuando estamos realizando una investigación de mercados, no buscamos sólo hacer un resumen de un montón de datos agrupándolos según su parecido. La investigación de mer-cados debe de proporcionar información útil, para contestar a la hipótesis que nos hemos planteado. Su principal misión es reducir la incertidumbre en la toma de decisiones. Ese debe de ser su principal objetivo.

¿Qué está sucediendo en la realidad, en el entorno que nos movemos habitualmente para que las necesidades de disponer de información sean cada vez mayores?

Están pasando muchas cosas. Trataremos de objetivar en una serie de puntos aquello que intuitivamente ya conocemos pero nadie nos lo ha plasmado.

investigacion de mercados 888

Las decisiones que toma a diario un directivo  pueden clasificarse básicamente en dos grupos: de relativa importancia y de gran importancia. Estas últimas están vinculadas en muchos casos a la supervivencia de la empresa, dicho de otra forma hay decisiones que pueden comprometer seriamente el futuro de la compañía. Las decisiones de lanza- miento de nuevos productos, el mantenimiento de largas campañas publicitarias, el acudir a nuevos mercados, etc., son decisiones que suelen comprometer, en muchos casos, un importante volumen de recursos; tanto económicos como humanos. Si cambiamos de ámbito y pasamos a las necesidades de otros departamentos como el financiero o el de producción, el denominador común es la necesidad en la disponibilidad de información.

Pero la necesidad de información no es necesaria sólo para las «grandes decisiones», sino que a modo de brújula de navegación nos indica si nos dirigimos en la dirección adecuada. Aquí podríamos mencionar principalmente toda la información relativa a competidores, ventas, efectividad de nuestra campañas publicitarias, etc.

En resumen necesitamos conocer el mercado, y por consiguiente los estudios de mercado son el eje de todo este entramado.

b2b b2c

Los mercados

Uno de los principales problemas con que nos estamos enfrentando actualmente, es la inestabilidad de los mercados. Los mercados siempre están cambiando, son algo dinámico no estático. Predecir los mercados siempre ha sido difícil pero parece que últimamente lo es mucho más por una serie de factores: las decisiones deben tomarse cada vez en menor tiempo, y el grado de incertidumbre y de riesgo asociado a esa incertidumbre ha aumentado, (mayor incertidumbre = mayor riesgo / menor incertidumbre = menor riesgo) la rapidez de respuesta por parte de la competencia, las nuevas tecnologías, etc.

Un punto más añadir es que los problemas con que se enfrentan muchos de los directivos de hoy son nuevos, en el sentido de que en las escuelas de negocios por donde han pasado muchos de ellos, no les han enseñado lo que yo llamaría un «modelo operativo de respuesta», por utilizar un término concreto, para determinadas crisis ya que antes nunca se habían dado.

A todo esto hay que añadirle que la cantidad de información que suele estar disponible es enorme, sólo hay que pensar en algunas bases de datos, o en la ya conocida red de redes: Internet, estamos en la era de la información.

La posición competitiva respecto a la información no la alcanzaremos por disponer de más volumen de información que los demás sino que la información de que dispongamos sea cuantitativa y cualitativamente útil para enfrentarnos al «problema» que debemos resolver.

Si cada vez que se debe tomar una decisión analizáramos toda la información disponible sobre el tema llegaríamos a lo que una vez estudiando oí decir: «A la parálisis por el análisis». La frase creo que no necesita comentarse, pero baste decir que en más de una ocasión he visto en persona ajena cumplirse esta sentencia.

Vale, ya hemos avanzado un paso más… pero realmente ¿qué deseamos saber…?

Imaginemos por un momento que disponemos de un gran listado en el que aparecen agrupados y clasificados un elevado número de individuos, junto con un gran número de variables. Y nos dicen: «Ahí está todo… este es el resultado del análisis… el 25% compran la marca A, el 30% la marca B,… etc.». Muy probablemente tendremos y gran conjunto de datos que aparte de resumir lo que han analizado no le dirán nada más.

Sin embargo es evidente que existen relaciones ocultas entre las variables. Por poner un ejemplo comúnmente conocido, si subimos el precio de un bien la demanda del bien en cuestión baja. Cierto que hay excepciones como en el caso de los bienes de primera necesidad, pero por lo general la relación entre precio y cantidad vendida existe, tanto es así que en las agencias de estudios de mercado han desarrollado técnicas que nos permiten conocer para un producto determinado cuáles serán sus ventas esperadas para un determinado rango de precios.

Si tratamos de buscar relaciones entre un numeroso grupo de individuos, y de variables, lo más probable es que no consigamos nada, dada la gran cantidad de información que se puede acumular en una matriz de digamos 15 variables, por 50 o 60 individuos, comenzamos a necesitar de las técnicas multivariantes.

analisis-multivariante

ANÁLISIS MULTIVARIANTE

Cuando hablamos de investigación de mercados, la información recogida podemos clasificarla, según su naturaleza, en cuantitativa y cualitativa.

La información cualitativa recoge actitudes u opiniones de las personas y no permite la utilización o aplicación de ningún tipo de modelo matemático ni estadístico.

Los métodos multivariantes tienen por misión, generalmente, describir unos resultados y suelen tener carácter introductorio en muchos estudios.

Los métodos multivariantes poseen un potencial de tratamiento de datos muy grande. Deben elegirse con cuidado extremo.

 

investigacion de mercados 8932

Los métodos más utilizados en investigación comercial son:

Análisis de Escalas multidimensionales:

Permite realizar estudios de posicionamiento, medir la imagen o similitudes entre individuos, que pueden ser marcas, empresas, etc. Esto se obtiene a partir de datos de orden o preferencias.

Análisis Factorial de Correspondencias:

Segmentación de mercados, detección de nichos y en estudios de posicionamiento e imagen.

Análisis de Componentes Principales:

Sirve para detectar qué individuos de una muestra tienen características por encima o por debajo de esa media. Aunque también se puede utilizar en estudios de imagen y posiciona- miento, se hace en menor medida.

Análisis de Clasificación/Cluster:

Válido para formar grupos, para encontrar tipologías o segmentar mercados.

Análisis Discriminante:

Para diferenciar características de grupos y hacer predicciones.

Regresión Lineal Simple/Múltiple

Sirve para detectar relaciones entre variables. Permite hacer previsiones.

 Modelos Logit y Probit

Adecuados para la obtención de tipologías y previsiones probabilistas de comportamientos.

 Análisis de medidas conjuntas:

Fundamental para valorar la importancia de los atributos de los bienes o servicios. Es muy útil para diseñar productos y servicios.

Análisis de la varianza

Herramienta fundamental para encontrar relaciones causales entre las variables, antes de modelizarlas. Es una herramienta esencial en las investigaciones causales.

regresion-lineal-

MODELO DE REGRESIÓN LINEAL SIMPLE / MÚLTIPLE

Todos los días ocurren sucesos que de una u otra forma, tratamos de explicar, es decir les tratamos de buscar una explicación que nos permita «comprender qué está sucediendo». La siguiente pregunta que podemos hacernos es ¿por qué buscamos estas explicaciones? la respuesta sería, porque a través de una mejor comprensión de la realidad podremos establecer previsiones, y deberíamos poder «predecir» el futuro (un poco mejor).

Si ahora dirigimos nuestra mirada al mercado en el que nos movemos, podemos establecer una primera aplicación práctica de lo explicado en el párrafo anterior.

Casi todos estaremos de acuerdo en una afirmación del siguiente estilo: «Los precios afec- tan al volumen de ventas». De acuerdo que hay otras muchas variables que afectan a las ventas de un producto, pero todos estamos de acuerdo en que el precio es un factor importante a considerar.

Sin más preámbulos vamos a ponernos en situación:

Estamos al frente del Dpto. de Marketing de un laboratorio farmacéutico que desea lanzar al mercado, un nuevo producto: caramelos para la tos. Para ello se realiza el correspondiente estudio de mercado, que incluye el dejar el producto en doce farmacias distintas y a precios diferentes. Nuestro objetivo, es evidente que es obtener un precio óptimo, a través de la estimación de la curva de demanda. Suponemos que el público objetivo al que nos dirigimos, aparece representado en las farmacias elegidas.

Después de un breve período de tiempo (1 mes) recogemos los datos de unidades vendidas por precio señalado, y obtendríamos una tabla como la que sigue:

 

ObservaciónVentasPrecio
 

1

 

55

 

100

27090
39080
410070
59070
610570
78070
811065
912560
1011560
1113055
1213050

 

Si a través de un programa informático aplicamos el «Modelo de Regresión» lo que obtendremos, será la función de demanda:

 ventas= 210,44 -1,58 Precio

Fácil. El valor de 1,58 establece el hecho de que por cada peseta adicional del producto se venden 1,5 paquetes menos del mismo (ésta sería una primera aproximación). A precio cero, se «venderían» 210,44 unidades.¿Y esto qué significa…?

Una vez que la «recta de regresión» está estimada es fácil saber cuántos paquetes venderíamos si el laboratorio fija un precio de 110 ptas.

ventas= 210,4 – (1,58 x 110)= 36,6

De hecho si todo lo anterior lo viéramos gráficamente, tendríamos representado en el eje horizontal el precio (todos los precios «testados») y en el eje vertical las cantidades vendidas, asociadas a esos precios. La función de demanda obtenida (recta de regresión en este caso) haría mínimas las distancias de esos puntos a la recta, dicho de otra forma aún más simple: «pasaría lo más centrada posible».

El programa en cuestión, nos permitirá establecer qué volumen de ventas podemos esperar obtener dada una serie de precios.

Ejemplo: Nosotros podríamos introducir los siguiente precios:

 

Observación

Ventas

Precio

13

 

30

14

80

15

100

16

110

El sistema nos devolvería una tabla como la que presentamos a continuación:

 

Orden

YInferior

Superior

 

13

 

163,1111

 

138,1603

 

188,0618

14

84,2222264,44200

104,0024

15

52,6666629,98167

75,35165

1636,8888811,93810

61,83967

En esta tabla Y sería las ventas que podríamos esperar obtener según los precios que se han señalado en el párrafo anterior. Los títulos inferior y superior serían el volumen mínimo y máximo de ventas que podemos esperar para el precio correspondiente con un intervalo de confianza del 95%.

Hasta el momento lo que hemos visto es una variable (precio), que explica a otra (las ventas). Cuando hablamos sólo de una variable independiente o explicativa (precio), hablamos de modelos de regresión lineal simple. Si hubiera más de una hablaríamos de modelos de regresión lineal múltiple. Por poner un ejemplo, si además del precio consideramos que los gastos promocionales tienen una influencia decisiva en las ventas, ya estaríamos hablando de un MRLM. En esencia funcionan y se desarrollan de la misma forma, es más el MRLS, no es más que un caso particular de un MRLM.

regresion_lineal-multiple

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

En un modelo de regresión lineal múltiple, tenemos más de una variable exógena o independiente. Esta es la única diferencia con un modelo de regresión lineal simple. Todo los estadísticos obtenidos a través de un análisis de regresión múltiple (Ej.: Coeficiente de determinación, El estadístico Durbin-Watson, etc.) se interpretan de la misma manera.

Si analizáramos el resultado obtenido en pantalla tendríamos algo parecido a esto:

VariableNombreCoeficiente

Error Standar

t

Estadísticos

1

 

Intercepto P

Precio

 

210,4444

-1,57777

 

 

0,176243

 

 

-8,95

 

R2 = 0,889065

Rc = 0,877971

 

Error St. regr. = 8,359957 Durb-Wats = 2,509821

F = 80,1430

N = 12

G.d.l = 10

t en tabla al 95% = 2,228

De todos los valores que aparecen aquí, vamos a fijarnos sólo en un dato, ya que es necesario para comprender mejor la R.L.M.

En la tabla anterior vemos que nos aparece en la columna de estadísticos un valor que se llama R2, con un valor igual a 0,889065. Si este valor lo multiplicamos por 100 y redondeamos, significa que el precio explica alrededor de un 89% de la variación de las ventas. Dicho de otra forma, un 11% de la variación de las ventas, no está explicada por la variación en el precio.

Si pensamos un poco, seguro que rápidamente podemos encontrar otra variable que nosotros intuyamos que puede explicar ese 11%. Para nuestro ejemplo, vamos a suponer que hemos realizado una inversión promocional en farmacias y que ésta ha sido diferente, de- pendiendo del tamaño de las farmacias, puesto que casi toda la inversión se ha dedicado a expositores y carterística, por lo que incluiremos una variable que llamaremos gastos promocionales.

A continuación introduciríamos los mismos datos que en el caso anterior además de los datos de la nueva variable:

Observación

VentasPrecio

Gastos de Promoción

 

1

 

55

 

100

 

55

2

709063
390

80

72

4

10070

70

5

9070

63

610570

73,5

7

8070

56

8

1106571,5

9

1256075
1011560

69

1113055

71,5

12

13050

65

 

Aplicando el modelo de regresión obtendríamos el siguiente resultado:

VariableNombreCoeficienteError StandartEstadísticos
 

Intercepto

 

116,15767

 

1

Precio1,307870,129370-10,11R2 = 0,960557
2Promoc.1,1245910,2784384,04Rc = 0,951792

t en tabla al 95% = 2,262

Error St. regr. = 5,254519 Durbin – Watson = 0,820620 F = 109,5891

N = 12

Gr. libertad = 9

Con esta nueva información, lo primero que podemos decir que la nueva variable sí es estadísticamente significativa (el valor de t = 4,04; superior a 2,262). A través de coeficiente de la nueva variable (Promoc = 1,124591), nos indica que cada 1.000 ptas. que se invierten en promoción de las pastillas para la tos en farmacia hacen subir las ventas en 1,12 paquetes.

Al igual que en el caso anterior, podemos simular distintas situaciones de precios y gastos, para poder predecir las ventas esperadas:

Observación

VentasPrecioPromoción
 

13

 

100

70

14

90

70

15

100

80

16

90

80

17

80

80

La columna de ventas aparece en blanco, ya que es la que esperamos nos suministre el modelo. Lo que aquí se presenta es un conjunto de datos para los cuales nos interesa saber qué resultado obtendríamos.

Una vez introducidos, obtenemos el siguiente resultado:

Orden

Y

InferiorSuperior
 

13

 

64,09064

 

48,26391

 

79,91738

1477,1694062,9555191,38329
1575,3365656,0817894,59134
1688,4156271,00110105,8295
17101,494085,59154117,3966

El intervalo está calculado a un nivel de confianza del 95%.

Con la explicación de una forma comprensible y amplia para nuestro objetivo (conocer algunas de las posibilidades que nos ofrece el análisis multivariante) podemos hacernos una idea de la utilidad que puede tener para cada uno de nosotros en nuestros respectivos campos de trabajo.

Estos análisis pueden complicarse tanto como uno desee, aunque es conveniente tener siempre muy claro qué es lo que pretendemos averiguar.

Aunque a priori estos análisis puedan parecer simples, no lo son tanto ya que por ejemplo en el último caso que hemos visto, el valor del estadístico Durbin – Watson tenía un valor considerado como bajo. Eso indica un tipo determinado de conflicto para el cual existen formas de corrección que un especialista sabe como arreglar.

Por eso se recomienda cautela con todo este tipo de análisis, sobre todo por un motivo: El comportamiento de los mercados, no puede preverse nunca con exactitud, sólo como aproximación (en unos casos será mejor y en otros peor). Si los mercados fueran completamente predecibles, desaparecería cualquier tipo de incertidumbre y en consecuencia el riesgo que es inherente a la toma de decisiones en el mundo empresarial.

conjoint analysis

CONJOINT ANALYSIS

Determina los efectos que conjuntamente, tienen varios atributos sobre las preferencias de los individuos, además nos permite evaluar la importancia de cada atributo por separado.

Datos de entrada: Evaluaciones de diversas combinaciones de niveles de atributos. Ejemplo: Supongamos que estamos fabricando coches y creemos que dos atributos:

  • Ahorro de gasolina
  • Espacio

Son los que marcan las preferencias de los clientes.

Si existen cuatro niveles de ahorro de gasolina y tres respecto a espacio, existen 12 combinaciones de niveles de atributos.

Al entrevistado se le pide que jerarquice las 12 combinaciones de atributos.

Las utilidades del individuo respecto a los atributos se obtienen a través de un algoritmo por medio del programa estadístico. El más comúnmente utilizado es algoritmo de KRUSKAL (Monanova) que supone que la utilidad global para una alternativa es una función aditiva de las utilidades de los niveles de atributos.

Utilidad para una alternativa = Sumatorio de todos los atributos (Utilidad para nivel de alternativa sobre un atributo).

También utilizando análisis de regresión con variables de holgura – podemos obtener estima- ciones de utilidades de las diferentes características.

Tomando otro ejemplo, tenemos un producto farmacéutico con las siguientes características:

X1: Presentación ……………..      a) ampolla b)masticable

X2: Sabor ……………………….      a) limón b) naranja c) menta

X3: Indicaciones ………………     a) Fatiga b) reconstituyente

X4: Hecho a base de ………..      a) Gingseng+Vitam+Mineral b) Vitam+Miner.

X5: Canal ……………………….       a) Venta en farmacia b) Venta en herbolario

 

Combinaciones posibles

2X1 * 3X2 * 2X3 * 2X4 * 2X5 = 48 combinaciones Cada combinación se presenta al entrevistado en una tarjeta.

Ejemplo: Ampolla, Limón, Fatiga, Vita + Minerales, Venta en farmacia.

Pero presentar 48 tarjetas al entrevistado para que las jerarquize es inviable. Los paquetes estadísticos seleccionan un número óptimo de combinaciones.

Supongamos que seleccionamos 16.

Se le pide que de las 16 tarjetas (cada una de ellas recoge una combinación) haga 2 montones. Después que ordene sus preferencias en cada montón.

A continuación que ponga un montón sobre otro, el que más prefiere arriba y el que menos abajo.

La ordenación de preferencias va a convertirse en funciones de utilidad.

  • El output nos indicará qué atributo tiene mayor importancia para el
  • Podremos sumar las utilidades a un nivel por atributo, y averiguar la combinación de mayor

Todos las utilidades son calculadas para cada individuo, lo que significa que además podremos hacer segmentación de individuos por sus niveles de preferencia.

Con Conjoint Análisis podremos ayudar a:

  1. Diseño de nuevos productos
  2. Reposicionamiento
  3. Segmentación de mercados
  4. Reposicionamiento de frases
  5. Sensibilidad al precio

analisis factorial componentes principales

ANÁLISIS FACTORIAL COMPONENTES PRINCIPALES

En más de una ocasión podemos encontrarnos, con que a través de la investigación de mercados, llegamos a tablas como la del ejemplo que se presenta a continuación:

CilindraPotenciaLongitudAnchuraAlturaMaleteroPesoPrecioAceleraciónVeloc. máx.ConsumoDepósitoModelo
 

1.351

 

88

 

4.075

 

1.614

 

1.350

 

400

 

940

 

1.587

 

10,3

 

176

 

8,8

 

50

 

AR33

1.7791224.3301.6301.4005001.1002.21210,41909,649AR75
1.9621484.5551.7601.4005041.2003.1209,22109,770AR164
1.7811124.4031.6951.3974531.0502.78410,91959,168AU8O
2.2261364.4031.6951.3914531.1703.0929,220610,968AU9022E
1.9941604.4031.6951.3913191.1704.2089,021511,070AU9020V
1.5961024.3251.6451.3804251.0652.27912,11829,055BMW316
1.7961154.3251.6451.3804251.0852.78910,81899,055BMW318
1.9901294.3251.6451.3703121.2804.45411,019511,262BMW320
1.124553.4951.5551.3552736451.09013,21585,736CIAXNY
1.360724.2371.6821.3604449001.54813,51677,752CIBX14
1.9051604.2401.6801.3604441.0703.0698,920010,466CIBXGT1
999503.4081.4941.4202727901.19817,51307,435FIPAND
1.372723.9581.7001.4453509451.50013,01617,955FITIPO
1.929654.3541.6951.4405001.1301.87512,11786,565FITEMP
1.9951554.4951.7601.4335001.2603.51111,31837,970FICROM
1.119553.7431.6061.3252507851.09916,31496,242FOFIES
1.598904.0361.6851.3523809601.71911,61778,355FOESCO
1.598904.2291.6851.3454909951.76911,61778,355FOORIO
1.9981254.5111.9201.3864281.1902.3309,71958,960FOSIERR
1.9981254.7441.9631.4354401.3002.99510,81959,570FOSCOR
1.5901303.9651.6801.3302509152.6007,51958,045HONCIV
999463.3921.5071.4301957801.03516,01456,247LAY-lO
1.5851083.8951.6201.3802609951.85510,01859,057LADELT
1.7561104.3431.7001.4304801.1502.28310,01929,163LADEDR
1.9951204.5901.7521.4335501.2303.39510,51959,770LATHEM
2.2981364.7401.7401.4315201.3304.47510,420310,572ME230E
1.9981504.4001.7001.3954801.1853.3838,422010,060NIPRIME
1.196523.6521.5351.3652258001.29916,51507,342OPCORS

 

CilindraPotenciaLongitudAnchuraAlturaMaleteroPesoPrecioAceleraciónVeloc. máx.ConsumoDepósitoModelo
 

1.598

 

82

 

3.998

 

1.663

 

1.400

 

390

 

905

 

1.690

 

12,0

 

175

 

7,6

 

52

 

OPK1.6

1.9981303.9981.6631.3953909652.0868,52069,552OPK2.0
1.9981154.3501.7001.4004601.1372.4169,52069,661OPVECT
2.9691774.7421.7721.4255201.4304.2328,722713,270OPOME
1.294653.7051.5721.3702907901.22913,81617,350PEU2O5
1.9051054.0511.6281.4693979101.98510,41908,444PEU3O9
1.9051254.4081.7141.4104701.0402.6369,72009,370PEU4O5
1.9981304.7211.7991.4224971.3253.60010,320310,680PEU6O5
1.171603.7091.6161.3952658251.12515,01566,743R-CLIO
1.390804.1561.6941.4123869401.62012,21737,455R-19
1.721924.5281.7261.4154909902.12010,71858,566R-21
2.8491534.7131.8061.41544213004.4609,320812,972R-25
903403.4751.5001.4452626801.02120,31307,035SEAMAR
1.193633.6621.6101.3943208901.30616,01558,050SEAIBI
1.461904.2731.6501.4005109751.49013,01708,050SEAMAL
1.403453.7251.5701.3502407701.15520,31457,642VWPOL
1.781903.9851.6651.4054109201.83610,81788,655VWGOL
1.588803.9851.6651.4054109602.22811,71696,555VWGOG
1.595754.3151.6751.4056609301.80713,01659,555VWJETT
1.781904.5731.7041.4285781.1302.18313,91779,770VWPA18
1.588804.5731.7041.4285781.1902.49816,01706,570VWPAC

 

La tabla anterior recoge información sobre el mercado del automóvil. Tenemos datos sobre 50 vehículos, para los cuales se ha recogido información sobre 12 variables: Cilindrada, Potencia, Longitud, Anchura, Altura, Maletero, Peso, Precio, Aceleración, Velocidad Máxima, Consumo, y Depósito.

Parece claro que a primera vista no se puede obtener ninguna conclusión clara. Tal como está la información presentada, no nos es demasiado útil.

Lo que tenemos que hacer con la información presentada es tratar de buscar cuál es la información subyacente. Para ello debemos en primer lugar de reducir la dimensionalidad. Debemos aplicar una técnica de análisis factorial que busque elementos comunes y eliminar las redundancias existentes. De esta manera se convierten las doce variables iniciales en u número reducido de factores (3), que nos explicarán un alto porcentaje de la información que contienen las variables iniciales.

Después de ser trabajados los datos mediante el ordenador el resultado final que obtenemos es una tabla como la que mostramos a continuación:

 

Factor 1Factor 2Factor 3
 

Cilindrada

 

0,45613

 

0,70235*

 

0,42362

Potencia0,318980,68283*0,59759
Longitud0,84415*0,451150,28789
Anchura0,70684*0,331830,33568
Maletero0,83337*0,140770,17478
Peso0,641870,648580,27796
Aceleración-0,27593-0,32368-0,89163*
Velocimax0,387220,590300,68257*
Consumo M.0,293030,76420*0,34827
Depósito0,698220,503060,25878

 

Si nos fijamos en la tabla anterior, veremos que el Factor 1, tiene señalados con un asterisco, los tres valores más altos: Longitud, Anchura y Maletero. En lugar de hablar de Longitud, Anchura y Maletero, hablaremos de Tamaño ya que resume perfectamente las tres palabras anteriores. Realizamos lo mismo para el Factor 2, vemos que lo señalado es Cilindrada, Potencia y Consumo. Al resumen de estas tres le llamaremos Mecánica. Por último, vamos por el Factor 3, del cual se destaca Aceleración (debe considerarse en valor absoluto), y Velocidad M. Le daremos el nombre de Estilo.

Ya hemos conseguido lo que queríamos. Bueno la pregunta que ahora todo el mundo se hace es Vale, a los factores ya les he puesto nombres en función de unos valores máximos señalados en una columna, pero ¿qué es realmente un factor?

Un factor dicho de forma muy coloquial, sería una nueva variable que nos hemos inventado, y que sintetiza a todas las demás. Cada factor sintetiza a unas variables más y a otras menos, motivo por el cual en la última tabla que se presenta, se buscan los valores más altos para saber qué «sintetiza cada factor». El significado de los números, porque siempre hay curiosos, decir que son las correlaciones. El significado de éstas y su interpretación no nos interesa.

investigacion de mercados 444

Utilidad e interpretación final

La salida última de ordenador, consiste en una serie de mapas, donde se combinan los factores y se posicionan los vehículos. Comenzando por el primero de la lista que sería el AlfaRomeo1, y al cual se le asigna el número 1, al AlfaRomeo2 se le asigna el número 2, y así sucesivamente, el programa de trabajo nos sitúa todos los vehículos en el gráfico

Si por ejemplo cogemos el gráfico con los factores F2 = MECÁNICA y F3 = ESTILO, podemos ver donde se sitúan los vehículos, y si existen huecos de mercado que puedan ser interesantes para lanzar nuevos productos.

Interpretación: Cogemos el valor cero del eje X, y el valor cero del eje Y. El punto de intersección de estos dos puntos, indica cuáles son los vehículos que están dentro del «standar» es decir dentro de lo que consideramos normal.

Si cogemos un valor extremo, como por ejemplo el número 33 (se corresponde con el OPEL 1), significa que este vehículo destaca sobre todo sus buenas cualidades mecánicas, es muy competitivo en ese punto. Sin embargo en cuanto estilo (Eje Y próximo a cero) no se destaca comparado con los de su categoría.

Es indiscutible la utilidad de este tipo de análisis para buscar oportunidades de mercado.

estrategias de marketing sello

En Estrategias y Marketing . com desarrollamos plataformas web responsive, app para negocios y app internas para empresas, gestión de redes sociales, posicionamiento SEO/SEM, diseño publicitario y mantenimiento para herramientas de acciones online y Estrategias de Marketing. Queremos ser tu socio. Somos los adecuados para ayudarte a conseguir tus objetivos

Añadimos cookies para mejorar tu experiencia como usuario. Leer Política de cookies
SI, ACEPTO