Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INVESTIGACIN DE MERCADOS II
INVESTIGACIN DE MERCADOS II
CURSO 2013-2014
T0. Introduccin
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
Conocimientos:
- Conocer las finalidades y aplicaciones comerciales de los principales anlisis
estadsticos, en el proceso de anlisis de la informacin de base.
- Entender cuales son los requisitos para aplicar estos anlisis y aprender a
interpretar los resultados.
- Estructurar y comunicar de forma efectiva las conclusiones que se deriven de los
resultados obtenidos.
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
T0. Planificacin
?/@85871"
HBI"
DJE$AE#$ACG"
?/@85871"
ABC"
D$CE$AAE#$AFG"
?/@85871"
*3-*4*-)7K"
D$IE$$AE#$ACG"
b) Examen final. El estudiante ser evaluado por las respuestas de todas las partes del examen
(la terica y la prctica).
La parte terica se evaluar a travs de un examen tipo test, y superar esta parte es el requisito
indispensable para que se evale la parte prctica. En el caso de no superar la parte terica, no
se supera la asignatura. La parte terica representa un 50% de la cualificacin y la prctica el
otro 50%.
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
Diseo de la investigacin
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
1 Visin de la preparacin de la
informacin de base dentro el
proceso comercial
2 Codificacin
2.1 Precodificacin del cuestionario
2.2 Codificacin de preguntes
2.3 Fase de postcodificacin
3 Creacin del fichero de datos
3.1 Grabacin en soporte informtico
3.2 Definicin fichero datos
4 Definicin controles consistencia
5 Ponderacin del fichero de datos
Anlisis univariable i
bivariable
Anlisis multivariable
1 Introduccin al anlisis de
informacin
1.1 Escalas de medida
1.2 Matrices de datos
1.3 Tipo y clasificacin de anlisis
1.4 Plan de anlisis
2 Anlisis univariable
2.1 Estadstica descriptiva segn la
naturaleza de los datos.
2.2 Frecuencias absolutas y relativas
2.3 Medidas de tendencias
2.4 Mesures de dispersin
2.5 Asimetra y curtosi
2.6 Inferencia estadstica para una
variable
3 Anlisis bivariable
3.1 Introduccin al anlisis bivariable
3.2 Medidas de asociacin
3.3 Inferencia estadstica
3.4 Anlisis de la varianza
3.5 Anlisis de regresin simple
1 Introduccin al anlisis
multivariable
1.1 Escalas de medidas
1.2 Concepto de cantidad
informacin
1.3 Clasificacin de los anlisis
multivariables
2 Anlisis factorial
2.1 Definicin i objetivos
2.2 Metodologa del anlisis
2.3 Interpretacin resultados
2.4 Aplicaciones
3 Anlisis de correspondencias
4 Anlisis tipolgica
5 Anlisis escalas multidimensionales
6 Anlisis de regresin y correlacin
mltiple
7 Anlisis discriminante
8 Anlisis de medidas conjuntas
9 Anlisis mltiple de la varianza
10 Otros mtodos
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
T0. Bibliografa
PEDRET, R.; SAGNIER, L.; CAMP, F. Herramientas para segmentar mercados y posicionar
productos. Barcelona: Deusto, 2003.
GRANDE, I.; ABASCAL, E. Fundamentos y tcnicas de investigacin comercial. Madrid: ESIC,
2007.
MALHOTRA, N.K. Investigacin de mercados: un enfoque aplicado. Madrid: ESIC, 2004.
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
Y las horas de tutora son los mircoles de 19.15h a 20h (previa confirmacin via mail) en:
Facultat dEconomia i Empresa.
Edifici 690. Torre 2, 3 planta. Dept. Economia i Organitzaci d'Empreses
rea de Mrqueting
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
Porcenta
Vlidos 1,00 De 18 a 25
2,00 De 26 a 35
3,00 De 36 a 45
4,00 De 46 a 55
5,00 De 56 a 65
Total
ejemplo
22,3
59,5
81,5
92,1
100,0
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
fc * xc
X=
c=1
Medidas de dispersin
C
fc *( xc x )2
S2 =
c=1
n-1
S2
Rango
C = nmero de categoras de la variable X (1,2,3,... C)
X c = valor que toma la categora C de la variable
f c = nmero de individuos que han citado la categora C de la variable X
n = nmero total de individuos (tamao muestral)
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
Skewness >0
Skewness <0
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
Kurtosis >0
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
Kurtosis <0
ejemplo
De 9 a 10
18,5
De 7 a 8
65,8
De 0 a 6
15,8
Distribucin de frecuencias
40
33 32,8
35
30
25
20
15
12
10,5
10
5
3,3
0,3
Desv.tp=1,24
0,3
Media= 7,57
N=400
0
10
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
Tipos de errores:
error tipo I: se comete cuando se rechaza la H0 siendo verdadera. Se corresponde con el nivel
de significacin a elegir, que suele ser 0.01, 0.05 o 0.10.
error tipo II: se comete cuando se acepta la H0 siendo falsa.
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
El estadstico apropiado es el de la t.
Zona de rechazo de H0: zona de la distribucin del estadstico donde corresponde rechazar la
hiptesis nula en caso que el valor del estadstico calculado pertenezca a dicha zona.
Zona de aceptacin de H0: zona de la distribucin del estadstico donde corresponde aceptar la
hiptesis nula en caso que el valor del estadstico calculado pertenezca a dicha zona.
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
VARIABLE DEPENDIENTE O A
EXPLICAR
Cualitativa
Cuantitativa
Tablas de contingencia
Anlisis discriminante
simple
Prueba de Chi-Cuadrado
Cuantitativa
Anlisis de la varianza
(ANOVA)
Coeficiente de correlacin
Regresin lineal simple
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
ejemplo
EDAD DEL
ENTREVI STADO
1,00 De 18 a 24
2,00 De 25 a 29
3,00 De 30 a 35
4,00 De 36 a 43
5,00 De 44 a 65
Total
Recuent o
% de EDAD DEL
ENTREVI STADO
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de EDAD DEL
ENTREVI STADO
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de EDAD DEL
ENTREVI STADO
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de EDAD DEL
ENTREVI STADO
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de EDAD DEL
ENTREVI STADO
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de EDAD DEL
ENTREVI STADO
% de SEXO
ENTREVI STADO
% del total
SEXO ENTREVISTADO
1 Hombre
2 Mujer
69
66
Total
135
51,1%
48,9%
100,0%
35,2%
32,2%
33,7%
17,2%
54
16,5%
51
33,7%
105
51,4%
48,6%
100,0%
27,6%
24,9%
26,2%
13,5%
28
12,7%
28
26,2%
56
50,0%
50,0%
100,0%
14,3%
13,7%
14,0%
7,0%
23
7,0%
22
14,0%
45
51,1%
48,9%
100,0%
11,7%
10,7%
11,2%
5,7%
22
5,5%
38
11,2%
60
36,7%
63,3%
100,0%
11,2%
18,5%
15,0%
5,5%
196
9,5%
205
15,0%
401
48,9%
51,1%
100,0%
100,0%
100,0%
100,0%
48,9%
51,1%
100,0%
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
UTILIZA
CINES
1 Si
2 No
Total
Recuent o
% de UTILIZA
CINES ODEON
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de UTILIZA
CINES ODEON
% de SEXO
ENTREVI STADO
% del total
Recuent o
% de UTILIZA
CINES ODEON
% de SEXO
ENTREVI STADO
% del total
SEXO ENTREVISTADO
1 Hombre
2 Mujer
119
117
Total
236
50,4%
49,6%
100,0%
60,7%
57,1%
58,9%
29,7%
77
29,2%
88
58,9%
165
46,7%
53,3%
100,0%
39,3%
42,9%
41,1%
19,2%
196
21,9%
205
41,1%
401
48,9%
51,1%
100,0%
100,0%
48,9%
51,1%
100,0%
Pruebas de chi-cuadrado
Chi-cuadrado de Pearson
Correccin por
a
continuidad
Razn de v erosimilitudes
Estadst ico exacto de
Fisher
Asociacin lineal por
lineal
N de casos v lidos
Sig. asinttica
(bilateral)
,459
,409
,523
,549
,459
,547
,459
gl
Sig. exacta
(bilateral)
Sig. exacta
(unilateral)
,479
Valor
,549b
,261
401
100,0%
100,0%
ejemplo
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
ejemplo
Informe
EDAD
SEXO
Hombre
Mujer
Total
Media
27,47
24,33
25,78
N
462
541
1003
Desv . t p.
9,404
9,405
9,529
Las medias de edad para hombres y mujeres es de 27,47 aos y 24,33 aos,
respectivamente.
Esta diferencia es estadsticamente diferente o simplemente responden al margen de
error del muestreo?
Tabla de ANOVA
EDAD * SEXO
Inter-grupos
Intra-grupos
Total
(Combinadas)
Suma de
cuadrados
2463,326
88557,629
91020,955
gl
1
1001
1002
Media
cuadrtica
2463,326
88,469
F
27,844
Sig.
,000
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
ejemplo
EDAD ENTREVISTADO
GRADO SATISFACCION
GENERAL
Media
30,78
Desv iacin
tpica
10,740
7,30
1,277
N
401
401
Correlaciones
Correlacin de Pearson
Sig. (bilateral)
Suma de cuadrados y
productos cruzados
Cov arianza
N
GRADO SATISFACCION Correlacin de Pearson
GENERAL
Sig. (bilateral)
Suma de cuadrados y
productos cruzados
Cov arianza
N
EDAD
ENTREVI
STADO
1
GRADO
SATISFACCIO
N GENERAL
-,015
,770
46136,688
-80,446
115,342
401
-,015
,770
-,201
401
1
-80,446
652,489
-,201
401
1,631
401
EDAD ENTREVISTADO
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
ejemplo
Entrel'opinigeneralobservadai
l'ajustadahi ha una correlacidel 95%
File :
Written
Variable(s)
Entered
on Step Number
Multiple
R
R Square
Adjusted R Square
Standard Error
-----------------Variable
OPIPLA
(Constant)
End Block
. 94955
. 90165
. 89906
. 08359
Variables
B
. 228138
6 . 148489
Number
All
1 .. OPIPLA
OPINION PLAYAS
Analysis
of Variance
DF
Sum of Squares
Regression
1
2 . 43445
Residual
38
. 26555
F =
348 . 37156
Signif
F = . 0000
in the Equation -----------------SE B
Beta
T
. 012223
. 949552
18 . 665
. 094767
64 . 880
requested
variables
Sig T
. 0000
. 0000
entered .
Equaci de regresi:
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
y=6.14 + 0.22x
Mean Square
2 . 43445
. 00699
Conceptos clave
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
Factor 1. Altamente correlacionado con Limpieza del local, horarios amplios, no hay colas,
personal amable => SERVICIO AL CLIENTE
Factor 2. Altamente correlacionado con Nivel de promociones y ofertas y buen surtido de
productos => OFERTA DE PRODUCTOS
A.F.
Tipo Q
A.F.
Tipo R
Las variables que se utilizan en el anlisis deben ser comparables, para permitir una
correcta interpretacin de los factores obtenidos. En caso de mezclar variables de diferente
significado, se corre el riesgo de obtener factores sin sentido.
Las variables deben estar medidas en la misma escala. En el caso que las variables
hayan sido medidas en escalas muy diferentes, es necesario normalizarlas (restando la
media y dividiendo por la desviacin estndar), con el objeto de evitar la distorsin de
resultados por parte de las variables con una varianza ms elevada.
Las variables introducidas en el anlisis deben ser cuantitativas. Este anlisis intenta
definir los factores a travs de la correlacin que exista entre las variables iniciales. Y slo
tiene sentido calcular coeficientes de correlacin entre variables con propiedades
cuantitativas.
PUNTUACION
AMABILIDAD/EFICACIA
PERSONAL
PUNTUACION LIMPI EZA
DE LOS LOCALES
PUNTUACION DISENO
INTER./EXTER. LOCALES
PUNTUACION TIEMPO
DE ESPERA
PUNTUACION CALIDAD
DE LOS PRODUCTOS
PUNTUACION VARIEDAD
DE LOS PRODUCTOS
PUNTUACION INTERES
DE SUS PROMOCIONES
PUNTUACION INTERES
DE SU PUBLICIDAD
PUNTUACION RELACI ON
CALIDAD/PRECIO
PUNTUACIO
N LIMPIEZA
DE LOS
LOCALES
PUNTUACIO
N DISENO
INTER.
/EX
TER.
LOCALES
PUNTUACIO
N TIEMPO
DE ESPERA
PUNTUACION
CALIDAD DE
LOS
PRODUCTOS
PUNTUACIO
N INTERES
DE SUS
PROMOCIO
NES
PUNTUACION
INTERES DE
SU
PUBLI CIDAD
PUNTUACION
RELACION
CALIDAD/
PRECIO
1,000
,541
,422
,409
,438
,541
1,000
,483
,372
,454
,336
,333
,335
,407
,293
,242
,328
,422
,483
1,000
,399
,420
,486
,458
,407
,391
,409
,372
,399
,442
1,000
,406
,320
,337
,372
,419
,438
,454
,486
,406
1,000
,581
,408
,375
,603
,336
,333
,293
,458
,320
,581
1,000
,541
,437
,560
,242
,407
,337
,408
,541
1,000
,631
,519
,335
,328
,391
,372
,375
,437
,631
1,000
,472
,407
,420
,442
,419
,603
,560
,519
,472
1,000
PUNTUACION
VARI EDAD DE
LOS
PRODUCTOS
limpieza
!"#$%
Factor 1
Factor 2
Component e
1
2
3
4
5
6
7
8
9
K = mn (P,I) 1
Component e
1
2
3
4
5
6
7
8
9
ejemplo
Component e
1
2
3
4
5
6
7
8
9
ejemplo
Varianza total expl icada
Component e
1
2
3
4
5
6
7
8
9
ejemplo
Dado que el punto de inflexin se sita
en el factor o componente 2, este
criterio nos determina seleccionar
nicamente el primer factor.
Punto de
inflexin
obtener factores que sean operativos, es decir, que sean variables relevo en estudios o
anlisis posteriores.
Variable 7
Y27
Correlacin
Factor 2-Variable 7
X17
Correlacin
Factor 1-Variable 7
La correlacin de la variable 7 es
similar tanto para el factor 1 como
el factor 2.
A la hora de interpretar el
significado de ambos factores, la
variable 7 intervendr en ambos
casos.
Pero podramos obtener una
solucin factorial en que la variable
7 slo se utilizase para interpretar
un solo factor?
Variable 7
X17
Correlacin
Factor 1-Variable 7
En investigacin comercial, se suelen utilizar las rotaciones ortogonales, y dentro de ellas, el algoritmo VARIMAX,
que intenta maximizar la correlacin con las variables con ndices de correlacin ms prximos a +1 y -1, y
minimizar la correlacin con el resto de variables.
Al ejecutar una rotacin de los factores, hay que tener en cuenta que la cantidad de informacin
explicada por los factores seleccionados no vara. Pero s lo hace la cantidad de informacin explicada
por cada factor.
Interpretacin de resultados
Comunalidades
Inicial
PUNTUACI ON
AMABILIDAD/EFI CACIA
PERSONAL
PUNTUACI ON LIMPIEZA
DE LOS LOCALES
PUNTUACI ON DISENO
INTER./EXTER. LOCALES
PUNTUACI ON TIEMPO
DE ESPERA
PUNTUACI ON CALIDAD
DE LOS PRODUCTOS
PUNTUACI ON VARI EDAD
DE LOS PRODUCTOS
PUNTUACI ON INTERES
DE SUS PROMOCIONES
PUNTUACI ON INTERES
DE SU PUBLICI DAD
PUNTUACI ON RELACION
CALIDAD/PRECIO
Extraccin
1,000
,794
1,000
,790
1,000
,949
1,000
,989
1,000
,789
1,000
,769
1,000
,813
1,000
,828
1,000
,726
Interpretacin de resultados
a
Matri z de componentes
1
PUNTUACION RELACI ON
CALIDAD/PRECIO
PUNTUACION CALIDAD
DE LOS PRODUCTOS
PUNTUACION VARIEDAD
DE LOS PRODUCTOS
PUNTUACION DISENO
INTER./EXTER. LOCALES
PUNTUACION INTERES
DE SUS PROMOCIONES
PUNTUACION INTERES
DE SU PUBLICIDAD
PUNTUACION
AMABILIDAD/EFICACIA
PERSONAL
PUNTUACION LIMPI EZA
DE LOS LOCALES
PUNTUACION TIEMPO
DE ESPERA
Componente
3
,778
-,127
-,205
,117
-,220
,762
,056
-,421
,129
-,102
,727
-,316
-,374
,021
,020
,711
,168
-,069
-,146
,623
,704
-,498
,224
-,135
-,027
,687
-,368
,435
-,176
-,018
,660
,440
,158
-,180
-,328
,645
,544
,042
-,274
-,025
,627
,206
,340
,656
,086
Interpretacin de resultados
a
Matri z de componentes rotados
1
PUNTUACION CALIDAD
DE LOS PRODUCTOS
PUNTUACION VARIEDAD
DE LOS PRODUCTOS
PUNTUACION RELACI ON
CALIDAD/PRECIO
PUNTUACION INTERES
DE SU PUBLICIDAD
PUNTUACION INTERES
DE SUS PROMOCIONES
PUNTUACION
AMABILIDAD/EFICACIA
PERSONAL
PUNTUACION LIMPI EZA
DE LOS LOCALES
PUNTUACION TIEMPO
DE ESPERA
PUNTUACION DISENO
INTER./EXTER. LOCALES
Componente
3
,789
,076
,308
,175
,186
,772
,339
,036
,026
,236
,710
,325
,272
,206
,850
,202
,155
,130
,354
,813
,073
,082
,120
,214
,199
,823
,174
,017
,181
,075
,793
,095
,336
,199
,179
,207
,924
,143
,273
,214
,255
,159
PRODUCTO
PUBLICIDAD Y PROMOCIN
PERSONAL Y LIMPIEZA
TIEMPO DE ESPERA
DISEO
,031
,153
FACTOR 1
FACTOR 2
FACTOR 3
FACTOR 4
FACTOR 5
,859
ejemplo
FACTOR
Listar las variables a
/VARIABLES v1 v2 v3 v4 ...
utilizar en el anlisis
/MISSING PAIRWISE
/ANALYSIS v1 v2 v3 v4 ...
/FORMAT SORT
/PRINT INITIAL CORRELATION EXTRACTION ROTATION
/CRITERIA FACTORS(n) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
Sustituir n por el nmero
/ROTATION VARIMAX.
de factores a conservar
Opcional: en el caso de
desear guardar las
puntuaciones factoriales
Resultados SPSS
Comunalidades
AGIP
LINUX
HEINEKEN
MIZUNO
GALP
KAPPA
LOGITECH
SPEEDO
ROLEX
WI NDOWS
BEEFEATER
BREITLI NG
AMD
ADIDAS
ARMANI
SWATCH
Inicial
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
Extraccin
,513
,617
,470
,431
,347
,286
,493
,412
,599
,417
,398
,580
,503
,331
,513
SWATCH
BACARDI
INTEL
CORONITA
BURBERRY
BRIDGESTONE
PAULANER
DOCKERS
QUI CKSILVER
POLO RALPH LAUREN
SANDOZ
ALPINESTARS
DUNLOP
TIMBERLAND
TOTAL
EL NIO
BP
VICEROY
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
,435
,302
,564
,399
,528
,499
,583
,432
,576
,391
,654
,391
,465
,416
,535
,419
,543
,619
Resultados SPSS
Varianza total explicada
Componente
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Autovalores iniciales
% de la
varianza
Total
% acumulado
5,928
17,964
17,964
2,112
6,399
24,363
1,903
5,767
30,130
1,594
4,830
34,960
1,484
4,498
39,458
1,353
4,099
43,556
1,289
3,906
47,462
1,264
3,830
51,292
1,185
3,590
54,882
1,114
3,376
58,258
1,063
3,221
61,479
,963
2,918
64,397
,942
2,854
67,250
,874
2,648
69,898
,865
2,621
72,519
,794
2,406
74,925
,734
2,224
77,150
,719
2,180
79,330
,685
2,074
81,404
,653
1,978
83,382
Es suficiente % de
varianza explicada
por el modelo?
Necesitamos ms
factores?
Resultados SPSS
a
Matriz de componentes
1
BRIDGESTONE
ARMANI
AGIP
INTEL
TIMBERLAND
ALPINESTARS
QUICKSILVER
BP
SPEEDO
BEEFEATER
GALP
DOCKERS
DUNLOP
BREITLING
POLO RALPH LAUREN
MIZUNO
EL NIO
AMD
KAPPA
HEINEKEN
CORONITA
ADIDAS
WINDOWS
LINUX
2
,637
,572
,566
,540
,537
,514
,514
,497
,483
,477
,473
,472
,466
,461
,433
,427
,413
,401
,318
,395
,375
,208
,080
,315
,007
,041
,018
,264
-,107
,027
,300
,305
-,014
-,146
,215
-,211
,170
-,450
-,049
-,095
,296
-,339
,150
,442
-,425
,381
,379
,121
3
-,157
-,299
,028
,282
,131
,035
-,203
,127
-,192
,321
,077
-,346
-,070
,059
-,277
-,256
-,252
,361
-,103
,154
-,057
,209
,107
,627
Componente
4
,053
-,143
,244
-,151
,145
,189
,040
-,034
,013
-,071
-,159
,078
-,016
,234
,220
-,110
-,054
,140
,197
-,098
-,146
-,267
,044
,037
5
-,244
-,175
-,229
,258
-,027
-,296
-,041
-,207
,024
,040
,033
,155
-,278
-,236
-,195
,283
,174
,118
,273
,045
,086
-,162
-,183
,200
6
,073
-,042
-,171
-,184
,252
,044
,414
-,363
,085
-,163
-,206
-,073
-,313
,199
-,121
-,045
,220
-,226
-,046
,217
-,039
-,032
,354
,228
7
-,027
-,204
-,223
-,024
-,117
-,003
,084
,106
,366
-,111
-,043
-,094
-,195
,109
-,152
-,282
-,126
,113
,191
-,192
,209
,021
,309
-,129
La solucin de
factores sin rotar
muestra una
correlacin muy
elevada de muchas
variables con el
primer factor, as
como variables que
tienen una
correlacin similar
con ms de un factor.
Esta solucin es
difcil de interpretar.
Resultados SPSS
a
Matriz de componentes rotados
1
AGIP
ARMANI
BRIDGESTONE
DUNLOP
POLO RALPH LAUREN
ALPINESTARS
BP
DOCKERS
SANDOZ
VICEROY
CORONITA
SPEEDO
LOGITECH
LINUX
BACARDI
INTEL
HEINEKEN
TIMBERLAND
EL NIO
MIZUNO
PAULANER
AMD
BEEFEATER
BREITLING
BURBERRY
,660
,620
,612
,607
,602
,518
,446
,428
,100
,065
,118
,249
-,032
-,040
,070
,210
,243
,370
,304
,336
,067
,137
,265
,358
2
-,085
,315
,254
,007
,038
,040
,034
,294
,778
,767
,478
,413
,113
-,111
-,065
,138
,027
,123
,224
,289
,199
,066
,115
,204
3
,140
,073
,099
-,039
-,005
,071
-,020
,190
,022
,029
,051
,070
,671
,607
,460
,450
,426
,384
,362
,349
,031
,224
,285
,065
Componente
4
,214
-,094
,054
,089
,014
,165
,252
,031
,056
,116
,342
,087
,117
,282
,095
,238
-,176
,164
-,334
-,074
,724
,649
,439
,375
,048
,095
,035
,258
-,155
,062
,422
-,303
,176
,052
-,191
-,078
-,120
,309
-,056
,402
,418
-,040
,081
-,119
,100
-,078
,170
-,295
,002
-,001
-,033
,107
,056
-,065
,303
,143
,065
-,076
,006
,229
-,025
-,169
,258
,282
-,007
-,197
,137
,091
-,048
,055
-,046
-,285
,045
-,076
,212
-,097
,014
,285
,098
-,116
,016
-,064
-,015
,330
,000
,178
-,046
-,037
,155
,222
,092
-,292
,038
,010
-,096
,313
Resultados SPSS
BURBERRY
ADIDAS
GALP
ROLEX
SWATCH
KAPPA
TOTAL
WINDOWS
QUICKSILVER
,288
,111
,328
,153
,078
,139
,078
-,041
,363
,055
,060
,159
,199
,180
,085
-,195
,015
,275
,216
,038
,196
,170
,095
,250
-,002
,013
,284
,017
-,008
,129
,209
,021
,030
,210
-,158
-,283
-,586
,550
,334
-,015
,074
-,096
-,104
,260
,089
,225
,040
,211
-,665
,575
,394
,260
,006
,040
,036
,096
-,055
,143
,225
,178
,607
,568
,446
Interpretacin de resultados
Concepto clave:
datos de partida
En general, puede trabajar con cualquier matriz de datos no negativos (nulos o positivos),
independientemente de su escala de medida.
ATRIBUTOS
Mejor cobertura
Mejor adaptabilidad a
las empresas
Mejor oferta de
terminales
Precio ms bajo
Menor tiempo de
espera de atencin
Ms eficaz en el servicio
Mejor asesoramiento
Personal ms amable
Personal ms
profesional
Mayor claridad en las
comunicaciones
Ms internacional
Mejor asistencia tcnica
Mejores planes de
ahorro
Ms publicidad
Ms promociones
Peor oferta global para
empresas
Mejor oferta global para
empresas
Mayor compromiso
social
Margen activo
EMPRESAS
YOIGO
CC
238
424
VODAFONE
1067
MOVISTAR
2146
ORANGE
1099
1421
2610
1219
365
376
620
414
71
368
793
600
1378
2650
955
1212
1007
a. Columna suplementaria
OTROS
337
IDEAL
871
Margen activo
5311
631
341
1070
6587
139
188
382
1808
121
251
329
735
2462
1270
357
661
396
2019
6712
2364
2281
2337
938
1063
921
258
263
268
423
523
440
214
317
265
887
119
1568
5152
5659
5238
1189
2336
1085
340
494
289
393
5733
751
1777
1547
220
320
398
89
5013
1115
993
2596
2486
751
1089
233
277
439
438
97
296
1000
2486
5231
5579
1245
2733
535
141
552
141
63
5347
574
814
1046
1483
698
1030
142
160
299
388
268
226
1402
21
3027
4101
576
697
224
287
57
22
1863
5234
970
2210
1073
192
542
247
143
1373
2471
1143
263
442
180
127
17384
35636
16699
4196
7463
4551
5872
85929
376 personas
entrevistadas han
asociado la
caracterstica de mejor
oferta de terminales a
Vodafone.
Pero es realmente
Vodafone quien tiene
ms asociado este
atributo a su imagen
de marca?
perfiles fila: detalla la proporcin de asociaciones del atributo f que han recado en la
empresa c.
Se crean as las tablas de frecuencias condicionadas, que contienen los vectores fila y los
vectores columnas, que estarn condicionados por el peso de citacin de cada atributo y
empresa, respectivamente.
ATRIBUTOS
Mejor cobertura
Mejor adaptabilidad a
las empresas
Mejor oferta de
terminales
Precio ms bajo
Menor tiempo de
espera de atencin
Ms eficaz en el servicio
Mejor asesoramiento
Personal ms amable
Personal ms
profesional
Mayor claridad en las
comunicaciones
Ms internacional
Mejor asistencia tcnica
Mejores planes de
ahorro
Ms publicidad
Ms promociones
Peor oferta global para
empresas
Mejor oferta global para
empresas
Mayor compromiso
social
Masa
EMPRESAS
YOIGO
CC
,045
,080
VODAFONE
,201
MOVISTAR
,404
ORANGE
,207
,216
,396
,185
,055
,208
,343
,229
,039
,149
,322
,244
,205
,395
,185
,214
,192
a. Columna suplementaria
ejemplo
a
OTROS
,063
IDEAL
,164
Margen activo
1,000
,096
,052
,162
1,000
,077
,104
,211
1,000
,049
,102
,134
,299
1,000
,189
,053
,098
,059
,301
1,000
,459
,403
,446
,182
,188
,176
,050
,046
,051
,082
,092
,084
,042
,056
,051
,172
,021
,299
1,000
1,000
1,000
,207
,407
,189
,059
,086
,050
,069
1,000
,150
,354
,309
,044
,064
,079
,018
1,000
,213
,178
,496
,446
,144
,195
,045
,050
,084
,079
,019
,053
,191
,446
1,000
1,000
,233
,511
,100
,026
,103
,026
,012
1,000
,190
,198
,346
,362
,231
,251
,047
,039
,099
,095
,089
,055
,463
,005
1,000
1,000
,309
,374
,120
,154
,031
,012
,000
1,000
,185
,422
,205
,037
,104
,047
,027
1,000
,234
,421
,195
,045
,075
,031
,022
1,000
,202
,415
,194
,049
,087
,053
,156
Del total de
asociaciones de mejor
oferta de terminales,
el 20,8% corresponden
a Vodafone, el 34,3% a
Movistar, etc.
Todos los valores de
una misma fila suman
el 100% (margen
activo). Esta tabla,
pues, nos facilita el
vector fila.
ATRIBUTOS
Mejor cobertura
Mejor adaptabilidad a
las empresas
Mejor oferta de
terminales
Precio ms bajo
Menor tiempo de
espera de atencin
Ms eficaz en el servicio
Mejor asesoramiento
Personal ms amable
Personal ms
profesional
Mayor claridad en las
comunicaciones
Ms internacional
Mejor asistencia tcnica
Mejores planes de
ahorro
Ms publicidad
Ms promociones
Peor oferta global para
empresas
Mejor oferta global para
empresas
Mayor compromiso
social
Margen activo
EMPRESAS
YOIGO
CC
,057
,057
VODAFONE
,061
MOVISTAR
,060
ORANGE
,066
,082
,073
,073
,087
,022
,017
,025
,017
,021
,022
,036
,079
,074
,055
,070
,058
OTROS
,074
IDEAL
,065
,085
,075
,080
,077
,019
,041
,029
,021
,029
,034
,072
,055
,029
,076
,085
,089
,087
,151
,078
,066
,064
,066
,056
,064
,055
,061
,063
,064
,057
,070
,059
,047
,070
,058
,066
,009
,117
,060
,066
,061
,068
,066
,065
,081
,066
,064
,029
,067
,043
,050
,093
,052
,043
,087
,007
,058
,064
,057
,073
,070
,045
,065
,056
,066
,059
,059
,021
,065
,075
,186
,061
,065
,072
,077
,032
,034
,074
,031
,005
,062
,033
,047
,029
,042
,042
,062
,034
,038
,040
,052
,059
,050
,105
,002
,035
,048
,033
,020
,013
,068
,008
,005
,000
,022
,056
,062
,064
,046
,073
,054
,011
,061
,079
,069
,068
,063
,059
,040
,009
,068
1,000
1,000
1,000
1,000
1,000
1,000
ejemplo
Masa
,062
1,000
Del total de
asociaciones que se
han producido entre
todas las empresas y
atributos, el 2,1%
corresponden a
mejor oferta de
terminales.
a. Columna suplementaria
Este es el perfil de asociacin de la empresa Vodafone (vector columna). Ahora son estos porcentajes los que totalizan 100%. As, podemos
decir que del total de asociaciones de Vodafone, el 2,2% corresponden al atributo mejor oferta de terminales. Pese a que Vodafone tena
menor nmero absoluto de asociaciones para este atributo que Movistar, en trminos relativos, ambas empresas son similares.
K = mn (F,C) 1
Criterio de Kaiser
Criterio de restitucin mnima
Criterio de informacin restituida por cada factor, dentro del cual existen 3 reglas empricas.
Concepto clave:
contribucin absoluta
La contribucin absoluta nos determina en qu medida cada una de las variables (fila y
columna) interviene en la formacin de los ejes factoriales que se utilizan para posicionar las
variables fila y columna. Si una variable tiene un peso importante en la formacin de un eje
factorial o dimensin, nos servir para poder otorgarle un significado.
la proximidad entre dos empresas indica que presentan los mismos puntos fuertes y
dbiles.
la proximidad entre atributos y empresas permite establecer una fuerte asociacin entre
ambos, y nos permite definir la imagen de esa empresa.
En el caso que la nube de puntos sea parcialmente compacta, se debe realizar un zoom de
mercado.
Interpretacin de resultados
Puntos poco
diferenciados
Mejor asistencia tcnica
CC
Mejor oferta global para empresas
Precio
OTROS ms bajo
IDEAL
Ms promociones
ORANGE
Personal ms amable
Ms eficaz en el servicio
MOVISTAR
Mejor
cobertura
Ms publicidad
! "
!
! #
!
Mayor claridad en
las comunicaciones
Mejor
Mejor oferta de
asesoramiento
terminales
Menor tiempo de
espera de atencin !
Ms internacional
"
VODAFONE
Mejor adaptabilidad a las empresas
Personal ms profesional
YOIGO
!
Peor oferta global
para empresas
CALIDAD DE
REPRESENTACIN:
Dos puntos pueden
estar prximos en un
plano, pero muy
separados si utilizamos
un tercer eje.
Interpretacin de resultados
a
Examen de los puntos de fila
Puntuacin en la
dimensin
ATRIBUTOS
Mejor cobertura
Mejor adaptabilidad a
las empresas
Mejor oferta de
terminales
Precio ms bajo
Menor tiempo de
espera de atencin
Ms eficaz en el servicio
Mejor asesoramiento
Personal ms amable
Personal ms
profesional
Mayor claridad en las
comunicaciones
Ms internacional
Mejor asistencia tcnica
Mejores planes de
ahorro
Ms publicidad
Ms promociones
Peor oferta global para
empresas
Mejor oferta global para
empresas
Mayor compromiso
social
Total activo
Masa
,062
Contribucin
De los puntos a la
inercia de la
dimensin
1
2
,008
,000
1
-,139
2
,004
Inercia
,000
,077
,041
-,103
,000
,001
,009
,063
,248
,311
,021
-,585
-,061
,001
,047
,001
,732
,005
,737
,029
-,961
,005
,005
,174
,000
,812
,000
,812
,078
-,046
-,046
,000
,001
,002
,084
,052
,136
,060
,066
,061
,165
,001
,118
,084
,008
,047
,001
,000
,000
,011
,000
,006
,005
,000
,001
,429
,000
,427
,067
,003
,041
,496
,003
,468
,067
,044
-,152
,000
,001
,017
,106
,777
,883
,058
-,774
-,071
,006
,230
,003
,831
,004
,836
,061
,065
,558
,006
,177
,065
,003
,000
,125
,000
,021
,003
,898
,001
,055
,064
,952
,065
,062
,695
,480
,006
,198
,155
,737
,215
-,505
-,319
-,033
,035
,002
,001
,059
,032
,000
,001
,867
,590
,002
,004
,869
,594
,022
,777
-1,775
,008
,086
,738
,239
,759
,998
,061
-,030
,254
,001
,000
,043
,015
,663
,678
,068
,209
-,059
,001
,020
,003
,409
,020
,429
,037
1,000
NO UTILIZAR PARA LA
INTERPRETACIN DE
RESULTADOS!!
,952
,035
,048
1,000
1,000
a. Normalizacin Simtrica
Interpretacin de resultados
b
Examen de los puntos columna
Puntuacin en la
dimensin
EMPRESAS
VODAFONE
MOVISTAR
ORANGE
YOIGO
CC
OTROS
IDEALa
Total activo
Masa
,202
,415
,194
,049
,087
,053
,156
1,000
1
,255
,243
-,540
,166
-,011
-1,031
-,441
2
-,195
,168
-,043
-1,124
,357
,035
,173
Contribucin
Inercia
,004
,005
,010
,006
,002
,010
,131
,037
De los puntos a la
inercia de la
dimensin
1
2
,086
,083
,161
,127
,373
,004
,009
,667
,000
,119
,371
,001
,000
,000
1,000
1,000
a. Punto suplementario
b. Normalizacin Simtrica
NO UTILIZAR PARA LA
INTERPRETACIN DE
RESULTADOS!!
visualizacin del ideal de mercado: se incorpora en el anlisis como una empresa ms,
pero con un comportamiento pasivo (no interviene en la formacin de los ejes, nicamente
se posiciona en ellos).
Es posible este
movimiento?
Precio
OTROS ms bajo
Personal ms amable
Ms eficaz en el servicio
VODAFONE
IDEAL
Mejor
Ms promociones cobertura
ORANGE
MOVISTAR
Ms publicidad
! "
!
! #
!
Mayor claridad en
las comunicaciones
Mejor
Mejor oferta de
asesoramiento
terminales
Menor tiempo de
espera de atencin !
Ms internacional
"
VODAFONE
Mejor adaptabilidad a las empresas
Personal ms profesional
YOIGO
!
Peor oferta global
para empresas
CORRESPONDENCE
TABLE = VI(1 i) BY VJ(1 j)
/DIMENSIONS = n
/MEASURE = CHISQ
/STANDARDIZE = RCMEAN
/NORMALIZATION = SYMMETRICAL
/PRINT = TABLE RPOINTS CPOINTS
/PLOT = NDIM(1,MAX) BIPLOT(20)
Indicar variables y
rangos
Sustituir n por el nmero
de ejes a conservar
RPROFILES CPROFILES
.
Seleccionar La categora es
suplementaria para definir
categoras de valores que no
deben intervenir en la
formacin de los ejes (puntos
fila o columna pasivos).
Resultados SPSS
Tabla de correspondencias
v1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Margen activo
1
24671
26851
27685
7134
6689
27968
21592
25362
27203
21484
17104
25638
26991
25922
33405
30351
7462
16687
19024
419223
2
14019
15406
16704
4114
3364
17146
11749
13786
14922
9217
9404
15284
13860
15074
17744
15001
3519
9258
8848
228419
3
9178
9402
10874
2627
3719
11023
7860
9435
9772
11811
2778
11143
8327
10331
9342
4199
3649
6654
12208
154332
v2
4
1352
1263
1263
480
625
1495
1122
1432
1391
962
6507
726
1089
1400
1089
1450
458
438
721
25263
5
5992
6157
6985
1579
977
7425
4641
5618
6555
3962
793
8359
6568
6109
3045
4672
1698
4006
3602
88743
6
2460
2347
1659
1287
2719
2347
1137
1829
1484
3499
336
1632
774
1535
369
861
1407
498
2822
31002
Margen activo
57672
61426
65170
17221
18093
67404
48101
57462
61327
50935
36922
62782
57609
60371
64994
56534
18193
37541
47225
946982
En total, el atributo 1
se ha asociado 57.672
veces a una o varias de
las empresas
analizadas.
Se han producido
946.982 asociaciones
entre los 19 atributos
(v1) y 6 empresas (v2)
analizadas.
Resultados SPSS
Perfiles de fila
v2
v1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Masa
2
,428
,437
,425
,414
,370
,415
,449
,441
,444
,422
,463
,408
,469
,429
,514
,537
,410
,445
,403
,443
3
,243
,251
,256
,239
,186
,254
,244
,240
,243
,181
,255
,243
,241
,250
,273
,265
,193
,247
,187
,241
4
,159
,153
,167
,153
,206
,164
,163
,164
,159
,232
,075
,177
,145
,171
,144
,074
,201
,177
,259
,163
5
,023
,021
,019
,028
,035
,022
,023
,025
,023
,019
,176
,012
,019
,023
,017
,026
,025
,012
,015
,027
6
,104
,100
,107
,092
,054
,110
,096
,098
,107
,078
,021
,133
,114
,101
,047
,083
,093
,107
,076
,094
,043
,038
,025
,075
,150
,035
,024
,032
,024
,069
,009
,026
,013
,025
,006
,015
,077
,013
,060
,033
Margen activo
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
Resultados SPSS
Perfiles de columna
v1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Margen activo
,059
,064
,066
,017
,016
,067
,052
,060
,065
,051
,041
,061
,064
,062
,080
,072
,018
,040
,045
1,000
,061
,067
,073
,018
,015
,075
,051
,060
,065
,040
,041
,067
,061
,066
,078
,066
,015
,041
,039
1,000
,059
,061
,070
,017
,024
,071
,051
,061
,063
,077
,018
,072
,054
,067
,061
,027
,024
,043
,079
1,000
v2
4
,054
,050
,050
,019
,025
,059
,044
,057
,055
,038
,258
,029
,043
,055
,043
,057
,018
,017
,029
1,000
,068
,069
,079
,018
,011
,084
,052
,063
,074
,045
,009
,094
,074
,069
,034
,053
,019
,045
,041
1,000
,079
,076
,054
,042
,088
,076
,037
,059
,048
,113
,011
,053
,025
,050
,012
,028
,045
,016
,091
1,000
Masa
,061
,065
,069
,018
,019
,071
,051
,061
,065
,054
,039
,066
,061
,064
,069
,060
,019
,040
,050
Resultados SPSS
Resumen
Proporcin de inercia
Dimensin
1
2
3
4
5
Total
Valor propio
,205
,153
,071
,063
,026
Inercia
,042
,023
,005
,004
,001
,075
Chi-cuadrado
71059,089
Sig.
,000a
Explicada
,562
,311
,066
,053
,009
1,000
Acumulada
,562
,872
,939
,991
1,000
1,000
Correlacin
2
,193
a. 90 grados de libertad
Considerando nicamente la representacin
en dos dimensiones, se recoge el 87,2% de
informacin del modelo.
Resultados SPSS
a
Examen de los puntos de fila
Puntuacin en la
dimensin
v1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Total activo
Masa
,061
,065
,069
,018
,019
,071
,051
,061
,065
,054
,039
,066
,061
,064
,069
,060
,019
,040
,050
1,000
a. Normalizacin Simtrica
1
-,085
-,079
-,091
-,113
-,357
-,093
-,011
-,028
-,033
-,343
2,109
-,259
-,018
-,046
,129
,274
-,265
-,156
-,406
2
,076
-,015
-,140
,475
1,617
-,021
-,132
-,021
-,148
,614
,524
-,167
-,349
-,095
-,427
-,481
,649
-,301
,561
Contribucin
Inercia
,000
,000
,001
,001
,009
,000
,000
,000
,000
,005
,037
,002
,001
,000
,005
,005
,002
,001
,005
,075
De los puntos a la
inercia de la
dimensin
1
2
,002
,002
,002
,000
,003
,009
,001
,027
,012
,327
,003
,000
,000
,006
,000
,000
,000
,009
,031
,133
,845
,070
,022
,012
,000
,048
,001
,004
,006
,082
,022
,090
,007
,053
,005
,023
,040
,103
1,000
1,000
Puntos bien
representados
Puntos mal
representados
Resultados SPSS
a
Examen de los puntos columna
Puntuacin en la
dimensin
v2
1
2
3
4
5
6
Total activo
Masa
,443
,241
,163
,027
,094
,033
1,000
1
,074
,086
-,382
2,378
-,350
-,675
2
-,135
-,204
,320
,908
-,236
1,665
Contribucin
Inercia
,003
,002
,010
,035
,007
,018
,075
De los puntos a la
inercia de la
dimensin
1
2
,012
,052
,009
,066
,116
,109
,735
,144
,056
,034
,073
,594
1,000
1,000
a. Normalizacin Simtrica
El mismo anlisis de representacin de puntos se podra hacer para las empresas (puntos columna). Cules estn
bien representadas en el mapa de posicionamiento, y qu empresas no lo estn?
Cuando consideramos puntos suplementarios (es decir, que no intervienen en la formacin de los ejes de
posicionamiento, los valores de Contribucin de los puntos a la inercia de la dimensin son nulos. En cambio,
los valores de la contribucin de la dimensin a la inercia del punto s que son positivos. Es importante que, pese a
no intervenir en la formacin de los ejes, estos puntos suplementarios estn bien representados en el mapa.
Resultados SPSS
sean lo ms homogneos en su interior, esto es, que los individuos de un mismo grupo
se parezcan lo mximo entre s.
sean lo ms heterogneos respecto a otros grupos, es decir, que existan las mayores
diferencias posibles entre los grupos definidos.
Este anlisis parte de la idea de la existencia de algn sistema de clasificacin de los individuos,
marcas, variables subyacente, que es el que se pretende descubrir.
Existen mltiples criterios de clasificacin posibles a aplicar. Este hecho le confiere a este anlisis
una gran flexibilidad, pero tambin un riesgo mayor a la hora de definir una segmentacin: los
grupos obtenidos pueden ser artificiales y venir determinados por el criterio de clasificacin
utilizado ms que por una estructura de mercado subyacente.
definir particiones (segmentos de mercado) donde cada una de ellas presenten una serie de
caractersticas propias sobre hbitos, actitudes...
La doble utilidad de este anlisis permite definir dos tipos de anlisis tipolgico:
a.t. jerrquico, para definir las jerarquas de particiones. Indicado en el caso de clasificar
productos/marcas/empresas en funcin de sus similitudes sobre un conjunto de
caractersticas/atributos.
Interpretacin de resultados
Variable 1
aproximacin probabilstica, donde se parte del supuesto que cada una de las variables
siguen una ley de probabilidad que vara de un grupo a otro; el grupo de individuos
vendra definido por una distribucin de probabilidad que es una determinada
combinacin de las distribuciones de cada variable. Se tratara, pues, de encontrar esas
combinaciones asociadas a cada grupo.
Mtodos directos, donde los datos de partida ya no son los individuos, sino que son las
observaciones. Permite, pues, clasificar individuos y variables de forma simultnea.
La unidad de anlisis
ya no es una fila o
individuo de nuestro
fichero de datos, sino
cada una de las casillas
de individuo x variable
no necesita una matriz de proximidades (como el anlisis tipolgico jerrquico), sino que
permite trabajar con los datos iniciales.
Si la situacin ha sido prevista, las variables activas ya han sido tratadas inicialmente (por
ejemplo, se ha previsto un bloque especfico de preguntas en el cuestionario).
Es recomendable que las variables estn medidas en la misma escala. En caso contrario, puede
ser necesaria una reduccin de variables / dicotomizacin de variables / procesos de
contrasegmentacin , dado que este anlisis es sensible a la diferencia de rangos entre
variables: una variable con mayor rango ofrece mayores posibilidades de diferenciacin que otra
medida en una escala ms reducida.
(229)
(230)
Videoconferencia......................................................
(231)
Radio .......................................................................
(232)
Fotos ........................................................................
(233)
Videos ......................................................................
(234)
(235)
Internet .....................................................................
(236)
(237)
(238)
(239)
(240)
(241)
(242)
(243)
(244)
(245)
(246)
(247)
1
Env os de SMS
Env os de MMS
Videoconf erencia
Radio
Fotos
Videos
Correo electronico
Internet
Tarjetas de contrato
Tarjetas de prepago
Tarjeta SI M dual
Detalle de f acturacin
Serv icio de
mantenimiento
Serv icios de contest ador
Serv icos de desv o de
llamadas
Serv icios de centralita
Plan de renov acin de
terminales
Plan de gestin de lineas
Plan de gestin integral
1,00
1,00
1,00
,00
1,00
,00
1,00
1,00
1,00
1,00
,00
,00
Conglomerado
2
1,00
,00
1,00
1,00
1,00
1,00
1,00
1,00
,00
,00
1,00
,00
3
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
,00
1,00
,00
,00
,00
1,00
1,00
1,00
,00
1,00
1,00
,00
1,00
1,00
,00
,00
,00
1,00
,00
1,00
,00
,00
Modificacin de coordenadas
de centros de gravedad
Reasignacin de individuos
y configuracin final
Concepto clave:
caracterizacin de segmentos
el anlisis del tamao de cada grupo. Los grupos obtenidos deben tener un tamao
suficiente como para justificar el desarrollo de actuaciones sobre ellos.
el perfil de los grupos en variables activas. Este anlisis en variables activas nos debe
permitir definir en qu se diferencian los grupos. Si las variables activas no han requerido su
estandarizacin previa, se puede acudir a las coordenadas de los centros de gravedad
finales. Pero si han sido tratadas, ser necesario desarrollar una metodologa de anlisis
bivariable (tablas de contingencia).
el perfil de los grupos en variables pasivas. Con este anlisis de tipo bivariable (tablas
de contingencia, anlisis de medias) sobre aquellas variables que no han intervenido en
el anlisis, se pretende acabar de definir el perfil de cada grupo, caracterizarlo para una
identificacin ms fcil y un mejor diseo de las acciones sobre l.
una solucin en pocos grupos puede ser muy limitada y no recoger todas las diferencias del
mercado.
una solucin con un gran nmero de grupos puede presentar segmentos con poca base, y
consecuentemente poco representativos, adems de resultar compleja en su interpretacin
(los grupos podran diferenciarse nicamente por matices) y costosa para la empresa en su
implementacin (definicin de excesivas estrategias diferenciadas de actuacin).
Conglomerado
2
1
NORMALMENTE COMO
FUERA/ EN CASA
ME PREOCUPO/NO POR
ALIMENTACION SANA
COMER ES UN
PLACER/ UNA
NECESI DAD
SACRIFICO CALI DAD X
RAPI DEZ/NO SACRIFI CO
PREFIERO PRODUCTOS
NUEVOS/DE SIEMPRE
VOY A FAST-FOODS POR
NECESI DAD/ ME GUSTA
UTILIZO/NO UTI LIZO
PROMOCIONES,
DESCUENTOS
CONSIDERO F.F.
LIMPIOS/ DUDO LIMPIEZA
ELIJO F.F.MAS
CERCANO/ME
DESPLAZO
PREFIERO F.F.
AMERICANO/
MEDITERRANEO
ME GUSTA COMER
TRANQUILO/EN UN
MOMENTO
VOY MAS A F. F./MAS A
RESTAURANTES
BUSCO BUEN
PRECIO/BUSCO
CALIDAD
SI EMPRE MISMO
FAST-FOOD/VARIO
FAST-FOOD
SEGMENTACIN EN 3 GRUPOS
Vlidos
1
2
3
Total
Frecuencia
244
241
265
750
Porcentaje
32,5
32,1
35,3
100,0
Porcentaje
v lido
32,5
32,1
35,3
100,0
Porcentaje
acumulado
32,5
64,7
100,0
1,70
1,85
1,81
1,11
1,25
1,57
1,39
1,46
1,38
1,81
1,59
1,25
1,71
1,65
1,52
1,43
1,56
1,82
1,41
1,33
1,23
1,28
1,31
1,27
1,21
1,26
1,30
1,74
1,76
1,38
1,34
1,14
1,18
1,81
1,48
1,13
1,75
1,50
1,17
1,98
1,00
1,83
Env os de SMS
Env os de MMS
Videoconf erencia
Radio
Fotos
Videos
Correo electronico
Internet
Tarjetas de contrat o
Tarjetas de prepago
Tarjeta SI M dual
Detalle de facturacin
Serv icio de
mantenimiento
Serv icios de cont est ador
Serv icos de desv o de
llamadas
Serv icios de cent ralita
Plan de renov acin de
terminales
Plan de gestin de lineas
Plan de gestin integral
Conglomerado
Media
cuadrtica
gl
,101
6,536
90,073
,598
103,489
425,757
19,453
52,399
3,057
,958
71,066
7,325
2
2
2
2
2
2
2
2
2
2
2
2
Error
Media
cuadrtica
,004
,181
,208
,137
,162
,056
,076
,136
,149
,029
,207
,076
gl
4467
4467
4467
4467
4467
4467
4467
4467
4467
4467
4467
4467
F
25,421
36,053
433,245
4,351
638,151
7567,795
254,417
386,423
20,447
32,855
343,491
96,470
Sig.
,000
,000
,000
,013
,000
,000
,000
,000
,000
,000
,000
,000
8,999
,091
4467
98,390
,000
13,191
,084
4467
157,847
,000
2,224
,045
4467
49,413
,000
375,996
,051
4467
7403,392
,000
17,075
,181
4467
94,151
,000
3,199
23,981
2
2
,091
,118
4467
4467
35,042
203,838
,000
,000
SEXO
1 Hombre
2 Mujer
Total
Recuent o
% de SEGMENTACION
EN 3 GRUPOS
Recuent o
% de SEGMENTACION
EN 3 GRUPOS
Recuent o
% de SEGMENTACION
EN 3 GRUPOS
SEGMENTACION EN 3 GRUPOS
1
2
3
778
1154
460
56,9%
60,2%
38,8%
Total
2392
53,5%
589
764
725
2078
43,1%
39,8%
61,2%
46,5%
1367
1918
1185
4470
100,0%
100,0%
100,0%
100,0%
Informe
EDAD
SEGMENTACION
EN 3 GRUPOS
1
2
3
Total
Interpretacin en
variable cualitativa
Media
41,85
42,24
45,92
43,09
N
1363
1918
1173
4454
Desv . t p.
11,037
11,104
12,361
11,551
Interpretacin en
variable
cuantitativa
COMPAIAS
a
ES CLIENTE
VODAFONE
MOVISTAR
ORANGE
Y OI GO
CENTROS
COMERCIALES
OTROS OPERADORES
Total
Recuent o
% dentro de
Recuent o
% dentro de
Recuent o
% dentro de
Recuent o
% dentro de
Recuent o
% dentro de
Recuent o
% dentro de
Recuent o
SEG3
SEG3
SEG3
SEG3
SEG3
SEG3
SEGMENTACION EN 3 GRUPOS
1
2
3
574
1158
459
42,0%
60,4%
38,8%
928
1590
908
67,9%
82,9%
76,6%
529
1061
443
38,7%
55,3%
37,4%
171
471
117
12,5%
24,5%
9,9%
347
601
261
25,4%
31,3%
22,0%
199
465
69
14,6%
24,3%
5,8%
1367
1918
1185
Total
2191
3426
2032
759
1209
733
4470
los segmentos definidos deben ser accionables desde el punto de vista de marketing,
esto es, debe ser posible poder identificarlos en el mercado y poder desarrollar un plan de
accin sobre ellos.
"
"
!
!
!
!
"
Segmentacin
3 grupos
Segmentacin
4 grupos
"
Segmentacin
3 grupos
Segmentacin
4 grupos
ejemplo
Proceso de ruptura
Tabla de contingencia SEGMENTACIN EN 4 GRUPOS * SEGMENTACIN EN 3 GRUPOS
SEGMENTACIN
EN 4 GRUPOS
Total
Recuent o
% de SEGMENTACIN
EN 3 GRUPOS
Recuent o
% de SEGMENTACIN
EN 3 GRUPOS
Recuent o
% de SEGMENTACIN
EN 3 GRUPOS
Recuent o
% de SEGMENTACIN
EN 3 GRUPOS
Recuent o
% de SEGMENTACIN
EN 3 GRUPOS
SEGMENTACIN EN 3 GRUPOS
1
2
3
210
46
0
Total
256
86,1%
19,1%
,0%
10
169
34,1%
180
4,1%
,4%
63,8%
24,0%
15
53
58
126
6,1%
22,0%
21,9%
16,8%
141
38
188
3,7%
58,5%
14,3%
25,1%
244
241
265
750
100,0%
100,0%
100,0%
100,0%
El grupo 3 de la segmentacin
de 4 no tiene una
correspondencia mayoritaria de
con ninguno de los grupos de la
segmentacin de 3, por lo que
podemos afirmar que se trata
del nuevo grupo que se forma al
pasar de una segmentacin de 3
a 4 grupos.
Indicar el nombre de la
variable que guardar la
pertenencia a cada
grupo
Opcional
Opcional
Mano/mueca
Brazo/antebrazo
Cintura escapular
Cabeza/torax/columna
Cintura pelviana/muslo
Rodilla
Pierna
Tobillo/pie
Esguince
Contusion
Fractura
Lesion
Herida
Traumatismo
Sinovitis
Tendinitis
Capsulitis
Luxacion
Conglomerado
1
2
1,00
,00
1,00
,00
,00
1,00
,00
1,00
,00
,00
,00
1,00
1,00
,00
,00
,00
1,00
,00
,00
1,00
,00
,00
,00
,00
,00
,00
,00
1,00
1,00
,00
,00
,00
1,00
,00
,00
,00
a
Historial de iteraciones
Iteracin
1
2
3
4
5
6
Mano/mueca
Brazo/antebrazo
Cintura escapular
Cabeza/torax/columna
Cintura pelviana/muslo
Rodilla
Pierna
Tobillo/pie
Esguince
Contusion
Fractura
Lesion
Herida
Traumatismo
Sinovitis
Tendinitis
Capsulitis
Luxacion
Conglomerado
1
2
,37
,22
,08
,04
,01
,01
,14
,16
,33
,01
,43
,00
,08
,00
,08
,00
,07
,01
,05
,03
,13
,27
,04
,37
,03
,02
,25
,35
,00
,18
,06
,04
,00
,04
,00
,03
Mano/mueca
Brazo/antebrazo
Cintura escapular
Cabeza/torax/columna
Cintura pelviana/muslo
Rodilla
Pierna
Tobillo/pie
Esguince
Contusion
Fractura
Lesion
Herida
Traumatismo
Sinovitis
Tendinitis
Capsulitis
Luxacion
Conglomerado
Media
cuadrtica
gl
230,368
85,863
5,366
112,830
1,312
298,946
30,010
41,858
14,557
247,912
398,311
72,392
1,040
3,285
12,673
2,547
11,980
,945
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Error
Media
cuadrtica
,110
,075
,100
,143
,026
,157
,060
,058
,198
,153
,085
,100
,064
,028
,025
,024
,024
,023
gl
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
9916
F
2101,503
1143,261
53,426
791,297
49,967
1906,438
501,826
726,122
73,396
1615,252
4687,846
723,993
16,305
117,874
514,384
106,405
492,515
41,345
Sig.
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
,000
Todas las
variables
analizadas
presentan
diferencias
entre grupos.
1
2
Vlidos
Perdidos
3354,000
6564,000
9918,000
,000
Ambos grupos presentan una dimensin suficiente como para considerar vlida la
particin del mercado.
A partir de aqu, el proceso continuara con la interpretacin en variables pasivas y el
anlisis de ruptura del mercado.
Interpretacin de resultados
que sean disjuntos, es decir, que los individuos de un grupo no pertenezcan a otro grupo.
que uno incluya al otro, es decir, que todos los elementos de uno tambin pertenezcan al
otro.
En esta fase del anlisis, para una matriz de n objetos y p atributos, el algoritmo debe calcular
un total del n(n-1)/2 medidas de distancias, entre los objetos tomados de dos en dos.
Por este motivo, la aplicacin de este anlisis est restringida a un menor volumen de datos que
el anlisis tipolgico no jerrquico.
6: Ms ef icaz
en el se
7: Mejor
asesoram
iento
16: Peor
of erta global
17: Mejor
of erta global
1: Mejor cobertura
,000
,211
,519
1,282
,193
,280
,088
,171
,149
,725
,602
,190
,991
,299
,392
4,045
,327
,301
,230
,350
1,705
2: Mejor adaptabilidad
,211
,000
1,020
1,553
,019
,334
,047
,228
,045
1,266
,551
,366
,895
,337
,359
3,432
,210
,356
,163
,283
,590
1,287
,519
1,020
,000
,797
,929
1,493
,741
1,141
1,037
1,179
2,087
1,181
2,141
,444
1,119
5,256
1,416
1,246
1,035
1,336
,933
2,743
Caso
4: Precio ms bajo
1: Mejor
cobertura
2: Mejor
adaptabilidad
3: Mejor
of erta de ter
4: Precio
ms bajo
8: Personal
ms amable
9: Personal
ms prof es
10: May or
claridad en l
11: Ms
internacional
12: Mejor
asistencia t
13: Mejores
planes de a
14: Ms
publicidad
15: Ms
promociones
18: May or
compromiso
so
19:
VODAFONE 20: MOVISTAR 21: ORANGE 22: Y OIGO
,294
1,282
1,553
,797
,000
1,272
2,001
1,451
1,624
1,570
1,601
3,127
1,607
3,320
,561
1,818
6,606
1,788
2,732
2,244
2,067
1,413
2,969
,193
,019
,929
1,272
,000
,323
,054
,203
,059
1,180
,626
,323
,947
,238
,374
3,748
,185
,477
,265
,289
,547
1,377
6: Ms ef icaz en el se
,280
,334
1,493
2,001
,323
,000
,310
,040
,179
1,111
,195
,037
,781
,833
,731
3,930
,251
,468
,532
,050
,689
1,573
7: Mejor asesoramiento
,088
,047
,741
1,451
,054
,310
,000
,187
,079
1,128
,509
,303
,751
,291
,340
3,842
,211
,268
,141
,212
,524
1,615
8: Personal ms amable
,171
,228
1,141
1,624
,203
,040
,187
,000
,111
1,147
,264
,041
,699
,615
,717
3,780
,271
,463
,399
,046
,689
1,464
9: Personal ms prof es
,149
,045
1,037
1,570
,059
,179
,079
,111
,000
1,052
,441
,190
,952
,407
,421
3,195
,230
,327
,204
,188
,506
1,086
,725
1,266
1,179
1,601
1,180
1,111
1,128
1,147
1,052
,000
1,976
,855
3,126
,848
,659
5,699
1,047
1,233
1,656
1,326
,160
2,600
11: Ms internacional
,602
,551
2,087
3,127
,626
,195
,509
,264
,441
1,976
,000
,365
,356
1,464
1,110
3,923
,489
,417
,502
,115
1,331
2,046
,190
,366
1,181
1,607
,323
,037
,303
,041
,190
,855
,365
,000
,970
,665
,708
4,078
,305
,538
,595
,104
,545
1,581
,991
,895
2,141
3,320
,947
,781
,751
,699
,952
3,126
,356
,970
,000
1,761
1,704
5,164
,905
,875
,730
,465
2,201
3,212
14: Ms publicidad
,299
,337
,444
,561
,238
,833
,291
,615
,407
,848
1,464
,665
1,761
,000
,411
4,777
,514
,932
,705
,812
,406
1,919
15: Ms promociones
,392
,359
1,119
1,818
,374
,731
,340
,717
,421
,659
1,110
,708
1,704
,411
,000
4,868
,270
,432
,605
,721
,181
2,229
4,045
3,432
5,256
6,606
3,748
3,930
3,842
3,780
3,195
5,699
3,923
4,078
5,164
4,777
4,868
,000
4,927
3,586
2,933
4,083
4,951
,940
,327
,210
1,416
1,788
,185
,251
,211
,271
,230
1,047
,489
,305
,905
,514
,270
4,927
,000
,474
,546
,240
,467
2,136
,301
,356
1,246
2,732
,477
,468
,268
,463
,327
1,233
,417
,538
,875
,932
,432
3,586
,474
,000
,167
,347
,674
1,904
,163
1,035
2,244
,204
1,656
,605
2,933
,927
1,415
,283
,188
19: VODAFONE
20: MOVISTAR
,294
,050
,141
,212
,399
,046
,502
,595
,730
,705
,812
,546
,240
,167
,347
,000
,372
,372
1,326
,115
,104
,465
,721
4,083
,803
1,827
,933
1,413
,547
,689
,524
,689
,506
,160
1,331
,545
2,201
,406
,181
4,951
,467
,674
,927
,803
,000
2,090
2,743
2,969
1,377
1,573
1,615
1,464
1,086
2,600
2,046
1,581
3,212
1,919
2,229
,940
2,136
1,904
1,415
1,827
2,090
,000
,675
,323
1,553
1,607
,260
,706
,363
,598
,503
1,900
,910
,780
,887
,538
,621
5,517
,226
,978
,744
,589
1,046
2,564
24: OTROS
1,275
1,732
,555
,066
1,458
2,186
1,533
1,780
1,742
1,530
3,300
1,742
3,427
,627
1,877
6,934
1,987
2,711
2,298
2,199
1,426
3,350
25: IDEAL
7,783
7,960
8,378
5,117
7,377
6,860
8,077
6,575
7,502
8,790
8,308
6,481
8,710
7,366
10,014
12,082
7,995
10,482
9,426
7,357
8,825
7,593
23: CC
,289
,532
2,067
,590
1,287
22: Y OIGO
,230
,265
1,336
,350
1,705
21: ORANGE
Esta matriz indica las distancias entre todos los objetos que se desean agrupar mediante el
anlisis tipolgico jerrquico: constituye, pues, la informacin de base.
,000
criterio del mnimo (vecino ms prximo): los dos objetos que se agrupan
en cada etapa son aquellos separados por la menor distancia. En este
sentido, se entiende que la distancia entre dos grupos viene definida por la
distancia existente entre los individuos ms prximos de cada uno de los
grupos.
Como inconveniente presenta el riesgo de agrupacin en cadena de los
individuos, sin posibilidad de definir realmente grupos de objetos.
Concepto clave:
criterio de agrupacin
criterio de Ward: este criterio define los grupos minimizando la varianza intra-grupo.
Para cada grupo se calcula su centro de gravedad, y se estudia la distancia de cada integrante del grupo
respecto a su centro de gravedad. Estas distancias de cada integrante con el centro de gravedad se
suman, y se define aquel grupo que provoque que la suma de cuadrados intra-grupos se incremente en
menor grado.
Este criterio tiende a juntar grupos con un nmero reducido de integrantes. Adems tiende a crear grupos
con un nmero similar de objetos en cada uno de ellos.
criterio del centroide: en este caso, la distancia entre dos grupos viene
definida por la distancia entre los centros de gravedad o centroides de cada
uno de ellos.
Despus de cada asignacin o fusin de grupos, los centros de gravedad
vuelven a ser recalculados.
ejemplo
* * * * * * H I E R A R C H I C A L
A N A L Y S I S * * * * * *
Num
Mejor adaptabilidad
Menor tiempo de esp
Mejor asesoramiento
Personal ms profes
Mejor cobertura
Mayor compromiso so
VODAFONE
Mejor oferta global
CC
Ms publicidad
Ms promociones
Ms eficaz en el se
Mejor asistencia t
Personal ms amable
MOVISTAR
Ms internacional
Mejores planes de a
Mayor claridad en l
ORANGE
2
5
7
9
1
18
19
17
23
14
15
6
12
8
20
11
13
10
21
Precio ms bajo
OTROS
Mejor oferta de ter
Peor oferta global
4
24
3
16
YOIGO
IDEAL
C L U S T E R
22
25
0
5
10
15
20
25
+---------+---------+---------+---------+---------+
ejemplo
Variable F1
BEGIN DATA
PTO1
-0,60 0,10
0 0,01 -0,01
PTO2
0,13 0,06 0,05 -0,04 -0,03
PTO3
0,16 0,07 -0,14 0,04 -0,01
PTO4
0,02 -0,47 0,10 0,15 -0,04
PTO5
-0,08 -0,51 -0,08 -0,12 0,05
PTO6
0,11 0,10 0,06 0,04 0,09
PTO7
0,63 0,06 -0,13 0,07 -0,50
-0,03 0,39 0,17 0,05 -0,15
Variable ID PTO8
END DATA.
Variable de
identificacin de
casos
CLU F1 F2 F3 F4 F5
/ID=ETIQ
Mtodo de aglomeracin
/MET=WARD
/PRI=CLU(2,n) DIS SCH
/PLO=DEN.
N de grupos a
imprimir. Sustituir n
por el mximo de
grupos posibles (n de
casos)
Opcional
Caso
2: Mejor
adaptabilidad
3: Mejor
of erta de ter
4: Precio
ms bajo
5: Menor
tiempo de esp
7: Mejor
6: Ms ef icaz asesoram
iento
en el se
8: Personal
ms amable
9: Personal
ms prof es
10: May or
claridad en l
11: Ms
internacional
12: Mejor
asistencia t
13: Mejores
planes de a
1: Mejor cobertura
,000
,211
,519
1,282
,193
,280
,088
,171
,149
,725
,602
,190
2: Mejor adaptabilidad
,211
,000
1,020
1,553
,019
,334
,047
,228
,045
1,266
,551
,366
,895
,519
1,020
,000
,797
,929
1,493
,741
1,141
1,037
1,179
2,087
1,181
2,141
4: Precio ms bajo
,991
1,282
1,553
,797
,000
1,272
2,001
1,451
1,624
1,570
1,601
3,127
1,607
3,320
,193
,019
,929
1,272
,000
,323
,054
,203
,059
1,180
,626
,323
,947
6: Ms ef icaz en el se
,280
,334
1,493
2,001
,323
,000
,310
,040
,179
1,111
,195
,037
,781
7: Mejor asesoramiento
,088
,047
,741
1,451
,054
,310
,000
,187
,079
1,128
,509
,303
,751
8: Personal ms amable
,171
,228
1,141
1,624
,203
,040
,187
,000
,111
1,147
,264
,041
,699
9: Personal ms profes
,149
,045
1,037
1,570
,059
,179
,079
,111
,000
1,052
,441
,190
,952
,725
1,266
1,179
1,601
1,180
1,111
1,128
1,147
1,052
,000
1,976
,855
3,126
11: Ms internacional
,602
,551
2,087
3,127
,626
,195
,509
,264
,441
1,976
,000
,365
,356
,190
,366
1,181
1,607
,323
,037
,303
,041
,190
,855
,365
,000
,970
,991
,895
2,141
3,320
,947
,781
,751
,699
,952
3,126
,356
,970
,000
14: Ms publicidad
,299
,337
,444
,561
,238
,833
,291
,615
,407
,848
1,464
,665
1,761
15: Ms promociones
,392
,359
1,119
1,818
,374
,731
,340
,717
,421
,659
1,110
,708
1,704
4,045
3,432
5,256
6,606
3,748
3,930
3,842
3,780
3,195
5,699
3,923
4,078
5,164
,327
,210
1,416
1,788
,185
,251
,211
,271
,230
1,047
,489
,305
,905
,301
,356
1,246
2,732
,477
,468
,268
,463
,327
1,233
,417
,538
,875
19: VODAFONE
,294
,163
1,035
2,244
,265
,532
,141
,399
,204
1,656
,502
,595
,730
20: MOVISTAR
,230
,283
1,336
2,067
,289
,050
,212
,046
,188
1,326
,115
,104
,465
21: ORANGE
,350
,590
,933
1,413
,547
,689
,524
,689
,506
,160
1,331
,545
2,201
1,705
1,287
2,743
2,969
1,377
1,573
1,615
1,464
1,086
2,600
2,046
1,581
3,212
,675
,323
1,553
1,607
,260
,706
,363
,598
,503
1,900
,910
,780
,887
24: OTROS
1,275
1,732
,555
,066
1,458
2,186
1,533
1,780
1,742
1,530
3,300
1,742
3,427
25: IDEAL
7,783
7,960
8,378
5,117
7,377
6,860
8,077
6,575
7,502
8,790
8,308
6,481
8,710
22: Y OIGO
23: CC
Historial de conglomeracin
Et apa en la que el
conglomerado aparece por
primera v ez
Conglomerado
1
Conglomerado
2
Prxima et apa
,009
12
,028
,049
,079
24
,112
16
,148
11
20
,188
12
10
21
,268
21
18
19
,352
14
10
17
23
,465
15
11
,578
14
12
11
,750
19
13
14
15
,955
15
14
Conglomerado
2
Siguiendo el esquema de
agrupacin que determinan las
columnas de Conglomerado que
se combina, podramos reproducir
el dendograma manualmente.
Conglomerado
1
18
1,242
11
18
15
14
17
1,568
13
10
18
16
2,008
21
17
16
22
2,478
23
18
14
2,970
14
15
20
19
13
3,473
12
20
20
4,573
18
19
22
21
10
5,952
16
22
22
9,131
20
21
23
23
16
13,977
22
17
24
24
25
21,120
23
Et apa
2: Mejor adaptabilidad
9: Personal ms profes
7: Mejor asesoramiento
19: VODAFONE
14: Ms publicidad
15: Ms promociones
23: CC
6: Ms ef icaz en el se
8: Personal ms amable
11: Ms internacional
4: Precio ms bajo
Nmero de conglomerados
24: OTROS
21: ORANGE
25: IDEAL
22: YOI GO
Caso
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Primera pareja de
individuos en fusionarse
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
objetivo: debe presentar los hechos tal y como son, sin sesgos que intenten explicar las
expectativas iniciales del cliente, o no contradecirlas.
completo: debe suministrar toda la informacin necesaria para cubrir los objetivos de la
investigacin formulados en la propuesta. Un informe largo no es sinnimo de un informe
completo. Es necesario diferenciar entre la informacin relevante para el lector y la
informacin accesoria. Tampoco debe contener nada que no pueda ser explicado por el
investigador.
claro: debe respetarse una estructura lgica, que siga una lnea argumental que facilite la
comprensin de las conclusiones, y debe estar redactado de forma precisa, sin
ambigedades.
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
b) Ser coherente en todos los aspectos del informe, tanto de contenido como de estilo
(fuentes, espaciados, etc.).
c)
Prestar atencin al aspecto esttico del informe, procurando que resulte atractivo desde
el punto de vista visual.
Una vez elaborado el informe por primera vez, siempre es conveniente hacer una segunda
lectura y realizar las modificaciones pertinentes.
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
polifactico: dado que debe combinar teora y prctica, y tener una visin y unos
conocimientos exhaustivos de todas las fases del proceso.
intuitivo: una caracterstica claramente vinculada con la gran variedad de estudios que
deber afrontar.
conocedor del mercado: debe ser consciente de los cambios que experimentan los
consumidores, de las nuevas relaciones con los distribuidores, de los cambios en
publicidad, !, en definitiva, captar los cambios del entorno.
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"
buen comunicador: debe redactar informes claros, concretos y concisos, que den
respuestas a las necesidades de marketing, y ser un buen orador para exponer los
resultados en las presentaciones.
reflexivo: debe ser capaz de entender el problema y analizar las posibles soluciones.
!"#$$%&"'()*+,"-."+/,0.1,/.1"-."234.15678*93":";<83*871"-."=./87-,>"