Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facts +imp de Pag Web
Facts +imp de Pag Web
RESUMEN
Mediante el anlisis de los datos recogidos en una encuesta realizada durante el ltimo
trimestre de 2003 a una muestra de pymes en la regin de Murcia, se presentan los
resultados obtenidos para identificar los factores que pueden ser considerados ms
importantes a la hora de que una pgina web genere cierta confianza en los futuros
clientes. Dicho anlisis se ha realizado utilizando la tcnica de anlisis de componentes
principales, con la que se han sintetizado los datos pudindolos relacionar entre s, con
lo que finalmente se han obtenido las caractersticas principales que definen un sitio en
la red y que, por lo tanto, deben de ser incluidas en el mismo para fidelizar al
consumidor.
1. INTRODUCCIN
Realizaremos el anlisis propuesto para identificar los factores considerados ms
importantes para que una pgina web genere confianza y fidelidad en los clientes
eliminando la informacin que pueda resultar redundante de la lista de atributos
presentada, mediante la utilizacin de los datos recogidos en la encuesta realizada
durante el ltimo trimestre de 2003 a una muestra de pymes en la regin de Murcia.
Para calcular el tamao muestral idneo que necesitbamos, si el tamao de la
poblacin es desconocido tal y como ocurra en nuestro caso, para un nivel de confianza
del 97,50% ajustado a una curva normal, con un 95% de probabilidad y asumiendo un
error del 4% sera necesario un tamao muestral de 600 empresas. Si asumimos un error
del 4,62% obtendramos un tamao muestral para un tamao de poblacin no conocido
de 450 empresas. Tambin se muestran los clculos realizados acerca del tamao
muestral idneo en funcin de que el parmetro de tamao de la poblacin fuese
conocido asumiendo el supuesto, ya que esta cifra no la conocamos en realidad, de que
el nmero total de empresas en esta Regin fuese de unas 100.000, con lo que
obtenamos una muestra de 597 empresas para el caso de que fuera el 4% el error
soportado y de 448 en el caso de que fuese del 4,62%.
Se obtuvieron un total de 537 respuestas de distintas empresas de la Regin, de las que
finalmente resultaron vlidas un total de 450 de las cuales, 152 se rellenaron de forma
directa en la sobre una pgina web preparada para tal fin, 21 se recibieron por fax, 3 por
correo ordinario y 55 se realizaron mediante entrevista. El resto se recibieron por correo
electrnico.
0,944
6.814,482
190
0,000
Tabla 1
Para ello hemos utilizado el Software estadstico incorporado en el paquete SPSS 11.0 y el paquete
XLSTAT que se incorpora a la hoja de clculo Microsoft Excel 2003.
2
A partir de 0,5 se considera que es buena la adecuacin muestral para un anlisis factorial.
XII Jornadas de ASEPUMA
por lo que se puede rechazar dicha hiptesis nula, considerando el ajuste de las variables
mediante el anlisis factorial idneo.
Comprobamos que, una vez introducidas todas las variables, los datos obtenidos nos
ofrecan una matriz definida positiva, condicin necesaria para poder continuar con la
metodologa ACP.
Recordamos que el coeficiente de correlacin parcial nos indica la relacin que existe
entre dos variables si eliminamos el efecto del resto de variables del modelo. La Tabla
2 muestra un extracto de esta matriz de correlaciones, que como podemos comprobar
presenta el valor 1,00 en toda su diagonal y niveles crticos iguales a 0,00 para todas las
variables. Cuando dichas variables comparten mucha informacin entre ellas pero no
con el resto, la correlacin parcial es elevada, lo que perjudica al anlisis. La matriz
obtenida en el anlisis de correlaciones anti-imagen, que reproducimos slo en parte en
la Tabla 3 debido a su extensin, presenta los coeficientes de adecuacin muestral para
cada variable. Como se puede observar, los coeficientes de correlacin son bajos por lo
que nuevamente podemos afirmar que el anlisis de componentes principales es
adecuado para las variables objeto de estudio.
Matriz de Correlaciones (a)
Correlacin
Sig.
(Unilateral)
P12.1 Contenido
P12.2 Sencillez Manejo
P12.3 Velocidad
P12.4 Calidad
P12.5 Actualizacin
P12.6 Pgina Propia
P12.7 Seguridad Sist.
P12.8 Privacidad
P12.1 Contenido
P12.2 Sencillez Manejo
P12.3 Velocidad
P12.4 Calidad
P12.5 Actualizacin
P12.6 Pgina Propia
P12.7 Seguridad Sist.
P12.8 Privacidad
P12.9 Confidencialidad
P12.10 LOPD
a.
P12.1
Contenido
1,000
0,619
0,543
0,386
0,505
0,388
0,517
0,557
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
P12.2
Sencillez
Manejo
0,619
1,000
0,696
0,485
0,540
0,497
0,506
0,457
P12.3
Velocidad
P12.4
Calidad
0,543
0,696
1,000
0,509
0,584
0,429
0,529
0,480
0,386
0,485
0,509
1,000
0,530
0,515
0,338
0,341
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
Determinante = 1,912E-07
Tabla 2
Covarianza
anti-imagen
Correlacin
anti-imagen
P12.1 Contenido
P12.2 Sencillez Manejo
P12.3 Velocidad
P12.4 Calidad
P12.5 Actualizacin
P12.6 Pgina Propia
P12.7 Seguridad Sist
P12.1 Contenido
P12.2 Sencillez Manejo
P12.3 Velocidad
P12.4 Calidad
P12.5 Actualizacin
P12.6 Pgina Propia
P12.7 Seguridad Sist.
P12.8 Privacidad
P12.9 Confidencialidad
P12.10 LOPD
0,473
-0,130
-0,029
-0,016
-0,036
0,034
-0,005
0,950
-0,314
-0,066
-0,032
-0,079
0,067
-0,014
-0,247
0,097
0,066
P12.2
Sencillez
Manejo
-0,130
0,361
-0,151
0,002
-0,018
-0,084
-0,019
-0,314
0,921
-0,396
0,006
-0,046
-0,189
-0,059
0,074
-0,018
-0,157
P12.3
Velocidad
P12.4
Calidad
P12.5
Actualizacin
-0,029
-0,151
0,401
-0,079
-0,072
0,027
-0,034
-0,066
-0,396
0,943
-0,178
-0,170
0,057
-0,099
-0,011
-0,057
0,112
-0,016
0,002
-0,079
0,494
-0,113
-0,137
0,006
-0,032
0,006
-0,178
0,903
-0,241
-0,263
0,016
0,052
-0,011
-0,059
-0,036
-0,018
-0,072
-0,113
0,447
-0,083
-0,011
-0,079
-0,046
-0,170
-0,241
0,963
-0,168
-0,030
0,009
-0,095
0,009
P12.6
Pgina
Propia
0,034
-0,084
0,027
-0,137
-0,083
0,549
0,008
.
0,067
-0,189
0,057
-0,263
-0,168
0,936
0,021
-0,136
0,088
-0,049
.
Tabla 3
La Tabla 4 presenta las comunalidades obtenidas para cada una de las variables, una
vez realizada la extraccin. As, podemos comprobar que variables tales como el
Contenido con un 0,927 de comunalidad, la Calidad con un 0,907 o la Pgina Propia
con un 0,904, explican en mayor proporcin la
varianza segn su participacin en los factores
o componentes resultantes en el anlisis,
Comunalidades
P12.1 Contenido
P12.2 Sencillez Manejo
P12.3 Velocidad
P12.4 Calidad
P12.5 Actualizacin
P12.6 Pgina Propia
P12.7 Seguridad Sist.
P12.8 Privacidad
P12.9 Confidencialidad
P12.10 LOPD
P12.11 Certificacin
P12.12 Modelo Negocio
P12.13 Garanta Empresa
P12.14 Disponibilidad
P12.15 No Rechazo
P12.16 Integridad
P12.17 Facturacin
P12.18 Pago
P12.19 Sgto. Pedidos
P12.20 Postventa
Mtodo de
principales.
El proceso matemtico
por el que se
se
extrae
otra
que
se
extraccin:
Inicial
Extraccin
1,000
,544
,698
,689
,621
,654
,523
,784
,823
,809
,707
,727
,652
,702
,772
,825
,801
,744
,751
,735
,801
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
Anlisis de
Componentes
Tabla 4
normalmente cerca del ochenta por ciento, significa que el nmero de factores es
suficiente.
Varianza total explicada
Componente
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
10,730
1,394
1,300
0,939
0,793
0,556
0,507
0,478
0,456
0,384
0,353
0,314
0,305
0,291
0,251
0,232
0,218
0,191
0,170
% de la
varianza
53,652
6,968
6,500
4,694
3,964
2,779
2,536
2,389
2,280
1,922
1,766
1,571
1,524
1,455
1,253
1,162
1,088
0,956
0,852
20
0,138
0,688
Total
%
acumulado
53,652
60,620
67,120
71,814
75,778
78,557
81,093
83,482
85,762
87,684
89,451
91,021
92,545
94,000
95,253
96,416
97,504
98,460
99,312
100,000
12
10
Autovalor
Autovalores iniciales
2
0
1
3
2
5
4
7
6
9
8
11
10
13
12
15
14
17
16
Nmero de componente
Figura 1. Grfico de Sedimentacin
19
18
20
P12.1 Contenido
P12.2 Sencillez Manejo
P12.3 Velocidad
P12.4 Calidad
P12.5 Actualizacin
P12.6 Pgina Propia
P12.7 Seguridad Sist.
P12.8 Privacidad
P12.9 Confidencialidad
P12.10 LOPD
P12.11 Certificacin
P12.12 Modelo Negocio
P12.13 Garanta Empresa
P12.14 Disponibilidad
P12.15 No Rechazo
P12.16 Integridad
P12.17 Facturacin
P12.18 Pago
P12.19 Sgto. Pedidos
P12.20 Postventa
una
interpretacin
clara
Componente
1
,677
,708
,698
,711
,609
,770
,749
,764
,741
,766
,728
,773
,794
,760
,769
,777
,733
,766
,726
Componente
2
3
,738
,727
,720
,638
,624
,766
,822
,804
,713
,682
,647
,602
,714
,808
,780
,686
,731
,689
,803
Llamaremos
esta
componente
el
Factor
de
Prestaciones
Componente 3. Incluye las caractersticas que pueden dotar a una web como sitio que
resulta de confianza y fiable en el sentido de que se realizan las transacciones de forma
idnea para el consumidor. Se ha denominado a esta componente el Factor Garanta
de Empresa, explicando por s sola el 6,500% del total de la varianza (Tabla 5).
Componente 4: Cuatro variables conforman este factor: el Servicio Postventa y de
Reclamaciones online, Seguimiento de pedidos y Posibilidad de cancelacin de pedidos
online, Distintas opciones para el pago y por ltimo Facturacin online clara.
Llamamos a esta componente el Factor de Garanta del Proceso de la Transaccin,
ya que este factor recoge las caractersticas ms tcnicas, explicando el 4,694% de la
varianza total (Tabla 5).
Podemos decir, por tanto, que una pgina en Internet s que deber de contar en
principio al menos con la adecuada combinacin de estos cuatro factores, por lo que si
cuidamos los aspectos que nos indican en una pgina web, podemos fidelizar y
conseguir generar confianza en la red.
Una vez que se han obtenido las componentes podemos lograr definir las puntuaciones
factoriales mediante una estimacin para cada uno de los sujetos en cada factor
extrado, para as valorar qu situacin tiene ese sujeto frente a estas nuevas variables
que hemos construido a partir de la reduccin de las variables iniciales introducidas en
el anlisis. Cuando se utiliza el mtodo de extraccin de factores utilizando las
componentes principales, las puntuaciones obtenidas se calculan a partir de la solucin
factorial. Dicha solucin es ortogonal por lo que las puntuaciones tambin lo son.
Se obtiene finalmente la matriz de coeficientes para el clculo de las puntuaciones
factoriales que contiene las ponderaciones para cada variable para poder calcular las
puntuaciones factoriales. Mediante estos coeficientes estimados podemos construir una
ecuacin lineal para cada una de las componentes extradas, basadas en las variables y
las puntuaciones factoriales. Presentamos a continuacin una de las ecuaciones que
finalmente hemos obtenido para la estimacin de las puntuaciones factoriales de un
sujeto:
Factor Seguridad = 0,043 Contenido - 0,077 Sencillez Manejo - 0,074 Velocidad - 0,175
Calidad - 0,002 Actualizacin - 0,009 Pgina Propia + 0,297 Seguridad Sist + 0,350
Privacidad + 0,330 Confidencialidad + 0,281 LOPD + 0,246 Certificacin - 0,040 Modelo
Negocio - 0,119 Garanta Empresa - 0,044 Disponibilidad - 0,077 No Rechazo - 0,021
Integridad - 0,031 Facturacin - 0,153 Pago + 0,002 Sgto Pedidos - 0,084 Postventa
10
uno
las
son
completamente
independientes entre s, es
decir no existe correlacin
las
variables
originales.
Para
facilitar el clculo
de los factores o
componentes
obtenidos
hemos
planteado
el
clculo
de
11
como este hotel a travs de la red, por ejemplo ofertas vacacionales, localizacin de
precios y sobre todo reservas online, ser importante cuidar atributos tales como que
Atributos de una Pgina Web
1. Contenido
2. Sencillez Manejo
10
3. Velocidad
10
4. Calidad
5. Actualizacin
6. Pgina Propia
7. Seguridad Sistema
10
8. Privacidad
Factores
Factor Seguridad
3,42
8,21
4,28
9. Confidencialidad
7,46
10. LOPD
10
Figura 3
11. Certificacin
10
14. Disponibilidad
15. No Rechazo
16. Integridad
17. Facturacin
10
18. Pago
10
10
CONCLUSIONES
Como se ha comprobado, el anlisis de componentes principales nos permite descubrir
y priorizar los atributos con los que deber contar una pgina en la red reduciendo la
informacin redundante que pueda existir entre los mismos. La identificacin de estas
componentes, nos permite conocer cules son los aspectos sobre los que se ha de incidir
ms para que dicha pgina tenga una estructura adecuada y resulte eficaz, logrando as
generar en los clientes potenciales mayor confianza y satisfaccin.
Mediante el anlisis de componentes principales hemos comprobado que efectivamente
los atributos planteados se pueden resumir finalmente en cuatro factores que eliminan la
informacin redundante segn las caractersticas presentadas, obteniendo ecuaciones
lineales para cada uno de ellos que nos ofrecen la puntuacin que obtendra un
consumidor en cada componente si los enfrentamos a que evalen dichas caractersticas
en un determinado sitio en la red.
Adems, dicha modelizacin se han implementado en una herramienta informtica, a la
que tanto las organizaciones empresariales como la Administracin Regional tienen
12
fcil acceso, como es una aplicacin de hoja de clculo, lo que les permitir realizar
previsiones acerca de cmo la empresa debe de enfrentarse a la red.
BIBLIOGRAFA
Seleccin
de
variables
travs
de
la
tcnica
de
Componentes
Principales
www.inegi.gob.mx/difusion/espanol/niveles/jly/nivbien/componentes.html.
Cubiles de la Vega, M.D, Muoz Conde, M., Muoz Pichardo, JM. Pascual Acosta, A. e-Encuestas
Probabilsticas I. Los Marcos Estadstica Espaola, Vol. 44, nm 151, 2002.
Kaiser, H.F. The Varimax criterion for analytic rotation in factor analysis. Psychometrika, 1958.
Kim, J. y Mueller, C.W. An introduction to factor analysis. What it is and how to do it. Beverly
Hills, CA, 1978.
Kotler, P., Cmara, D., y Grande, I. Direccin de Marketing (octava edicin) Ed. Prentice Hall,
1999.
Lizasoain, L; Joaristi. L. Gestin y anlisis de datos con SPSS versin 11. Universidad del Pas
Vasco. Ed. Thomson-Paraninfo. Madrid, 2003.
Mgica, Jose Miguel y Ruiz de Maya, Salvador El comportamiento del consumidor. Anlisis del
proceso de Compra Ariel Economa, 1997
Mria Albiol, J. Gil Saura, R. Preparacin, Tabulacin y Anlisis de Encuestas para Directivos.
ESIC Editorial, 1998.
Pea Snchez de Rivera, D. Estadstica. Modelos y Mtodos. Volumen 2 Ed. Alianza. Madrid,
1987.
Ruiz
Soler,
M.
Metodologa
de
encuestas.
Curso
del
Doctorado
de
UCLA.
http://campusvirtual.uma.es/campus/jur_soc/rsoler/material/UCLA2/sld057.htm
Takeshi, A. Modelos de respuesta cualitativa: un examen Cuadernos Econmicos del ICE. N 39.
1988/2.
13