Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Fisico T
Fisico T
UNIVERSIDAD DE NARIO
SAN JUAN DE PASTO
2017
1. INTRODUCCIN
El ser humano integrado con conocimiento con lo cual ha venido desarrollando,
conocimientos que han permitido resolver la gran cantidad de problemas que se vienen
presentando y han sido las ciencias estadsticas un aliado de primer orden para la
resolucin de muchas situaciones especficas. En este contexto, para todos es conocido
que al momento de enfrentarse a una situacin donde hay que tomar un decisin
inmediata, o al menos oportuna ante una serie de opciones, la accin inmediata es la de
comparar las ventajas y desventajas; qu calidad ofrece cada una de las opciones, en
tiempo, costo monetario, rapidez, hasta colores y prestigio que puede brindar una y otra
opcin y qu cosas se est dispuesto a sacrificar para obtener ms de otra caracterstica
mejor valorada.
En este mismo orden de ideas se tiene que las distintas opciones tienen caractersticas
comunes comparables y que el decisor puede realizar la valoracin de esas
caractersticas o atributos rpidamente antes de decidir. Por ejemplo al comprar un
vehculo, un electrodomstico o decidir sobre destinos tursticos y hasta quien le arregla
el cabello.
El anlisis conjunto es una herramienta de investigacin de mercados para desarrollar
un diseo de productos eficaces.
En este contexto se presenta este artculo para describir y poner a su consideracin la
tcnica de anlisis estadstico llamada Anlisis Conjunto o Conjoint Analysis.
2. Definicin y conceptos
Bsicamente, se trata de una tcnica estadstica que permite medir el valor relativo de
cada atributo de un producto, con lo cual se puede determinar qu combinacin de estos
atributos maximiza la probabilidad de eleccin por parte del consumidor.
El principio bsico del anlisis conjoint es que cada producto o servicio puede ser
explicado como una combinacin de atributos (por ejemplo, una pizza es el conjunto de
varios atributos como el tipo de masa, la cantidad de queso, los ingredientes, etc.) y
cada atributo puede tener varios niveles u opciones (el atributo masa: masa crujiente,
masa fina, etc.).
El computador utiliza el anlisis de varianza o tcnicas de programacin lineal para
crear las funciones de utilidad para cada caracterstica. Estas funciones de utilidad
indican el valor que se ha percibido de la caracterstica y lo sensibles que son las
percepciones y preferencias del consumidor en relacin a los cambios en las
caractersticas de producto.
VENTAJAS
* Al tener que elegir entre varios productos potenciales, identifica al que tendr mayor
nivel de ventas
DESVENTAJAS
Modelos de Preferencias
a) Modelo Lineal: este modelo es el que presenta la menor flexibilidad entre los tres,
pero posee mayor fiabilidad. Un ejemplo de la aplicacin de este modelo es la calidad
de un servicio; pues cuanto mayor sea la calidad de un servicio, mayor ser la
preferencia de los consumidores por ese servicio;
b) Modelo de los Pesos Parciales: este modelo presenta mayor flexibilidad en relacin al
Modelo Vectorial y al Modelo del Punto Ideal, aunque es el que presenta menor
fiabilidad. Puede ser utilizado, por ejemplo, cuando un sujeto prefiere temperaturas muy
clidas o muy fras (nieve), pero no para temperaturas medias;
c) Modelo del Punto Ideal: este modelo presenta un grado de flexibilidad y de fiabilidad
intermedio respecto del Modelo Vectorial y del Modelo de Pesos Parciales. Puede ser
aplicado, por ejemplo, con los consumidores que presentan niveles moderados de
preferencia por productos fast-food, pero evitan los que poseen niveles calricos muy
elevados y muy bajos.
Segn Louviere, Hensher & Swait (2000), el modelo aditivo consigue explicar cerca del
70% al 90% de la variancia asociada a las preferencias. No obstante, existen situaciones
en que resulta imprescindible precaverse de los efectos provenientes de las interacciones
entre atributos, principalmente en los atributos estticos o provenientes de los sentidos
(alimentos, bebidas, productos de cosmtica, etc.). Entonces, cuando se consigue prever
que puedan ocurrir interacciones entre atributos de un determinado producto/servicio, se
deben utilizar modelos multiplicativos o un modelo aditivo con interrelaciones. Segn
Robinson (1980) y Johnson y Olberts (1991), el atributo precio presenta, generalmente,
un elevado nivel de correlacin con otras caractersticas o atributos de un determinado
producto. Habitualmente, los consumidores tienden a pensar que el aumento del precio
est asociado al incremento de la calidad del producto o servicio o al aumento de
atributos de ese mismo producto/servicio.
Sawtooth Software (1993) desarroll tcnicas para analizar datos de anlisis centrados
en el precio, con el objetivo de estudiar las interacciones en torno de ese mismo atributo
(precio). Se debe tener en cuenta que dicha tcnica no parece ser adecuada cuando se
utiliza el Anlisis Conjunto tradicional, con utilidades parciales para cada sujeto.
RECOLECCIN DE INFORMACIN
A los encuestados se les muestra un conjunto de productos, prototipos, maquetas o
retratos. Por lo tanto, cada ejemplo es suficientemente semejante al otro como para que
los consumidores lo vean como sustitutivo, pero suficientemente diferente para que
puedan determinar claramente una preferencia.
En consecuencia, cada ejemplo se compone de una combinacin extraordinaria de
caractersticas del producto. As, se obtienen un rango de preferencias, las respuestas se
codifican y se introducen en un programa para anlisis estadstico como SPSS.
Por lo tanto, trata de encontrar una serie de valores, llamados utilidades parciales, que
relacionan los niveles de los atributos con las preferencias de los consumidores. En
consecuencia, de lo que se trata es de un modelo explicativo, en el que la variable a
explicar son las evaluaciones de preferencias de los individuos sobre el conjunto de
combinaciones y las variables explicativas son los niveles de los atributos seleccionados
para definir las combinaciones.
Una vez realizado el diseo del plan, el siguiente paso, es (Prez Lpez, 2004, pg.
613) situar cada concepto completo en un perfil separado con el objeto de presentrselo
a los encuestados en forma de tarjeta, cada caso del diseo ortogonal se muestra como
un perfil, por tanto, los perfiles pueden visualizarse y personalizarse, siendo posible
producir cada concepto en una pgina separada, aadir conceptos y notas de pie, entre
otros.
Dnde:
A continuacin elegimos Datos Diseo Ortogonal mostrar para obtener la
pantalla Mostrar el diseo y se ingresan todos los factores:
1. Paquete
2. Marca
3. Precio
4. Sello
5. Dinero
Dnde:
Una vez ingresados los factores, se hace click en Formato listado para el
experimentador perfiles para los sujetos
Por lo consiguiente, esto lo que nos permite mostrar el diseo en formato de borrador
diferenciando los perfiles de reserva de los perfiles experimentales y listando los
posibles perfiles de simulacin de modo separado a continuacin de los perfiles
experimentales y de reserva.
As, al hacer click en la opcin Perfiles para sujetos, nos permite producir perfiles que
pueden presentarse a los sujetos.
Al hacer click en continuar y en aceptar se muestran las tarjetas del diseo ortogonal
generado.
Preparacin de las tarjetas de estmulos
ASI:
Una vez generado el diseo ortogonal y recogido los datos sobre las preferencias en las
tarjetas de estmulos provenientes de los sujetos, el siguiente paso es analizar los datos
utilizando el procedimiento CONJOINT.
Anlisis de las preferencias mediante el anlisis conjunto
Dnde:
A continuacin, abriendo un fichero de sintaxis mediante:
-Nuevo---Sintaxisy escribiendo la sintaxis siguiente e la figuraejecutartodo
ANALISIS CONJUNTO:
DESCIPCION DEL MODELO
SUJETO 2:2
SUJETO 5:5
SUJETO 6:6
Lista de tarjetas
PAQUET DINER
Tarjeta E MARCA PRECIO SELLO O STATUS CARD
1 A GLORY 1.39 SI NO 0 1
2 B K2R 1.19 NO NO 0 2
3 B GLORY 1.39 NO SI 0 3
4 C GLORY 1.59 NO NO 0 4
5 C BISELL 1.39 NO NO 0 5
6 A BISELL 1.39 NO NO 0 6
7 B BISELL 1.59 SI NO 0 7
8 A K2R 1.59 NO SI 0 8
9 C K2R 1.39 NO NO 0 9
10 C GLORY 1.19 NO SI 0 10
11 C K2R 1.59 SI NO 0 11
12 B GLORY 1.59 NO NO 0 12
13 C BISELL 1.19 SI SI 0 13
14 A GLORY 1.19 SI NO 0 14
15 B K2R 1.39 SI SI 0 15
16 A K2R 1.19 NO NO 0 16
17 A BISELL 1.59 NO SI 0 17
18 B BISELL 1.19 NO NO 0 18
19 A BISELL 1.59 SI NO 1 19
20 C K2R 1.19 SI NO 1 20
21 A GLORY 1.59 NO NO 1 21
22 A BISELL 1.19 NO NO 1 22
7. Conclusiones
El anlisis conjunto es una tcnica para medir las preferencias del consumidor acerca de
los atributos de un producto o servicio. Por lo tanto, es una herramienta de mucha
utilidad en la investigacin de mercados, la cual permite a descubrir cules
caractersticas de un producto o servicio son ms importantes para los consumidores. En
consecuencia, el anlisis de conjunto ofrece una manera realista de medir el modo en
que los diferentes atributos y caractersticas del producto afectan a las preferencias de
los consumidores.
BIBLIOGRAFA
http://www.uam.es/personal_pdi/ciencias/ajustel/docencia/ad/AD10_11_Discriminante.
p df BE SMART SPSS Argentina. (Junio de 2014). Google. Recuperado el Junio de
2014, de http://www.spss.com.ar/es/statistics/conjoint/ Guerrero Casas, F., Martnez
Blanes, M., & Ramrez Hurtado, J. M. (Junio de 2014). Google. Recuperado el Junio de
2014, de http://www.uv.es/asepuma/XI/60.pdf IBM. (Junio de 2014). Google.
Recuperado el Junio de 2014, de