PMFarma utiliza cookies propias y de terceros para recopilar información con la finalidad de mejorar nuestros servicios y

mostrarte publicidad relacionada con tus preferencias. Al continuar navegando por el sitio, aceptas el uso de las mismas.
Tienes la posibilidad de configurar tu navegador pudiendo impedir que sean instaladas. Configurar

Enviar a un Ver por categoría: Selecciona... EMPLEO

amigo
Home empleo
Candidatos
Empresas
MAYO 2000

ACTUALIDAD
Noticias
Derecho fcto.
Gente
Eventos y Congresos
Sector en cifras

ARTICULOS
Articulos
Entrevistas
Tribunas de opinión
Out of the Box
Tribuna de la innovación
AEAPS. Six Thinking Hats
IE4Tags
Salud y Marketing Digital

RADIOGRAFIAS

EMPRESAS
Laboratorios
Servicios
ACCEDER

Estadística: Caso práctico de análisis conjunto

Por

Lina Vicente

Twittear me gusta 1 (1 comentarios)

Share

Estadística
Caso práctico de análisis conjunto
Por Lina Vicente. Catedrática Estadística de la Universidad Complutense de Madrid y colaboradora del
Departamento Cuantitativo de Nueva Investigación.

1.- Planteamiento del problema

El ejemplo que se plantea es ficticio así como los resultados de las entrevistas que dan lugar a los análisis
posteriores. Supongamos que estamos interesados en determinar las preferencias que tienen los clientes con
respecto a los neumáticos de automóviles y que determinarán sus pautas de conducta en el momento de llevar a
cabo la compra de los mismos. Asimismo buscaremos la composición del mercado en función de esas preferencias.

2.- Pasos a seguir para el análisis conjunto

l.- Elección de atributos y niveles

Supongamos que tras un estudio concienzudo se determina que existen 5 atributos que deben ser considerados
para la determinación de la preferencia sobre los neumáticos: marca, valor esperado del número de kilómetros que
pueden utilizarse, precio de compra, tipo de diseño en el neumático y distancia a la que se encuentra el proveedor
de cada una de las marcas (medida en tiempo).

Los niveles elegidos para cada uno de esos atributos son:

Marcas: Maixilin, Good, Firestan
Kilómetros esperados: 45.000, 60.000, 75.000
Precio de compra en pts.: 6.000, 7.000, 8.000
Diseño: A y B
Distancia en minutos: <10 y >10

Como se puede comprobar fácilmente el número de posibles estímulos que se podrían determinar serían todas las

combinaciones de los 5 atributos, es decir: 33 x 22 =108.

ll.- Determinación de los estímulos de ensayo

El segundo paso en el análisis conjunto es la determinación del número de combinaciones que se van a presentar al
encuestado. No pueden ser muchas ya que deberá clasificarlas según sus preferencias y si hay excesivas el
agotamiento psicológico al que se le sometería puede producir resultados erróneos. Asimismo deben recogerse con
cuidado para que se pueda obtener la máxima información. Este tipo de problemas queda resuelto a través del
diseño de experimentos. Tal técnica trata de buscar los diseños que sean más eficientes, según diferentes criterios.
Una vez realizado el análisis (determinado a partir del criterio G-eficiente) se obtiene el diseño que aparece en la
tabla 1:

lll.- Trabajo de campo y organización de datos

Una vez determinados los estímulos que se presentan a los entrevistados, se lleva a cabo la encuesta y posterior
análisis de la misma.

A los encuestados se les presentan los estímulos y los ordenan según sus preferencias. Supongamos que las
elecciones efectuadas por 7 clientes fueran las representadas en la tabla2, en la que cada columna nos indica el
orden de preferencia del entrevistado correspondiente (1 significa el más preferido y 18 el menos preferido).
Tabla 1

Estímulo Marca Duración (en Precio (pesetas) Diseño Distancia

miles)

1 Maixilin 45 8.000 A <10 min.

 2 Maixilin 45 6.000 A >10 min.

3 Maixilin 60 7.000 B <10 min.

4 Maixilin 60 6.000 B >10 min.

5 Maixilin 75 8.000 B <10 min.

6 Maixilin 75 7.000 A >10 min.

7 Good 45 8.000 B >10 min.

8 Good 45 7.000 A <10 min.

9 Good 60 8.000 A >10 min.

10 Good 60 6.000 B <10 min.

11 Good 75 7.000 B >10 min.

12 Good 75 6.000 A <10 min.

13 Firestan 45 8.000 B >10 min.

14 Firestan 45 6.000 B <10 min.

15 Firestan 60 8.000 A <10 min.

16 Firestan 60 7.000 A >10 min.

17 Firestan 75 7.000 B <10 min.

18 Firestan 75 6.000 A >10 min.

Tabla 2

Estímulo 1º Entrev. 2º Entrev. 3º Entrev. 4º Entrev. 5º Entrev. 6º Entrev. 7º Entrev.

1 18 17 17 14 17 18 17

2 17 15 9 17 13 15 14

3 15 10 15 12 9 16 6

4 16 11 7 9 14 8 1

5 13 4 10 1 5 9 9

6 14 3 1 4 2 3 7

7 12 18 18 18 18 17 18

8 11 14 13 15 16 12 15

9 10 7 16 10 11 6 3

10 9 5 4 7 4 4 2

11 8 12 12 5 6 7 11

12 7 6 2 2 3 2 10

13 6 16 11 16 15 14 16

14 5 13 6 13 12 13 13

15 3 8 5 8 8 10 12

16 4 9 14 11 10 11 5

17 1 1 3 3 7 5 4

18 2 2 8 6 1 1 8
lV.- Elección del análisis. Ejercicio e interpretación de resultados

Entre las múltiples posibilidades que se ofrecen para el estudio se va a utilizar un análisis conjunto métrico, que es
el más usual, sin transformación de variable alguna. Este análisis no es otra cosa que el análisis de la varianza para
datos ordinales, aplicados a cada individuo de forma desagregada. Con ello se obtienen las utilidades (o
preferencias) de cada entrevistado.

Con ayuda de un software estadístico apropiado (en este caso se ha utilizado el módulo market de SAS) se procede
a la ejecución del análisis previamente elegido.

De esta forma para el primer entrevistado las utilidades son las que aparecen en la tabla 3, en la que se observa
que su preferencia más acusada es la marca de neumáticos.
Tabla 3

Atributo Niveles Utilidad Desviación de la Porcentaje de

utilidad utilidad

Firestan 6 0.17

Marca God 0 0.17 70.4%

Maixilin -6 0.17

45.000 km. -1.94 0.18

Duración 60.000 km. 0 017 22.7%

75.000 km. 1.94 0.18

6.000 pts. 0 0.17 2.2%

Precio 7.000 pts. 0.19 0.18

8.000 pts. -0.19 0.18

A -0.14 0.12
Diseño 1.6%
B 0.14 0.12

< 10 min. 0.26 0.12

Distancia 3.1%
> 10 min. -0.26 0.12

Para el segundo sujeto se obtienen las utilidades de la tabla 4.

Tabla 4

Atributo Niveles Utilidad Desviación de la Porcentaje de

utilidad utilidad

Firestan 0.78 0.55

Marca God 0.28 0.55 10.0%

Maixilin -1.06 0.55

Duración 45.000 km. -6.49 0.57 67.6%

60.000 km. 0.61 0.54

 75.000 km. 5.88 0.57

6.000 pts. 0.94 0.55

Precio 7.000 pts. -0.28 0.57 8.8%

8.000 pts. -0.66 0.57

A 0.48 0.39
Diseño 5.2%
B -0.48 0.39

< 10 min. 0.78 0.39

Distancia 8.4%
> 10 min. -0.78 0.39

Hay que indicar que cuanto mayor es la utilidad, mayor es la preferencia que por dicho nivel del atributo muestra el
sujeto correspondiente. Por tanto, los valores positivos de un atributo indicarán mayor preferencia por parte del
entrevistado. De esta forma para el primer encuestado, el perfil que mejor define su elección es su fidelidad a la
marca Firestan, mientras que para el segundo lo que prima es que el número esperado de kilómetros recorridos con
los neumáticos sea mayor.

Procediendo de esta manera para los 7 entrevistados de nuestra encuesta, se puede obtener globalmente el
porcentaje de utilidad (y por tanto de preferencia) asociado a cada atributo. Dicha información se recoge en la figura
1:
Figura 1

Es decir lo que prima el cliente es la duración esperada de los neumáticos por encima de la fidelidad a la marca y
del precio. El diseño y la distancia al centro donde se produce el montaje es bastante secundario.

3.- Estudios alternativos derivados del análisis conjunto

Con las utilidades así obtenidas podremos realizar por ejemplo los siguientes análisis:
establecer una segmentación del mercado a partir de sujetos que tengan utilidades parecidas (perfiles similares).
Para ello necesitaríamos en este caso incrementar el número de encuestados.
 Podemos estimar la cuota de mercado para cada producto formado por cualquier combinación de los niveles de los
atributos elegidos. Con ello se conseguiría estimar con antelación la cuota que alcanzaría un determinado estímulo,
el cual corresponderá a un producto de diseño que se pudiera introducir en el mercado. También se pueden detectar
los cambios en el mercado producidos por incrementos o descensos en el rango de los valores que actualmente se
encuentran disponibles.
Existen varios criterios para determinar la cuota de mercado, uno de ellos se basa en la elección de la máxima
utilidad esperada. Con este método un individuo elegirá con probabilidad uno aquella combinación de niveles que le
produzca la máxima utilidad. El resultado para este pequeño número de entrevistados sería el que se recoge en la
tabla 5:
Tabla 5

Cuota de
Marca Duración Precio Diseño Distancia
mercado

Firestan 75.000 km. 6.000 pts. A < 10 min. 42.9%

Firestan 75.000 km. 6.000 pts. B < 10 min. 14.3%

Good 75.000 km. 6.000 pts. A > 10 min. 14.3%

Maixilin 75.000 km. 6.000 pts. B < 10 min. 14.3%

Firestan 75.000 km. 7.000 pts. B < 10 min. 4.8%

Good 75.000 km. 6.000 pts. B < 10 min. 4.8%

Maixilin 60.000 km. 6.000 pts. B > 10 min. 4.8%

Hay que entender que en un cuadro de estas características se obtienen productos (combinaciones de niveles) que
pueden no existir en el mercado.

Categorias: Investigación de Mercados Investigación Clínica

Artículos relacionados

Análisis de la Evidencia Clínica para mejorar resultados en salud y apoyar a la toma de...
El paciente primero
La Revolución Digital: transformando el futuro de la investigación clínica
Coordinador de ensayos clínicos: una profesión desconocida

Twittear me gusta 1 (1 comentarios)

Share

Comentarios
 por Jaime L. Padilla
1 Hace 2383 dias y 19 horas
Lina gracias por tu ejemplo

Escribe tu comentario

Debes estar unido a PMFARMA para participar. Únete o haz login

Lo + comentado
Lo + leido

La evolución del sector healthcare: perfiles demandados y cultura empresarial

4128 lecturas
La Formación, imprescindible en el nuevo entorno farmacéutico
2717 lecturas
Coordinador de ensayos clínicos: una profesión desconocida
2645 lecturas
Marketing farmacéutico y la necesidad del cambio
2528 lecturas
¿Qué factores entran en juego en la decisión del comprador de Consumer Healthcare en farmacia y parafarmacia?
2388 lecturas
El paciente como eje principal de nuestra comunicación
2311 lecturas
La figura del Market Access en las empresas de Tecnología y Productos Sanitarios
2080 lecturas
Nuevos retos para mejorar la efectividad de la fuerza de ventas del sector farmacéutico (VI): competencias presentes y
futuras
2036 lecturas
La evolución de RRHH empieza con el Employee Experience
1991 lecturas
Tendencias en marketing y publicidad en el sector salud
1951 lecturas
La formación como elemento estratégico del cambio y la transformación en el sector farma
1736 lecturas
La educación médica continuada en la diana del marketing plan
1731 lecturas
La comunicación online, la gran oportunidad para recuperar la reputación en el sector Farma
1730 lecturas
Evolución del mercado farmacéutico versus el entorno del Market Access
1618 lecturas
Posicionamiento de complementos alimenticios mediante Claims de Salud
1509 lecturas