PLAN DE MARKETING

CORPORACION UNIVERISTARIA DE ASTURIAS

PROGRAMA ADMINISTRACION Y DIRECCION DE EMPRESAS
2020

*RAFAEL URRE
ENUNCIADO
Ejemplo de análisis factorial para la toma de decisiones de marketing
El Análisis Factorial tiene sus orígenes en los trabajos iniciados por Charles Spearman en
1.904, donde trataba de analizar la causa de que la puntuación obtenida por un grupo de
alumnos en distintas materias presentará altas correlaciones. Los estudios de Spearman,
pusieron de manifiesto la existencia de un factor común en todas las calificaciones, que da
una medida de la inteligencia de los alumnos, y que explicaría las altas correlaciones
existentes, y, otro factor, específico de cada alumno, que sería el responsable de la parte
residual de las calificaciones.
Actualmente, el Análisis Multivariante se utiliza para obtener medidas de variables tales
como aptitud para las ventas, resistencia a la innovación, aceptación de nuevos productos,
etc. Así por ejemplo, una empresa que desea lanzar un nuevo artículo al mercado, y quiere
realizar un estudio acerca de la aceptación de dicho artículo, puede, a través de una
encuesta con cuestiones que midan una serie de variables, obtener una medida de la
"variable no observable" que pretende analizar.
Dentro del Análisis Factorial, podemos distinguir dos técnicas que, si bien tienen el mismo
tratamiento matemático, sus objetivos son distintos: El Análisis de Componentes
Principales y el Análisis Factorial de Correlaciones.
El Análisis de Componentes Principales tiene como objetivo reducir la dimensión de un
problema, en el sentido de que un número grande de variables iniciales, se puede reducir a
uno menor de nuevas variables, denominadas Componentes, que son combinación lineal de
las originales y que además son incorrelacionadas entre sí. La reducción no supone en
ningún caso pérdida de la información relevante proporcionada por las primeras variables.
Las nuevas variables o Componentes, se pueden utilizar con múltiples objetivos, tales
como:
 Describir con claridad gran cantidad de datos cuantitativos y analizar las relaciones
existentes entre ellos.
 Realizar estudios Multivariantes posteriores, como un Análisis Clúster, o construir
un modelo de Regresión utilizando los pocos datos dados por las Componentes en
lugar de los muchos proporcionados por las variables iniciales.
El Análisis Factorial de Correlaciones, se puede considerar, en cierta manera, como un
método de reducción de datos, en cuanto que el número inicial de variables, se reduce a un
número inferior de Factores, pero, el objetivo de este método Multivariante, es
precisamente, identificar y cuantificar estos Factores Comunes.
Por otro lado, el Análisis de Componentes Principales no exige condiciones previas acerca
de la estructura de los datos de partida, mientras que el Análisis Factorial de Correlaciones,
supone la existencia de un Modelo que ha generado dichos datos. Además, dentro del
Análisis Factorial de Correlaciones, se puede tener, o no, conocimiento del número de
Factores Comunes. Cuando no existe tal conocimiento, nos encontramos ante un problema
de Análisis Factorial Exploratorio, En otro caso, el Análisis Factorial Confirmatorio se
encargará de verificar un modelo factorial dado.
En cualquier caso, el Análisis Factorial de Correlaciones debe:
1. Identificar los Factores Comunes existentes en el modelo.
2. Obtener las relaciones entre las variables iniciales y los Factores Comunes.
3. Proporcionar una interpretación de los Factores Comunes.
Los resultados obtenidos por el Análisis Factorial de correlaciones sirven de base para otras
técnicas como análisis Clúster, discriminante, regresión, ...
Como conclusión teórica sobre el Análisis Factorial decir que éste reduce la multiplicidad
de pruebas y medidas hasta lograr una sencillez notable. Indica qué pruebas y medidas
pertenecen al mismo grupo y cuáles miden prácticamente lo mismo. Por lo tanto, reduce el
número de variables y ayuda a localizar o identificar unidades o propiedades fundamentales
en que se deben basar las pruebas.
Ejemplo práctico de análisis factorial
Utilizaremos un caso sencillo.
Una empresa especializada en el diseño de automóviles de turismo desea averiguar cuáles
son las preferencias más importantes del público que compra estos automóviles. Con este
fin diseña una encuesta de diez preguntas y se la aplica a un grupo de potenciales clientes.
Se les pide que valoren de 1 a 5 cada una de las características. A mayor puntuación mayor
preferencia de la característica. Estas diez características son:
VARIABLES CARACTERISTICAS
V1 QUE SEA BARATO
V2 QUE SE PAGUE A PLAZOS
V3 QUE TENGA POCO CONSUMO
V4 QUE USE GASOLINA NORMAL
V5 QUE SEA SEGURO
V6 QUE SEA CONFORTABLE
V7 QUE TENGA GRAN CAPACIDAD
V8 QUE DE BUENA PRESTACIONES
V9 QUE SEA JUVENIL
V10 QUE SEA AERODINAMICO

Se trata de averiguar si estas diez variables pueden agruparse en pocos factores. Tabuladas
las encuestas los datos se ingresan al SPSS. Las variables (características vehiculares) se
ingresan como columnas y los datos de cada sujeto conforman una fila. Inicialmente el
SPSS arroja la respectiva Matriz de Correlaciones.
 (Aunque sería necesario un curso sobre Estadística y SPSS, os detallo que, a continuación,
el SPSS nos ha proporcionado los resultados de los tests requeridos: Test de Bartlett e
Índice Kaiser-Meyer-Olkin, y los resultados obtenidos en los dos tests indican que es
posible continuar con el Análisis Factorial).
De inmediato el SPSS nos proporciona la Tabla de Estadísticos Iniciales, en donde todas las
variables presentan la misma comunalidad junto con sus valores propios (eigenvalues) así
como los valores porcentuales y acumulados de la varianza explicada por cada uno de los
factores.
Los datos conseguidos con el programa SPSS (sobre Estadísticos Iniciales) destacan
nítidamente dos variables: “Aerodinámico” (con un eigenvalue de 5.70 acumula el 57% de
la varianza explicada) y “Barato” (con un eigenvalue de 2.07 acumula el 20.7% de la
varianza explicada). Estas dos variables juntas, acumulan el 77.7% de la varianza
explicada.
Luego, el SPSS da la primera Matriz Factorial (No Rotada) que presenta la “Carga
Factorial” (correlaciones entre las variables iniciales y los “factores” recién creados).
En el caso de nuestro estudio se aprecia que se han extraído dos factores. El primer factor
(Factor 1) presenta una mayor cantidad de variables altamente correlacionadas. Hay que
tener en cuenta que, el primer factor antes de la rotación es el que mejor discrimina.
QUE USE GASOLINA NORMAL (0.933)
QUE SE PAGUE A PLAZOS (0.923)
NO JUVENIL (0.879)
QUE SEA BARATO (0.878)
NO BUENAS PRESTACIONES (0.861)
QUE TENGA POCO CONSUMO (0.840)
NO AERODINAMICO (0.765)

El segundo factor (Factor 2) aglutina las siguientes características:

QUE SEA CONFORTABLE (0.900)
QUE SEA SEGURO (0720)
QUE TENGA GRAN CAPACIDAD (0.671)

A continuación, el SPSS entrega la Tabla de Estadísticos Finales, donde se encuentra que

ha variado la “comunalidad” y que se ha reducido el número de factores. La variación en
las comunalidades es consecuencia directa de la reducción de los factores.
Las comunalidades expresan la cantidad de información de cada variable representada en
los factores que quedan.
En la Tabla de Estadísticos Finales se puede observar que hay dos factores. De esta forma
se ha pasado de diez variables a tan sólo dos, produciéndose la pérdida de tan solo el 22.3%
de la información original representada por las diez variables iniciales.
Vemos que las variables importantes siguen siendo las mismas y con coeficientes muy
parecidos, por lo que la interpretación no varía, y se reduce la complejidad del análisis y el
riesgo de error en el manejo de datos.
Conclusiones del ejemplo
Esto sólo ha sido un ejemplo de la necesidad de “cuantificar” la información de Marketing
para sacar conclusiones rigurosas.
El Análisis Factorial es una de las técnicas más útiles para el análisis (en Marketing y otras
disciplinas) la cual, gracias al desarrollo de la informática, puede ser aplicada actualmente
con relativa facilidad. Además, brinda la posibilidad de optar entre diferentes
procedimientos de acuerdo a los objetivos del estudio, lo que confiere a este análisis la
posibilidad de buscar la solución más precisa, desde el punto de vista matemático y, la más
elegante, desde el punto de vista estético.
Como conclusión empírica podemos indicar que las diez variables consideradas
inicialmente han quedado reducidas a dos factores: “economía” y “seguridad”. Se ha
pasado de diez variables a dos, produciéndose la pérdida de tan sólo el 22.3% de la
información original representada por las diez variables iniciales. Por tanto, puede aplicarse
una encuesta de sólo 2 ó 3 items, por ejemplo: a) Que sea económico; b) Que sea seguro; c)
Que no sea deportivo.
Finalmente, el manejo de herramientas de Marketing de Apoyo a las Decisiones debe seguir
la siguiente secuencia:
1) Recogida de Información - 2) Análisis de Datos - 3) Conocimiento - 4) conclusiones.
Sin esta “forma de pensar” corremos el riesgo de no ser rigurosos en la toma de decisiones
y, en consecuencia, mayor riesgo de errores.

CUESTIONES
 ¿Cuándo es oportuno realizar un análisis factorial?
Es un método estadístico mutivariable, que se utiliza para realizar un análisis a un
conjunto de variables latentes o factores comunes, medidas de variables tales como
aptitud para las ventas, resistencia a la innovación, aceptación de nuevos productos, esta
técnica permite descubrir, de un modo sintético, la estructura y las interrelaciones de las
variables originales en el fenómeno que se estudia, a partir de los componentes
obtenidos que después será necesario interpretar.
Mediante el análisis factorial en componentes principales se puede efectuar un análisis de la
imagen percibida de los individuos sobre una marca determinada. El resultado sería una
combinación lineal de una serie de variables, previamente establecidas mediante una fase
de investigación cualitativa, que se sintetizan en factores a partir de los cuales se identifican
los elementos que discriminan a los objetos, en términos de posicionamiento.
La segmentación de Mercados: Para identificar las variables subyacentes en las cuales
deben agruparse los clientes. Así, por ejemplo, los compradores de automóviles nuevos
pueden agruparse sobre la base de la importancia que dan a la economía, la comodidad, el
desempeño, el lujo, el servicio postventa, etc.

La investigación de Productos: Para identificar los atributos de las marcas que influyen en
la elección del consumidor. Una marca de pasta dental puede evaluarse por: la protección
contra la caries, la blancura que proporciona a los dientes, el sabor, el aliento fresco que
otorga, su precio, etc.

La publicidad: Para comprender los hábitos de consumo del mercado meta. Los
consumidores de comida rápida (fast food) pueden espectar determinados programas de
TV, preferir determinado tipo de música, gustar determinado tipo de ropa, transporte, etc.

Y el estudio sobre Precios: Para identificar las características de los consumidores sensibles
al precio. Estos consumidores pueden ser de clase media, preocupados por la economía,
caseros, etc.

 ¿Qué ventajas e inconvenientes tiene esta técnica?

VENTAJAS

 Permite una mayor colaboración de los que intervienen en las tareas para elevar
la productividad debido al uso de cuadros y diagramas en la presentación del
informe.
 Puede utilizar factor análisis de forma efectiva para proporcionarle una visión
profunda de la demografía y el comportamiento de compra de los usuarios, esto lo
ayudaría a apuntar mejor a su mercado y lograr mayores ventas.
 Es económico y fácil de usar y puede utilizarse en una amplia variedad de
situaciones.
 Se puede utilizar para identificar muchos factores latentes subyacentes que otras
herramientas pueden no ser capaces de resaltar
 Esta la posibilidad de asignar puntajes a los atributos subjetivos de factores
exploratorios y análisis del factor confirmatorios.
 Sus principios son aplicables en todas las industrias y a todos los niveles
industriales.
 Es muy útil para especialistas de institutos de investigación ya que puede acelerar el
trabajo y facilitar el informe
 DESVENTAJAS O INCONVENIENTES

 Es difícil determinar si los factores que emergen reflejan los datos o simplemente
son parte del poder del análisis factorial para encontrar patrones.
 Es difícil decidir cuántos factores incluir es decidir cuántos factores conservar. Hay
una variedad de métodos para determinar esto, y hay poco acuerdo sobre cuál es el
mejor.
 La interpretación del significado de los factores es subjetiva puede decirle qué
variables en su conjunto de datos «van juntas» de maneras que no siempre son
obvias.
 No revela necesariamente todas las fuerzas que afectan las actividades debido a que
ha sido concebido como un método de diagnóstico general
 Es necesario el criterio del investigador ya que muchos aspectos de las operaciones
industriales no pueden medirse ni compararse cuantitativamente.
 Como toda metodología es factible de ser corregida, ampliada y mejorada

 ¿Qué técnica multivariante de apoyo a las decisiones de marketing utilizaremos si

queremos segmentar el mercado?
LA TECNICA DE ANALISIS CLUSTER
segmenta los mercados, agrupando a los consumidores o clientes en base a su semejanza de
acuerdo las preferencias respecto a las variables seleccionadas o al beneficio que buscan al
adquirir un producto.

En el análisis clúster, a diferencia del análisis discriminante (donde los grupos están
establecidos a priori y la función discriminante permite reasignar los elementos a los
grupos), los conglomerados son desconocidos y el proceso consiste en su formación de
modo óptimo, aglutinando unidades homogéneas.

Su objetivo es obtener grupos de objetos de forma que, por un lado, los

objetos pertenecientes a un mismo grupo sean muy semejantes entre sí y, por el otro, los
objetos pertenecientes a grupos diferentes tengan un comportamiento distinto con respecto
a las variables analizadas.

Para el análisis clúster es nocivo la presencia de variables correlacionadas, cuando las

variables están correlacionadas, es aplicar un Análisis Factorial que reduzca todo el
conjunto de variables observadas a un número menor de factores comunes
incorrelacionados entre sí. Este mismo procedimiento puede utilizarse cuando el número de
variables utilizadas es muy elevado. de ahí la importancia del análisis previo de
multicolinealidad. Si es necesario se realiza un análisis factorial previo y posteriormente se
aglomeran las puntuaciones.
 CONCLUSION

Es importante conocer cada una de las estrategias que tenemos a la mano para
realizar el análisis a una empresa, teniendo en cuenta lo que queremos estudiar y
conocer cada una de las estrategias que podemos aplicar es nuestro campo.

El análisis factorial en componentes principales es un método estadístico

mutivariable de reducción de la dimensión de una matriz de casos/variables con
datos cuantitativos, para obtener otra de menor número de variables, combinación
lineal de las primitivas, que se denominan componentes principales o factores. El
Análisis de Componentes Principales tiene como objetivo reducir la dimensión de
un problema
 BIBLIOGRAFIA
https://www.centro-virtual.com/recursos/biblioteca/pdf/plan_marketing/unidad3_pdf1.pdf

http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S0212-97282014000300040

https://analisis.me/factorial/

https://www.centro-
virtual.com/campus/pluginfile.php/43401/mod_scorm/content/2/content/pdfs/caso_enunciado.p
df