Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PLAN DE MARKETING
ALUMNA:
PROFESOR:
PLAN DE MARKETING
27/11/2019
INDICE
Introducción.................................................................................................................................................3
Conclusión………………………………………………………………………….…....………………….6
Referencia bibliográfica……………………………...……………………………………….…………...7
INTRODUCCIÓN
Análisis Factorial
Las principales aplicaciones de las técnicas de análisis factorial son: (1) reducir el número de variables y
(2) descubrir la estructura en las relaciones entre variables, esto es clasificar las variables. Por lo tanto, el
análisis factorial se aplica como método de reducción de los datos y/o de detección de la estructura. Es
prerrequisito para usar el análisis factorial, estar familiarizado con los conceptos de varianza y correlación.
El análisis factorial, en una de sus aplicaciones, simplemente lo que hace es reducir un gran número de
variables a un número menor de variables y esto lo hace, mirando las correlaciones entre las respuestas a
cada una de las variables dentro de un gran número de ellas, para luego agruparlas en combinaciones de
variables que estén estrechamente correlacionadas (Ej. que se comporten de manera similar).
El análisis factorial es entonces muy útil, cuando estamos manejando un gran número de variables que
sería impráctico manejar individualmente, reduciéndolas a agrupamientos más pequeños y homogéneos.
El análisis factorial se usa ampliamente para alimentar otros análisis como por ejemplo el de
conglomerados o clúster.
ENUNCIADO CASO PRÁCTICO UNIDAD 3
El Análisis Factorial tiene sus orígenes en los trabajos iniciados por Charles Spearman en 1.904, donde
trataba de analizar la causa de que las puntuaciones obtenidas por un grupo de alumnos en distintas
materias presentarán 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
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 Cluster, o construir un modelo de
Regresión utilizando los pocos datos dados por las Componentes en lugar de los muchos
proporcionados por las variables iniciales.
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.
2. Obtener las relaciones entre las variables iniciales y los Factores Comunes.
Los resultados obtenidos por el Análisis Factorial de correlaciones sirven de base para otras técnicas como
análisis Cluster, 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.
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:
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.
El segundo factor (Factor 2) aglutina las siguientes características
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.
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:
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
1. ¿Cuándo es oportuno realizar un análisis factorial? ¿Qué ventajas e inconvenientes tiene esta técnica?
Respuesta:
Podemos decir que el análisis factorial es una técnica que se usa para reducir un gran número de variables
en un menor número de factores. Esta técnica extrae la varianza común máxima de todas las variables y
las coloca en un puntaje común. Como un índice de todas las variables.
Dicho lo anterior se puede decir que es oportuno hacer un análisis factorial cuando se tienen gran cantidad
de variables y necesitamos reducir, información, pero en algunos casos estos métodos también tienen otros
usos como, por ejemplo; calcular índices de estatus socioeconómicos, identificar un conjunto nuevo y más
reducido de variables no correlacionadas que reemplacen al conjunto original de variables correlacionadas
en el análisis multivariado, y también se puede utilizar en estudios de asignación de precios para
identificar las características de los consumidores sensibles a los precios.
Ventajas:
- Puede utilizar factor análisis de manera efectiva para proporcionarle una visión profunda de la
demografía y el comportamiento de compra de los clientes, esto lo ayudara a apuntar mejor a su mercado
y lograr mayores ventas.
- Reduce la dimensión de los datos. Su objetivo es buscar el número mínimo de dimensiones capaces de
explicar el máximo de información contenida en los datos.
-Es económico y fácil de usar y puede utilizarse en una amplia variedad de situaciones
- Los puntajes factoriales pueden ser guardados y usados en futuros análisis para inferencia o modelaje.
-Se puede utilizar para identificar muchos factores latentes subyacentes que otras herramientas pueden no
ser capaces de resaltar.
- Está la posibilidad de asignar puntajes a los atributos subjetivos de factores exploratorios y análisis del
factor confirmatorio.
Desventajas:
-es difícil determinar si los factores que emergen reflejan los datos o simplemente son parte del poder del
análisis factorial para encontrar patrones.
-la interpretación del significado de los factores es subjetiva puede decirle que variables en su conjunto de
datos van juntas de manera que no siempre son obvias.
-es difícil deducir cuantos factores incluir, es decidir cuantos factores conservar hay una variedad de
métodos para determinar esto y hay poco acuerdo sobre cuál es el mejor.
- La agregación y pesos pueden variar cada vez que una nueva data es considerada, dificultando la
comparación temporal o entre diferentes contextos.
Respuesta:
Análisis Discriminante
Esta técnica es útil para comparar las diferencias entre segmentos o para predecir la pertenencia a
un grupo. El análisis discriminante se ejecuta mediante ecuaciones generadas por computador.
Para llevar a cabo un análisis discriminante existen dos procedimientos y propósitos distintos. El
primero es el análisis discriminante predictivo que se usa para optimizar las funciones
predictivas. El segundo procedimiento es el análisis discriminante clasificativo que usa las
funciones predictivas derivadas del primer procedimiento, bien sea para clasificar conjuntos
recientes de datos correspondientes a grupos de conformación conocida, o para clasificar nuevos
conjuntos de observaciones pertenecientes a grupos de conformación desconocida.
CONCLUSIONES
-Se ha convertido en una de las herramientas de trabajo más importantes y necesarias de muchas
organizaciones para realizar trabajos financieros y de investigación de mercado.
-las principales razones por las cuales se utiliza las técnicas de análisis factorial son reducir el
número de variables con el propósito de clasificar las variables y acortar información.
-cuando se usan las técnicas de análisis estadístico multivariante se logra tener información mas
detallada y clara sobre el tema al cual se le aplico esta técnica.
La realización de todas estas técnicas no siempre está al alcance de todos, sobre para los
emprendederos que buscan crear una empresa nueva, ya que algunas de ellas requieren elevados
volúmenes de información y conocimientos estadísticos o aplicaciones que faciliten la
implementación de estos métodos.
REFERENCIAS BIBLIOGRAFÍAS
https://www.centrovirtual.com/recursos/biblioteca/pdf/unidad3pdf3casoAnálisis Factorial para la
Toma de Decisiones de Marketing/pdf
https://analisis.me/factorial/
https://robertoespinosa.es/2013/09/17/segmentacion-de-mercado-concepto-y-enfoque
http://3w3search.com/Edu/Merc/Es/GMerc039.htm