Comportamientos

del Consumidor
Retail

MBA Jorge Rubiños Montero

1
 INVESTIGACIÓN
CAUSAL

2
 Clasificación del diseño de la investigación
Diseño de la
Investigación

Diseño de Investigación Diseño de Investigación

Exploratoria Conclusiva

Diseño de Investigación
Diseño Causal
Descriptiva

Diseño Transversal Diseño Longitudinal

Simple Múltiple

3
 Diseños experimentales y no
experimentales

• Diseño causal adecuado para inferir

relaciones de causa y efecto
• En un experimento se controla los
momentos de las mediciones y de la
introducción del tratamiento
• La investigación descriptiva permite poco
control sobre otros posibles factores
causales
4
 ¿Cómo?
• Se utiliza un grupo de control que no recibe el estímulo y tantos grupos
experimentales como estímulos se quiera evaluar.

Grupo de Control Grupo 1 Grupo 2 …

Segmento a
evaluar

Estímulo
(Ej. Publicidad)

Resultado Resultado Resultado

Actual Experimental 1 Experimental 2
5
 Análisis de Causalidad
• El esquema experimental es el siguiente (con grupos de
observación independientes)

A Estímulo
B
Grupo de control Grupo experimental

• El resultado experimental es:

Influencia Estímulo = B -A
6
 Análisis de Causalidad
INNOVA CIÓN
80

70
CERCANIA EMOCIONAL CAL IDAD DE SERVICIO

60
Δ=+40%
50

40

30
IMAGEN COBER TURA

20 Δ=+40%

Control 10

Publicidad 1 0

Publicidad 2

SOL IDEZ TECNOLOGÍA

Δ=+40%

CAL IDAD DE SEÑAL CONVENIENC IA

7
TRA NSPARENCIA
 Análisis de Causalidad
VIO 2 O 3 PUBLICIDADES VIO 1 PUBLICIDAD NO VIO PUBLICIDAD

PRESTIGIOSA
80%
JUVENIL UNA MARCA CON TRADICIÓN
70%
60%
TIENE ALGO DIFERENTE AL RESTO / DISTINTIVA ALTO RENDIMIENTO
50%
40%
30%
CON ESTILO 20% OFRECE VEHÍCULOS DE PRIMERA CALIDAD

10%
0%

REALIZA APORTES SOCIALES/ CULTURALES OFRECE VEHÍCULOS SEGUROS

DIVERTIDA DE MANEJAR DIGNA DE CONFIANZA

ES INNOVADORA TIENE TECNOLOGÍA DE AVANZADA

UNA MARCA QUE ME ENORGULLECERÍA POSEER

8
 MUESTREO: DISEÑO Y
PROCEDIMIENTOS

9
 Definiciones
• Población: La colección completa de
objetos que están siendo estudiados,
donde
— N = número de objetos en la población.

— Parámetro de la Población

Constituye el universo para el propósito del

problema de la investigación
• Censo: numeración completa de los elementos de
la población

10
 Definiciones
• Muestra: Una porción o sub-conjunto
seleccionado de los objetos que están
siendo estudiados, para participar del
estudio, donde
§ n = número de objetos en la muestra.

§ Estadística de la muestra

11
 Muestra o censo

Muestra Censo
1. Presupuesto Pequeño Grande
2. Tiempo disponible Poco Mucho
3. Tamaño de la población Pequeña Grande
4. Varianza de la característica Grande Pequeña
5. Costo de los errores de muestreo Bajo Alto

12
 Proceso de diseño de muestreo
Definir la población meta

Determinar el marco de muestreo

Seleccionar la técnica de muestreo

Determinar el tamaño de la muestra

Llevar a cabo el proceso del muestreo

13
 Clasificación de las técnicas de muestreo

Técnicas de
muestreo

No
Probabilístico Probabilístico

¿Como garantizar la representatividad?

1.º la aleatoriedad, es decir la no intencionalidad en la selección de un elemento
determinado del universo

2.º la probabilidad, en el sentido de respetar que todos los elementos del universo
tengan la misma probabilidad de entrar a formar parte de la muestra.
14
 Técnicas de muestreo

No Probabilístico

Muestreo por Muestreo por Muestreo por Muestreo de bola

conveniencia juicio cuotas de nieve

15
 Técnicas de muestreo

Probabilístico

Muestreo Muestreo Muestreo Muestro por Otras técnicas

aleatorio simple sistemático estratificado conglomerados de muestreo

Proporcional No Proporcional

16
 Muestreo Probabilístico: Aleatorio Simple

• Cada posible muestra tiene

igual probabilidad de ser
seleccionada.
• Cada elemento de la
población tiene una
probabilidad igual de ser
incluido en la muestra.
• Uso de números aleatorios.
17
 Muestreo Probabilístico: Aleatorio Simple

Lista de Clientes

Muestra Aleatoria

18
 Muestreo Probabilístico: Sistemático

• Selección dentro de un intervalo uniforme medido con

respecto al tiempo, orden o al espacio.
• Cada elemento tiene igual oportunidad de ser seleccionado.

19
 Muestreo Probabilístico: Sistemático
1 26 51 76
2 27 52 77
N = 100 3
4
28
29
53
54
78
79
5 30 55 80
6 31 56 81
Se desea una muestra n = 20 7
8
32
33
57
58
82
83
9 34 59 84
10 35 60 85
11 36 61 86
N/n = 5 12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
Escoger un número aleatorio de 1-5: 16 41 66 91
17 42 67 92
Seleccionado: 4 18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
22 47 72 97
23 48 73 98
20 24 49 74 99
25 50 75 100
 Muestreo Probabilístico: Sistemático
1 26 51 76
2 27 52 77
N = 100 3
4
28
29
53
54
78
79
5 30 55 80
6 31 56 81
Se desea una muestra n = 20 7
8
32
33
57
58
82
83
9 34 59 84
10 35 60 85
11 36 61 86
N/n = 5 12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
Escoger un número aleatorio de 1-5: 16 41 66 91
17 42 67 92
Seleccionado: 4 18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
Empezar con el 4 y escoger cada 22
23
47
48
72
73
97
98
21 quinto número 24
25
49
50
74
75
99
100
 Muestreo Probabilístico: Estratificado

• La población es dividida en grupos relativamente

homogéneos (estratos)
• Selección aleatoria de elementos del estrato.
• Cantidad proporcional al estrato ó con pesos.
• Cada grupo tiene una pequeña variación dentro de si
mismo, pero hay una amplia variación entre los grupos.

22
 Muestreo Probabilístico: Estratificado
POBLACIÓN ESTRATOS MUESTRA

23
 Muestreo Probabilístico: Por conglomerados
• La población se divide en grupos, conglomerados,
racimos o clúster.
• Seleccionamos una muestra aleatoria de estos
conglomerados.
• Hay una variación considerable dentro de cada grupo,
pero los grupos son esencialmente similares entre si.

24
 Muestreo Probabilístico: Por conglomerados
POBLACIÓN CONGLOMERADOS MUESTRA

25
 Elección del muestreo probabilístico frente al
no probabilístico
Muestreo no Muestreo
FACTORES
probabilístico probabilístico

Naturaleza de la investigación Exploratoria Concluyente

Magnitud relativa de los errores Los errores que no

Los errores de
de muestreo y de los que no son de muestreo son
muestreo son mayores
son de muestreo mayores

Variabilidad de la población Homogénea (baja) Heterogénea (alta)

Consideraciones estadísticas Desfavorables Favorables

Consideraciones operacionales Favorables Desfavorables

26
 DETERMINAR EL TAMAÑO DE
LA MUESTRA

27
 ¿Qué tamaño de muestra emplear?
Tener en cuenta...

Objetivos de la investigación

Tema, naturaleza del La población estudiada

análisis, variables de la (accesibilidad, tasa de
investigación incidencia)

Tiempo Presupuesto

Margen de error

28
 Intervalo de confianza

Alcance de la estimación que estamos

haciendo.
Intervalo de
Estadística de
Confianza
la Muestra

Límite de Límite de
Confianza Inferior Confianza Superior
29
 Intervalo de confianza
• Probabilidad de que el intervalo contiene al parámetro de la
población.
• Se denota 100(1 - a)%
• 1- a es la probabilidad bajo la curva en el ancho del intervalo.
• + a /2 y - a /2 son la probabilidades en los extremos o colas.
• Niveles de confianza típicos son 99%, 95%, 90%

30
 Intervalo y nivel de confianza

Distribución de sx_
Muestreo de la Media a/2 1-a a/2
_
x
µ`x = µ µ + Za / 2s X
µ - Za / 2s X
100(1 - a)% de los
intervalos de las
muestras
contienen a µ

31
 Intervalo y nivel de confianza

s s
x - za £ µ £ x + za
2 n 2 n
IC (90%) = x ± 1.64s x
IC (95%) = x ± 1.96s x
IC ( 99%) = x ± 2.58s x
32
 Determinación del tamaño de la muestra
s
margen de error = zs x = z
n
2
æ zs ö
n = çç ÷÷
è margen de error ø

pq
margen de error = zs p = z
2
n
z pq
n= 2
margen de error
33
 Cálculo de muestras
Error Muestral vs Muestra (muestras infinitas)
20.0%

18.0% 17.9%

16.0%

14.0% 13.9%
Muestras recomendables para públicos
12.7% masivos
12.0%

10.3%
10.0%
9.0%
8.0% 8.0%
6.9%
6.0% 5.7%
4.9%
4.4%
4.0% 4.0% 3.7% 3.5%
3.1% 3.0% 2.8% 2.5%
2.0% 2.2%
2.0%
0.0%
30 50 60 90 120 150 200 300 400 500 600 700 800 1,000 1,100 1,200 1,500 2,000 2,500
34
 Ejemplo
• Una empresa quiere medir el nivel de satisfacción de sus clientes y
quiere tener representatividad por cada uno de sus segmentos.
• Para un n=200 casos, todos los segmentos tienen
representatividad?
Proporcional No Proporcional

Segmentos BdD % n n

A 5,000 10% 20 50

B 10,000 20% 40 50

C 35,000 70% 140 100

Total 50,000 200 200

35
 Cálculo de muestras
Error Muestral vs Muestra (muestras infinitas)
20.0%
Para totales en muestras
18.0% 17.9% complejas (por tipo de
cliente, metodología)
16.0%

14.0% 13.9%
12.7%
12.0%

10.3%
10.0%
9.0%
8.0% 8.0%
6.9%
6.0% 5.7%
4.9%
4.4%
4.0% Muestras mínimas para armar 4.0% 3.7% 3.5%
segmentos 3.1% 3.0% 2.8% 2.5%
2.0% 2.2%
2.0%
0.0%
30 50 60 90 120 150 200 300 400 500 600 700 800 1,000 1,100 1,200 1,500 2,000 2,500
36
 Ejemplo

No Proporcional

Segmentos BdD % n

A 5,000 10% 30

B 10,000 20% 30

C 35,000 70% 90

Total 50,000 150

37
 Cálculo de muestras
Error Muestral vs Muestra (muestras infinitas)
20.0%

18.0% 17.9%

16.0% Para estudios más

completos.
14.0% Con segmentos de alta
13.9%
población.
12.7% Estudios de
12.0%
segmentación
10.3%
10.0%
9.0%
8.0% 8.0%
6.9%
6.0% 5.7%
4.9%
4.4%
4.0% 4.0% 3.7% 3.5%
3.1% 3.0% 2.8% 2.5%
2.0% 2.2%
2.0%
0.0%
30 50 60 90 120 150 200 300 400 500 600 700 800 1,000 1,100 1,200 1,500 2,000 2,500

38
 Ejemplo
• Un estudio para las ciudades del norte del País

No Proporcional

Censo INEI n
Segmentos %
2007

Trujillo 683,000 36% 300

Chiclayo 524,000 27% 300

Piura 377,000 20% 300

Chimbote 335,000 17% 300

Total 1,919,000 100% 1,200

39