Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Entrega Office Star
Entrega Office Star
En este ejercicio tenéis que construir un mapa conjunto, de percepciones y preferencias, con un análisis interno,
Para ello tenéis que leer el fichero de perceptiones y el de preferencias. Cuando tengáis las preferencias, tenéis
que explorar la heterogeneidad. Una vez elegidos los segmentos que vamos a explorar, obtened las medias en
los segmentos. Después tenéis que modificar el fichero de percepciones para añadir las preferencias de los
segmentos. Tenéis que obtener un resultado similar al siguiente. Al final, en un anexo, hos muestra varias
maneras deañadir las medias de los segmentos en la matriz de percepciones.
Lectura de percepciones
Leeremos el fichero de percepciones y lo mostraremos en una tabla
##Lectura de datos OfficeStar_per.txt
source("marketing-models.R")
os_per <- read.table("OfficeStar_per.txt", row.names=1, header=T)
perceptions<-t(os_per) #view the table read
knitr::kable(perceptions, digits = 3, row.names = T, align = "c",
caption = "Tabla de percepciones de las marcas en un conjunto de m atributos")
Lectura de preferencias
Preferencias vectoriales
Leeremos las preferencias y las mostraremos en una tabla
#Lectura de las preferencias de OfficeStar_prefs
preferences.segments <- read.table("OfficeStar_prefs2.txt",
row.names=1,
header=T)
knitr::kable(head(preferences.segments), digits = 2, caption = "preferencias con una columna final que i
1
OfficeStar PaperCo OfficeEquipment Supermarket Segment
Radjeep 2 3 3 5 2
Antoine 3 1 3 5 3
Yoshi 3 2 3 5 3
Hubert 4 2 3 1 1
preferences<-preferences.segments[,-5]
knitr::kable(head(preferences), digits = 2, caption = "preferencias sin la columna final que incluye el
2
Cluster Dendrogram
20
15
10
Height
5
0
Ralph
Lori
Marie
Thaj
Mary
Barry
Antoine
Ruth
Alan
Steve
Mike
Jonny
Hubert
Charlotte
Hal
Sebastion
Radjeep
Beth
Michael
Dirk
Yoshi
Carol
Elisabeth
Megan
dist(preferences)
hclust (*, "ward.D")
Partición de la muestra
Haremos la partición de la muestra según la exploración anterior
#centros-hclust, calcula las medias en los segmentos obtenidos con hclust
centros.pref2<-centros.hclust(pref.hclust, preferences, 3)
pref.kmeans2<-kmeans(preferences, centros.pref2)
knitr::kable(pref.kmeans2$centers, digits = 2, caption = "Medias en los segmentos")
3
#Estamos listos para construir el mapa de percepciones y preferencias en un solo paso
perceptionsPlus.pca
5
4
Variances
3
2
1
0
#Analisis interno
biplot(perceptionsPlus.pca)
4
−2 −1 0 1 2
PaperCo
2
0.6
LargeChoice
1
0.2
LowPrices
S2
ServiceQuality
PC2
OfficeStar
0
OfficeEquipment
−0.2
S1
ProductQuality
−1
Supermarket
−0.6
S3
Convenience
−2
−0.6 −0.2 0.2 0.6
PC1
También podemos utilizar ggbiplot(), de este modo, mostraremos un gráfico más elegante
ggbiplot(perceptionsPlus.pca, labels = row.names(perceptionsPlus))
La PaperCo
rg
eC
ho
1.0 ice
standardized PC2 (30.6% explained var.)
0.5
rices
owP
SL2
ServiceQu
ality
0.0OfficeStar
OfficeEquipment
S1
y
ualit
−0.5
uctQ
Prod
−1.0
Supermarket
S3
Conven
5
Lectura preferencias ideales
Primero introduciremos las preferencias ideales de los consumidores
#Leeremos las prefernecias de officeStar_ideal
6
Cluster Dendrogram
20
15
10
Height
5
0
Ralph
Lori
Marie
Thaj
Mary
Barry
Antoine
Ruth
Alan
Steve
Mike
Jonny
Hubert
Charlotte
Hal
Sebastion
Radjeep
Beth
Michael
Dirk
Yoshi
Carol
Elisabeth
Megan
dist(preferences.ideal)
hclust (*, "ward.D")
Partición de la muestra
#centros-hclust, calcula las medias en los segmentos obtenidos con hclust
centros.pref.ideal<-centros.hclust(pref.ideal.hclust, preferences.ideal, 3)
pref.ideal.kmeans2<-kmeans(preferences.ideal, centros.pref.ideal)
knitr::kable(round(pref.ideal.kmeans2$centers, 2))
7
#Ahora añadiremos las preferencias segmentadas al marco de datos de percpecions como nuevas filas
perceptionsPlus.ideal <- rbind(perceptions, segments.ideal)
perceptionsPlus.ideal.pca
2.0
1.5
Variances
1.0
0.5
0.0
#Analisis interno
biplot(perceptionsPlus.ideal.pca)
8
−2 −1 0 1 2
2
S1
LargeChoice LowPrices
1
PC2
Supermarket
0
OfficeStar OfficeEquipment
ServiceQuality S2
−0.2
−1
Convenience
−2
−0.6
ProductQuality
S3
PC1
9
standardized PC2 (30.3% explained var.) PaperCo
La 1 s
rge S1
Ch r ice
o ice wP
Lo
0 Supermarket
OfficeStar OfficeEquipment
eQ uality S2
Servic
Co
nv
en
−1 ie
nc
e
tQuality
S3
−1 0 1
Produc
10