Universidad de Buenos Aires

Facultad de Ciencias Económicas

Escuela de Estudios de Posgrado

Maestría en Administración

Investigación de mercado

Cuestionario Unidad 4

Profesores: Roberto Sciarroni

Nombre del equipo: Monster Inc.

Líder: Gabriel Woloszyn

Alumnos:

● Mauro Ordoñez
● Gabriel Woloszyn
● Heidy Fabricius
● Joaquin Igoa
● J. Ignacio Piccini
 1. ¿Cómo definiría Usted el Análisis Multivariable? Expláyese en el
concepto.

El análisis multivariable es un conjunto de técnicas estadísticas y matemáticas

utilizadas para analizar y modelar relaciones complejas entre múltiples variables
o factores. Este análisis se aplica en diversas disciplinas, incluyendo las ciencias
sociales, la economía, la ingeniería, la medicina y la biología, entre otras.

El análisis multivariable se utiliza para explorar y describir la relación entre

múltiples variables, identificar patrones y tendencias, y predecir el
comportamiento futuro. Algunas de las técnicas comunes utilizadas en el
análisis multivariable incluyen la regresión lineal, el análisis de componentes
principales, el análisis factorial, el análisis de clústeres y el análisis
discriminante.

En resumen, el análisis multivariable es una herramienta poderosa para entender

y modelar la complejidad de los datos en situaciones en las que se deben tener
en cuenta múltiples variables que interactúan entre sí.

Existen varios tipos de análisis multivariable que se utilizan para examinar las
relaciones entre múltiples variables. A continuación, se describen algunos de los
tipos de análisis multivariable más comunes:

- Análisis de regresión: Este tipo de análisis multivariable se utiliza para

examinar la relación entre una variable dependiente y una o más variables
independientes. El análisis de regresión puede ser lineal o no lineal.
- Análisis de componentes principales: Este tipo de análisis multivariable
se utiliza para reducir la dimensión de los datos, eliminando la
información redundante y manteniendo la información esencial. El
análisis de componentes principales se utiliza a menudo en la exploración
de datos y en el análisis de grandes conjuntos de datos.
- Análisis de conglomerados: Este tipo de análisis multivariable se utiliza
para agrupar observaciones similares en grupos o clústeres. El análisis de
conglomerados se utiliza a menudo en la segmentación de mercado y en
la identificación de grupos homogéneos de consumidores.
 - Análisis discriminante: Este tipo de análisis multivariable se utiliza para
identificar las variables que mejor distinguen entre dos o más grupos. El
análisis discriminante se utiliza a menudo en la clasificación de
individuos en grupos predefinidos.
- Análisis de series temporales: Este tipo de análisis multivariable se utiliza
para analizar la evolución de una o más variables a lo largo del tiempo. El
análisis de series temporales se utiliza a menudo en la predicción y en el
control de procesos industriales y económicos.

En resumen, los diferentes tipos de análisis multivariable se utilizan para

diferentes propósitos, como reducir la dimensión de los datos, agrupar
observaciones similares, identificar las variables que mejor distinguen entre
grupos, analizar la evolución de las variables a lo largo del tiempo y predecir
resultados futuros.

2. ¿Qué clases de Categorías comprende las Técnicas Multivariables?

Explique los conceptos.
Las técnicas multivariables se pueden dividir en dos grandes clases o categorías:
1. Técnicas que aplican un “criterio”, planteando una estructura de
dependencia, de una o varias variables de control, o predictoras.
2. Técnicas que plantean una “interdependencia”, que manejan, libremente,
la matriz de datos, sin interponer requisitos de criterio, permitiendo, asi,
la interacción libre de todas las variables.
 3. ¿En qué se basan los Métodos de Interdependencia?
Los métodos de interdependencia son un conjunto de técnicas multivariables
que se utilizan para analizar la interdependencia entre múltiples variables. Estos
métodos se basan en la idea de que las variables en un sistema están
interconectadas y afectan mutuamente.

Los métodos de interdependencia se utilizan para entender cómo las variables se

relacionan entre sí, y cómo un cambio en una variable puede afectar a las demás
variables del sistema. Estos métodos son útiles en muchas áreas, incluyendo la
economía, la psicología, la biología, la ingeniería y la ciencia de datos.

4. ¿Qué podrían decir de los Métodos de Interdependencia en lo referente a

la morfología de las variables?
Los métodos de interdependencia son útiles para analizar la relación entre las
variables en un sistema y cómo influyen mutuamente entre sí. Sin embargo,
estos métodos no proporcionan información sobre la morfología de las
variables.

La morfología de las variables se refiere a su forma, estructura y características.

Por ejemplo, una variable puede ser continua o discreta, puede tener una
distribución normal o no normal, puede ser categórica o numérica, entre otras
características. En el análisis multivariable, la morfología de las variables puede
afectar la elección de las técnicas estadísticas adecuadas para analizar los datos.
Por lo tanto, es importante tener en cuenta la morfología de las variables antes
de aplicar cualquier método de interdependencia.

Por ejemplo, algunos métodos de interdependencia como el análisis de

correlación y el análisis de regresión se utilizan para analizar la relación entre
dos o más variables, pero son más apropiados para variables continuas. Otros
métodos, como el análisis de redes y el análisis de conglomerados, pueden ser
más apropiados para variables categóricas o binarias.

5. ¿Cómo definiría Usted los Métodos de Dependencia?

Los métodos de dependencia son un conjunto de técnicas estadísticas que se

utilizan para analizar la relación entre dos o más variables en un sistema. Estos
métodos se basan en la idea de que una variable depende de otra o de otras
variables. Los métodos de dependencia se utilizan para entender cómo una
variable afecta a otra variable en un sistema y para modelar la relación entre
ellas. Entre los métodos de dependencia más comunes se incluyen regresión
múltiple, análisis de varianza, medición conjunta y análisis discriminante.

6. ¿Qué clasificación emerge en los Métodos de Dependencia cuando una

variable se explica a través de otras? Es decir, el número de variables
dependientes que participan en el Modelo.
En los métodos de Dependencia, cuando una variable se explica a través de
otras se puede plantear un criterio cuantitativo o métrico, donde el análisis de
regresión múltiple plantea en escala interval o nominal, la dependencia de una
variable en función de un conjunto de variables dependientes. El detector
automático de interacción, plantea un criterio único en escala cuantitativa, para
explicar la importancia de los niveles de valoración de las variables, según la
forma como se afecta un criterio aplicado a un conjunto de variables
independientes.

7. ¿Cuáles son las Principales Aplicaciones del Método Multivariados?

Se utilizan los métodos multivariados para:
● Optimizar los datos o simplificar la estructura
● Ordenar y agrupar: Cuando tengamos múltiples variables, se creará un
conjunto de objetos o variables "similares" en función de las
características medidas para ordenar y agrupar los datos.
● Investigar la relación de dependencia entre variables: La relación entre
variables es algo que puede resultar preocupante para muchos. El análisis
multivariado nos servirá para saber si todas las variables son
independientes o dependientes entre sí.
 ● Relación predictiva entre variables: Deben determinarse para predecir el
valor de una o más variables a partir de observaciones de otras variables.
● Construcción y prueba de hipótesis: Se prueban hipótesis estadísticas
específicas expresadas en parámetros poblacionales multivariados. Esto
se puede hacer para probar hipótesis o reafirmar hipótesis previas.
Y sus principales aplicaciones son: Lanzamiento de nuevos productos,
Segmentación, Satisfacción del cliente, Estrategia de ventas, Imagen y
posicionamiento, Proyección de mercados, Tipificación de créditos, Riesgo de
cartera, Predicción de comportamiento, Merchandising, Mapas perceptuales,
Marketing directo, Administración de base de datos

El análisis discriminante plantea un solo criterio en escala cualitativa nominal

para determinar los atributos que diferencian los segmentos.

8. ¿Cuáles son los Principales Modelos que ustedes conocen cuando de

Análisis Multivariado se habla?
Los principales modelos son:
El análisis de regresión múltiple se utiliza para construir un modelo que
explique el comportamiento de una variable Y, con relación a un conjunto de
variables independientes (Xi).
El análisis multivariado de varianza utiliza varios criterios cuantitativos para
explicar el comportamiento de una variable dependiente, a través de los efectos
producidos sobre ella por otras variables independientes.
El análisis discriminante plantea un solo criterio en escala cualitativa nominal
para determinar los atributos que diferencian los segmentos.
El análisis conjunto agrupa objetos similares en grupos. El análisis de
conglomerados es un conjunto de grupos, donde cada uno es diferente entre sí y
los objetos de cada grupo son muy similares entre sí.
El análisis factorial produce una combinación lineal de múltiples variables
cuantitativas .Estos tipos de análisis son utilizados para reducir el alcance del
problema con el fin de comprender mejor los factores que afectan estas
variables.
 9. ¿Podrían explicar en qué consiste el Método de Correspondencia Simple?
¿Cuál es el principal resultado que se obtiene de aplicar esta técnica?
Se origina a partir de una tabla de frecuencias, que cruza dos variables. Esta
técnica proporciona una reducción de la dimensionalidad de la pendiente del
objeto en un conjunto de atributos, generando así un mapa de percepción de la
pendiente. Sin embargo, la variable independiente y la variable dependiente se
verifican al mismo tiempo.
Se usa comúnmente para evaluar la efectividad de las campañas publicitarias.
También se puede utilizar cuando los atributos son demasiado similares para el
análisis factorial.
El principal enfoque estructural es el desarrollo de una tabla de contingencia,
también conocida como tabulación cruzada. Esto significa que la forma de las
variables no debe ser métrica. El análisis de correspondencias es difícil de
interpretar, ya que las dimensiones son una combinación de variables
independientes y dependientes. En esta técnica lo que se busca es encontrar la
relación que existe entre las categorías de una variable con las categorías de otra
variable.

10.¿Podrían Ustedes explicar en qué consiste la Regresión Múltiple?

¿Podrían ejemplificar el concepto?
La regresión múltiple consiste en un procedimiento de estimación que
extiende el análisis de la regresión simple a más de una variable,
comúnmente utilizada para formular pronósticos.

A modo de ejemplificación podemos tomar un caso de pronosticar la nota

de un alumno en función a sus últimas 3 calificaciones.

11.¿En qué consiste el Análisis Discriminante? ¿Qué dos grandes inferencias

se obtienen de su aplicación?
El análisis discriminante es una técnica de agrupación que establece la
combinación de atributos que mejor interprete cada conjunto de personas
y objetos. Es decir, es una o varias funciones lineales que permiten
clasificar a los individuos u objetos en atributos previamente definidos.
 Es una técnica asociativa donde la variable dependiente se expresa en
escala nominal y la independiente en una escala interval.
Las dos grandes inferencias son las variables discriminatorias y el de
pertenencia a un conjunto.

12.¿Podrían Ustedes imaginar algunas situaciones en donde se aplica el

Análisis Discriminante? Explique cada una de ellas.
Algunas situaciones donde se aplica análisis discriminantes es al
momento de clasificar un país por su nivel de desarrollo, o en caso de la
educación, por su nivel académico.
En cada uno de ellos se agrupan, países o personas, según el conjunto
predeterminado, donde los atributos previamente definidos delimitan la
situación de cada uno.

13.¿En qué consiste el Análisis de Conglomerados?

Consiste en separar objetos o individuos en grupos excluyentes, con
características similares a partir de un grupo con características
heterogéneas. Se justifica su uso para volúmenes grandes de información.

14.¿Qué aporta el Análisis de Conglomerados a las Decisiones de

Marketing?

Se ha usado en marketing con diversos propósitos, entre los que se

encuentran:
- Segmentación del mercado: por ejemplo, puede agruparse a los
consumidores según los beneficios que buscan en la compra de un
producto. Cada conglomerado estaría formado por consumidores
que son relativamente homogéneos en términos de los beneficios
que buscan.6 Este procedimiento se conoce como segmentación
por beneficios.
- Entender la conducta de los compradores: el análisis de
conglomerados puede usarse para identificar grupos homogéneos
de compradores. Luego se examina por separado la conducta de
compras de cada grupo, como en el proyecto de la tienda
departamental, donde los encuestados se agruparon con base en la
 importancia que dijeron atribuir a cada factor de los criterios
utilizados en la elección de una tienda departamental. El análisis de
conglomerados también se ha empleado para identificar las
estrategias que usan los compradores de automóviles cuando
buscan información externa
- Identificar oportunidades de nuevos productos: al agrupar marcas y
productos, es posible determinar conjuntos competitivos dentro del
mercado. Las marcas del mismo conglomerado compiten mucho
más entre sí que con las marcas de otros conglomerados. Una
empresa puede comparar sus ofertas actuales con las de sus
competidores para identificar posibles oportunidades de productos
nuevos
- Elegir mercados de prueba: al agrupar ciudades en conglomerados
homogéneos, es posible elegir ciudades comparables para probar
diversas estrategias de marketing.
- Reducir los datos: el análisis de conglomerados es útil como
herramienta general de reducción de datos, para desarrollar
conglomerados o subgrupos de datos que sean más fáciles de
manejar que las observaciones individuales. El análisis
multivariado posterior no se realiza en las observaciones
individuales, sino en los conglomerados. Por ejemplo, para
describir las diferencias en la conducta de uso del producto por
parte de los consumidores, primero se dividiría a éstos en
conglomerados. Las diferencias entre los grupos se examinan luego
con el análisis discriminante múltiple.

15. ¿Podrían imaginar situaciones donde se aplica el Análisis de

Conglomerados?

Hay varias situaciones en las que se puede aplicar el análisis de conglomerados,

entre ellas:

1. Segmentación de mercado: El análisis de conglomerados se puede utilizar

para identificar grupos de consumidores con necesidades y
comportamientos similares, lo que permite a las empresas segmentar el
 mercado y desarrollar estrategias de marketing específicas para cada
grupo. Por ejemplo, una empresa de alimentos puede utilizar el análisis
de conglomerados para identificar grupos de consumidores con
preferencias similares en términos de ingredientes, sabores y
presentaciones, y desarrollar productos específicos para cada segmento.
2. Identificación de patrones de consumo: El análisis de conglomerados
también se puede utilizar para identificar patrones de consumo entre los
consumidores, lo que permite a las empresas ajustar sus estrategias de
marketing y mejorar la satisfacción del cliente. Por ejemplo, una empresa
de productos electrónicos puede utilizar el análisis de conglomerados
para identificar patrones de uso de sus productos, como los momentos del
día en que los consumidores utilizan más sus dispositivos, y desarrollar
campañas de marketing específicas para cada momento.
3. Análisis de clientes: El análisis de conglomerados también se puede
utilizar para analizar la base de clientes de una empresa, lo que permite
identificar grupos de clientes con características y necesidades similares.
Por ejemplo, un banco puede utilizar el análisis de conglomerados para
identificar grupos de clientes con necesidades similares de productos
financieros, y desarrollar ofertas personalizadas para cada grupo.
4. Detección de anomalías: Finalmente, el análisis de conglomerados se
puede utilizar para detectar anomalías en los datos, como valores atípicos
o puntos de datos que se desvían significativamente de la norma. Por
ejemplo, una empresa de venta al por menor puede utilizar el análisis de
conglomerados para detectar patrones de compra inusuales entre sus
clientes, y ajustar sus estrategias de marketing para abordar estos
comportamientos.

16. Para vuestra propia investigación: ¿En qué consiste la Segmentación

Chaid?

La segmentación CHAID (Chi-squared Automatic Interaction Detection) es un

método de análisis de datos utilizado en el ámbito del marketing y la
investigación de mercado para identificar grupos de clientes o consumidores
con características y comportamientos similares.
Este metodo se basa en el análisis de la significancia estadística de las
relaciones entre las variables de interés y la división jerárquica de los datos en
grupos más pequeños y homogéneos. Esto se logra mediante la realización de
una serie de pruebas de Chi-cuadrado para determinar la relación entre cada
variable y la variable objetivo, y la construcción de un árbol de decisiones que
divide los datos en grupos basados en las relaciones más significativas.

La segmentación CHAID es una técnica útil para identificar subgrupos de

clientes o consumidores con diferentes necesidades y comportamientos, lo que
permite a las empresas personalizar sus estrategias de marketing y mejorar la
satisfacción del cliente. Además, la segmentación CHAID es una herramienta
útil para identificar oportunidades de crecimiento y mejorar la rentabilidad de
una empresa

17. ¿En qué consiste el Análisis Conjoint o Conjunto?

El análisis conjoint o conjunto es una técnica estadística utilizada en

investigación de mercado para determinar cómo los consumidores valoran
diferentes atributos de un producto o servicio y cómo estos atributos influyen en
su decisión de compra.

Este análisis particularmente intenta crear una estructura que permita conocer la
importancia y utilidad que aportan diferentes variables a un proceso de decisión,
cuando actúan conjuntamente.

Se presentan a los encuestados diferentes combinaciones de características o

atributos del producto o servicio, y se les pide que elijan su opción preferida. A
partir de las respuestas obtenidas, se puede determinar el peso o importancia
relativa de cada atributo en la decisión de compra, y se pueden identificar las
combinaciones de atributos más atractivas para los consumidores.

Este método es útil para entender cómo los consumidores toman decisiones de
compra en situaciones complejas, donde hay múltiples factores que influyen en
su elección, y para desarrollar productos y servicios que se adapten mejor a las
necesidades y preferencias de los clientes. Además, el análisis conjoint es una
técnica eficaz para predecir la demanda de nuevos productos o servicios y para
identificar oportunidades de crecimiento en un mercado determinado.
Tiene 5 ventajas fundamentales:

- se basa en la forma com los consuidmores perciben las alternativas

competitivas, tal como se presentan los productos o servicios en el
mercado
- evalúa los atributos, y esto posibilita una guia para la elaboración de los
programas de comunicación y de marketing en general
- proporcional sugerencias para nuevas y más atractivas configuraciones
para el consumidor
- las medidas parciales permiten trabajar modelos de simulación ,para
determinar estrategias de mercado
- Es una herramienta apropiada para evaluar proyectos del sector público,
basados en la relación costo - beneficio.

18. Podrían ustedes desarrollar algún ejemplo, en el que suponen, ¿que

podría aplicarse al Análisis Conjoint o Conjunto?

Un ejemplo de aplicación del análisis conjoint puede ser el lanzamiento de una

nueva línea de productos de tecnología portátil, como relojes inteligentes. Se
desea conocer cuáles son las características más valoradas por los consumidores
y cómo estas características afectan su decisión de compra.

Se puede llevar a cabo una encuesta con diferentes combinaciones de atributos,

como por ejemplo:

➔ Diseño: rectangular o circular

➔ Marca: conocida o desconocida
➔ Funciones: monitorización de la salud, notificaciones, GPS, control de
música, etc.
➔ Precio: $10000, $20000, $30000

A cada encuestado se le presentan diferentes combinaciones de estos atributos,

y se le pide que elija su opción preferida. A partir de las respuestas obtenidas, se
puede determinar el peso o importancia relativa de cada atributo en la decisión
de compra, y se pueden identificar las combinaciones de atributos más
atractivas para los consumidores.
Por ejemplo, se puede determinar que los consumidores valoran en gran medida
la monitorización de la salud, y que están dispuestos a pagar más por un reloj
inteligente que tenga esta función. También se puede descubrir que los
consumidores prefieren un diseño circular y una marca conocida.

Con esta información, se puede desarrollar una estrategia de lanzamiento de

producto que se ajuste mejor a las necesidades y preferencias de los
consumidores, y que maximice el éxito en el mercado.

19.¿Cuáles son las principales inferencias que emergen del Análisis

Conjunto?

El análisis conjunto se basa en la idea de que es posible determinar la

importancia relativa que los consumidores atribuyen a los atributos
sobresalientes, y las utilidades que asignan a los niveles de esos atributos,
cuando estos consumidores evalúan los perfiles de la marca elaborados con esos
atributos y esos niveles.

Las principales inferencias del Análisis conjunto son:

● Peso relativo de cada variable

● Aporte a las utilidades c/variable
● Análisis de sensitividad

20.En el Análisis Conjunto se aplica un Sistema de Valoración de las

Alternativas que emergen de la Semilla de Aleatoriedad. ¿Cuáles son esos
tres Sistemas de Valoración?

Los tres Sistemas de Valoración son:

● SECUENCIA: Ordenamiento de la más a la menos preferida

● RANKING: Asigna una calificación a cada tarjeta de 1 a 10
● PUNTUACION: Distribuye 100 puntos entre las diferentes opciones
21.¿Cuáles son los principales aportes que el Análisis Conjunto ofrece a la
Toma de Decisiones?

Algunas de los principales aportes del análisis conjunto a la toma de

decisiones son:

● Se puede evaluar cualquier alternativa propuesta.

● Se puede calcular el valor del óptimo o referente del mercado.
● Se puede calcular la distancia entre diferentes productos y el referente del
mercado (marck).
● Se puede conocer la sensibilidad del mercado a cambios en las variables
que componen el producto.
● Las utilidades se pueden hallar para cualquier subconjunto del
mercado(segmento).
● Las utilidades se pueden calcular para cada individuo, pudiendo así
realizarse estudios de segmentación.

22.¿Cuáles son las principales ventajas que tiene el Análisis Conjunto?

Algunas de las principales ventajas que tiene el análisis conjunto son:

● Es un modelo multivariado.
● Sustituye a la tradicional técnica de tradeoff.
● Permite evaluar gran cantidad de atributos.
● Es de fácil aplicación.
● Captura de datos amigable.
● Visión cuantitativa de la percepción del cliente.