1
CASO PRÁCTICO
PLAN DE MARKETING
UNIDAD 3
MARIA FERNANDA LÓPEZ CEBALLOS
CORPORACIÓN UNIVERSITARIA ASTURIAS
PROGRAMA DE ADMINISTACION Y DIRECCION DE EMPRESAS
2020
*profesor:
2
Contenido
Introducción ............................................................................................................................... 3
Enunciado ................................................................................................................................... 4
Conclusiones ............................................................................................................................ 13
Bibliografía............................................................................................................................... 14
3
Introducción
En el presente trabajo daremos solución al caso práctico de la unidad, en donde se
plantea el ejemplo de una empresa de diseño de automóviles turísticos y como toma sus
decisiones de marketing a través de un análisis factorial.
4
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 las puntuaciones obtenidas 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.
5
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.
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.
6
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.
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 buenas prestaciones
V9 Que sea juvenil
V10 Que sea aerodinámico
7
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
8
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 aerodinámico (-0.765)
El segundo factor (Factor 2) aglutina las siguientes características:
Que sea confortable (0.900)
Que sea seguro (0.720)
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.
9
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.
10
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
11
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
1. ¿Cuándo es oportuno realizar un análisis factorial? ¿Qué ventajas e
inconvenientes tiene esta técnica?
Un análisis factorial nos ayuda a reducir una cantidad de datos en un pequeño grupo de
factores que sean fáciles de explicar y determinar. Es importante que a la hora de decidir realizar
un análisis factorial, decidamos cual es el objetivo que queremos buscar y que tipo de análisis
vamos a aplicar.
12
Es oportuno utilizar un análisis cuando queramos simplificar la información de varias
variables y queramos buscar resultados o probar hipótesis de varios estudios previos como al
momento de realizar una segmentación de mercados o al realizar una investigación de productos
y todo lo adyacente a él.
Una de las ventajas de realizar un análisis es que nos ayudara a obtener una información
más clara; permitiendo que podamos transformar un conjunto amplio de valores en una
estructura más simple. Además de que podemos utilizarla de manera fácil y es un factor que
nos va a proporcionar una visión profunda del mercado y de su comportamiento.
Sin embargo, aunque nos proporciona cosas ventajosas también se puede presentar que en
algunos casos no revela necesariamente los factores y las fuerzas que afectan la actividad y se
puede presentar momentos de confusión al decidir qué factores incluir o que factores conservar.
2. ¿Qué técnica multivariante de apoyo a las decisiones de marketing utilizaremos si
queremos segmentar el mercado?
En este caso la mejor opción como técnica multivariante si queremos segmentar el
mercado es la técnica de Análisis Cluster pues 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
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.
13
Conclusiones
En conclusión, el análisis factorial nos ayuda a reducir una cantidad de datos en un
pequeño grupo de factores que sean fáciles de explicar y determinar. Es importante que a la
hora de decidir realizar un análisis factorial, decidamos cual es el objetivo que queremos buscar
y que tipo de análisis vamos a aplicar.
14
Bibliografía
Análisis de Clúster y arboles de clasificación. Obtenido de
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/DM/tema6dm.pdf
Enunciado caso práctico. Corporación Asturias. Obtenido de https://www.centro-
virtual.com/campus/pluginfile.php/43401/mod_scorm/content/2/content/pdfs/caso_enunciado.
pdf (2019)
