Investigación de mercado

¿Qué entendemos por marketing?

→ Definimos marketing como el proceso por el cual los compañías atraen
clientes, construyendo relaciones fuertes con esos clientes, y crean valor para el
cliente en orden a capturar valor del cliente como contrapartida

Revolución en tecnologías de la información ha permitido a las empresas

conocer mucho más a sus clientes que antes

¿Que rastros de información dejamos?

→ Transacciones usando # de cliente frecuente
→ Transacciones usando tarjeta de crédito
→ Compras online/ por catalogo
→ Encuestas
→ Navegación de la web
→ Streaming de audio/ video
→ Reacción a ofertas via email
→ Evaluación de productos, blog,etc
→ Información de la localización
→ Posteos en redes sociales, por ejemplo los comentarios que deja la gente en
los post de instagram para saber lo que la gente piensa o quiere.
→ Informaciones de uso sensores
- Ejemplo, cuando buscamos algo en google y después nos aparece en
instagram publicidad de lo que buscamos.
- Otro ejemplo es el lanzamiento de la primera serie hecha por netflix.
Donde analizaron todos los datos hechos por los usuarios y sus
interacciones para luego captar su atención.

Además, disponemos de mayor capacidad de procesamiento de información y

mejores técnicas…

→ Disponibilidad de datos
→ Capacidad de procesamiento
→ Método

Clientes cada vez más demandantes…

→ “70%: de clientes cree que la tecnología ha facilitado “switching” (cambiarse

de marca) entre marcas para encontrar experiencia que se ajustan a sus
expectativas”
→ “Clientes empoderados tienen altas expectativas de cada interacción que
tienen con las marcas”

Creciente importancia de la experiencia de clientes

→ “Creación de valor para el cliente” parte de misión o estrategia corporativa de
50% de firmas listados en el DAX 30 y el DJIA 30
→ “Mejorar la experiencia del cliente” prioridad más alta para 908 tomadores de
decisión del área de IT en firmas globales
Oportunidad de aplicar datos y metodos analiticos en marketing
→ ¿Quienes son mis clientes? ¿ Quienes tienen mayor potencial de contribución?
→ ¿A quién dirigir una campaña o programa? Cuál será nuestro segmento objetivo
→ ¿Cómo diseñar el marketing mix? Las 4P
→ Diseño de producto, pricing,publicidad/ promociones, estrategias de canales
→ Impacto de cambios en el medio ambiente: regulaciones, tecnologías, etc.

Creciente conciencia de importancia de decisiones basadas en evidencia

→ Encuesta Forbes (2015): “96% de altos ejecutivos considera crítico el
marketing basado en datos para el éxito de su compañía”

Beneficios de toma de decisiones basada en evidencia:

→ Mejorar efectividad y ROI de campañas/ programas en marketing
→ Aumentar valor de base de clientes y firma
→ Mejorar “accountability”. Hacerse cargo de los resultados.
- ¿Qué beneficios tiene tomar una decisión tomada en datos? Que tenga
más certeza sobre las opiniones de los clientes. Es más objetivo. Reducir
la certidumbre y tener más probabilidad de que sea exitosa.

Problemas
→ Muchas empresas no usan los datos disponibles para informar toma de decisiones
→ Hacer análisis de datos no es tarea sencilla…
- ¿Qué datos utilizar?
- ¿Qué análisis son más apropiados?
→ Ejecutivos del área no han recibido información sólida en analytics

Importancia de cursos de formación analytics:

→ ¿Qué es lo complementario a la información? Los análisis
Tipos de datos en marketing
→ Recolección activa: encuestas/ entrevistas/ etc.
- Intrusivo. Necesita interacción con la persona, con esto podemos
levantar distintas opiniones y percepciones
- Información sobre intenciones y
actitudes
→ Recolección pasiva: datos de
comportamiento
- No intrusivo
- Información sobre lo que clientes efectivamente hacen

Paneles de consumidores: tener reclutados hogares que se comprometan

guardando sus boletas de lo que compren. Además, guardar los envases. Solo
de productos masivos (no ropa, ni tecnología). Así tienen mucha información
del comportamiento del consumidor.

Sistema de información de marketing:

→ “Personas y procedimientos para evaluar necesidades de información,
desarrollar la información necesaria, y ayudar a los tomadores de decisiones a
usar la información para generar y validar “insights” de mercado y clientes
accionables”
→ Hablo de Google Trends

1. Base de datos interna

→ Pros: rápido acceso y bajo costo
→ Contra: no generados específicamente para informar decisiones
→ Información de clientes y mercados:
- Características de clientes
- Transacciones in-store y ventas online
- Visitas a páginas web
- Datos provenientes de servicio al cliente
2. Inteligencia de marketing
→ Monitoreo, recolección y análisis de información pública sobre
consumidores, competencia mercado
→ Observación de consumidores, búsquedas online, monitoreo redes sociales
3. Investigación de mercado
→ Diseño sistemático, recolección, análisis y reporte de datos relevantes a
una situación de marketing específica que enfrenta una organización
 → Instrumentos típicamente usados:
- Paneles de compras, scanner, medios
- Encuestas, focus group, Bulletin Board Groups
- Etnografía

Tipos de estudios en investigación de mercados

1. Medición y monitoreo de respuestas del cliente
→ Estudios de satisfacción (net promoter score, es un indicador del 0-10,
tiene que ver que tan probable que recomiende a un cercano el servicio.
De 6 para arriba los consideramos promotores de nuestra marca si, si es
mejor se les llama retractores. El Net es un indicador, donde se resta el
mayor y menor puntaje para la investigación)
→ Participación de mercado, audiencia. Es un indicador relevante, porque
no indica el porcentaje de ventas sobre un producto en específico. Se
puede medir en plata o en volumen la participación de mercado.
2. Comprensión del mercado
→ Descubrimiento de oportunidades y amenazas
→ Focus Group, entrevistas en profundidad, estudios etnográficos
3. Diseño de acciones de marketing
→ Diseño de productos, publicidad, precio y plaza
4. Medición de impacto
→ Experimentos, estudios causales

Etica de investigacion de mercados

→ Ética y dilema ético. Ético que es lo bueno o lo malo
→ Relevancia en marketing e investigación de mercado
→ Principios generales o filosofías éticas:
- Utilitarismo, que evalúa la acción solo por su resultado.
- Deontología, que evalúa solo la acción que tome si es buena o mala.
No toma en cuenta el resultado
- Códigos de éticas, que son los acuerdos, ya que lo anterior no es correcto.

Normas éticas: investigador - participante

→ Garantizar el anonimato de los participantes
→ Prevenir efectos adversos en los participantes
→ No usar la investigación como medio de venta
→ Garantizar el derecho a no responder
→ Garantizar la participación con consentimiento
→ Entregar el nombre de la empresa que hace la investigación
→ Consideraciones especiales con niños

Normas éticas: investigador - cliente

→ Adherir a normas en presentación de resultados
→ No usar la investigación con otro cliente
→ No hacer uso indebido de resultados
→ Derecho de propiedad del cliente (estudio, propuesta)
→ Integridad técnica
Problemas de marketing y problemas de investigación

Marketing Analytics y toma de decisiones problema (oportunidad) de marketing

→ Origen de estudio/ programa que involucra uso de data analytics en el
descubrimiento de oportunidad/ problema de marketing
→ Problemas pueden estar asociados a una decisión a entender un fenómeno (ej.
caída de ventas)
→ Fuentes de problemas/ oportunidades
- Cambio no anticipado
- Cambios planificados
- Desarrollos causales

Problemas (oportunidad) de marketing

→ Calve: problema bien definido
→ Recolección de datos y análisis deben orientarse a tomar decisiones
→ Ej ¿A qué clientes dirigir una campaña? ¿Qué características debe tener el
nuevo producto? ¿Qué canales usar para llegar al cliente objetivo? ¿Qué hacer
para mejorar la lealtad del cliente?
→ Esta pregunta de negocio debe orientar pregunta que queremos responder
usando metodos analiticos (pregunta de investigacion)
- ¿Qué información requiere?
Vamos a tener el problema de marketing y luego el problema de investigación

Preguntas: problemas de marketing:

1. ¿Debería la empresa introducir un nuevo producto?
2. ¿Debería cambiarse la campaña publicitaria?
3. ¿Debería incrementarse el precio de la marca?
4. ¿Que puede hacer Nissan para expandir su participación de mercado?

Respuestas: problemas de investigación. Hay que pensar en qué información voy a buscar
1. Para saber si mi producto es exitoso o no debemos ver las necesidades del cliente
2. Saber que opina la gente de la campaña actual. Fijarse en las ventas
no es un índice, ya que en este caso sería un síntoma, pero no la
causa. Preguntarle a la gente que rostro les gustaría ver
3. Ver si los clientes están satisfechos con el precio. Precio - calidad.
4. Que valoran o que les interesa a las personas que van a buscar autos.
Respuestas:
1. ¿Deberían hacer un descuento en los autos? También pueden plantearse
diferentes formas de pago
2. De ventas, ver que autos se venden más
Respuestas:
1. Cómo diseñar un noticiero más atractivo
2. Que quiere ver las personas

Respuestas:
1. Si amplía o no mis canales de distribución. También puede ser como
hago que Aoni rentable
2. Cuales son esos aspectos que generan rentabilidad en el agua.
Respuestas:
1. Como mejoro la recompra
2. Porque la gente vuelve a comprar

ESTUDIOS CUALITATIVOS

Tipos de estudios:

Tipos de analitica en marketing: acciones de marketing y/o estudios de mercado

a. Exploratorio: formalización con el problema. En general se hace por
estudios, como focus group, entrevistas. Busca entender, profundizar, etc.
Es más general “Nuestras ventas están cayendo… ¿Explicaciones
posibles?”. CUALITATIVO
b. Descriptivo/ predictivo: describir características de variables y relaciones
entre ellas. Generalmente busca cuantificar a través de encuestas a los
usuarios o target definidos. “¿Cuánto gastan nuestros clientes en nuestro
producto? ¿Cuánto gastarán en el futuro?”. CUANTITATIVO
c. Prescriptivo: optimización. “¿Qué nivel de precios maximiza
ventas?”. CUANTITATIVO
d. Causal: determinar relaciones de causa y efecto. Es decir, medir el
impacto cambiar una característica o atributo de un producto. ¿Cuál es el
efecto de una recomendación sobre tasa de conversación?”.
CUALITATIVO

Ejemplos:

→ Desarrollo de nuevo producto:

- Estudio exploratorio: entender que sabores prefieren los
consumidores, las ocasiones del consumo.
- Estudio descriptivos: sacar opiniones que salieron de la etapa exploratoria.
- Estudio prescriptivo: determinar el precio del cereal según el estudio descriptivo.
 - Estudio causal: tener la idea del cereal, pero no he definido bien el
tamaño, empaque, sabor y sello. Entonces hacemos un estudio para
ver el impacto que tendrían cada características y ver su
preferencia.
→ Caída significativa en las ventas de los pañales
- Estudio exploratorio: entender si está apareciendo algún sustituto que
no estamos viendo, entender si han cambiado la expectativas del
producto y si la gente busca una opción más ecológica
- Estudio descriptivo: tasa de natalidad, que productos están creciendo o
decreciendo, que las mujeres están teniendo más o menos guaguas. Para
esto hacemos un estudio cuantitativo.
- Estudio prescriptivo: preguntar lo mismo que en el exploratorio, pero con
una mayor cantidad de gente, para poder sacar mejores conclusiones y
tener un número. De acá se pueden sacar distintos perfiles de personas y
sus preferencias por marcas
- Estudio causal: que efecto tiene hacer distinto en el empaque.

Comparación de las características de las metodologías:

→ Cualitativa tiene origen en ciencias sociales y es muy común que la persona

que lidera el focus group, entrevista o etnografía es un psicólogo, ciencias
sociales, etc. Es muy común el método inductivo. La información no es
estructura, es todo abierto, no es una encuesta estructurada con alternativas.
Esta es una conversación profunda y alargada por participante. El análisis será
subjetivo, porque no buscamos algo numérico, sino que queda en lo que dice la
persona que hablo
→ Cuantitativa: es más numérico, viene de las ciencias exactas. En general, las
lideran perfiles con formación en estadísticas, matemáticas, etc. Es deductiva a
partir de una gran cantidad de personas. Información muy estructurada, base
de datos, pregunta en cada columna, preguntas con alternativas. En esta hay
poca información por participantes, pero buscan alcanzar a más gente y de
forma precisa. El análisis es objetivo, ya que hablamos de números y es esa la
respuesta.

● Ninguno de los dos estudios me dan un resultado conclusivo.

● En términos de costos y tiempo los cuantitativos son más caros, pero
gracias a las nuevas tecnologías los dos son de bajo costo y
alternativas.
● Un sociólogo está en el medio de estos dos.
 1. Estudios cualitativos:

→ Mindset: ¿Que se necesita para crear experiencias de aprendizaje inmersa y

completamente reveladora?

Para aprender de la persona es necesario saber empatizar, ser curioso con la

persona y ser creativa para hacer asociaciones entre las cosas que la persona
me va diciendo.

→ ¿De que se trata ser empáticas? ponerse en el lugar de otro. Ten curiosidad
por otras personas. Mira el mundo a través de sus ojos. La empatía cognitiva:
cuando estoy muy concentrado y no me doy cuenta, pero otras veces si voy a
ser consciente de lo que sucede a mi alrededor. Esta empatía hay que
encenderla, ya que debemos estar atentos a ser empáticos siempre el
consumidor.

→ Hay que tener cuidado con los sesgos: las personas con habilidades superiores
para detectar patrones aprenden, activan y aplican estereotipos más fácilmente
que otros. Los sesgos afectan lo que vemos, pensamos y hacemos:
- Sesgos de afinidad: nos sentimos más cómodos con las personas que
vemos como nosotros
- Sesgos de proyección: tendemos a creer que otras personas piensan como nosotros
- Sesgos de confirmación: vemos lo que esperamos ver en el mundo.
Esto ocurre cuando hacemos preguntas, donde la gente responderá si
o si lo que uno quiere escuchar, por ejemplo, ¿always es la mejor
toallita?

¿Cómo superar los prejuicios eligiendo la empatía?

→ Busca personas diferentes a ti: diferentes antecedentes, perspectivas o experiencias
→ Busca sorpresas. Se curioso acerca de los pensamientos o comportamientos
que no comprendes. Aprende sobre eso
→ Demuestra que está equivocado. Desafía tus suposiciones. Busca activamente
datos que no se ajusten a tus idea
→ ¡Práctica!
→ Curiosidad: no está mal tener distintas hipótesis y líneas, ya que mientras
más abarcamos y más descubramos, más vamos a aprender.
→ Creatividad: hacer conexiones en cosas que no necesariamente están
relacionadas entre sí
Tipos de estudios cualitativos:

1. Focus Group: en general se hacen menos. Antiguamente eran grandes

grupos en distintos lugares, pero ahora se cita a pocas personas dentro
de un lugar cómodo para ellos, por ejemplo, citar a tres amigas dentro
de su hogar. Esto ayuda a la confianza y comodidad de la persona
→ Ideas de las terapias de grupo psicologia
→ Grupo de entre 3 y 6 personas en sesiones de 1-2 horas (online maximo 4)
→ Segmentación de la población objetivo en grupos homogéneos
→ Reclutamiento y obsequios a participantes
→ En lugares cómodos para los participantes
→ Uso de técnicas proyectivas.

Rol del modelador:

→ La pauta de conversación va de lo general al particular:
- Introduccion - Introduccion al tema - Preguntas Claves (y test de conceptos)
→ El moderador juega un rol clave.
- Prepara la pauta de conversación
- Guia conversacion hacia objetivo y estimula participación e interacción
- Analiza los datos y redacta un informe con la conclusiones

¿Para que se usa un focus group?

→ Determinar causas de problemas y desarrollar hipótesis
→ Conocer y entender al consumidor: ocasiones consumo, uso, necesidades
→ Desarrollar nuevos productos: ventajas, desventajas, usos
→ Desarrollar y evaluar publicidad o promociones: atributos, (des) ventajas
→ Posicionar productos/marcas: atributos diferenciadores
→ Estudios de uso de productos: usos

¿Cuantos necesito hacer?

→ Depende de la segmentación requerida. Al menos dos grupos por segmento
→ Lo más común es entre 4 y 8 grupos en total
→ Otro enfoque es realizar grupos hasta que converja la información

Focus Group online

→ Ventajas: que puedo comunicarme con gente de otras regiones, que la
gente no tiene que transportarse y le quita menos tiempo, la gente se
siente mas comoda
→ Desventajas: Hay mayor distracciones, se puede caer el internet, puede
que la persona no ponga cámara

Ejemplo: caso MBA Uandes (canvas)

2. Etnografía/ Entrevista de profundidad

→ ¿Qué es la etnografía? la etnografía es el estudio sistemática de
personas y culturas
→ En la etnografía hay que observar, sumergirse y conversar.
→ Acá las personas se desenvuelven
a. Observación: es importante, porque gran parte de la
comunicación no es verbal, sino de lo que hace, como reacciona,
etc. Por lo tanto, se observa lo que hace la persona. La
observación puede darse digitalmente también
→ Que hace la gente
→ Qué dice la gente
→ Que no hace la gente
→ Que hacen pero no dicen
→ Contexto ¿que está pasando a su alrededor?

Algunos tips:
→ Busca la sorpresa: estar atento a cosas inesperadas, matices,
comportamientos que no anticipes o que no puedes explicar. Esas
son áreas para profundizar
→ Anda sin guión: la observación puede ocurrir en cualquier lugar.
No requiere un equipo, un proveedor o un plan de investigación
formal. Solo mira tu mundo
→ No hagas supuestos: tus soluciones son tan buenas como tu
información disponible.

Técnicas de investigación observacional:

→ In-home research: ir a la casa de la consumidora, conversar
con ella, observar su entorno, sus rutinas.
→ In-store research: llevar al consumidor a la tienda,
acompañarla en el proceso, observando todo lo que hace en la
tienda y haciendo preguntas cuando algo no nos queda claro
→ Behavioral Mission: relacionado a estudios de usabilidad. Quiero
evaluar por ejemplo, cómo funciona cornershop y la quiero
comparar con la experiencia de rappi y uber.

b. Sumérgete:
Como
sumergirte:
→ Atrévete a sentirte cómodo: estar dispuesto a salir de tu zona de confort
→ Usa contextos reales: lleva la investigación a la situación real en la
que realmente se encuentra
→ Construye contextos realistas: recrea la situación para la consumidora
→ Técnicas proyectivas: actividades que nos permiten saber sientas
opiniones, sin preguntar directamente
- Asociación de palabras: decir palabras respectos a un tema
que me dicen.
- Asociación de imágenes: fotos que uno relaciona al tema
que me dicen.
- Personificación: buscamos darles características de
personas o humanos a una marca o producto.
- Fiesta de amigos: sirve para entender el posicionamiento
ante otras marcas.
- La carta: le escribo a una persona que escriba una carta a lo
que quiera. Por ejemplo, la profesora en su trabajo pidió una
carta al pelo.
 - Retail safari: forma de analizar la compra, detrás de los
lentes de una persona que va a comprar
c. Conversación: Hay que tener conversaciones y no una
entrevista. Mapas de conversación:
→ Comienza con snapshots: cubre mucho terreno, identifica dónde
puede haber historias interesantes, luego profundiza ahí
→ Usa las conexiones: en lugar de una lista de preguntas para
responder, una agrupación de temas para cubrir
→ Conversación vs. encuesta: las entrevistas son rígidas, lo que no
permite mucho la exploración. No tener preguntas sin respuestas,
si o no. Que la conversación nos permita la exploración
→ Brainstorming de preguntas: cubre mucho terreno, identifica
dónde puede haber historia interesante, luego profundiza ahí
- Tips para encontrar historias:
→ Cuéntame alguna vez que…
- En promedio
- En general
- Usualmente
- Cuantas veces viste Tv esta semana
- Preguntas hipotéticas
→ Mantenla personas: en un específico evento y tiempo
- Ayer
- La última vez
- Esta mañana
- Que programa de tv viste ayer
→ Haz preguntas correctas:
- ¿Quién era?
- ¿Con quién estabas?
- ¿Que hizo?
- ¿Cuándo pasó?
- ¿Dónde pasó?
 3. Entrevistas en profundidad

Tips para una buena entrevista:

Destilación y síntesis: recopila historias, incorpora datos, encuentra temas

- Recopila historias, incorpora datos, encuentra temas

- Por cada hora de entrevista debería hacer una hora de destilación → regla
- Es tanta la información que uno recoge que hay que dedicarle tiempo a
hablarla y destilarla, analizar lo que se levantó en las entrevistas, lo que
se repitió, lo que se puede atacar y accionar
- Comienza escribiendo post its con:
· Historias
· Hechos
· Observaciones

- Agrupa los post its en temas/ conceptos

- Intenta comprender el vínculo entre los temas
- Revisa tus hipótesis. Sabiendo esto, ¿cambiarías tu hipótesis? ¿esta idea
responde a la pregunta comercial? ¿Nos da una ventaja competitiva?

Ejercicios cualitativos (canvas):

 4. Bulletin Board Groups (BBG):
→ Participación asincrónica: la gente se mete y se sale de la plataforma todo el rato
→ 10-30 participantes
→ Respuestas reflexivas, actividades de mediano y largo tiempo
→ Duración:
- Corta (3 a 10 días): focalizado en un tema, con participación
diaria
- Larga (semana o meses): tema más amplio, participación
semanal
→ Técnicas: preguntas, encuestas, actividades online, actividades
off-line
→ Anonimato de participantes

[Link]álisis de texto: Aplicación a social

listening: Análisis de texto:
→ Técnica de investigación cualitativa para el análisis de información escrita,
verbal o visual. Sus características fundamentales son:
- Produce un análisis objetivo
- Se basa en análisis cuantitativo
→ Unidades de medida:
- Palabra
- Afirmaciones
- Categorías o conceptos
- Otros (avisos, titulares, etc..)

Creciente disponibilidad de datos de textos:

→ Nuevas tecnologías han permitido capturar creciente información de clientes
en forma de texto:
- Revisiones/ reseñas/ comentarios de productos
- Blogs
- Comentarios en redes sociales
- Chat rooms
- Noticias en formato digital
→ 80%-95% de datos de negocios no estructurados (mayoritariamente textos,
Gandomi and Haider, 2015)
¿Qué tipo de preguntas podemos responder usando AT?
→ ¿Qué siente/ opinan los clientes sobre nuestra oferta?
→ ¿Qué palabras/ temas se encuentran asociados a nuestra oferta?
→ ¿Cómo perciben los clientes nuestras ofertas vs oferta competitiva?
→ ¿Cómo se comunica la compañía con sus clientes?

Aplicaciones

Ejemplo: nos muestra una página que le saca unos gráficos respecto a los
comentarios de instagram, twitter, etc.

2. Estudios

cuantitativos

Técnicas de

encuesta:
- Estudio de satisfacción de los clientes de un hotel
- Estudio de intención de compra de nuevo secador de pelo
- Estudio de clima laboral en una empresa, con 48 preguntas: online, por el anonimato
- Estudio del perfil de los lectores del diario LUN en variables
demográficas y psicográficas en una encuesta de 35 minutos:
presencial, ofrecer incentivos por responder
- Estudio de necesidades de telefonía celular en jóvenes
- Estudio de intención de voto para una elección política.

* Por mail responden menos que presencialmente, hay que tener cuidado con eso
Medios de entrevista:

- Hay temas que a la gente le generan pasión y si quieren responder

- Las personas responden más encuestas de lo que uno cree
- Autoaplicada: le dejan la encuesta a la persona en su casa y después se
pasa a buscar, se usa con encuestas muy largas
- Web: utilizar paneles de respondentes online, la gente se inscribe en estos
paneles y después te mandan encuestas, y cuando las responden te dan
puntos que se pueden canjear por productos de sus catálogos. Entonces
ellos tienen mucha gente respondiendo y yo como empresa le puedo
decir, necesito que me respondan mujeres que compran pañales, y ellos
reparten la encuesta entre las mujeres que compran pañales que sean
respondentes en sus paneles
- Cuando uno necesita gente de nivel socioeconómico bajo o de edad muy
mayor, la web no sirve por un tema de conectividad y de educación,
entonces enviárselas por mail no sirve, es muy difícil capturarlos,
conviene más ir a sus casas o llamarlos
- La encuesta web es la de menor costo y lo que mejor funciona
- Aprovechar las redes sociales para hacerlas
- Dejar lo presencial para algo muy específico y cuando haya presupuesto
porque es caro

Muestreo:

- Su objetivo es que sea representativa posible de la población que define.

- La primera y única meta en el Muestreo es: seleccionar una muestra que
sea lo más representativa posible. Se busca proyectar los resultados a la
población

Censo v/s muestra:

¿Cuándo es apropiado un censo?

- El censo es cuando encuesto a la población objetivo completa

- Muchas veces el censo se usa para políticas públicas y para eso se
necesita tener la información más precisa posible
- Con una muestra muchas veces no se puede capturar la realidad de minorías
- Si la población es muy pequeña me conviene hacer un censo
- También hay un tema de costos, hacer un censo es más caro y lento
 - Se hace solo por un tema político o porque la población es muy pequeña y
vale la pena encuestados a todos y no solo a algunos

¿Cuándo es apropiada una muestra?

- Cuando tengo una población muy grande

- Cuando tengo poco tiempo

Etapas de muestreo:
1. Definir la Población:
- Lo más importante
- Mientras más especificada esté la definición mejor
2. Definir el Marco Muestral
- Marco muestral: es como un listado de las posibles personas
a ser encuestadas
- No siempre se tiene porque no siempre hay BBDD
- En caso de tener una BBDD sería la lista de contactos disponibles
3. Definir el Tipo de Muestreo
4. Determinar el Tamaño de Muestra
5. Seleccionar la Muestra y Recolectar los

Datos Ejemplo

Población/Segmento Objetivo/Target

- Caso: Encuesta consumidores

· Elemento: Mujeres entre 18 y 50 años
· Unidad: personas (mujeres)
· Alcance: Región metropolitana
· Tiempo: 21/08 al 27/09 ¤

- Definición: consumidores mujeres con edades entre 18 y 50 años

pertenecientes a todos los estratos, que vivan en la región metropolitana
y que hayan comprado el producto XX en las últimas dos semanas.

Tipos de muestreo:
 1. Muestreo no probabilístico:
- Probabilidades de selección desconocidas, es más práctico y menos exacto
- No se pueden medir varianzas ni errores: se supone, porque en la
práctica igual ponen márgenes de error
- No requiere procedimientos más formales

a. Muestreo por conveniencia:

- La muestra se forma con las unidades disponibles o accidentales
- Es el más común
- Si hago una encuesta por Instagram, sería por conveniencia, porque se la
hago a la gente que tengo ahí nomás
- Se hace con lo que se tiene a la mano
b. Muestreo de juicio:
- Un experto identifica las unidades que conforman la muestra
- Es común cuando hay estudios de reputación corporativa y quiere tener la
opinión de analistas financieros o periodistas de economía
c. Muestreo por bola de nieve:
- Se identifican sujetos que se incluirán en la muestra a partir de los
propios encuestados
- Se les pide a los mismos encuestados contactos para seguir encuestados
- Es común cuando se buscan perfiles muy específicos
d. Muestreo por cuotas:
- Basado en cuotas, formadas con variables relevantes, para subpoblaciones
- Es una mezcla del de conveniencia con el estratificado
- Es lejos el que más se usa
- Yo defino los segmentos que me interesan y digo cuál es la muestra que necesito
- Las variables pueden ser sexo, edad, retails, etc.

Casos en muestreos: People Meter (Rating)

- Población objetivo: hogares y población del Gran Santiago

- Estratificación por GSE: ABC1, C2, C3 y D
- Muestra Maestra y Muestra Panel
- Muestreo en 2 etapas en cada estrato: manzanas y hogares
 - Muestra panel: muestreo de n = 110 hogares de cada GSE desde la
muestra maestra
- 40 puntos de rating = 40% de los hogares están viendo el canal

2. Muestreo probabilístico: necesitamos una lista

- Probabilidades de selección conocidas y mayores que 0. Ej. Quiero hacer
un estudio de alumnos de ADS, entonces le pido un listado a la escuela de
todos los alumnos de ADS, y si son 200, elijo 30 y cada persona va a
tener la misma probabilidad de ser elegida, pero para eso necesito la lista
con todos los nombres.
- Se pueden medir varianzas y errores
- Requiere procedimientos formales: por eso son menos comunes
- Muy pocas veces se tienen las listas de las personas entonces no se hacen
muy seguido

Error muestral

Error estadístico y tamaño muestral

- Es una medida para saber que tan confiables son los resultados una muestra
- Siempre que tomemos unas muestras estamos expuestos a un error,
porque le pregunto a una parte y no a la población completa
- Este error se puede medir, y está entre lo real y lo que yo medí, es una
estimación porque no se puede saber el resultado real de la población
- Mientras más grande la muestra menor el error. El error E depende del
tamaño de muestra n
- En la práctica solo se calcula el margen de error para las variables cuantitativas
- Si el margen es 3% mi resultado es +- 3% cercano al valor real, este es
una parte del intervalo de confianza
Concepto de error estadístico

* En un 95% de las veces mi valor va a estar entre dos valores del intervalo
* Yo defino con qué confianza quiero

trabajar Fórmulas error muestral

1. Variables cuantitativas

2. Variables cualitativas, sólo calcularemos estas

- En p pondremos 0,5, porque ahí nos ponemos en el peor de los casos, al

no saber cuanto es la proporción, el 0,5 asegura la varianza máxima
- Pi es la proporción que es 0,5 a menos que me digan otra cosa
- Si N es muy grande no es necesario poner el (1 – n/N)
Ejemplo

El estudio de audiencia People Meter hace mediciones cada 1 minuto y tiene una
muestra de 440 hogares

- Para una confianza del 95%, ¿cuál es el error a priori en el rating de 1

minuto? ¿y si el rating es 25%?

→ Confianza 95% → Z = 1.96

→ = 1,96*raíz(0,5(1-0,5))/440 = 0,047 (4,7%)

→ El valor del rating real, va a estar entre el valor que observamos en la

muestra +- 4,7%

→ Mientras mayor N, menor el error y más cerca voy a estar del valor real

- ¿Cuál debiera ser el tamaño de muestra si se quiere un error del 3% con

un 95% de confianza?

→ n = (1,96^2/0,03^2)*0,5(1-0,5) = 1.067

→ Es una muestra mucho más grande que los 440, tendría que ver si
lo puedo hacer, si tengo plata

Aunque aumente tanto la muestra, tampoco disminuye mucho el margen de error, como
que no vale tanto la pena

- Con una confianza del 95%, ¿cuál es el error en el rating correspondiente a un GSE?

Factor de corrección población infinita:

Otros factores que determinan el tamaño:

- Importancia de la decisión: si quiero tomar una decisión con un estudio

muy importante tomaría una muestra más grande. Si es una decisión no
taaan relevante, puedo tomar una muestra más pequeña
- Naturaleza de la investigación: mientras más segmentos quiero meter al
estudio, más muestras voy a necesitar, porque necesito más casos
- Número de variables: si no tengo tantas variables, necesito una muestra
más pequeña
- Naturaleza del análisis: si quiero hacer cálculos muy específicos o modelos
matemáticos que necesitan muchos datos para que funcionen, necesito
muestras más grandes
- Tamaño utilizado en estudios similares
- Restricciones de presupuesto: las muestras más grandes tienen mayores costos
* Los errores están entre el 4 y 5%, es lo que más se da, no es malo y se
llegan a resultados bastante coherentes

Error no muestral (no se puede

calcular) Tipo de error

1. Estadístico o Muestral
2. No – Muestral
a. Observación
- Recolección: Sesgo Encuestador, Sesgo Encuestado → que te
encuesten mal o que el encuestado no conteste bien
- Oficina: Codificación, Validación
b. No de Observación
- Marco Muestral: Marco Incompleto, Duplicaciones
- No Respuesta: Rechazos, No contactados, Respuesta

Incompleta Error no muestral

- Todos los errores que no son de muestreo

- También llamado error de medición
- Error es observado en ambos: censos y muestra

→ Error de Diseño

→ Error Administrativo

→ Error de Respuesta

→ Error No-respuesta

- Es un error no cuantificable y tiende a aumentar con el tamaño de la muestra

- Se disminuye mediante la supervisión y control del proceso de investigación
Ponderación ex-post

Se corrigen los errores cuando se toman muestras desbalanceadas

Escalas de medición
* La gente responde aunque no sepa
* Hay que contextualizar para que la gente sepa de qué

se trata Escala estadística de medición

1. Nominal: Identifica el atributo o característica, pueden ser categorías, no

tiene un orden detrás. Ejemplos: sexo, comuna, marca usada, etc…
2. Ordinal: Representa un orden para el atributo o característica, no tiene
números entonces no se pueden calcular promedio. Ejemplos: GSE,
ranking de marca, etc... El GSE se ocupa mucho porque dice mucho de
cómo compra la gente.
3. De Intervalo: Medición cuantitativa con valores arbitrarios. Acá si hay un
cero no significa ausencia. Ejemplos: temperatura, preferencia en escala 1
a 7, etc… Acá no existe un cero
4. De Razón: Medición cuantitativa con valores absolutos. Ojo que si el
ingreso está en rangos, es ordinal no de razón, solo sería de razón si me
preguntan directamente cuánto es el ingreso exacto, lo mismo pasa con
la edad. Si me piden distribuir puntos puede ser de intervalo o de razón.
Ejemplos: precio, cantidad, ingreso, edad, etc… En este puede haber un
cero, Cuantitativo

Escalas Estadísticas de Medición

1. Nominal: Identifica el atributo o característica, pueden ser categorías, no

tiene un orden detrás CUALITATIVA
- Ejemplos: sexo, comuna, marca usada, etc…
 - En una escala nominal, una variable se divide en dos o más categorías,
por ejemplo, de acuerdo / en desacuerdo, si / no, etc. Es un mecanismo de
medición en el que la respuesta a una pregunta en particular puede caer
en cualquier categoría
- La escala nominal es de naturaleza cualitativa, lo que significa que los
números se usan únicamente para categorizar o identificar objetos.
- En una escala nominal, los números no definen las características
relacionadas con el objeto, lo que significa que cada número se asigna a
un objeto aleatorio o por decisión propia. El único aspecto permitido
relacionado con los números en una escala nominal es que sirven para
“contar”.

2. Ordinal: Representa un orden para el atributo o característica. CUALITATIVA

- No tiene números entonces no se pueden calcular promedios
- Por lo tanto, se utiliza una escala ordinal como parámetro para
comprender si las variables son mayores o menores. La tendencia central
de la escala ordinal es mediana.
- De totalmente insatisfecho a muy satisfecho, de muy infeliz a muy feliz, etc.
- Ejemplos: GSE, ranking de marca, etc... El GSE se ocupa mucho porque
dice mucho de cómo compra la gente
- Rangos de ingresos o de edades

3. De Intervalo: Medición cuantitativa con valores arbitrarios. Acá si hay

un cero no significa ausencia
- Ejemplos: temperatura, preferencia en escala 1 a 7, etc...

4. De Razón: Medición cuantitativa con valores absolutos. Ejemplos: precio,

cantidad, ingreso, edad, etc… NO RANGOS, NÚMERO EXACTOS
- No existen los números negativos
- Acá el cero si significa ausencia de atributo
- Si me piden distribuir puntos puede ser de intervalo o de razón.

Medición de actitudes: no tienen una escala natural pero yo le pongo una escala
para poder medir la opinión de la gente

- ¿Está de acuerdo con un impuesto adicional a la bencina?

- ¿Cuál es el grado de satisfacción con su Isapre?
- ¿Cómo evalúa la calidad del servicio de este restorán?
- ¿Cuán diferente es esta marca respecto de las otras marcas de la categoría?
- ¿Qué supermercado prefiere?
- ¿Tiene intención de comprar un TV en los próximos 3 meses?
- ¿Cuán importante es para usted el precio en la decisión de compra?
Formatos Alternativos de Escalas de Respuestas

Actitudes: escala Likert

Escala de Diferencial Semántico

Escala de Puntaje o Rating

Medición de Importancia: Medición Directa

- Mención espontánea: preguntarle a la gente cuál es el atributo más

importante espontáneamente
- Ranking: pedirle a la persona que haga un ranking
- Escala de 5 categorías: muy poco importante, poco importante,
importante, etc. No es tan bueno porque la gente pone que todo es
importante
- Escala de suma constante

Medición de Importancia Medición Indirecta: Modelo de Regresión

Diseño de

cuestionamiento

Etapas:
1. Determinar la finalidad del cuestionario: que se va a medir, a quién se va
a medir y para qué se va a medir
2. Especificar las características del cuestionario: cuál va a ser su contenido,
qué tipo de preguntas se van a incluir, cuántas preguntas, qué
características psicométricas o sociales incluiremos.
3. Redacción de las preguntas: selección y tipo de preguntas.
4. Revisión del cuestionario por un grupo de expertos.
5. Confección de la prueba piloto: instrucciones de administración, forma de
presentación y formato de registro de las respuestas.
6. Aplicación de la prueba.
 7. Corrección de la prueba.

Aspectos importantes
1. Preguntas Abiertas: ¿por qué hiciste eso?, ¿por qué pusiste esa nota?
No tiene respuestas predefinidas
2. Preguntas Cerradas:
- Selección única
- Selección múltiple
- Escala de Grado
- Matrices
- Ranking
- Otra, por favor

especificar Sugerencias

- Palabras simples
- Use palabras claras
- Sea específico
- Incluya toda la información necesaria
- Evite preguntas demasiado precisas
- Escriba preguntas personales o incriminantes de una manera menos objetable.
- Evite preguntas muy demandantes de tiempo
- Use categorías mutuamente excluyentes
- Evite hacer supuestos
- Evite sesgos
- Evite incluir ejemplos
- Evite preguntas “double-barreled”
- Haga las categorías de las respuestas claras y lógicas.
- Use oraciones completas
- Identifique cada pregunta con un número o letra
- Datos personales siempre al final de la encuesta y

opcionales Ejemplo:

- ¿Qué marca de medicina usa para la gastroenteritis? NO PREGUNTA

PRIMERO SI HE TENIDO ESO
- ¿Cuán a menudo va al cine? Siempre/Frecuentemente/ A veces/ Casi nunca /Nunca
¿QUÉ ES SIEMPRE? NO SE CUANTO ES FRECUENTEMENTE, FALTA
ESPECIFICAR
- ¿Cuál es su evaluación del precio y el servicio? DOBLE PREGUNTA
- ¿Siempre almuerza en el mismo lugar?
- ¿Cree usted que el Senado debiera aprobar la Reforma Laboral para
que la Economía retome su crecimiento? DIRIGE LA RESPUESTA
- ¿No considera usted que las personas no retiradas no debieran estar
libres de impuestos? MUCHOS “NO”
- ¿Es Coca-Cola su marca de bebida preferida?
- ¿Cuántos vendedores la visitaron el año pasado? IMPOSIBLE SABER
 - ¿Qué comida prefiere?: China, Japonesa, Francesa, Europea FALTAN
MAS OPCIONES
- ¿Qué marca de vino prefiere? (sea honesto en su respuesta)

Cuando uno hace un estudio de mercado es porque necesita reducir el riesgo de

algunas decisiones. No se justifica hacer un estudio cuando el riesgo es muy
bajo, cuando la oportunidad es muy obvia. Otra razón es que el impacto
económico sea superior a lo que vamos a gastar haciendo el estudio de
mercado. Si el impacto es muy pequeño, no vale la pena pagar un estudio.

Otras fuentes de información

Censo nacional de población y vivienda

- Organismo a cargo: Instituto Nacional de Estadísticas (INE)

- Temas:
● Características demográficas
● Características sociales y culturales (educación, etnia,
religión, discapacidad).
● Características económicas (situación laboral)
● Desplazamiento
● Vivienda
● Caracterización de los hogares
- Target: hogares chilenos
- Para qué sirve:
● Establecimiento de programas en materia de educación,
alfabetización, empleo, vivienda, salud, urbanización y desarrollo
rural
● Información geográfica a nivel de regiones y barrios ¤ Inmigración
● SitioWeb:
[Link]
·

[Link] Encuesta

CASEN

- Organismo a cargo: Ministerio de Desarrollo Social

- Temas: educación, trabajo, ingresos, salud, vivienda
- Target: Hogares chilenos
- ¿Para qué sirve?
● Indicadores de distribución del ingreso
● Indicadores de acceso a servicios sociales
● Índices de Pobreza
● Efectividad de políticas sociales
● Sitio Web: [Link]
Encuesta presupuestos familiares

- Organismo a cargo: Instituto Nacional de Estadísticas (INE)

- Temas: gastos de los hogares chilenos
- Target: Hogares chilenos
- ¿Para qué sirve?
● Permite conocer las modificaciones en el gasto de los hogares
del país, como también sus nuevas pautas de consumo.
● Sirve con input para la medición de la inflación
● SitioWeb:
[Link]
de-presup uestos-familiares

ANÁLISIS DE DATOS

INTRODUCCIÓN AL ANÁLISIS ESTADÍSTICO

- El análisis estadístico es un campo de estudio que se ocupa de resumir datos, interpretar
datos y toma de decisiones basadas en datos
- Una cantidad calculada en una muestra para estimar un valor en una población se llama
"estadístico“. Ej. Promedio muestral
Proceso de análisis de datos

1. Estadística descriptiva: exploración de la data → permite resumir la información, describir los

datos disponibles, ordenar, etc.
2. Estadística inferencial: análisis → se busca obtener conclusiones de la

población ANÁLISIS EXPLORATORIO DE DATOS

Estadística descriptiva
- Las estadísticas descriptivas son números que se utilizan para resumir y describir datos.
- Las estadísticas descriptivas son simplemente descriptivas. No implica generalizar más allá
de los datos a mano.
- La estadística descriptiva es una colección de métodos para resumir datos (por ejemplo:
media, mediana, moda, rango, varianza, gráficos, etc.).

Importancia del Análisis Exploratorio

- Antes de hacer inferencias a partir de los datos, es esencial examinar todas tus variables
¿por qué? Es bueno examinar las variables que tenemos, para detectar posibles patrones,
errores, etc.
- Escucha tu data:
● para detectar errores
● para ver patrones en los datos
● para encontrar violaciones de supuestos estadísticos
● generar hipótesis
● ... y para evitar errores posteriores

Tipos de Datos
1. Categórico (no cuantitativos)
a. Binario: 2 categorías → femenino/ masculino, hijos/ sin hijos, si/ no, etc.
b. Nominal: más categorías
c. Ordinal: el orden importa
Ej. género, etnia, estado civil, GSE, etc. NORMALMENTE HAY MÁS VARIABLES CATEGÓRICAS
QUE NUMERICAS
2. Continuo (o cuantitativo)
- Valores numéricos que se pueden ordenar secuencialmente y que no caen naturalmente en
rangos discretos (muy cerrado)
- Ej. peso, número de segundos que se tarda en realizar una tarea, edad, ingreso, etc.
Dimensionalidad de los Sets de Datos
1. Univariante: medición realizada en una variable por sujeto (una columna y una fila)
2. Bivariante: Medida realizada sobre dos variables por sujeto, dos variables por cada persona
medida (dos columnas y una fila)
3. Multivariante: medición realizada en muchas variables por sujeto

Resúmenes Numéricos de Datos

1. Medidas de tendencia central: Están calculadas para dar un "centro" alrededor del cual los
datos se distribuyen. Muy común el promedio acá.
a. Media: para calcular la media de un conjunto de observaciones xi , sumamos los valores y
dividimos por el número de observaciones:

b. Mediana
- La mediana corresponde al valor central de los datos, ordenados de menor a mayor → el
50% de los valores está por sobre este valor y el otro 50% por debajo
- Si es impar: justo el dato del medio
- Si es par: promedio de los dos valores centrales
→ Qué medida es mejor
- Depende de la forma que tenga los datos: si hay valores atípicos o muy parecidos
- La media es mejor para distribuciones simétricas sin valores atípicos
- La mediana es útil para distribuciones sesgadas o datos con valores atípicos

Ejemplo

Acá lo más representativo es la mediana, porque los datos no son simétricos. Acá el promedio no
sirve de mucho.
2. Medidas de variación/ variabilidad o dispersión: Describen dispersión de los datos o qué tan
lejos están las mediciones desde el centro. Si hay poca dispersión, a todos les fue similar.
a. Varianza: Promedio de la desviación de los valores respecto de la media al cuadrado

- ¿Por qué las desviaciones al cuadrado?

- Los cuadrados eliminan los negativos
- Los valores absolutos no tienen buenas propiedades matemáticos
- Resultado: Contribución creciente a la varianza a medida que se aleja de la media
- La varianza es algo arbitraria
- ¿Qué significa tener una varianza de 10,8? ¿O 2,2? ¿O 1459,092? ¿O 0,000001? Nada. Pero
si pudiera "estandarizar" ese valor, podría hablar sobre cualquier variación (es decir,
desviación) en términos equivalentes.
- Las desviaciones estándar son simplemente la raíz cuadrada de la varianza.
b. Desviación estándar
- Medida de variación más utilizada
- Muestra variación respecto de la media
- Está medida en las mismas unidades que los datos originales

* Resultado teórico interesante

- Independientemente de cómo se distribuyan los datos, un cierto porcentaje de valores debe
estar dentro de k desviaciones estándar respecto de la media
- Para muchas listas de observaciones, especialmente si el histograma tiene forma de
campana ⁄ Aproximadamente el 68% de las observaciones de la lista se encuentran dentro
de
±1 σ (desviación estándar) respecto de la media ⁄ 95% de las observaciones se encuentran
dentro de ± 2σ respecto de la media
- Muy pocos valores se alejan de la medida
 c. Cuartiles y rango intercuartil

- Quartiles: el primer cuartil,

● Q1, es el valor para el cual el 25% de las observaciones son menores y el 75% son
mayores a ese valor
● Q2 es igual a la mediana (50% son menores, 50% son mayores)
● Solo el 25% de las observaciones son mayores que el Q3
- Percentiles: En general, el percentil n es un valor tal que n% de las observaciones caen a la
altura o por debajo de ese valor
● Q1 = percentil 25
● Mediana = percentil 50
● Q2 = percentil 75

3. Medidas de posición relativa: Describen la posición relativa de medidas específicas en los datos.
Muy común: cuartiles, quintiles, etc.

Resúmenes Gráficos de Data

- La dimensionalidad de los datos importa ...
- Univariante: medición realizada en una variable por sujeto
- Multivariante: medición realizada en muchas variables por sujeto

Univariante: histogramas y gráficos de barra

¿Cuál es la diferencia entre un histograma y un gráfico de barras?
1. Gráfico de barras:
● Se utiliza para variables categóricas para mostrar frecuencia o proporción en cada
categoría
● Traducir los datos de las tablas de frecuencia en una presentación gráfica
2. Histograma:
● Se utiliza para visualizar la distribución (forma, centro, rango, variación) de Variables
continuas
● El tamaño del “contenedor" (bin) es importante
Efecto del tamaño del bin en el histograma
Depende del ancho que uno le ponga al bin, es como se va a ver.

Box plot (cajón con bigote)

Es como la campaña de Gaus pero mirada desde arriba
¿Cómo hacer malos gráficos?
- El objetivo de buenos gráficos de datos: muestra datos con precisión y claridad
- Algunas reglas para mostrar datos incorrectamente:
● Muestre la menor cantidad de información posible
● Obscurecer lo que muestra (con gráficos basura)
● Utilice pseudo-3d y color de forma gratuita
● Hacer un gráfico circular (preferiblemente en color y 3d) ⁄ Utilice una escala mal elegida

5 preguntas para decidir qué tipo de gráfico utilizar

1. ¿Quieres comparar valores? (o categorías)

2. ¿Quieres mostrar la composición de algo?

3. ¿Quieres entender cómo se distribuye la data?

4. ¿Quieres analizar tendencias? (tiene que ver con tiempo)

5. ¿Quieres entender mejor la relación entre dos variables?

Por qué no usar Pie charts

Los gráficos de círculo no son tan buenos porque es más fácil para el cerebro comparar gráficos de
barra. Solo por un tema estético se usa a veces el de círculos, pero no es buena idea.

ANÁLISIS ESTADÍSTICO BIVARIADO

Conceptos básicos
- Variables dependientes e independientes
- Muestra y Población: Test de Hipótesis
- Significancia Estadística y Significancia Económica
→ Caso: Estudio de Noticiarios TV
- Estudio de conductas de consumo y de posicionamiento de los noticiarios centrales de la TV
- Encuestas telefónicas a 1.056 hogares
- Variables medidas:
● Segmentación: Edad, Sexo y GSE.
● Consumo categoría: días/semana y minutos/día ve un noticiero.
● Consumo de noticieros según Canal
● Preferencias
● Evaluación de noticieros
→ Métodos Estadísticos

H0: las variables son independientes

H1: las variables son dependientes
Tablas de contingencia (tablas cruzadas)
- Análisis de la relación entre dos variables cualitativas
- H0:
● Las variables son independientes
● Las proporciones de los grupos son iguales
- Test Chi – 2 para aceptar o rechazar H0 con nivel de significancia del 5%. Rechazar H0 si
● Valor p es menor al 5%
● Chi – 2 es grande (relativo a valor de tabla)
→ Tiempo Ve noticias según GSE

- Independientes, porque hay poca diferencia. Insignificantes

→ Tiempo Ve noticias según edad
- El rango de edad es la variable que usamos para explicar las diferencias
- El valor p es 0%, entonces en este caso que si las variables fueran independientes, no hay
ninguna posibilidad de que me hubiera salido lo que tengo en esta tabla, porque en la tabla
si se ven diferencias
- Hay tanta evidencia en contra de la hipótesis nula, entonces concluyo que no son
independientes, si hay una relación entre tiempo y edad

- Dependientes, porque es menor a 5 y hay mucha diferencia entre edades. Si hay relacion
entre tiempo y edad
→ Tiempo ve noticias según sexo
- Entre femenino y masculino es similar
- No puedo rechazar la hipótesis de que son independientes, el género no tiene impacto en la
cantidad de horas que la gente ve tv

- Independiente, no hay mucha diferencia

→ Noticiero preferido según GSE
- Valor p pequeño que me indica que si hay relación entre las variables

- Dependiente y hay diferencia entre sus valores

→ Noticiero preferido según edad
- Si hay diferencias y el p es muy pequeño, entonces si hay relación entre las variables

- Dependiente, si hay relación y diferencias

→ Noticiero preferido según sexo
- Si hay dependencia de las variables, ya que si hay diferencias entre las variables
- Valor p pequeño: si hay relación, rechazó la hipótesis nula
- Valor p alto (mayor a 5%): no hay relación y no rechazo
Análisis de medias
- Análisis de la relación entre una variable cuantitativa (dependiente) y una variable
cualitativa (independiente)
- H0:
● Las variables son independientes
● Las medias de los grupos son iguales
- Test F (Anova) para aceptar o rechazar H0 con nivel de significancia del 5%. Rechazar H0 si
● F es grande (relativo a valor de tabla)
● Valor p es menor al 5%

→ Evaluación global Teletrece

- En GSE valor p alto, entonces no hay relación, hay poca diferencia entre las medias
- En EDAD, se ven similares, pero si hay diferencias, y el valor p es 3% entonces si hay relación .
Dependiente
- En SEXO, si hay diferencias entre los grupos. Independiente

Análisis de correlación
- Análisis de la relación entre dos variables cuantitativas
- H0:
● Las variables son independientes
● El coeficiente de correlación es cero: si es cero no hay relación entre las variables
- Test Z para aceptar o rechazar H0 con nivel de significancia del 5%. Rechazar H0 si
● Z en valor absoluto es grande ( relativo a valor de tabla )
● Valor p es menor al 5%
→ Correlación de Pearson
Va entre 1 y -1, indica el nivel de correlación entre dos variables.
 - En escolaridad, r=1, es decir que hay 100% correlación y la relación es positiva
- En experiencia laboral, r=0,78, es una correlación que se considera alta, pero menos fuerte
en comparación con sueldo v/s escolaridad
- En X, r=0,02 la correlación es casi inexistente

r = 0= no hay relación
1= relación y muy positiva. Si uno aumenta, ambos aumenta
-1= relación negativa

→ Correlación entre evaluación global y atributos

Regresión lineal simple

- Técnica de análisis estadístico utilizada para estimar el efecto de una variable (independiente
/predictora) en otra variable cuantitativa (dependiente/ predicha/ respuesta).
- También utilizada para predecir una variable dependiente, a partir de otra independiente.
- Modelo lineal simple
Nomenclatura en el modelo lineal: → respuesta media,
Y: variable respuesta o dependiente
x: variable predictoria, independiente o explicativa (no aleatoria)
Bo, B1: parámetros llamados coeficientes de la regresión
Bo: intercepto (respuesta media cuando x = 0)
 B1: pendiente de la respuesta media con respecto a x. Aumento adicional en la respuesta

ε: ruido aleatorio normal con media nula

media E(Y), cuando la variable x aumenta en una unidad adicional

Regresión lineal múltiple

- Técnica de análisis estadístico utilizada para estimar el efecto de varias variables
(independientes /predictores) en una variable cuantitativa (dependiente/ predicha/
respuesta).
- Técnica de análisis estadístico utilizada para predecir una variable dependiente, a partir de
otras independientes.
- Acá tengo una dependiente y muchas independientes

Ejemplo
La gerenta de un supermercado tiene los siguientes datos semanales de venta y precios de un
producto:

- Variable dependiente: ventas

- Variable independiente: los precios y la promoción
- B1Pt debería ser negativo, y b2Pc y b3Dt positivo

Ejemplo
La variable D es una variable “dummy”
El valor p me indica si el coeficiente es significativo (si tiene un impacto en la variable dependiente)
 a) Y = 16,554 – 0,025*P + 0,014*Pc + 0,706*D
b) Los dos primeros y el último si son significativos
c) Hay que reemplazar los valores en el modelo de (a), poniendo un 0 en D

Evaluación de la calidad de ajuste

- R^2: medida de poder explicativo de la regresión, mientras mas cercano a 1 mejor es mi
modelo, puedo explicar de mejor manera los movimientos de la variable dependiente. Se
considera bueno mayor a 50%
- Test t de significancia individual: se analiza cada beta y se ve si el valor p es mayor a 5%, en
un modelo excelente todas las variables van a ser significativas
- Test F de significancia global: este no calcula cada beta por separado, sino que ve si la
regresión en general es significativa

Output R – Ejemplo
Este es un buen
modelo Tengo que
fijarme en:
- Pr (>|t|): significancia individual, mientras más asteriscos mejor
- 2.2e-16 de al final

MODELOS DE SEGMENTACIÓN

Procesos estratégicos S – T – P
Segmentación:
- Agrupación de clientes en base a necesidades similares
- Perfil de cada
segmento Targeting:
- Evaluación del atractivo de cada segmento
- Selección de segmentos
metas Posicionamiento:
- Definición de propuesta de valor para segmentos meta
- Desarrollo de un plan de acción

Analisis de segmentacion:
- La mayoría de las empresas no siguen una estrategia de mercado masivo
- Segmentación: “Proceso de dividir mercados heterogéneos en subgrupos más pequeños y
homogéneos que tienen gustos, preferencias y/o necesidades similares”. Agrupar clientes y
entender el perfil de cada grupo de clientes y cómo puede mi propuesta de valor servir a sus
necesidades
- Segmentación → segmentos de mercado
 - Segmento de mercado: “Grupo de clientes actuales o potenciales con alguna característica
común que es relevante en la planificación y predicción de sus respuestas a los estímulos de
marketing de la firma”
- Ejemplos de marcas que si segmentan:

¿Qué entendemos por segmentación?

- “Proceso de dividir mercados heterogéneos en subgrupos más pequeños y homogéneos que
tienen gustos, preferencias y/o necesidades similares”
- Segmentación → Segmentos de mercados

Segmentos de mercado
- “Grupo de clientes actuales o potenciales con alguna característica común que es relevante
en la planificación y predicción de sus respuestas a los estímulos de marketing de la firma”

¿Por qué segmentar?

- Beneficios para la organización:
→ Diseñar mejores productos/ servicios y/o efectividad de marketing mix
→ Necesidades mejor atendidos
→ Aumentar satisfacción
→ Mejor asignación de recursos
- Beneficios para el cliente:
→ Productos y servicios “a la medida”
→ Experiencia personalizada
→ Ofertas relevantes
→ Conveniencia y ahorro de tiempo

Criterios para una segmentación efectiva. Segmentos deben ser…

- Identificables: que yo pueda saber/ identificar las características de ese segmento.
- Sustanciales: habla del tamaño de los segmentos.
- Accesibles: de que yo pueda acceder a ellos, poder contactarlos.
- Estables: se hacen nuevos productos y propuestas de valor, pensando en que esos
segmentos van a permanecer en el tiempo
- Diferenciables: que entre los segmentos hayan diferencias notorias
- Acciones: que haya alguna probabilidad que esa gente responda a mis llamados, publicidad,
oferta de producto. Acciones de marketing a que la gente responda

Proceso de segmentación y targeting

- Seleccion de base de segmentacion (variable que me permitas eparar a mercados en grupo,
por ejemplo, sexo, edad, grupo socio economico, etc.)
- Selección de método de segmentación (como hare esa partición o separación de grupos)
 - Descripción del perfil de segmentos usando variables auxiliares, son aquellas que no use
para la separación, pero que tengo disponible par caracterizar mejor a ese segmento
(descriptores)
- Selección de segmentos de valor →

Targeting Bases de segmentación

Mercado B2C:
- Geográfica: país, región, ciudad, urbano/ rural, clima
- Demográficas: edad, ingresó, género, generación, estado civil, tamaño familiar, ocupación,
educación, etnicidad, religión
- Psicográficas: estilos de vida, personalidad, actividades, intereses, opiniones
- Conductuales: tasa de uso, lealtad, conocimiento del producto, involucramiento, ocasiones
de compra, etapa de proceso de compra
- Beneficios buscados: conveniencia, valor, seguridad, status

Mercado B2B: una empresa que le vende a otra empresa

- Geográficas: país, región, ciudad, urbano/ rural
- Filmográficas: industrias, tamaño de la firma, global/ regional, propiedad
- Enfoque de compra: compra centralizada o descentralizada, politicas de compra,
involucramiento de los tomadores de decisión
- Conductuales: volumen, frecuencia de compra, actitud hacia el riesgo, lealtad, urgencia
- Beneficios buscados: precio, calidad, servicio, relación

¿Qué bases de segmentación son superiores?

- No existen reglas fijas
→ Base depende del contexto particular
- En general, se recomienda simplicidad
→ Ejemplo, si el producto solo es valorado por clientes de cierta región, usar segmentación
geográfica
- En estudios de segmentación moderno es posible combinar distintas bases de

segmentación Enfoques de segmentación o métodos de segmentación

1. Segmentación A-Priori:
- Yo se de antes con separar a los clientes. Por ejemplo, por rangos de edad
- Yo defino las clasificaciones y criterios del segmento
- Está muy claro el criterio de porque uno termina perteneciendo a cada grupo
- Segmentación más básica
2. Segmentación Ad-Hoc o A-Posteriori
- Necesitamos análisis estadísticos, porque no tenemos definidos los criterios
- Lo que sí tenemos claro son las variables
- Quiero mezclar muchas cosas, pero no sé bien cómo separar los grupos.

MÉTODOS DE CLUSTERING (segmentación/ agrupación)

- Conjunto de métodos para agrupar objetos (consumidores, firmas, etc.) en grupos que son
homogéneos en base a ciertas características
- Métodos de Machine Learning No Supervisados
 → Ausencia de variable dependiente

¿Qué es el análisis de
Cluster? Problemas a
resolver:
- Dada una colección de n objetos, cada uno de los cuales es descrito por p variables
queremos derivar una partición en un número de cluster o segmentos internamente
homogéneos y externamente heterogéneos
- Varianza: indicador de dispersión.

Datos de análisis de Cluster:

Dos grandes fuentes de datos:
1. Datos recolectados vía encuestas
2. Datos de fuentes internas

Métodos en análisis de Cluster:

1. Métodos basados en distancia

- Métodos jerárquicos:
→ Generan secuencias de particiones anidadas
→ Apropiados para set de datos pequeños (cientos de obs.)
→ Requieren calcular distancias entre todos los clientes
- Métodos de partición:
→ Método más común: K-media
→ Apropiado para N alto (miles de observaciones)
→ Solo requieren calcular distancias entre clientes y centroide cluster

Métodos en análisis de Clusters

- Métodos basados en modelos
→ Asumen que observaciones provienen de grupos con distintas distribuciones de
probabilidad
→ Algoritmos buscan encontrar mejor conjunto de distribuciones que expliquen los datos

Análisis de Clusters Métodos Basados en Distancias

Aglomerativos: todos los consumidores separados, como si cada uno fuera un
segmento y los junto de a poco

Divisivos: todos en un gran segmento y luego los separó

K-medias: es otra forma de hacer la división de segmentos

MÉTODO JERÁRQUICO AGLOMERATIVO

Estructura de datos:

- En la base de datos tendremos una columna por cada variable de segmentación y en cada
fila hay un consumidor/ cliente

Noción de distancia entre clientes:

- Método jerárquico aglomerativo requiere calcular distancias entre cada par de clientes
- Noción de distancia más común: distancia euclidiana, forma de calcular distancias entre dos
puntos y esos puntos son nuestros consumidores, cuya posición va a estar dada por cada
respuesta en cada variable de segmentación
- Por ejemplo, si tengo 100 clientes, tengo que calcular la distancia de cada uno con los 99
restantes
- Estos puntos serán nuestros consumidores. La posición de los consumidores está dada por la
respuesta de cada segmentación.
Distancias entre clientes:

- Ejemplo: segmentación en base a recencia y frecuencia

- Recencia: dúas que han pasado desde la última compra

- Frecuencia: número de veces que ha comprado el cliente en un periodo
determinado de tiempo
- Cada cliente va a estar representado en coordenadas según su puntaje

La escala es importante:
- Si variables de segmentación son medidas en escalas distintas
pueden alterar resultados del análisis
- Ejemplifica como (ingreso, edad)
- Es bueno estandarizar las variable, es decir, convertir una variable
normal en variable z. Lo expresamos en número de desviaciones
estándar en la media

Ejemplo de actividades de turistas:

- Principal input: matriz distancia:

 - Los más parecidos son Ana y Nicolás, tienen las mismas preferencias,
no tienen distancia (distancia = 0)
- Teresa y María también tienen una distancia corta, son parecidos
- Los más distintos son Diego y Ana, con una distancia de 134,91

Algoritmo: método jerárquico aglomerativo

1. Asignar cada cliente a un cluster apropiado (nicolas, ana, jorge,
esos son segmentos)
2. Calcular matriz de distancia entre cada par de cluster (se juntan en
pares, por ejemplo, ana con nicolás)
3. Combinar clusters más cercanos en base a matriz de distancia
4. Re Calcular distancias entre nuevo cluster y antiguos
5. Repetir pasos 3 y 4 hasta que todos los clusters queden agrupados
en un único cluster

¿Cuales son los clientes más similares entre sí?

- Ambos tienen 100 en la playa, no tienen

distancia. Nueva matriz de distancia: acá juntaron

a dos segmentos
Visualización del procedimiento dendrograma:

1 y 2: se juntaron ana con

nicolás 4 y 5: teresa y maría
se juntaron 3 y 7: Teresa y...
6: Luego todos se juntaron con diego
¿Cuál es el número óptimo de clusters a extraer?
- Depende tanto de la aplicación como de los datos
→ Más arte que ciencia, porque no hay receta, varía mucho
- Podemos aproximar # usando dendograma:
→ Buscar clusters con ramas más largas
- “Scree Plot”
→ Identificar (codo”)
- Indicadores (ej. Pseudo-F, etc.)

Número de Clusters: Pseudo-F

- Indicador: Pesudo-F (Calinski-Harabasz)
 - Si aumenta el número de clusters resulta en una mejor solución, ¿que
esperaríamos que ocurra con pseudo-F?
- Arriba tengo la distancia entre segmentos
- Abajo tengo las distancia dentro de los segmentos
- Se quiere que la distancia entre segmentos sea lo más grande para no
confundir, pero dentro chica
- Eso hace que este cálculo se busca que el F sea lo más alto posible

¿Cuantos cluster extrae según dendograma?

Depende donde haga el corte

Donde paramos, es muy subjetivo

Ejemplo de uso de scree plot

- Eje de abajo: número de caracteres

- Mientras más chicos los segmentos, las distancias tienden a mejorar
- Una forma de buscar soluciones es buscar un punto de inflexión, el
codo, en el gráfico.
- A partir de tres es donde comienza a bajar, lo cual es un buen punto
inicial. Explorar 3 segmentos. Nos ayuda a identificar posibles candidatos

Aplicación:

Segmentación en cadena de comida rápida

Segmentación: extracto de datos

0 = SI
1= NO
 - De abajo para arriba, juntan a las personas más parecidas
- Siempre juntan a los más cercanos

Si se piden dos segmentos:

Cuatro segmentos:

Mientras yo vaya bajando, me aseguro, que están ordenados por distancia ys e

que se parecen entre sí
El codo siempre está entre más de un codo. En este caso es 1 y 3 aproximadamente

Perfil de segmentos: Dos segmentos

El promedio de yummy del segmento uno es 0,78 y en el segmento

dos 0,07 El segmento 1 es más conveniente que el dos
Fattening el segmento 2
Greasy el segmento 2

¿Si yo fuera Mcdonalds qué segmento me gusta más? Es el segmento 1, porqeu

me puso buenas calificaciones

¿Cómo escribiríamos los dos segmentos anteriores?

- El 1 como que ama a McDonalds, muy asiduo
- El 2 lo encuentra asqueroso, no le gusta en lo absoluto

Resumen
Métodos basados en distancias
1. Métodos jerárquicos: Intuitivos, apropiados para N pequeño
2. Métodos de partición: Basados en única partición, apropiados para N grande

Método jerárquico aglomerativo

- Puntos de partida: matriz de distancia
- Agrupamos clientes en función de distancias entre ellos
- Decidimos cuántos segmentos extrae en base a herramientas
heurísticas (dendograma, scree plot, indicadores)
- Caracterizamos perfil de segmentos a partir de valores promedio de
bases de segmentación en cada cluster

Procesos de segmentación y targeting:

1. Selección de bases de segmentación
2. Selección de métodos de segmentación
3. Descripción de perfil de segmentos usando variables auxiliares (descriptores)
4. Selección de segmentos de valor

Descripción de perfiles usando variables auxiliares:

- Utilizando variables observables para describir segmentos
→ Edad, género, ubicación geográfica, etc
- Método 4 de clasificación: árboles de decisión, regresión
logística, análisis discriminante
- A partir de perfiles de clientes podemos generar programa de marketing

MODELOS DE PARTICIÓN: K-MEDIAS

K-Medias: ideas básicas

- Método más comúnmente usado en segmentación
- Define clusters de modo de minimizar variación

K-Medias: algoritmo
1. Especificamos número de clusters, K → le digo cuántos segmentos quiero
2. Seleccionamos K objetos aleatoriamente como “centroides” iniciales 1 →
los define como los centros de los nuevos segmentos
3. Asignamos cada observación a su centroide más cercano → el resto se
asigna al centroide con el que haya menos distancia, ojo que todo es
aleatorio
4. Para cada cluster, reclamos centroide → cada vez que se asigna uno, se
recalcula el centro
 5. Reasignados objetos de manera de minimizar suma interior de cuadrado total

6. Repetimos pasos 3-5 hasta que centroides no cambian o se alcanza

el máximo número de iteraciones

Ejemplo: K-Media

Aquí yo quería 2 segmentos, por eso hay 2 personas: cc1 y cc2

Por ejemplo, el punto A calcula la distancia de CC1 y CC2, queda mas cerca a
CC1. Entonces toma ese

En el paso 3 calcular los centroides para que quede como más equilibrada la
distancia con el resto de los puntos, se trata como de “promediar” todo.
 E estaba asignado a cc2, pero ahora como se movió el centro, E queda más
cerca de cc1, entonces se reasigna

¿Cuándo voy a parar? Cuando el centroide se queda fijo, se mantiene estable,

pero pueden pasar miles de iteraciones, pero eso se hace en computador y el
programa se demora segundos en hacerlo

K-Media en segmentación RFM online Retail

- Podemos usar las variables recencia, frecuencia y monto como
bases de segmentación en análisis de clusters. Por ejemplo, si yo
tengo una tienda y un cliente me compro hace 10 días, la recencia
es de 10 días. Mientras mejor recencia, es más probable que la
persona vuelva a comprar (la recencia debe ser baja para ser
buena, es decir, pocos días desde que pasó la última compra).
Monto es lo que gasto en la tienda, por ejemplo, la primera vez
gasté 10 lucas, la segunda 20, lucas, etc. Ahì se saca el promedio
del monto.
- 125.000 transacciones de 6.886 clientes de una retailer online
- Mayo 2011 - Marzo 2015

Hacemos comparaciones con el promedio 0

¿Qué acciones sugeriría para cada segmento?

¿Qué acciones sugeriría para cada segmento?

1. Potencialmente leales: reconectar → recomendar productos

populares/ renovaciones a descuento
2. A punto de dormirse: fidelizar → ofrecer membresía, programa
de lealtad, recomendar otros productos
3. Necesitados de atención: reactivar → hacer ofertas por tiempo limitado,
recomendar en base a compras pasadas

Otro criterios para el número de k

- Número de clusters
- Tamaño de clusters
- Identificación de los clusters:
→ Variables base
→ Descriptores

Caso segmentación Canvas

Lo primero que aparece es el índice F, que es un indicador estadístico que

compara la suma de los cuadrados de las distancias entre segmentos. En el
denominador está la suma interior de las distancias (homogéneos
internamente).
¿Cual es el número de segmento que tiene un mayor indicador F? Sería el 2, ya
que es el más alto
¿Es bueno que solo hayan dos segmentos? es mejor tener
más Podríamos ver el 4 también.
En la tabla nos muestran las variables de segmentación. Mientras más alto el
número es más acuerdo con esa afirmación.
En la última columna nos muestran el valor p, que nos indica si hay diferencia
significativa entre los grupos. Si el valor P es pequeño es significativa, si es alto
(5%)De no es significativa.
En la segunda tabla hay solución con 5 segmentos.
PRIMERA TABLA
- Los porcentajes es lo que pesa cada segmento.
- El primer segmento es el que está más de acuerdo con la primera
afirmación. Mientras que el segmento 3 es el que está menos de
acuerdo con la primera afirmación. Hacer esto con todas las
afirmaciones de ambas tablas.

Después aparecen las variables de identificación.

C1, C2, C3 y D se refiere a los grupos socioeconómicos. También una variable de trabajo

ESTUDIO DE POSICIONAMIENTO

Concepto de posicionamiento
- “Conjunto de estartegia desarrolladas e implementadas por la firmas
para asegurar que las diferencias ocupen un lugar distinto o importante
en la mente del cliente”
- Muchas veces una marca puede ser muy conocida, pero lo que la
gente asocia a esa marca no es lo que la empresa busca
- Tiene que ver con qué tan efectivo soy transmitiendo el mensaje de lo
que soy como marca
¿Cómo influir sobre el posicionamiento?
- Beneficios ofrecidos a clientes
→ Producto: puede ser muy distintivo, como iPhone
→ Comunicación/ promoción: dar a conocer la marca, es el primer paso, y
una vez que ya estoy ahí, la publicidad también sirve como vehículo para
transmitir un mensaje y tiene mucho que ver con el estilo de
comunicación, formal e informal
- Beneficios ofrecidos a canales de distribución (place) → si tengo una
marca de lujo, optaré por tiendas más exclusivas
- Precio: como Líder, comunica mucho que es el supermercado más barato

Ejemplo: agua benedictino

- Producto físico: H20
- Posicionamiento: aga premium dirigida a segmento de ingresos altos
- Claves: packaging, comunicación, estrategia, de canales (Ritz-Carlton, Starbucks)

¿Cómo posicionar un producto/ servicio?

- Identificación de dimensiones claves en percepción del cliente
→ Estudios cualitativos
- Comprensión de estructuras de mercado
→ ¿Cómo es percibida nuestra marca?¿Qué marcas perciben los clientes
como competidores cercanos?
- Identificación de elementos críticos de un plan de marketing

Medición de TOM y Reconocimiento (estudios de posicionamiento)

- Cuando piensas en... , ¿Cuál es la primera marca que se le viene a la mente?
- ¿Cuáles otras recuerda o conoce el nombre?
- Ahora, del siguiente listado…, indique todas aquellas que usted conoce o recuerda

Medición de valor de marca

- Conocimiento
- Percepción general
- Percepción calidad/ precio
- Asociación/ Diferenciación de atributos
- Lealtad
- Etc.
TOM Y (Re) CONOCIMIENTO DE MARCA

Los estudios de posicionamiento tienen una estructura muy parecida, y se parte

por preguntas para conocer cómo la gente ve la marca
- TOP OF MIND (TOM): Cuando piensas en ..., ¿cuál es la primera marca
que se te viene a la mente?
- ¿Y cuáles otras recuerda o conoce de nombre?
- CONOCIMIENTO AYUDADO (le muestro las marcas): Ahora, del siguiente listado de
..., indique todas aquellas que usted conoce o

recuerda TOM y (Re) Conocimiento Centros de Salud

* TOM: % de gente que nombro la marca como primera opción

* Espontaneo: lo nombraron ya sea en primer lugar como en otras
opciones (incluye el TOM) de forma espontanea

TOM y (Re) Conocimiento E-Retailers

¿Cuánto es un buen TOM?

TOM más altos en Chile

- Llevan mucho tiempo en el mercado
- Tienen altos niveles de ventas

MEDICIÓN VALOR DE MARCA

 - Conocimiento
- Percepción General: considerando todo lo que ud. Sabe de estas marcas
¿qué nota le pone a esta marca?
- Percepción Calidad/Precio
- Asociación / Diferenciación de atributos
- Lealtad
- Etc.

Ejemplo: Atributos de Marcas de Ropa

A continuación, se presenta un estudio de imagen y posicionamiento realizado

para MaGriffe y sus competidores, con consumidoras de 46 a 65 años. Las
encuestas evaluaron a cada marca que conocían con una nota de 1 a 7 en cada
atributo
- MaGriffe tiene buena calidad pero la ropa no es vanguardista ni tan bonita
- Si MaGriffe quiere ser relevante en su segmento, debe mejorar su parte de diseño
- Es importante definir esta lista de atributos para identificar lo que es
realmente importante y como uno está en cada uno

Ejemplo: E-Retailers
● Overall Rating
- Percepción general
- Este es un estudio de imagen y de posicionamiento, aquí contesta
gente que es usuaria de la marca y gente que nunca lo ha sido, por eso
no es de satisfacción
- Uno igual puede opinar aunque no sea usuario
● Precio Calidad
● Percepción Precio

→ Precio calidad
→ Percepción precio

→ Atributos
- Otra forma de mapear
- Acá no se les pide nota, se les pide seleccionar las marcas que cumplen
o no con los atributos
- Sirve para identificar donde la marca está más fuerte y más débil

ESTUDIOS PÚBLICOS

Índice de Capital de Marca (ICM)

Modelo de análisis de marca: vínculo con 312 marcas de consumo

 - Es un valor entre 0 y 1.000 puntos, resultante del promedio de 3 dimensiones:
→ Presencia: recordación, contenido de la recordación (¿me acuerdo
por cosas positivas o negativas?), familiaridad (¿qué tan cercana soy a la
marca?)
→ Prestigio: preocupación por los clientes, credibilidad, etc.
→ Afecto: cariño que siento por la marca, qué tanto recomiendo la marca,
que tanto la prefiero, qué tanto me identifica, que tanto admiro y qué tan
diferente la percibo
- Desde 2018 se incluye la pregunta sobre el vínculo del encuestado con las
marcas que deberá evaluar (cliente/ no cliente). Asimismo, se les pide que
le pongan una nota general a la marca, lo que luego permite determinar
cual de los atributos medidos es el que está generando mayor valor

Marcas de excelencia 2021

- Samsung
- Whatsapp
- Google
- Netflix
- Rosen
- Youtube
- Farmacias del Dr. Simi
- Duracell
- Nescafé
- Colún
- Quix
- Savory
- Colgate

ESTUDIOS DE SATISFACCIÓN

*Aquí si las personas opinan de un producto que si

probaron Satisfacción
- Cuando se cumplen mis expectativas
- Cuando quedó contenta con el servicio
- Cuando se cumple lo que promete la empresa

Tipos de estudio
- Estudios de Satisfacción Específica
 - Estudios de Satisfacción Acumulada: se evalúa en general, no estoy
evaluando la satisfacción en un momento puntual
- Estudios de Mystery Shopping (Comprador Incógnito): muy comunes para
evaluar protocolos de acción, por ejemplo, para ver si la cajera de una
tienda cumple bien con todos los protocolos. Los clientes incógnitos son
externos a la empresa, hay agencias que reclutan compradores
incógnitos.
- Otros Estudios:
→ Estudios Cualitativos con Clientes
→ Estudios a Empleados
→ Estudios a Clientes Perdidos

Estructura típica
- Satisfacción general (escala 1 a 7)
- Nota Satisfacción en cada atributo del servicio (escala 1 a 7)
→ Rapidez
→ Calidad de la atención
→ Atención telefónica del call center
→ Etc.
- Recomendación (NPS) (diferentes escalas)
- Lealtad/disposición a seguir siendo cliente (escala 1 a 7)

PRINCIPALES INDICADORES
1. Satisfacción neta
- Es muy común que la nota se vea como una variable categórica, no se
toma como un promedio porque al ser un promedio esconde muchas
variables
- Se toma como % de notas buenas y malas
- La satisfacción neta es una medida más ácida. Permite comparar, porque
por ejemplo, puede haber una marca con 60% de satisfacción y 0% de
insatisfacción, y con otra puede pasar todo lo contrario

2. Net Promoter Score (NPS)

- Al % de promotores se les resta el % de detractores
- También es un neto, un indicador ácido, y se usa muy comúnmente
Análisis de importancia
- Importancia declarada
- Importancia estadística: correlación o regresión.
→ Variable independiente: nota global
→ Variable dependiente: nota de cada atributo

- Por ejemplo, si le puse un 7 al hotel, pero un 0 al TV cable, significa que el

atributo TV cable no es relevante, porque fue malo pero igual evalué bien
al hotel
- Los atributos más relevantes serían el precio, el check in, el
restaurante y la ubicación
- Se le puede quitar recursos a atributos no importantes pero bien
calificados para enfocarse más en los más importantes y que no están tan
bien calificados

Análisis de cuadrante

Hay que enfocar los recursos donde hay baja satisfacción y alta importancia
Análisis Cuadrante Dinámico
- Los atributos que suben para arriba y para abajo pero que no se
mueven en importancia, son irrelevantes
- Los atributos higiénicos o “el desde”: su existencia no me brinda
felicidad ni satisfacción, pero si no está, me enojo mucho, como la
limpieza en un hotel. Estos atributos, si baja su satisfacción
empiezan a tener más importancia. Si está estoy igual que antes,
pero si no está me genera mucha insatisfacción
- Hay atributos que suben su evaluación y en algún momento se
empiezan a volver importantes

Crecimiento en Ventas y Satisfacción de Clientes

- Es muy importante tener mediciones de satisfacción
- Permite aumentar las ventas, a mayor satisfacción,

mejor me va Clasificación cartera de clientes

La clasificación de los clientes depende de la lealtad (Recomendación y

Recompra) y la Satisfacción
1. Apóstoles: Son los clientes cuya experiencia con el servicio sobrepasa
sus expectativas, y que informan a otros la calidad de esta
experiencia (referencias).
2. Peregrinos: Son los clientes que están en un territorio de tránsito hacia la
plenitud de la satisfacción y lealtad. Son potenciales apóstoles, donde sus
carencias pueden pasar por aspectos emocionales y/o funcionales. Es un
segmento atractivo para la empresa.
3. Mercenarios: Son los clientes que desafían la regla satisfacción /
lealtad. Son los buscadores de precio, compradores por impulso,
seguidores de la moda, o que siempre buscan algo a cambio. No
desarrollan lealtad con ninguna empresa.
4. Rehenes: Son los clientes que a pesar de tener malas experiencias con la
empresa, no pueden cambiar a corto plazo de proveedor, ya sea por los
costos de cambio involucrados, contratos establecidos, etc.
5. Terroristas: Son los clientes que han vivido una mala experiencia con el
servicio de la empresa, que transmiten su frustración a su círculo social
y aprovecharán cualquier oportunidad para abandonar la empresa.
6. Paganos: Son los clientes que están en un territorio de indefinición y
potencialmente podrían ser convertidos por la compañía.
 DISEÑO DE NUEVOS PRODUCTOS

Agenda:
- Motivación
- Medición de preferencias: método indirecto o de perfil completo
- Análisis conjunto

Desarrollo de nuevos productos:

- Nuevos productos representan un 28% del crecimiento de firmas (Booz
Allen and Halmilton)
- 25% de ventas provienen de productos introducidos en últimos 3 años (MSI)

Desarrollo de nuevos productos:

- Éxito de nuevos productos depende de forma crucial de cuán bien
satisfacen necesidades percibidas
- Importancia de medir preferencias por configuraciones alternativas de producto
- Técnica de análisis conjunto permite descomponer preferencias
por distintos atributos
- Cálculo de participaciones de mercado y simulación de escenarios

Estudios preferenciales:
- Decisiones sobre diseño de productos requieren entender preferencias
por distintos atributos
- Dos tipos de mediciones de preferencias:
1. Método directo o auto-explicado
2. Método de perfil completo
- Ambos métodos ven productos/ servicios como combinación de atributos
Producto como conjunto de atributos: smartwatch
- Modelos de preferencias descomponen utilidad del producto en suma de
utilidades de atributo
- Ej. Smartwatch - Atributos:
→ Vida util bateria
→ Uso como celular
→ Uso como dinero móvil
→ Peso
→ Pulso
→ Marca
→ Precio

Características de Smart Watch

Productos como conjunto de atributos

- Modelo de preferencias descomponen utilidad del producto en suma de
utilidad de de atributos
- Ej. smartwatch
Análisis conjunto: idea básica
- Participante no evalúan atributos individuales
- Evalúan perfiles completos de producto
- Idea: podemos inferir valor de un atributo variando atributos
experimentalmente y observando evaluaciones (o elecciones)
- 14.000 estudios que usan AC realizados anualmente en [Link]
- Input: datos de preferencias globales
→ Evaluación de perfil completo
→ Rating o escogencia o ranking
- Output: descomposición de preferencias globales en utilidades parcial
→ Utilidad promedio de cada atributo

Metodologías en análisis conjunto

- Método basado en evaluación de perfiles (Ratings - based Conjoint)
→ Enfoque tradicional
→ Análisis: regresión múltiple
- Método basado en elecciones (Choice - based Conjoint)
→ Análisis: multinomial logit

Modelo conjunto aditivo

Pasos en el análisis conjunto

- Selección de atributos y niveles
- Diseño de perfiles y administración de encuestas
- Estimación de utilidades parciales (“part worths”) e importancia de atributos
- Simulación y optimización

PASO 1: Selección de atributos y niveles

- Paso clave en el diseño de estudios de AC
- Atributos importantes pueden obtenerse de:
→ Estudios de mercado previos
→ Fuentes externas (ej. consumer reports)
→ Juicio gerencial
→ Focus groups
- Determinación de niveles y rango de atributos basado en juicio de
analista (más arte que ciencia)
*Selección de atributos y niveles: CONSIDERACIONES:
- Cuanto mayor el número de atributos a testear, mayor el
requerimiento de datos para un mismo nivel de precisión
- Cuanto más tangibles y comprensibles los niveles más válidos los resultados
- Mientras mayor la distancia entre dos niveles consecutivos más difícil
determinar cómo un cliente evaluará un nivel intermedio

PASO 2: Diseño de perfiles y administración de encuesta

- Diseño de perfiles basado en metodología de diseño de experimentos
- Número de perfiles posible igual al producto del número de niveles de cada atributo
- Ej. 5 atributos con 3 niveles cada uno: 3^5 = 243
- Metodología permite escoger subconjunto de perfiles a presentar a
participantes en estudio
- Diseño factorial completo:
→ Usa todas las combinaciones posibles
→ Permite estimar “main effects” e interacciones
- Diseño factorial fraccional
→ Usa un subconjunto del total de perfiles posibles
→ Diseño comúnmente usado es el diseño factorial fraccionado ortogonal
→ Diseño ortogonal permite estimar “main effects” y ciertas interacciones

Ejemplo smartwatch: perfiles a evaluar

- Diseño factorial fraccional
- Cada encuestado evaluó 16 perfiles alternativos
- Encuestado debe ordenar 16 tarjetas con descripción verbal y diseño del perfil
 Análisis conjunto: evaluación de perfiles
- Evalúe con puntaje 0-100 los siguientes smartwatches

PASO 3: estimación de utilidades parciales

- Método de estimación depende del tipo de datos obtenidos
- Evaluación de perfiles - Regresión múltiple
- Elección de perfil - Multinomial logit
- Vamos a enfocarnos en el método tradicional
→ Estimación de utilidades parciales via regresión múltiple

Análisis de Regresión
- Usamos regresión múltiple con variables dummy para
representar atributos categóricos
- Ejemplo: evaluación de automóvil (2 atributos con 2 niveles cada uno)
- Puertas: 2 ó 4
- Rendimiento: alto ó bajo

Análisis de regresión: ejemplo smartwatch

- Posible especificación (¿Porque no es única?):

- Perfil excluido es arbitrario

Datos de estimación smartwatch

Resultados estimación smartwatch

Utilidades
estimadas:
- Ecuación:

- Utilidades del modelo base: 28,6

Smartwatch: coeficientes estimados

Función de utilidad parcial

Resultados estimación smartwatch - Precio como variable cuantitativa

¿Que sugieren los resultados sobre las preferencias por los siguientes
modelos? Modelo I:
- Samsung
- Duracion bateria: 24 hrs.
- Monitoreo de pulso
- Peso 30 grs.
- $299.990
Modelos II:
- Apple
- Duracion bateria: 24 hrs.
- Monitoreo de pulso
- Peso 60 grs.
- $299.990

¿Qué atributos son más importantes en la decisión de compra?

- Medida de importancia de atributos:

- Notar que esta medida es sensible a los niveles incluidos en el estudio

Aplicaciones: estimación de participaciones de mercado
- A partir de las utilidades estimadas podemos estimar participaciones de
mercado (o participaciones en preferencias)
- Reglas alternativas:
→ Utilidad máxima
→ Participación en utilidad (regla de Bradley - Terry - Luce)
→ Regla de potencia alfa
→ Logit

Participación de mercado: reglas cómputo

- Regal de utilidad máxima

- Regla de BTL

- Regla de potencia alfa:

- Regla logit:

Estimación de participación de mercados: ejemplo:

- Consideremos un mercado automotriz con 3 marcas alternativas: X, Y, Z
- Marcas sólo difieren en tipo de transmisión y rendimiento
- Transmisión: automática (A1), manual (A2)
- Rendimiento: 10 (B1), 20 (B2), 40

(B3) Utilidades parciales y elección

Características de marcas

Utilidades de marcas y participaciones (regla de utilidad máxima)

Utilidades de marcas y participaciones (regla logit)

1) Cuál es la marca: entel

2) Qué segmentos identificaron: Entel se segmenta en dos categorías: en si

están suscritos a un plan o si es prepago. Cada categoría tiene diferentes
beneficios dependiendo su acumulación de puntos. Los puntos se ganan de
acuerdo a lo que un suscriptor facture mensualmente o si es prepago a cuanto
recargue mensualmente
3) Cuál es la propuesta de valor que ofrece para cada uno de los segmentos:
entel le quiere dar a sus clientes exclusividad y fidelización . También quiere
dar ofertas únicas y masivas a sus clientes. Por último conocer su capacidad de
respuesta para cumplir con las expectativas de los clientes