Análisis conjunto

“ANÁLISIS DE CONJUNTO” 10-junio-2014

UNIVERSIDAD GALILEO

FACULTAD DE CIENCIA, TECNOLOGÍA E INDUSTRIA

DOCTORADO EN ADMINISTRACIÓN CON ESPECIALIDAD

EN FINANZAS

ARQ. ALVARO COUTIÑO G. Carnet 1300-4393

“ANÁLISIS DE CONJUNTO”

1

INDICE

INTRODUCCIÓN .............................................................................................................................. 3

Enfoque de perfil completo ................................................................................................................. 4

Matriz ortogonal .................................................................................................................................. 4

El estímulo experimental ..................................................................................................................... 6

Recopilación y análisis de datos.......................................................................................................... 6

Proceso ................................................................................................................................................ 7

Recolección de información ................................................................................................................ 8

Análisis ................................................................................................................................................ 8

Ventajas ............................................................................................................................................... 8

Desventajas ......................................................................................................................................... 8

Procedimiento análisis de conjunto: .................................................................................................... 9

1. Identificación de atributos: ...................................................................................................... 9

2. Selección del modelo de preferencia: .................................................................................... 10

3. Método de recogida de datos: ................................................................................................ 10

4. Construcción del conjunto de estímulos ................................................................................ 10

5. Presentación del conjunto de estímulos................................................................................. 11

6. Escala de medida de la variable dependiente ........................................................................ 11

7. Método de estimación ........................................................................................................... 11

8. Fiabilidad y validez del modelo ............................................................................................ 12

Caso de Estudio: ................................................................................................................................ 12

Factores: ............................................................................................................................................ 12

Array Ortogonal o Matriz ortogonal de combinaciones: ................................................................... 13

Procedimiento Generar un Diseño Ortogonal ................................................................................... 14

Configuración del número de tarjetas de estímulos a generar ........................................................... 14

Presentación de un diseño ................................................................................................................. 15

Plan orthogonal ................................................................................................................................. 16

Preparación de las tarjetas de estímulos ........................................................................................... 17

Análisis de las preferencias mediante el Análisis Conjunto .............................................................. 21

Interpretación Sintaxis: ..................................................................................................................... 22

Análisis conjunto: .............................................................................................................................. 23


2

ESTADÍSTICOS GLOBALES ......................................................................................................... 35

GRÁFICAS ....................................................................................................................................... 37

CONCLUSIONES ............................................................................................................................ 40

BIBLIOGRAFÍA .................................................................................................................................... 41


3

INTRODUCCIÓN

El análisis conjunto es una herramienta de investigación de mercados para desarrollar un

diseño de productos eficaz. Mediante el análisis conjunto, el investigador puede responder

preguntas como las siguientes: Según (IBM, 2014, págs. 2 - 3)

¿Qué atributos de producto son importantes para el consumidor y cuáles son

irrelevantes?

¿Cuáles son los niveles de atributos de producto más atractivos para el consumidor

y cuáles son los menos atractivos?

¿Cuál es la cuota de mercado de preferencia de los productos de los competidores

en comparación con nuestro producto propuesto o existente?

¿Cuáles son las características o atributos de un producto o servicio que determinan

la decisión de compra?

¿Cuál es la combinación de características que será más exitosa?

¿Cuál es el segmento del mercado que está más interesado en un producto?

¿Cuál es la campaña de marketing que resultará más atractiva para determinado

segmento?

¿Qué mejoras en un producto afectarán más las preferencias de los consumidores e

incrementarán las ventas?

¿Cuál es el precio ideal de un producto o servicio?

¿Podemos incrementar los precios sin tener una pérdida significativa en las ventas?

¿Los niveles de los productos están muy cerca el uno del otro?

Dónde, el análisis de conjunto es una técnica estadística que determina qué

características de un producto o servicio son las preferidas por los consumidores y

cuantifica estas preferencias. Por lo tanto, las características del producto incluyen atributos

como los siguientes: según (Pérez López, 2004, pág. 595)

Marca

Color

Forma

Precio


4

Garantía

En consecuencia, el análisis de conjunto mide las preferencias del consumidor por las

características particulares de un producto, se basa en la suposición de que los

consumidores toman la decisión de compra considerando simultáneamente todas las

características del producto. Para hacer esto, los consumidores deben buscar un equilibrio

en términos de relación calidad – precio, porque normalmente un producto no tiene todas

las mejores características. (IBM, 2014)

Según (Pérez López, 2004) “la ventaja del análisis conjunto reside en que solicita al

encuestado que elija del mismo modo que se supone que lo hará el consumidor al comparar

las características”. En consecuencia, mediante el análisis conjunto, puede determinar tanto

la importancia relativa de cada atributo como los niveles de mayor preferencia de cada

atributo. Si por alguna razón el producto que más se prefiere no es viable, por ejemplo, por

su coste, se puede saber cuál es la siguiente alternativa más preferida. Si cuenta con

información adicional sobre los encuestados, como información demográfica, puede

identificar los segmentos de mercado donde se puede introducir el producto. (IBM, 2014)

Enfoque de perfil completo

Conjoint utiliza el enfoque de perfil completo (también llamado concepto

completo), donde los encuestados clasifican, ordenan o puntúan un conjunto de

perfiles o tarjetas en función de la preferencia. Cada perfil describe un servicio o

producto completo y consta de una combinación diferente de niveles de factores

para todos los factores (atributos) de interés. (IBM, 2014, pág. 2)

Matriz ortogonal

Es muy probable que surjan problemas con el enfoque de perfil completo si hay

varios factores en juego y cada uno está compuesto por más de un par de niveles.

El número total de perfiles resultantes de todas las combinaciones posibles de

niveles se aumenta demasiado para permitir que los encuestados sean capaces de

clasificar o puntuar todos ellos de una manera que tenga sentido. (IBM, 2014,

pág. 2)


5

Para resolver este problema, el enfoque de perfil completo utiliza lo que se denomina un

diseño factorial fraccional, que presenta una fracción adecuada de todas las posibles

combinaciones de niveles de los factores. El conjunto resultante, denominado matriz

ortogonal, está diseñado para recoger los efectos principales de cada nivel de factor. Se

supone que las interacciones entre los niveles de un factor con los niveles de otro factor

carecen de significado. (IBM, 2014, pág. 2)

Se utiliza el procedimiento Generar diseño ortogonal para generar una matriz ortogonal

que suele utilizarse como punto de partida de un análisis conjunto. También permite

generar combinaciones de niveles de factores que se conocen como casos reservados, que

son evaluados por los sujetos pero no se utilizan para generar el modelo de preferencias. En

su lugar, se utilizan como comprobación de la validez del modelo. (IBM, 2014, pág. 2)

Funciones Orthoplan

Según (BE SMART SPSS Argentina, 2014, pág. 3)

Genere diseños factoriales fraccionales con efectos principales ortogonales;

orthoplan no se limita a factores de dos niveles

Especifique una lista de variables, etiquetas opciones de variables, una lista de

valores para cada variable y etiquetas opcionales para los valores

Especifique el número deseado de tarjetas para el plan;

orthoplan intentará generar un plan en el número mínimo deseado de rachas

Genere tarjetas holdout para probar el modelo conjunto ajustado

Mezcle las tarjetas de formación y holdout o apile las tarjetas de holdout después

de las tarjetas de formación

Guarde el archivo del plan como un archivo del sistema

Visualice la salida en tablas pivote.


6

El estímulo experimental

Cada conjunto de los niveles de los factores de un diseño ortogonal representa una

versión diferente del producto que se está estudiando y se debe presentar a los sujetos en

forma de un perfil de producto concreto. Esto ayuda al encuestado a concentrarse

únicamente en el único producto que se desea evaluar en ese momento. Los estímulos

deben normalizarse, asegurándose de que todos los perfiles presentan un aspecto físico

similar, excepto en lo que respecta a las diferentes combinaciones de características. (IBM,

2014, pág. 2)

La creación de los perfiles de los productos se simplifica gracias al procedimiento

Mostrar el diseño. Este procedimiento utiliza el diseño generado por el procedimiento

Generar diseño ortogonal, o uno introducido por el usuario y genera un conjunto de perfiles

de producto en un formato de fácil uso. (IBM, 2014, pág. 2)

Recopilación y análisis de datos

El tamaño de la muestra de los estudios conjuntos varía enormemente, por lo tanto el

tamaño de la muestra de los estudios de conjuntos comerciales suele oscilar entre 100 y

1.000, siendo el intervalo entre 300 y 550 el más típico. No obstante, en otro estudio se

concluye que el tamaño de muestra habitual es menor (inferior a 100). Como de costumbre,

el tamaño de la muestra debe ser lo suficientemente grande como para garantizar la

fiabilidad. (IBM, 2014, pág. 3)

Una vez elegida la muestra, el investigador administra el conjunto de perfiles o tarjetas a

cada encuestado. El procedimiento Conjoint permite utilizar tres métodos de registro de

datos. En el primer método, se pide a los sujetos que asignen una puntuación de preferencia

a cada perfil. Este tipo de método es habitual cuando se utiliza una escala de Likert o

cuando se pide a los sujetos que asignen un número del 1 al 100 para indicar la preferencia.

En el segundo método, se pide a los sujetos que asignen un rango a cada perfil de 1 al

número total de perfiles. En el tercer método, se pide a los sujetos que ordenen los perfiles

según la preferencia. Este último método permite al investigador registrar los números de

perfil en el orden dado por cada sujeto. (IBM, 2014, pág. 3)


7

El análisis de los datos se realiza con el procedimiento Conjoint (disponible sólo con la

sintaxis de comandos) y da como resultado una puntuación de utilidad, denominada

contribución parcial, para cada nivel del factor. Estas puntuaciones de utilidad, análogas a

los coeficientes de regresión, proporcionan una medida cuantitativa de la preferencia para

cada nivel del factor, donde los valores mayores corresponden a una preferencia más alta.

Las contribuciones parciales se expresan en una unidad común, lo que permite añadirlas

conjuntamente para obtener la utilidad total, o la preferencia global, de cualquier

combinación de los niveles de los factores. Así, las contribuciones parciales constituyen un

modelo para predecir la preferencia de cualquier perfil de producto, incluidos los perfiles

que se denominan casos de simulación, que no se presentan realmente durante el

experimento. (IBM, 2014, pág. 3)

La información que se obtiene a partir de un análisis conjunto puede aplicarse a una

amplia variedad de preguntas de investigación de mercado. Se puede utilizar para investigar

áreas como el diseño de productos, la cuota de mercado, la publicidad estratégica, el

análisis de costes y beneficios y la segmentación del mercado. (IBM, 2014, pág. 3)

Aunque el enfoque de este manual se centra en las aplicaciones de investigación de

mercado, el análisis conjunto puede ser útil en casi cada campo científico o empresarial

donde resulta importante medir las percepciones o juicios de la gente. (IBM, 2014, pág. 3)

Proceso

Según (Wikipedia, 2014)

Los pasos básicos son:

Selección de las características que deben ser probadas

Muestra de las combinaciones del producto a clientes potenciales

Los encuestados categorizan las combinaciones

Se analizan los datos de una muestra representativa de clientes potenciales en

conjunto con un profesional de la estadística. El análisis producirá las características

más preferidas por los potenciales clientes.

Incorporación de las características más preferidas en un nuevo producto o anuncio


8

Recolección de información

A los encuestados se les muestra un conjunto de productos, prototipos, maquetas o

retratos. Por lo tanto, cada ejemplo es suficientemente semejante al otro como para que los

consumidores lo vean como sustitutivo, pero suficientemente diferente para que puedan

determinar claramente una preferencia.

En consecuencia, cada ejemplo se compone de una combinación extraordinaria de

características del producto. Así, se obtienen un rango de preferencias, las respuestas se

codifican y se introducen en un programa para análisis estadístico como SPSS. (Wikipedia,

2014)

Análisis

El ordenador utiliza el análisis de varianza o técnicas de programación lineal para crear

las funciones de utilidad para cada característica. Estas funciones de utilidad indican el

valor que se ha percibido de la característica y lo sensibles que son las percepciones y

preferencias del consumidor en relación a los cambios en las características de producto.

(Wikipedia, 2014)

Ventajas


Es posible utilizar objetos físicos

Mide la preferencia en un nivel individual.

Desventajas


Sólo un conjunto limitado de características se puede utilizar, porque el número de

combinaciones aumenta muy rápidamente cuantas más características se agregan y esta

sobrecarga de información afecta a la validez de los experimentos, aunque el impacto

de esos problemas puede ser evitado o reducido utilizando la Integración de

Información Jerárquica

La etapa de la recogida de información es compleja


9

Es difícil de utilizar para investigación de posicionamiento de producto porque no hay

procedimiento para convertir percepciones sobre características reales en percepciones

acerca de un conjunto reducido de características fundamentales.

Procedimiento análisis de conjunto:

Para la aplicación del análisis de conjunto se requiere seguir una serie de pasos que se

detallan a continuación: Según (Guerrero Casas, Martínez Blanes, & Ramírez Hurtado,

2014)

1. Identificación de atributos y establecimiento de niveles.

2. Selección del modelo de preferencia

3. Método de recogida de datos.

4. Construcción del conjunto de estímulos. Presentación de los estímulos.

5. Escala de medida de la variable dependiente. Método de estimación.

6. Fiabilidad y validez de las estimaciones.

A continuación, se procede a describir cada uno de ellos:

1. Identificación de atributos:

Para poder implementar un análisis conjunto es necesario identificar todos aquellos

atributos que van a formar parte de nuestro estudio, así como establecer los niveles

asociados a cada uno de ellos, según su importancia a la hora de establecer preferencias del

consumidor. Por lo tanto algunos atributos son determinantes y otros no.

Un aspecto muy importante a la hora de identificar a los atributos es que estos han de ser

controlables por la empresa, es decir, no se debe crear un atributo que no sea accionable por

la empresa. Así, una vez que hemos obtenido los atributos es necesario especificar cuáles

son los niveles de cada atributo, hay que tomar en cuenta lo siguiente: Según (Guerrero

Casas, Martínez Blanes, & Ramírez Hurtado, 2014)

El número de niveles por atributo tiene distintos efectos sobre las evaluaciones de

los encuestados, de forma que mientras más niveles tenga un atributo mayor es la

importancia que los encuestados le dan a este atributo.


10

2. Selección del modelo de preferencia:

El análisis de conjunto busca estudiar la influencia que sobre las preferencias de los

consumidores ejerce un conjunto de combinaciones de atributos, que configuras unos

productos/servicios determinados. (Guerrero Casas, Martínez Blanes, & Ramírez Hurtado,

2014).

Por lo tanto, trata de encontrar una serie de valores, llamados utilidades parciales, que

relacionan los niveles de los atributos con las preferencias de los consumidores. En

consecuencia, de lo que se trata es de un modelo explicativo, en el que la variable a explicar

son las evaluaciones de preferencias de los individuos sobre el conjunto de combinaciones

y las variables explicativas son los niveles de los atributos seleccionados para definir las

combinaciones. (Guerrero Casas, Martínez Blanes, & Ramírez Hurtado, 2014)

3. Método de recogida de datos:

Una vez que se ha especificado el número de atributos y el número de niveles a utilizar,

se tienen que obtener los datos, por tanto se utilizó el método de perfil completo, en el cual

se describe cada estímulo por separado mediante una tarjeta de perfiles.

En consecuencia, se consigue una visión más realista del problema, además de poder

reducir el número de comparaciones a través del uso de diseños factoriales fraccionadas.

(Guerrero Casas, Martínez Blanes, & Ramírez Hurtado, 2014)

4. Construcción del conjunto de estímulos

Una vez que hemos definido los atributos y los niveles de cada uno de los atributos,

debemos pasar a construir el conjunto de estímulos que van a formar parte de nuestro

análisis, así lo que tenemos son 5 atributos con 3 de 3 niveles cada uno y 2 de 2 niveles

cada uno

Por lo tanto, el número total de posibles combinaciones o estímulos vendrá dado

por:

3 x 3 x 3 x 2 x 2 = 108


11

Ahora bien, evaluar 108 tarjetas sería prácticamente inviable para una persona. Sin

embargo, tenemos la opción de utilizar un diseño factorial fraccionado. Por lo tanto, un

diseño factorial fraccionado permite que no exista correlación entre los atributos (diseño

ortogonal). Así, en nuestro estudio hemos utilizado un diseño factorial fraccionado

proporcionado por SPSS a través del procedimiento ORTHOPLAN del módulo

CATEGORIES. (Guerrero Casas, Martínez Blanes, & Ramírez Hurtado, 2014)

5. Presentación del conjunto de estímulos

La presentación del conjunto de estímulos se puede realizar según varias alternativas:

descripción verbal, representación gráfica, productos físicos o prototipos, descripción

mediante párrafos y combinación de varios métodos. Nosotros hemos considerado en

nuestro estudio la presentación de estímulos a través de una descripción de prototipos ya

que presenta las ventajas de poder observar y analiza el producto de una forma como sería

en la realidad.. (Guerrero Casas, Martínez Blanes, & Ramírez Hurtado, 2014)

6. Escala de medida de la variable dependiente

Las alternativas para definir la escala de medida de la variable dependiente son las

siguientes:

Escala no métrica: comparación por pares y rangos de orden.

Escala métrica: escala de intervalo.

En nuestro estudio hemos considerado la escala de rangos de orden como la más

adecuada ya que para un entrevistado resulta más fácil decir lo que él prefiere que expresar

la magnitud de su preferencia. Por tanto, cada entrevistado, tiene que ordenar los 18

estímulos en un rango que va desde 1 (más preferido) hasta 22 (menos preferido).

(Guerrero Casas, Martínez Blanes, & Ramírez Hurtado, 2014)

7. Método de estimación

Para poder estimar los parámetros del modelo hemos utilizado el procedimiento

CONJOINT de SPSS. Este procedimiento utiliza la regresión por Mínimos Cuadrados


12

Ordinarios (OLS) para la estimación de los parámetros del modelo. (Guerrero Casas,

Martínez Blanes, & Ramírez Hurtado, 2014)

8. Fiabilidad y validez del modelo

Para obtener la fiabilidad del modelo SPSS proporciona los estadísticos R de Pearson y

Tau de Kendall. La validez se obtiene a partir de las tres tarjetas que se añaden al diseño

fraccionado y que son evaluadas por los entrevistados, pero solamente van a ser utilizadas

por el programa para validar las utilidades estimadas. (Guerrero Casas, Martínez Blanes, &

Ramírez Hurtado, 2014)

A continuación, se desarrolla un ejemplo que ilustra el método del concepto completo.

Caso de Estudio:

Consideremos una empresa que desea lanzar una campaña de mercado para un nuevo

limpiador de moquetas y quiere examinar la influencia de los siguientes factores sobre

las preferencias del consumidor de artículos de limpieza de moquetas:

Factores:

1. diseño paquete (paquete) (A*, B*, C*)

2. nombre marca (marca) (k2r, glory, biseli)

3. precio producto (precio) (1.19, 1.39, 1.59)

4. sello calidad (sello) (si, no)

5. garantía devolución dinero (dinero) (si, no)

En el fichero de datos asociado (CPLAN.SAV) se contemplan distintos aspectos de este

tipo de artículos. Como niveles factoriales para el diseño del paquete cada uno de los

cuales difiere en la localización del cepillo aplacador del producto se consideran A*,

B*, C*.

Como nombres de marca se consideran k2r, glory, y biseli.

Como niveles de precios para el producto se consideran $. 1.19, $. 1.39 y $ 1.59

También se consideran 2 niveles (si o no) para cada uno de los dos últimos factores

(sello y dinero).


13

Por lo tanto, después de una selección cuidadosa de los factores y niveles factoriales del

estudio, hay todavía demasiados casos para que un sujeto juzgue de un modo significativo.

En nuestro caso, el estudio del limpiador de moquetas requeriría 108 casos (3 x 3 x 3 x

2 x 2 = 108), que claramente son demasiados para poder presentarlos a un sujeto

entrevistado, por lo que un número razonable de casos normalmente no debería superar los

30.

En consecuencia, podemos utilizar una alternativa al diseño completamente

factorial, llamada “Array Ortogonal”.

Array Ortogonal o Matriz ortogonal de combinaciones:

Lo podemos definir como un subgrupo de todas las posibles combinaciones que

todavía permite la estimación de los valores parciales para todos los efectos principales.

Así, se asumen como despreciables las interacciones en las que los valores parciales para

un nivel de un factor dependen del nivel de otro factor. Por lo tanto cada nivel de un factor

ocurre con la misma frecuencia que cada nivel de otro factor, asegurando así la

independencia de los efectos principales. (Pérez López, 2004, pág. 608)

En consecuencia, el diseño ortogonal es un modo de ayudar al investigador de mercados

a rellenar todos los 108 perfiles que corresponderían a las combinaciones de las categorías

respectivas de las variables que intervienen en el análisis de conjunto (3 x 3 x 3 x 2 x 2 =

108). Sí, el diseño ortogonal permite centrarse en aquellos perfiles interesantes para la

empresa vendedora del producto o servicio, por tanto, se deberían rellenar únicamente

aquellos perfiles que le aportan una característica significativa para la investigación de

mercados que se está realizando. A diferencia de otros procedimientos de SPSS, no se

requiere de un fichero de datos de trabajo, ya que SPSS crea uno, generando nombres de

variables, etiquetas de variables, y etiquetas de valores desde las opciones que se

seleccionen en los cuadros de diálogo. (Pérez López, 2004, pág. 609)


14

Procedimiento Generar un Diseño Ortogonal:

Según (Pérez López, 2004, pág. 612)

Como primer paso es importante que SPSS muestre etiquetas de valores en vez de

valores de las variables.

Por ello hay que comprobar que esté seleccionada la opción Etiquetas de Valores menú

Ver.

Dónde:

Ver → Barra estado → Etiquetas de valor

A continuación se elige

Datos → Diseño Ortogonal → Generar

Para así obtener la pantalla del procedimiento Generar diseño ortogonal.

Procedemos a introducir el nombre del primer factor y su etiqueta y se continúa con

todos los demás factores:

1. diseño paquete (paquete) (A*, B*, C*)

2. nombre marca (marca) (k2r, glory, biseli)

3. precio producto (precio) (1.19, 1.39, 1.59)

4. sello calidad (sello) (si, no)

5. garantía devolución dinero (dinero) (si, no)

Una vez realizado todo el proceso con los 5 factores, se hace click en el botón archivo y

se guarda el diseño con el nombre (acoutinofinal.sav)

Configuración del número de tarjetas de estímulos a generar

Se utiliza para controlar la generación de los números aleatorios para la creación del

diseño ortogonal, se puede especificar un número mínimo de casos a incluir en el diseño y

definir el número de casos de reserva.


15

Por lo tanto, para continuar con el diseño ortogonal seguimos el siguiente

procedimiento:

Se hace click en el botón:

Restablecer semilla de aleatorización a → (20, 000,000) → opciones → generar

como mínimo (18) → número de casos reservados (4) → continuar y aceptar se

genera el diseño ortogonal siguiente:

Presentación de un diseño GET

FILE='C:\Users\DELL\Desktop\6 analisis conjunto\000 datos analisis

conjunto\ejemplo.sav'.

DATASET NAME Conjunto_de_datos1 WINDOW=FRONT.

SAVE OUTFILE='E:\acoutinofinal.sav'

/COMPRESSED.

*Generar diseño ortogonal.

SET SEED 20000000.

ORTHOPLAN

/FACTORS=paquete 'diseño paquete' (1 'A' 2 'B' 3 'C') marca 'nombre

marca' (1 'k2r' 2 'glory' 3 'bisell') precio 'precio producto' (1 '1.19'

2 '1.39' 3 '1.59') sello 'sello calidad' (1 'si' 2 'no') dinero

'devolución dinero' (1 'si' 2 'no')

/REPLACE.

Plan ortogonal

Advertencia

Se ha generado correctamente un plan con 16 tarjetas.

.

DATASET ACTIVATE Conjunto_de_datos1.

*Generar diseño ortogonal.

SET SEED 20000000.

ORTHOPLAN

/FACTORS=paquete 'diseño paquete' (1 'A' 2 'B' 3 'C') marca 'nombre

marca' (1 'k2r' 2 'glory' 3 'bisell') precio 'precio producto' (1 '1.19'

2 '1.39' 3 '1.59') sello 'sello calidad' (1 'si' 2 'no') dinero

'devolución dinero' (1 'si' 2 'no')

/REPLACE

/MINIMUM 18

/HOLDOUT 4

/MIXHOLD NO.


16

Plan orthogonal

Advertencia

El conjunto de datos activo sustituirá al conjunto de datos existentes llamado acoutinofinal.

.

DATASET ACTIVATE Conjunto_de_datos1.

SAVE OUTFILE='E:\acoutinofinal.sav'

/COMPRESSED.

Una vez realizado el diseño del plan, el siguiente paso, es (Pérez López, 2004, pág. 613)

situar cada concepto completo en un perfil separado con el objeto de presentárselo a los

encuestados en forma de tarjeta, cada caso del diseño ortogonal se muestra como un perfil,

por tanto, los perfiles pueden visualizarse y personalizarse, siendo posible producir cada

concepto en una página separada, añadir conceptos y notas de pie, entre otros.

Dónde:

A continuación elegimos Datos → Diseño Ortogonal → mostrar → para obtener

la pantalla Mostrar el diseño y se ingresan todos los factores:

1. Paquete

2. Marca

3. Precio

4. Sello

5. Dinero

Dónde:

Una vez ingresados los factores, se hace click en Formato → listado para el

experimentador → perfiles para los sujetos

Por lo consiguiente, esto lo que nos permite mostrar el diseño en formato de borrador

diferenciando los perfiles de reserva de los perfiles experimentales y listando los posibles

perfiles de simulación de modo separado a continuación de los perfiles experimentales y de

reserva.


17

Así, al hacer click en la opción Perfiles para sujetos, nos permite producir perfiles que

pueden presentarse a los sujetos.

Al hacer click en continuar y en aceptar se muestran las tarjetas del diseño ortogonal

generado.

Preparación de las tarjetas de estímulos


Plancards

GET

FILE='E:\acoutinofinal.sav'.

DATASET NAME Conjunto_de_datos1 WINDOW=FRONT.

PLANCARDS

/FACTORS=paquete marca precio sello dinero

/FORMAT BOTH.

Lista de Tarjetas

Lista de tarjetas

Tarjeta diseño paquete nombre marca precio producto sello calidad garantía

devolución dinero

1 C* k2r 1.39 si si

2 B* glory 1.39 si no

3 B* k2r 1.19 si no

4 A* k2r 1.19 no si

5 C* bisell 1.59 si si

6 B* glory 1.19 no si

7 C* glory 1.39 si no

8 B* k2r 1.39 si si

9 A* glory 1.59 si no

10 A* glory 1.19 si no

11 B* bisell 1.39 si no

12 C* k2r 1.39 no si

13 A* k2r 1.59 si si

14 A* bisell 1.19 no no

15 A* glory 1.39 si si

16 C* glory 1.19 si si

17 A* k2r 1.19 si si

18 C* k2r 1.59 no no

19 B* glory 1.59 no si

20 C* bisell 1.19 si si

21 B* bisell 1.59 si si

22 A* bisell 1.39 no si


18

Número de perfil 1


devolución dinero

C* k2r 1.39 si si

Número de perfil 2


devolución dinero

B* glory 1.39 si no

Número de perfil 3

Tarjeta diseño paquete nombre marca precio producto sello calidad garantía devolución

dinero

B* k2r 1.19 si no

Número de perfil 4


dinero

A* k2r 1.19 no si

Número de perfil 5


dinero

C* bisell 1.59 si si

Número de perfil 6


dinero

B* glory 1.19 no si

Número de perfil 7


dinero

C* glory 1.39 si no

Número de perfil 8


dinero


19

B* k2r 1.39 si si

Número de perfil 9

Tarjeta diseño paquete nombre marca precio producto

sello calidad garantía devolución

dinero

A* glory 1.59 si no

Número de perfil 10


dinero

A* glory 1.19 si no



dinero

B* bisell 1.39 si no



dinero

C* k2r 1.39 no si



dinero

A* k2r 1.59 si si



dinero

A* bisell 1.19 no no



dinero

A* glory 1.39 si si



dinero

C* glory 1.19 si si


20



dinero

A* k2r 1.19 si si



dinero

C* k2r 1.59 no no



dinero

B* glory 1.59 no si



dinero




dinero




dinero

A* bisell 1.39 no si

Así:

Una vez generado el diseño ortogonal, (recogido en el fichero acoutinofinal.sav) y

recogidos los datos sobre las preferencias en las tarjetas de estímulos provenientes de los

sujetos (recogidos en el fichero ENCUESTA.SAV), el paso siguiente es analizar los datos

utilizando el procedimiento CONJOINT.


21

Análisis de las preferencias mediante el Análisis Conjunto


Dónde:

Para ejecutar este procedimiento se utilizará la sintaxis de SPSS:

Por lo tanto:

A continuación, abriendo un fichero de sintaxis mediante:

Nuevo → Sintaxis → y escribiendo la sintaxis siguiente en la figura → Ejecutar

→ Todo

Sintaxis:

CONJOINT

PLAN='E:\acoutinofinal.sav'

/DATA ='E:\Encuesta.sav'

/SEQUENCE =PREF1 TO PREF22/SUBJECT=ID

/FACTORS =paquete marca (DISCRETE)

precio (LINEAR LESS)

sello dinero (LINEAR MORE)

/PRINT ALL

/UTILITY='E:\utilidades.sav'

/PLOT SUMMARY

SINTAXIS AQUÍ


22

Interpretación Sintaxis: Según (Pérez López, 2004, pág. 623)

Subcomando

CONJOINT Procedimiento CONJOINT

PLAN=' C:\ C:\Users\DELL\Desktop\ Identifica el fichero que contiene el diseño

ortogonal

/DATA ='

C:\Users\admin\Desktop\Encuesta.sav'

Identifica el fichero que contiene los resultados

codificados de la encuesta

/SEQUENCE =PREF1 TO PREF22 Indica que los resultados de la encuesta recogidos

en el fichero ENCUESTA.SAV han sido

codificados en orden secuencial, empezando con la

tarjeta más preferida (pref1) y terminando con la

menos preferida (pref22), siendo 22 el número de

tarjetas generadas.

/SUBJECT=ID Identifica la variable que contiene el número del

sujeto encuestado

/FACTORS =paquete marca

(DISCRETE)

Especifica los factores (variables) definidos en el

fichero que contiene el diseño ortogonal

identificado por el subcomando PLAN. Se observa

que los factores (package) y (brand) se definen

como discretos (variables categóricas) y no se hace

ninguna asunción sobre la relación entre los niveles

y los datos

precio (LINEAR LESS) El factor (price) se define como menos lineal

(variable lineal para la que los consumidores

prefieren los precios más bajos.

sello dinero (LINEAR MORE) Los factores (seal) y (money) se definen como más

lineales (variables lineales para las que se supone

que los consumidores prefieren aquella para la que

el producto tenga sello de calidad y se garantice la

devolución del dinero.

/PRINT Permite controlar las salidas de texto

ALL Especifica que se presenten tanto los resultados de

los datos experimentales, como los de simulación

/UTILITY='

C:\Users\admin\Desktop\utilidades.sav'

Identifica el fichero en el que CONJOINT guardará

las utilidades calculadas generándose un caso por

cada sujeto encuestado.

/PLOT Solicita las salidas gráficas.

SUMMARY Produce un diagrama de barras para cada variable,

mostrando las puntuaciones de la utilidad para cada

categoría de esa variable y un gráfico que muestra

las puntuaciones de importancia de resumen por

sujetos con la palabra clave SUBJECT.


23

Dónde:

Como paso siguiente, Ejecutar → Todo

Se tiene la salida del procedimiento CONJOINT, que empieza con los factores del

diseño ortogonal. (Análisis conjunto, ver figura siguiente)

Análisis conjunto:

Descripción del modelo

Descripción del modelo

Nº de niveles Relación con rangos o puntuaciones

paquete 3 Discreto

marca 3 Discreto

precio 3 Lineal (menos)

sello 2 Lineal (más)

dinero 2 Lineal (más)

No todos los factores son ortogonales.

Estadísticos V de Cramer

Estadísticos V de Cramer

paquete marca precio sello dinero

paquete 1 .098 .159 .092 .120

marca .098 1 .059 .116 .225

precio .159 .059 1 .116 .039

sello .092 .116 .116 1 .111

dinero .120 .225 .039 .111 1

No todos los factores son ortogonales.

SUJETO 1:1

Utilidades

Utilidades

Estimación de la utilidad Error típico

paquete

A* 1.709 2.198

B* -1.180 2.264

C* -.529 2.270

marca

k2r .694 2.220

glory -1.000 2.240

bisell .306 2.345

precio 1.19 -.118 1.998

1.39 -.236 3.997


24

1.59 -.354 5.995

sello si -4.706 3.405

no -9.412 6.809

dinero si .250 3.359

no .499 6.719

(Constante) 17.539 8.025

Valores de importancia


paquete 29.552

marca 17.334

precio 2.415

sellob 48.145

dinero 2.554

a. 1 inversiones

b. Invertido

Coeficientes

Coeficientes

Coeficiente B

Estimación Error típico

precio -.118 1.998

sello -4.706 3.405

dinero .250 3.359

Correlaciones

Correlacionesa

Valor Sig.

R de Pearson .391 .036

Tau de Kendall .325 .017

a. Correlaciones entre las preferencias observadas y las estimadas

SUJETO 2:2

Utilidades

Utilidades


paquete

A* -4.483 1.984

B* 1.744 2.044

C* 2.739 2.049

marca k2r -.345 2.004


25

glory 1.150 2.022

bisell -.805 2.117

precio

1.19 -1.078 1.804

1.39 -2.155 3.608

1.59 -3.233 5.412

sello si .916 3.074

no 1.832 6.147

dinero si 2.475 3.033

no 4.950 6.066

(Constante) 9.105 7.245



paquete 49.052

marca 13.277

precio 14.639

sello 6.222

dinero 16.810

Coeficientes

Coeficientes

Coeficiente B


precio -1.078 1.804

sello .916 3.074

dinero 2.475 3.033

Correlaciones

Correlacionesa

Valor Sig.




SUJETO 3:3

Utilidades

Utilidades


paquete A* .706 2.093


26

B* -2.979 2.156

C* 2.273 2.162

marca

k2r -1.508 2.115

glory 1.502 2.133

bisell .005 2.234

precio

1.19 -.517 1.904

1.39 -1.034 3.807

1.59 -1.551 5.711

sello si 1.337 3.243

no 2.674 6.486

dinero si 3.754 3.200

no 7.507 6.400

(Constante) 5.574 7.644



paquete 36.504

marca 20.923

precio 7.189

sello 9.294

dinero 26.090

Coeficientes

Coeficientes

Coeficiente B


precio -.517 1.904

sello 1.337 3.243

dinero 3.754 3.200

Correlaciones

Correlacionesa

Valor Sig.





27

SUJETO 4:4

Utilidades

Utilidades


paquete

A* 2.555 2.036

B* -3.239 2.097

C* .684 2.103

marca

k2r -.868 2.057

glory .236 2.075

bisell .632 2.172

precio

1.19 -1.128 1.852

1.39 -2.256 3.703

1.59 -3.385 5.555

sello si -2.380 3.155

no -4.759 6.309

dinero si 3.354 3.113

no 6.708 6.225

(Constante) 12.158 7.435


Valores de importanciaa

paquete 37.909

marca 9.817

precio 14.762

sellob 15.568

dinero 21.944

a. 1 inversiones

b. Invertido

Coeficientes

Coeficientes

Coeficiente B


precio -1.128 1.852

sello -2.380 3.155

dinero 3.354 3.113


28

Correlaciones

Correlacionesa

Valor Sig.




SUJETO 5:5

Utilidades

Utilidades


paquete

A* 1.897 1.801

B* -3.657 1.856

C* 1.760 1.861

marca

k2r -.062 1.820

glory .542 1.836

bisell -.480 1.922

precio

1.19 1.811 1.638

1.39 3.622 3.276

1.59 5.433 4.914

sello si -1.953 2.791

no -3.907 5.582

dinero si 6.314 2.754

no 12.627 5.508

(Constante) 1.878 6.578



paquete 30.077

marca 5.539

preciob 19.615

sellob 10.578

dinero 34.190

a. 2 inversiones

b. Invertido


29

Coeficientes

Coeficientes

Coeficiente B


precio 1.811 1.638

sello -1.953 2.791

dinero 6.314 2.754

Correlaciones

Correlacionesa

Valor Sig.




SUJETO 6:6

Utilidades

Utilidades


paquete

A* -.678 1.931

B* -1.799 1.989

C* 2.477 1.995

marca

k2r .532 1.951

glory .785 1.968

bisell -1.318 2.060

precio

1.19 -.486 1.756

1.39 -.973 3.512

1.59 -1.459 5.268

sello si

-.894 2.992

no -1.787 5.984

dinero si

6.678 2.952

no 13.356 5.904

(Constante) 4.411 7.052


30

Coeficientes

Coeficientes

Coeficiente B


precio -.486 1.756

sello -.894 2.992

dinero 6.678 2.952

Correlaciones

Correlacionesa

Valor Sig.






paquete 28.652

marca 14.092

precio 6.518

sellob 5.989

dinero 44.749

a. 1 inversiones

b. Invertido

SUJETO 7:7

Utilidades

Utilidades


paquete

A* .876 1.859

B* -1.780 1.915

C* .904 1.920

marca

k2r 1.707 1.878

glory .699 1.894

bisell -2.407 1.983

precio

1.19 .775 1.690

1.39 1.551 3.380

1.59 2.326 5.070


31

sello si -2.155 2.880

no -4.309 5.759

dinero si 6.799 2.841

no 13.597 5.682

(Constante) 3.331 6.787



paquete 15.514

marca 23.778

preciob 8.961

sellob 12.453

dinero 39.294

a. 2 inversiones

b. Invertido

Coeficientes

Coeficientes

Coeficiente B


precio .775 1.690

sello -2.155 2.880

dinero 6.799 2.841

Correlaciones

Correlacionesa

Valor Sig.




SUJETO 8:8

Utilidades

Utilidades


paquete

A* 2.432 2.111

B* -1.463 2.175

C* -.969 2.181

marca k2r -1.384 2.133


32

glory 2.930 2.152

bisell -1.546 2.253

precio

1.19 .761 1.920

1.39 1.522 3.840

1.59 2.283 5.759

sello si -1.691 3.271

no -3.382 6.542

dinero si -2.855 3.227

no -5.710 6.455

(Constante) 15.919 7.709



paquete 26.980

marca 30.995

preciob 10.540

sellob 11.712

dinerob 19.773

a. 3 inversiones

b. Invertido

Coeficientes

Coeficientes

Coeficiente B


precio .761 1.920

sello -1.691 3.271

dinero -2.855 3.227

Correlaciones

Correlacionesa

Valor Sig.





33

SUJETO 9:9

Utilidades

Utilidades


paquete

A* 1.952 1.895

B* -3.047 1.952

C* 1.095 1.958

marca

k2r -.501 1.915

glory -1.101 1.932

bisell 1.602 2.022

precio

1.19 .575 1.723

1.39 1.150 3.447

1.59 1.725 5.170

sello si -4.742 2.936

no -9.484 5.873

dinero si 4.599 2.897

no 9.198 5.795

(Constante) 10.439 6.921



paquete 27.480

marca 14.856

preciob 6.321

sellob 26.064

dinero 25.278

a. 2 inversiones

b. Invertido

Coeficientes

Coeficientes

Coeficiente B


precio .575 1.723

sello -4.742 2.936

dinero 4.599 2.897


34

Correlaciones

Correlacionesa

Valor Sig.




SUJETO 10:10

Utilidades

Utilidades


paquete

A* -1.613 1.984

B* 3.872 2.043

C* -2.259 2.049

marca

k2r 1.307 2.004

glory -.943 2.022

bisell -.364 2.117

precio

1.19 .208 1.804

1.39 .416 3.608

1.59 .624 5.412

sello si -.198 3.073

no -.396 6.147

dinero si -4.664 3.032

no -9.329 6.065

(Constante) 17.764 7.244



paquete 44.885

marca 16.473

preciob 3.045

sellob 1.448

dinerob 34.150

a. 3 inversiones

b. Invertido


35

Coeficientes

Coeficientes

Coeficiente B


precio .208 1.804

sello -.198 3.073

dinero -4.664 3.032

Correlaciones

Correlacionesa

Valor Sig.




ESTADÍSTICOS GLOBALES

Utilidades

Utilidades


paquete

A* .535 .877

B* -1.353 .904

C* .818 .906

marca

k2r -.043 .886

glory .480 .894

bisell -.437 .936

precio

1.19 .080 .798

1.39 .161 1.596

1.59 .241 2.394

sello si -1.646 1.359

no -3.293 2.719

dinero si 2.670 1.341

no 5.340 2.683

(Constante) 9.812 3.204


36



paquete 32.661

marca 16.708

precio 9.401

sello 14.747

dinero 26.483

Puntuación promediada de la importancia

Coeficientes

Coeficientes

Coeficiente B

Estimación

precio .080

sello -1.646

dinero 2.670

Correlaciones

Correlacionesa

Valor Sig.




Numero de inversiones

Número de inversiones

Factor

sello 8

precio 5

dinero 2

marca 0

paquete 0

Sujetos

1 Sujeto 1 1

2 Sujeto 2 0

3 Sujeto 3 0

4 Sujeto 4 1

5 Sujeto 5 2


37

6 Sujeto 6 1

7 Sujeto 7 2

8 Sujeto 8 3

9 Sujeto 9 2

10 Sujeto 10 3

Resumen de las inversiones

Resumen de las inversiones

Nº de inversiones Nº de sujetos

1 3

2 3

3 2

Esta tabla muestra el número de sujetos que tienen el número especificado de inversiones.

GRÁFICAS

Resumen de utilidades

Resumen de utilidades: Utilidad / diseño paquete


38

Resumen de utilidades: Utilidad / nombre marca

Resumen de utilidades: Utilidad / precio producto


39

Resumen de utilidades: Utilidad / sello calidad

Resumen de utilidades: Utilidad / garantía devolución dinero


40

Resumen de importancia:

Resumen de importancia: Importancia media / factor

CONCLUSIONES

Se puede observar que los encuestados le otorgan una clasificación de importancia a las

características del producto de la siguiente forma:

1. Al diseño del paquete

2. Garantía devolución dinero

3. Nombre de la marca

4. Sello de calidad

5. Precio del producto

De los resultados se obtuvo el atributo más importante para los clientes, el cual

resulto se el diseño del paquete. En consecuencia, esta información puede ser

utilizada por los ejecutivos de la empresa para mejorar la característica del

producto y así obtener un mejor desempeño en la productividad y ventas del

producto y en la rentabilidad y la generación de Valor para los accionistas y

clientes.

En resumen:

El análisis conjunto es una técnica para medir las preferencias del consumidor acerca de

los atributos de un producto o servicio. Por lo tanto, es una herramienta de mucha utilidad

en la investigación de mercados, la cual permite a descubrir cuáles características de un

producto o servicio son más importantes para los consumidores.

En consecuencia, el análisis de conjunto ofrece una manera realista de medir el modo en que

los diferentes atributos y características del producto afectan a las preferencias de los

consumidores.


41

BIBLIOGRAFÍA (Mayo de 2014). Recuperado el Mayo de 2014, de

http://www.uam.es/personal_pdi/ciencias/ajustel/docencia/ad/AD10_11_Discriminante.p

df

BE SMART SPSS Argentina. (Junio de 2014). Google. Recuperado el Junio de 2014, de

http://www.spss.com.ar/es/statistics/conjoint/

Guerrero Casas, F., Martínez Blanes, M., & Ramírez Hurtado, J. M. (Junio de 2014). Google.

Recuperado el Junio de 2014, de http://www.uv.es/asepuma/XI/60.pdf

IBM. (Junio de 2014). Google. Recuperado el Junio de 2014, de

ftp://public.dhe.ibm.com/software/analytics/spss/documentation/statistics/20.0/es/client

/Manuals/IBM_SPSS_Conjoint.pdf

IBM. (Junio de 2014). Google. Recuperado el Junio de 2014, de

http://www.spss.com.ar/es/statistics/conjoint/

Pérez López, C. (2004). Técnicas de Análisis Multivariante de Datos. Madrid: PEARSON

EDUCACIÓN, S. A.

Wikipedia. (Junio de 2014). Google. Recuperado el Junio de 2014, de

http://es.wikipedia.org/wiki/An%C3%A1lisis_conjunto

Análisis conjunto

Data & Analytics

Transcript of Análisis conjunto