CASO PRACTICO UNIDAD 3

PLAN DE MARKETING

CARLOS ALBERTO GONZALEZ VIDES

ADMINISTRACION DE EMPRESAS
6TO SEMESTRE

COORPORACIÒN UNIVERSITARIA ASTURIAS.

1
 Tabla de Contenido

1. Introducción…………………………………………………………………………………3
3. Ejercicios Propuestos ……………………………………………………………………….4
4. Cuestiones…………………………………………………………………………………..10
5. Anailisis……………………………………………………………………………………,,11
6. Bibliografía………………………………………………………………………………….13

2
 INTRODUCCIÓN

El análisis factorial es una técnica de reducción de datos que sirve para encontrar grupos homogéneos de
variables a partir de un conjunto número de variables. Así mismo es una técnica de reducción de dimensidad de
datos, su propósito es minimizar el número de dimensiones que sean capaces de explicar el máximo de la
información.

3
 EJERCICIO PROPUESTO

Ejemplo de análisis factorial para la toma de decisiones de marketing

El Análisis Factorial tiene sus orígenes en los trabajos iniciados por Charles Spearman en 1.904, donde trataba
de analizar la causa de que las puntuaciones obtenidas por un grupo de alumnos en distintas materias presentará altas
correlaciones. Los estudios de Spearman, pusieron de manifiesto la existencia de un factor común en todas las
calificaciones, que da una medida de la inteligencia de los alumnos, y que explicaría las altas correlaciones
existentes, y, otro factor, específico de cada alumno, que sería el responsable de la parte residual de las
calificaciones.

Actualmente, el Análisis Multivariante se utiliza para obtener medidas de variables tales como aptitud para las
ventas, resistencia a la innovación, aceptación de nuevos productos, etc. Así por ejemplo, una empresa que desea
lanzar un nuevo artículo al mercado, y quiere realizar un estudio acerca de la aceptación de dicho artículo, puede, a
través de una encuesta con cuestiones que midan una serie de variables, obtener una medida de la "variable no
observable" que pretende analizar.

Dentro del Análisis Factorial, podemos distinguir dos técnicas que, si bien tienen el mismo tratamiento
matemático, sus objetivos son distintos: El Análisis de Componentes Principales y el Análisis Factorial de
Correlaciones.

El Análisis de Componentes Principales tiene como objetivo reducir la dimensión de un problema, en el sentido
de que un número grande de variables iniciales, se puede reducir a uno menor de nuevas variables , denominadas
Componentes, que son combinación lineal de las originales y que además son incorrelacionadas entre sí. La
reducción no supone en ningún caso pérdida de la información relevante proporcionada por las primeras variables.

Las nuevas variables o Componentes, se pueden utilizar con múltiples objetivos, tales como:

4
 1. Describir con claridad gran cantidad de datos cuantitativos y analizar las relaciones existentes entre
ellos.
2. Realizar estudios Multivariantes posteriores, como un Análisis Cluster, o construir un modelo de
Regresión utilizando los pocos datos dados por las Componentes en lugar de los muchos
proporcionados por las variables iniciales.

El Análisis Factorial de Correlaciones, se puede considerar, en cierta manera, como un método de reducción de
datos, en cuanto que el número inicial de variables, se reduce a un número inferior de Factores, pero, el objetivo de
este método Multivariante, es precisamente, identificar y cuantificar estos Factores Comunes.

Por otro lado, el Análisis de Componentes Principales no exige condiciones previas acerca de la estructura de los
datos de partida, mientras que el Análisis Factorial de Correlaciones, supone la existencia de un Modelo que ha
generado dichos datos. Además, dentro del Análisis Factorial de Correlaciones, se puede tener, o no, conocimiento
del número de Factores Comunes. Cuando no existe tal conocimiento, nos encontramos ante un problema de
Análisis Factorial Exploratorio, En otro caso, el Análisis Factorial Confirmatorio se encargará de verificar un
modelo factorial dado.

En cualquier caso, el Análisis Factorial de Correlaciones debe:

1. Identificar los Factores Comunes existentes en el modelo.

2. Obtener las relaciones entre las variables iniciales y los Factores Comunes.

3. Proporcionar una interpretación de los Factores Comunes.

Los resultados obtenidos por el Análisis Factorial de correlaciones sirven de base para otras técnicas como
análisis Cluster, discriminante, regresión,...

Como conclusión teórica sobre el Análisis Factorial decir que éste reduce la multiplicidad de pruebas y
medidas hasta lograr una sencillez notable. Indica qué pruebas y medidas pertenecen al mismo grupo y cuáles miden
prácticamente lo mismo. Por lo tanto, reduce el número de variables y ayuda a localizar o identificar unidades o
propiedades fundamentales en que se deben basar las pruebas.

Ejemplo práctico de análisis factorial

5
 Una empresa especializada en el diseño de automóviles de turismo desea averiguar cuáles son las

preferencias más importantes del público que compra estos automóviles. Con este fin diseña una encuesta de diez

preguntas y se la aplica a un grupo de potenciales clientes. Se les pide que valoren de 1 a 5 cada una de las

características. A mayor puntuación mayor preferencia de la característica. Estas diez características son:

VARIABLES CARACTERISTICAS
V1 Que sea barato
V2 Que se pague a plazos
V3 Que tenga poco consumo
V4 Que use gasolina normal
V5 Que sea seguro
V6 Que sea confortable
V7 Que tenga gran capacidad
V8 Que de buenas prestaciones
V9 Que sea juvenil
V10 Que sea aerodinámico

Se trata de averiguar si estas diez variables pueden agruparse en pocos factores. Tabuladas las encuestas los

datos se ingresan al SPSS. Las variables (características vehiculares) se ingresan como columnas y los datos de cada

sujeto conforman una fila. Inicialmente el SPSS arroja la respectiva Matriz de Correlaciones.

(Aunque sería necesario un curso sobre Estadística y SPSS, os detallo que, a continuación, el SPSS nos ha

proporcionado los resultados de los tests requeridos: Test de Bartlett e Índice Kaiser-Meyer-Olkin, y los resultados

obtenidos en los dos tests indican que es posible continuar con el Análisis Factorial).

De inmediato el SPSS nos proporciona la Tabla de Estadísticos Iniciales, en donde todas las variables

presentan la misma comunalidad junto con sus valores propios (eigenvalues) así como los valores porcentuales y

acumulados de la varianza explicada por cada uno de los factores.

Los datos conseguidos con el programa SPSS (sobre Estadísticos Iniciales) destacan nítidamente dos

variables: “Aerodinámico” (con un eigenvalue de 5.70 acumula el 57% de la varianza explicada) y “Barato” (con un

eigenvalue de 2.07 acumula el 20.7% de la varianza explicada). Estas dos variables juntas, acumulan el 77.7% de la

varianza explicada.

6
 Luego, el SPSS da la primera Matriz Factorial (No Rotada) que presenta la “Carga Factorial” (correlaciones

entre las variables iniciales y los “factores” recién creados).

En el caso de nuestro estudio se aprecia que se han extraído dos factores. El primer factor (Factor 1)

presenta una mayor cantidad de variables altamente correlacionadas. Hay que tener en cuenta que, el primer factor

antes de la rotación es el que mejor discrimina.

VARIABLES CARACTERISTICAS
Que use gasolina normal (0.933)
Que se pague a plazos (0.923)
No Juvenil (-0.879)
Que sea barato (0.878)
No buenas prestaciones (-0.861)
Que tenga poco consumo (0.840)
No aerodinámico (-0.765)

El segundo factor (Factor 2) aglutina las siguientes características:

VARIABLES CARACTERISTICAS
Que sea confortable (0.900)
Que sea seguro (0.720)
Que tenga una gran capacidad (0.671)

A continuación el SPSS entrega la Tabla de Estadísticos Finales, donde se encuentra que ha variado la

“comunalidad” y que se ha reducido el número de factores. La variación en las comunalidades es consecuencia

directa de la reducción de los factores.

7
 Las comunalidades expresan la cantidad de información de cada variable representada en los factores que

quedan.

En la Tabla de Estadísticos Finales se puede observar que hay dos factores. De esta forma se ha pasado de

diez variables a tan sólo dos, produciéndose la pérdida de tan solo el 22.3% de la información original representada

por las diez variables iniciales

8
 Vemos que las variables importantes siguen siendo las mismas y con coeficientes muy parecidos, por lo que

la interpretación no varía, y se reduce la complejidad del análisis y el riesgo de error en el manejo de datos.

Conclusiones del ejemplo

Esto sólo ha sido un ejemplo de la necesidad de “cuantificar” la información de Marketing para sacar

conclusiones rigurosas.

El Análisis Factorial es una de las técnicas más útiles para el análisis (en Marketing y otras disciplinas) la

cual, gracias al desarrollo de la informática, puede ser aplicada actualmente con relativa facilidad. Además, brinda la

posibilidad de optar entre diferentes procedimientos de acuerdo a los objetivos del estudio, lo que confiere a este

análisis la posibilidad de buscar la solución más precisa, desde el punto de vista matemático y, la más elegante,

desde el punto de vista estético.

Como conclusión empírica podemos indicar que las diez variables consideradas inicialmente han quedado

reducidas a dos factores: “economía” y “seguridad”. Se ha pasado de diez variables a dos, produciéndose la pérdida

de tan sólo el 22.3% de la información original representada por las diez variables iniciales. Por tanto, puede

aplicarse una encuesta de sólo 2 ó 3 items, por ejemplo: a) Que sea económico; b) Que sea seguro; c) Que no sea

deportivo.

Finalmente, el manejo de herramientas de Marketing de Apoyo a las Decisiones debe seguir la siguiente

secuencia:

1) Recogida de Información - 2) Análisis de Datos - 3) Conocimiento - 4) conclusiones. Sin esta “forma de

pensar” corremos el riesgo de no ser rigurosos en la toma de decisiones y, en consecuencia, mayor riesgo de errores

9
 CUESTIONES
1. ¿Cuándo es oportuno realizar un análisis factorial? ¿Qué ventajas e inconvenientes tiene esta técnica?

2. ¿Qué técnica multivalente de apoyo a las decisiones de marketing utilizaremos si queremos segmentar el
mercado?

10
 DESARROLLO
1. El análisis tiene un poder alto en la reducción de la información y facilita el diseño agregando variables, por
ese último es importante tener presente que el método es apropiado cuando hay diversidad de variables. El
anailisis factorial se utiliza en el marketing para comprobar la validez de una serie de preguntas sobre las
preferencias de los consumidores, un conjunto de repuestas o escalas de las mismas. El requisito previo es
la matriz de correlaciones esta comprueba la relación de las variables es indispensable.

VENTAJAS:

 Puede utilizar factor análisis de manera efectiva para proporcionarle una visión profunda de la
demografía y el comportamiento de compra de los clientes, esto lo ayudaría a apuntar mejor a su
mercado y lograr mayores ventas.
 Se puede utilizar en cualquier de análisis, es económico y fácil de usar.
 Con él se identifica los factores latentes subyacentes.
 Reduce el riesgo de contar varias veces atributos que están altamente correlacionados
 Los puntajes factoriales pueden ser guardados y usados en futuros análisis
 Contribuyen a la validación sistemática de escalas subjetivas

DESVENTAJAS

 Es difícil determinar si los factores que emergen reflejan los datos o simplemente son parte del
poder del análisis fac
 torial para encontrar patrones.
 Es difícil decidir cuántos factores incluir es decidir cuántos factores conservar. Hay una variedad
de métodos para determinar esto, y hay poco acuerdo sobre cuál es el mejor.
 La interpretación del significado de los factores es subjetiva puede decirle qué variables en su
conjunto de datos «van juntas» de maneras que no siempre son obvias.

11
2. Si queremos segmentar el mercado, tenemos que tener en cuenta tres grupos de técnicas utilizadas para
segmentar.

DESCRIPTIVAS SEMIDESCRIPTIVAS PREDICTIVAS

El análisis conjunto este nos sirve para entender como los encuestados desarrollan preferencias en los
productos o servicios, en esta se escogen varias opciones que varían simultáneamente en dos o más
variables. Así mismo se utiliza para para determinar cómo la gente valora los diferentes atributos de un
determinado producto o servicio. En este análisis se le da categoría a las percepciones y preferencias de los
clientes en cuanto a los servicios o productos que ofrecen , la cual son evaluadas y agrupadas para buscar la
homogeneidad en los segmentos.

12
 BIBLIOGRAFIA
https://analisis.me/factorial/
http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/MULTIVARIANTE/FACTORIAL/anali
sis-factorial.pdf

13