Introducción al análisis de mercados
multi-variados

Por lo general, los estudios de mercado basados en encuestas de corte transversal estiman el potencial de capacidad de compra en el momento de la encuesta, las proyecciones en este caso van a depender de las estrategias de la empresa para entrar al mercado o de la dinámica de crecimiento del mercado en general, estimado con datos secundarios o variaciones del PBI sectorial.

La importancia de las encuestas, es que no sólo brinda intención de compra potencial sino también una serie de información que ayuda mucho a planificar las estrategias futuras del negocio o proyecto en los aspectos comerciales.

Pero esta diversidad de información es amplia y puede ser tan diversa que impida la buena toma de decisiones, por ello se han fortalecido en los últimos años las técnicas de análisis de mercados con información multivariable, una aspecto central de dichos avances es el análisis factorial, técnica que reduce la dispersión de daos y los agrupa de manera homogénea y válida para las decisiones comerciales. A partir de análisis factorial se han evidenciado otros avances como el análisis de conjuntos (conjoint), los análisis de posicionamiento con mapas preceptúales y las técnicas de agrupamiento y segmentación de entrevistados, conocido como análisis de conglomerados o cluster. En este trabajo abordaremos la técnica de reducción de datos conocida como análisis factorial, punto de partida de los estudios de mercado con análisis multivariado.

Reducción de Datos

Al tomar información del consumidor, sobre sus decisiones de compra, no sólo nos enfrentamos con la variable precio, sino que el consumidor además contempla innumerables criterios de compra, por ejemplo:

- El modelo más acorde con sus preferencias

- El color ideal

- El empaque, la bolsa de compras

- La influencia del acompañante

- La influencia del vendedor

- El sabor, olor o cualquier aspecto tangible del producto

- La atención que recibe

- La confiabilidad del producto

- La seguridad del punto de venta

- Los precios de los productos parecidos al elegido

- La proporción de gasto en el producto respecto del ingreso

En cada una de estas variables, puede haber diversidad de criterios, por ejemplo 5 modelos, o varios colores y cada uno tendrán una preferencia, es decir el consumidor no elige de manera univariante, sino que toma las decisiones en contextos multivariantes.

Debido a que las políticas de marketing deben contemplar estrategias de desarrollo de mercados o productos, dichas estrategias no pueden ser tan puntuales, enfocándose a cada una de las variables pensadas por el consumidor, para ello existan las acciones operativas ya enfocadas en cada aspecto, aún en este sentido, los recursos de la organización no alcanzarán para desarrollar acciones en torno a cada idea del consumidor.

Para evitar el cúmulo de variables y la multitud de señales que lanza el consumidor y no podrán ser atendidas por la organización, se trabajan técnicas de reducción de datos, la más importante es el análisis factorial.

Análisis Factorial

El análisis factorial tiene como objetivo agrupar datos o variables, esto se realiza considerando los siguientes aspectos: Los datos que se trabajan en encuestas son fiables, es decir su coeficiente Alfa de Cronbach es significativo, mayor a 0.7, lo cual supone que la información contenida en las preguntas es poco variables y hasta muy homogénea. Cuando se da eso, es de esperar que diversas variables tengan un patrón de comportamiento similar, es decir estén correlacionadas.

La correlación de variables, significa que tan asociadas en su comportamiento se encuentran, o si los cambios de una variable generan cambios similares o inversos en otra variable, la correlación se mide por el Coeficiente de Correlación r:

r = Covarianza (x,y) / (Sx .Sy)

La covarianza entre las variables x, y implica que la variación de una de ellas, ocasiona una variación en la otra, esta variación puede ser positiva (ambas varían en la misma dirección) o puede ser negativa (ambas varían en sentido opuesto).

Sx, Sy Significa la desviación estándar de cada variable (su distancia desde la media), r mide de este modo el grado de asociación lineal entre dos variables, si la covarianza es alta, r tiende a 1, si es baja r tiende a –1, si la desviación estándar de cada variable es muy alta, r tiende a cero, lo que significa que no existe relación lineal entre las variables. El gráfico siguiente plantea la relación entre variables:

Figura 2.7. Análisis de Correlación de variables

Asumamos que dos variables X1, X2, tienen una alta relación positiva, es decir su coeficiente de correlación es 1, en ese caso puede decirse que ambas variables se comportan igual, de modo que una de ellas puede ser suficiente para explicar el comportamiento de ambas, este criterio implica quedarnos por ejemplo con X1, en este caso hemos reducido el número de variables, este es el sentido del análisis factorial, quedarse con menos variables, otra forma de ver las cosas es diciendo, que ya que X1 y X2 siguen el mismo patrón, entonces ambas pueden juntarse y formar Xf, siendo Xf ya no una variable, sino un factor, Xf se comporta del mismo modo en que se comportan X1 y X2:

Xf = (X1,X2)

Veamos el siguiente ejemplo: Estamos indagando porque se consume carne de cuy (pequeño animal andino tipo roedor herbívoro, cuya carne esta considerada como de alto valor proteíco, también se conoce como cobaya), se han elegido a 6 entrevistados que han recibido la siguiente ficha cada uno:

Las respuestas han sido las siguientes (todos consumían cuy 1 vez a los 4 meses):

Tabla 2.3. Respuestas en Encuesta de Consumo de Cuyes

Consumidor Sabroso Nutritivo Raro Típico Sofisticado Light Imagen Caro 1 4 3 2 5 1 4 1 5 2 3 4 1 4 2 4 2 5 3 5 2 1 5 3 3 2 4 4 2 4 3 4 1 4 1 4 5 5 3 3 5 1 5 3 5 6 4 3 2 4 2 2 1 5

El cálculo de los coeficientes de correlación son los siguientes (para este cálculo puede usar la opción de Excel: Herramientas/Análisis de datos/Coeficiente de Correlación)

Tabla 2.4. Correlación de Respuestas en Encuesta de Consumo de Cuyes

  Sabroso Nutritivo Raro Típico Sofisticado Light Imagen Caro Sabroso 1.00               Nutritivo -0.87 1.00             Raro -0.19 0.30 1.00           Típico 0.78 -0.73 0.00 1.00         Sofisticado 0.35 -0.54 -0.82 0.00 1.00       Light -0.06 0.34 0.43 0.35 -0.63 1.00     Imagen 0.56 -0.22 0.00 0.45 0.10 0.55 1.00   Caro 0.22 0.17 0.00 0.00 -0.32 0.13 0.16 1.00

Revisando la información contenida en el cuadro de correlaciones, obtenemos que la correlación más alta se da entre sabroso y típico (0.78), una correlación algo importante se da entre Light e Imagen (0.55), podemos decir que las demás variables son independientes o tienen relaciones opuestas (correlaciones negativas), esto suele suceder si la información trabajada tiene mucha varianza interior, es decir el test termina siendo no confiable.

Si usamos la información anterior podemos concluir que existen dos factores el primero asociado con el tipo de comida (sabrosa típica) y el segundo con los beneficios percibidos (Light e imagen), las demás variables no se agrupan y cada una de ellas tiene su propia importancia, pero en conjunto el test podría ser no fiable.

Hagamos una simulación con otro producto, consideremos que hemos aplicado la siguiente encuesta:

Las correlaciones son las siguientes:

Tabla 2.5. Correlación de Respuestas en Encuesta de Consumo de Helados

Esto significa que hemos encontrado dos factores:

* Factor 1: Marca, Light, Duración, Imagen

* Factor 2: Sabor, Textura, Cremoso

El Factor 1 puede ser considerado como los atributos de percepción acerca del producto lo intangible o la personalidad que el consumidor le asocia al producto, el factor 2 puede ser considerado como los atributos tangibles o sensoriales, o aquello que el consumidor puede sentir del producto.

Si tuviéramos que realizar un plan publicitario o un lanzamiento del producto, o reposicionamiento en el mercado, entonces atacaríamos esos dos aspectos, la personalidad del producto y lo sensorial del mismo. Obviamente los resultados del análisis dependen del grupo objetivo analizado, si son de altos ingresos los factores asociados irán a temas de personalidad, en el caso de menos sofisticación del consumidor, se tendrá más factores tangibles.

Los factores pueden ser de gran ayuda en el caso de lanzar publicidades cortas, dado el presupuesto de los negocios, ya que se muestran aquellas cosas más relevantes, por ejemplo en el caso de los helados la publicidad puede incidir en mostrar la marca del producto de manera continua, con un consumidor acorde al segmento elegido, la publicidad mostraría el helado sin derretirse, pero además mostrando el panorama de sabores y un mensaje haciendo alusión al sabor y al contenido cremoso.

El método de análisis factorial también busca darle al investigador de mercados o quien toma las decisiones, otra ventaja, eliminar aquellas variables cuya importancia sea pequeña o marginal en cuanto al producto o características del consumidor.