Estadística: Caso práctico de análisis conjunto

imagen autor
Lina Vicente

Estadística: Caso práctico de análisis conjunto

01/5/2000
22647

Estadística
Caso práctico de análisis conjunto
 
Por Lina Vicente. Catedrática Estadística de la Universidad Complutense de Madrid y colaboradora del Departamento Cuantitativo de Nueva Investigación.

1.- Planteamiento del problema

El ejemplo que se plantea es ficticio así como los resultados de las entrevistas que dan lugar a los análisis posteriores. Supongamos que estamos interesados en determinar las preferencias que tienen los clientes con respecto a los neumáticos de automóviles y que determinarán sus pautas de conducta en el momento de llevar a cabo la compra de los mismos. Asimismo buscaremos la composición del mercado en función de esas preferencias.

2.- Pasos a seguir para el análisis conjunto

l.- Elección de atributos y niveles

Supongamos que tras un estudio concienzudo se determina que existen 5 atributos que deben ser considerados para la determinación de la preferencia sobre los neumáticos: marca, valor esperado del número de kilómetros que pueden utilizarse, precio de compra, tipo de diseño en el neumático y distancia a la que se encuentra el proveedor de cada una de las marcas (medida en tiempo).

Los niveles elegidos para cada uno de esos atributos son:

  • Marcas:  Maixilin, Good, Firestan
  • Kilómetros esperados:  45.000, 60.000, 75.000
  • Precio de compra en pts.:  6.000, 7.000, 8.000
  • Diseño:  A y B
  • Distancia en minutos:  <10  y  >10

Como se puede comprobar fácilmente el número de posibles estímulos que se podrían determinar serían todas las combinaciones de los 5 atributos, es decir: 33 x 22 =108.

 

ll.- Determinación de los estímulos de ensayo

El segundo paso en el análisis conjunto es la determinación del número de combinaciones que se van a presentar al encuestado. No pueden ser muchas ya que deberá clasificarlas según sus preferencias y si hay excesivas el agotamiento psicológico al que se le sometería puede producir resultados erróneos. Asimismo deben recogerse con cuidado para que se pueda obtener la máxima información. Este tipo de problemas queda resuelto a través del diseño de experimentos. Tal técnica trata de buscar los diseños que sean más eficientes, según diferentes criterios. Una vez realizado el análisis (determinado a partir del criterio G-eficiente) se obtiene el diseño que aparece en la tabla 1:
 

lll.- Trabajo de campo y organización de datos

Una vez determinados los estímulos que se presentan a los entrevistados, se lleva a cabo la encuesta y posterior análisis de la misma.

A los encuestados se les presentan los estímulos y los ordenan según sus preferencias. Supongamos que las elecciones efectuadas por 7 clientes fueran las representadas en la tabla2, en la que cada columna nos indica el orden de preferencia del entrevistado correspondiente (1 significa el más preferido y 18 el menos preferido).

Tabla 1
 
Estímulo
Marca
Duración (en miles)
Precio (pesetas)
Diseño
Distancia
1
Maixilin
45
8.000
A
<10 min.
2
Maixilin
45
6.000
A
>10 min.
3
Maixilin
60
7.000
B
<10 min.
4
Maixilin
60
6.000
B
>10 min.
5
Maixilin
75
8.000
B
<10 min.
6
Maixilin
75
7.000
A
>10 min.
7
Good
45
8.000
B
>10 min.
8
Good
45
7.000
A
<10 min.
9
Good
60
8.000
A
>10 min.
10
Good
60
6.000
B
<10 min.
11
Good
75
7.000
B
>10 min.
12
Good
75
6.000
A
<10 min.
13
Firestan
45
8.000
B
>10 min.
14
Firestan
45
6.000
B
<10 min.
15
Firestan
60
8.000
A
<10 min.
16
Firestan
60
7.000
A
>10 min.
17
Firestan
75
7.000
B
<10 min.
18
Firestan
75
6.000
A
>10 min.
 
Tabla 2
 
Estímulo
1º Entrev.
2º Entrev.
3º Entrev.
4º Entrev.
5º Entrev.
6º Entrev.
7º Entrev.
1
18
17
17
14
17
18
17
2
17
15
9
17
13
15
14
3
15
10
15
12
9
16
6
4
16
11
7
9
14
8
1
5
13
4
10
1
5
9
9
6
14
3
1
4
2
3
7
7
12
18
18
18
18
17
18
8
11
14
13
15
16
12
15
9
10
7
16
10
11
6
3
10
9
5
4
7
4
4
2
11
8
12
12
5
6
7
11
12
7
6
2
2
3
2
10
13
6
16
11
16
15
14
16
14
5
13
6
13
12
13
13
15
3
8
5
8
8
10
12
16
4
9
14
11
10
11
5
17
1
1
3
3
7
5
4
18
2
2
8
6
1
1
8
 

lV.- Elección del análisis. Ejercicio e interpretación de resultados

Entre las múltiples posibilidades que se ofrecen para el estudio se va a utilizar un análisis conjunto métrico, que es el más usual, sin transformación de variable alguna. Este análisis no es otra cosa que el análisis de la varianza para datos ordinales, aplicados a cada individuo de forma desagregada. Con ello se obtienen las utilidades (o preferencias) de cada entrevistado.

Con ayuda de un software estadístico apropiado (en este caso se ha utilizado el módulo market de SAS) se procede a la ejecución del análisis previamente elegido.

De esta forma para el primer entrevistado las utilidades son las que aparecen en la tabla 3, en la que se observa que su preferencia más acusada es la marca de neumáticos.

Tabla 3
 
Atributo 
Niveles 
Utilidad 
Desviación de la utilidad
Porcentaje de utilidad 
Marca 
Firestan 
6
0.17
70.4%
God 
0
0.17
Maixilin 
-6
0.17
Duración 
45.000 km.
-1.94
0.18
22.7%
60.000 km.
0
017
75.000 km.
1.94
0.18
Precio 
6.000 pts.
0
0.17
2.2%
7.000 pts.
0.19
0.18
8.000 pts.
-0.19
0.18
Diseño 
A
-0.14
0.12
1.6%
B
0.14
0.12
Distancia 
< 10 min.
0.26
0.12
3.1%
> 10 min.
-0.26
0.12
 

Para el segundo sujeto se obtienen las utilidades de la tabla 4.
 

Tabla 4
 
Atributo 
Niveles 
Utilidad 
Desviación de la utilidad
Porcentaje de utilidad 
Marca 
Firestan 
0.78
0.55
10.0%
God 
0.28
0.55
Maixilin 
-1.06
0.55
Duración 
45.000 km.
-6.49
0.57
67.6%
60.000 km.
0.61
0.54
75.000 km.
5.88
0.57
Precio 
6.000 pts.
0.94
0.55
8.8%
7.000 pts.
-0.28
0.57
8.000 pts.
-0.66
0.57
Diseño 
A
0.48
0.39
5.2%
B
-0.48
0.39
Distancia 
< 10 min.
0.78
0.39
8.4%
> 10 min.
-0.78
0.39
 

Hay que indicar que cuanto mayor es la utilidad, mayor es la preferencia que por dicho nivel del atributo muestra el sujeto correspondiente. Por tanto, los valores positivos de un atributo indicarán mayor preferencia por parte del entrevistado. De esta forma para el primer encuestado, el perfil que mejor define su elección es su fidelidad a la marca Firestan, mientras que para el segundo lo que prima es que el número esperado de kilómetros recorridos con los neumáticos sea mayor.

Procediendo de esta manera para los 7 entrevistados de nuestra encuesta, se puede obtener globalmente el porcentaje de utilidad (y por tanto de preferencia) asociado a cada atributo. Dicha información se recoge en la figura 1:

Figura 1
figura 1

 
Es decir lo que prima el cliente es la duración esperada de los neumáticos por encima de la fidelidad a la marca y del precio. El diseño y la distancia al centro donde se produce el montaje es bastante secundario.

3.- Estudios alternativos derivados del análisis conjunto

Con las utilidades así obtenidas podremos realizar por ejemplo los siguientes análisis:

  • establecer una segmentación del mercado a partir de sujetos que tengan utilidades parecidas (perfiles similares). Para ello necesitaríamos en este caso incrementar el número de encuestados.
  • Podemos estimar la cuota de mercado para cada producto formado por cualquier combinación de los niveles de los atributos elegidos. Con ello se conseguiría estimar con antelación la cuota que alcanzaría un determinado estímulo, el cual corresponderá a un producto de diseño que se pudiera introducir en el mercado. También se pueden detectar los cambios en el mercado producidos por incrementos o descensos en el rango de los valores que actualmente se encuentran disponibles.
Existen varios criterios para determinar la cuota de mercado, uno de ellos se basa en la elección de la máxima utilidad esperada. Con este método un individuo elegirá con probabilidad uno aquella combinación de niveles que le produzca la máxima utilidad. El resultado para este pequeño número de entrevistados sería el que se recoge en la tabla 5:
Tabla 5
 
Marca
Duración 
Precio 
Diseño 
Distancia 
Cuota de mercado
Firestan 
75.000 km.
6.000 pts.
A
< 10 min.
42.9%
Firestan
75.000 km.
6.000 pts.
B
< 10 min.
14.3%
Good 
75.000 km.
6.000 pts.
A
> 10 min.
14.3%
Maixilin 
75.000 km.
6.000 pts.
B
< 10 min.
14.3%
Firestan
75.000 km.
7.000 pts.
B
< 10 min.
4.8%
Good
75.000 km.
6.000 pts.
B
< 10 min.
4.8%
Maixilin 
60.000 km.
6.000 pts.
B
> 10 min.
4.8%
 

Hay que entender que en un cuadro de estas características se obtienen productos (combinaciones de niveles) que pueden no existir en el mercado.

Articulos relacionados:

Logo
Marta Maislan. Senior Clinical Operations Lead. Roche Farma.
Regulación Europea de ensayos clínicos; seguimos trabajando para mejorar la ejecución de los ensayos clínicos en Europa

Para que la Investigación Clínica continúe generando conocimiento es necesario asegurar que el entorno sigue siendo competitivo y cuenta con todos los factores adecuados para la ejecución de los ensayos. Se ha realizado un gran trabajo para adaptarnos a la... La investigación clínica es una parte importante del progreso médico y el desarrollo de...

Mar. 2024
Logo
Montse Ortega Domenech. Directora de Evaluaciones Clínicas. Dr. Goya Análisis.
Investigación clínica de productos sanitarios: ¿un 'cajón de sastre' que empieza a ponerse en orden?

Abordar la investigación clínica de un producto sanitario nunca fue tarea fácil. Eso se  aprende nada más adentrarse en este mundo. La situación hasta hace relativamente poco era que la investigación en productos sanitarios era como intentar ordenar un cajón algo desordenado. Y es que al final, la investigación en productos sanitarios siempre se ha movido entre la legislación más laxa de un cosmético, y lo que siempre se ha entendido...

Feb. 2024
Logo
Andrés del Cura. Departamento de Marketing. Health OneClick.
El impacto del Real World Evidence (RWE) en las Terapias Digitales (DTx)

En las últimas décadas, el avance tecnológico ha revolucionado varios aspectos de nuestra vida, incluido el ámbito de la salud. La integración de la tecnología en la atención médica ha permitido el desarrollo de soluciones innovadoras que mejoran el diagnóstico, el tratamiento y el seguimiento de las enfermedades. Desde aplicaciones móviles y dispositivos de monitoreo hasta inteligencia artificial y análisis de datos, la tecnología ha...

Ene. 2024