Análisis conjunto

Índice

1. Definición de la técnica ………………………………………….……………………….3
2. Fundamentos Matemáticos ………………………………………...……………………..5
3. Ejemplo de aplicación del Análisis Conjunto

3.1 Priorización de una lista de espera quirúrgica ………………………………………..8

3.2 Modelar las preferencias para limpiadores de alfombra...…………………………...12

1. Consideraciones y conclusiones sobre el uso de Análisis Conjunto ………………........17
2. Bibliografía ……………………………………………………………………………...20

1. Definición  de la técnica.

Es una técnica estadística que permite medir el valor relativo de cada atributo y una herramienta de investigación de mercado empleada por muchas compañías, ya que permite ponderar cada característica de un producto y con ello determinar qué combinación de atributos maximiza la probabilidad de que el consumidor lo elija.

Inicialmente fue desarrollada para su uso en modelos matemáticos de psicología. Su aplicación al marketing fue ideada por Paul Green en 1974.

El principio básico del análisis conjunto es que cada producto o servicio puede ser explicado como una combinación de atributos. Por ejemplo: una pizza hawaiana. Los atributos serían: la piña, el jamón, la masa, el queso, las especias. Cada atributo puede tener varios niveles u opciones. La masa puede ser más crujiente, fina, o el jamón puede ser de pavo, cerdo.

El investigador describe productos o servicios a través de sus atributos con la intención de medir el valor que los consumidores le dan a cada uno. Es decir, el consumidor tiene que tomar decisiones para elegir entre las opciones de atributos o para ponderarlos.

Su aplicación requiere seguir una serie de pasos:

1. Seleccionar los atributos relevantes para el producto o servicio.

En este paso se debe determinar las características fundamentales del producto y las más relevantes para su estudio. Hay que tener en cuenta que, cuanto mayor sea el número de atributos,m mayor será la complejidad del estudio.

1. Selección los niveles para cada atributo.

Cada atributo debe tener definidos sus niveles u opciones.

1. Determinar la combinación de atributos a ser evaluada.

Esto es necesario para definir cuál es el objetivo principal del estudio y determinar la combinación de atributos en un producto, preferida por el consumidor. Aunque el análisis conjunto sólo mide una fracción de las opciones, aún así permite inferir el potencial de todas las demás.

1. Diseñar el procedimiento para la recolección de datos.

Definir la manera en que se le presentarán los datos para que los consumidores evalúen los atributos del producto o servicio y la forma en que esta información será recolectada.

1. Seleccionar el software para obtener los valores de utilidad.

Este paso es técnico. Consiste en hacer operaciones matemáticas para determinar los valores de utilidad.

1. Evaluar las opciones del producto.

Al obtener los valores por atributo y nivel de cada uno, se analizan los resultados y se plantean las opciones para el producto o servicio, como: el mayor potencial de venta, la elección de atributos y precio, la cuota del mercado, el nivel de ventas proyectado, la segmentación de mercado según los atributos elegidos en el producto.

El análisis conjunto es una técnica dentro de los modelos multiatributos. Estos modelos se dividen en composicionales y descomposicionales.

En los modelos composicionales las personas realizan valoraciones de los distintos atributos para así, estimar la preferencia global.

En los modelos descomposicionales la preferencia se obtiene a través de valoraciones globales de distintas alternativas de productos o servicios y a partir de allí se obtienen las preferencias de los atributos en dichos productos o servicios.

El análisis conjunto es el principal y más empleado de los modelos descomposicionales.

Ventajas:

• Elegir atributos más valiosos para posicionar una marca.
• Identificar, entre varios productos, aquel que tendrá mayor nivel de venta.
• Decidir el precio adecuado para un producto.
• Estimar la cuota de mercado de un producto antes de su lanzamiento.
• Segmentar el mercado de acuerdo a los atributos de un producto.

Desventajas:

• El conjunto de características a ponderar es limitado, ya que el número de combinaciones aumenta rápidamente conforme se agregan más características.
• La etapa de recolección de información es compleja y puede ser costosa.
• No es factible utilizar para posicionamiento de producto, puesto que no hay procedimiento para convertir percepciones sobre las características reales base a un conjunto reducido de características.

Es una herramienta científica cuantitativa que responde a preguntas muy valiosas para aproximar el éxito de cualquier producto o servicio.

1. Fundamentos Matemáticos del análisis conjunto

Existen dos principales modelos que intentan explicar las preferencias de los consumidores:

a) Modelos Multi-atributo: que sugieren que cada atributo posee una determinada importancia y es un estímulo por sí mismo y, el atractivo o nivel de preferencia total de un objeto se explica a partir de los atributos. Por lo tanto, las preferencias serán el resultado del efecto conjunto de los niveles de atributos que constituyen un producto. El objetivo del Análisis Conjunto es estimar el valor o utilidad subjetiva asociada a cada característica particular (nivel de atributo) de un producto o servicio.

b) Modelos Compensatorios (Fishbein & Ajzen, 1975): están relacionados con los modelos Multiatributo y suponen que los distintos niveles de atributo pueden compensarse unos con otros, haciendo posible la existencia de diferentes productos con una utilidad total semejante para los consumidores. Esto se debe a que los distintos niveles de atributo de un objeto actúan conjuntamente en la mente del consumidor. El algoritmo Conjoint se representa del siguiente modo: U = f ( ,..., ) [pic 1][pic 2]

La utilidad corresponderá al valor que el individuo atribuya a un producto a través de la combinación de factores (atributos), de tal manera que ese valor sea el máximo para la elección realizada dentro del conjunto de opciones (Ben-Akiva & Lerman, 1985). Es decir, el nivel de utilidad obtenido es una combinación adecuada de atributos, ponderados por la importancia relativa de cada uno en la contribución de la utilidad total de un bien particular (Ortúzar, 2000).

En la práctica, el investigador les pide a los sujetos que ordenen un conjunto de tarjetas, en las cuales figuran niveles de atributos que constituyen determinado producto. A partir de esos niveles de atributo y del orden de esas tarjetas, se calcula la importancia que cada atributo posee al momento de la elección de un determinado producto. Simultáneamente, se conoce la utilidad parcial asociada a los diferentes niveles de atributo de los productos analizados. De esta forma, es posible conocer las configuraciones de los niveles de atributo que aumentan o disminuyen el atractivo de un determinado producto (Rial, Ferreira & Varela, 2010).

Existen dos principales metodologías en el Análisis Conjunto:

1. Análisis Conjunto Tradicional: usando perfiles completos;

2. Análisis de Elección Experimental (Louviere, 1988): se elige la alternativa preferida.

Cuando se recurre al Análisis Conjunto en que se utilizan perfiles completos se les pide a los sujetos que ordenen un conjunto de perfiles desde el más preferido al menos preferido; Este método es el  más usado actualmente, ya que presenta mayor realismo pues se le pide al sujeto que elija la alternativa que prefiere entre un conjunto reducido de perfiles. Este tipo de elección se asemeja a las que tiene una persona en la vida diaria.

Cuando existe sobrecarga de información existen dos formas de solucionar el problema:

Diseños Factoriales Fraccionados Ortogonales que son utilizados para reducir el número de tarjetas a ser presentadas a los sujetos. Presentar un gran número de perfiles sería demasiado cansado para los sujetos y el análisis de tantos datos sería muy complejo para el propio investigador. Para ello, se aplican los diseños factoriales fraccionados que, teniendo un número de combinaciones más limitado, tienen la misma eficacia. Ésta resulta de las varianzas y covarianzas de las estimativas y aumenta siempre que disminuye la varianza. De acuerdo a Addelman un diseño factorial fraccionado ortogonal existe independencia de los efectos estimables. Un diseño es considerado ortogonal cuando la ocurrencia conjunta de cualquiera de los niveles de los atributos es igual al producto de sus frecuencias marginales; por otro lado, un diseño es considerado equilibrado cuando los niveles de atributos aparecen dentro de cada factor el mismo número de veces.

...