Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Tesis Análisis Conjunto

No description
by

Jhon Alexander Ramírez Ospina

on 5 November 2014

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Tesis Análisis Conjunto


Objetivos
Análisis Conjunto - Medición de la intensión de compra
Jhon Alexander Ramírez Ospina
Ingeniería Industrial

Investigación Exploratoria
Observación
Entrevistas en Profundidad
Análisis Conjunto
Análisis Conjunto basado en la elección
Dos personas de empresas medianas, el encargado de compras y el encargado de producción.
Una persona de una empresa pequeña, el encargado de producción.
Una persona de una empresa micro, el encargado de producción.
Una persona que esté presente en el canal comercio, administrador de Almacén distribuidor de conos industriales.

Aplicar la técnica de estadística multivariada Conjoint Analysis en la medición y análisis de la intensión de compra de hilos Staple Spun Polyester (SSP) en las empresas de confección de Pereira.
Conclusiones
Se determinaron, gracias a la investigación exploratoria realizada, cuales eran los atributos que tenía mayor relevancia en el proceso de decisión de compra Los atributos elegidos fueron: Marca, Precio, Presentación y Gama de colores.
OBJETIVO GENERAL
Diseños de experimentos
Diseño D-Optimal

Ejemplo
Diseño de bloques incompletos
Análisis de Resultados
Simulaciones de Mercado
Luego de encuestar a veintidós
(22) personas
que trabajan directamente con el
software Ofipro Contabilidad
dentro de la macroempresa a través de un
cuestionario dicotómico
, se obtuvieron los siguientes resultados:
Para aplicar el método se muestra la tabla de datos de una forma mas especifica, en donde se señala la opción seleccionada por los encuestados en cada pregunta. El valor asignado en la tabla como (1) indica que la persona respondió SI y el valor (0) indica que respondió NO el ítems.
Coeficiente de Pearson = -0.293. Implica una correlación negativa débil (es decir que hay relación débil e inversa entre las variables y que el incremento de unas implica la disminución de otras o viceversa).
VALIDEZ DEL INSTRUMENTO
Objetivo
Determinar y analizar los atributos que tienen mayor influencia en la decisión de compra de hilos para coser (SSP) con sus respectivos niveles en las MIPYMES de la ciudad de Pereira
Muchas Gracias por su atención...
ANÁLISIS CONJUNTO
Objetivo general
Objetivos específicos
OBJETIVOS ESPECÍFICOS
1) Determinar los atributos que influyen significativamente en la intención de compra de hilos SSP en las MIPYMES del sector confección en la ciudad de Pereira.
2) Determinar los niveles de agrado para cada atributo de los productos a evaluarse.
3) Determinar y utilizar el modelo de Conjoint Analysis más apropiado para definir y analizar la intención de compra de hilos SSP en las MIPYMES del sector confección en la ciudad de Pereira.
4) Analizar la sensibilidad que se observa entre el precio y la intención de compra de hilos SSP en las MIPYMES del sector confección en la ciudad de Pereira.
Historia del Análisis Conjunto
tuvo sus inicios en la psicología matemática (Luce & Tukey 1964).
Fue introducido al marketing por el profesor de la universidad de Pennsylvania Paul Green en 1971 como una técnica estadística.
¿Qué es el Análisis Conjunto?
Es una técnica estadística que trata de determinar la importancia relativa que los consumidores dan a los atributos sobresalientes y las utilidades que dan a los niveles de los atributos. En otras palabras, es una herramienta estadística que permite descomponer preferencias por producto en preferencias parciales por atributos.
Análisis Conjunto
¿Cómo se aplica el Análisis Conjunto?
Selección de la función de preferencia de los niveles de atributos


Selección de la metodología

Selección del método de recolección de datos

Selección del diseño de la recolección de datos

Selección de la forma en que se generará el estímulo

Selección del procedimiento en la recolección de datos

Selección del método de evaluación de cada estímulo

Estimación de las utilidades

Determinación de los Atributos con sus respectivos niveles
Funciones de preferencia de los atributos.
Función lineal o vector lineal
Función cuadrática o punto ideal
Función de componentes parciales
Determinación de los atributos con su respectivos niveles
Entrevistas con expertos
Datos secundarios.
Investigación cualitativa.
Focus group (Sesión de grupo)
Entrevistas en profundidad
Técnicas proyectivas
Encuesta piloto.
Tipos de Metodologías.
Análisis Conjunto tradicional (CVA, Conjoint Value Analysisi)
Análisis Conjunto Adaptativo (ACA, Adaptative Conjoint Analysis)
Análisis Conjunto Basado en la elección (CBC, Choice Based Conjoint Analysis)
Este tipo de análisis conjunto ha sido el pilar de esta técnica aplicada a la investigación de mercados, se base en un modelo aditivo simple, en el cual el individuo evalúa grupos de niveles de atributos a través de escalas métricas o no métrica.
Esta herramienta se desarrolló con el fin de trabajar modelos con grandes cantidades de atributos, este método combina los modelos conjuntos de componentes parciales de la utilidad total y los auto-explicados. Cada participante puede evaluar conjuntos de estímulos diferentes, pero conservando un número reducido de los mismos.
Los encuestados eligen (no puntúan) en cada cuestión entre un conjunto de perfiles completos. Esta situación es mucho más representativa del proceso real de selección de un producto de entre un conjunto de productos competidores. Además, el análisis conjunto basado en la elección ofrece una opción de no elección de ninguno de los estímulos presentados al incluir una opción de no elección en el conjunto de elección.
• Cualquier producto puede ser definido como un conjunto de atributos.

• Las versiones alternativas de un mismo producto puede ser definidas como un conjunto de niveles de los atributos.

• Los consumidores evalúan la utilidad de combinaciones de niveles de atributos, cuando efectúan una decisión de compra.

• Cuando los consumidores escogen entre productos alternativas, hacen compensaciones de las características buenas y malas de una combinación de niveles de atributos.

• Los productos con mayores valores de utilidad son más preferidos y tienen mayor probabilidad de ser elegidos.

Suposiciones determinantes para un modelo de Análisis Conjunto
Métodos de recolección de datos.
Análisis compensatorio (trade–off)
Perfiles completos
Comparaciones pareadas
Este método compara dos atributos mediantes la clasificación todas las combinaciones de los niveles, es más sencillo para los encuestados evaluar atributo por atributo porque evita la sobrecarga de información al presentar los estímulos.
El método de perfiles completos es el más habitual para los experimentos de análisis conjunto, principalmente por su realismo comparado con el proceso de compra. Debido a que la presentación de perfiles completos genera gran cantidad de combinaciones, en este método se usan diseños factoriales fraccionados con el fin de disminuir la cantidad de estímulos a presentar a los individuos.
Este método combina los dos anteriores dado que, hace una comparación de dos perfiles, pero sin usar todos los atributos en los perfiles. El encuestado evalúa por cuál de los dos perfiles tiene mayor preferencia en una escala de preferencia que tiene un perfil sobre otro. A diferencia del análisis compensatorio, esta metodología evalúa pares de perfiles (conjuntos de atributos) en lugar de pares de atributos. Esta metodología es muy usada cuando es necesario evaluar gran cantidad de atributos con sus niveles respectivos.
Diseño de métodos de recolección de datos.
Método compensatorio (trade-off)
Diseño de perfiles completos
en este caso, se usan todas las posibles combinaciones de atributos. El número de matrices de compensación se basa en el número de atributos, y está definido por la siguiente expresión:
Número de matrices= (N*(N-1))/2
Donde N es el número de atributos.
Cada matriz comprende un número de respuestas igual al producto de los niveles de los atributos. En este método no deben usar gran cantidad de atributos porque podría generar sobrecarga de información al individuo a estudiar.
este diseño se aplica tanto para el método de perfil completo, como para las presentaciones de combinaciones pareadas. En este diseño se busca minimizar la cantidad de estímulos a presentar al encuestado.
Por ende, se debe generar un diseño D-optimal o utilizar algún diseño factorial fraccionado.
Cuando se usa la metodología de Choice Based Conjoint Analysis es necesario generar un diseño de bloques incompletos para poder presentar la combinación de perfiles.
Presentación del estímulo
La presentación del estímulo puede ser de manera escrita, verbal o visual. La aplicación de cada tipo de presentación está muy relacionada con el tipo de producto a evaluar, con el procedimiento en la recolección de datos.
Procedimiento en la recolección de datos
Método de evaluación de los estímulos
Rating
Ranking
Comparaciones pareadas
Elección
Escala de sumas constantes
Estimación de utilidades
Análisis conjunto tradicional (CVA)
Análisis Conjunto de Elección (CBC)
Regresión por mínimos cuadrados o Regresión lineal múltiple: Este método es correcto si se ha elegido con anterioridad el método de perfiles completos.

Regresión monótona: Este método se aplica cuando se usaron escalas no métricas de método de evaluación. (Comparaciones pareadas u ordenación de tarjeta)

Recuento Simple:
En el recuento simple se calcula la probabilidad de elección de un nivel de atributo mediante la división del número de veces que ha sido elegido sobre el número de veces que aparece.

Modelo logit multinomial (Multinomial logit model): En este método de estimación se obtiene utilidades a nivel agregado, es decir que se calcula una utilidad para cada atributo y cada nivel de atributo basado en las respuestas de todos los individuos. No es posible calcular a nivel individual las utilidades con este modelo.

Jerarquía de Bayes (Hierarchical Bayes)
Este modelo usa un algoritmo que genera resultados individuales, los parámetros son estimados a nivel individual usando un método de iteraciones (Gibbs sampling) tomando en cuenta cada elección individual pero también la distribución grupal de las elecciones.

Encuesta
Diseños de nuevos productos
Definición del precio de los productos
Análisis competitivo del mercado
Segmentación del mercado
Posicionamiento de marca
Simulaciones de decisiones de compra.
Algunas Aplicaciones
No estructurada
• Almacen Adornos y Herrajes
• Almacen y peletería Gerrajes
• Almacen Hilosin


Observación no estructurada,
abierta, natural y de carácter personal.
Variables Obervadas
Flujo de gente
Frecuencia de compra
Medios de compra
Merchandising en las tiendas
Comportamiento en el proceso de compra
Factores que afectaban la decisión de compra

Variables a identificar
• Qué tipo de prendas se confeccionan principalmente en la Ciudad.
• Cómo es el proceso de compra de insumos textiles de las MIPYMES
• Cuáles son las marcas de hilo que tienen mayor participación en la región.

Tipos de confección en Pereira
Medios de Compra
Marcas que compran
Perfiles
Atributos a Evaluar
Conclusiones de resultados obtenidos
No se evidencia conocimiento en los diferentes tipos de calidades de hilo SSP A, B y C.
Las marcas de Coats no tienen buen posicionamiento Epic, Astra, Sol.
Se evidencian varios tipos de empresas:
Empresas de confeccionan para una marca específica (Maquila)
Dueños de la Marca
Algunas empresas se especializan en bordados.
Calidad
Presentaciones
Tiempos de entrega
Experiencia de uso
Promociones
Portafolio de productos
Gama de colores
Medios de contacto
Empaque
Etiqueta

Atributos Seleccionados
Muestra
TIpo de muestreo
Aleatorio Simple
Formulario
Mercado a simular
Método de estimación Logit
Mercado a simular
Se determinó que la variable que tenía más impacto en la decisión de los consumidores era el precio con un 55%, seguido de la marca con una importancia promedio de 30%. La presentación y la gama de colores tuvieron valores menos representativos de importancia, 6% y 9% respectivamente.
Se observó que existe una oportunidad en el aumento de la participación de mercado de la marca Sol, si esta decide ofertar una gama de colores más amplia. 8 puntos porcentuales con la presentación de 2000 yardas y, si la oferta de gama de colores alta se conserva para la presentación de 5000 yardas, Sol podría ganar otros 2 puntos adicionales de participación.
Full transcript