Pontificia Universidad Católica de Valparaíso Facultad de … · 1.2.3 Aplicación del análisis...

Pontificia Universidad Católica de Valparaíso

Facultad de Ciencias Económicas y Administrativas Escuela de Ingeniería Comercial

ANÁLISIS DE POSICIONAMIENTO A TRAVÉS DEL USO DE MÉTODOS MULTIVARIADOS PARA BANCOS

ORIENTADOS A CRÉDITOS DE CONSUMO, EN LAS CIUDADES DE VALPARAÍSO Y VIÑA DEL MAR, A

SEPTIEMBRE DE 2006

Memoria para optar al grado de Licenciado en Ciencias en la Administración de Empresas y al título de Ingeniero Comercial

Antonio Francisco Obilinovic Peric

Análisis de posicionamiento a través del uso de métodos multivariadas para bancos orientados a créditos de consumo, en las ciudades de Valparaíso y Viña del Mar, a Septiembre de 2006.

2


3

1. INTRODUCCION.................................................................................................. 5

1.1 Razones Personales para la selección del Tema ........................................................ 5 1.2 Planteamiento del problema de investigación ........................................................... 5

1.2.1 Marketing Bancario ...................................................................................... 5 1.2.1.2 El Marketing Mix en la Comercialización de Servicios Financieros ......... 10 1.2.1.3 Segmentación y posicionamiento de servicios financieros........................ 11 1.2.2 Pequeños bancos y divisiones de consumo orientados a segmentos medios y bajos ................................................................................................................... 13 1.2.3 Aplicación del análisis multivariado en la investigación de mercados y la gestión del marketing ...................................................................................................... 16 1.2.4 Percepción y preferencias ........................................................................... 19 1.2.5 El problema ................................................................................................ 20

1.3 Objetivos de la Investigación.................................................................................. 21

1.4 Descripción del diseño metodológico ..................................................................... 21 1.5 Limitaciones del estudio ......................................................................................... 23

2. MARCO TEORICO............................................................................................... 24

2.1 Posicionamiento ..................................................................................................... 24 2.1.2 Concepto de posicionamiento ..................................................................... 24 2.1.3 Tipos de posicionamiento ........................................................................... 26 2.1.4 Proceso de determinación del posicionamiento ........................................... 27 2.1.5 Marketing estratégico ................................................................................. 29 2.1.5.1 Macrosegmentación................................................................................. 29 2.1.5.2 Microsegmentación.................................................................................. 30 2.1.5.3 Tipos de segmentación............................................................................. 31 2.1.5.4 Criterios de una segmentación eficiente ................................................... 32 2.1.5.6 Atractivo y competitividad....................................................................... 33 2.1.5.7 Elección de estrategias de desarrollo ........................................................ 33 2.1.6 Marketing operativo ................................................................................... 34 2.1.6.1 Estrategias de posicionamiento ................................................................ 35 2.1.6.2 Bases de un posicionamiento ................................................................... 36 2.1.6.3 Procedimiento de selección de un posicionamiento .................................. 37

2.2 Escalamiento multidimensional de las preferencias................................................. 38 2.2.1 Introducción ............................................................................................... 38 2.2.2 Antecedentes .............................................................................................. 39 2.2.3 Concepto .................................................................................................... 40 2.2.4 Modelo de Escalamiento Multidimensional ................................................ 41 2.2.5 Consideraciones en la realización de escalas multidimensionales................ 46 2.2.6 Selección de escalas de Medición ............................................................... 47 2.2.7 Número de Dimensiones............................................................................. 47 2.2.8 Designación de las dimensiones.................................................................. 49 2.2.9 Confiabilidad y Validez .............................................................................. 49 2.2.10 Escalas de Datos de las preferencias ......................................................... 50 2.2.11 Modelo Vectorial de Escalamiento externo de las preferencias ................. 51 2.2.12 Complementos del análisis externo de las preferencias.............................. 53

2.3 Análisis de Cluster ................................................................................................. 54 2.3.1 Introducción ............................................................................................... 54 2.3.2 Antecedentes .............................................................................................. 54 2.3.3 Concepto .................................................................................................... 55 2.3.4 Modelos de selección de conglomerados..................................................... 57 2.3.5 Medidas de distancia .................................................................................. 60 2.3.6 Decisión del número de grupos................................................................... 64 2.3.7 Interpretación y perfil de los grupos............................................................ 65


4

2.3.8 Determinación de confiabilidad y validez ................................................... 65 2.3.9 Supuestos y consideraciones del Análisis de Cluster ................................... 67

3. PRESENTACIÓN DE LOS HALLAZGOS..................................................... 68

3.1 Recopilación de información .................................................................................. 68 3.1.2 Fuentes de información............................................................................... 70 3.1.3 Recolección de datos .................................................................................. 70

3.2 Caracterización de la muestra ................................................................................. 70 3.2.1 Género........................................................................................................ 71 3.2.2 Pertenencia a GSE ...................................................................................... 71 3.2.3 Edad ........................................................................................................... 72

3.3 Determinación del posicionamiento y segmentación a través del análisis externo de las preferencias. ........................................................................................................... 73

3.3.1 Obtención de mapas de percepción ............................................................. 74 3.3.1.2 Análisis de los componentes principales .................................................. 74 3.3.1.2.1 Interpretación de los ejes del ACP mediante el uso del círculo de correlaciones ....................................................................................................... 77 3.3.2 Análisis de cluster de encuestados según preferencias................................. 78 3.3.2.1 Descripción de los clusters obtenidos....................................................... 81 3.3.3 Modelo vectorial de análisis externo de las preferencias ............................. 83 3.3.3.1 Datos de entrada del modelo vectorial de análisis externo de las preferencias............................................................................................................................ 83 3.3.4 Salida del modelo vectorial de análisis externo de las preferencias.............. 84 3.3.5 Síntesis de los resultados obtenidos en términos de segmentación y posicionamiento .................................................................................................. 87

3.4 Interpretación de resultados obtenidos a partir de la segmentación de la muestra .... 89

3.5 Interpretación del posicionamiento obtenido por institución financiera a partir de la aplicación del escalamiento externo de las preferencias................................................ 90

3.6 Nichos de mercado no cubiertos ............................................................................. 92

4. CONCLUSIONES ................................................................................................. 93

4.1 Conclusiones respecto del modelo de escalamiento externo de las preferencias ...... 93

4.2 Conclusiones respecto del posicionamiento obtenido por las instituciones bancarias en análisis .................................................................................................................... 94

4.3 Conclusiones relativas a los objetivos de la investigación ....................................... 96 4.4 Recomendaciones y posibles líneas de investigación a futuro ................................. 97

Bibliografía.................................................................................................................. 98

Referencias electrónicas ..........................................................................................100

Anexos..........................................................................................................................101 Anexo 1: Encuestas ........................................................................................... 101 Anexo 2: Grupos socioeconómicos.................................................................... 103 Anexo 3: Procedimiento de escalamiento externo de las preferencias ................ 111


5

1. INTRODUCCION

1.1 Razones Personales para la selección del Tema

El autor ha seleccionado como tema de investigación la determinación del posicionamiento

y segmentación a través de métodos multivariados, en un esfuerzo por demostrar la

interrelación que existe entre diferentes modelos aplicados en el campo de la investigación

de mercados.

Uno de los objetivos personales al momento de tomar la decisión de realizar la

investigación, fue realizar un aporte equilibrado en términos teóricos y prácticos, y de

interés para alumnos de pregrado y postgrado, los cuales serán los mejores jueces de la

utilidad de esta.

Por último, el alumno espera que en un futuro cercano se intensifique y concentre el interés

por el área de investigación de mercados por parte de los alumnos y de los docentes, en

miras de un sueño personal que es la creación del Instituto de Investigación de Mercados

de la Escuela de Ingeniería Comercial. Esto permitiría en conjunto con una permanente

investigación en el área, el acercamiento de nuestra escuela con la empresa y la integración

necesaria de la teoría con la técnica.

A juicio del alumno quien mejor conozca el mercado será quien tenga la clave para

maximizar los ingresos de la empresa, generando información de alto valor económico para

la toma de decisiones.

1.2 Planteamiento del problema de investigación

1.2.1 Marketing Bancario El sector bancario ha sufrido una profunda transformación en las últimas décadas lo que se

explica por factores como la tecnología, globalización e intensidad de la competencia los

cuales han provocado importantes cambios en la manera se enfrenta al mercado.

La industria bancaria ha centrado importantes esfuerzos en la redefinición de sus propuestas

de calidad total al cliente y sus posicionamientos, impulsando su valor de marca y

avanzando, desde el marketing objetivo hasta el personalizado a través del estudio del


6

comportamiento histórico de su clientela y posterior diseño de ofertas, productos y

promociones que aprovechando el uso de diferentes sistemas informáticos, que brindan un

alto grado de respuesta y éxito de estas.

Dentro de los diversos planes de marketing la variable relativa a las comunicaciones no se

conceptualiza solo como publicidad, sino de una manera integrada en la que el marketing

directo adquiere cada vez mayor relevancia1 a través de relaciones públicas, promoción,

correo, telemarketing, Internet y E-mail marketing (mailing), lo que denota una mayor

agresividad en la tarea de defender o ganar cuotas del mercado.

Matathia y Salzman (2000) definen a un nuevo tipo de cliente que ha evolucionado en

términos generales como una persona con mayor conciencia de la relación calidad/precio,

con recursos pero con falta de tiempo, que entiende de marketing, exigente, con conciencia

social y habituado a comprar las 24 horas del día los 7 días de la semana. Este nuevo

comprador aprende de la experiencia, cotizando en más de una institución, siendo sensible

a los incentivos, y reclama cuando no se siente satisfecho por los servicios recibidos2.

Históricamente el sector financiero aunque con posterioridad a otros sectores, ha adoptado

gradualmente la filosofía de marketing. Hoy en día la cantidad de empresas de servicios

financieros no es la misma de hace 20 años, ni tampoco el tamaño y la agresividad de estas

lo que es posible de apreciar en el crecimiento de las colocaciones (ver figura 1), de los

últimos 15 años.

Serie de Tiempo: Colocaciones del Sistema Bancario (1990-2005)Fuente: Banco Central

$ 0

$ 5.000

$ 10.000

$ 15.000

$ 20.000

$ 25.000

$ 30.000

$ 35.000

1990 1995 2000 2005

Año

mm

$

colocaciones totalesen moneda nacional

Figura 1: Colocaciones del sistema bancario (1990-2005)

1 Barritua, José Maria. Marketing Bancario en la era de la información. Editorial Pirámide 2002. 2 Marshall, Enrique. Presentación gerentes del sistema financiero de la V región, de la SBIF. Noviembre 2003.


7

Las altas tasas de crecimiento en términos de colocaciones, han hecho muy atractivo el

ingreso de nuevas instituciones a la industria, lo que se materializó entre los años 2000 y

2004, con la inclusión de nuevos bancos asociados al retail, que contaban con experiencia

en el ámbito crediticio con varios millones de tarjetas de crédito emitidas en el país. Entre

estos se encuentran los bancos Ripley, Falabella y Paris.

Por su parte la banca tradicional, concretó mega-fusiones durante el año 2002, de bancos

que generaron instituciones, cuyo tamaño jamás se había presenciado en el sistema

bancario del país.

La situación de la industria bancaria se presenta en la Tabla 1, (excluyendo al banco del

Estado, y a aquellas sucursales de bancos extranjeros) a través de la participación de

mercado calculada como una proporción de las colocaciones totales.

Bancos establecidos en Chile Colocaciones Totales (mm) Participación de MercadoSantander-Chile $ 8.936.721 28,11% De Chile $ 6.769.412 21,29% De Crédito e Inversiones $ 4.705.181 14,80% Bilbao Vizcaya Argentaria, Chile $ 2.960.610 9,31% Corpbanca $ 2.484.115 7,81% Del Desarrollo $ 1.432.297 4,51% Security $ 1.216.150 3,83% Scotiabank Sud Americano $ 1.204.759 3,79% Bice $ 1.013.947 3,19% Falabella $ 269.875 0,85% ABN Amro Bank (Chile) $ 192.096 0,60% HSBC Bank (Chile) $ 137.351 0,43% Internacional $ 123.483 0,39% París $ 110.851 0,35% Ripley $ 104.551 0,33% HNS Banco $ 91.491 0,29% Deutsche Bank (Chile) $ 17.849 0,06% Monex $ 14.898 0,05% Penta $ 4.329 0,01%

Tabla 1: Colocaciones y participaciones de mercado a Febrero del 2005 Fuente:SBIF


8

Como se aprecia en la Tabla 1, es posible identificar diferentes participantes del negocio en

términos de tamaño de acuerdo a las colocaciones realizadas. Este estudio toma como base

de segmentación la clasificación de la consultora Feller Rate3:

• Bancos Pequeños: Participación de mercado menor o igual a un 1%.

• Bancos Medianos: Participación de mercado mayor a un 1% y menor o igual a un

10%.

• Grandes Bancos: Participación de mercado mayor a un 10%.

El gran tamaño de estos mega-bancos no ha impedido el desarrollo de una amplia oferta de

servicios financieros, especializados en diferentes segmentos de mercado y necesidades

específicas dentro de estos. Es así como se han desarrollado a modo de ejemplo bancos

especializados en inversiones , en consumo , en pequeñas y medianas empresas , o bien

divisiones especializadas en ciertos GSE.

Esta evolución ha generado una mayor intensidad de la competencia, por lo que ha surgido

la necesidad de adoptar nuevas prácticas y métodos de rubros en los cuales la intensidad de

la competencia sea alta como es el caso del retail. MacGoldrick y Greenland (1992)

reconocen adaptaciones dentro de la gestión de marketing bancario de características

particulares de la comercialización de retail (asociado a bienes de consumo rápido), lo que

se justifica como una alineación entre ambas. La tabla 2, resume los aspectos específicos de

los servicios financieros y también las características comunes con el retail.

3 Fuente: Claudia Labbé .Subgerente de Estudios de Instituciones Financieras. Feller-Rate Chile.


9

Tabla 2.Características propias de la comercialización de servicios financieros y venta de FMCG (Fast Moving Consumer Goods) Características típicas del sector de servicios financieros Compra planificada: El cliente adquirirá los productos, con un periodo de planificación de varias semanas o incluso meses, y comparación entre ofertas. Productos Intangibles: Los productos bancarios como tarjetas de crédito, chequeras, créditos en sus diversas formas y seguros entre otros, se denominan intangibles. Inexistencia de satisfacción instantánea: Los productos intangibles, no se consumen de manera inmediata, en todos los casos, inclusive consumiéndose semanas o meses después de ser adquiridos. Elevado precio de entrada: Este aspecto se presenta en cuotas de inversión mínima o bien rentas mínimas exigidas para acceder a los productos. Elevada fidelidad: Los clientes muestran una fidelidad por las empresas a las cuales se adhieren, siendo difícil un cambio de institución financiera. Niveles reducidos de prueba: No existen numerosas chances de probar los diferentes productos bancarios, por ejemplo en el caso de un crédito hipotecario no es probable adquirir más de dos en la vida, para una persona promedio. Compra única: Este tipo de adquisiciones no se realizan de manera periódica, conllevan un largo proceso de compra pues se adquieren generalmente, compromisos de largo plazo entre cliente e institución. Intervención en la decisión de compra: Generalmente en la decisión de compra interviene el cónyuge o pareja.

Reducido interés para el consumidor: La adquisición de productos bancarios no genera, el mismo interés que productos de moda, es más bien por necesidades básicas, como de vivienda, salud y educación. Falta de homogeneidad de los productos: Existe una gran diversidad de productos con un grado de homogeneidad bajo, en términos de tasas, plazos, y montos entre los diferentes integrantes de la industria. Productos complejos: El grado de sofisticación de algunos productos financieros puede llegar a ser muy complejo y dificultoso para entender por clientes que no tengan una preparación adecuada en el tema.

Características normalmente compartidas de los servicios financieros y los FMCG Existencia de marcas: Ambos tipos de productos, son respaldados por grandes marcas reconocidas por el mercado, que entregan confianza y respaldo. Dependencia del posicionamiento del producto: En la medida que el posicionamiento favorezca a las empresas, estas registran mayores ventas y mejores resultados. Envasado: Los productos tangibles son envasados, al igual que intangibles como Chequeras, Tarjetas de Crédito, de Debito, Tarjetas de Ahorro, etc. Segmentación de mercados: La alta competencia obliga a segmentar los mercados, para obtener los mejores resultados al satisfacer a los clientes, tomando en cuenta las fortalezas y debilidades de la empresa. Creciente interés en productos que satisfacen un nicho de mercado: Ciertos nichos son capaces de generar grandes retornos, en la medida que la empresa posea las capacidades abordarlo y obtener los mejores resultados de su gestión. En la medida que esto se logra, existe la seguridad de que a otras empresas les será difícil ingresar al mismo nicho. Importancia de la publicidad: La publicidad permite mantener o mejorar el posicionamiento, al acceder a grandes segmentos de mercado entregando mensajes que identifiquen a clientes con los productos. Sensibilidad en los precios: El mercado responde ante variaciones de los precios de primas de seguros, tasas de interés o gastos de representación, entregándole preferencia a ciertas marcas. Utilización creciente de ofertas y otras actividades promocionales: Ciertas épocas del año como vacaciones, entrada de clases o festividades, crean un momento ideal para promocionar y generar ofertas ad-hoc. Deseo de ofrecer un valor añadido: Hoy existe una preocupación en generar relaciones de largo plazo entre la empresa y sus clientes, por lo que la calidad de los productos y servicios es un aspecto primordial, para mantener la base de clientes y atraer más de ellos. Fuente: Hill,P.,en ESOMAR (eds.) How to market financial services in an increasing competitive environment, Amsterdam,71-85

La adopción de prácticas de la gestión del Marketing de Retail, hoy en día se gráfica en:

• Campañas publicitarias: Durante ciertas épocas del año se intensifica la difusión de

campañas por diferentes medios asociadas a la entrada a clases, fiestas nacionales

y navideñas, vacaciones, etc.

• Promoción en el punto de venta: Hoy en día las sucursales bancarias, cuentan con

promoción en el punto de venta que apoya el mensaje de las campañas

publicitarias, al igual que por ejemplo los supermercados.

• Ventas Personales: Realizadas por lo general vía telefónica, pretenden aumentar la

cantidad de productos de los clientes, a través de promociones e incentivos.

1.2.1.2 El Marketing Mix en la Comercialización de Servicios Financieros

Hoy en día la similitud entre el marketing de retail y financiero es importante, y se grafica

en la mezcla de marketing que se realiza en ambos casos. MacGoldrick y Greenland

(1992) analizan los siete elementos relevantes del Mix de servicios financieros, destacando

problemáticas propias de estos, a través de la siguiente topología:

1.-Variedad de Productos: A pesar de los procesos de diferenciación que se han generado

en esta industria, es muy difícil para las entidades financieras diferenciar sus gamas de

productos, puesto que por la naturaleza de estos productos su imitación en caso de éxito es

fácilmente replicable. De hecho ciertos autores critican la expresión “supermercado

financiero” debido a la similitud de los productos entre empresas.

2.- Fijación de precios: Los consumidores suelen ser poco concientes a las tasas aplicadas a

las tarjetas de crédito o por ejemplo de gastos de mantención de productos. Sin embargo

recientemente la fijación de precios ha adquirido un renovado interés, lo que se refleja por

ejemplo en cuentas corrientes remuneradas, o bien en tasas “insuperables” de créditos

hipotecarios.

3.- Promoción: Actualmente las empresas que ofrecen servicios financieros, realizan

esfuerzos por obtener un posicionamiento exclusivo, a través del uso intensivo de la

publicidad4 en diversos medios de comunicación.

4.- Venta personal: La complejidad y variedad de los servicios que se ofrecen, en conjunto

con los niveles de riesgo, hacen necesario un grado de venta personal. Conforme aumenta 4 Lo que se refleja en Chile en épocas especificas del año, como Marzo y Navidad por ejemplo.


11

la venta “cruzada” de servicios a los clientes existentes, aumenta la necesidad de personal

capacitado y calificado.

5.- Servicio: Esta extensa área abarca muchos tipos de servicios personales y electrónicos,

como el uso de la banca Internet, cajeros automáticos y la banca telefónica. Bateson (1985)

señala que una de las problemáticas mas importantes en los servicios es identificar cuales

son los mas demandados por la clientela objetivo, pues dependiendo del grupo etareo

variará la preferencia.

6.- Entorno: El diseño de la sucursal actualmente es considerada como parte de la función

de venta/servicio que desempeña un papel fundamental a la hora de facilitar la

diferenciación de la imagen de la empresa.

7.- Localización: Muchos Investigadores y directores reconocen que la localización es

crucial para este tipo de empresas, pues se pierden y ganan clientes en base a este aspecto.

Lo anterior se basa en la evolución y comportamiento observado de las diferentes

industrias bancarias de países desarrollados, las que se caracterizan por ser altamente

competitivas con una oferta de proporciones ampliamente mayores a la de nuestro país, en

donde las tasas de crecimiento son muy inferiores, siendo la preocupación central la

satisfacción de un cliente cada vez mas exigente y que cuenta con una amplia gama de

marcas productos de donde elegir5.

En este sentido la gestión de Marketing debe entregar información que apoye la toma de

decisiones y que retroalimente las decisiones de carácter táctico y estratégico,

respondiendo preguntas como: ¿Cuál es el posicionamiento logrado por la marca o

producto?¿Es este positivo?¿Puede ser mejorado?, y también responder una pregunta

fundamental: ¿Cuál(es) es(son) el(los) segmento(s) mas rentable(s)?¿Es(son) a los que

actualmente dirige la empresa sus esfuerzos?.

1.2.1.3 Segmentación y posicionamiento de servicios financieros

Mediante la segmentación las empresas dividen el mercado, en segmentos pequeños a los

cuales la empresa se puede dirigir de manera eficiente, con productos y servicios

congruentes con las necesidades específicas del target buscado. Criterios para realizar esta

división varían según las necesidades de la empresa y los productos que esta fabrica,

5 Sin ir más lejos la superintendencia de bancos e instituciones financieras, registra la existencia de un total de 26 bancos. Esto sin considerar financieras y cooperativas de ahorro, entre otras instituciones que otorgan servicios financieros.


12

algunos de estos son de carácter demográficos, de género, ingresos, ocasiones de uso, entre

otros. Importante es que estos segmentos sean medibles, accesibles y rentables de manera

de no desperdiciar recursos en un plan de marketing que no tendrá los resultados

esperados.

La gran cantidad de oferentes de servicios financieros obliga hoy en día, a elegir con

especial cuidado aquellos mercados meta, donde los esfuerzos de marketing sean rentables.

Por esta razón los bancos en Chile han definido claramente sus intenciones en torno al tipo

de clientes que desean capturar, que varían entre empresas clasificadas según tamaño en

pequeñas, medianas y grandes, y personas naturales las cuales son segmentadas según la

pertenencia a grupos socio-económicos.

Esta segmentación permite planificar el tipo de posicionamiento en el mercado meta, que

deberá tener concordancia con las fortalezas y debilidades de la empresa. El

posicionamiento se logra a través de la ejecución del plan de marketing en el cual la

interacción de sus variables de decisión: producto, precio, publicidad, distribución,

personas, procesos y la disposición del local, generan una imagen en la mente de los

consumidores, de la cual como objetivo de Marketing se debe procurar que sea buena en

comparación con la competencia, pues esto esta en directa relación con los resultados de la

empresa en el mercado meta.

Si bien el marco normativo actual permite ofrecer una amplia gama de productos al

mercado , la obtención de rentabilidad hace necesario el posicionamiento en mercados

específicos a través de una oferta selectiva. (Laroche y Taylor 1988).

En el ámbito de los servicios financieros es particularmente difícil la diferenciación entre

marcas, productos individuales, y familias de productos para los consumidores. Esto no

sólo se debe a que las características de los productos genéricos son fácilmente copiables,

sino también a que tradicionalmente la mayoría de las entidades financiera han prestado

poca atención a la diferenciación6.

6 McGoldrick, Greenland. “Comercialización de servicios financieros”.1ra edición. MacGraw-Hill.Pag 90.


13

1.2.2 Pequeños bancos y divisiones de consumo orientados a segmentos medios y bajos

Durante los últimos años la industria de servicios financieros Chilena, ha visto la inclusión

de bancos pequeños7, que compiten por GSE medios-bajos como son C1, C2 y C3

asumiendo un nivel de riesgo financiero superior al de la banca tradicional.

Sin embargo , en sus inicios la industria bancaria chilena se encontraba lejos de este tipo de

estratos , enfocándose principalmente en los segmentos mas altos de la población siendo

tarea del Banco del Estado, el proveer de servicios financieros a aquellos grupos de

menores recursos, en las décadas de los 70 y 80. Tímidamente pequeñas instituciones

financieras incursionaron en este terreno durante ese periodo de tiempo, otorgando créditos

a personas que los bancos consideraban como “riesgosas” en términos crediticios.

Las multitiendas generaban en ese entonces sus propias tarjetas de crédito, lo que les

permitió generar grandes utilidades por concepto de ventas en cuotas. Durante los 90 los

ingresos no operacionales de las grandes tiendas, demostraron ser la principal fuente de

resultados de estas empresas por lo que se generaron simultáneamente iniciativas para

formar parte del negocio bancario, hecho que se concretó en los últimos cinco años, con la

entrada de 3 nuevos bancos ligados al Retail.

Por su parte los grandes bancos se enfocaron históricamente a los segmentos medios-

bajos, a través de divisiones de consumo que competían con financieras por las cuotas del

mercado, sin embargo hoy en día la situación es completamente diferente pues el énfasis

por la conquista de los segmentos es muchísimo mayor. Es así como se han producido

reestructuraciones, adquisiciones e incluso cambios de marca, con la pretensión de

posicionarse con fuerza en los segmentos de consumo.

A continuación se presentará una síntesis de aquellas instituciones, que serán analizadas en

el presente estudio. Entre estas encontramos a los bancos asociados al retail, y las

divisiones de consumo, de tamaño pequeño y con localización en las ciudades de

Valparaíso y Viña del Mar:

• Banco Falabella: Este banco inicia sus operaciones en el año 2000, y es parte de la

matriz Falabella SACI, líder de retail tanto en Chile como en Perú. Su modelo de

negocios consiste en puntos de venta livianos y localizados y adaptados para captar

7 La clasificación de bancos pequeños es tomada de Feller-Rate en la que la consideración de pequeño, se realiza en base al porcentaje de participación de mercado (que se considera como los activos de la empresa v/s el total de activos de los bancos establecidos en chile), cuando se tiene una participación menor al 1% del total. Fuente: Claudia Labbé .Subgerente Instituciones Financieras. Feller-Rate Chile.


14

clientes de las tiendas, lo que lo ha posicionado entre los principales originadores

de préstamos de consumo del país8. Banco Falabella se orienta a financiar mediante

créditos de consumo, a personas de los estratos C1, C2 y C3 de la población,

principalmente clientes de las tiendas por departamento Falabella y la cadena de

distribución de materiales para la construcción y mejoramiento del hogar Sodimac,

donde ha localizado gran parte de sus 56 oficinas y puntos de venta.

• Banco Ripley: Inicia sus operaciones en el año 2002, y forma parte de grupo de

empresas Ripley Corp. El banco sigue una estrategia de nicho enfocada

principalmente a ofrecer servicios financieros a los clientes de tiendas Ripley,

ubicados preferentemente en los estratos socio-económicos C1, C2 y C3. No

obstante, ésta fue recientemente ampliada para abarcar una gama de servicios más

integral, a la vez que expande su cobertura hacia otros segmentos. Así, se incluyen

personas de estratos más altos y las pequeñas y medianas empresas. Su red de

distribución está en su mayoría asociada a las tiendas Ripley, con 30 sucursales a lo

largo del país.

• Banco Paris: Inicia sus operaciones el año 2004, conformando las empresas

asociadas a Empresas Almacenes Paris S.A. Este proyecto se generó de una

operación en marcha que fue a través de la adquisición de la división de consumo

del banco Santander-Santiago, Santiago Express. La estrategia del banco consiste

en explotar la base de clientes activos de la tarjeta de Almacenes París, centrado en

los segmentos C2 y C3 de la población, y, al mismo tiempo, ofrecer sus productos a

la base de clientes provenientes de Santiago Express. Sus sucursales son 38 y se

extienden a lo largo del país.

• Banco Credichile: Se integra como marca el año 2004, pues no existe una nueva

licencia bancaria de por medio, siendo un área de negocios del Banco Chile-

Edwards. Se enfoca al segmento de las personas C1, C2 y C3, compitiendo

directamente con los bancos asociados al retail. Su red de distribución consta de 49

sucursales que se localizan a lo largo del país.

• Banco Nova: Se integra como marca el año 2005, pues no existe una nueva

licencia bancaria de por medio, dando por terminada la integración del Banco

Conosur a la corporación del Banco de Crédito e Inversiones. El lanzamiento de

Banco Nova es la respuesta al ingreso de los bancos ligados al retail, por parte de

8 Feller Rate. Informe de Clasificación de Riesgo de Bonos del Banco Falabella.


15

BCI, reforzando su presencia en el segmento de consumo. Se espera que la empresa

se posicione en los segmentos C1, C2 y C3 con una amplia gama de productos, y

proyectándose como uno de los lideres del mercado de consumos. Cuenta con 60

sucursales distribuidas a lo largo del País.

• Atlas Citibank: Tiene mas de 25 años en el mercado, y conforma la división de

consumo del Banco Citibank. Apunta hacia segmentos de consumo medios bajos,

conformados por segmentos C1, C2 y C3. Cuenta con 76 oficinas distribuidas a lo

largo del país.

• Santander_Banefe: División de consumo del Banco Santander Santiago, que nace

el año 2004 a través de la financiera Fusa y Fincard. Cuenta con 103 oficinas

distribuidas a lo largo del país.

Se aprecia en los últimos años, el interés por conquistar estos segmentos de mercado antes

ignorados, en gran parte por la positiva experiencia vivida por sectores del retail en el

ámbito crediticio, que alentados por importantes ventajas competitivas como una amplia

base de clientes con buen comportamiento crediticio y la posibilidad de generar ventas

cruzadas, generaron el interés por ingresar al sistema bancario.

Por su parte los grandes bancos hacen sentir su presencia en estos segmentos, a través de

Atlas-Citibank, Banco Nova y Banco Credichile. Estas son conocidas como las divisiones

de consumo de la banca tradicional, que pretenden defender su posición en el mercado de

consumo, con agresivas campañas publicitarias, líneas de productos y promociones

atractivas para el mercado, en conjunto con localizaciones cercanas a grandes centros

comerciales del país.

De este grupo de bancos, se presentan altas rentabilidades como la del Banco Falabella a

diciembre del 2004 que obtuvo la rentabilidad más alta de los bancos establecidos en Chile

con un 26,7%, publicada por la Superintendencia de Bancos e Instituciones Financieras.

Esto en conjunto con la inclusión de nuevas marcas e instituciones en la industria, indica

que este sector del mercado tiene un altísimo atractivo y potencial de desarrollo.


16

1.2.3 Aplicación del análisis multivariado en la investigación de mercados y la gestión

del marketing

En el pasado la cantidad de información manejada por diferentes ramas científicas, era

reducida en comparación con los millones de registros por día que se generan en los

sistemas informáticos empresariales en la actualidad. Por esta razón para trabajar de

manera eficiente con grandes muestras de información, es necesario usar métodos

estadísticos y software con un poder de procesamiento adecuado apropiados para esta

labor .

1.2.3.1 Clasificación no exhaustiva de modelos multivariados

La aplicación de modelos multivariados depende de los sets de datos con los que cuente el

investigador y de los objetivos que se persigan. A nivel multivariado existe la posibilidad

de trabajar con múltiples sets de datos, a través de diferentes técnicas que se presentan a

continuación en una clasificación no exhaustiva.

Figura 2: Clasificación de técnicas multivariadas no exhaustivas.

Fuente: Abdi, Hervé. Multivariate Analysis [en línea]: The University of Texas at Dallas. [Consulta: 30 Julio 2005]. http://www.utdallas.edu/~herve/Abdi-MultivariateAnalysis-pretty.pdf

Un set de datos:


17

• Análisis Factorial: Es uno de los métodos mas versátiles, para descomponer datos

de una tabla que contiene información correlacionada. Esta descomposición se lleva

a cabo a través del método de los componentes principales (generalmente), el cual

entrega factores que representan una síntesis de aquellos componentes que explican

la mayor parte de la varianza.

• Análisis de correspondencia, Análisis de Correspondencia Múltiple: Este análisis es

una generalización del método de los componentes principales, en tablas de

contingencia. Los factores obtenidos entregan una descomposición del estadístico

Chi Cuadrado asociado a la tabla, representándose tanto columnas como filas.

Cuando un gran número de variables son analizadas el análisis de correspondencia

se generaliza en un análisis de correspondencia múltiple.

• Similaridad o distancia; Escalamiento Multidimensional, Análisis de Cluster: Estas

técnicas se utilizan cuando los datos están expresados en una medida de distancia o

similaridad, representando gráficamente estas distancias o similaridades. El EMD

busca graficar en un espacio euclidiano, distancias a través del modelo clásico

(Método de los componentes principales), y similaridades a través del escalamiento

no métrico. El análisis de Cluster usa la distancia entre los datos y forma

agrupaciones a partir de esta.

Dos sets de datos; un set de variables independientes y un set de variables dependientes:

• Análisis de Regresión Múltiple: En este tipo de análisis diversas variables

independientes son usadas, para predecir a través del método de los mínimos

cuadrados una variable dependiente. Si las variables dependientes están

correlacionadas, su grado de correlación es determinado a través del coeficiente

parcial de correlación. Un problema que se puede generar a partir de las variables

independientes, es la multicolinealidad en el cual una de las variables se puede

predecir a partir de otras, en este caso el análisis de regresión múltiple no es posible

de aplicar.

• Análisis Múltiple de Varianza: Este tipo de análisis es usado para predecir a partir

de variables independientes, un grupo de variables dependientes. Este análisis

conocido como MANOVA, calcula una serie de combinaciones lineales de las

variables dependientes, con la restricción de que el primer factor genere el

estadístico F más grande usado en un análisis de varianza ANOVA.


18

• Análisis Discriminante: Este tipo de análisis es equivalente matemáticamente al

análisis múltiple de la varianza, es usado para predecir el grupo al cual una unidad

dada, pertenece. (que es una variable dependiente nominal)

Dos sets de datos; un set de variables independientes y dos o más sets de variables

dependientes:

• Análisis de Correlación Canónica: Combina las variables dependientes para

encontrar nuevas combinaciones de pares, que tengan la más alta correlación. Sin

embargo pese a que se encuentran estos pares altamente correlacionados entre si,

no necesariamente explican una alta porción de la varianza.

• Análisis Factorial Múltiple: Combina muchas tablas de datos en un solo análisis,

siendo el primer paso realizar un análisis de componentes principales en cada una

de las tablas, luego cada tabla es normalizada a través de la división de todos los

datos de esta por el valor propio (Eigen Value) más alto. De esta manera se

estandariza el peso de cada tabla en la solución final, posibilitando el análisis

simultáneo, de diversas tablas heterogéneas de datos.

• Análisis de correspondencia múltiple: Sirve para comparar datos provenientes de

diversas tablas de contingencia. Es una generalización del análisis de

correspondencia simple.


19

1.2.4 Percepción y preferencias Una buena percepción acerca de un bien o servicio es esencial para la gestión de marketing

pues se alinea con el objetivo de generar una rentabilidad sostenible en el largo plazo.

Kotler (2003) en la figura 3 describe la conducta del comprador en un proceso que se inicia

con los estímulos de las mezclas de marketing de los diferentes componentes de la

industria (en conjunto con factores económicos, tecnológicos, políticos y culturales) ,

pasando luego a la “caja negra” del consumidor y finalizando con una respuesta del

consumidor en la que expresa su preferencia por un bien o servicio.

Figura 3. Modelo de la conducta del comprador

En un comienzo las empresas y el entorno generan estímulos que son captados de manera

directa o indirecta por el consumidor el cual según diferentes factores culturales, sociales,

personales y psicológicos, toma decisiones en base a las percepciones generadas según

características personales especificas.

La percepción se enmarca dentro de los factores psicológicos del modelo dentro de los

cuales encontramos también la motivación, aprendizaje, creencias y actitudes. La

percepción es el proceso por el que las personas seleccionan, organizan e interpretan la

información para formarse una imagen inteligible del mundo, viéndose influenciada por los

estímulos de marketing y características personales del consumidor. Una vez formada una

percepción sobre una serie de opciones de compra el consumidor procede a decidir y

ejercer sus preferencias sobre u bien o servicio.

Sin embargo la percepción no necesariamente se relaciona de manera directa con las

preferencias, lo que se explica en el hecho de que en un mercado específico los productos

ofrecidos se encuentran en diferentes etapas de su ciclo de vida, siendo a la vez éstos parte

de diferentes planes de marketing. Es así como un consumidor puede percibir a un

notebook Sony como moderno, de buen diseño, funcional y sin embargo preferir un

notebook HP por tratarse de una marca consolidada en la industria.

Estímulos de Marketing y de otro tipo

Caja negra del consumidor Respuestas del comprador

Selección de producto, marca, distribuidor, momento y monto de la compra

Producto Precio Plaza Promoción

Económicos Tecnológicos Políticos Culturales

Proceso de decisión de compra

Características del comprador


20

Por esta razón es que el investigador de mercados debe estudiar percepciones y

preferencias de manera separada estableciendo relaciones y midiendo los cambios que se

producen en distintos periodos de medición de manera de realizar ajustes a la mezcla de

marketing operativa y así generar una rentabilidad sostenible en el tiempo. La medición

aislada carece de sentido para la toma de decisiones pues solamente entrega datos y no

información.

1.2.5 El problema

El sistema bancario ha mostrado durante los últimos años un profundo interés, por los

segmentos del mercado medios-bajos, particularmente por su gran volumen y capacidad de

pago, lo que se refleja en la gran cantidad de empresas que compiten por las preferencias

de estos grupos de consumidores. El éxito de nuevos bancos ligados al retail en términos

de rentabilidad, es un signo de lo beneficioso que han resultado estos segmentos, por los

cuales antiguamente no existía un alto grado de interés. Esto implica como sugieren

algunos autores que la gestión de marketing de los servicios financieros, ha tomado

muchos aspectos del marketing de productos de consumo, por características comunes

entre ambos, pero manteniendo la orientación propia del negocio. Dentro de estas

características comunes, se señala una alta dependencia al posicionamiento de la marca.

Los estudios de posicionamiento de bancos e instituciones financieras, se vienen realizando

desde hace más de una década por diferentes consultores en la ciudad de Santiago, sin

embargo a nivel de las ciudades de Valparaíso y Viña del Mar, son escasos los esfuerzos al

respecto lo que abre la oportunidad de determinar cuales son las instituciones bancarias

mejor posicionadas en términos de preferencias y percepciones, y también de determinar y

describir segmentos mediante el uso de modelos estadísticos multivariados para este

propósito.


21

1.3 Objetivos de la Investigación

1. Determinar como percibe la población en estudio a los diferentes bancos en

análisis, a través de sus preferencias y percepciones.

2. Determinar y caracterizar los segmentos, a los cuales se dirigen los esfuerzos de

este grupo de bancos, en las ciudades de Valparaíso y Viña del Mar.

3. Determinar posibles nichos de mercado, que no hallan sido cubiertos por las

instituciones actuales.

4. Presentar la relación operativa de las técnicas multivariadas de escalamiento

multidimensional y de análisis de cluster, desde la perspectiva de la investigación

de mercados.

1.4 Descripción del diseño metodológico

1.- Los estudios de posicionamiento del sector bancario, y específicamente hablando de los

pequeños bancos no son algo nuevo en el país , sin embargo en lo que respecta a la Quinta

Región los antecedentes son escasos y no hacen una referencia directa al tema, por esta

razón el tipo de investigación a realizar será exploratoria y descriptiva. Esto implica

inicialmente una investigación bibliográfica, que haga referencia a pequeños bancos,

análisis de posicionamiento y utilización de técnicas multivariadas en la investigación de

mercados, para de esta manera compilar el sustento teórico de esta investigación, y luego

trasladar la investigación a terreno (campo) lo que permitirá generar información de fuente

primaria a través de encuestas, que permitan concretar los objetivos de la investigación,

planteados anteriormente.

2.- Para la presente investigación se consideraran aquellos bancos cumplan con las

siguientes condiciones:

• Segmentos objetivos: Instituciones bancarias, cuyos segmentos objetivos

pertenezcan a GSE medios-bajos, específicamente hablado C1, C2 y C3.

• Localización: Comprenderá aquellas instituciones que se ubiquen en las ciudades

de Valparaíso y Viña del Mar.


22

• Tamaño: Solamente se consideraran bancos pequeños, de acuerdo a la clasificación

realizada por Feller-Rate, que corresponde a aquellos con menos de un 1% de

participación de mercado.

Esto reduce el grupo de análisis a las siguientes empresas: Banco Falabella, Banco Ripley,

Banco Paris, y también a divisiones de consumo de grandes bancos Atlas-Citibank, Banco

Credichile, Banco Nova y Santander - Banefe.

3.- El Universo o población bajo estudio se conforma de residentes en las ciudades de

Valparaíso y Viña del Mar, pertenecientes a estratos socio económicos C2, C3 y D,

mayores de 18 años, con una permanencia superior a 2 años en su trabajo actual y con

renta liquida superior a $100.000. Esto se explica por las exigencias que realizan el grupo

de bancos en análisis a sus clientes para la adquisición de productos.

La asignación de los encuestados a determinados grupos socioeconómicos será realizada

en base al ingreso familiar.

Al no contar con la posibilidad de efectuar un muestreo aleatorio estratificado, se

procederá a realizar un muestreo por conveniencia de 100 personas lo que se considera un

número relativamente grande.

4.- El instrumento de observación consta de un cuestionario dividido en dos partes:

• Primera parte: Otorga una descripción socio-demográfica que generará variables

duras, para la descripción y determinación de segmentos del mercado,

contemplándose también variables blandas, extraídas de factores que son

relevantes en la elección de una institución u otra, lo que permitirá enriquecer el

análisis de los grupos de consumidores. Los factores relevantes para la confección

de la encuesta serán los usados por Adimark, en su estudio de imagen y

posicionamiento de financieras y divisiones de consumo, el cual se realiza

periódicamente en la cuidad de Santiago.

• Segunda parte: Consta de preguntas de preferencia respecto de las instituciones

bancarias bajo análisis y además las percepciones de los encuestados respecto de

los factores relevantes, usados para evaluar al grupo de bancos. Esta información

permitirá realizar un escalamiento multidimensional conocido como el análisis

externo de las preferencias, que representa percepciones y preferencias en un plano

cartesiano.


23

5.- La aplicación de la encuesta será realizada en sectores de las ciudades de Valparaíso y

Viña del Mar que concuerden con la descripción de los GSE chilenos.

6.- Una vez realizadas las encuestas serán tabuladas para luego proceder a su análisis. En

una primera instancia se aplicarán las técnicas de escalamiento multidimensional (EMD), y

de análisis de Cluster. (Ambos modelos serán descritos en el capitulo siguiente).

7.- Una vez realizado el análisis multivariado se procede a extraer las conclusiones acerca

del posicionamiento y segmentación, hallados en la investigación acerca del grupo de

bancos en análisis.

1.5 Limitaciones del estudio

• La encuesta es realizada durante Septiembre del 2006 por lo que el posicionamiento

obtenido representa los juicios y preferencias en un determinado espacio temporal.

• Se realiza un muestreo por conveniencia, por lo que los datos son de carácter

referencial y no proyectivos

• Los resultados en torno al posicionamiento no son de naturaleza exacta pues

reflejan la representación cognitiva de los objetos en análisis que cambia a través

del tiempo, en base a las diferentes acciones de marketing realizadas.

• La información relativa al marketing mix de cada institución financiera es de

carácter confidencial por lo no es posible establecer relaciones entre los cambios de

variables de las estrategias comerciales de las respectivas instituciones financieras

en análisis. De esta manera no es posible analizar el posicionamiento buscado por

cada institución, determinándose solamente el posicionamiento obtenido.

2. MARCO TEORICO En este capitulo se abarcarán conceptos desde un punto de vista teórico, tratados en esta

investigación como son el posicionamiento, y técnicas estadísticas multivariadas como

el análisis de cluster y escalamiento de las preferencias. Con esto el lector podrá

asimilar los aspectos fundamentales que se consideran en el capitulo de hallazgos que

procede al marco teórico.

2.1 Posicionamiento

El análisis de posicionamiento es una actividad realizada regularmente por los

departamentos de marketing , y también por consultoras especializadas que permite

medir cual ha sido el desarrollo de marca o productos en comparación con su

competencia, de acuerdo a atributos que son relevantes para el grupo de compradores.

Este tipo de investigaciones permiten contrastar el posicionamiento buscado con el

posicionamiento efectivamente producido en la mente de los consumidores.

2.1.2 Concepto de posicionamiento

Ries y Trout (1992) definieron el posicionamiento como “la ubicación en la mente de

los consumidores de un producto o servicio, con respecto a la competencia”.

Este concepto se refiere al diseño de una oferta de producto(s) que ocupe(n) un lugar

claro y apreciado en la percepción general del mercado meta, adquiriendo un

significado determinado para segmento(s) del mercado, ya sea a través de características

propias o mediante la imagen que las comunicaciones logren asociar con este9.

El posicionamiento se relaciona estrechamente con las comunicaciones, pues constituye

la herramienta mas importante y eficaz para dar a conocer lo que una compañía pretende

9 La imagen asociada puede ser una fuente de diferenciación del producto pues tiene influencia en la preferencia de los compradores. Chamberlin (1950) señala “….poco importa si la base de la diferencia es real o ilusoria siempre y cuando tenga importancia para los consumidores, y lleve a escoger una variedad de productos por sobre otra”.


25

que se conozca de ella y sus productos, a través de distintos medios o canales, los cuales

son usados según la categoría de producto que se trate y el mercado al cual esta dirigido.

La percepción esta dada no solo por las características tangibles del producto, sino

también por sus atributos objetivos y sujetivos (o intangibles). De acuerdo a esto es

posible definir diferentes niveles de producto, para algún producto o servicio en

particular, en una integración de dimensiones como beneficios, tangibles y añadidos. Un

ejemplo de lo anterior, se presenta en el siguiente diagrama usando como referencia el

crédito hipotecario “Hipotecario Total” del Banco de Chile:

Figura 4.Niveles de producto.

Los Beneficios del núcleo del producto, son aquellos substanciales o básicos, que se

entrega al momento de adquirir un producto o servicio, en el ejemplo de la figura 4 se

define el beneficio del producto la necesidad de financiar la adquisición de una

vivienda. En el siguiente nivel de producto tangible, incluimos a aquellos aspectos

asociados con el beneficio substancial o básico, considerándose aspectos como la

marca, envase, calidad y estilo, en el ejemplo de la figura 4 incluye en este nivel la

marca Banco de Chile para el producto intangible que es “Hipotecario Total”.

Finalmente el tercer nivel o producto ampliado son elementos asociados al producto

tangible, que sirven como apoyo a este, donde encontramos los servicios al cliente,

servicio técnico, garantías, etc. En el ejemplo de la figura 4 el “Hipotecario Total”

Financiamiento Hipotecario

Solicitud vía Internet

Banco de Chile:Hipotecario total

Beneficios del producto

Producto Tangible

Cargo a cuenta corriente Producto Ampliado

SegurosAsesoría


26

cuenta con ampliaciones de producto como asesoría profesional, seguros asociados ,

cargo a cuenta corriente y solicitud vía Internet.

2.1.3 Tipos de posicionamiento

• Posicionamiento Buscado: Corresponde al posicionamiento planeado por la

empresa, desarrollado en el proceso de confección de la estrategia de marketing

operativo. Es así como el posicionamiento se convierte en una decisión

estratégica, que pretende influenciar en el proceso de compra que realizan los

clientes apuntando hacia una fidelización de este a la marca o empresa.

• Posicionamiento Logrado: Se refiere al posicionamiento real, que es

determinado a través de estudios de posicionamiento. Son los resultados de la

gestión de marketing efectuada por la empresa, evaluados a través de los juicios

del mercado obtenidos de encuestas con una representatividad suficiente para

poder generar conclusiones validas. Su determinación es parte de la

investigación de mercados.

• Posicionamiento Ideal: Se refiere a aquel posicionamiento considerado

“exitoso”, en comparación con la competencia, o bien a la coincidencia entre lo

planificado y lo logrado a través de los esfuerzos de marketing. Este es el

resultado de un plan de marketing efectivo en el que las variables clásicas:

Precio, Distribución, Promoción y Publicidad han sido planteadas y aplicadas de

manera correcta de acuerdo a las características de la empresa, industria y

mercado.


27

2.1.4 Proceso de determinación del posicionamiento

La determinación del posicionamiento se nutre de información y planes generados

dentro de un proceso de planificación estratégica, específicamente del marketing

estratégico cuya función es orientar a la empresa de acuerdo a sus recursos hacia

oportunidades que ofrezcan crecimiento y sustentabilidad, situándose en un mediano a

largo plazo. Su función esencial es el análisis de la diversidad de necesidades, para así

encontrar productos-mercados y segmentos dentro de estos, a los cuales determinará su

rentabilidad potencial a través de un análisis cuantitativo, y en términos dinámicos por

la duración de su vida económica representada por el ciclo de vida, lo que permite elegir

una estrategia de desarrollo. Esto constituirá la base del diseño de un plan de Marketing

Operativo.

Una vez que la empresa realiza el proceso de análisis interno y externo que supone el

marketing estratégico, debe plasmar en su plan de marketing operativo las directrices

obtenidas, eligiendo uno o varios segmentos objetivos, diseñando un plan de marketing,

presupuestos y la implementación del plan y control de este. Es en el contexto del plan

de marketing donde se determinan objetivos, posicionamiento y la táctica a utilizar.

El flujo de información entre ambas instancias de aplicación del marketing se produce a

través de la información extraída de los estudios de marketing estratégico, y por los

datos provenientes de la ejecución del plan de marketing, que se generan en la gestión

de marketing operativo referente al nivel de venta, canales, clientes y gastos entre otros.

A continuación se describirán los pasos contemplados en estas dos caras del marketing

(estratégico y operativo) de la figura 5, con el fin de entregar un panorama general de

las etapas contempladas en el diseño de un posicionamiento. Esto se realizará de manera

sintetizada para que el lector, logre visualizar el proceso que genera un posicionamiento

específico.


28

Figura 5. Las dos caras del marketing. Lambin, Jean Jaques. Marketing Estratégico.

Análisis de las necesidades Mercado de referencia Macro y Micro segmentación Análisis del atractivo Mercado potencial CVP Análisis de competitividad Ventaja defendible Elección de una estrategia de desarrollo

Elección del segmento objetivo Plan de Marketing (objetivos, posicionamiento) Marketing Integrado 4P Presupuesto de Marketing Puesta en marcha de un plan y control

Marketing Estratégico Marketing Operativo

Información: -Segmentos -Industria -CVP -Estrategia

Información: -Ventas -Canales -Clientes -Gestión


29

2.1.5 Marketing estratégico

2.1.5.1 Macrosegmentación

El proceso10 de posicionamiento requiere de una Macrosegmentación del mercado, pues

se reconoce la dificultad de satisfacer con un sólo producto a todo un mercado, pues en

este coexisten una importante variedad de necesidades y expectativas. Un buen punto de

partida para cualquier empresa, será definir una misión que se oriente hacia el mercado

(Por muy obvio que pudiera ser esto), para luego proceder a definir el mercado de

referencia en el cual se identificarán macrosegmentos conocidos como: Las

necesidades, los compradores y las tecnologías existentes, en otras palabras el “que”,

“quien”, y el “como”. Gráficamente se representa de acuerdo a lo expuesto en la figura

6.

Figura 6.Mercado de referencia

Cada cubo que se forma en la figura 6 corresponde a un mercado (consumidores y

necesidad) satisfecho por una tecnología. Esta etapa de análisis es aún muy amplia pues

entrega líneas generales de la industria, con lo que se hace necesario generar un mayor

nivel de profundidad en el análisis.

10 Cabe mencionar que el desarrollo de este proceso es teórico, y es posible que en muchas empresas se realicen procesos de posicionamiento, en los que la consecución de las actividades descritas no sea estricta, pudiendo establecer un posicionamiento (bueno o malo) sin el apoyo de una planificación estratégica de ningún tipo.

Necesidad

Consumidores

Tecnología


30

2.1.5.2 Microsegmentación

La Microsegmentación, se realiza para estudiar las múltiples necesidades al interior de

los productos-mercados identificados en la etapa del análisis de la Macrosegmentación.

Lambin señala: “los consumidores o los clientes industriales que forman parte del

producto-mercado11 buscan en los productos la misma función de base......, pueden sin

embargo, tener expectativas o preferencias especificas en torno a la manera de obtener

la función buscada o en los servicios suplementarios que acompañan al servicio base”12.

En este sentido, dentro de un producto-mercado heterogéneo la segmentación se enfoca

en la división de grupos homogéneos que buscan un mismo conjunto de atributos. De

esta manera se identifican las necesidades de los consumidores dentro de un segmento

las cuales se pretenden satisfacer13, mediante el diseño de estrategias que se concentren

en atraer y satisfacer a estos grupos reducidos. Un ejemplo podría ser segmentar el

mercado en base a los GSE, como se aprecia en la figura 7.

Figura 7. Segmentación del mercado de referencia

11 O también “tecnología-mercado”. 12 Lambim,Jean Jaques. Marketing Estratégico. Editorial McGraw-Hill 3ra Edición. Pag.193-194 13 Stanton, William. Fundamentos de Marketing. Editorial McGraw-Hill. 5ta Edición 1992. Pág. 93

Necesidad

Consumidores

Tecnología

Macro segmentación

Micro segmentación

Necesidad Especifica

Grupo de Consumidores Tecnología

Propia de la empresa

ABC1

C2

C3


31

Sin embargo antes de proceder a la segmentación se deben tener claros los criterios con

los que se realizará esta división del mercado, como también los criterios de una

segmentación eficiente.

2.1.5.3 Tipos de segmentación

Las principales variables usadas en la segmentación de mercado, (Kotler, Armstrong

1998) son de tipo Geográficas, Demográficas, Psicográficas y Conductuales.

• Segmentación Geográfica: Consta en la división de un mercado en diferentes

unidades geográficas como naciones, estados, regiones, condados, ciudades, y

vecindarios. De acuerdo a esta separación una empresa podría optar a cubrir

todos los segmentos, o bien de acuerdo a sus ventajas competitivas seleccionar

un grupo reducido de uno o más segmentos sobre los cuales diseñara su

estrategia de marketing operativo.

• Segmentación Demográfica: Las variables demográficas son las más usadas en

la segmentación de mercados, por tratarse de variables de fácil medición cuya

información se encuentra disponible en censos de población. En este grupo

encontramos variables como la edad, sexo, tamaño de la familia, ciclo de vida

familiar, ingreso, ocupación, educación, religión, raza, nacionalidad.

• Segmentación Psicográfica: Este tipo de segmentación divide a los compradores

en diferentes grupos según la clase social, estilo de vida o personalidad. Cabe

destacar que la clase social es un referente poderoso, de acuerdo a Engel,

Blackwell y Minniard (1986), debido a que es la base de la interacción social y

una forma de separación de otros miembros de la sociedad14.

• Segmentación Conductual: Se refiere a la segmentación de un mercado

basándose en conocimientos, respuestas o actitudes hacia un producto o servicio.

Las variables de este tipo de segmentación incluyen ocasiones, beneficios,

posición del usuario, índice de utilización y la lealtad del usuario entre otros. La

segmentación por ocasiones divide el mercado según las ocasiones en que los 14 Engel, Blackwell, Milliard. Consumer Behavior.Editorial Harcourt Press. Novena Edición.


32

compradores tienen la idea de adquirir un producto, hacen efectiva la compra, y

utilizan lo obtenido. Cuando se segmenta por beneficios se toma en cuenta que

aspectos favorables busca el consumidor al momento de adquirir un producto.

La posición de los usuarios se refiere a segmentar entre personas no usuarios,

usuarios potenciales, usuarios por primera vez y usuarios regulares. El índice de

utilización es la tasa de uso que se le da a un producto o servicio especifico, y se

puede expresar como usuarios mínimos, medianos y excesivos.

La forma mas común en que se segmentan mercados consiste en combinar algunas

variables de segmentación en lugar de depender de una base de segmentación

(Schiffman, Lazar 2000), pues de esta manera se enriquecen las definiciones de los

segmentos en mira, logrando una mayor precisión en la descripción de este. Figuran

entre estos:

• Perfiles Psicográficos-Demográficos: Se trata de enfoques complementarios que

enriquecen la información del mercado objetivo, generando una mayor claridad

en torno a la caracterización del segmento. Común es la combinación de

pertenencia a una clase social y con datos demográficos.

• Segmentación Geodemográfica: Se fundamenta en la semejanza que tienen las

personas que viven cerca unas de otras en términos de medios económicos,

hábitos de consumo y estilo de vida.

2.1.5.4 Criterios de una segmentación eficiente

El desafío al momento de segmentar es lograr que las variables en uso sean

identificables, lo que puede parecer obvio en este tipo de proceso, sin embargo una

variable como el estilo de vida es difícil de identificar y de observar, no así las variables

demográficas. Un segmento objetivo atractivo para quien pretenda ingresar a competir

por el, debe contar con un número de personas suficientes que lo hagan rentable.

Además es conveniente seleccionar segmentos estables que no tengan un alto grado de

movilidad, pues los esfuerzos de marketing se diluyen en productos y servicios con


33

ciclos de vida cortos. Otro factor de importancia es la accesibilidad del segmento de

manera eficiente dado su impacto en términos económicos, en aspectos como la

publicidad y la distribución.

2.1.5.6 Atractivo y competitividad Los segmentos del mercado identificados representan una oportunidad económica cuyo

atractivo debe ser medido. El atractivo de un producto-mercado se mide en términos

cuantitativos a través del concepto de mercado potencial y en términos dinámicos por la

duración de su vida económica que se representa a través del ciclo de vida.

El mercado potencial se divide en dos aspectos el actual y potencial absoluto. El

mercado potencial actual es el nivel de demanda en un determinado periodo de tiempo,

mientras que el potencial absoluto es el nivel máximo de demanda de un producto o

servicio15.

Por su parte el modelo de ciclo de vida del producto (CVP) mide la importancia

económica que representa un producto mercado. El atractivo es medido a través de

modelos cuantitativos, complementándose con una evaluación dinámica o la evolución

de la demanda en el tiempo.

2.1.5.7 Elección de estrategias de desarrollo Porter (1982) considera que existen tres grandes estrategias básicas de desarrollo

posibles para una empresa frente a la competencia:

• Liderazgo en Costos: Esta estrategia se apoya en la productividad. Los gastos

en ventas y publicidad son reducidos, pues el acento esta puesto en la obtención

de un costo unitario bajo.

15 Bajo la hipótesis de que todos los usuarios potenciales son usuarios efectivos, y ello a la tasa de consumo unitario óptima.


34

• Diferenciación: Esta estrategia tiene por objetivo dar al producto cualidades

distintivas importantes para el comprador y características que lo diferencien de

los competidores.

• Estrategia del Especialista: El especialista se concentra en un grupo específico

de consumidores, sin pretender dirigirse al mercado entero. Esta concentración

en un segmento brinda niveles de atención superior en comparación con

empresas que abarcan mayores cuotas de mercado.

2.1.6 Marketing operativo

Booms y Bitner (1981) reconocen la ampliación de las cuatro “p” clásicas del

marketing, a 7 “p” en el caso de los servicios, a través de lo que se acusa como una

sobre simplificación de lo que realmente involucra la gestión del marketing.

Las “p” adicionales son:

• Personas: Todas aquellas personas involucradas en el proceso de prestación del

servicio.

• Proceso: Procedimiento, mecanismo y flujo de actividades, a través de las cuales

los servicios son consumidos.

• Evidencia Física: Es el entorno en el cual se presta el servicio. Incluye los bienes

físicos que ayudan a comunicar y realizar el servicio.

Estas variables en conjunto con el precio, producto, publicidad y la distribución

conforman las variables relevantes en la gestión de marketing de servicios.

En el marketing de servicios y específicamente el financiero se designan “productos

intangibles” a tarjetas de crédito, prestamos, hipotecarios y seguros entre otros.

Una vez realizado el proceso que exige el marketing estratégico, en el cual se

determinan estrategias, atractividad y competitividad se procede a plasmar en un plan de

marketing operativo los resultados obtenidos.


35

2.1.6.1 Estrategias de posicionamiento

Una vez que se realiza la segmentación del mercado referencia de acuerdo a los criterios

mas convenientes para cada organización, se procede a determinar e identificar cuales

son las posibles ventajas competitivas de la oferta que se realiza y que pudieran atraer a

un grupo considerable de compradores del segmento. Esto responde a la necesidad de

efectuar planteamientos que sean atractivos para el mercado, y a la vez realista para la

infraestructura y personal con que cuenta la empresa.

El consumidor buscará en los productos que adquiere, aquellos que proporcionen el

mayor valor por lo que paga. Este hecho es clave para determinar los atributos buscados

en el producto o servicio, por los diferentes segmentos objetivos seleccionados por la

empresa, y comprender sus necesidades y procesos de compra.

Las posibles ventajas competitivas pueden entregarle a una compañía diferencias a

nivel de producto, servicio entregado, personal, imagen de la empresa o marca, entre

otros.

Esta decisión es importante pues servirá como directriz en el establecimiento del

programa de marketing. El posicionamiento define como la marca o empresa desea ser

percibida frente al mercado objetivo (previamente estudiado y segmentado), buscando

la obtención de un lugar privilegiado y diferente al de la competencia.


36

2.1.6.2 Bases de un posicionamiento

La base del posicionamiento se refiere a aquellas características distintivas de un

producto o servicio, a través de las cuales es posible generar un posicionamiento

sustentable.

La formación de un posicionamiento se apoya en: cualidades distintivas del producto,

ventajas en la solución aportada, oportunidad de utilización, orientar hacia una categoría

de usuarios, en relación a una marca competidora, entre otros. A continuación se

describen algunos de estos:

• Cualidades Distintivas del Producto: Consiste en centrar la atención del cliente

en una característica especifica del producto, que lo diferencie favorablemente

de la competencia.

• Ventajas del Producto: El producto se asocia con ventajas que resultan de su

consumo o utilización, y que son favorables para el estilo de vida del usuario.

• Oportunidad de Uso: Destaca la ocasión en que se le da uso al producto, como

algo deseable para el mercado meta. Esta ocasión puede referirse a un momento

del año, celebraciones familiares, ocasiones laborales, dietas entre otros.

• Categoría de Usuario: Se identifican categorías de usuarios con características

comunes entre ellos, apuntando a factores psicológicos de estos como imágenes

de éxito, salud y belleza.

• Posicionamiento en relación a competidores: Esta opción supone posicionar el

producto en relación a su competencia, como una opción de mayor calidad y de

mejor relación precio/calidad para de esta manera obtener cuotas de mercado

pertenecientes al líder.

• Categoría de productos: Implica un posicionamiento en base a una clase distinta

de productos de los que actualmente, están en el mercado.


37

2.1.6.3 Procedimiento de selección de un posicionamiento

Para proceder validamente a la selección de un posicionamiento, deben reunirse un

cierto número de condiciones previas16:

- Conocimiento del posicionamiento que ocupa la marca en el grupo de

compradores al cual se aboca la empresa.

- Conocer además el posicionamiento que han obtenido las marcas

competidoras, en particular de aquellas que las que se compite

directamente.

- Escoger un posicionamiento y seleccionar el argumento más adecuado y

creíble para justificar el posicionamiento adoptado.

- Evaluar la rentabilidad potencial del posicionamiento seleccionado

desconfiando de falsos nichos o almenas inventadas por creativos

publicistas o identificados por un estudio cualitativo no validado por una

gran muestra.

- Verificar si la marca detenta la personalidad requerida para conseguir y

mantener el posicionamiento buscado.

- Medir la vulnerabilidad del posicionamiento buscado ¿Se tienen los

recursos necesarios para ocupar y mantener la posición buscada?

- Asegurar una coherencia entre el posicionamiento escogido y las otras

variables del marketing operativo.

- Lo principal de esta etapa es disponer de información precisa acerca del

posicionamiento escogido, y así evitar mayores dificultades en la

implementación o modificación de un programa de marketing.

16Lambin, Jean-Jaques. Marketing Estratégico. Mc Graw-Hill. Tercera Edición. Pág.220


38

2.2 Escalamiento multidimensional de las preferencias

2.2.1 Introducción El escalamiento multidimensional (EM), es una de las herramientas del análisis

multivariado usadas para representar datos en una baja dimensionalidad facilitando la

interpretación de grandes sets de datos, a través de la configuración de mapas. En la

presente sección de este capítulo se describirán los antecedentes del modelo,

definiéndolo conceptualmente y explicando de manera general su estructura algorítmica.

En la última sección, se describe el EM de las preferencias, técnica mediante la cual se

interrelacionan preferencias y atributos relevantes, en un esfuerzo por entender de qué

manera eligen los consumidores diferentes productos, y cual es el orden de preferencias

de estos. También se incluye una descripción de cómo se complementa este modelo con

otras técnicas del análisis multivariado.

Esto es de gran importancia para los equipos de Marketing los cuales pueden, recabar

información acerca de la efectividad de su gestión (o de la competencia) en términos del

producto comercializado, posibilitando reforzar o modificar ciertos aspectos de la

gestión comercial, como también de la investigación y desarrollo de productos.


39

2.2.2 Antecedentes El escalamiento multidimensional tiene su origen en la investigación de Torgeson

(1952), a través de la propuesta de un escalamiento métrico, en el cual fue capaz de

representar grupos de datos métricos, en un espacio euclidiano de menor

dimensionalidad. Un ejemplo práctico de este modelo, es la capacidad de configurar un

mapa de las ciudades de un país en un plano bidimensional, solamente a través de las

distancias de estas entre si, con una alta precisión respecto del plano original.

Sin embargo, el gran aporte para las ciencias sociales se produce con la introducción del

escalamiento multidimensional no métrico. Shepard (1962) desarrolla un modelo en el

cual se representan percepciones llamadas (dis)similitudes mediante la transformación

de estas en distancias euclidianas, Kruskal (1964) por su parte le entrega al modelo una

mayor robustez matemática y estadística, con la generación de la medida de Stress

(Ajuste del modelo), que permite una reducción drástica de la varianza no explicada por

el modelo.

El siguiente avance es el escalamiento de las diferencias individuales, en el cual se

representa en un plano bidimensional a cada uno de los sujetos participan en la

investigación, pudiendo determinar con cual de las dimensiones se relacionan en mayor

o menor medida, en este sentido Tucker & Messick (1963), en conjunto con Bloxom

(1968) entregan los fundamentos de este modelo conocido como INDSCAL en los

paquetes computacionales, el cual fue desarrollado y programado por Carrol & Chang

(1970).

Hoy en día la investigación y desarrollo en materia de escalamiento multidimensional,

ha permitido generar programas computacionales de alta potencia que combinan

diferentes entradas de datos, modelos y transformaciones como ALSCAL y

PROXSCAL.


40

2.2.3 Concepto

El escalamiento multidimensional (EMD), es conformado por una serie de

procedimientos para capturar las percepciones y preferencias, a través de

representaciones geométricas conocidas como mapas espaciales.

Los ejes representan las dimensiones subyacentes con las que los encuestados forman

su percepción y preferencias sobre un producto, marca o servicio entre otros muchos

aspectos posibles de medir. Estas dimensiones son posibles de obtener a través del

análisis factorial.

Su usos principales permiten por una parte para determinar el numero y la naturaleza de

las dimensiones que utilizan los consumidores para evaluar las distintas marcas en un

mercado, y también medir el posicionamiento de estas, estableciendo cual sería una

marca ideal para los consumidores, información relevante para la toma de decisiones de

marketing.

Malhotra (1997) clasifica los diferentes usos del EMD:

- Medición de la imagen: Se puede comparar la imagen que tiene la empresa tanto

con clientes y no clientes, contrastando con la imagen que tiene la empresa de si

misma. De esta manera se podría determinar que tan adecuado es el enfoque con el

que se atiende a los clientes, y si es necesario realizar cambios que posicionen de

mejor manera a la empresa.

- Segmentación del mercado: Tanto consumidores como marcas se pueden agrupar

en segmentos o grupos homogéneos.

- Desarrollo de nuevos productos: Las distancias en este tipo de mapas permiten

determinar el éxito potencial que tendría un nuevo producto, comparándolo con

productos ya existentes.


41

- Efectividad publicitaria: Los mapas preceptúales son un instrumento de medición

que permitirá determinar si el posicionamiento buscado por la publicidad fue

efectivamente logrado.

- Precios: Se puede determinar el impacto del los precios en el posicionamiento de

una marca.

- Distribución: Mediante esta técnica se puede determinar en que tipo de tiendas se

produce una mayor concordancia entre el distribuidor y el producto, siendo útil para

determinar cual es el canal de distribución mas adecuado.

2.2.4 Modelo de Escalamiento Multidimensional

El escalamiento multidimensional es parte de una familia de modelos a través de los

cuales la información contenida en sets de datos es representada como un grupo de

puntos en el espacio. Es importante tomar atención a tres aspectos básicos al usar el

EMD; los datos, el modelo en si, y la transformación. Kruskal (1968) explica cada uno

de estos aspectos:

- Datos: Entregan una relación empírica de cómo los objetos o estímulos se

relacionan entre si. En el EMD no métrico los datos toman la forma de una matriz

rectangular, de dos dimensiones, cuyas entradas indican que tan similares o

disimilares son cualquiera de los pares de puntos17. Por convención la entrada de

una fila i y una columna j se denomina , entregando la distancia entre el objeto i

y el objeto j. Como la matriz es simétrica ( ) solamente se presenta el

triangulo inferior, ignorándose la diagonal y el triangulo superior.

- Modelo: Aunque pueden ser usadas, muchos tipos de distancia para medir la

(dis)similitud lo mas frecuente es usar el modelo de distancia Euclidiana. Cabe

recalcar que para un escalamiento no-métrico los datos se asumen “como si

fueran distancias”; no las distancias exactas sino estimaciones de estas. La solución

17 A este tipo de datos se los denomina en ingles como SS2W (square simmetric 2 way)


42

del modelo, conocida como “configuración final” consiste en la organización de

puntos en una baja dimensionalidad, de manera tal que la distancia entre los puntos

iguale a la (dis)similitud entre los objetos de la manera mas precisa posible.

-Transformación: El EMD no métrico asume como uno de los datos más

importantes el ranking de las entradas de la matriz original, pues a partir de esta

ordenación se transforman cada uno de los datos en distancias d (i, j) las cuales

respetan el orden original de la manera mas precisa posible. En este sentido la

función de transformación debe ser monotónica18 y lograr una solución que

conserve el orden de la configuración original de los datos, y de reducida

dimensionalidad.

El EMD se realiza a través de tres etapas generando inicialmente una configuración

original que representa una primera tentativa de cómo debería ser la solución, luego se

testea el ajuste de los datos originales v/s la configuración en que se realizó la

transformación, y finalmente si el ajuste es deficiente se mejora la configuración para

testearla nuevamente mientras que si el ajuste es bueno se detiene el proceso. Este

procedimiento es el que se realiza en los programas computacionales de escalamiento

no métrico. La figura 8, presenta el algoritmo del EMD de una manera más detallada.

18 Un incremento monotónico es aquel que no decrece nunca, por lo tanto una transformación monotónica mantiene y preserva el orden original.


43

Figura 8. Síntesis del proceso Iterativo de EMD. Fuente: Coxon, Anthony. “User´s guide to EMD.” 1982

London. Heinemann Educational Books.

El algoritmo contempla la realización de diferentes etapas, para completar, el proceso de

EMD:

i) Configuración inicial: La creación de una configuración inicial debe ser una

buena estimación de la solución final para así reducir el número de

iteraciones y reducir la probabilidad de terminar con una solución en la que

el ajuste del modelo es sub – óptimo.

ii) Normalización de la configuración: Con esto se logra que la configuración

tenga una dispersión constante.

Inicio

Configuración Inicial (i)

Normalización de la Configuración (ii)

Cálculo de las distancias (iii)

Ajuste de Disparidades (iv)

Cálculo del Stress (v)

¿Es el Stress suficientemente bajo? (vi)Solución final,

configuración definitiva. Fin

Si

Cálculo del factor de corrección Algoritmo de Kruskal: determinación de la gradiente. (vii)

No

Cambio de configuración (viii)


44

iii) Cálculo de las distancias: Cada vez que se cambia la configuración se calcula

un nuevo grupo de distancias, de acuerdo a la medida Euclidiana.

iv) Ajuste de disparidades: Se compara la solución (distancias en la

configuración respectiva) con los datos originales, a través de disparidades

que al igual que los datos son de orden monotónico.

v) Calculo del Stress: El stress se refiere al grado de ajuste de los datos con las

distancias obtenidas de las diferentes configuraciones que se generan en este

proceso. El indicador más usado es el Stress de Kruskal :

Donde:

- corresponde a la distancia de entrada entre el objeto i y el objeto j.

- corresponde a la distancia calculada a partir de las coordenadas

obtenidas según el procedimiento de EMD.

- m corresponde al número total de individuos.

vi) ¿Es el stress suficientemente bajo?: Existen diferentes criterios que dan

término a este proceso, siendo el más importante que el valor del stress sea

igual a cero, también que el valor sea aceptablemente cercano a cero, o que

la reducción del stress entre iteraciones sea marginal.

vii) Cálculo del Factor de corrección: Este factor indica la medida de “mejora”

en la reducción del stress. Lo importante para el lector más que las formulas


45

de corrección, es el hecho de que en las primeras iteraciones se producen las

más altas mejoras de la configuración, reduciendo el stress

significativamente, mientras que en las iteraciones finales la corrección es

mínima.

viii) Cambio de configuración: Cuando todos los factores de corrección han sido

calculados y el stress es minimizado se reconfigura de acuerdo a la formula

de corrección general, y cada punto se mueve en una mayor conformidad

con los datos. De esta manera, el ciclo iterativo es completado.

La configuración final, en la mayoría de los modelos de EMD, es rotada antes de

acuerdo a los componentes principales de los datos antes de generar los resultados. Esto

no afecta en nada a la configuración respectiva, solamente entrega ejes de referencia que

facilitan la interpretación de los datos.


46

2.2.5 Consideraciones en la realización de escalas multidimensionales

En general la formulación del problema tiene una gran relevancia al tratarse del primer

paso para realizar un EMD, en este sentido la recopilación de los datos de entrada es

clave pues varía según el tipo de escalamiento a realizar. También se debe especificar

cuales y cuantas son las marcas y estímulos que incluirá el análisis.

Los datos a obtener son de percepciones o de preferencias. Los datos de las

percepciones son los primeros en estudiarse, en este sentido estos pueden ser obtenidos

de manera directa o indirecta.

- Obtención de datos directa: Bajo este tipo de recopilación se determina que tan

similares son determinadas marcas o estímulos a través de juicios propios. Esto

puede realizarse a través de encuestas de escalas Likert o clasificando pares desde el

mayor parecido al menor. También es posible tomar cada una de las marcas de

referencia y realizar una clasificación en términos de similitud. De esta manera no

se requiere identificar a priori un conjunto de atributos significativos, pues la

similitud es realizada de acuerdo al criterio de cada entrevistado.

- Obtención de datos Derivadas: Esta forma de obtención difiere de la directa al

utilizar datos provenientes de los atributos identificados en etapas previas de la

investigación, o provenientes de fuentes secundarias. Su ventaja es que permite

agrupar a los entrevistados con percepciones homogéneas, de manera relativamente

sencilla.


47

2.2.6 Selección de escalas de Medición

Las escalas de medición al momento de realizar un EMD, son un factor determinante,

pues la naturaleza de los datos de entrada afecta el resultado obtenido. En el caso de un

EMD no métrico los datos son ordinales, pero entregan un resultado métrico dado que

las distancias en el mapa espacial se suponen que se encuentran en una escala de

intervalo.

Las EMD métricas requieren de datos de entrada métricos, y así se asegura un resultado

métrico que tiene una relación muy fuerte entre este y los datos de entrada.

2.2.7 Número de Dimensiones

La idea de un procedimiento de representación multidimensional es graficar una

situación en un momento determinado, en la menor cantidad de dimensiones posibles.

El ajuste o stress de estos mapas, se calcula de manera que este mejore a medida que el

número de dimensiones aumenta. La medida de ajuste se conoce como énfasis el cual

representa la carencia de este a través de valores altos.

El Criterio de Recodo, es una forma de medir el ajuste del EMD, para determinar el

número de dimensiones, formando un trazo del énfasis en comparación con las

dimensiones. Esto se representa gráficamente a través del diagrama de Shepard como se

observa en la figura 2, en el cual el eje horizontal representa el número de dimensiones,

mientras que el eje vertical el nivel de stress.


48

Figura 9. Diagrama de Shepard

En la figura 9, se observan cuatro diferentes transformaciones, en diferentes sets de

datos que realiza el modelo de EMD. A primera vista se concluye que no en todos los

sets son posibles de ser representados en una baja dimensionalidad, pues solamente los

sets 3 y 4 reducen su stress (grado de ajuste del modelo) cuando su dimensionalidad es

menor a tres, mientras que para los sets 1 y 2 el ajuste del modelo se produce cuando la

dimensionalidad es muy alta, lo que dificulta la interpretación de la configuración

resultante. Al doblez que se produce en el diagrama de Shepard, en el que el stress del

modelo se reduce drásticamente se le denomina el criterio de recodo.


49

2.2.8 Designación de las dimensiones

Esta etapa del procedimiento requiere del juicio subjetivo del investigador para realizar

una interpretación adecuada del significado de la dimensiones.

El uso de métodos estadísticos como la regresión permite ajustar los puntos de atributos

en el mapa espacial obteniéndose vectores, los que pueden ayudar a designar a las

dimensiones al comparar el grado de alineación entre ambos.

Los entrevistados también juegan también un papel importante en la designación de las

dimensiones pudiendo recurrir a indagar acerca de los criterios usados para realizar sus

evaluaciones, además mediante la presentación de los mapas espaciales se puede

solicitar la revisión de las configuraciones y posterior designación de estas.

2.2.9 Confiabilidad y Validez

Los resultados obtenidos en un EMD, dependen de la variabilidad aleatoria de los datos

de origen. De esta manera es necesario revisar la confiabilidad y validez de las

soluciones del EMD. Algunas formas de llevar a cabo esta revisión son:

- Índice de Ajuste R cuadrado: Indica que tan bien se ajustan los datos de

entrada al modelo. Es una medida de ajuste.

- Énfasis: Es una medida de inadecuación del ajuste, de la proporción de la

varianza de los datos que no es tomada en cuenta en el modelo de EMD.


50

2.2.10 Escalas de Datos de las preferencias

Las preferencias son importantes de analizar pues a través del estudio de las

percepciones, se puede determinar similitud en términos de atributos pero no

necesariamente en términos de preferencias. Dos ciudades podrían poseer atributos

similares y ser percibidas así también, pero la preferencia por una u otra podría resultar

diferente.

Por esta razón se realiza el análisis de preferencias como parte del EMD, a través de

dos tipos de análisis de datos internos o externos. Cuando se realiza un análisis de

preferencias a través de datos internos se configura un mapa que se deriva solo a través

de los datos de las preferencias, mientras que el análisis externo se apoya además en la

información obtenida de las percepciones y aplicada a un mapa espacial.

Las percepciones por alguna marca o producto, en un análisis de preferencias externo

están representadas por los puntos del mapa generados a través del escalamiento,

mientras que las preferencias de un individuo o grupo de individuos, se representan

mediante vectores en el plano. De esta manera la cercanía de un vector de preferencia

hacia un punto, indica una alta correlación entre ambos.


51

2.2.11 Modelo Vectorial de Escalamiento externo de las preferencias

El modelo vectorial de escalamiento externo de las preferencias permite relacionar las

preferencias mostradas por grupos de consumidores con características de los productos

(físicas, químicas, sensoriales u económicas) traducidas en percepciones. Esta

aproximación al EMD permite contar con una base de trabajo para los equipos de

marketing y de desarrollo de productos en la adaptación o creación de productos que

concuerden con las expectativas de los consumidores. El modelo vectorial requiere de

dos tipos de entrada:

- Preferencias de consumidores: Expresión de favoritismo por los diferentes

objetos en análisis, a través de escalas de preferencia.

- Percepciones de objetos en estudio: Los consumidores expresan la percepción

que tienen de los objetos en estudio, de acuerdo a atributos relevantes, o

características descriptoras de estos.

Es importante mencionar estas dos fuentes de información del modelo, pues lo

diferencian del análisis interno de las preferencias el cual solo requiere de las

preferencias de los encuestados. Matemáticamente el modelo en su versión vectorial19,

es el siguiente:

l

i

iijlilj cXaY +=∑

=1

Donde:

ljY : Preferencias de un sujeto j, o grupo de sujetos de una variable de percepción o

descriptora l.

lia : Posición del vector, en la i-ésima dimensión, de la variable descriptora l.

19 Existe otras versiones del modelo como la cuadrática y cúbica.


52

ijX : Posición del sujeto j en la dimensión i, obtenida de la solución del escalamiento

de las percepciones.

lc : Constante del modelo.

Este modelo permite como se muestra en la figura 3, representar los vectores de

preferencias de los grupos de consumidores en el mapa generado a partir de las

percepciones de los atributos de los objetos de estudio (de los mismos consumidores).

El tamaño de los vectores se relaciona con el coeficiente de correlación 2R , mientras

mayor sea este indicador mayor será el tamaño del vector en el mapa, y por supuesto

mejor será el ajuste de los datos. La preferencia del(los) consumidor(es), se incrementa

mientras menos distancia exista entre la punta del vector y los objetos. Por el contrario

un vector pequeño, indica una considerable dispersión de los datos, siendo su

interpretación riesgosa.

Figura 10. Escalamiento Externo de las preferencias

Como se observa en la figura 10, el modelo nos entrega una salida gráfica de

preferencias (Vectores) y objetos (Puntos), además de un ranking de preferencias para

cada grupo en estudio, el cual permite determinar cuales son los objetos mejor


53

posicionados en la mente de los diferentes individuos o grupos de individuos, según la

cercanía de los diferentes puntos a la punta de los vectores. Como ya se mencionó un 2R , bajo implica que el modelo vectorial no se ajusta bien a los datos en análisis, y en la

gráfica observamos que solamente los vectores de los grupos 1,3y 6 son lo

suficientemente largos para interpretarlos correctamente.

2.2.12 Complementos del análisis externo de las preferencias

Cuando se realiza un análisis externo de las preferencias, se debe tomar en cuenta que el

modelo puede ser complementado a través del uso de otras técnicas estadísticas en su

confección, como se demostrará en la aplicación práctica de esta guía de estudio.

En efecto, una de las entradas necesarias del modelo son los puntajes factoriales de las

percepciones de los encuestados en relación a los objetos en estudio (a través de factores

relevantes); esto es posible de obtener a través de diferentes métodos que tienen una raíz

común: el análisis de los componentes principales (Principal Component Analysis,

PCA). Por lo tanto la obtención de estos factores se puede realizar a través del EMD,

Análisis de Correspondencias, Análisis Factorial o aplicando directamente un PCA.

Otra consideración respecto de: las preferencias sobre los objetos en estudio, es la

eficiencia en la aplicación de un análisis de cluster al grupo de encuestados,

reduciéndolo a un número de grupos designado por el investigador con características

comunes en términos de preferencias.

Si se grafican los resultados obtenidos del PCA, tanto de objetos como atributos es

posible luego visualizar, la relación que existe entre la preferencia de ciertos grupos y

los atributos que tienen una mayor significancia en la elección de los objetos20. De esta

manera es posible no solo obtener el orden de preferencia que tendrán los grupos que se

incluyen en el análisis, sino también cuales son los atributos más importantes en su

elección.

20 Los datos de entrada del PCA y EMD deben ser estandarizados para posibilitar la comparación entre mapas cuyos ejes sean iguales.


54

2.3 Análisis de Cluster

2.3.1 Introducción

El análisis de cluster (conglomerados), es una de las herramientas del análisis

multivariado, que permite agrupar diferentes objetos, sintetizándolos en grupos que

poseen atributos similares entre si pero diferentes entre ellos. Esto permite estructurar la

información facilitando el entendimiento de ella.

En este capítulo se describirán los antecedentes del modelo, definiéndolo

conceptualmente. También se describirán los diferentes modelos de selección de

conglomerados, en conjunto con consideraciones técnicas como la medida de distancia,

el número e interpretación de los grupos obtenidos, y la determinación de la validez y

confianza de los resultados.

2.3.2 Antecedentes

El Análisis Cluster, también conocido como Análisis de Conglomerados, Taxonomía

Numérica o Reconocimiento de Patrones, al igual que el análisis factorial pertenece a la

familia de las técnicas estadísticas multivariantes.

El termino análisis de Cluster fue usado por primera vez por Tyron (1939), quien

describió una serie de algoritmos de clasificación para objetos similares en sus

respectivas categorías. Su uso en la actualidad es amplio, abarcando diferentes áreas

como son la biología, genética, medicina, psicología, matemática, investigación de

mercados, data mining, entre otros.


55

2.3.3 Concepto

El análisis de cluster responde a la necesidad de organizar datos observados en

estructuras que tengan sentido para el investigador. Estos objetos tienden a ser similares

entre si y diferentes a los objetos en otros grupos, los cuales se denominan

conglomerados.

Este tipo de análisis se ocupa de la clasificación y no existe información anterior que

sugiera la participación de un objeto en algún conglomerado en particular, pues los

datos sugieren los grupos. Punj y Steward (1983) señalan que en el campo del

marketing, el análisis de cluster se utiliza para diversos propósitos entre los cuales se

encuentran:

• Segmentación de Mercado: Los consumidores se pueden agrupar en base a los

beneficios que buscan en la compra de un producto. Estos beneficios deben ser

relativamente homogéneos, lo que se conoce como segmentación por beneficios.

• Comprensión del comportamiento del consumidor: En la búsqueda de entender

el proceso de compra de los consumidores, se los puede agrupar según la

importancia que se les da a los factores que influyen en el criterio de adquisición

de bienes, o las preferencias que se tienen sobre algunas marcas por sobre otras.

• Introducción de nuevos productos: La agrupación de marcas y productos,

permite identificar conglomerados que tengan una intensidad competitiva mayor

que la de otros ante la gran acumulación de objetos en el. De esta manera una

empresa puede analizar sus ofertas en comparación con la competencia a fin de

identificar oportunidades potenciales de nuevos productos.

• Selección de mercados de prueba: Al dividir las ciudades en grupos

homogéneos, es posible seleccionar ciudades comparables a fin de testear

diferentes estrategias de marketing.


56

• Reducción de datos: El análisis de Cluster puede ser usado en la reducción

general de datos a fin de desarrollar subgrupos de datos que sean más fáciles de

manejar que las observaciones individuales.

A continuación se presentan ejemplos de cada uno de estos propósitos, en el

siguiente cuadro:

Segmentación de Mercados

Agrupar consumidores según atributos relevantes en la adquisición de un bien o servicio como son el precio, cantidad, envase, sabor, atención, servicio técnico, etc. También se puede complementar el análisis con datos demográficos.

Comprensión del comportamiento del consumidor

En estos casos, se agrupa para determinar cual es el comportamiento del consumidor, ante un determinado producto. Por ejemplo, agrupar según atributos a un cierto número de consumidores en relación a una marca específica, o bien en torno a preferencias frente a varias marcas.

Introducción de nuevos productos

Cuando se desea introducir un producto al mercado, se realiza un análisis de cluster para agrupar productos o marcas, según variables como por ejemplo: La participación de mercado, precio y calidad. De esta manera, se determinan conglomerados con una mayor intensidad competitiva, o menor según la cantidad y tipo de productos, empresas o marcas en cada cluster.

Selección de Mercados de Prueba

Cuando en un país se desean determinar distintos mercados de prueba, se pueden agrupar diferentes ciudades para determinar mercados de prueba. Un ejemplo sería determinar un grupo de ciudades con características similares a la cual se desea introducir un producto, que tengan un tamaño menor.

Reducción de Datos La agrupación de por si, permite reducir el tamaño de los datos. Por ejemplo de 100 encuestados se pueden formar 4 grupos.

Tabla 3. Ejemplos de aplicaciones del análisis de cluster


57

2.3.4 Modelos de selección de conglomerados

Dentro de los métodos de clasificación de conglomerados se encuentran aquellos de tipo

jerárquico y no jerárquico. Malhotra (1997) en la figura 11 propone el desglose de los

modelos de selección de conglomerados.

Figura 11. Clasificación de los procedimientos de cluster. Fuente: Malhotra, Naresh. Investigación de Mercados. 1997. Prentice-Hall Segunda Edición.

Los métodos jerárquicos se caracterizan por formar una estructura ordenada en forma de

árbol. Estos métodos pueden realizarse de dos formas:

Procedimientos de Agrupación

Jerárquico No Jerárquico

Aglomeración División

Umbral Secuencial

Umbral paralelo

División para optimización

Métodos de enlace

Métodos de varianza

Métodos centroides

Método de Ward

Enlace sencillo Enlace completo

Enlace promedio


58

• Aglomeración: Cada objeto se separa como un grupo, y se forman

conglomerados en la medida en que se agrupan estos objetos y se reduce la

cantidad de conjuntos. Esto se repite hasta que se forma solo un grupo, como

muestra la figura 12.

Figura 12. Método de agrupación por aglomeración.

• División: Todos los objetos se consideran un solo conjunto, el que se divide

hasta que cada objeto es un grupo por si mismo, como muestra la figura 13.

Figura 13. Método de agrupación por división.

Dentro de los métodos de aglomeración se ubican los métodos de enlace que agrupan

los objetos de acuerdo a la distancia entre ellos. Entre estos se encuentran el enlace

sencillo, completo y el promedio. El enlace sencillo toma como procedimiento la

formación de conglomerados de acuerdo a la distancia mas corta que exista entre los

A, B, C, D

A, B

C

DC, D

A

B

A

B

C

D

E

F

A, B, C, D, E, F

F, D, ED, E

B, C

A, B, C


59

objetos, luego se calcula la siguiente distancia mas corta y se determina la formación de

un nuevo conglomerado o se suma el objeto al conglomerado existente, y así

sucesivamente hasta generar un solo conglomerado. El enlace completo funciona de

manera similar al enlace sencillo solo que los conglomerados se forman en base a la

distancia máxima. En el caso del enlace promedio se procede a promediar la distancia

que existe entre todos los pares de objetos.

También dentro de los métodos de aglomeración se incluyen los métodos de varianza y

los métodos centroides. Los métodos de varianza cumplen la función de conformar

grupos en los que la varianza dentro de estos se reduce, Ward (1963) desarrolla un

método usado frecuentemente que busca reducir la suma de las distancias cuadradas

euclidianas de los conglomerados a través de cada etapa, llamado el método centroide.

En este se establece que la distancia entre dos grupos es la distancia entre sus centroides

o media para todas sus variables.

Respecto de los métodos no jerárquicos, también conocidos por su nombre K means, se

puede mencionar que usan la distancia Euclidiana para establecer los grupos o clusters,

en base a centros de grupos predeterminados. Cada iteración se realiza al encontrar al

caso más cercano a la media de estos centroides predeterminados (cuyo término es

determinado por un valor determinado de corte), en base a un número de grupos “K”

que determina el investigador, los que incluyen los siguientes procedimientos de

aglomeración:

• Umbral secuencial: Método en que se selecciona un centro de grupo y se

agrupan los objetos de acuerdo a un valor especifico, determinado previamente a

partir del centro.

• Umbral paralelo: Método en que se seleccionan varios centros de grupo

paralelamente, y los objetos dentro del umbral se agrupan con el centro más

próximo.

• División para optimización: Método de agrupación que permite la reasignación

posterior de los objetos a los grupos, para lograr mejorar un criterio general para

estos fines.


60

2.3.5 Medidas de distancia

El análisis de cluster tiene como objetivo agrupar objetos similares, por lo que se debe

seleccionar la medida de distancia con la que se juntaran estos, de acuerdo a lo

establecido por el investigador.

Uno de los métodos de similitud mas usados es el de la distancia entre dos objetos, el

cual sugiere que mientras mayor cercanía entre ellos mayor similitud, y por el contrario

a menor distancia entre si menor es el parecido. Existen diversas medidas de distancias,

entre las cuales se encuentran:

• Distancia Euclidiana: Probablemente una de las distancias mas usadas, es

simplemente la distancia geométrica en el espacio multidimensional. Su formula

es:

21

2)(),(

−= ∑

iii yxyx

• Distancia Euclidiana Cuadrada: La distancia Euclidiana estándar se puede

ajustar con el fin de entregar una ponderación progresivamente mayor en

objetos que se encuentren mas separados unos de otros. Su formula es:

∑ −=i

ii yxyx 2)(),(

• Distancia Manhattan (City Block): Esta distancia es la diferencia promedio entre

dimensiones. En la mayoría de los casos entrega distancias similares a la

Euclidiana, pero se debe notar que el efecto de las grandes distancias se atenúa

al no estar elevadas al cuadrado. Su formula es:

∑ −=i

ii yxyx ),(


61

• Distancia Chebychev: Esta medida de distancia es máximo de la distancia que se

produce entre la diferencia de los vectores X e Y, en el caso de que esto ocurra

en alguna de las dos dimensiones. Esta medida es muy sensible a puntos

extremos (outliers). Su formula es:

ii yxMaxyx −=),(

• Power Distance: Se la define como distancia de poder y se la usa en

circunstancias en las que se desea aumentar o reducir la ponderación progresiva,

otorgada a cada objeto.

∑ −=i

rpii yxyx

1

)(),(

Donde p y r son parámetros definidos por el investigador. El parámetro p

controla la ponderación progresiva de las diferencias entre dimensiones,

mientras que el parámetro r es usado en la ponderación progresiva de las

diferencias dimensiónales de mayor tamaño. Cabe mencionar que si p y r

equivalen a 2 entonces la distancia es igual a la Euclidiana.

Para facilitar la comprensión, de las diferencias entre el uso de las diferentes medidas de

distancia, en la figura 14 se presenta en un plano bidimensional (X como eje horizontal

e Y en el vertical) 4 puntos A, B, C y D los cuales serán medidos bajo las cinco

fórmulas anteriores.


62

2, 4

-7, -9

6, 3

5, 1

-10

-8

-6

-4

-2

0

2

4

6

-10 -5 0 5 10

Figura 14. Plano bidimidensional de puntos

Donde:

A=(2,4) C=(6,3) B=(-7,-9) D=(5,1)

Distancia Distancia A-B C-D Distancia Euclidiana 15,81 2,24 Distancia Euclidiana Cuadrada 250 5 Manhattan 21 3 Chevichev 13 2 Power Distance (p=3;r=2) 96,23 5,19

Como se aprecia en la figura 14, la distancia entre X1 e Y1 es mayor que la que existe

entre X2 e Y2, lo que se demuestra en las cinco formas diferentes de medir la distancia,

las cuales magnifican en mayor o menor medida las separaciones entre puntos. El caso

de magnificación mas extremo sería la distancia Euclidiana cuadrada y la Power

Distance, puesto que la versatilidad de esta última puede maximizar mas aún esta

diferencia (incrementando el parámetro p). La distancia Euclidiana clásica y la

Manhattan presentan distancias similares en este caso. La distancia Chevichev es

aquella mayor diferencia en los vectores X e Y, que para el caso de la distancia entre A-

B se produce en el vector Y, al igual que en la distancia que existe entre C-D.

También es posible medir la similitud que existe entre dos objetos, entendiéndose que

casos parecidos comparten una alta aproximación y que lo que se pretende medir es que

tan semejantes son entre si. Para esto se usan métodos de:


63

• Correlación: Esta relación puede ser usada como método de distancia entre dos

objetos. Al transponer la matriz normal, en la que las columnas representan los

atributos y las filas los casos o personas, se puede calcular la correlación entre

casos, datos que luego alimentarán una matriz de similitudes, a partir de la cual

se aplica el análisis de cluster.

• Comparación binaria: Es otro tipo de medida de similitud, donde el número 1

indica una coincidencia entre pares de objetos, mientras que el número 0 indica

que no existe tal coincidencia. Generalmente existen múltiples coincidencias de

atributos (columnas), siendo el puntaje de similitud el número de coincidencias

dividido por el número de atributos procesados.

La unidad de medida tiene especial importancia en el análisis de cluster pues, si las

variables se miden en unidades muy diferentes, afectará la forma en que se agrupan los

objetos. Una solución es la estandarización, con una media cero y desviación estándar

igual a uno eliminando la influencia de la unidad de medida. Sin embargo podría reducir

las diferencias entre los grupos en las variables que pueden discriminar mejor los

clusters.

La elección de una medida de distancia afecta el resultado de la agrupación de este

procedimiento por lo que se deben comparar los diferentes resultados antes de continuar

con los procedimientos subsecuentes.


64

2.3.6 Decisión del número de grupos

No existe ninguna regla establecida en este sentido, sin embargo se pueden considerar

los siguientes aspectos:

• En el caso de conglomerados jerárquicos las mismas distancias obtenidas pueden

ser criterios para generar un cierto número de grupos.

• Para el caso del análisis cluster no jerárquico, se puede trazar un gráfico que

compare el número de grupos con la relación entre la varianza total de los

grupos y la varianza entre los grupos. El punto del gráfico donde se presente un

doblez marcado indicará el número apropiado de grupos.

También se deben tener presente consideraciones de tipo práctico que sugiera un cierto

número de grupos, o bien investigaciones anteriores que señalen una cierta cantidad de

conglomerados.

En general, el investigador obtiene la información para tomar la decisión del número de

grupos a partir de:

• Medias y Varianzas: Tablas que resumen las medias y varianzas de cada uno de

los clusters, y muestran la diferencia entre estos respecto de las variables

originales.

• Pertenencia de Grupos: Este tipo de tabla de resumen muestra los casos como

filas y las columnas como un número alternativo de clusters en la solución,

mientras que cada celda muestra la pertenencia de un caso a un grupo especifico.

• Dendograma o diagrama de árbol (tree diagrams): Este tipo de diagrama es

usado para representar los resultados del análisis. El árbol es representado

horizontalmente y también verticalmente, en donde cada fila es un caso

indicando el grado de similaridad o disimilaridad entre casos.


65

2.3.7 Interpretación y perfil de los grupos

La interpretación y el perfil de los grupos comprenden el análisis de los centroides de

grupo, que representan los valores medios de los objetos que contiene en conjunto cada

una de las variables y nos permiten describir cada grupo al asignarle un nombre.

El objetivo de esta etapa es, esencialmente, examinar la variación de los clusters para

asignar etiquetas que describan su naturaleza de forma clara. Para elaborar el perfil de

los grupos, se deben considerar de las variables utilizadas en las encuestas como los

datos demográficos, los psicográficos, uso del producto, uso de los medios u otras

variables.

El perfil de los grupos, no es más que la descripción de las características de cada

cluster para explicar como podrían inferir en dimensiones relevantes. Para conseguir

esto, se recurre normalmente al empleo del Análisis Discriminante o a algún otro

estadístico apropiado.

En resumen, el análisis de perfiles se enfoca a describir no a lo que determinan

directamente los clusters sino (una vez se han determinado los distintos grupos) a sus

características propias. Por ello, se hace especial énfasis en las características que

definen los grupos y en la capacidad de los miembros de cada conglomerado para

predecir una actitud particular del cluster en cuestión.

2.3.8 Determinación de confiabilidad y validez

La validación intenta asegurar que los clusters obtenidos sean representativos de la

población original y que sean generalizables a otros objetos y estables a lo largo del

tiempo.

Los siguientes procedimientos ofrecen revisiones adecuadas de la calidad de los

resultados de la agrupación:


66

• Realizar el AC con los mismos datos y utilizar distintas medidas de distancia.

Comparar los resultados con todas las medidas a fin de determinar la estabilidad

de las soluciones.

• Utilizar diversos métodos de conglomerado y comparar los resultados.

• Dividir los datos a la mitad de forma aleatoria. Realizar el AC por separado en

cada mitad (submuestra). Comparar las soluciones de los dos análisis y evaluar

la correspondencia de los resultados o bien comparar los centroides de grupo de

las dos submuestras.

• Eliminar las variables de forma aleatoria. Realizar la agrupación basándose en el

conjunto reducido de variables. Comparar los resultados basados en el conjunto

completo con los que se obtuvieron al realizar el conglomerado.

• En el conglomerado no jerárquico la solución puede depender del orden de los

casos en el conjunto de datos. Para estudiar esto, es recomendable llevar a cabo

corridas múltiples y utilizar distintos órdenes de los casos hasta estabilizar la

solución.


67

2.3.9 Supuestos y consideraciones del Análisis de Cluster

El análisis de Cluster, esta sujeto a ciertos supuestos:

• Los datos se encuentran en intervalos de orden, o son de tipo dicotómico,

tanto para la agrupación jerárquica como para el método K-means.

• Las observaciones son independientes entre si.

• La estandarización de las variables no es requerida, pero si se recomienda

usar para que todas las variables tengan el mismo peso en el cálculo de las

distancias.

Estas tres condiciones son las mismas que se plantean en otros procedimientos de

análisis multivariado, sin embargo, para el caso del procedimiento K-Means es prudente

tener en cuenta ciertos aspectos que pueden producir variaciones en sus resultados.

Entre estos se encuentran:

• Trabajar con muestras superiores a 200 observaciones.

• Eliminar valores extremos, por la sensibilidad del modelo a este tipo de

observaciones.

• Tener en cuenta que este tipo de análisis genera diferentes soluciones,

dependiendo de la secuencia de observaciones del set de datos.


68

3. PRESENTACIÓN DE LOS HALLAZGOS

En este capitulo se presentan los hallazgos de la investigación realizada, exponiendo

inicialmente los procedimientos de recopilación de la información y caracterización de

la muestra, siendo explicada luego la determinación del posicionamiento y

segmentación a través del análisis externo de las preferencias, cuya aplicación práctica

es el aspecto central de este estudio. Se detallan también cada uno de los procedimientos

y modelos que alimentan a este tipo de escalamiento, entregando finalmente las

conclusiones relevantes en el ámbito del marketing estratégico que son extraíbles de

este tipo de análisis.

3.1 Recopilación de información

El punto de partida de esta investigación fue la obtención de las variables relevantes en

la determinación de la calidad de servicio de las entidades bancarias en análisis. Para

esto el investigador optó por utilizar las doce variables, que se consideran en los

estudios periódicos públicos de la empresa de investigación de mercados ADIMARK21 ,

que en adelante serán abreviados como A1, A2, A3, A4, A5, A6, A7, A8, A9, A10, A11

y A12. Estos son:

• (A1) Mayor facilidad para aprobar créditos: Se refiere a las exigencias que

efectúan las instituciones para aprobar un crédito, y como afectan estas al tiempo

total del proceso de aprobación.

• (A2) Mejores tasas de interés: Representa el precio al cual se otorga el crédito en

comparación con otras instituciones financieras consideradas en el análisis.

• (A3) Mejor calidad de atención al cliente: Es la capacidad de la empresa para

otorgar en términos generales calidad en la atención de sus clientes.

• (A4) Mayor flexibilidad con los atrasos en los pagos: Se refiere al nivel de

tolerancia de la institución en la aceptación de posibles atrasos en los pagos de

cuotas, y a la renegociación de créditos que no han sido pagados. 21 Estas variables de evaluación de la calidad del servicio, son usadas desde 1992 por la empresa en los estudios de imagen y posicionamiento de financieras y divisiones de consumo. Este grupo de variables fueron generadas a través de la opinión de los clientes de la consultora, los cuales a través de los años convergieron en doce atributos que son de importancia para la dirección y gestión de las empresas. Fuente: Claudio García. Subgerente de Estudios Adimark.


69

• (A5) Mayor cantidad de productos ofrecidos: Número de productos que ofrecen

las instituciones a sus clientes. (Créditos, seguros, tarjetas, ahorro, cuentas

corrientes, etc.)

• (A6) Mayor transparencia en la entrega de información sobre sus productos: Es

la capacidad de informar a los clientes de manera transparente, todos los

aspectos que involucran la obtención de productos financieros.

• (A7) Consideración de las necesidades de sus clientes al ofrecer sus productos:

Es el grado de consideración del cliente en el diseño de los productos, en

términos de plazos, garantías, tasas, etc.

• (A8) Mayor experiencia en el rubro: Se refiere a la experiencia de las

instituciones en análisis, en el rubro financiero, no necesariamente asociada al

número de años en la industria.

• (A9) Mayor respeto por los derechos del consumidor: Es el nivel de

correspondencia de la gestión con el marco legal que la regula, y de la

preocupación para que esto suceda, de manera de no sobrepasar los derechos del

consumidor.

• (A10) Reconocimiento de errores cuando estos se producen: Es la aceptación y

reparación de errores producidos, como resultado de una mala gestión.

• (A11) Educa y aconseja a sus clientes: Se refiere a la preocupación por parte de

las empresas en análisis, en que sus clientes comprendan de mejor manera los

productos intangibles que se ofrecen, y la adecuación de estos a sus necesidades.

• (A12) Mayor grado de preparación del personal: Es el grado de preparación del

personal de las plataformas comerciales y de atención a público, para responder

de manera eficiente a los requerimientos y necesidades de los clientes.

La obtención de estas variables permite reducir los procedimientos de la investigación,

pues se debería en caso de no contar con estas de realizarse, entrevistas y focus groups

para determinar aquellos atributos de importancia en la calidad del servicio.


70

3.1.2 Fuentes de información En esta investigación se aplicaron dos encuestas, que alimentan al modelo de

escalamiento externo de las preferencias:

• Encuesta de preferencias: En esta encuesta se midieron las preferencias que

estableció la muestra sobre una institución financiera u otra, determinándose

también datos demográficos de esta.

• Encuesta de percepción del servicio: Esta encuesta considera los factores

relevantes en la calidad del servicio otorgado por las instituciones financieras

descritos en el punto 3.1.

Ambas encuestas se presentan en el anexo 2.

3.1.3 Recolección de datos

La recolección de datos fue realizada en las ciudades de Viña del Mar y Valparaíso, a

través de una encuesta, durante el mes de Septiembre del año 2006.

3.2 Caracterización de la muestra

El tipo de muestreo utilizado para esta investigación fue hecho por conveniencia, ante la

limitación de no poder realizar un muestreo aleatorio pues es necesario contar con la

identificación de todos los GSE de las ciudades de Valparaíso y Viña del Mar,

generando aleatoriamente la muestra con un cierto nivel de error asociado. Ciertas

consideraciones fueron hechas al momento de generar la muestra, siendo la primera

componerla de un número elevado de encuestas que en este caso ascendió a 100

(asociado a la varianza de las preguntas) , mientras que la segunda fue la inclusión solo

de encuestados pertenecientes a los GSE que componen el principal mercado objetivo

de las entidades financieras en estudio22. De esta manera solo se encuestó a personas

22 Fuente: Claudio García. Subgerente de estudios Adimark.


71

pertenecientes a los segmentos C3D, C3, C3C223. (Para una descripción detallada de los

segmentos ver el Anexo 2)

3.2.1 Género

En términos de género la muestra esta compuesta por un número relativamente

balanceado de hombres y mujeres, con un 44% y 56% respectivamente.

Género Número de encuestados Masculino 44 Femenino 56

Gráfico 3.1 Composición por género de la muestra

44%

56% MasculinoFemenino

3.2.2 Pertenencia a GSE

La muestra esta compuesta por un número mayoritario de personas pertenecientes a los

grupos C3D y C3 con 37% y 46% del total respectivamente. En tanto aquellos

encuestados del grupo C3C2 representan un 16% del total.

GSE Número de encuestados C3D 37 C3 47 C3C2 16

23 La clasificación de los GSE de esta investigación toma como referencia lo descrito por la consultora Gemines. Una descripción exhaustiva de los segmentos C3D, C3, C3C2 se presenta en el anexo 2.


72

Gráfico 3.2 Composición por GSE de la muestra

37%

47%

16%

C3DC3C3C2

3.2.3 Edad

Los grupos etarios de la muestra fueron categorizados en 4 clases, las cuales van desde:

20-35, 36-45, 46-60 y 61 años o más. Los grupos mas jóvenes son aquellos que

componen un mayor porcentaje de la muestra, representando en conjunto las categorías

20-35 y 36-45 un 76% del total de encuestados.

Edad Número de encuestados 20-35 34 36-45 42 46-60 18 61 o más 6

Gráfico 3.3 Composición etarea de la muestra

34%

42%

18%6%

20-3536-4546-6061 o más


73

3.3 Determinación del posicionamiento y segmentación a través del análisis externo

de las preferencias.

Cuando se realiza un análisis externo de las preferencias la base de partida es la

ejecución de un análisis de componentes principales y un análisis de cluster los cuales

servirán de fuente de alimentación de este, y son también pieza fundamental para la

determinación del posicionamiento y la segmentación:

• Posicionamiento: Se determina en base a la generación de mapas perceptuales

usando el análisis de los componentes principales, para luego determinar el

posicionamiento dentro de cada uno de los segmentos en la etapa final de

aplicación del análisis externo de preferencias a través del modo vectorial.

• Segmentación: Se determina a través de un análisis de cluster de tipo conductual

(Ver 2.1.5.3).

En un plano técnico el análisis externo de las preferencias requiere para este estudio de

datos de entrada , que son por un lado las preferencias que expresan en este caso los 100

encuestados pertenecientes a los GSE C3D, C3 y C3C2, y las percepciones de estos en

torno a variables relevantes en la calidad de servicio descritos en 3.1 La diferencia entre

la percepción y la preferencia radica en que esta última es el resultado de la formación

de una excelente percepción que se traduce en la adquisición del bien o servicio. El

separar estos conceptos responde al hecho de que el consumidor muchas veces puede

percibir un producto como bueno, pero no necesariamente preferirlo. (ver 1.2.4)

Teniendo esto en cuenta, lo que realizará el modelo es llevar a un plano bidimensional

ambas fuentes de datos estandarizadas con el fin de determinar la relación que existe

entre preferencias y percepciones determinando los bancos y divisiones de consumo

mejor posicionados de acuerdo a los favoritismos de cada grupo, asociando estas

preferencias a aspectos específicos de la calidad de servicio. Esto permite concluir por

que aspecto(s) específico(s) se manifiestan las preferencias.


74

Para llevar a cabo el proceso se utilizará el programa XLstat©24 , programa que a juicio

del investigador cuenta con el software mas eficaz para realizar este proceso25, usando

una aplicación especifica llamada XLstat MX© que permite realizar este análisis de una

forma amigable para el usuario26. En orden de facilitar el entendimiento del modelo y de

la ejecución para llevarlo a cabo, se incluirán los procedimientos de XLstat© en el

anexo 3.

3.3.1 Obtención de mapas de percepción

Los mapas de percepción representan el punto de partida para la obtención del

escalamiento externo de las preferencias, pues entregan una imagen de la posición que

ocupan las diferentes entidades financieras en un espacio bidimensional estandarizado.

Para esto se presentan a continuación la tabla 4 el resumen de las percepciones

promedio de los cien encuestados, cuya escala se midió de 10 a 70, en donde 10 es la

peor evaluación respecto de un atributo y 70 es la mejor.

A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 Paris 62 34 48 45 54 42 37 40 37 42 36 40 Ripley 64 34 52 45 50 44 37 32 38 38 35 39 Falabella 66 35 55 46 57 48 42 43 40 46 39 51 Credichile 55 47 52 40 57 48 44 60 52 44 39 53 Santander-Banefe 53 46 50 38 58 45 43 60 50 44 39 52 Nova 55 42 45 37 48 38 38 44 46 42 34 49 Atlas 59 39 42 41 51 41 36 53 41 36 28 45

Tabla 4. Matriz de percepciones promedio de encuestados de segmentos C3D, C3 y C3C2.

3.3.1.2 Análisis de los componentes principales

El análisis de los componentes principales (ACP), es la base de gran parte de los

modelos de escalamientos multidimensionales, pues reduce la dimensionalidad de los

datos sin que estos pierdan el orden de su configuración original, de esta manera es

24 http://www.xlstat.com 25 Este procedimiento puede ser realizado también en SPSS y SAS, pero estos no cuentan con alguna aplicación integrada (hasta la fecha) para realizar el escalamiento externo de las preferencias, por lo que la ejecución posee un mayor grado de complejidad. 26 En orden de facilitar el entendimiento del modelo y de la ejecución para llevarlo a cabo, se incluirán los procedimientos de XLstat©, en el anexo 3.


75

posible llevar esta información a planos bidimensionales. El ACP forma parte

además, del análisis factorial y del análisis de correspondencias.

El espacio dispuesto es la base de la configuración del posicionamiento, pues expresa

en un plano bidimensional las percepciones acerca de las instituciones bancarias en

análisis, obtenidas a través de las encuestas.

La fuente de alimentación que entrega el ACP al análisis externo de las preferencias

son los puntajes factoriales de la muestra, pues estos representan las coordenadas en

el plano bidimensional estandarizado.

También se grafican los atributos de calidad de servicio, representándolos en el plano

como vectores de igual longitud (otros programas los representan como puntos), lo

que en una primera instancia permite relacionar objetos y atributos, entregando luego

la posibilidad de interpretar preferencias como se verá mas adelante27.

Una vez realizado el procedimiento se obtiene la tabla 5, con los puntajes factoriales

los cuales son el resultado del ACP (una representación de las observaciones

originales estandarizadas y expresadas en una menor dimensionalidad a través de

factores) y la consiguiente representación espacial de estos.

F1 F2 Paris -2,019 0,994Ripley -2,751 1,276Falabella 0,681 3,183Credichile 3,478 -0,034Santander-Banefe 3,169 -0,731Nova -0,423 -2,470Atlas -2,136 -2,218

Tabla 5. Puntajes Factoriales de encuestados

27 El ACP es posible de realizarse tanto por filas como por columnas, por lo que en este caso se realizó una representación gráfica de objetos y de atributos, similar al análisis de correspondencias. En este caso se obtienen rectas en el mapa que representan la dirección desde el origen que marca el atributo.


76

Observaciones (ejes F1 y F2: 87,92 %)

AtlasNova

Santander-Banefe

Credichile

Falabella

RipleyParis

-3

-2

-1

0

1

2

3

4

-6 -5 -4 -3 -2 -1 0 1 2 3 4 5

F1 (54,16 %)

F2 (3

3,76

%)

Figura 15 Mapa perceptual de objetos en análisis.

Variables (ejes F1 y F2: 87,92 %)

A12

A11

A10

A9A8

A7

A6

A5

A4 A3

A2

A1

-1

-0,75

-0,5

-0,25

0

0,25

0,5

0,75

1

-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1

F1 (54,16 %)

F2 (3

3,76

%)

Figura 16. Mapa perceptual de vectores atributos o circulo de correlaciones.

Se aprecia en las figuras 15 y 16, diferentes configuraciones de posicionamiento

correspondiente a las percepciones de objetos y de atributos.


77

En la figura 15 se pueden observar la configuración de los objetos en análisis a través

de la transformación efectuada por el escalamiento multidimensional en la cual varias

dimensiones son sintetizadas y representadas en un plano bidimensional, de esta

manera al observar el mapa perceptual es posible percatarse que los encuestados

perciben a las instituciones de manera diferenciada agrupando a los bancos Ripley y

Paris (ligados al retail) ubicándose en el cuadrante superior izquierdo del mapa ,

Banefe y Credichile (ligados a mega-bancos) en el cuadrante inferior derecho ,Nova

y Atlas, y finalmente a Falabella en el cuadrante superior derecho de manera separada

al resto.

Este mapa es la base del análisis del posicionamiento de las instituciones bancarias, y

permite al investigador realizar una primera inspección visual de la forma en que se

organizan los objetos en estudio.

3.3.1.2.1 Interpretación de los ejes del ACP mediante el uso del círculo de

correlaciones

Es preciso mencionar que con el solo uso del mapa perceptual de la figura 15 no es

posible determinar o interpretar con que variables se relacionan los factores F1 y F2

extraídos del ACP. Por esta razón es que en este procedimiento el programa genera

automáticamente un mapa perceptual de las variables de evaluación del servicio (Ver

figura 16) en forma de vectores proyectados desde el origen, cuya correlación con la

dirección del mapa se mide de acuerdo a la cercanía a la correlación total (equivalente

a 1), la cual se grafica en el círculo de correlaciones. En este mapa el tamaño del

vector tendrá una gran influencia en la interpretación:

• Vectores cercanos al origen: Es arriesgado emitir opiniones, pues los objetos

comparten en forma relativamente similar el atributo en cuestión.

• Vectores lejanos al origen y cercanos al círculo de correlación: En este caso

si los vectores se encuentran cercanos al círculo de correlación interpretan

como correlacionados positivamente en torno a la dirección siendo posible

asociar la dirección de la variable y los objetos. Por el contrario si los

vectores se encuentran en direcciones opuestas se interpreta como

correlacionados negativamente.


78

Teniendo esto en cuenta la figura 16 no muestra una fuerte asociación para el factor F1

con ninguna variable pudiendo esbozarse una cierta relación con los atributos A3 y A4

que representan la calidad de servicio al cliente y la flexibilidad en los pagos

respectivamente, mientras que en el caso del factor F2 se presenta una fuerte

correlación con el atributo A12 que representa el grado de preparación del personal

para la atención eficiente de público. Así es como mediante el uso del círculo de

correlaciones es posible interpretar los ejes, siendo este procedimiento útil cuando no

se cuenta con una noción clara del significado de estos. La dirección opuesta a la que

apunta cualquier vector es su significado contrario.

Mas adelante estos vectores serán aprovechados en establecer correlaciones entre

preferencias y atributos.

3.3.2 Análisis de cluster de encuestados según preferencias Una vez conformada la primera entrada de datos del modelo en base a las percepciones

de atributos de calidad, se procede a generar la segunda entrada de datos, conformada

por las preferencias de los encuestados. En este caso en particular se realizará un

análisis de cluster de los encuestados28 que sintetizará la información relativa a las

preferencias a partir de las respuestas obtenidas en grupos de favoritismos similares.

Este tipo de segmentación se caracteriza por ser de tipo conductual, la cual como ya se

mencionó, se basa en conocimientos, respuestas o actitudes hacia un producto o

servicio, usando como variable de separación a las preferencias expresadas.

Para esto se optará por una clasificación ascendente jerárquica, usando como medida de

disimilitud a la distancia Euclidiana29. El primer resultado obtenido es el histograma que

grafica el grado de disimilitud que se produce en cada nodo del análisis, lo que se

presenta en la figura 17. Cuando el aumento en heterogeneidad de los nodos sea muy

alto, XLstat© determina el número de grupos apropiado de manera automática30.

28 De lo contrario el análisis externo de las preferencias graficaría cien vectores diferentes (uno para cada encuestado), lo que dificultaría el análisis de los resultados en el plano bidimensional estandarizado. Por esta razón se opta por la agrupación de encuestados mediante este método. 29 Pues es uno de los métodos de calculo de la distancia con mayor frecuencia de uso. 30 Sin embargo las barras verticales claras de histograma de la figura 3.3, indican en que nodos del análisis se produjeron fuertes incrementos de la disimilitud, dato que puede ser de gran utilidad para el


79

Diagrama de los niveles

0 50 100 150 200 250199

192

185

178

171

164

157

150

143

136

129

122

115

108

101

Nod

o

Nivel

Figura 17. Histograma de los niveles de disimilaridad de los nodos

Por su parte la figura 18, muestra la forma en que se agruparon los encuestados a través

del tipo de análisis de Cluster utilizado, truncándose el análisis al momento de

conformar cuatro grupos que se presentan en el dendograma.

Dendrograma

0

50

100

150

200

250

Dis

imili

tud

Figura 18. Dendograma de la clasificación jerárquica ascendente.

investigador, al proponer distintos niveles de truncamiento en los que el número de grupos aumentaría. (al tratarse de una clasificación ascendente jerárquica)


80

La clasificación ascendente jerárquica arroja la formación de cuatro grupos los cuales

son posibles de describir a través de los resultados que entrega XLStat©, como se

observa en la tabla 6 la cual describe el número que se le asignó a cada encuestado, con

lo que es posible luego describir a los grupos.

Pertenencias a Clusters Cluster 1 Cluster 2 Cluster 3 Cluster 4

1 4 6 8

2 5 37 9

3 7 41 21

10 23 42 22

11 24 45 25

12 26 49 27

13 29 51 28

14 31 52 30

15 34 59 32

16 35 69 33

17 39 36

18 53 38

19 55 40

20 58 43

60 62 44

64 46

65 47

66 48

67 50

68 54

70 56

72 57

73 61

74 63

75 71

76 83

77 88

78 91

79 96

80 98

81 99

82

84

85

86

87

89

90

92

93

94


81

95

97

100

Tabla 6 Composición de los clusters

3.3.2.1 Descripción de los clusters obtenidos

Los grupos o clusters muestran diferencias en términos de composición, y de los datos

obtenidos de los encuestados es posible obtener una mejor descripción de estos

aprovechando la información que fue recabada.

De esta manera los cuatro clusters luego de agruparse según las preferencias de los

entrevistados, presentan las siguientes características demográficas:

• Cluster 1: Este grupo se conforma del 15% del total de la muestra.

Presenta una composición etarea con una mayor cantidad de mujeres y

una predominancia en términos de GSE del segmento C3D. Cuenta con

una fuerte presencia del grupo etareo mas joven correspondiente al tramo

comprendido entre los 36 y 45 años.

Composición por género Composición GSE Composición etarea

Cantidad % Cantidad % Cantidad % Hombres 6 40% C3D 8 53% 20-35 5 34%

Mujeres 9 60% C3 2 13% 36-45 9 60%

total 15 C3C2 5 34% 46-60 1 7%

total 15 60- y más - -

total 15

• Cluster 2: Este conjunto compone el 44% de la muestra. Se compone de

un número equivalente de hombres y mujeres, una predominancia del

estrato C3 con un 55% del total. En términos de edad predomina con un

45% el tramo de 36 hasta 45 años.


82

Composición por género Composición GSE Composición etaria


Mujeres 22 50% C3 24 55% 36-45 20 45%

total 44 C3C2 5 11% 46-60 3 7%

total 44 60- y más 6 14%

total 44

• Cluster 3: Este pequeño grupo se compone de un 10% del total de la

muestra. Contiene una cantidad levemente superior de mujeres de un

60% y con una composición por GSE mayoritaria del segmento C3. En

términos etareos se compone solamente de los dos grupos mas jóvenes

menores o iguales a 46 años, careciendo de personas con edades por

sobre esta.



Mujeres 4 40% C3 6 60% 36-45 5 50%

total 10 C3C2 1 10% 46-60 0 0%

total 10 60- y más 0 0%

total 10

• Cluster 4: Este grupo se compone de un 31% del total de los

encuestados. En términos de género es compuesto por una cantidad

superior de mujeres correspondiente a un 61% del total. En tanto el GSE

C3 reúne un 48% de los integrantes del grupo, mientras que el grupo de

edad dominante se ubica en el tramo que va desde los 36 a los 45 años

con un 42%.



Mujeres 19 61% C3 15 48% 36-45 13 42%

total 31 C3C2 5 16% 46-60 9 29%

total 31 60- y más 0 0%

total 31


83

3.3.3 Modelo vectorial de análisis externo de las preferencias Una vez realizados los procedimientos anteriormente descritos (ACP y Cluster), es

posible iniciar el análisis externo de las preferencias propiamente tal.

El modelo vectorial (Ver 2.2.11) aplicado, presenta la siguiente configuración:

l

i

iijlilj cXaY +=∑

=1

Donde:

ljY : Matriz de clusters de preferencias de los cuatro grupos.

lia : Posición del vector, en las dos dimensiones del EMD.

ijX : Matriz de la configuración de las percepciones.

lc : Constante del modelo.

La solución del modelo es la obtención de lia que representa las coordenadas de los

cuatro vectores que se generarán en el plano bidimensional. (Un vector por cluster o

grupo)

3.3.3.1 Datos de entrada del modelo vectorial de análisis externo de las preferencias

Los resultados que alimentan al análisis externo de las preferencias son los centroides

del análisis de cluster y los puntajes factoriales del ACP, al encontrarse ambos sets de

datos estandarizados.

• ACP: Como ya se mencionó en el punto 3.3.1.2 al ejecutar el ACP, se generará

un mapa perceptual en base a los puntajes factoriales obtenidos y que se

muestran en la tabla 3.3, lo que equivale a ijX .


84

F1 F2 Paris -2,019 0,994Ripley -2,751 1,276Falabella 0,681 3,183Credichile 3,478 -0,034Santander-Banefe 3,169 -0,731Nova -0,423 -2,470Atlas -2,136 -2,218

• Cluster: En el caso del análisis de cluster la información de entrada relevante

para el análisis externo de las preferencias, esta representada por los centroides

de cada grupo que se aprecian en la tabla 731. Es importante mencionar que los

centroides, se encuentran estandarizados para ingresar de manera adecuada al

espacio perceptual32. Esta matriz de entrada equivale en el modelo a ljY .

Cluster 1 Cluster 2 Cluster 3 Cluster 4 Paris -1,426 0,320 -0,139 0,280 Ripley -1,770 0,144 0,346 0,540 Falabella -1,878 0,240 0,626 0,366 Credichile -0,733 0,384 -1,478 0,287 S-Banefe -0,825 0,483 -1,740 0,274 Nova -0,982 0,849 -0,943 -0,426 Atlas -1,043 0,706 -0,260 -0,413

Tabla 7. Tabla de centroides de las clases

3.3.4 Salida del modelo vectorial de análisis externo de las preferencias

Los resultados obtenidos al ingresar los datos, son vectores en el plano evaluados

estadísticamente a través del indicador R² el cual determinará el largo del vector a través

de una relación directa y el grado de ajuste del modelo vectorial de análisis externo de

preferencias. La tabla 8 entrega la información de los vectores que obtuvo el modelo, en

la primera columna se identifican los cuatro clusters predefinidos anteriormente, las

columnas F1 y F2 representan la posición de los vectores en el plano, luego se presenta

la longitud del vector desde el origen y finalmente el p-value del análisis de varianza

ANOVA.

31 La tabla se presenta transpuesta, para ingresarla en el análisis externo de las preferencias. 32 De conservarse los resultados en la escala original (1 a 7), los centroides no serían expresados en términos estandarizados, lo que generaría resultados con interpretaciones erróneas al realizar regresiones entre listas de datos de distintas escalas de medida.


85

Y R² F Pr > F Cluster 1 0,919 22,796 0,007 Cluster 2 0,817 8,932 0,033 Cluster 3 0,882 14,983 0,014 Cluster 4 0,731 5,436 0,072

Tabla 8. Tabla de resumen del modelo vectorial

Y F1 F2 Cluster 1 0,564 -0,775 Cluster 2 0,031 -0,903 Cluster 3 -0,722 0,600 Cluster 4 0,191 0,833

Tabla 9. Coeficientes del modelo

Para contrastar la hipótesis nula de que todos los coeficientes obtenidos pudieran ser

iguales a cero utilizamos el estadístico F y su probabilidad asociada Pr. Esto permite

rechazar la hipótesis nula, estableciendo estadísticamente que los coeficientes son

diferentes de cero, es decir son significativos para los cuatro clusters dado un nivel de

significancia de 0,1.

La solución del modelo de escalamiento externo de las preferencias se presenta en la

figura 19, donde se ha incluido en el mapa de percepción de calidad de servicio de los

bancos y divisiones de consumo, los vectores representativos de los clusters agrupados

en base a las preferencias de los encuestados.


86

Mapa de las preferencias

AtlasNova

S-Banefe

Credichile

Falabella

Ripley ParisCluster 4

Cluster 3

Cluster 2Cluster 1

-2

-1,5

-1

-0,5

0

0,5

1

1,5

2

-3 -2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5

F1

F2

Figura 19. Escalamiento externo de las preferencias.

La salida del escalamiento permite apreciar que existen diferencias en términos de

preferencias entre los grupos, lo que se determina a través de la distancia que existe

entre la punta de los vectores y los puntos que representan las instituciones financieras

en análisis. De esta manera se establece un ranking de preferencias ascendentes para

cada cluster, según muestra la tabla 10. en el cual podemos a primera vista apreciar que

la mayor preferencia del Cluster 1 es el banco Santander Banefe, Banco Nova para el

Cluster 2, Banco Ripley para el Cluster 3 y Banco Falabella para el Cluster 4.

Cluster 1 Cluster 2 Cluster 3 Cluster 4 1° Falabella Falabella S-Banefe Atlas 2° Ripley Ripley Credichile Nova 3° Paris Paris Nova S-Banefe 4° Atlas Credichile Atlas Credichile 5° Credichile S-Banefe Falabella Ripley 6° Nova Atlas Paris Paris 7° S-Banefe Nova Ripley Falabella

Tabla 10. Ranking de preferencias ascendentes, para los cuatro clusters


87

En base a estos resultados es que finalmente es posible determinar cual es el

posicionamiento que han obtenido este grupo de empresas en análisis, en los diferentes

segmentos o clusters de la muestra, estableciendo a través de las preferencias cuales son

los bancos mejor posicionados, cumpliendo así con el primer objetivo de esta

investigación.

También una vez finalizado el análisis externo se puede apreciar la interacción que han

tenido los diferentes modelos ACP, Cluster y de escalamiento externo para generar un

posicionamiento de las empresas en base a las preferencias, logrando el cumplimiento

del cuarto objetivo de la investigación.

3.3.5 Síntesis de los resultados obtenidos en términos de segmentación y

posicionamiento

Los resultados hasta ahora obtenidos se deben sintetizar para lograr una mejor

interpretación de estos, lo que se puede observar en la figura 20 la cual recaba la

información obtenida por cluster.


88

Figura 20. Síntesis del modelo de escalamiento de las preferencias

Cluster

Composición del segmento

Ranking de Preferencias

Atributos correlacionados con las preferencias del cluster

Cluster 1

Cluster 2

Cluster 3

Cluster 4

- Genero: Varones 40%, Damas 60% - GSE: Grupo predominante C3D con un 53% - Grupo etario: Mayoritariamente se presentan personas conedades entre los 36-45 años, con un 60%.

- Genero: Varones 50%, Damas 50% - GSE: Grupo predominante C3 con un 55% - Grupo etario: Mayoritariamente se presentan personas conedades entre los 36-45 años, con un 45%. - Genero: Varones 60%, Damas 40% - GSE: Grupo predominante C3 con un 60% - Grupo etario: Presenta solamente personas con edades entre los 20-45 años.

- Genero: Varones 39%, Damas 61% - GSE: Grupo predominante C3 con un 48% - Grupo etario: Mayoritariamente se presentan personas con edades entre los 36-45 años, con un 42%.

1° S-Banefe2° Nova 3° Credichile 4° Atlas 5° Paris 6° Falabella 7° Ripley

1° Nova2° Atlas 3° S-Banefe 4° Credichile 5° Paris 6° Ripley 7° Falabella

1° Ripley2° Paris 3° Falabella 4° Atlas 5° Nova 6° Credichile 7° S-Banefe

1° Falabella2° Paris 3° Ripley 4° Credichile 5° S-Banefe 6° Nova 7° Atlas

El vector representativo de las preferencias del cluster 1, se correlaciona con los vectores de mejores tasas de interés (A2)

El vector representativo de las preferencias del cluster 2, no se correlaciona con ninguno de los vectores de manera significativa.

El vector representativo de las preferencias del cluster 3, se correlaciona con el vector de mayor facilidad para aprobar créditos(A1)

El vector representativo de las preferencias del cluster 4, se correlaciona con el vector de calidad de atención al cliente (A3)


89

3.4 Interpretación de resultados obtenidos a partir de la segmentación de la muestra Los resultados que se exhiben en la figura 3.6 muestra la información que es posible de

extraer del análisis externo de las preferencias, cumpliendo así con el segundo objetivo

de la investigación referente a la caracterización de segmentos. En este sentido la

aplicación del análisis de cluster en la muestra segmentada presenta las siguientes

características:

• Cluster 1: Demográficamente presenta un número relativamente

equilibrado de hombres y mujeres con una leve mayoría de las últimas

con un 60%. Predomina el GSE C3D con un 53% y se compone en

términos etareos de un 60% de personas del estrato entre 36-45 años. Los

bancos que ocupan los primeros tres lugares de preferencia como son S-

Banefe, Nova y Credichile. Las preferencias de este grupo se

correlacionan con los atributos de mejores tasas de interés.

• Cluster 2: Demográficamente presenta un número equilibrado de mujeres

y hombres, con una predominancia del GSE C3 y se compone

mayoritariamente en términos etareos del estrato de 36 - 45 años. En

términos de preferencia al igual que el cluster 1 los bancos que ocupan

los primeros tres lugares de preferencia son: Nova, Atlas y S-Banefe. No

existen correlaciones que se asocien a las preferencias de este.

• Cluster 3: Demográficamente presenta un número mayor de mujeres por

sobre los hombres con un 59%, con una predominancia del GSE C3D y

se compone mayoritariamente en términos etareos de personas entre los

20 - 45 años. En términos de preferencia los bancos ligados al retail

ocupan los primeros lugares de preferencia: Ripley, Paris y Falabella.

Las preferencias de este cluster se correlacionan con la facilidad de

aprobación de créditos por parte de las instituciones financieras.

• Cluster 4: Demográficamente presenta un número mayor de mujeres por

sobre los hombres, con un 48%, con una predominancia del GSE C3 y se


90

compone mayoritariamente en términos etareos de personas entre los 36 -

45 años. En términos de preferencia los bancos ligados al retail ocupan

los primeros lugares de preferencia: Falabella, Paris y Ripley. Las

preferencias se correlacionan con la calidad de atención al cliente

percibida.

3.5 Interpretación del posicionamiento obtenido por institución financiera a partir

de la aplicación del escalamiento externo de las preferencias

En conjunto con la interpretación de los resultados obtenidos en la segmentación

también es posible realizar un análisis sobre el posicionamiento33 que ha obtenido cada

banco luego de la aplicación del escalamiento de las preferencias.

• Banco Credichile: El banco Credichile se encuentra en el cuadrante inferior del

mapa de posicionamiento al igual que S-Banefe. En términos de

posicionamiento el banco Credichile presenta una fuerte asociación con el vector

A12 que representa el mayor grado de preparación del personal para enfrentar

los requerimientos de sus clientes. En la encuesta presentada en la tabla 15

recibe también buenas calificaciones en términos de experiencia en el rubro,

respeto por los derechos del consumidor, variedad de productos y en tasas de

interés. De la muestra no recibe altos puestos de preferencia, salvo en el Cluster

1 de donde recibe el tercer puesto en las preferencias, por lo que se deduce un

buen posicionamiento en términos de percepciones pero bajo en preferencias.

• Banco Santander Banefe: Esta institución presenta un buen posicionamiento en

lo que se refiere a una mayor experiencia en el rubro y respeto de los derechos

del consumidor. En la encuesta presentada en la tabla 15 recibe también buenas

calificaciones en términos de experiencia en el rubro, respeto por los derechos

del consumidor, variedad de productos y en tasas de interés lo que se repite en el

caso del banco Credichile reflejándose en el mapa perceptual por la cercanía de

33 Mediante la el grado de alineación de los vectores de atributos y los puntos representativos de los objetos o instituciones financieras (en este caso específico), que se presentan en la figura 3.2.


91

ambos. En términos de preferencias tiene un buen posicionamiento en los

Clusters 1 y 2.

• Banco Falabella: Este banco se posiciona en buenos términos a través del factor

de calidad de atención a sus clientes y se aleja de sus pares del retail de manera

positiva. En la encuesta presentada en la tabla 15 recibe también buenas

calificaciones en términos de facilidad para aprobar créditos y preparación del

personal. De acuerdo a las preferencias el Banco Falabella tiene un buen

posicionamiento dentro de los Clusters 3 y 4.

• Banco Ripley y Paris: Ambas instituciones se posicionan en el mapa con los

factores de facilidad para aprobar créditos y de flexibilidad con los atrasos en los

pagos de cuotas. En términos de preferencias muestran una fuerte presencia en

los clusters 3 y 4.

• Atlas y Banco Nova: No presentan correlación con ninguno de los doce atributos

que se evalúan. Ambas instituciones son preferidas por el cluster 2. Esto

probablemente se explique por la falta de atributos que expliquen la preferencia

no incluidos dentro de los presentes en este estudio.


92

3.6 Nichos de mercado no cubiertos

Al inspeccionar el círculo de correlaciones presentado en la figura 16 y el escalamiento

externo de las preferencias que se presenta en la figura 19 es posible apreciar que en el

cuadrante superior derecho del mapa no existen empresas posicionadas. Esta zona se

correlaciona con los atributos de transparencia de la información, consideración de las

necesidades de sus clientes, reconocimiento de errores de gestión y educar y aconsejar a

sus consumidores.

Este es un nicho el cual ninguna de las instituciones ha logrado alcanzar, sin embargo en

términos de preferencias ninguno de los clusters muestra una orientación hacia el nicho,

lo que refleja la diferencia entre percepción y preferencia. De esta manera se cumple

con el objetivo número tres de la presente investigación.


93

4. CONCLUSIONES

4.1 Conclusiones respecto del modelo de escalamiento externo de las preferencias

• Los modelos de escalamiento permiten sintetizar información de manera

eficiente: Como se ha visto en el desarrollo del capitulo tres, la utilización de

escalamientos multidimensionales que en esta investigación fue generado a

través del ACP (existiendo otros métodos que tienen al ACP como base) es útil

para la investigación de mercados, pues permite sintetizar en un mapa

bidimensional la agrupación de los objetos en estudio y los atributos por los

cuales son medidos, lo que es particularmente útil cuando se evalúan como en

este caso doce atributos para cinco instituciones financieras. Una de sus

principales virtudes es conservar el orden original de los elementos en la

transformación ejecutada por lo que en los nuevos espacios bidimensionales

generados, si el grado de ajuste del modelo es satisfactorio se representa una

imagen sintetizada que no pierde la calidad del orden de los datos originales.

• La aplicación del modelo de escalamiento externo de las preferencias

permite separar las percepciones de las preferencias: Al aplicar el análisis

externo de las preferencias el investigador genera un modelo que toma como

fuentes de información separadas a las percepciones y las preferencias, basado

en la premisa que la percepción no esta relacionada necesariamente de manera

directa con las preferencias de los consumidores. Eventualmente podría suceder

que un consumidor opine que Toyota, General Motors y Ford hacen buenos

automóviles, pero que prefiere entre los tres a Toyota en el caso de comprarse un

vehículo. Es así como en esta investigación las percepciones se explicaron de

acuerdo a la correlación de estas con atributos de calidad de servicio como

también las preferencias.


94

• Existe una interesante interacción de modelos los cuales alimentan el

escalamiento externo de las preferencias, y que permiten generar una

segmentación y posicionamiento: En este análisis fue posible obtener una

segmentación de tipo conductual de la muestra a través del análisis de cluster

realizado sobre las preferencias expresadas, y a la vez determinar el

posicionamiento de las instituciones en estudio de acuerdo a las percepciones de

los factores relevantes de calidad de servicio como también a través de las

mismas preferencias.

4.2 Conclusiones respecto del posicionamiento obtenido por las instituciones

bancarias en análisis

• A través de las percepciones de los encuestados sobre los doce atributos

relativos a la calidad de servicio se aprecia una clara separación entre

las entidades bancarias: Tras la realización del ACP y posterior obtención

del mapa perceptual, es posible apreciar una diferenciación entre bancos. En

primer lugar los peor evaluados fueron la división de consumo Atlas y el

Banco Nova siendo percibidos como muy cercanos entre si, lo que también

sucede en el caso de los bancos Credichile y S-Banefe y también con los

bancos Ripley y Paris. Caso aparte es el banco Falabella que se separa de sus

pares del retail como una institución única en su clase.

• Se aprecian falencias en términos de un buen posicionamiento en torno

a la transparencia y otros atributos relacionados: En términos de

posicionamiento las instituciones bancarias analizadas presentan un factor

común que es una evaluación deficitaria en torno a atributos relacionados

con la transparencia, consideración de necesidades de sus clientes,

reconocimiento de errores, y de educar y aconsejar a sus clientes. Esto

probablemente se explique por tres factores propios de los servicios

financieros mencionados en la tabla 2 que son un reducido interés para el

consumidor en la adquisición de estos, una falta de homogeneidad entre los

intangibles ofrecidos que desprovee al consumidor de una base comparativa

clara y el grado de sofisticación de estos.


95

• Los primeros lugares de preferencias en torno a las tasas de interés

favorecen a instituciones con mayor antiguedad en la industria mientras

que la calidad de atención y la mayor facilidad para aprobar créditos

favorece a instituciones de reciente incorporación: Al obtener el análisis

externo de las preferencias fue posible apreciar a clusters con preferencias

por instituciones de mayor antigüedad presentaban una alta correlación de

estas con tasas de interés convenientes, como fue en el caso del cluster

numero uno, grupo caracterizado por tener una predominancia del estrato de

mayor ingresos de la muestra C3D, y de personas entre los 36-45 años de

edad. En el caso del cluster dos si bien expresó claramente sus preferencias

no fue posible apreciar alguna correlación con los atributos evaluados y

explicar de alguna manera este comportamiento. El cluster tres presentó un

grupo en términos etareos una distribución similar entre los tramos de edad

de 20-35 y 36-45 correlacionando sus preferencias por lo bancos de retail

con una mayor facilidad para aprobar créditos, siendo el GSE predominante

el C3. Finalmente el cluster número cuatro mostró al igual que el cluster

número tres preferencias por el sector del retail correlacionando estas con un

mejor nivel de atención al cliente y caracterizándose por una predominancia

del GSE C3 y mayoritariamente con edades que rondan los 36-45 años.


96

4.3 Conclusiones relativas a los objetivos de la investigación

• Percepción y posicionamiento: La determinación de cómo se posicionan las

instituciones financieras en análisis a través de las percepciones de los atributos

de calidad de servicio y de las preferencias de los consumidores en estudio se

constituyó como el primer objetivo de esta investigación. A través del desarrollo

de la aplicación del análisis externo de las preferencias fue posible traspasar los

datos de las encuestas de percepción y posicionamiento a un espacio

bidimensional en el cual fue fácil distinguir la posición de estos en el espacio. Es

así como a través de la comparación de la figura 3.1 con la figura 3.2 se apreció

la cercanía de los vectores de atributos a las instituciones bancarias, entregando

según su alineación un mejor o peor posicionamiento. Respecto de las

preferencias en el punto 3.5 se ha sintetizado los resultados del análisis externo

de las preferencias en el cual se separó por clusters el ranking de estas

entregando las instituciones mejor posicionadas bajo este concepto. Así se

cumplió con el primer objetivo del estudio.

• Caracterización de los segmentos: El segundo objetivo de esta investigación

fue la determinación y caracterización de los segmentos. En este sentido se

realizó una aplicación de un análisis de cluster basado en las preferencias

expresadas por el grupo de bancos en análisis, lo que generó cuatro grupos a

través de una segmentación conductual. Luego de separar la muestra fue posible

describir tanto a nivel demográfico como en términos de preferencias los grupos

obtenidos, cumpliendo así con el objetivo de la descripción y caracterización de

los segmentos.

• Relación operativa de modelos multivariados: Uno de los puntos más

interesantes de la presente investigación a juicio del autor es la interacción de

modelos multivariados a través de la cual fue posible alimentar el análisis

externo de las preferencias. La partida fue generar el espacio multidimensional a

través del ACP graficado por filas y columnas, para luego generar cuatro grupos

según las preferencias de los encuestados a través del análisis de cluster lo que

condujo a la obtención de las matrices necesarias para efectuar el análisis


97

externo de las preferencias, utilizando así operativamente tres modelos

multivariados que interactúan entre si para generar el resultado final buscado. De

esta manera se cumplió con el cuarto objetivo de la investigación.

• Nichos de mercado no cubiertos: Respecto de los nichos de mercado no

cubiertos se aprecia que ninguno de los bancos en análisis ha logrado

posicionarse en segmentos de mercado que busquen una mayor transparencia de

la información, consideración de las necesidades de sus clientes, reconocimiento

de errores ni tampoco en educar y aconsejar a sus consumidores.

4.4 Recomendaciones y posibles líneas de investigación a futuro

• A través de este trabajo el autor interrelacionó modelos multivariados que con

frecuencia son conceptualizados como de utilización individual, por lo que es

recomendable que futuros esfuerzos en esta materia sigan esta dirección. Pese a

que existe una amplia literatura en torno a la descripción teórica de modelos, son

escasas las alusiones a la interacción entre estos.

• Al ser este una aproximación inicial para determinar relaciones entre

percepciones y preferencias, sería interesante el desarrollo de la relación que

existe entre las percepciones, preferencias y la compra efectiva de los productos

o servicios. En este sentido se abarcaría una problemática central en cualquier

estrategia de marketing operativa que es la maximización de los ingresos y

mantención de estos, pudiendo establecer relaciones entre atributos y compra

efectiva.

Finalmente cabe mencionar que la realización de este tipo de estudios ganan poder al

aplicarse estandarizadamente y por periodos de tiempo sucesivos careciendo de sentido

aplicarlos solo una vez.


98

Bibliografía

1. Bateson, J. E. G. (1985). "Perceived Control and the Service Encounter." J. A.

Cecile, C. A. Surprenant, & M. R. Solomon (Eds).

2. Barritua, José Maria. Marketing Bancario en la era de la información. Editorial

Pirámide 2002

3. Bloxom, Individual differences in multi-dimensional scaling, Educational

Testing Service, Princeton (N.J.), Research bulletin (1968)

4. Booms, B.H. and Bitner, M.J. (1981), Marketing strategies and organization

structures for service firms.

5. Chamberlin, E.H. (1950). “Product Heterogeneity and Public Policy”,

American Economic Review, Vol 40.

6. Coxon, A. “User´s guide to EMD.” 1982 London. Heinemann Educational

Books.

7. Engel, Blackwell y Minniard (1986) Consumer Behavior.Editorial Harcourt

Press. Novena Edicion.

8. Hair, J, R. Anderson, R. Tatham y W. Black, "Análisis Multivariante ",

Prentice Hall, 1999.

9. Hill,P.,en ESOMAR (eds.) How to market financial services in an increasing

competitive environment, Amsterdam,71-85

10. Kotler, Armstrong. Fundamentos de Mercadotecnia. 4ª Edición. Prentice Hall.

México. 1998.

11. Kruskal (1964) Nonmetric multidimensional scaling: a numerical method.

Psychometrika, journal of cuantitative psychology . Nro. 29, Págs.115-129

12. Lambin, J. Marketing Estratégico. 3ª edición. Madrid: McGraw-Hill, 1995

13. Laroche,Taylor 1988”How intangibility affects perceived risk” Journal of

Services Marketing, 2003

14. Malhotra, N. (1997) Investigación de Mercados: un enfoque práctico. Editorial

Prentice Hall. Segunda edición. 1997.

15. Marshall, E. Presentación gerentes del sistema financiero de la V región, de la

SBIF. Noviembre 2003.

16. Matathia, I.; Salzman, M. "Tendencias. Estilos de vida para el nuevo milenio",

Planeta, Barcelona 2000.


99

17. McGoldrick y Greenland. “Comercialización de servicios financieros”,

McGraw Hill, Madrid 1996.

18. Porter, M. “Estrategia Competitiva”. Ed. CECSA. México 1997

19. Punj & Steward (1983). Cluster analysis in marketing research: Review and

suggestions for application. Journal of Marketing Research, 20, 134-148.

20. Ries y Trout (1992). “Posicionamiento”, Ed. McGraw-Hill, México, 1992.

21. Schiffman, Lazar. “Comportamiento del consumidor “. Pearson Educación,

México 2000.

22. Shepard (1962) The analysis of proximities: multidimensional scaling with

unknown distance function. Psychometrika, journal of cuantitative psychology

Nro. 27.

23. Stanton, William. Fundamentos de Marketing. Editorial McGraw-Hill. 5ta

Edición 1992. Pág. 93.

24. Torgeson (1952) Psychometrika, journal of cuantitative psychology. Nro. 17,

Págs. 401-419.

25. , Págs. 125-140.

26. Tucker L.R & S. Messick (1963) An individual differences model for

multidimensional scaling, Psychometrika, 28.

27. Tyron RC. Cluster analysis. Ann Arbor, MI: Edwards Brothers, 1939.

28. Ward (1963). Hierarchical grouping to optimize an objective function. J. Am.

Statist. Assoc. 58, 236-244.


100

Referencias electrónicas

- Sitio del curso de diseño de metodología de la investigación cuantitativa, del

departamento de psicología de la Universidad de Nebaska.

http://www-class.unl.edu/psycrs/

- Sitio del curso de EMD, del profesor Forrest W.Young, del departamento de

psicología de la Universidad de North Carolina.

http://forrest.psych.unc.edu

-Sitio del curso de métodos cuantitativos avanzados, del profesor Anthony Coxon del

departamento de estudios sociales y políticos de la Universidad de Edimburgo.

http://www.tonycoxon.com/Edinburgh/Dimensional/aqm_menu.htm

- Sitio del banco central de Chile.

http://www.bcentral.cl

-Sitio de la Superintendencia de Bancos e Instituciones Financieras

http://www.sbif.cl

-Sitio del programa XL STAT

http://www.xlstat.com


101

Anexos

Anexo 1: Encuestas

Encuesta de calidad de servicio prestado por pequeños bancos. Señale cual es su percepción, respecto de los siguientes atributos relacionados con la calidad del servicio prestado por las siguientes instituciones bancarias y divisiones de consumo. Responda usando una escala que va desde 1 a 7, en donde 1 representa la calificación mas baja y 7 representa la calificación más alta:

May

or fa

cilid

ad p

ara

apro

bar l

os c

rédi

tos

Mej

ores

tasa

s de

inte

rés

Mej

or c

alid

ad d

e at

enci

ón a

l clie

nte

May

or fl

exib

ilidad

con

los

atra

sos

en lo

s pa

gos

May

or c

antid

ad d

e pr

oduc

tos

ofre

cido

s

May

or tr

ansp

aren

cia

en la

ent

rega

de

info

rmac

ión

sobr

e pr

oduc

tos.

Con

side

raci

ón d

e la

s ne

cesi

dade

s de

sus

clie

ntes

al o

frece

r sus

pro

duct

os.

May

or e

xper

ienc

ia e

n el

rubr

o

May

or re

spet

o lo

s de

rech

os d

el c

onsu

mid

or

Rec

onoc

imie

nto

de e

rror

es c

uand

o se

pro

duce

n

Edu

ca y

aco

nsej

a a

sus

cons

umid

ores

Tie

ne e

l per

sona

l mas

cap

acita

do

Paris Ripley Falabella Credichile Santander-Banefe Nova Atlas

Encuesta de preferencias relativas a instituciones financieras


102

Señale el grado de preferencia por alguna de las siguientes instituciones financieras , a través de una escala de 1 a 7, donde 1 es poco preferido y 7 muy preferido. Nota Paris Ripley Falabella Credichile Santander-Banefe Nova Atlas

Datos Encuestado m f Sexo Edad 20-35 36-45 46-60 61 o más C3D C3 C3C2 Ingreso Mensual 300m-400m 400m-700m 700m-1000m


103

Anexo 2: Grupos socioeconómicos

A continuación se presenta la segmentación socioeconómica georreferenciada de los

G.S.E. usada por la consultora Gemines, a Junio del 2004 con descripciones relativas a

los habitantes de Santiago.

Descripción Estrato AB (Alto Alto)

• Porcentaje del GSE: 0,3%

• Numero de hogares: 34.740

• Ingreso mensual promedio: US $10.000 y más

• Comunas: Las Condes (San Damián, Los Dominicos), Vitacura (Sta. María de

Manquehue), La Reina, Lo Barnechea (La Dehesa-Arrayán), muy

excepcionalmente en otras Comunas por Ejemplo: Huechuraba (Sector

Pirámide), Colina (Sector Chicureo), La Florida (Sector Lo Cañas, y

Precordillera)

• Valor vivienda: 15.000 U.F.

• Descripción vivienda: Mansiones de gran tamaño, con amplios jardines y/o

parques. Pueden ocupar hasta una manzana. Finas terminaciones. Excelente

construcción y mantención. Rejas muy altas y cubiertas que no permiten mirar

hacia adentro. Murallas altas. Portero eléctrico, citófonos, piscina.

• Distribución vivienda: Bastantes habitaciones, espaciosas de uso específico,

biblioteca, sala de juegos, sala de estar, escritorio, uno o más salones, recibidor,

etc.

• Mobiliario y decoración: Muebles exclusivos, finos de estilo. Decoración

artística, cuadros originales (muchos de colección), porcelanas finas, cristales.

Lámparas finas, exclusivas, alfombras importadas, cortinajes de diseños propios.

• Posesiones del hogar: Todo tipo de artefactos electrodomésticos y electrónicos

de uso corriente, lo más sofisticado del mercado.

• Automóvil: La totalidad (100%) poseen más de un automóvil, modernos, de

marcas de alto costo, Mercedes Benz, BMW, Volvo, Audi, Jaguar, o bien otras

marcas importadas exclusivamente para su uso. La mayoría tiene chofer

profesional.


104

• Teléfono: La totalidad (100%) poseen teléfono residencial, en muchos casos con

una segunda línea para uso Internet. Poseen planta o central telefónica. Todos

los mayores de edad poseen aparatos celulares.

• Descripción de persona: De aspecto muy distinguido, su vestuario es elegante de

buena calidad, tienen modelos selectivos y exclusivos, usan telas de origen

natural.

• Educación de jefe de familia: Profesional Universitario. Con 18 o más años de

estudios.

• Profesión: Grandes empresarios, Industriales, Agricultores, Profesionales con

varios años en el ejercicio de la profesión, Ejecutivos de gran nivel, Grandes

Comerciantes, Funcionarios de organismos Internacionales.

• Vacaciones: Las realizan fuera del país, principalmente en Europa, y el Caribe.

Poseen propiedades en balnearios del gse: Zapallar, Sectores de Cachagua,

Pucón.


105

Descripción Estrato C1 (Alto Bajo)

• Porcentaje del GSE: 0,7%


• Ingreso mensual promedio: De US$5 Mil a US$20.mil

• Comunas: Principalmente en Providencia, Las Condes, Vitacura, La Reina, Lo

Barnechea, Ñuñoa, La Florida (Lo Cañas).

• Valor vivienda: U.F. 2.500 a 15.000

• Barrio: Generalmente homogéneas, con áreas verdes muy bien cuidada

• Descripción vivienda: Viviendas amplias, o Departamentos en Edificios de lujo

o de construcciones nuevas, rodeadas de jardines bien mantenidos,

estacionamientos privados, citófonos. La pintura siempre en buen estado,

detalles de terminaciones son de buen gusto y calidad.

• Distribución vivienda: Varias habitaciones, algunas de uso específico, recibidor,

biblioteca, comedor, etc. Por lo general más de dos baños, pieza de servicio

completa.

• Mobiliario y decoración: Muebles de buena calidad, alfombras finas, cortinas de

buena calidad, adornos de muy buen gusto no industriales o en serie o

reproducciones, bastantes plantas de interior.

• Posesiones del hogar: Poseen todos los electrodomésticos de uso corriente,

equipos electrónicos de marcas de prestigio.

• Automóvil: El 100% posee automóvil de los últimos cinco años de marcas:

Mercedes Benz, BMW, Volvo, Peugeot, Toyota, Honda, Alfa Romeo,

Chevrolet, Subaru, Mazda, Ford, Volkswagen, en muchos casos poseen más de

un vehículo por hogar.

• Teléfono: El 100% posee teléfono residencial, el jefe de familia y la dueña de

casa poseen teléfono celular.

• Descripción de persona: Aspecto distinguido, modales y lenguaje reflejan una

buena educación, cultura, tienen buen gusto para vestirse y su vestuario es de

buena calidad.

• Educación de jefe de familia: 18 años promedio

• Profesión: Profesionales Universitarios, ejecutivos, industriales, empresarios,

comerciantes, agricultores.


106

• Vacaciones: En Norteamérica y el Caribe. En el país toman vacaciones en casa

propia en Zapallar, Cachagua, Reñaca, Pucón, Las Tacas-Serena, Rocas de

Santo Domingo.

Descripción Estrato C2 (Medio Alto)

• Porcentaje del GSE: 20%


• Ingreso mensual promedio: De US$2 MIL a US$6 mil

• Comunas: Principalmente en Santiago, Barrios Antiguos-clásicos y Grandes

edificios del Centro, La Florida, Ñuñoa, Macul, Providencia, Sectores de Las

Condes, La Reina y Lo Barnechea.

• Valor vivienda: U.F. 2.000 a 3.500 U.F.

• Barrio: Sectores tradicionales de la ciudad o en caso de ser construcciones

nuevas, normalmente son conjuntos de muchas viviendas, se ubican a gran

distancia del centro, hay preocupación por el aseo y ornato de calles y veredas.

• Descripción vivienda: En caso de ser vivienda nueva pareada, esta es de muy

buena calidad tanto el primer piso como el segundo, amplio ante jardín, cómoda

entrada de auto con capacidad para dos automóviles. Lo usual es que

correspondan a viviendas aisladas. Vivienda de regular tamaño, bien mantenida,

con vigilancia tipo ronda o portería.

• Distribución vivienda: Generalmente living comedor en un solo ambiente, dos,

tres y cuatro dormitorios, pueden tener dos o más baños.

• Mobiliario y decoración: Muebles modernos de producción industrial, o de

importación masiva en los Mall, de buena calidad, decoración sobria, ambiente

acogedor, se advierte orden, bien aseado, artefactos de cocina y baño modernos,

plantas de interior.

• Posesiones del hogar: Poseen electrodomésticos de uso corriente, equipos

modulares con CD, Lavadora automática, Centro de cocina, etc., Marcas de

buena calidad sin ser las de más alto precio.

• Automóvil: Poseen modelos relativamente modernos, como. Chevrolet, Ford,

Susuki, Renault, Fiat, Toyota, Nissan, todos años 1987 en adelante, de cilindrada

hasta 1.600 cc.


107

• Teléfono: El 92% posee.

• Descripción de persona: Apariencia sobria no ostentosa, sobriedad en el

vestuario, (elegancia moderna), lenguaje y modales revelan educación y cultura.

• Educación de jefe de familia: 15 años promedio.

• Profesión: Algunos profesionales jóvenes, Ejecutivos de nivel medio, pequeños

industriales, comerciantes, contadores, profesores, técnicos, empleados de nivel

medio.

• Vacaciones: En los principales balnearios del país, como: El Quisco, El Tabo,

Mirasol, Papudo, Chiloé, Zona Norte del País, etc.

Descripción Estrato C3 (Medio Bajo)



• Ingreso mensual promedio: De US$1 mil a US$2.500 Máx.

• Comunas: Se ubican en: Ñuñoa, Macul, Peñalolén, La Florida, San Joaquín,

Estación Central, Recoleta, Independencia, Puente Alto (sectores en dirección a

la Florida), San Bernardo.

• Valor vivienda: U.F. 600 a 1.500

• Barrio: Sectores habitacionales denominados como de clase media, mezclados

con algunos "C2" como también con algunos "D". Generalmente se agrupan en

poblaciones de alta densidad habitacional. Relativa preocupación por el ornato,

áreas verdes. Son las típicas villas de casas pareadas en ladrillo princesa sin o

con segundo piso de material ligero. Para barrios de edificios estos son los

clásicos Block de cuatro pisos sin balcones. Sí este barrio esta ubicado en medio

de la ciudad corresponde a sectores antiguos de la ciudad que muestran una

declinación en la mantención de las vivienda y barrios.

• Descripción vivienda: En villas de casa pareadas, estas son de material sólido

(generalmente ladrillo princesa) en paredes exteriores del primer piso y las

divisiones interiores son de tabiques, al igual que el segundo piso en caso de

poseerlo. Tienen antejardín y pequeña entrada de autos. Las viviendas ubicadas

en medio de la ciudad (barrios antiguos) denotan deterioro en la pintura y

materiales de la pared de fachada.


108

• Distribución vivienda: Pocas habitaciones. Generalmente dos dormitorios, un

baño. Piso de flexit, cerámica roja.

• Mobiliario y decoración: Muebles de tipo económico o pasados de moda.

Decoración modesta, sin estilo determinado. En poco espacio distribuyen

Living-Comedor y otros. Artefactos de cocina y baño, antiguos o económicos en

regular estado.

• Posesiones del hogar: Poseen electrodomésticos de tipo económico o antiguo.

refrigerador, lavadora tradicional y automáticas, enceradora, juguera, etc.

• Automóvil: El 65% posee automóvil mediano o con varios años de uso o un

vehículo utilitario, por lo general anterior a 1.986 y si son más recientes son de

cilindrada hasta 1.300 cc.

• Teléfono: El 73% posee.

• Descripción de persona: Apariencia modesta-común, destaca su sencillez y

limpieza, vestuario simple, tradicional, de materiales sintéticos e industriales,

vocabulario y lenguajes simples.


• Profesión: Son Empleados públicos y Privados, Profesores, Técnicos-Obreros

especializados, Artesanos, Comerciantes menores, vendedores, vendedores de

AFP Isapres.

• Vacaciones: Usan balnearios del Litoral Central y IV Región

Descripción Estrato D (Clase Baja)



• Ingreso mensual promedio: De US$200 a US$1.500.- Máx.

• Comunas: Se encuentran principalmente ubicadas en: Recoleta, Huechuraba,

Renca, Quinta Normal, Estación Central, Pudahuel, la Granja, la Pintana, Cerro

Navia, Puente Alto y San Bernardo. (sin embargo encontramos la presencia de

este estrato socioeconómico en zonas y sectores al interior de otras comunas del

Gran Santiago)


109

• Barrio: Grandes poblaciones de tipo popular, de gran densidad poblacional, con

pocas áreas verdes, una muy gran cantidad de perros callejeros. Muchos

almacenes tipo boliche. Bloques de edificios denominados "Edificios del tipo

Básico".

• Valor vivienda: Hasta 400 UF. (us$10.MIL)

• Descripción vivienda: Son pequeñas de tipo muy económicas, con ampliaciones

y agregados de temporada

• Distribución vivienda: Muy pocas habitaciones, no tienen uso especifico

• Mobiliario y decoración: Incompleto o mínimo equipamiento. Decoración y

orden sin gusto por el poco espacio de que disponen, exceso de adornos en

muros, muebles modestos, de segunda mano a veces o con muchos años de uso.

• Posesiones del hogar: Tienen algunos artefactos de uso corriente en su mayoría

antiguos o con desperfectos, licuadora, televisor, refrigerador, etc.

• Automóvil: No tienen y si tienen corresponde a camionetas viejas que usan para

el trabajo, o bien automóviles de años muy antiguos con deterioros evidentes.

• Teléfono: El 35 % posee.

• Descripción de persona: Apariencia modesta, vestuario de mala calidad, tienen

mal gusto para combinar su vestuario. Se preocupan del Aseo personal, sin

embargo igual se nota algún deterioro en sus cabellos, piel y dentadura.


• Profesión: Obreros, Trabajadores manuales, algunos empleados de bajo nivel,

júnior, mensajeros, aseadores.

• Vacaciones: En ocasiones en balnearios del litoral central tales como: Cartagena,

San Sebastián, Costa Azul, Quinteros.

Descripción Estrato E (Extrema Pobreza)



• Ingreso mensual promedio: De US$200. máximo

• Comunas: Principalmente comunas periféricas del Gran Santiago, tales como

Renca, Quinta Normal, Pudahuel, La Granja, La Pintana, El Bosque, Lo Espejo,

San Ramón, Cerro, Navia, Conchalí, Pedro Aguirre Cerda.


110

• Valor vivienda: Por las características no se valoran

• Barrio: Comunas muy pobladas, ninguna calle con Pavimento. No existen áreas

verdes, barrios pobres sin urbanización. Son los típicos campamentos de

nuestras ciudades.

• Descripción vivienda: Para los campamentos las paredes son de material ligero,

tablas, cartón o plástico. El techo ídem. En caso de estar ubicada en medio de la

ciudad, esta vivienda se encuentra en extremo estado de deterioro, tanto sus

paredes como puertas y ventanas.

• Distribución vivienda: Generalmente de una o dos habitaciones, funcionan como

comedor, cocina, etc. Casi siempre viven dos o más familias en calidad de

allegados.

• Mobiliario y decoración: El mobiliario se improvisa, prácticamente no tienen.

Viven en hacinamiento, desorden, pobreza, separan los ambientes con cortinas

de frazadas-sábanas-manteles-cartones.

• Posesiones del hogar: Solo lo necesario y en pésimas condiciones, cocina a

parafina-carbón-leña. Muchos utensilios de comer son de plástico popular. Están

colgados de la Electricidad. (Uso Ilegal)

• Automóvil: No tienen Automóvil.

• Teléfono: No poseen. Excepcionalmente alguien con celular

• Descripción de persona GSE AB: Su apariencia es muy pobre, Cabellera

descuidada, Vestimenta en deterioro y de mucho esfuerzo. Salud dental precaria.

Mala dicción. Muy baja escolaridad.

• Educación de jefe de familia: Menos de ocho años de escolaridad.

• Profesión: Trabajos ocasionales, pololos, comercio en persas, similares,

• Vacaciones: No realizan viajes fuera de la Ciudad, No tienen asimilado el

concepto de vacaciones


111

Anexo 3: Procedimiento de escalamiento externo de las preferencias

En esta sección se detallarán los pasos para llevar a cabo un escalamiento externo de las

preferencias, de manera de entregar una mayor comprensión al lector del modelo, a

través de su aplicación. Existen variados paquetes de Software estadísticos para realizar

este tipo de procedimiento, sin embargo este ejemplo será llevado a cabo con XLstat©34,

programa que funciona como complemento de Excel, y que proporciona una aplicación

específica para nuestros fines. El ejemplo esta basado en el tutorial de XLstat©, sobre

escalamiento externo de las preferencias35, el cual toma datos del articulo de Schlich &

McEwan (1992), e incluye las bases de datos para realizar el procedimiento. Los datos

se basan en la calificación de:

- Preferencias de los consumidores: Un total de 99 consumidores, evaluaron 10

marcas de papas fritas, en una escala de 1 a 30 (donde 30 representa la más alta

preferencia).

- Juicios de Expertos: Percepciones de 8 expertos acerca de 4 atributos de textura

y 7 atributos de sabor.

Paso 1: Creación de un mapa perceptual

Lo primero será la creación de un mapa perceptual, aplicando un análisis de

componentes principales PCA, a la tabla de los juicios de expertos.

34 http://www.xlstat.com/indexes.html 35 http://www.xlstat.com/demo-prefmap.htm


112

Se introduce en la opción PCA, los datos de los expertos que se encuentran en la hoja de

trabajo de excel (que en este caso es Experts), señalando que se trata de una tabla que

tiene etiquetas tanto para sus filas y columnas.

Las opciones de visualización se han configurado para graficar las filas en un mapa

(plot), y filas en conjunto con columnas en otro mapa compartido (biplot).


113

Observations (axes F1 and F2: 69.30 %)

Crisp_10

Crisp_9

Crisp_8

Crisp_7

Crisp_6

Crisp_5

Crisp_4

Crisp_3

Crisp_2

Crisp_1

-3,6

-2,6

-1,6

-0,6

0,4

1,4

2,4

3,4

-3,6 -2,6 -1,6 -0,6 0,4 1,4 2,4 3,4

- - axis F 1 (43.99 %) -->

Mapa de marcas de papas fritas, usando un PCA

El mapa 2, que se obtiene a partir del PCA explica un 69,3% de la varianza, y nos

permite notar que los expertos son capaces de diferenciar de manera clara las diferentes

marcas de papas fritas(que en el mapa se visualizan como Crisp 1,2,3,4,5,6,7,8,9,10).

Biplot (axes F1 and F2: 69.30 %)

Crisp_10

Crisp_9

Crisp_8

Crisp_7

Crisp_6

Crisp_5

Crisp_4

Crisp_3

Crisp_2

Crisp_1

Hardness StickinessCrispy

M elting

Earthy

StuffinessGreasiness

Overcooked

A rtificial

Sweetness

Saltiness

-2,1

-1,6

-1,1

-0,6

-0,1

0,4

0,9

1,4

1,9

-2,1 -1,6 -1,1 -0,6 -0,1 0,4 0,9 1,4 1,9

-- axis F 1 (43.99 %) - ->

Mapa de marcas y atributos, usando un PCA

El mapa gráfica tanto las percepciones de las papas fritas, como los atributos de sabor y

textura. Esta opción de XLstat será muy importante para los pasos subsecuentes que se

realizarán.


114

Paso 2: Agrupar a los consumidores

Ahora nos enfocaremos en las preferencias dadas por los 99 consumidores. Puesto que

el número de consumidores es significativo, se aplicara un análisis de cluster, para

agruparlos en grupos homogéneos, de lo contrario la interpretación en un mapa de 99

vectores sería muy difícil. En este ejemplo se aplicara un análisis de cluster jerárquico

por aglomeración. El cuadro de dialogo del análisis de cluster, ha sido llenado de la

siguiente forma:

Luego a través de la obtención del Dendograma, se determina trabajar con solamente 8

grupos, lo que el investigador determina de acuerdo a su criterio y conocimiento.


115

Luego ejecutamos nuevamente el análisis de cluster especificando que se desea obtener

solamente ocho grupos de encuestados. El cuadro de dialogo se llena de la siguiente

manera:

Una vez ejecutado el análisis de cluster de ocho grupos, procedemos a guardar los

centroides de los grupos (que como observará el lector se encuentran estandarizados).

Paso 3: Creación del mapa de preferencias

En esta parte se creará el mapa de las preferencias, usando las coordenadas de las

marcas de papas fritas (Crisp), que se obtuvieron del mapa bidimensional en el paso 1, y

las preferencias de los ocho grupos (Clusters) estandarizadas que se obtuvieron en el


116

paso 2. Para activar la opción de escalamiento externo de las preferencias, se activa el

cuadro de dialogo XLstat©:

Cuando se accede a la opción Preference Mapping (Escalamiento externo de las

preferencias), aparecerá un cuadro de dialogo. Los atributos de preferencia “Y”

corresponden a los centroides de las preferencias de los ocho clusters, mientras que la

configuración “X” corresponderá a las coordenadas (puntajes factoriales) de las diez

marcas de papas fritas (Crisps) obtenidos a partir del PCA en el paso 1.

Una vez que se especifican las opciones en el cuadro de dialogo y se hace un clic el

botón OK, el programa activa otro cuadro de dialogo, en el cual se deben especificar las

opciones para la creación del mapa de preferencias. En este caso se opta por un mapa

que graficará preferencias de los clusters y objetos (biplot) ,por esta razón se especifica

también la etiqueta de cada serie de datos (labels), para que sean incluidas en el mapa.

Se selecciona el Coeficiente de Correlación como criterio estadístico para determinar el

largo de los vectores.


117

Los resultados obtenidos (ver abajo), demuestran que el modelo vectorial es adecuado

para los clusters 1,3 y 6, según muestra el tamaño del vector (Lengh of the vector). Para

el resto de los clusters será más riesgoso interpretar sus resultados.

Vectors: Column F1 F2 Length of the vector p-value

Cluster1 0,077 0,813 0,816 0,021 Cluster2 0,215 -0,053 0,221 0,832 Cluster3 -0,761 0,017 0,761 0,044 Cluster4 -0,279 -0,206 0,346 0,616 Cluster5 -0,525 -0,067 0,530 0,230 Cluster6 0,318 -0,795 0,856 0,007 Cluster7 0,384 0,290 0,481 0,302 Cluster8 0,523 0,287 0,596 0,213

Los mapas de salida que entrega el modelo, nos permiten rápidamente interpretar los

resultados.


118

El mapa de preferencias nos entrega una representación visual de las preferencias de los

diferentes grupos de consumidores (Clusters), de acuerdo a la cercanía con las

diferentes marcas de Papas Fritas (Crisp), lo que se resume en la siguiente tabla.

Esto representa el final del análisis, pues hemos obtenido el orden de las preferencias de

los diferentes grupos por alguna u otra marca. Sin embargo los resultados obtenidos en

el paso 1, a través del PCA graficados en el Mapa 3, se pueden comparar con los

resultados del paso 3 graficados en el Mapa 4.

Pontificia Universidad Católica de Valparaíso Facultad de … · 1.2.3 Aplicación del análisis...

Documents

Transcript of Pontificia Universidad Católica de Valparaíso Facultad de … · 1.2.3 Aplicación del análisis...