VALIDACIÓN DEL SIMULADOR DE ADMINISTRACIÓN POR...

UNIVERSIDAD DE CHILE

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

DEPARTAMENTO DE INGENIERIA INDUSTRIAL

VALIDACIÓN DEL SIMULADOR DE ADMINISTRACIÓN POR CATEGORÍAS KATWISE

MEMORIA PARA OPTAR AL TÍTULO DE INGENIERO CIVIL

INDUSTRIAL

JÉSSICA CONSTANZA POTENZA MUÑOZ

PROFESOR GUÍA: MÁXIMO BOSCH PASSALACQUA

MIEMBROS DE LA COMISIÓN: LUIS ABURTO LAFOURCADE

MANUEL REYES JARA

SANTIAGO DE CHILE SEPTIEMBRE 2007

1

RESUMEN DE LA MEMORIA PARA OPTAR AL TITULO DE INGENIERO CIVIL INDUSTRIAL POR: JESSICA POTENZA MUÑOZ FECHA: 10/09/2007 PROF. GUIA: MÁXIMO BOSCH P.

“VALIDACIÓN DEL SIMULADOR DE ADMINISTRACIÓN POR

CATEGORÍAS KATWISE”

KatWise es una herramienta de simulación desarrollada por el Centro de Estudio de Retail, CERET, para apoyar la capacitación en administración de categorías. El simulador está constituido por modelos de preferencia y de comportamiento que tratan de representar la reacción del mercado ante decisiones de marketing, como: surtido, precio, volumen, promoción y reposición.

El objetivo de este trabajo es generar mejoras a la estructura del juego de negocio KatWise de modo que la simulación corresponda en mayor grado al comportamiento de los consumidores ante decisiones de administración por categorías.

La metodología de validación consistió en dos etapas. La primera etapa se centró en un focus group donde se pudo detectar, que es fundamental hacer una explicación previa que ayude a orientar la toma de decisiones y se apreció una sobre valoración de algunos SKU’s, que generaba poca competencia entre el surtido. Esto llevó a hacer modificaciones a la distribución de utilidades, con el fin de disminuir la brecha de elegir un producto u otro, logrando ventas mejor distribuidas en le surtido. En la segunda etapa, se construyó un modelo de demanda MNL donde las variables correspondían a los diferentes niveles de atributos. Para calibrar este modelo se hicieron modificaciones en los atributos y se observaron las participaciones de mercado de los distintos SKU’S, lo que reveló la influencia de cada atributo.

De los resultados se obtuvo que los consumidores simulados tenían una sobre valoración del atributo Calidad, no así del Precio, lo que se consideró que no correspondía en una categoría de servilletas. Esto llevó a realizar nuevos cambios en la distribución de utilidades.

Finalmente, se propone que para trabajos futuros se incorpore la venta de información adicional a los jugadores, una realización de estudio de promociones y la incorporación de registro de decisiones de semanas anteriores para facilitar el uso de KatWise.

2

INDICE

I. ANTECEDENTES GENERALES................................................................................................. 6 II. DESCRIPCIÓN DEL PROYECTO Y JUSTIFICACIÓN............................................................... 8 III. OBJETIVOS ................................................................................................................................. 9

3.1 Objetivo General .............................................................................................................................................. 9

3.2 Objetivos Específicos ..................................................................................................................................... 9

IV. MARCO CONCEPTUAL ............................................................................................................ 10 4.1 Administración por categorías ................................................................................................................... 10

4.2 Modelos de comportamiento de consumidores ................................................................................... 10

4.3 Focus Group.................................................................................................................................................... 11

4.4 Business Games............................................................................................................................................ 12

V. METODOLOGÍA ........................................................................................................................ 13 VI. ALCANCES................................................................................................................................ 14 VII. EXPLICACIÓN DEL SIMULADOR............................................................................................ 15

7.1 Datos del Juego ............................................................................................................................................. 16

7.2 Información de Entrada ............................................................................................................................... 16

7.2.1 Ventas promedio de la categoría ................................................................................................. 16

7.2.2 Segmentación de Mercado............................................................................................................ 17

7.3 Menú del Juego.............................................................................................................................................. 17

7.3.1 Comentarios ....................................................................................................................................... 17

7.3.2 Mix de Productos activos para semana actual del juego..................................................... 17

7.4 Jugada semana x .......................................................................................................................................... 18

7.4.1 Decisiones Surtido Productos y Precios ................................................................................... 19

7.4.2 Decisiones Promociones ................................................................................................................ 19

7.4.3 Decisiones Cantidad/Volumen ..................................................................................................... 20

7.4.4 Grupos de SKU para la semana .................................................................................................. 21

7.4.5 Frecuencia de reposición ............................................................................................................... 22

7.4.6 Envío de Resultados........................................................................................................................ 22

7.5 Informes de Resultados (Participante/Semana).................................................................................. 23

7.5.1 Resumen ventas semanales por SKU ....................................................................................... 23

7.5.2 Resumen de Reposición ................................................................................................................ 23

7.5.3 Resumen de Stock Out .................................................................................................................. 24

7.5.4 Ingreso neto semanal por SKU ..................................................................................................... 25

7.6 Informes de Resultados Acumulados ..................................................................................................... 25

7.7 Informes de Resultados Comparativos .................................................................................................. 26

7.7.1 Comparativos de Ingresos Netos ................................................................................................ 26

7.7.2 Comparativos de Ingresos Netos Acumulado ......................................................................... 26

VIII. ESTUDIO CUALITATIVO .......................................................................................................... 27 8.1 Planeamiento .................................................................................................................................................. 28

8.2 Reclutamiento ................................................................................................................................................. 30

8.3 Trabajo en Terreno ....................................................................................................................................... 30

8.4 Análisis .............................................................................................................................................................. 31

IX. CAMBIOS OBTENIDOS DEL ESTUDIO CUALITATIVO ......................................................... 34 9.1 Cambios de Imagen...................................................................................................................................... 34

9.2 Cambios de Atributos ................................................................................................................................... 36

9.3 Cambios de Utilidad...................................................................................................................................... 37

X. ESTUDIO DE VARIABILIDAD................................................................................................... 40 10.1 Construcción de Escenario Base ........................................................................................................... 40

10.1.1 Tamaño Góndola ............................................................................................................................. 40

10.1.2 Surtido ................................................................................................................................................. 40

10.1.3 Precio................................................................................................................................................... 41

10.1.4 Promoción .......................................................................................................................................... 41

10.1.5 Espacio en Góndola ....................................................................................................................... 42

10.1.6 Reposición ......................................................................................................................................... 43

10.2 Estudio de Variabilidad.............................................................................................................................. 45

10.2.1 Ventas y Gross Margin .................................................................................................................. 45

10.2.2 Ingresos .............................................................................................................................................. 46

10.2.3 Stock Out............................................................................................................................................ 46

3

XI. ESTUDIO DE IMPORTANCIA DE ATRIBUTOS....................................................................... 47 11.1 Estudio de Atributos por medio de la Utilidad .................................................................................... 47

11.2 Estudio de Atributos según Participación de Mercado ................................................................... 53

XII. CAMBIOS OBTENIDOS DEL ESTUDIO CUANTITATIVO....................................................... 58 XIII. COMPORTAMIENTO DE ATRIBUTOS .................................................................................... 60 XIV. CONCLUSIONES....................................................................................................................... 67

14.1 Conclusiones finales .................................................................................................................................. 67

14.2 Estudios Futuros.......................................................................................................................................... 69

XV. BIBLIOGRAFÍA Y FUENTES DE INFORMACIÓN ................................................................... 71 XVI. ANEXOS..................................................................................................................................... 72

INDICE DE ANEXOS

Anexo 1: Modelos de comportamiento de consumidores ........................................................ 72 Anexo 2: Cuestionario de Reclutamiento ................................................................................. 74 Anexo 3: Opiniones más relevantes para cada grupo ............................................................. 75

3.1 Grupo 1 .......................................................................................................................... 75 3.2 Grupo 2 .......................................................................................................................... 76 3.3 Grupo 3 .......................................................................................................................... 77

Anexo 4: Surtido antiguo de productos .................................................................................... 79 Anexo 5: Cambios de segmentación........................................................................................ 80 Anexo 6: Designación de espacio ............................................................................................ 82 Anexo 7: Estudio de frecuencia de reposición ......................................................................... 83 Anexo 8: Estudio de Variabilidad ............................................................................................. 86

8.1 Desviación promedio de ventas y Gross Margin ........................................................... 86 8.2 Desviación promedio de Stock Out................................................................................ 87 8.3 Desviación promedio de ingresos.................................................................................. 88

Anexo 9: Estudio de valorización de atributos por medio de la utilidad................................... 90 9.1 Cálculo de utilidad para los diferentes niveles de precios............................................. 90 9.2 Tablas de utilidad para cada SKU ortogonal ................................................................. 90 9.3 Matriz de probabilidad de compra.................................................................................. 91 9.4 Cálculo de la esperanza de la utilidad ........................................................................... 91

Anexo 10: Estudio de Colinealidad ............................................................................................ 94 Anexo 11: Pruebas de regresiones a participaciones de mercado nulas .................................. 95

11.1 Participaciones de mercado nulos se les dio valor 0.001............................................ 95 11.2 Participaciones de mercados nulos se sacaron del estudio........................................ 95

Anexo 12: Cambios de matriz de utilidad................................................................................... 97 12.1 Cambios a matriz de utilidad........................................................................................ 97 12.2 Repercusiones en importancias relativas .................................................................... 98

Anexo 13: Estudio de Colinealidad, caso final ......................................................................... 100

INDICE DE GRÁFICOS

Gráfico 1: Segmentación antigua ............................................................................................................ 39 Gráfico 2: Segmentación Nueva.............................................................................................................. 39 Gráfico 3: Desviación de Ventas y Gross Margin para cada SKU .......................................................... 45 Gráfico 4: Desviación de Ingresos por cada SKU................................................................................... 46 Gráfico 5: Desviación de Stock Out por cada SKU................................................................................ 46 Gráfico 6: Segmentación anterior............................................................................................................ 58 Gráfico 7: Nueva segmentación .............................................................................................................. 59 Gráfico 8: Ratio PMj/PM*......................................................................................................................... 62 Gráfico 9: Participación de mercado mediante regresión con SKU de atributos favorables .................. 63 Gráfico 10: Participación de mercado mediante regresión con SKU de atributos desfavorables .......... 63 Gráfico 11: Participación de mercado por marcas .................................................................................. 64 Gráfico 12: Participación de mercado para los distintos niveles de calidad ........................................... 65 INDICE DE ILUSTRACIONES

Ilustración 1: Interfaz participante............................................................................................................ 16 Ilustración 2: Informe de ventas .............................................................................................................. 16 Ilustración 3: Segmentación .................................................................................................................... 17

4

Ilustración 4: Mix de productos................................................................................................................ 18 Ilustración 5: Decisiones semanales ....................................................................................................... 18 Ilustración 6: Surtido y precio .................................................................................................................. 19 Ilustración 7: Decisiones de promoción................................................................................................... 20 Ilustración 8: Decisiones de volumen...................................................................................................... 21 Ilustración 9: Grupos de SKU.................................................................................................................. 21 Ilustración 10: Frecuencias semanales de reposición............................................................................. 22 Ilustración 11: Ventas por SKU ............................................................................................................... 23 Ilustración 12: Reposición por SKU......................................................................................................... 23 Ilustración 13: Reporte de stock out ........................................................................................................ 24 Ilustración 14: Ingreso neto semanal....................................................................................................... 25 Ilustración 15: Resumen general de ingresos netos ............................................................................... 26 Ilustración 16: Visualización Antigua....................................................................................................... 34 Ilustración 17: Visualización Nueva......................................................................................................... 35 Ilustración 18: Logotipo KatWise............................................................................................................. 36 Ilustración 19: Interfaz de utilidad antigua............................................................................................... 97 Ilustración 20: Interfaz de utilidad modificada ......................................................................................... 97 Ilustración 21: Interfaz utilidad precio antigua ......................................................................................... 98 Ilustración 22: Interfaz utilidad precio modificada ................................................................................... 98 Ilustración 23: interfaz de importancias relativas antigua ....................................................................... 99 Ilustración 24: interfaz de importancias relativas nueva.......................................................................... 99 Ilustración 25: Diagnóstico de colinealidad realizado para el estudio final ........................................... 100 INDICE DE TABLAS

Tabla 1: Cambio de Marcas .................................................................................................................... 35 Tabla 2: Atributos Nuevos ....................................................................................................................... 36 Tabla 3: Modelo Antiguo.......................................................................................................................... 37 Tabla 4: Modelo Nuevo ........................................................................................................................... 38 Tabla 5: Cambios en la Segmentación ................................................................................................... 38 Tabla 6: Ingreso de SKU´s a las Ventas Promedio................................................................................. 39 Tabla 7: Surtido ....................................................................................................................................... 41 Tabla 8: Precio Sugerido y de Adquisición.............................................................................................. 41 Tabla 9: Designación de Espacio ............................................................................................................ 42 Tabla 10: Resultados de reposición con un grupo .................................................................................. 43 Tabla 11: Resultados de reposición con dos grupos .............................................................................. 44 Tabla 12: Resultados de reposición con tres grupos .............................................................................. 45 Tabla 13: Surtido Ortogonal .................................................................................................................... 48 Tabla 14: Utilidad por modelo dado los niveles de precio....................................................................... 49 Tabla 15: Utilidad por nivel de atributo y cantidad de ventas.................................................................. 51 Tabla 16: Regresión de atributos y ventas en Q ..................................................................................... 52 Tabla 17: Diagnóstico de Colinealidad.................................................................................................... 52 Tabla 18: Orden Original de Niveles ....................................................................................................... 53 Tabla 19: Movimientos por atributo ......................................................................................................... 54 Tabla 20: Ejemplo de variación de niveles, caso atributo marca KBBB ................................................. 55 Tabla 21: Regresión de modelo de participación MNL ........................................................................... 56 Tabla 22: Ingreso de SKU´s a las Ventas Promedio............................................................................... 59 Tabla 23: Regresión de modelo de participación MNL ........................................................................... 61 Tabla 24: Surtido inicial de productos ..................................................................................................... 79 Tabla 25: Importancias relativas y segmentación antigua ...................................................................... 80 Tabla 26: Importancias relativas y segmentación nueva ........................................................................ 81 Tabla 27: Planilla de designación de espacio ......................................................................................... 82 Tabla 28: Stock Out promedio con un grupo de reposición .................................................................... 83 Tabla 29: Stock Out promedio con dos grupos de reposición ................................................................ 84 Tabla 30: Grupos de tres frecuencias ..................................................................................................... 84 Tabla 31: Stock Out promedio con tres grupos de reposición ................................................................ 85 Tabla 32: Observaciones de Ventas y Gross Margin.............................................................................. 86 Tabla 33: Desviación de Gross Margin ................................................................................................... 87 Tabla 34: Desviación promedio Stock Out .............................................................................................. 87 Tabla 35: Resumen desviación SO......................................................................................................... 88

5

Tabla 36: Desviación promedio Ingresos ................................................................................................ 88 Tabla 37: Resumen desviación Ingresos ................................................................................................ 89 Tabla 38: Utilidad precios ........................................................................................................................ 90 Tabla 39: Utilidades de SKU 901 ............................................................................................................ 91 Tabla 40: Probabilidad de modelo de compra......................................................................................... 91 Tabla 41: Utilidad de atributos de SKU 901 y probabilidad de patrón de compra diario ........................ 92 Tabla 42: Esperanza de Utilidad para atributos de SKU 901.................................................................. 93 Tabla 43: Diagnostico de colinealidad al modelo de regresión de atributos ........................................... 94 Tabla 44: Resultados de regresión lineal, transformando los datos nulos a 0.001 ................................ 95 Tabla 45: Resultados de regresión lineal, eliminando los datos nulos ................................................... 96

6

I. ANTECEDENTES GENERALES

KatWise es una herramienta que pretende introducir a los usuarios al concepto

de administración por categoría. Capacita a los participantes en la toma de decisiones

ligadas al marketing1 utilizando una categoría de servilletas. El CERET2 es la entidad

encargada de la realización del simulador.

Los juegos de negocios son una técnica de aprendizaje que consiste en

establecer un ambiente hipotético de negocios. Su uso en el proceso de capacitación

permite fortalecer y/o desarrollar en los participantes ciertas habilidades decisivas

como: la elección del surtido, el espacio de exposición de cada producto, los tipos de

promociones y las frecuencias de reposición.

Actualmente en el mercado podemos clasificar los simuladores de negocios en

Generales y Específicos. Los primeros están orientados a mostrar el uso de las

estrategias a nivel de negocios y las principales decisiones que debe tomar la

dirección general de una empresa. Entre los principales tenemos al Business Policy

Game, Business Strategic Game, CEO, Treshold y el Multinational Management

Game. Los Específicos están enfocados a simular las actividades de un área

particular de una empresa como marketing, finanzas y producción. Entre los

principales simuladores de este tipo tenemos a:

• Markstrat, Brandestrat, Brandmaps, Marketplace, Shoes, Marketing Game,

Marketing Simulation Marklog y Tenpomatic: orientados a simular las

actividades de marketing.

• Fingame y Simdef: para el área de finanzas.

• Forad: enfocado al área de finanzas internacionales.

• Intopia: para los negocios internacionales.

• The Management/Accounting Simulation: para el área de contabilidad.

Debido a la gran cantidad de productos que manejan los supermercados, la

administración de ellos resulta ser un complicado problema, a raíz de esto, nace la 1 Decisiones de precio, promociones, variedad a ofrecer, espacio en góndola y reposición.

2 El Centro de Estudios en Retail, se forma a partir de un proyecto FONDEF orientado a generar y desarrollar soluciones de productividad para las empresas de retail, inicialmente focalizadas en el sector supermercadista.

7

Administración por Categorías. Es un proceso de negocios diseñado entre el

proveedor y el detallista, con el fin de lograr la mayor eficiencia y rentabilidad para

ambos, dentro de una categoría de productos, con base en la satisfacción de las

necesidades del consumidor de manera efectiva. Una Categoría es un grupo

manejable de productos que los consumidores perciben como interrelacionados para

satisfacer sus necesidades.

Uno de los problemas más comunes en el área del marketing es estudiar al

consumidor, ya que resulta de un alto nivel de complejidad realizar un seguimiento a

cada potencial comprador y analizar las diferentes decisiones que lo llevan a comprar

un producto, al momento de enfrentarse a un surtido. Para cubrir esta situación se

utilizaron tres modelos, el de probabilidad de incidencia de compra realizada por Bell3

y Boztug (2004), la elección de un producto por Farder y Hardie4 (1996) y finalmente

la cantidad a comprar que se realiza por medio de una distribución triangular, que se

explicarán en más detalle en los próximos capítulos.

Dada la importancia de lo anterior, se busca que la autora realice su Trabajo de

Tesis en la validación de KatWise para que sea una herramienta útil en la

capacitación de administración por categorías

3 BELL, DAVID R. Y BOZTUG, YASEMIN. “The Effect of Inventory on Purchase Incidence: Empirical, 2004. 4 FADER, PETER S. Y BRUCE G.S. HARDIE. “Modeling Consumer Choice Among SKUs,” Journal of Marketing Research, 33 (November), pp. 442-452, 1996.

8

II. DESCRIPCIÓN DEL PROYECTO Y JUSTIFICACIÓN

El desarrollo de este estudio se enmarca en el proyecto FONDEF de

Supermercados que esta desarrollando el Departamento de Ingeniería Industrial de la

Universidad de Chile.

La gestión de categorías es un tema siempre presente entre los investigadores

de marketing y administradores de retail, debido a la relevancia que tiene para estos

tener el producto, en el lugar, en la cantidad y en el momento correcto, y lo que puede

implicar tanto en las ganancias de la industria del retail como en el ahorro de costos

que un buen pronóstico puede implicar. Por estos motivos, en el presente trabajo se

estudiará el comportamiento del simulador de administración de categoría KatWise,

con el fin de validarlo. Más específicamente, se realizará un estudio cualitativo para

detectar las percepciones de los usuarios, y un estudio cuantitativo que enseñe el

comportamiento de las variables de este simulador, para generar propuestas de

mejora al juego.

Este trabajo tiene como finalidad que KatWise sea una herramienta útil para las

cadenas de retail, y cumpla con el objetivo de capacitar a los encargados de la

administración por categorías, a través de las simulaciones basadas en las decisiones

de marketing empleadas semanalmente. Además, se pretende que sea utilizado

como herramienta académica para alumnos pertenecientes al ramo Gestión

Comercial dictado por la Escuela de Ingeniería Civil Industrial de la Universidad de

Chile, con el objetivo de enseñar a desarrollar estrategias de marketing dentro de una

categoría. Ya que las simulaciones de negocios permiten incrementar la capacidad de

toma de decisiones, aumentar la capacidad de trabajo en equipo, integrar

conocimientos y entender el ambiente de negocios.

9

III. OBJETIVOS

3.1 Objetivo General

“Generar mejoras a la estructura del simulador KatWise mediante estudios, para

que tenga un comportamiento más cercano a lo real, a fin de validarlo”.

3.2 Objetivos Específicos

• Descubrir problemas que presenten los jugadores, para crear soluciones que

mejoren el comportamiento de KatWise.

• Desarrollar un escenario base, para estudiar variabilidad en el modelo.

• Desarrollar un análisis de sensibilidad a los parámetros del juego de negocio,

para comprender comportamiento de las variables.

• Descubrir problemas lógicos que pudiera presentar el simulador KatWise,

para dar alarma a la administración.

• Desarrollar una metodología para estudiar posibles problemas.

10

IV. MARCO CONCEPTUAL

4.1 Administración por categorías

El ambiente actual de los negocios está presentando una serie de desafíos a las

empresas de comercio, que van desde consumidores cada vez más difíciles de

satisfacer, hasta una creciente competencia por parte de los conglomerados

mundiales. En este escenario, nace la Administración por Categoría como respuesta

a los nuevos estándares de eficiencia.

Administración por Categoría es un proceso de negocio entre el retailer y sus

proveedores, que consiste en administrar las categorías de productos como unidades

estratégicas de negocio para producir resultados comerciales mejorados al

concentrarse en entregar mayor valor a los consumidores.

La Administración por Categoría entrega un conjunto de las mejores prácticas de

negocio que permiten guiar y apoyar todas las actividades comerciales al interior de

una empresa, como por ejemplo:

• Organización de los productos y estructuración de las categorías

• Definición de roles y estrategias para las categorías

• Planificación de categorías

• Evaluación y seguimiento de categorías

• Tácticas de las categorías: Precio, surtido, nivel de precio, abastecimiento, nivel

de servicio al cliente

4.2 Modelos de comportamiento de consumidores5

Los comportamientos de compra fueron realizados siguiendo tres modelos, el

primero es el que se refiere a la probabilidad de compra de Bell y Boztug (2004) que

dice que debido a estudios de comportamiento e investigación empírica reciente

sugiere que niveles más altos de inventario pueden conducir a los consumidores a

aumentar el consumo. El inventario, por lo tanto, se postula para ejercer dos fuerzas

5 Los modelos se describe en detalle en anexo 1

11

compensatorias en la probabilidad de la incidencia de la compra. Niveles más altos

del inventario reducen la probabilidad de la compra mientras que el consumidor siente

menos presión de comprar. Al mismo tiempo, la teoría sugiere que niveles más altos

del inventario puedan conducir sobre el índice de consumo, de tal modo aumenta la

probabilidad de la incidencia. Dado lo anterior, desarrollaron un modelo empírico que

capturara explícitamente estos dos efectos que se utilizó con algunos cambios para

obtener la incidencia de compra.

El segundo modelo corresponde al de Farder y Hardie, utilizado para la elección

de un producto. Postula que los consumidores no forman sus preferencias por cada

SKU individual, sino que por el contrario evalúan las cualidades subyacentes que

describen cada artículo. Además, pretende incorporar que un sistema de las

cualidades discretas6 se puede utilizar para caracterizar un sistema grande de SKU's

de manera sencilla.

Finalmente, el tercer modelo utilizado dice que la cantidad que cada consumidor

esta dispuesto a comprar sigue una distribución triangular, la que se determina

considerando el consumo promedio mensual, desviación estándar y la frecuencia de

visita del consumidor.

4.3 Focus Group

El Focus Group es una técnica de Estudio Cualitativo, en el que se reúne a un

grupo de personas para indagar acerca de actitudes y reacciones frente a un

Producto, Servicio, Concepto, Publicidad, Idea o Empaque. Las preguntas son

respondidas por la interacción del grupo en una dinámica donde los participantes se

sienten cómodos y libres de hablar y comentar sus opiniones.

En marketing, las sesiones de grupo son una herramienta muy importante para

recibir retroalimentación de diversos temas. Esta herramienta da información

invaluable acerca del potencial de un concepto y/o producto en el mercado.

Sin embargo, las sesiones de grupo tienen desventajas. El entrevistador tiene

poco control sobre el grupo y en ocasiones se pierde tiempo en asuntos de poca

trascendencia. Por otra parte el análisis es complejo ya que depende de los estilos de

6 Marca, calidad, variedad, diseño, tamaño del paquete y precio

12

comunicación a la par con las reacciones no verbales de los participantes, es por ello

que se necesita personal muy entrenado para el manejo del grupo y el análisis de los

resultados.

4.4 Business Games

Las simulaciones de gestión de empresa son unas potentes herramientas de

aprendizaje que hacen posible que los participantes en las mismas puedan aprender

sobre los factores que influyen en las distintas áreas de sus negocios

comunicándose, argumentando, negociando, compitiendo, tomando decisiones,

alcanzando compromisos y poniendo a prueba sus ideas de manera creativa sin

exponerse a los riesgos propios de una situación real.

Las simulaciones no pueden ofrecer una experiencia real, pero ofrecen lo más

parecido a la misma, una experiencia indirecta de manera casi adictiva por la fuerte

motivación que genera en los participantes gracias a su carácter interactivo y a los

factores competitivos que producen altos niveles de compromiso.

En 1999 se interrogó, mediante una encuesta, a directores y responsables de

formación de todo tipo de organizaciones en el Reino Unido sobre los beneficios de

las simulaciones de empresa como herramienta de formación7. Los resultados de la

encuesta demostraron que las simulaciones ayudan a los participantes a:

• Comprender la interrelación entre las diferentes áreas funcionales de su

empresa y conocer mejor aquellas en las que no son especialistas

• Desarrollar las habilidades para el trabajo en equipo. Las simulaciones muchas

veces hacen posible que se formen equipos muy cohesionados y permiten

explorar distintos roles y su impacto en el rendimiento del equipo

• Desarrollar las habilidades para la toma de decisiones. Los informes -rápidos y

sin ambigüedades- con los resultados permiten que los participantes

comprueben muy claramente las consecuencias de sus decisiones

• Aumentar los conocimientos y habilidades de tipo funcional

• Desarrollar las habilidades para enfrentarse al cambio, el riesgo y la

incertidumbre

Todos estos factores explican por qué las simulaciones de empresa empiezan a

ser el núcleo de los cursos tipo MBA en numerosas Escuelas de Negocios europeas y

7 GERENTES.COM – Artículo: Los simuladores de empresa como herramienta de trabajo.

13

norteamericanas, ocupando hasta el 40-50% de las horas electivas, y la base de

numerosos Seminarios de Formación y Actualización para ejecutivos.

V. METODOLOGÍA

Mediante el presente trabajo, se espera validar el simulador KatWise, para esto

se pretende desarrollar una metodología que siga las siguientes etapas.

Etapa I

Objetivo: Detectar errores gruesos.

1.- Seguimiento de jugadores: evaluar 15 jugadores, con ellos se pretende detectar

extrañezas percibidas en el Simulador (interfaz, variables sobre valoradas, escasez

de información, etc.). Se realizaran 3 focus group para obtener esta información.

2.- Estudios de variabilidad de resultados: analizar lo que sucede con los datos de

salida, al reiterar jugadas con iguales decisiones de entrada, en una misma semana

virtual.

3.- Hacer recomendaciones generales que ayuden a obtener mejoras en el

Simulador.

Etapa II

Objetivo: Analizar y comprender la sensibilidad del resultado del Simulador a las

distintas variables de decisión empleadas por el jugador.

1.- Estudio de atributos: identificar los atributos más explicativos de las ventas, y

detectar cualquier anomalía que pueda presentar el simulador.

2.- Estudio de sensibilidad a las variables más relevantes

3.- Generar recomendaciones de mejora al simulador KatWise

4.- Proponer mejoras al simulador, en una versión futura de este.

14

VI. ALCANCES

El trabajo busca evaluar de manera conjunta las variables existentes en el

Simulador KatWise. Al tratarse de un gran número de datos de entrada, se pretende

realizar estudios donde se abarque de manera grupal las variables ingresadas por los

participantes.

Además, se debe precisar que como resultado final del Trabajo de Tesis se

busca solucionar los diferentes problemas o anomalías que puedan ser detectados en

el estudio del comportamiento de KatWise, para que este pueda ser insertado al

mercado del retail, como una herramienta útil para la práctica de administración por

categorías.

Se contemplará un estudio de las variables que representan los atributos de los

productos del surtido, ya que estos son los factores que más influyen en el

comportamiento de compra de los shoppers. Además, se analizará las apreciaciones

de jugadores que ayuden a mejorar el desarrollo de KatWise.

15

VII. EXPLICACIÓN DEL SIMULADOR

KatWise es un juego de negocios que permite apoyar la capacitación en

Administración por Categorías, orientado principalmente al área de supermercados.

El simulador contempla tres roles Administrador, Instructor y Participante. El

Administrador del Sistema, es quien posee todos los privilegios y puede configurar

los parámetros claves para el funcionamiento del sistema.

El instructor del juego toma las decisiones más generales, como son los

productos que se van a exhibir, precios y presupuestos para promociones que varían

semana a semana, también es el encargado de simular las jugadas de los distintos

participantes.

El instructor se encuentra habilitado para crear, editar y eliminar juegos.

También para manipular los juegos tanto como instructor o como participante. Puede

definir jugadores. Sin embargo, no está habilitado para crearlos, sólo puede

seleccionarlos, ya que dicha acción corresponde al Administrador.

La interfaz que manipula el Instructor presenta variaciones dependiendo de la

etapa en curso. Cada vez que un participante termina una jugada, el instructor debe

ejecutar la simulación correspondiente, para dar la posibilidad de avanzar a la

siguiente etapa en el juego.

También es el responsable de la elección de productos a incluir y el precio8, el

que puede variar cada semana. Una vez que ya han jugado una o más etapas los

jugadores, puede acceder a los Informes.

El Participante es aquel que tiene el rol de administrador de la categoría, por lo

tanto es el encargado de tomar las decisiones relevantes en el juego, maneja una

gran cantidad de variables a fin de maximizar sus utilidades. Dada su importancia se

explica en detalle su rol a continuación.

En la primera interfaz puede ver todos sus juegos, presentándosele los

nombres, la fecha de creación, el estado, la semana en que se encuentra jugando y

un ícono para entrar a cada juego.

Al ingresar a un juego, se presenta la siguiente Interfaz 8 Maneja el precio sugerido y el de adquisición. El precio sugerido, que corresponde al de mercado y el precio de adquisición, es el valor impuesto por el proveedor.

16

Ilustración 1: Interfaz participante

7.1 Datos del Juego

Es de carácter informativo, muestra la categoría, las etapas y características de

la sala, el horario de atención y el espacio disponible para ubicar los productos.

7.2 Información de Entrada

No es modificable por el participante, sólo es apreciativo. Corresponde a la

información que se utiliza para guiar las decisiones de marketing del juego.

7.2.1 Ventas promedio de la categoría

Ilustración 2: Informe de ventas

17

En la tabla se muestra información del comportamiento de cada SKU disponible,

no varía al pasar las semanas, hace referencia al estado inicial del juego. Cuenta con

datos de Ventas en Q y P, Precios de Adquisición, Precios de Venta y Gross Margin

por SKU. También incluye gráficos de cantidades vendidas por producto y de

Ingresos obtenidos por SKU.

7.2.2 Segmentación de Mercado

Este informe da cuenta de la distribución de los diferentes segmentos de los

clientes que ingresan diariamente al supermercado.

Ilustración 3: Segmentación

7.3 Menú del Juego

7.3.1 Comentarios

En este ítem el jugador puede ingresar datos o comentarios que se guardan con

nombre, fecha y hora, quedando ha vista de todos los otros participantes incluyendo

al instructor.

7.3.2 Mix de Productos activos para semana actual del juego

18

Ilustración 4: Mix de productos

Enseña los atributos de Marca, Calidad, Variedad, Diseño, Tamaño y Precio

para los SKU elegidos por el instructor para la semana correspondiente.

7.4 Jugada semana x

Ilustración 5: Decisiones semanales

Este ítem es el más relevante pues es donde el jugador toma todas las

decisiones del juego. Se muestra un punto blanco cuando la decisión correspondiente

no ha sido llenada. Las decisiones de promociones y de Grupos de SKU son las

únicas no obligatorias9. Una vez terminado este proceso se activa un link que permite

al participante mandar la jugada al instructor para que este la simule.

9 Si no se llena la decisión de promociones se asume que el participante no desea promocionar productos en esa semana. En el caso de no llenar los grupos de SKU, se toma como base la agrupación de la semana anterior, por lo tanto, sólo es obligatoria tomar esta decisión en la primera semana del juego.

19

7.4.1 Decisiones Surtido Productos y Precios

Ilustración 6: Surtido y precio

Los precios no pueden superar el 30% de descuento para que la elección sea

válida. También el participante puede tomar decisiones de poner Avisaje10 o

Display11, los que sólo pueden ser utilizados en semanas impares.

Los productos que el jugador desea vender, debe darles un valor distinto a cero

en el espacio correspondiente a Precio Unitario. Además, se le entrega información

del Precio de Adquisición Regular, Precio de Adquisición de la Semana Actual y el

Precio Sugerido que corresponde al precio de mercado.

Si desea exponer en góndola productos de alguna marca en particular, que no

presentaban ventas la semana anterior, debe incurrir en un gasto, llamado Costo de

Incorporación de Marca, el que es constante para todo el juego.

7.4.2 Decisiones Promociones

El jugador debe decidir poner promociones en cada SKU, de ser así, puede

optar en poner un Regalo Básico o un Regalo Medio, donde el primero tiene un costo

de $30 por unidad y el medio de $60 por unidad, también decide la cantidad de

productos que desea promocionar, y finalmente, el sistema arroja un Costo de

Promoción por SKU.

10 Consiste en publicitar en la revista que se entrega a la entrada del supermercado 11 Consiste en poner señalizaciones en los pasillos para llamar la atención de los clientes.

20

Ilustración 7: Decisiones de promoción

Cada marca cuenta con un presupuesto limitado por el instructor, esta decisión

la toma en el estado Por Iniciar, por lo tanto no es modificable en los distintos

períodos, y se descuenta semana a semana, cada vez que el jugador utilice algún

tipo de promoción. También se muestra un Resumen de Promociones de Regalo en

semanas anteriores.

7.4.3 Decisiones Cantidad/Volumen

Estas decisiones corresponden a como el jugador desea ubicar los diferentes

productos en el espacio asignado12 . Se debe optar por la bandeja y también por los

centímetros lineales, que corresponde al ancho de los productos.

12 Son 4 bandejas de 130x60x80 cm. cada una

21

Ilustración 8: Decisiones de volumen

En el ejemplo de la Ilustración 8, observando la bandeja 3, al SKU 514 se le

designó todo el espacio de una bandeja. En la bandeja 2, están los SKU 502 y 504

que se le designó 68 y 51 cm. respectivamente, entrando cuatro productos

linealmente13 del SKU 502 y tres del 504.

7.4.4 Grupos de SKU para la semana

En esta ficha el jugador agrupa los SKU con el fin de utilizar las mismas

frecuencias de reposición entre los productos del grupo, las que serán tomadas más

adelante.

Ilustración 9: Grupos de SKU

13 Sólo se considera el ancho de la bandeja y del producto, omite cuantos más ingresan hacia arriba y al fondo.

22

7.4.5 Frecuencia de reposición

Se selecciona cada grupo, conformado en el ítem anterior y se llena el horario

con la frecuencia de reposición que el jugador estime conveniente. Es importante

notar que se deben llenar todas las celdas y que el dato de frecuencia que ingrese

debe ir en unidades de minutos, es decir, si se quiere reponer cada tres horas hay

que colocar 18014 y luego hacer clic en rellenar, de este mismo modo el participante

debe completar las celdas para todos los grupos que conformó.

Ilustración 10: Frecuencias semanales de reposición

7.4.6 Envío de Resultados

Una vez tomadas todas las decisiones, debe seleccionar el botón Confirmar

Decisiones. Con esto queda a la espera de la ejecución de la simulación por parte del

Instructor para poder liberar la siguiente etapa del juego.

Los siguientes son los reportes a los que puede acceder el participante a partir

de la segunda jugada.

14 Sólo se ingresa el número, no la unidad. Corresponde a 180 min.

23

7.5 Informes de Resultados (Participante/Semana)

Es de carácter informativo, muestra el comportamiento por semanas del jugador.

7.5.1 Resumen ventas semanales por SKU

Ilustración 11: Ventas por SKU

Se selecciona la semana que se desea observar, da cuenta de las ventas por

producto, tanto en cantidad como en utilidad, entregando el Gross Margin, que

corresponde a la diferencia entre precio de adquisición y venta, multiplicado por la

cantidad de productos vendidos. También cuenta con dos gráficos que muestran la

distribución de las Cantidades Vendidas y el Gross Margin por cada SKU, vendido en

la semana observada.

7.5.2 Resumen de Reposición

Ilustración 12: Reposición por SKU

Al seleccionar la semana que se desea observar, se muestra cada SKU con la

cantidad de paquetes por caja de reposición, la cantidad de ventas, las veces que se

24

repuso cada SKU15, el tiempo que demoró en la reposición y el costo asociado a las

reposiciones. En la parte inferior de la interfaz se enseña un gráfico, el que da cuenta

de las unidades vendidas por cada SKU.

7.5.3 Resumen de Stock Out 16

Se selecciona la semana que se desea observar, y se despliega una tabla que

detalla las ventas por SKU, Stock Out y un ratio de lo que no se vendió por el total de

posibles ventas. También se enseña un gráfico que muestra la distribución de lo que

se dejó de vender, por concepto Stock Out para cada SKU.

Ilustración 13: Reporte de stock out

15 Se refiere a la caja 16 Corresponde a cuantas veces llegó un cliente a buscar un producto y no lo encontró por que no había producto en góndola

25

7.5.4 Ingreso neto semanal por SKU

Ilustración 14: Ingreso neto semanal

En este ítem el jugador puede apreciar como se ha comportado su ingreso en

las diferentes semanas. Se muestran dos tablas, la primera contiene información de

venta en pesos, costos de adquisición de productos, Gross Margin y costos de

reposición e incorporación por cada SKU, puesto en góndola la semana observada.

La segunda posee los productos que fueron retirados del mix de la semana anterior,

el número de SKU que fue sacado de góndola, el Precio Unitario de Adquisición

relacionado al SKU, el Inventario en Góndola que corresponde a las unidades que se

encuentran en exhibición por el precio de adquisición, el porcentaje de inventario que

se pierde por efecto de retirar los productos, el Costo de Salida al retirar los productos

del mix y un resumen de las pérdidas por sacar los productos con respecto la semana

anterior.

7.6 Informes de Resultados Acumulados

Es de carácter informativo. Es igual al ítem anterior, pero muestra el

comportamiento acumulado del participante por todo el período jugado. Los reportes

disponibles son tres: Resumen ventas, Resumen de Reposición e Ingreso neto.

26

7.7 Informes de Resultados Comparativos

Es de carácter informativo, muestra el comportamiento por semanas del jugador

de modo comparativo con los ingresos obtenidos por otros participantes.

7.7.1 Comparativos de Ingresos Netos

Ilustración 15: Resumen general de ingresos netos

Hace una comparación por semana entre participantes de Ingresos Netos que

corresponde a Gross Margin, a Costo de Reposición, Costo de incorporación y

Costos por salida del mix. Es importante destacar que si bien la información es por

semana, puede que no todos los jugadores se encuentran en una misma semana.

Finalmente, se acompaña por un gráfico que muestra los ingresos netos de cada

participante.

7.7.2 Comparativos de Ingresos Netos Acumulado

Es igual al ítem anterior, pero es un acumulado de las semanas jugadas para

cada participante.

27

VIII. ESTUDIO CUALITATIVO

La investigación cualitativa implica métodos no estructurados o semi-

estructurados de colección de datos, de discusiones de grupo y de entrevistas al

individuo siendo estas las herramientas de mayor uso general. Además utiliza

muestras relativamente pequeñas, que pueden ser seleccionadas cuidadosamente

para reflejar las características de un grupo objetivo, aunque no se puedan asumir

necesariamente representativo a poblaciones más grandes.

Estudios exploratorios del amplio mercado

La investigación cualitativa se utiliza con frecuencia para examinar las actitudes

y comportamiento del consumidor en lo referente a un amplio campo o servicio del

producto. Esto puede constituir una caracterización inicial de un nuevo mercado

potencial para un cliente, o una mirada fresca en un mercado el convertirse o el

cambiar.

Objetivos

• Saber como los usuarios perciben los parámetros Simulador

KatWise.

• Conocer las motivaciones de uso.

• Comprender las actitudes, aspiraciones y necesidades

subyacentes que pueden afectar el comportamiento al jugar.

• Examinar las fortalezas y debilidades del simulador, así ayudando

a desarrollar ideas tempranas en la construcción de este.

Se utilizó el modelo de Jackie Dickens para la realización del estudio cualitativo,

para esto se emplearon los primeros cuatro puntos, ya que la presentación y el

informe no son necesarias para este tipo de estudio.

28

Etapas para un Estudio Cualitativo:

8.1 Planeamiento

En esta etapa se pretende diseñar el estudio que parece dar la mejor solución a

nuestro problema, para esto respondemos las siguientes inquietudes que nos ofrece

el modelo de Dickens:

¿A quién se desea hablar?

A gente joven, de entre 20 y 30 años, que tenga conocimientos básicos de

administración, que haya utilizado el simulador KatWise en al menos cinco

oportunidades, y que tenga disposición horaria, tanto para la realización de las

jugadas como para la reunión presencial. Nivel de estudio universitario.

¿Qué técnica cualitativa básica emplearemos?

En este punto se debe decidir entre la técnica de entrevistas o la de discusiones

grupales. Las entrevistas generalmente se emplean cuando el comportamiento y las

actitudes pueden ser privadas, lo que no sucede en este caso ya que se pretende

hablar de las apreciaciones generales del simulador KatWise, además, no se necesita

explorar a nivel individual sino de modo más agregado. También se sabe que las

Trabajo en terreno

Reclutamiento

Planeamiento

Análisis

Presentación

Informe

29

discusiones en grupo proporcionan medios rápidos y eficaces de explorar ideas de

como son percibidos nuevos productos, a su vez, la interacción entre los miembros

del grupo permite que los individuos comparen y pongan en contraste sus opiniones

con las de otros, estimulándolos a articular pensamientos y sensaciones que de otra

manera difícilmente hubiesen surgido. En conclusión, dada la rentabilidad y

factibilidad se opta por hacer una discusión en grupo.

¿Cuál será el tamaño y la estructura de la muestra?

Dado que el tipo de personas es bastante homogéneo, sólo se pueden distinguir

dos grupos que tienen relevancia para el análisis.

Grupo 1: gente sin conocimiento de Marketing

Grupo 2: gente con conocimiento de Marketing

Dado lo anterior se optó por trabajar con 15 personas, la mayor parte

estudiantes de último año de Ingeniería Civil. Ya que presentan cercanía al área

administración y les resulta sencillo familiarizarse con este tipo de software.

Para la realización del Focus Group se pretende hacer 3 reuniones, la primera

sólo de gente perteneciente al Grupo 1, el segundo perteneciente al Grupo 2 y

finalmente una tercera reunión mixta, cada una de 5 integrantes. Se optó por un bajo

número de integrantes por reunión, debido a que hay una gran cantidad de variables

a discutir y se espera que tenga una duración aproximada de 1 hora, además la

persona encargada en conducir las sesiones no presenta un elevado conocimiento ni

dominio de esta materia, por lo tanto se ha elegido un grupo reducido, para hacer

más sencilla la tarea.

¿Qué áreas deseamos cubrir?

Se pretende responder a los objetivos del estudio cualitativo declarados con

anterioridad, y estudiar como es percibido dentro de un contexto más amplio de un

mercado. Para analizar si el simulador KatWise cumple finalmente con las

pretensiones esperadas.

30

8.2 Reclutamiento

Se seleccionó y filtró a la gente para la conformación de los grupos para el

Focus, para esto se realizó un cuestionario de reclutamiento17 a 20 personas, de

donde se seleccionaron 15 que cumplían con lo requerido.

El mecanismo de selección se basó en 3 objetivos, primero se intentó analizar

las preguntas de tipo educacional para ver si poseían algún conocimiento

administrativo y de marketing, que era lo buscado, el segundo objetivo fue rescatar la

disponibilidad de tiempo para jugar y asistir a las reuniones. Como último, se eliminó

a las personas que pudiesen estar relacionadas a los estudios de mercado porque

pueden manejar información que distorsione los resultados.

8.3 Trabajo en Terreno

El trabajo en terreno debiese ser conducido por gente capacitada, por la

necesidad de guiar en forma adecuada la discusión, pero por asunto de recursos,

se optó que la autora sea la que tenga este rol.

Se deben crear las condiciones necesarias para que el lugar de discusión del

grupo sea óptimo, para esto se tuvo en cuenta aspectos como:

• Ubicación de las sillas en círculos, de modo informal, para que sea un

ambiente relajado.

• Las mesas preparadas con café, ceniceros, etc.

• Una luz adecuada.

• Realizar pruebas de audio para obtener una buena grabación.

• Comprobación de la composición exacta del grupo, para estar atento a

cancelaciones.

• Un computador para tener presente el simulador KatWise.

Otro punto muy relevante en la realización de los Focus Group es como se

maneja la discusión del grupo, en este caso el método es bastante informal pues la

17 Cuestionario de reclutamiento en anexo 2

31

incorpora gente joven, con algún tipo de cercanía a la entrevistadora, lo que hace que

sea más sencillo guiar y controlar cualquier tipo de anomalía que se presente.

Se realizó un punteo de temas a tocar con el fin de cubrir todos los objetivos de

esta discusión:

• Información de entrada

• Nivel de Comprensión

• Percepción de parámetros

• Peso de cada variable

• Reportes

• Método de juego

• Variables más relevantes que veían para tomar decisiones

• Interfaz

• Tiempo de Juego

• Motivaciones

• Actitud frente al simulador

8.4 Análisis

Se realizaron las reuniones con los tres grupos mencionados con anterioridad,

las que fueron grabadas, para posteriormente ser reducidas y obtener las ideas más

relevantes por cada grupo18. Finalmente, se analizó en conjunto los comentarios más

repetitivos o más importantes para tomarlos en consideración, obteniéndose lo

siguiente.

Después de analizar cada una de las reuniones, se llegó a conclusiones que

fueron seleccionadas bajo diferentes parámetros, como concordancia por gran

cantidad de participantes, conclusiones que muestran los errores existentes en la

metodología o apreciaciones de relevancia para el contexto del simulador,

obteniéndose lo siguiente:

18 Los comentarios más importantes de cada grupo en anexo 3

32

• Se debe considerar hacer una previa explicación, una clase o un manual

que los oriente e informe a como tomar las decisiones y los detalles a

considerar en el juego como:

• Aclarar que se trata de una categoría de servilletas y explicar los

atributos brevemente.

• Dado que la segmentación confunde, hacer una pequeña aclaración

de ella.

• Explicar el funcionamiento de avisaje y display.

• Mencionar que la cantidad de productos a poner en promoción, no

se refiere a la cantidad de productos por unidad de SKU, sino a la

cantidad de productos a promover independiente de las unidades

que se expongan.

• Explicar la distribución de espacio y como llenar los módulos de

frecuencia de reposición.

• Aclarar a lo jugadores que a la hora de poner promociones sólo se

venden productos con regalo. No se venderán productos que no

lleven la promoción.

• Incorporar la información de la obligación de jugar con todos los

productos la primera semana. Las siguientes se pueden sacar

poniendo un 0 en precio unitario

• Estudiar la sobre valoración SKU 504 y 505

• Estudiar si el modelo incorpora la información de la semana anterior para

la toma de decisiones, que pasa con el stock de los hogares de los

consumidores.

• Estudiar insensibilidades del precio.

• Considerar esta propuesta, “Debería quedar un registro de la decisiones

de la semana anterior, porque es una pérdida de tiempo anotar todo en

un cuaderno”

33

• Estudiar los descuentos, ya que no tienen gran incidencia en los

resultados.

• Tener presente que se deberían poner incentivos finales, ya que no

habían muchas motivaciones.

34

IX. CAMBIOS OBTENIDOS DEL ESTUDIO CUALITATIVO

Los resultados obtenidos en el estudio cualitativo generaron varias

modificaciones en KatWise, las principales fueron las siguientes.

9.1 Cambios de imagen

Se hizo un cambio de interfaz importante, ya que el Focus Group arrojó que

KatWise presentaba una compleja visualización en las decisiones.

Ilustración 16: Visualización Antigua

La Nueva Imagen hace una diferenciación por colores. La información de

entrada se presenta en azul, las decisiones en verde y los reportes en color rojo, lo

que hace que sea mucho más clara la distribución de la información.

35

Ilustración 17: Visualización Nueva

También se hizo modificaciones en los nombres de las marcas, por dos

importantes razones, la primera, dar status al simulador KatWise, el nombre en inglés,

da una impresión de mayor globalidad, y la segunda fue aclaratoria, es decir utilizar

nombres que reflejen su posicionamiento en el mercado.

MARCA MARCA

ESTRELLA KRYSTAL COMETA DIAMOND

LUNA GOLDEN SOL BRILLIANT

Tabla 1: Cambio de Marcas

Se incorporó el nombre y logotipo a la interfase, para hacer un producto más

potente, creíble y un con identidad.

36

Ilustración 18: Logotipo KatWise

9.2 Cambios de Atributos

Se hicieron cambios en los nombres de los atributos los SKU´s19. El atributo

Calidad poseía dos niveles pero estaban representados por más de dos nombres, es

decir, Normal y Junior correspondían a un nivel y Gold, Mayor Absorción y Alta

pertenecían a otro nivel, esto se modificó y se les puso sólo un nombre por nivel

agrupándolos en Normal y en Premium respectivamente.

SKU MARCA CALIDAD VARIEDAD DISEÑO TAMANO PRECIO

501 Krystal normal cóctel sin 50 189 502 Krystal normal mesa sin 50 199 503 Krystal Premium cóctel sin 20 219 504 Krystal Premium mesa con 20 379 505 Krystal Premium mesa sin 20 409 506 Diamond normal cóctel sin 50 149 507 Diamond normal cóctel sin 200 419 508 Diamond normal mesa sin 50 199 509 Diamond normal mesa sin 300 799 510 Diamond Premium cóctel sin 35 139 511 Diamond Premium cóctel sin 120 549 512 Diamond Premium mesa con 25 299 513 Golden normal cóctel sin 50 119 514 Golden normal cóctel sin 150 359 515 Golden normal cóctel con 40 129 516 Golden Premium cóctel con 35 185 517 Brilliant Premium cóctel sin 50 99 518 Brilliant Premium cóctel con 50 119

Tabla 2: Atributos Nuevos

19 Tabla antigua en anexo 4

37

Otro cambio que se puede apreciar es en los SKU´s 510, 511, 512, 516, 517 y

518, donde algunos presentaron mejora en sus atributos como calidad, otros

diferencias en los tamaños de las servilletas y finalmente cambios en los precios, para

hacerlos más atractivos.

9.3 Cambios de Utilidad

Se hicieron cambios en la tabla Utilidad Atributo Nivel en los máximos y mínimos

de cada nivel, con el fin de generar menor dispersión en los resultados, es decir que

la diferencia entre elegir un nivel u otro, en un mismo atributo, no sea tan grande.

Esto se hizo a modo de prueba y error. Se respetó que la suma de las Utilidades de

los niveles por atributo resultara cero, con el fin de mostrar imparcialidad ante la

totalidad de los niveles.

A continuación, se muestra, a modo de ejemplo, el Modelo 1, el atributo Marca

posee cuatro niveles y sólo fueron modificados los valores extremos, el Nivel 1

(Krystal) ya que era el máximo del nivel, se subió de 1.2 a 1.2095 y al Nivel 4

(Brilliant) se bajó la Utilidad de -1.4 a -1.4095, dado que era el mínimo de todos los

niveles. Estos ajustes se hicieron para los 20 Modelos de Valorización con el fin de

hacer más parejas las utilidades de los diferentes SKU´s y así lograr que exista mayor

competitividad entre los diferentes productos.

MODELO VALORIZACIÓN ATRIBUTO NOMBRE NIVEL NIVEL UTILIDAD

1 - modelo MARCA Estrella 1 1,2 1 - modelo MARCA Cometa 2 0,2 1 - modelo MARCA Sol 3 0 1 - modelo MARCA Luna 4 -1,4 1 - modelo CALIDAD Gold 1 1 1 - modelo CALIDAD Normal 2 -1 1 - modelo VARIEDAD cóctel 1 0,4 1 - modelo VARIEDAD Mesa 2 -0,4 1 - modelo DISENO Sin 1 0,5 1 - modelo DISENO Con 2 -0,5 1 - modelo TAMANO pequeño 1 1 1 - modelo TAMANO grande 2 -1

Tabla 3: Modelo Antiguo

38

MODELO VALORIZACIÓN ATRIBUTO NOMBRE NIVEL NIVEL UTILIDAD

1 - Modelo MARCA KRYSTAL 1 1,2095 1 - Modelo MARCA DIAMOND 2 0,2 1 - Modelo MARCA GOLDEN 3 0 1 - Modelo MARCA BRILLIANT 4 -0,14095 1 - Modelo CALIDAD PREMIUM 1 0,9524 1 - Modelo CALIDAD NORMAL 2 -0,9524 1 - Modelo VARIEDAD COCTEL 1 0,04762 1 - Modelo VARIEDAD MESA 2 -0,4762 1 - Modelo DISENO SIN 1 0,04762 1 - Modelo DISENO CON 2 -0,4762 1 - Modelo TAMANO PEQUENO 1 0,9524 1 - Modelo TAMANO GRANDE 2 -0,9524

Tabla 4: Modelo Nuevo

El cambio en la utilidades atributo nivel, repercutió en las importancias relativas

de los modelos, obteniéndose nuevos segmentos, los que fueron realizados con

Kmedias.

Al analizar la segmentación resultante20, podemos identificar que los modelos

siguen el mismo patrón que la valorización antigua, exceptuando el modelo 18, que

cambió de cluster. También se aprecian cambios en la denominación y en la

numeración de los cluster.

SEGMENTO #

ANTIGUO

NOMBRE DE SEGMENTO

ANTIGUO

SEGMENTO #

NUEVO

NOMBRE DE SEGMENTO

NUEVO 1 Platino (T-C) 2 Variedad-Precio-Diseño 2 Gold(M-C-T) 4 Marca-Variedad 3 Medium(D-V) 5 Marca-Calidad 4 Price_Sensitive_(P-V) 1 Precio-Calidad 5 Other(P-T-D) 3 Marca-Precio

Tabla 5: Cambios en la Segmentación

Otro factor que sufrió cambios fue la cantidad de shoppers, inicialmente se tenía

un ingreso de 148 personas al supermercado, lo que se modificó a 2500 personas.

Obteniendo variaciones en la segmentación como los muestras los siguientes

gráficos.

20 Nueva segmentación en anexo 5

39

SegmentaciónAntigua

20%

26%

14%

30%

10%Tamaño-Calidad

Marca-Calidad-Tamaño

Diseño-Variedad

Precio-Variedad

Precio-Tamaño-Diseño

Gráfico 1: Segmentación antigua

SegmentaciónNueva

18%

9%46%

12%

15%Variedad-Precio-Diseno

Marca-Variedad

Marca-Calidad

Precio-Calidad

Marca-Precio

Gráfico 2: Segmentación Nueva

Finalmente, gracias a las modificaciones realizadas se obtuvo lo buscado, que

ingresaran más productos a competir.

Se puede ver en la información de entrada. En las ventas promedio de la

categoría antes sólo 9 de los 18 productos presentaban ventas, y actualmente son 12

los que las tienen, además se logró una mayor distribución en las ventas.

SKU VENTAS (Q) SKU VENTAS (Q)

503 545 502 46 504 2301 503 1719 505 1035 504 593 507 75 505 1017 509 185 507 154 510 1466 509 94 511 451 511 462 514 195 512 630 515 48 514 177

516 378 517 446 518 425

Tabla 6: Ingreso de SKU´s a las Ventas Promedio

40

X. ESTUDIO DE VARIABILIDAD

El objetivo es investigar la desviación estándar de los informes resultantes del

simulador, en cuanto a Ingresos, Gross Margin, Ventas y Stock Out, con el fin de

estudiar que los datos generados de manera aleatoria presenten cierto grado de

acotamiento y no arroje soluciones al azar, y así, poder demostrar que el simulador

KatWise se encuentre bien ajustado a modo global.

Para poder realizar el estudio de variabilidad se debió optar por un escenario

común en la toma de decisiones. A continuación se muestra como fueron

determinadas las diferentes variables de decisión y la dimensión de las góndolas a

utilizar.

10.1 Construcción de Escenario Base

10.1.1 Tamaño Góndola

Se pensó que la dimensión de la góndola era muy acotada, inicialmente tenía

120 cm. y se estudió que sucedía si se aumentaba a 150 cm., el principal cambio fue

sobre el Stock Out que presentó un aumento, el que debía ser frenado a través de la

frecuencia de reposición, generándose un trade off, entre la dimensión de la góndola

y la frecuencia, dado la poca importancia que generaban los 30 cm. extra por

bandeja, se optó por mantener los 120 cm. iniciales.

10.1.2 Surtido

Para obtener el escenario base se planteó que todos los productos del Mix

fueran expuestos en góndola.

SKU MARCA CALIDAD VARIEDAD DISEÑO TAMAÑO PRECIO

501 Estrella Normal cóctel Sin 50 189 502 Estrella Normal Mesa Sin 50 199 503 Estrella Gold cóctel Sin 20 263 504 Estrella Gold Mesa Con 20 455 505 Estrella Gold Mesa Sin 20 491 506 Cometa Junior cóctel Sin 50 149 507 Cometa Junior cóctel Sin 200 419 508 Cometa Junior Mesa Sin 50 199 509 Cometa Junior Mesa Sin 300 799

41

510 Cometa Mayor Absorción cóctel Sin 50 149

511 Cometa Mayor Absorción cóctel Sin 200 499 512 Cometa Mayor Absorción Mesa Con 25 399 513 Luna Normal cóctel Sin 50 119 514 Luna Normal cóctel Sin 150 359 515 Luna Normal cóctel Con 40 129 516 Luna Normal cóctel Con 35 185 517 Sol Normal cóctel Sin 50 129 518 Sol Alta cóctel Con 50 139

Tabla 7: Surtido

10.1.3 Precio

La situación base elegida utiliza los precios propuestos por el sistema, tanto para

el precio sugerido de venta21 como el precio de adquisición, que corresponden a:

SKU PRECIO SUGERIDO PRECIO ADQUISICIÓN

501 189 142 502 199 149 503 219 164 504 379 284 505 409 307 506 149 112 507 419 314 508 199 149 509 799 599 510 149 112 511 499 374 512 399 299 513 119 89 514 359 269 515 129 97 516 185 139 517 129 97 518 139 104

Tabla 8: Precio Sugerido y de Adquisición

10.1.4 Promoción

El escenario base no contempla promociones que puedan distorsionar los

resultados, tampoco avisaje ni display.

21 También llamado precio unitario

42

10.1.5 Espacio en Góndola

Dado que el surtido contempla todos los productos, se optó por dar espacios

similares, manteniendo en cuenta las diferentes dimensiones de los productos. Se

realizó un análisis para designar el espacio óptimo22.

Dado que son 4 bandejas de 120cm. cada una, cada jugador posee un total de

480cm. lineales para poner el total de productos, si se divide equitativamente,

obtenemos que cada SKU posee 26,6cm., lo que no coincide con el ancho de los

diferentes SKU, por lo tanto, se trató de acercar lo más posible a este valor, por

medio de la amplificación.

El SKU 509 superó esta medida, pues requería de 38cm. para ubicar al menos

un producto23, por lo tanto se le entregó 11cm. extras, para que pudiese entrar en la

góndola. A los SKU´s de 12cm. se les dio 24cm. para que ingresasen dos de sus

productos de manera frontal. A los productos de 25cm. de ancho se les entregó

25cm. lineales para ubicar sus productos. Finalmente, los productos de 19cm., a sólo

dos de ellos era factible entregarles el doble de su espacio, y eligiéndose a los que

generaban mayor margen, los SKU 504 y 505, resultando lo siguiente.

SKU BANDEJA CM. LINEALES TOTAL DE UNIDADES

501 2 24 80 502 4 19 24 503 4 24 160 504 2 38 96 505 3 38 96 506 4 24 80 507 2 25 20 508 3 19 24 509 3 38 9 510 3 24 80 511 2 25 20 512 4 19 48 513 1 24 80 514 4 25 25 515 1 24 100 516 1 24 110 517 1 24 80 518 1 24 80

Tabla 9: Designación de Espacio

22 La designación de espacio se puede ver en detalle en anexo 6 23 Linealmente, no considerando alto y fondo

43

10.1.6 Reposición

Para la reposición se realizaron tres pruebas con el fin de obtener un Stock Out

(SO) similar al 15%, que es lo que el mercado real maneja actualmente. Para esto se

manipularon las variables de cantidad de grupos y la frecuencia24.

Se analizó el Ratio SO/ (Ventas +SO) para cada SKU y también el promedio de

ellos. Lo primero fue hacer una prueba con un sólo grupo de reposición, con una

frecuencia de 720 min., es decir una vez al día, todos los días de la semana, los

resultados de Stock Out fueron del orden del 44% y los SKU 516 y 517 no

presentaron ventas.

SKU VENTAS (Q) STOCK OUT [Q] RATIO SO / (VENTAS + SO)

501 208 7 0,03 502 163 512 0,76 503 736 688 0,48 504 765 1192 0,61 505 639 783 0,55 506 75 0 0 507 96 138 0,59 508 60 138 0,7 509 73 125 0,63 510 659 636 0,49 511 162 212 0,57 512 245 638 0,72 513 161 15 0,09 514 165 224 0,58 515 67 0 0 518 260 85 0,25

44%

Tabla 10: Resultados de reposición con un grupo

Para la siguiente observación se separó en 2 grupos, según el ratio obtenido en

el ejercicio anterior, los SKU 501, 506, 513, 515, 516, 517 y 518 se les fijó una

frecuencia igual a la empleada en el caso antepuesto, de 720 min., y al resto se les

aumentó la frecuencia a 360 min.25 dado que presentaron Stock Out sobre el 45%. Se

obtuvo lo que se muestra a continuación:

24 Estudio de frecuencia de reposición en anexo 7 25 2 veces al día

44


501 1 0 0 502 101 105 0,51 503 685 22 0,03 504 1119 707 0,39 505 734 102 0,12 507 78 0 0 509 116 40 0,26 510 894 184 0,17 511 239 34 0,12 512 242 259 0,52 514 206 25 0,11 515 50 0 0 518 116 0 0

17%

Tabla 11: Resultados de reposición con dos grupos

Si bien varios productos dejaron de venderse, el ratio SO/ (SO + Ventas) bajó

considerablemente a un 17%. Por lo que se realizó una tercera prueba, la que

contempló 3 grupos, el primero con una frecuencia de 240 min.26 para los SKU 502,

504 y 512, que son los que presentan mayor ratio, un segundo grupo con los SKU

503, 505, 509, 510, 511 y 514 con una frecuencia igual a la empleada en la

observación anterior, de 360 min. y un último grupo para los que generan menor

cantidad de ventas, como lo fueron los SKU 501, 507 , 515 y 518, en este grupo

también se incluyeron los SKU que no presentaron ventas ( SKU 506, 508, 513, 516 y

517) por si esta variación los hacia ingresar al surtido de productos que presentan

ventas. Se les aplicó una frecuencia mínima de 1 vez a la semana es decir cada 5040

min., obteniéndose lo siguiente.


501 16 0 0 502 150 64 0,3 503 701 27 0,04 504 1392 367 0,21 505 751 94 0,11 507 73 8 0,1 509 115 50 0,3 510 912 210 0,19 511 242 34 0,12

512 121 57 0,32 26 3 veces al día

45

514 209 26 0,11 515 45 0 0 518 89 0 0

14%

Tabla 12: Resultados de reposición con tres grupos

Finalmente, se obtiene un Stock Out aceptable, dado que en la realidad se

maneja SO cercanos la 15%, por lo tanto es elegida esta alternativa de grupos y

frecuencia, para al situación base buscada.

Se puede ver que los SKU 506, 508, 513, 516 y 517 no aparecen en el reporte

con ventas, esto se explica ya que al encontrarse todo el Mix a la venta, el efecto de

la sustitución hace que estos productos no presenten ventas.

Acabado lo anterior, tenemos el escenario base buscado, el que será empleado,

para hacer las pruebas de Variabilidad al modelo.

10.2 Estudio de Variabilidad

Una vez obtenido el escenario base, se realizaron pruebas de variabilidad. Se

jugó varias veces tomando iguales decisiones y luego se analizó los resultados. Se

utilizó como rango de aceptación los resultados con desviación menor al 10%

promedio, dado que el simulador KatWise presenta un importante número de datos

aleatorios.

Se realizaron estudios de Ventas y Gross Margin, Ingresos y Stock Out,

obteniéndose lo siguiente:

10.2.1 Ventas y Gross Margin

Desviación Estándar por SKU en Ventas y Gross Margin

0%

5%

10%

15%

20%

501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 518

SKU

Des

v %

Gráfico 3: Desviación de Ventas y Gross Margin para cada SKU

46

La Desviación promedio cercana al 8% para el análisis de SKU por ventas y

Gross Margin27, lo que es satisfactorio para el problema.

10.2.2 Ingresos

Desviación Estándar de Ingresos por SKU

0%

5%

10%

15%

20%

25%

30%

501

502

503

504

505

506

507

508

509

510

511

512

513

514

515

518

SKU

Des

v %

Gráfico 4: Desviación de Ingresos por cada SKU

El promedio de la desviación corresponde a un 8%, por lo tanto cumple con lo

permitido28.

10.2.3 Stock Out

Desviación Estándar de Stock Out por SKU

0%2%4%6%8%

10%12%14%16%18%

501

502

503

504

505

506

507

508

509

510

511

512

513

514

515

518

SKU

Des

v (%

)

Gráfico 5: Desviación de Stock Out por cada SKU

Como se puede apreciar la desviación en el caso del Stock Out es del 6%

promedio de los SKU, por lo tanto cumple con nuestro rango de aceptación menor al

10%29.

Los tres análisis anteriores muestran que el promedio de la desviación es inferior

a la cota superior del 10% planteada a través de juicio experto, por lo tanto podemos

decir que el Simulador KatWise se encuentra correctamente equilibrado ante

decisiones iguales.

27 Obtención de desviación de Ventas y Gross Margin en anexo 8.1 28 Obtención de desviación de Stock Out en anexo 8.2 29 Obtención de desviación de Ingresos en anexo 8.3

47

XI. ESTUDIO DE IMPORTANCIA DE ATRIBUTOS

Se pretende encontrar la importancia que representa cada atributo sobre el

modelo, es decir, descubrir que variables son las que describen el comportamiento de

las ventas, para posteriormente hacer un análisis acerca de la valoración de los

atributos.

11.1 Estudio de Atributos por medio de la Utilidad

Con este estudio se busca entender la importancia en la Función de Utilidad de

cada atributo. Al tratarse de un gran número de decisiones de entrada, existen

múltiples combinación que pueden realizar los jugadores, haciendo que el estudio de

cada variable sea un proceso muy dificultoso, por lo tanto, se optó por manipular los

atributos a través de un diseño ortogonal, para así poder abarcar, en gran medida, el

espacio de las decisiones de entrada. Para esto, se utilizó el programa SPSS, donde

se ingresó cada atributo con sus respectivos niveles, poniendo como cota mínima 30

productos resultantes, ya que es un valor amplio y a la vez manipulable para el

estudio deseado. El sistema arrojó 32 datos mostrados a continuación.

MARCA CALIDAD VARIEDAD DISEÑO TAMANO PRECIO

Krystal normal cóctel con 50 100 Krystal Premium mesa con 50 100 Krystal Premium cóctel sin 120 240 Krystal normal mesa sin 120 240 Krystal normal cóctel sin 50 175 Krystal Premium cóctel con 120 420 Krystal Premium mesa sin 50 300 Krystal normal mesa con 120 720 Diamond Premium cóctel sin 50 100 Diamond normal mesa sin 50 100 Diamond normal cóctel con 120 240 Diamond Premium mesa con 120 240 Diamond normal mesa con 50 175 Diamond Premium mesa sin 120 420 Diamond Premium cóctel con 50 300 Diamond normal cóctel sin 120 720 Golden Premium cóctel con 50 100 Golden normal mesa con 50 100 Golden normal cóctel sin 120 240 Golden Premium mesa sin 120 240

48

Golden normal mesa sin 50 175 Golden Premium mesa con 120 420 Golden Premium cóctel sin 50 300 Golden normal cóctel con 120 720 Brilliant normal cóctel sin 50 100 Brilliant Premium mesa sin 50 100 Brilliant Premium cóctel con 120 240 Brilliant normal mesa con 120 240 Brilliant normal cóctel con 50 175 Brilliant Premium cóctel sin 120 420 Brilliant Premium mesa con 50 300 Brilliant normal mesa sin 120 720

Tabla 13: Surtido Ortogonal

Lo primero, fue estudiar el modelo que utiliza el simulador para evaluar la

Utilidad, que corresponde al modelo de Fader y Hardie, que se muestra a

continuación:

)( jUi

t =Utilidad que le reporta al consumidor i el producto j en el instante t.

ji

t

j

t

j

t

A

a

i

t

Ka

l

aj

l

ai

lt

i

t MMPfAUjU,

22,11,

1 1

,,

, )**1(*)()*()( εγγ +++

+= ∑ ∑

= =

Donde:

)(,

, jUai

ltt = Utilidad que le reporta al consumidor i en el instante t, el atributo a en

su nivel l.

)(Pfi

t = Valor que toma la función de utilidad precio para el consumidor i en el

instante para el precio P. j

alA , = Indicador binario: 1 si el producto j posee el atributo a en su nivel l, 0 en

caso contrario. j

mtM , = Indicador binario: 1 si la acción de marketing m esta activa para el

producto j en el instante t, 0 en caso contrario.

30 aK = Número de niveles para el atributo a - esimo. ji

t

,ε = Término de error.

Los estudios se hicieron, bajo el supuesto de que no existe acción de marketing,

es decir, no hay descuentos, y tampoco hay Display ni Avisaje, con el fin de analizar

30 Peter S. Fader, Bruce G. S. Hardie 1996, Modeling Consumer Choice among SKUs

49

más limpiamente el efecto de las variables atributo (Marca, Calidad, Variedad,

Diseño, Tamaño y Precio) en las ventas. Dado lo anterior, las variables j

mtM , se

hacen cero, dejando en la función de Utilidades, la suma de las utilidades de los

atributos más el factor precio correspondiente.

El precio es el único atributo que tiene valores continuos por tramos, y presenta

tres intervalos, el primero, es de precios bajos, entre 1 y 2.99 pesos la unidad, el

segundo corresponde al precio medio que es entre 3 y 3.99 pesos la unidad, y el

último tramo corresponde al precio alto que está entre 4 y 25 pesos unitarios, que se

calculan dividiendo el precio que ingresa el participante31 por el tamaño32. Para hacer

el cálculo de utilidad por precio para cada modelo, se extrajo a través de la

interpolación de los datos originales33 (2 en el caso bajo, 3,5 en el caso medio y 6

para los de precio alto, que son los que posteriormente se utilizaron en el diseño

ortogonal.

MODELO BAJO MEDIO ALTO

2 3,5 6 1 0,47 0,10 -0,089 2 0,59 0,20 -0,112 3 0,76 0,00 -0,088 4 0,80 0,20 -0,152 5 0,60 0,10 -0,086 6 0,21 -0,05 -0,021 7 0,20 0,00 -0,018 8 0,66 0,20 -0,125 9 0,92 0,35 -0,174 10 0,94 0,30 -0,178 11 0,41 0,10 -0,079 12 0,81 0,25 -0,154 13 0,89 0,45 -0,17 14 0,91 0,40 -0,173 15 0,36 0,00 -0,03 16 0,47 0,15 -0,089 17 0,28 -0,15 -0,014 18 0,46 -0,15 -0,03 19 0,44 0,05 -0,046 20 0,70 -0,20 -0,056

Tabla 14: Utilidad por modelo dado los niveles de precio

31 Precio por paquete de servilletas 32 Unidades vienen por paquete 33 Cálculo de utilidad por precio en anexo 9.1

50

Con lo anterior, y las importancias relativas de cada variable, se pudo construir

tablas de utilidades por cada SKU ortogonal, las que describen las utilidades que

aporta cada nivel en los diferentes 20 modelos, por cada SKU34.

Luego de obtenidas las Utilidades por modelo para cada SKU, se estudió la

probabilidad de incidencia de cada modelo, las que presentan cinco niveles de patrón

de compra, probabilidad dado 1, 3, 7, 14 y 28 días de compra, por lo que se obtuvo

una matriz de probabilidad de modelo35.

Con la matriz de probabilidad se calculó la esperanza de la utilidad para cada

nivel de atributo, dado los 20 modelos, pero sólo se utilizó el patrón de compra diario,

dado que la simulación se realizó sólo en la semana 1 para todas las

observaciones36.

Una vez obtenido las esperanzas de utilidad de cada atributo, se corrió la

simulación para obtener los resultados de ventas en cantidad (Q), para luego

construir las ecuaciones de cada SKU.

El modelo utilizado corresponde al siguiente:

∑=m

immi upuE )*()( ,

ii xuE =)(

∑=i

tiit xy )*(β

Donde,

mp = Probabilidad de modelo m

imu , = Utilidad de atributo i según modelo m

ty = Ventas en Q (arrojadas por le simulador) que presenta el SKU t,

ix = Esperanza de la utilidad de atributo i

iβ = Corresponde a los parámetros asociados a cada atributo i

Con este modelo se construyeron las ecuaciones de utilidad por atributo para

cada SKU, como se ve a continuación:

34 Las tablas de utilidad de los SKU´s ortogonales se pueden ver en anexo 9.2 35 La matriz de probabilidad de compra en anexo 9.3 36 El cálculo de la esperanza de la utilidad en anexo 9.4

51

SKU MARCA CALIDAD VARIEDAD DISEÑO TAMANO PRECIO VENTASQ

901 0,85 -0,85 0,12 -0,12 -0,07 0,54 0 902 0,85 0,85 -0,12 -0,12 -0,07 0,54 728 903 0,85 0,85 0,12 0,12 0,07 0,54 650 904 0,85 -0,85 -0,12 0,12 0,07 0,54 224 905 0,85 -0,85 0,12 0,12 -0,07 0,06 0 906 0,85 0,85 0,12 -0,12 0,07 0,06 64 907 0,85 0,85 -0,12 0,12 -0,07 -0,08 355 908 0,85 -0,85 -0,12 -0,12 0,07 -0,08 0 909 0,85 0,85 0,12 0,12 -0,07 0,54 998 910 0,23 -0,85 -0,12 0,12 -0,07 0,54 0 911 0,23 -0,85 0,12 -0,12 0,07 0,54 0 912 0,23 0,85 -0,12 -0,12 0,07 0,54 21 913 0,23 -0,85 -0,12 -0,12 -0,07 0,06 0 914 0,23 0,85 -0,12 0,12 0,07 0,06 4 915 0,23 0,85 0,12 -0,12 -0,07 -0,08 157 916 0,23 -0,85 0,12 0,12 0,07 -0,08 0 917 0,05 0,85 0,12 -0,12 -0,07 0,54 333 918 0,05 -0,85 -0,12 -0,12 -0,07 0,54 0 919 0,05 -0,85 0,12 0,12 0,07 0,54 9 920 0,05 0,85 -0,12 0,12 0,07 0,54 277 921 0,05 -0,85 -0,12 0,12 -0,07 0,06 0 922 0,05 0,85 -0,12 -0,12 0,07 0,06 0 923 0,05 0,85 0,12 0,12 -0,07 -0,08 135 924 0,05 -0,85 0,12 -0,12 0,07 -0,08 0 925 -1,12 -0,85 0,12 0,12 -0,07 0,54 47 926 -1,12 0,85 -0,12 0,12 -0,07 0,54 27 927 -1,12 0,85 0,12 -0,12 0,07 0,54 0 928 -1,12 -0,85 -0,12 -0,12 0,07 0,54 0 929 -1,12 -0,85 0,12 -0,12 -0,07 0,06 0 930 -1,12 0,85 0,12 0,12 0,07 0,06 7 931 -1,12 0,85 -0,12 -0,12 -0,07 -0,08 0 932 -1,12 -0,85 -0,12 0,12 0,07 -0,08 0

Tabla 15: Utilidad por nivel de atributo y cantidad de ventas

Las 32 ecuaciones resultantes fueron sometidas a una regresión lineal, de

donde se obtuvo los siguientes parámetros iβ .

Modelo

Coeficientes no

estandarizados

Coeficientes

estandarizados

t Sig.

B Error típ. Beta 1 (Constante) 54,254 44,432 1,221 ,233 MARCA 135,371 44,423 ,409 3,047 ,005 CALIDAD 124,708 37,941 ,440 3,287 ,003 VARIEDAD 177,102 268,751 ,088 ,659 ,516

52

DISEÑO 350,539 268,751 ,175 1,304 ,204

TAMAÑO - 460,716 -,187 -1,395 ,175 PRECIO 260,038 115,417 ,302 2,253 ,033

a Variable dependiente: VENTASQ

Tabla 16: Regresión de atributos y ventas en Q

Claramente se puede ver una fuerte influencia de las variables Marca y Calidad,

seguida muy de cerca por Precio, lo que se considera extraño en una categoría de

Servilletas, si bien Marca puede llegar a ser muy relevante, Calidad no lo es. Lo que

si es correcto, es que precio tenga un importante rol en la ventas. Si se estudian los

coeficientes significativos de la distribución t-student, notamos que el modelo no

mostró buenos resultados en las variables Variedad, Diseño y Tamaño. Además, se

obtuvo un R2 igual a 0.551 y un R2 ajustado de 0.444, lo que nos dice que el modelo

presenta un ajuste medio.

Este estudió no explica en totalidad lo que se quiere encontrar, ya que trabaja

con la esperanza de las utilidades por factor, por lo tanto, no incorpora la diferencia

que pueda existir entre los 20 modelos. Dado esto, se consideró que su aporte sólo

se basa en dar indicios del peso relativo de cada atributo, pero no basta para

comprobar la importancia de cada nivel de atributo.

A continuación se muestra el estudio de colinealidad, para verificar que no existe

combinación lineal entre los predictores.

Di

m.

Auto

valor

Índice de

condición Proporciones de la varianza

Cte MARC CALIDAD VARIEDAD DISEÑO TAMANO PRECIO

1 1,69 1,000 ,15 ,00 ,00 ,00 ,00 ,00 ,15

2 1,05 1,268 ,00 ,46 ,12 ,12 ,12 ,12 ,00

3 1,00 1,301 ,00 ,00 ,27 ,48 ,07 ,18 ,00

4 1,00 1,301 ,00 ,00 ,43 ,00 ,01 ,56 ,00

5 1,00 1,301 ,00 ,00 ,04 ,27 ,68 ,01 ,00

6 ,945 1,338 ,00 ,54 ,13 ,13 ,13 ,13 ,00

7 ,312 2,329 ,84 ,00 ,00 ,00 ,00 ,00 ,84

a Variable dependiente: VENTASQ

Tabla 17: Diagnóstico de Colinealidad

53

Se puede decir que el modelo no presenta colinealidad37, dado que los

autovalores no son próximos a cero y el índice de condición38 es menor a 15.

11.2 Estudio de Atributos según Participación de Mercado

Para este estudio se utilizó el mismo diseño ortogonal empleado en el caso

anterior, pero ahora se focalizó el estudio en analizar que sucede con las

participaciones de mercado, dado cierto movimiento en los atributos.

Para calcular la participación de mercado, se alteraron los atributos y ante cada

variación se corrió el simulador, obteniéndose las datos para cada SKU39. Para esto

se consideró el precio igual al propuesto por el diseño ortogonal, sin promociones,

con igual distribución de espacio en góndola40 y una misma reposición para todos,

con una frecuencia de 240 min., con el fin de entregar en iguales condiciones, al

cliente, cada producto.

Lo primero fue simular los datos originales entregados por el diseño ortogonal, y

se calculó a cada SKU su participación de mercado.

ATRIBUTO ORDEN ORIGINAL DE LOS NIVELES DENOMINACION

MARCA KRYSTAL, DIAMOND, GOLDEN, BRILLANT KDGB CALIDAD PREMIUM, NORMAL PN VARIEDAD COCTEL, MESA CM DISEÑO CON, SIN CS TAMAÑO PEQUEÑO, GRANDE PG PRECIO BAJO, MEDIO, ALTO BMA

Tabla 18: Orden Original de Niveles

Luego se realizaron 28 jugadas, con diferentes alteraciones al Orden Original

de Niveles, cada movimiento que se realizó Ceteris Paribus. Las variaciones que se

efectuaron se muestran a continuación:

ATRIBUTO VARIACIONES ATRIBUTO VARIACIONES

MARCA KBBB VARIEDAD CC KKBB MM

KKKB DISEÑO CC

37 La colinealidad es un problema del análisis de regresión que consiste en que los predictores del modelo están relacionados constituyendo una combinación lineal. 38 Los Índices de condición: Raíz Cuadrada (autovalor mayor/autovalor). Valores por encima de 15 (30) indican posible (seguro) problema de colinealidad. 39 En todos los casos se corrió con los 32 SKU´s ortogonales. 40 En la construcción del tamaño de los SKU´s ortogonales se les designo una dimensión de 16x10x10 cm. (ancho, alto, fondo), por lo tanto, se le entregó 16 cm. lineales de góndola a cada SKU.

54

KKKK SS KKKD TAMAÑO PP KKDD GG KDDD PRECIO BBB DDDG MMM DDGG AAA DGGG MMA GGGB MAA GGBB BBM GBBB BMM

CALIDAD PP NN

Tabla 19: Movimientos por atributo

Para dar ejemplo de estos movimientos, se muestra la siguiente tabla. Donde se

cambia el atributo Marca a KBBB, y de los 32 SKU ortogonales originales (KDGB)

sólo se modificó las marcas a lo productos Diamond y Golden por Brilliant, todos los

otros atributos permanecieron igual al original. Lo que finalmente se simuló y se

calcularon las nuevas participaciones de mercado.

MARCA

MARCA

MOD CALIDAD VARIED. DISEÑO TAMAÑO PRECIO

PRECIO

UNIT

Ventas

(Q) PM

Krystal Krystal normal cóctel Con 50 100 2 139 3% Krystal Krystal Premium mesa con 50 100 2 848 21Krystal Krystal normal cóctel sin 120 240 2 395 10Krystal Krystal Premium mesa sin 120 240 2 582 15Krystal Krystal normal cóctel sin 50 175 3,5 14 0% Krystal Krystal Premium cóctel con 120 420 3,5 188 5% Krystal Krystal Premium mesa sin 50 300 6 506 13Krystal Krystal normal mesa con 120 720 6 0 0% Diamon Brilliant Premium cóctel sin 50 100 2 722 18Diamon Brilliant normal mesa sin 50 100 2 0 0% Diamon Brilliant Premium cóctel con 120 240 2 0 0% Diamon Brilliant Premium mesa con 120 240 2 21 1% Diamon Brilliant normal mesa con 50 175 3,5 0 0% Diamon Brilliant normal mesa sin 120 420 3,5 0 0% Diamon Brilliant Premium cóctel con 50 300 6 13 0% Diamon Brilliant normal cóctel sin 120 720 6 0 0% Golden Brilliant Premium cóctel con 50 100 2 390 10Golden Brilliant normal mesa con 50 100 2 0 0% Golden Brilliant normal cóctel sin 120 240 2 0 0% Golden Brilliant Premium mesa sin 120 240 2 16 0% Golden Brilliant normal mesa sin 50 175 3,5 0 0% Golden Brilliant Premium mesa con 120 420 3,5 0 0% Golden Brilliant Premium cóctel sin 50 300 6 58 1%

55

Golden Brilliant normal cóctel con 120 720 6 0 0%

Brilliant Brilliant normal cóctel sin 50 100 2 16 0% Brilliant Brilliant Premium mesa sin 50 100 2 21 1% Brilliant Brilliant Premium cóctel con 120 240 2 0 0% Brilliant Brilliant normal mesa con 120 240 2 0 0% Brilliant Brilliant normal cóctel con 50 175 3,5 0 0% Brilliant Brilliant Premium cóctel sin 120 420 3,5 69 2% Brilliant Brilliant Premium mesa con 50 300 6 0 0% Brilliant Brilliant normal mesa sin 120 720 6 0 0%

Tabla 20: Ejemplo de variación de niveles, caso atributo marca KBBB

Se obtuvieron 29 tablas igual a la anterior, con las distintas variaciones,

resultando de ellas 928 ecuaciones, las que posteriormente se llevaron a dummies

para poder incorporarlas al modelo Logit Multinomial41 que se muestra a continuación:

∑+=l

liltti dss )*()/ln( ,0

*

, αα

Donde,

tis , = Participación de mercado de SKU i en simulación t *

ts = Media geométrica de simulación t

0α = Constante. Absorbe a Brilliant, Normal, Mesa, Con diseño, Grande y Precio

Alto

lid , = Variable dummy {1 si SKU i posee atributo l. 0 sino

Dado que este modelo, no permite valores 0 en la participación de mercado, se

debió dar un valor de 0,00001 a todos aquellos SKU´s que no presentaban ventas,

para poder incorporarlas al estudio, ya que un 62% de los registros correspondía a

valores nulos. Al hacer esto, se debió restar de manera proporcional a las ventas la

diferencia en las variables distintas de 0, para que la suma continuara siento 1.

Luego se ingresaron los datos a SPSS y se realizó una regresión, obteniendo los

siguientes resultados.

41 NAKANISHI, M. Y COOPER, L.G. Market share analysis, modelo MNL para participaciones de mercado.

56

Coeficientes(a)

Modelo

Coeficientes no

estandarizados

Coeficientes

estandarizados T Sig.

B Error típ. Beta 1 (Constante) -6,695 ,334 -20,027 ,000 Krystal 3,592 ,277 ,393 12,952 ,000 Diamond 1,581 ,286 ,166 5,524 ,000 Golden 1,834 ,284 ,194 6,463 ,000 Premium 3,871 ,199 ,473 19,494 ,000 cóctel 1,145 ,197 ,140 5,816 ,000 sin 2,000 ,198 ,245 10,124 ,000 pequeño 1,003 ,197 ,123 5,095 ,000 preciob 1,861 ,245 ,227 7,597 ,000 preciom -,003 ,269 ,000 -,011 ,991

a Variable dependiente: lnprop

Tabla 21: Regresión de modelo de participación MNL

Previamente, se hizo un estudio que señalara las variables menos valoradas por

atributo, el que arrojó, que eran Marca Brilliant, Calidad Normal, Variedad Mesa, Con

Diseño, Tamaño Grande y Precio Alto, por esta razón todos estos factores se

incorporaron a la constante, con el fin de representar la situación más baja.

Dado que la prueba t-student permite contrastar la hipótesis nula de que el

verdadero parámetro es cero, evaluando cada coeficiente de manera independiente.

Entonces:

H0: βi = 0 (el coeficiente no es significativo, dado el nivel de confianza)

Podemos decir, que se rechaza para todas las variables, dado un nivel de

confianza de 95%, menos la variable preciom42, ya que todas presentan un

coeficiente significativo, igual a 0, exceptuando el caso de precio medio, donde el

significado corresponde a un 0.991, es decir tiene poca influencia en las ventas,

debido a que su coeficiente βi es cercano a 0. El modelo si bien no presenta un ajuste

muy bueno, un R cuadrado de 0.468 y R cuadrado corregido de 0.463, se puede

decir, que es bastante explicativo del peso de los diferentes niveles de atributos al

modelo. Además, se cree que la gran cantidad de ecuaciones 0, son las causantes de

tal desajuste. Se realizó un estudio para comprobar que predictores del modelo no

42 Precio medio, entre 3 y 3.99 pesos la unidad

57

están relacionados constituyendo una combinación lineal, esto se hizo mediante un

análisis de colinealidad43 a la regresión.

También se realizaron otros dos estudios44, el primero consistió en dar un valor

0,001 a los SKU de participación de mercado 0 y el otro simplemente sacaba los

valores nulos del modelo, quedando sólo 352 ecuaciones para aplicarles la regresión,

en ambo casos, los ajustes del modelo bajaron, lo que se vio reflejado en R cuadrado

menores al obtenido inicialmente.

Ahora, si analizamos los datos vemos que la Marca Krystal y la Calidad

Premium, justifican un 87% de la participación, lo que se considera poco real, ya que

en una categoría como servilletas, si bien la marca generalmente es considerada

como uno de los factores más relevantes a la hora de vender, la calidad no lo es, por

lo que se propone bajar la importancia a este atributo, por medio de las utilidades.

Por otro lado, el precio no es considerado como determinante en la elección de un

producto, de hecho, tiene una importancia similar al diseño, lo que no es correcto,

pues al tratarse de una categoría donde la diferenciación no es un factor tan

trascendental, el precio adquiere un alto grado de importancia, por lo que se propone

traspasar los altos niveles de utilidad de la Calidad Premium a Precio Bajo.

43 Diagnostico de colinealidad en anexo 10 44 Otros estudios de regresiones con participaciones de mercado nulas en anexo 11

58

XII. CAMBIOS OBTENIDOS DEL ESTUDIO CUANTITATIVO

Los estudios anteriores dejaron ver la sobre valoración que presentaba el

atributo Calidad, nivel Premium, a su vez, se vislumbró la baja importancia que tenía

el factor Precio sobre la participación de mercado. Debido a esto, se realizó una

modificación en la matriz de Utilidad45, con el fin de traspasar la alta importancia de

Premium a Precio Bajo, ya que al tratarse de una categoría de servilletas, se

considera que posterior al atributo Marca, el factor precio debiese ser el más

relevante.

Dichos cambios generaron alteraciones en las tablas de importancias relativas46,

por lo tanto se debió encontrar la nueva segmentación, por medio de Kmedias,

donde se obtuvo lo siguiente:

Gráfico 6: Segmentación anterior

45 Estudio de matriz de utilidad en anexo 12.1 46 Repercusiones en importancias relativas en anexos 12.2

Segmentación Antigua

46%

18%

12%

15% 9% Precio-Calidad

Variedad-Precio-Diseno

Marca-Precio

Marca-Variedad

Marca-Calidad

59

Segmentación Nueva

36%

22%

20%

12%10%

Precio-Variedad

Marca-Tamano-Precio

Precio-Marca

Otro (PDT)

Tamano-Marca

Gráfico 7: Nueva segmentación

Se perciben dos fuertes cambios, una disminución de Precio-Calidad y un

aumento en los shoppers que valorizan el Precio-Calidad.

Además, hubo un ingreso de productos en las Ventas Promedio de la Categoría,

por lo tanto se generó una mayor competitividad ingresando el SKU 506 y 510.

SKU

VENTAS

(Q) SKU

VENTAS

(Q)

502 46 502 110 503 1719 503 2081 504 593 504 914 505 1017 505 1275 507 154

506 76 509 94 507 148 511 462 509 116 512 630 510 494 514 177 511 455 516 378 512 230 517 446 514 133 518 425 516 382

518 319

Tabla 22: Ingreso de SKU´s a las Ventas Promedio

Posterior a estas modificaciones se volvió a realizar el Estudio de Atributos

según Participación de Mercado, con el objetivo de verificar si los cambios realizados

a la matriz de Utilidad arrojaban un aumento a la importancia relativa del atributo

Precio y una disminución en la variable Premium. Además, de estudiar el

comportamiento de los diferentes atributos del modelo.

60

XIII. COMPORTAMIENTO DE ATRIBUTOS

Para estudiar el comportamiento de los atributos se debió recalcular los

coeficientes con el simulador ya corregido. Para esto, se utilizó el mismo

procedimiento anterior.

En esta ocasión se consideró el precio como un factor variable, sin ningún tipo

de promoción, con igual distribución de espacio en góndola47y una misma reposición

para todos, con una frecuencia de 120 min.48, con el fin de entregar en iguales

condiciones cada producto a los shoppers.

Inicialmente, se corrió la simulación con los datos ortogonales empleados en los

casos anteriores, después se calcularon las participaciones de mercado a cada

SKU49. Luego, se hicieron modificaciones a los distintos atributos. Así se construyó

un total de 768 ecuaciones, descritas por el modelo Logit Multinomial50 que se

muestra a continuación:

∑∑ −++=m

tmtmim

l

tliltti xxbdss )()*()/ln( *

,,,,,0

*

, αα

Donde,

tis , = Participación de mercado de SKU i en simulación t *

ts = Media geométrica de simulación t

0α = Cte. Absorbe a Brilliant, Normal, Mesa, Con, Grande y Precio Alto

lα = Parámetros del modelo que acompañan a las variables dummy

tlid ,, = Variable dummy {1 si SKU i posee atributo l en simulación t. 0 sino

mb = Parámetros del modelo que acompañan a la variable continua, precio

tmix ,, = Variable precio unitario m de SKU i en simulación t, el subíndice m

corresponde a bajo, medio o alto *

,tmx = promedio aritmético de precio m para cada t

47 En la construcción del tamaño de los SKU´s ortogonales se les designó una dimensión de 16x10x10 cm. (ancho, alto, fondo).Se le entregó 16 cm. lineales de góndola a cada SKU, obteniéndose un total de 48 productos por SKU. 48 Se utilizó una frecuencia baja para no omitir información de ventas generadas por Stock Out 49 En todos los casos se corrió con los 32 SKU´s ortogonales. 50 NAKANISHI, M. Y COOPER, L.G. Market share analysis, modelo MNL para participaciones de mercado.

61

En esta oportunidad también a los valores nulos se dio el valor de 0,00001, para

poder incorporar las ecuaciones a la regresión. Se restó de manera proporcional a las

ventas la diferencia en las variables distintas de 0, para que la suma de la

participación de mercado por simulación continuara siento 1. Finalmente, la regresión

arrojó los siguientes resultados.

Coeficientes(a)

Modelo

Coeficientes no

estandarizados

Coeficientes

estandarizados t Sig.

B Error típ. Beta 1 (Constante) -2,526 ,423 -5,975 ,000 KRYSTAL 2,390 ,404 ,254 5,915 ,000 DIAMOND 1,116 ,388 ,119 2,877 ,004 GOLDEN 1,387 ,384 ,149 3,610 ,000 PREMIUM 1,305 ,283 ,160 4,610 ,000 COCTEL ,444 ,285 ,054 1,558 ,120 SIN ,419 ,271 ,051 1,546 ,123 PEQUEÑO ,310 ,282 ,038 1,099 ,272 PRECIOB 3,061 ,535 ,213 5,722 ,000 PRECIOM 1,397 1,281 ,038 1,090 ,276

a Variable dependiente: LN

Tabla 23: Regresión de modelo de participación MNL51

Vemos que los cambios realizados cumplieron con el objetivo, pues Premium

bajó el valor beta pasando a ocupar el tercer lugar de importancia, mientras que

Precio Bajo subió y se ubicó tras la marca Krystal. Ahora, podemos decir que el

modelo se encuentra más cercano a lo esperado, en cuanto a importancia de

atributos en la categoría de servilletas.

Si analizamos el coeficiente significativo de las variables, notamos que Precio

Mediano, Tamaño Pequeño, Sin Diseño y Variedad Cóctel no explican muy bien la

ecuación de Participación de Mercado, es decir no son variables determinantes a la

hora de elegir un producto.

La regresión arrojó valores de R cuadrado de 0.420 y R cuadrado corregido de

0.432, si bien no son muy cercanos a 1, podemos decir que de igual manera es

bastante explicativo en la influencia de las variables. Por otro lado se realizó un

51 La Constante absorbe las variables Marca Brilliant, Calidad Normal, Variedad Mesa, Con Diseño, Tamaño Grande y Precio Alto, ya que corresponden a los niveles menos valorados, por lo tanto representan la situación más baja.

62

estudio que verificó que el modelo no presenta colinealidad52, es decir, no existe

combinación lineal entre las ecuaciones a las que se les aplicó la regresión.

Dado los coeficientes obtenidos, el estudio fue enfado en los atributos Marca,

Calidad y Precio, ya que justifican el 90% del modelo, con ellos basta para predecir el

comportamiento de KatWise.

Ahora, analizaremos como se comporta el lado izquierdo del modelo MNL

utilizado. Recordemos que PM* corresponde la media geométrica. La ecuación es la

siguiente:

nn

i

ji

n

jn

n

i

ijj pmpmpmpmpmpm/1

1

1

1

* )/(// ∏∏=

≠−

=

==

Para ver en detalle la conducta de la ecuación, se construyeron gráficos que

ayudaran a la visualización del ratio antes visto, para esto, se hizo cambios en el

factor n que indica la cantidad de SKU´s que presentan ventas en un mismo período.

Se ve, que mientras mayor es la competencia, es decir n, mayor es el ratio

PMj/PM*. Se consideró que la participación de los SKU distintos a j, es

distribuida de manera proporcional. Por lo tanto, al analizar los 32 SKU´s ortogonales

empleados en la regresión, en promedio, sólo seis productos presentaron ventas, por

lo tanto, se puede utilizar el gráfico anterior para comprender el comportamiento del

ratio PM/PM* generado con los datos que arrojó la regresión.

52 Diagnostico de colinealidad en anexo 13

Curva PMj/PM* con n=2

0

1

2

3

4

5

0,95

0,65

0,35

0,099

0,093

0,087

0,081

0,075

0,069

0,063

0,057

0,051

0,045

0,039

0,033

0,027

PMj

PM

j/P

M*

Curva PMj/PM* con n=6

0

10

20

30

40

50

0,95

0,65

0,35

0,09

90,

093

0,08

70,

081

0,07

50,

069

0,06

30,

057

0,05

10,

045

0,03

90,

033

0,02

7

PMj

PM

j/P

M*

Gráfico 8: Ratio PMj/PM*

63

PARTICIPACIÓN DE MERCADO

0

0,5

1

1,5

2

2,5

3

0

1,1

2,2

3,3

4,4

5,5

6,6

7,7

8,8

9,9 11

12,1

13,2

14,3

15,4

16,5

17,6

18,7

19,8

20,9 22

23,1

24,2

25,3

PRECIO UNITARIO

PM

/PM

*

krystal diamond

golden brilliant

Gráfico 9: Participación de mercado mediante regresión con SKU de atributos favorables

PARTICIPACIÓN DE MERCADO

0

0,5

1

1,5

2

0

1,3

2,6

3,9

5,2

6,5

7,8

9,1

10,4

11,7 13

14,3

15,6

16,9

18,2

19,5

20,8

22,1

23,4

24,7

P R EC I O U NI TAR I O

krystal diamond

golden brilliant

Gráfico 10: Participación de mercado mediante regresión con SKU de atributos desfavorables

En el Gráfico 8 se utiliza el SKU que genera mayor participación de mercado, es

decir, posee la combinación de atributos más valorados por los shopper53. El Gráfico

9 corresponde al caso contrario54.

Se puede observar, que para que el caso de los atributos desfavorables obtenga

igual ratio PMj/PM*, es decir, igual participación de mercado que el SKU de mejores

atributos, este último debe tener precio unitario 6.7, que corresponde al nivel de

Precio Alto, versus el SKU con malos atributos que estaría a precio 0, lo que muestra

que con buenos atributos se puede vender a altos precios, logrando buena

participación en el mercado.

53 Marca Krystal, Calidad Premium, Variedad Cóctel, Sin Diseño y Tamaño Pequeño 54 Marca Brilliant, Calidad Normal, Variedad Mesa, Con Diseño y Tamaño Grande

64

Si se analiza las curvas, vemos que Golden presenta ventas muy similares a

Diamond, y que para niveles altos de precios, el ratio tiende a igualarse para todas las

marcas.

Ahora, si se analizan las marcas de manera independiente. Se ve que Brilliant es

la única que no presenta ventas para precios superiores a 2.5 la unidad, esto indica

que a pesar de la combinación de atributos que se haga, no tendrá participación en

el mercado. También es fácil notar, que todas las marcas alcanzan su máxima

participación en precios cercanos a 2.7. Las líneas de tendencia dicen que Krystal es

la marca que se distribuye de manera más normal, no así, Diamond que a pesar de

ser la segunda marca preferida por los clientes, concentra sus ventas a precios bajos.

Golden a su vez, muestra un comportamiento similar a Krystal, aunque no alcanza

los mismos niveles de participación.

Gráfico 11: Participación de mercado por marcas

Par ticipación de mer cado Kr ystal

0

0,05

0,1

0,15

0,2

0,25

0,3

0,35

1,5 2,5 3,5 4,5 5,5 6,5

P r eci o Uni t ar i o

Par ticipación de mer cado Diamond

0

0,05

0,1

0,15

0,2

0,25

0,3

0,35

1,5 2,5 3,5 4,5 5,5 6,5


Par ticipación de mer cado Golden

0

0,05

0,1

0,15

0,2

0,25

1,5 2,5 3,5 4,5 5,5 6,5


Par ticipación de mer cado Br i l l iant

0,000

0,050

0,100

0,150

0,200

1,5 2,5 3,5 4,5 5,5 6,5


65

Es interesante observar en el gráfico de Brilliant que a un precio adecuado,

cercano a 2.5, y con buenos atributos se pude encontrar SKU´s con buena

participación de mercado, por lo tanto es importante incorporarlos al surtido, en le

caso de poseer atributos competitivos.

Otros puntos atractivos a considerar son los de precio alto de Golden, que pese

a ser la tercera marca preferida por los shopper, tiene mejor recepción a estos niveles

de precio que Diamond, que se mueve mejor en precios medios.

El último atributo a analizar es Calidad, para esto se hizo una comparación entre

las curvas de participación en caso Premium y Normal. Como hacer un gráfico de

participación de mercado versus dos niveles de calidad55 no es representativo, se

incluyo la variable precio al análisis para cada nivel de calidad.

Participación de Mercado, Calidad Premium

0

0,05

0,1

0,15

0,2

0,25

0,3

0,35

1,5 2,5 3,5 4,5 5,5 6,5

Precio Unitario

PM

pm Polinómica (pm)

Participación de Mercado, Calidad Normal

0,000

0,050

0,100

0,150

0,200

0,250

0,300

1,5 2,5 3,5 4,5 5,5 6,5

Precio Unitario

PM

pm Polinómica (pm)

Gráfico 12: Participación de mercado para nivel de calidad premiun y normal

55 Premium y Normal

66

De los gráficos se logra apreciar, que Calidad es directamente proporcional a la

participación de mercado, ya que Calidad Premium alcanza valores sobre el 32%

versus el 27% que logra como máximo la Calidad Normal. Además, Premium es

menos sensible al precio pues presenta ventas para todos lo niveles de precio.

67

XIV. CONCLUSIONES

14.1 Conclusiones finales

El presente trabajo consistió en analizar el comportamiento del simulador de

administración por categorías KatWise. Esto se hizo mediante la realización de un

estudio exploratorio de carácter cualitativo, utilizando la herramienta denominada

focus group y un estudio cuantitativo, a través de regresiones lineales para evaluar la

influencia de cada atributo en la participación de mercado.

El estudio cualitativo tenía como objetivo descubrir problemas que presenten los

participantes de KatWise. Mediante el focus group se pudo obtener que es

fundamental hacer una explicación previa, ya sea través de un manual o bien por

medio de una clase preparatoria que ayude a orientar la toma de decisiones y la

correcta introducción de datos al simulador.

Otro punto interesante que arrojó el estudio cualitativo, fue la sobre valoración

de algunos SKU’s, que producía un efecto de baja competencia. Lo anterior llevó a

hacer modificaciones en la Tabla de Utilidades, donde se disminuyeron los rangos de

los niveles de los atributos, con el fin de que no fuera tan distinto para el shopper

elegir un nivel u otro, manteniendo sus preferencias. También, se modificó los SKU´s

de atributos más desfavorables, se les varió los niveles para que fuesen más

apreciados por los clientes. Logrando con esto, ventas mejor distribuidas en el

surtido.

Finalmente, las reuniones con los participantes generaron mejoras en la interfaz,

diferenciación de la información56 por colores y redistribución de espacios. Además,

se le incorporó el nombre KatWise al simulador, junto con un logotipo, entregándole

identidad al producto.

Dentro del estudio cuantitativo, se realizó un análisis que midiera cuan diferente

eran los resultados antes una misma situación de entrada. Donde el simulador

KatWise dio buenos resultados, ya que obtuvo una variación del 7% promedio, es

56 Color azul para la información de entrada, color verde para las decisiones y color rojo para los resultados.

68

decir, que si bien el mercado no es estático,57 está bastante acotado, lo que es muy

parecido a la realidad, por lo que se cree que el modelo posee un correcto ajuste.

Se desarrolló una metodología para analizar el comportamiento de las variables,

esta consistió en hacer pequeñas modificaciones a los atributos58 de los SKU´s y

tomar igual tipo de decisiones de promoción, surtido, espacio y reposición. Luego se

corrió el simulador KatWise y se estimaron de los resultados, las ventas de cada

producto, para posteriormente calcular las participaciones de mercado de cada SKU,

dada una combinación especifica de atributos. Lo anterior se hizo reiteradas veces

alterando cada uno de los atributos, con el fin de de tener una base de datos

importante59 para hacer una regresión utilizando el modelo MNL, de donde se

obtuvieron los coeficientes que nos indicaron la influencia de cada atributo.

Una vez hecha la regresión, se identificó que el atributo Calidad estaba sobre

valorado por los clientes, lo que es anómalo en de una categoría de servilletas. Por

otro lado, la influencia del precio sobre la participación de mercado estaba muy por

debajo de la influencia de las otras variables, por esto se generó un cambio en la

distribución de utilidades, el exceso que presentaba Calidad Premium se le entregó al

atributo Precio. Como resultado de lo anterior, Precio ocupó el segundo lugar de

importancia tras Marca, que es lo esperado dentro de una categoría como la que se

esta tratando.

Por medio del estudio de sensibilidad aplicado a los atributos se pudo concluir

que los factores más relevantes son Marca, Precio y Calidad, ya que justifican el 90%

del modelo. De los resultados se puede apreciar que la Marca Golden tiene

distribuciones muy similares a Krystal pero a niveles de participación más bajos, por

lo que se considera un sustituto de la marca líder. Otro resultado interesante es que

Marca Brilliant obligatoriamente debe estar acompañada de atributos apreciados por

los shopper para presentar ventas, ya que se encuentra muy subvalorada. Por otro

lado, Precio reacciona como lo esperado, es decir, los productos aumentan su

participación al bajar el precio. A niveles de precios altos, Krystal es la única marca

57 Los shoppers presentan variaciones 58 Atributos: Marca (Krystal, Diamond, Golden, Brilliant); Calidad (Premium, Normal); Variedad (Coctel, Mesa); Diseño(Con, Sin); Tamaño (Pequeño, Grande); Precio es una variable continua por tramos, estos pueden ser (Bajo, Medio, Alto) 59 cercano a las 1000 ecuaciones, con el fin de disminuir el margen de error.

69

que puede tener importantes60 participaciones de mercado. Por último, la variable

Calidad, concentra sus ventas en el nivel Premium, el que distribuye su participación

de mercado en todos los niveles de precio, no así Calidad Normal que se vende sólo

a precios más bajos.

Finalmente, el presente Trabajo de Título cumple con los objetivos planteados

por la investigación, con esto se logra generar una herramienta útil para la práctica de

la administración por categorías, por lo tanto KatWise se considera un producto

capacitado para salir al mercado.

14.2 Estudios Futuros

Dado que el tiempo de trabajo de esta memoria es acotado, existieron temas

que se debieron dejar de lado en el estudio, sólo se consideraron aquellos problemas

que se creen más relevantes, ya sea por el impacto en el simulador, por la relación

con los jugadores o por la interpretación de los resultados. A continuación se listan

propuestas de futuros estudios, con el fin de continuar perfeccionando la herramienta

KatWise.

• Venta de información adicional: Al tener la metodología para calcular la

importancia de cada atributo, esta información podría estar al alcance de

los jugadores, para que los ayude a tomar mejores decisiones,

incorporándole un costo adicional.

• Estudio de promociones: En la realización de este trabajo se hizo un

análisis superficial para ver si las promociones reaccionaban de manera

correcta61, se propone realizar un estudio profundo de las diversas

promociones display, avisaje, descuentos en precio y regalos para conocer,

más precisamente, como afectan a las ventas.

• Incorporación de registro de decisiones de semanas anteriores: Cada

semana los jugadores pierden la información de las decisiones que tomaron

la semanas anteriores, lo que dificulta la interpretación de resultados. Al

tratarse de un gran número de decisiones llevar un apunte genera

importantes pérdidas de tiempo, por lo tanto, se propone incorporar un

60 Sobre el 20% del mercado. 61 Al poner algún tipo de promoción, aumentaban las ventas.

70

registro de decisiones. También se podría vender esta información a los

participantes, para analizar tanto su estrategia como la de los otros

competidores.

• Limitaciones de los Modelos: KatWise se encuentra acotado a una

única categoría, es decir, no prepara al usuario a enfrentar distintos tipos de

demanda. Por lo que se propone realizar nuevos escenarios, modificando la

distribución de utilidades, y así el jugador aprenda a enfrentar las

decisiones dada la categoría que se encuentra administrando.

71

BIBLIOGRAFÍA Y FUENTES DE INFORMACIÓN

BOSCH P., MÁXIMO Y PUENTE CH., ALEJANDRA. “Diseño y construcción a nivel prototipo de un simulador de negocios aplicado a la capacitación en administración por categorías”, 2006.

BUSTOS S., PABLO. “Análisis del desempeño de categorías en un supermercado”; profesor guía Máximo Bosch, profesor co-guía Marcel Goic, 2004.

RETAMALES B., TOMÁS. “Medición de la variedad de surtido percibida por los consumidores en categorías de los supermercados”; profesor guía Máximo Bosch, profesor co-guía Luis Aburto, 2005.

BRAVO Q., JOSELYN. “Análisis de la percepción de los consumidores del surtido en góndola”, profesor guía Máximo Bosch, profesor co-guía Loreto Martínez, 2006.

CEDEÑO G., HÉCTOR. ”Administración por Categorías, el Reto de un Objetivo Compartido”,category management & scanning services, business unit manager, ACNielsen.

BOSCH P., MÁXIMO, GOIC F., MARCEL Y BUSTOS S., PABLO. “Análisis de desempeño de las categorías en un supermercado usando data envelopment analysis”, 2004.

DICKENS, JACKIE. caso The Fresh Cream Cakes Market: The Use of Qualitative Research as Part of a Consumer Research Programme.

BELL, DAVID R. Y BOZTUG, YASEMIN. “The Effect of Inventory on Purchase Incidence: Empirical, 2004.

FADER, PETER S. Y BRUCE G.S. HARDIE. “Modeling Consumer Choice Among SKUs,” Journal of Marketing Research, 33 (November), pp. 442-452, 1996.

NAKANISHI, M. Y COOPER, L.G. Market share analysis: capítulos 2 y 5, 1988.

VISAUTA, B. “Análisis estadístico con SPSS para Windows”. McGraw-Hill, 1997.

GERENTES.COM - Artículos y Monografías: Juego1. Los simuladores de empresa como herramienta de trabajo. http://gerentespuntocom.wiki.mailxmail.com/Juego1

72

XV. ANEXOS

Anexo 1: Modelos de comportamiento de consumidores

1.- Probabilidad de incidencia de compra (Bell y Boztuğ, 2004)

Se calcula en base a la valorización que tiene el consumidor i por la categoría

completa en el instante t:

( )( )

( )i

t

i

ti

tV

VincP

exp1

exp

+=

Donde i

tV = Valorización por la categoría para el consumidor i en el instante t.

A su vez esta función lineal esta caracterizada por:

( ) ( ) i

t

i

t

i

t

i

i

i

t CVMCVININVCV **log*log* 4320 ααααα ++++=

En que: i

C = Consumo promedio del consumidor i

i

tINV = Inventario que tiene el consumidor i en el instante t

i

tMCINV = Inventario promedio del consumidor i en el instante t

i

tCV = Valorización por la categoría del consumidor i en el instante. Es la

suma de la valorización individual de todos los productos

pertenecientes a la categoría

Los parámetros α dependen de la categoría.

2.-Elección de un producto (Farder y Hardie, 1996)

Se utiliza el modelo de valorización por atributos, en que un producto se puede

ver como una combinación única de atributos/niveles, y para la elección de un

producto se utiliza el modelo multinomial logit.

La probabilidad de elección del producto j dada la incidencia de compra es:

73

( )( )

( ))((exp

)(exp/

jU

jUincjP

i

tj

i

ti

t

∑=

Donde:

)( jUi

t =Utilidad que le reporta al consumidor i el producto j en el instante t.

ji

t

j

t

j

t

A

a

i

t

Ka

l

aj

l

ai

lt

i

t MMPfAUjU,

22,11,

1 1

,,

, )**1(*)()*()( εγγ +++

+= ∑ ∑

= =

Donde:

)(,

, jUai

ltt =Utilidad que le reporta al consumidor i en el instante t, el atributo a en

su nivel l.

)(Pfi

t = Valor que toma la función de utilidad precio para el consumidor i en el

instante para el precio P. j

alA , = Indicador binario: 1 si el producto j posee el atributo a en su nivel l, 0

en caso contrario. j

mtM , = Indicador binario: 1 si la acción de marketing m esta activa para el

producto j en el instante t, 0 en caso contrario.

aK = Número de niveles para el atributo a - esimo.

ji

t

,ε = Término de error.

3.- Cantidad a Comprar

La cantidad que cada consumidor esta dispuesto a comprar se estima con una

distribución triangular.

),,(_ iii

ifvisstdcpmqfCV =

La función determina la cantidad realizando cálculos de consumo estimado entre

visitas al supermercado, tomando en cuenta el consumo promedio mensual,

desviación estándar, y la frecuencia de visita del consumidor i.

74

Anexo 2: Cuestionario de Reclutamiento

Identificación

Fecha de llenado de este formulario (día/mes/año)

Nombres

Apellido Paterno

Apellido Materno

Fecha de Nacimiento

Sexo

Nacionalidad

Estado Civil

Número de hijos

Dirección de correo electrónico

Domicilio

Calle y Número

Ciudad

Teléfono

Teléfono Celular

Laboral

Se encuentra trabajando actualmente

Part Time

Full Time

Posee conocimiento de marketing Esta relacionado con el área de estudio de

mercados

Educación

Carrera

Universidad Año que cursa

Postgrado

Otros

75

Anexo 3: Opiniones más relevantes para cada grupo

3.1 Grupo 1

Integrantes:

Pablo Bass

Ignacio Cisterna

Karen Contreras

Javier Gaido

Maria José Moyano

Temas más relevantes que se tocaron:

• Hacer una explicación previa, una clase.

• Preguntas frecuentes, más información de ayuda.

• No sale la información de que se debe jugar con todos los productos la

primera semana y las siguientes se pueden sacar poniendo un 0 en

precio unitario.

• Demasiado sobre valorado SKU 504 y 505.

• “No influía las compras anteriores, seguían comprando igual los mismos

productos, no se llenaba nunca el stock de los consumidores”.

• El juego debería incluir variaciones en la segmentación, para hacerlo

más atractivo.

• Hay un 33% de gente sensible al precio según la información de entrada

y al variar los precios no había mucha variación en los resultados.

• No se fijaron en los productos sustitutos.

• “Le falto ser más amigable al juego, no se entienden bien los atributos”.

• Nunca sale que son servilletas.

• No se entiende el número de productos en promoción, muchos ponían 1

pensando que a todos los SKU se les daba 1 producto, no ponían la

cantidad de productos a promover.

• El tema de la frecuencia era complicado.

76

• Faltó un dibujo de las bandejas, algo más didáctico, en la definición de

espacio por SKU, es muy poco amigable.

• Era muy barato sacar productos, se debería penalizar más.

• Debería quedar un registro se la decisiones de la semana anterior,

porque es una lata andar anotando todo en un cuaderno.

• La gran motivación era la competencia, ganarle a los otros.

• Finalmente, quedaron satisfechos con la experiencia “Deja un

aprendizaje, nociones de como lo hacen los supermercados para

manejar sus productos”.

3.2 Grupo 2

Integrantes:

Alberto Garrido

Nicolás Maggi

Christopher Muller

Hans Petersen

Karla Rayo


• Hacer una clase previa, para dejar en claro los objetivos y como tomar las

decisiones.

• No se analizó la información de entrada, la segmentación no aporta en

nada, sólo los ingresos ayudan a tomar las decepciones la semana

siguiente.

• “Si subía el precio la gente seguía comparando”, no era sensible al

precio.

• No se sabe que el display y el avisaje era semana por medio,” no sale en

ningún lado”.

• No se entiende que son servilletas.

• Para los que conocían Markstrat era más fácil jugar, pues lo veían más

cercano y comparativamente es bastante más sencillo.

• La interfaz es muy mala, es incomodo para jugar por el mal diseño.

• Molestaba que no se podía ver la jugada anterior

77

• Nadie comparó los atributos de los SKU´s.

• La estrategia de subir el precio era buena, porque la gente seguía

siempre comprando.

• “Por mucho que haga un descuento en un segmento Premium la gente

igual se debiera cambiar, y no pasa.” Los descuentos no funcionan, sólo

los sobreprecios.

• La promoción de productos no se entiende cual es la cantidad que hay

que poner.

• Entendieron perfecto la distribución de espacio en las bandejas.

• No se entendía el horario de la reposición, en un modulo ponían

reposición a más de 1 hora, necesita una breve explicación.

• “Al principio le dedicabamos mucho tiempo a las jugadas, al final casi

nada, era automático”.

• No habían muchas motivaciones, “debería haber un premio final”, porque

la competencia no los motivaba tanto, “aunque ser último igual es lata”.

• La mayoría siente que no aprendió nada, las decisiones fueron en base

a nociones personales.

• Los que no han tenido marketing sienten que si deja aprendizajes, en

cuento a factores que no consideraban tan relevantes, como reposición.

3.3 Grupo 3

Integrantes:

Gustavo Apablaza

Matías Arenas

Jorge Catepillán

María Fernanda Figueroa

Juan José Sidgman


• Hacer una pequeña introducción al tema, porque no se entiende de

primera instancia a que se esta jugando.

• “La información de entrada aportaba poco, porque como que no se

entendía mucho al principio, se jugó más bien al azar la primera semana”.

78

• La segmentación confunde, porque no se aclaran bien los que significan

los nombres de los tipos de segmentos (Platino, Gold, Médium, Others).

• La información entregada por los reportes era la justa y necesaria para

poder planear una jugada la semana siguiente.

• Las primeras jugadas requirieron de bastante estudio para lograr

comprender como funcionaba el simulador.

• “No sale en ningún lado que hay poner cero en el precio unitario para no

poner el producto en la semana”

• Se debiera informar que se pueden quitar productos partir de la segunda

semana

• “No entendía porque me desaparecían los avisajes y display si no los

ocupe algunas semanas”

• Problemas al poner cantidad de productos de promoción.

• En los resultados de Stock Out, “salía que había harto SO y que solo

vendió 1 producto, sin tomar en cuenta que había más de un producto”.

• Es claro, aunque trabajosa la distribución de espacio, podría ser más

amigable.

• Costó relacionar Stock Out con frecuencia de reposición, muchos no

entendieron los reportes de Stock Out.

• “Como estábamos en un grupo que nos conocíamos harto, la

competencia era lo que hacía más entretenido el juego”.

• En este grupo ninguno de los integrantes tenía conocimiento de

marketing, y concluyeron que el juego aportó en conocimientos, pues no

imaginaban la importancia y el dinamismo en las decisiones que se

produce al vender una simple categoría en un supermercado.

79

Anexo 4: Surtido antiguo de productos

SKU MARCA CALIDAD VARIEDAD DISEÑO TAMAÑO PRECIO

501 estrella normal cóctel sin 50 189 502 estrella normal mesa sin 50 199 503 estrella gold cóctel sin 20 219 504 estrella gold mesa con 20 379 505 estrella gold mesa sin 20 409 506 cometa junior cóctel sin 50 149 507 cometa junior cóctel sin 200 419 508 cometa junior mesa sin 50 199 509 cometa junior mesa sin 300 799 510 cometa mayor absorción cóctel sin 50 149 511 cometa mayor absorción cóctel sin 200 499 512 cometa mayor absorción mesa con 25 399 513 luna normal cóctel sin 50 119 514 luna normal cóctel sin 150 359 515 luna normal cóctel con 40 129 516 luna normal cóctel con 35 185 517 sol normal cóctel sin 50 129 518 sol alta cóctel con 50 139

Tabla 24: Surtido inicial de productos

80

Anexo 5: Cambios de segmentación

En las tablas que se encuentran a continuación se ven los pequeños cambios

sufridos en las importancias relativas de los atributos por modelo.

Mod. Atributo

MARCA

Atributo

CALIDAD

Atributo

VARIEDAD

Atributo

DISENO

Atributo

TAMANO

Atributo

PRECIO Seg #

Nombre de

Segmento

1 26% 20% 8% 10% 20% 16% 2 Gold 2 18% 16% 12% 16% 18% 20% 2 Gold 3 10% 14% 4% 24% 24% 24% 5 Other 4 12% 20% 20% 8% 12% 28% 4 Price_Sensitive 5 12% 20% 22% 20% 6% 20% 3 Medium 6 18% 20% 18% 18% 18% 8% 1 Platino 7 20% 20% 24% 12% 20% 4% 1 Platino 8 16% 18% 8% 18% 18% 55% 5 Other 9 14% 8% 18% 18% 12% 30% 4 Price_Sensitive 10 20% 12% 14% 4% 18% 32% 4 Price_Sensitive 11 26% 8% 16% 26% 8% 16% 3 Medium 12 23% 0% 28% 14% 10% 25% 4 Price_Sensitive 13 24% 4% 14% 8% 22% 28% 4 Price_Sensitive 14 14% 10% 24% 16% 6% 30% 4 Price_Sensitive 15 20% 18% 10% 22% 10% 10% 2 Gold 16 21% 22% 22% 18% 4% 13% 3 Medium 17 17% 20% 14% 6% 34% 9% 1 Platino 18 20% 16% 16% 12% 22% 14% 1 Platino 19 27% 20% 2% 16% 20% 15% 2 Gold 20 18% 24% 10% 10% 14% 24% 2 Gold

Tabla 25: Importancias relativas y segmentación antigua

81

mod. Atributo

MARCA

Atributo

CALIDAD

Atributo

VARIEDAD

Atributo

DISENO

Atributo

TAMANO

Atributo

PRECIO

Seg

# Nombre de Segmento

1 26.2 % 19 % 9.5 % 9.5 % 19 % 16.7 % 4 Marca-Variedad 2 17.6 % 15.7 % 11.8 % 15.7 % 19.6 % 19.6 % 4 Marca-Variedad 3 8.8 % 14 % 3.5 % 24.6 % 24.6 % 24.6 % 3 Marca-Precio 4 12 % 20 % 20 % 8 % 12 % 28 % 1 Precio-Calidad 5 13 % 19.5 % 22.7 % 19.5 % 6.5 % 18.8 % 5 Marca-Calidad 6 18.1 % 20.2 % 18 % 18 % 18 % 7.5 % 2 Variedad-Precio-Diseño 7 19.6 % 19.6 % 23.5 % 11.8 % 19.6 % 5.9 % 2 Variedad-Precio-Diseño 8 15.6 % 17.8 % 8.9 % 17.8 % 17.8 % 22.2 % 3 Marca-Precio 9 14.8 % 7.4 % 18.5 % 18.5 % 11.1 % 29.6 % 1 Precio-Calidad 10 20.4 % 11.1 % 14.8 % 3.7 % 18.5 % 31.5 % 1 Precio-Calidad 11 27.1 % 10.3 % 16.7 % 23 % 8.3 % 14.6 % 5 Marca-Calidad 12 22.7 % 2 % 27.3 % 11.6 % 9.1 % 27.3 % 1 Precio-Calidad 13 24.4 % 4.4 % 13.3 % 8.9 % 22.2 % 26.8 % 1 Precio-Calidad 14 15 % 10 % 23.3 % 16.7 % 6.7 % 28.3 % 1 Precio-Calidad 15 20.7 % 17.2 % 10.3 % 20.7 % 20.7 % 10.3 % 4 Marca-Variedad 16 21.1 % 21.1 % 21.1 % 17.5 % 3.5 % 15.8 % 5 Marca-Calidad 17 16.7 % 20 % 13.3 % 6.7 % 33.3 % 10 % 2 Variedad-Precio-Diseño 18 20.2 % 16.1 % 16.1 % 12.1 % 19.3 % 16.1 % 4 Marca-Variedad 19 28.5 % 20 % 2.9 % 17.1 % 18.6 % 12.8 % 4 Marca-Variedad 20 19 % 23.8 % 9.5 % 9.5 % 14.3 % 23.8 % 4 Marca-Variedad

Tabla 26: Importancias relativas y segmentación nueva

82

Anexo 6: Designación de espacio

sku ancho

prod (cm) n° prod

cm.

tot bandejas

bandeja

1

bandeja

2

bandeja

3

bandeja

4

501 12 2 24 2 0 24 0 0 502 19 1 19 4 0 0 0 19 503 12 2 24 4 0 0 0 24 504 19 2 38 2 0 38 0 0 505 19 2 38 3 0 0 38 0 506 12 2 24 4 0 0 0 24 507 25 1 25 2 0 25 0 0 508 19 1 19 3 0 0 19 0 509 38 1 38 3 0 0 38 0 510 12 2 24 3 0 0 24 0 511 25 1 25 2 0 25 0 0 512 19 1 19 4 0 0 0 19 513 12 2 24 1 24 0 0 0 514 25 1 25 4 0 0 0 25 515 12 2 24 1 24 0 0 0 516 12 2 24 1 24 0 0 0 517 12 2 24 1 24 0 0 0 518 12 2 24 1 24 0 0 0

120 112 119 111

Tabla 27: Planilla de designación de espacio

83

Anexo 7: Estudio de frecuencia de reposición

Inicialmente el estudio se realizó con sólo un grupo de reposición, con una

frecuencia de 720 min., todos los días de la semana, arrojando un Stock Out (SO) de

44% promedio, lo que es muy alto.

SKU Ventas (Q) Stock OUT [Q] Ratio SO / (Ventas + SO)

501 208 7 0,03 502 163 512 0,76 503 736 688 0,48 504 765 1192 0,61 505 639 783 0,55 506 75 0 0 507 96 138 0,59 508 60 138 0,7 509 73 125 0,63 510 659 636 0,49 511 162 212 0,57 512 245 638 0,72 513 161 15 0,09 514 165 224 0,58 515 67 0 0 518 260 85 0,25 44%

Tabla 28: Stock Out promedio con un grupo de reposición

Luego, se realizó con dos un grupo de reposición, con una frecuencia de 320

min. y 720 min., todos los días de la semana, en este caso se obtuvo un promedio del

17% de Stock Out.

SKU Ventas (Q) Stock OUT [Q]

Ratio SO / (Ventas + SO)

501 1 0 0 502 101 105 0,51 503 685 22 0,03 504 1119 707 0,39 505 734 102 0,12 507 78 0 0 509 116 40 0,26 510 894 184 0,17 511 239 34 0,12

84

512 242 259 0,52 514 206 25 0,11 515 50 0 0 518 116 0 0 17%

Tabla 29: Stock Out promedio con dos grupos de reposición

Finalmente, se realizó con tres grupos de frecuencia de 240min. para los que

presentaban mayor SO en los casos anteriores, 360min. para los que tuvieron niveles

bajos de SO, y 5040min. para aquellos que presentaban muy pocas ventas,

obteniéndose un SO promedio de 14% como se muestra en la Tabla 31, que se

considera bueno, dado a que es cercano al que manejan las cadenas de retail.

Grupo 1 Grupo2 Grupo 3

Frecuencia 240 min. 360 min. 5040 min.

SKU Dimensiones Precio

Sug. Inic. Grupo

Unidades

vendidas

semanalmente

Unidades

por

espacio

1 SKU 501 12x12x10 189 Grupo 3 1 80 2 SKU 502 19x19x10 199 Grupo 1 3 SKU 503 12x12x5 219 Grupo 2 4 SKU 504 19x19x5 379 Grupo 1 5 SKU 505 19x19x5 409 Grupo 2 6 SKU 506 12x12x10 149 Grupo 3 0 7 SKU 507 25x12x20 419 Grupo 3 78 20 8 SKU 508 19x19x10 199 Grupo 3 0 9 SKU 509 38x19x25 799 Grupo 2 10 SKU 510 12x12x10 149 Grupo 2 11 SKU 511 25x12x20 499 Grupo 2 12 SKU 512 19x19x5 399 Grupo 1 13 SKU 513 12x12x10 119 Grupo 3 0 14 SKU 514 25x12x15 359 Grupo 2 15 SKU 515 12x12x8 129 Grupo 3 50 100 16 SKU 516 12x12x7 185 Grupo 3 0 17 SKU 517 12x12x10 129 Grupo 3 0 18 SKU 518 12x12x10 139 Grupo 3 116 80

Tabla 30: Grupos de tres frecuencias

SKU Ventas (Q) Stock OUT [Q]

Ratio SO / (Ventas + SO)

501 16 0 0

85

502 150 64 0,3 503 701 27 0,04 504 1392 367 0,21 505 751 94 0,11 507 73 8 0,1 509 115 50 0,3 510 912 210 0,19 511 242 34 0,12 512 121 57 0,32 514 209 26 0,11 515 45 0 0 518 89 0 0 14%

Tabla 31: Stock Out promedio con tres grupos de reposición

86

Anexo 8: Estudio de Variabilidad

8.1 Desviación promedio de ventas y Gross Margin

Se realizaron tres observaciones y se obtuvo lo siguiente:

SKU Precio

Adq

Precio

Venta

Ventas

1 (Q)

Ventas

2 (Q)

Ventas

3 (Q)

Ventas

1 ($)

Ventas

2 ($)

Ventas

3 ($)

Gross

Margin

1

Gross

Margin

2

Gross

Margin

3

501 142 189 135 188 185 25515 35532 34965 6345 8836 8695 502 149 199 161 138 158 32039 27462 31442 8050 6900 7900 503 164 219 874 834 859 191406 182646 188121 48070 45870 47245 504 284 379 685 762 605 259615 288798 229295 65075 72390 57475 505 307 409 625 647 603 255625 264623 246627 63750 65994 61506 506 112 149 4 4 5 596 596 475 148 148 118 507 314 419 92 107 121 38548 44833 50699 9660 11235 12705 508 149 199 48 48 48 9552 9552 9552 2400 2400 2400 509 599 799 72 72 60 57528 57528 47940 14400 14400 12000 510 112 149 788 798 747 117412 118902 111303 29156 29526 27639 511 374 499 162 163 140 80838 81337 69860 20250 20375 17500 512 299 399 245 244 242 97755 97356 96558 24500 24400 24200 513 89 119 121 143 163 14399 17017 19362 3630 4290 5210 514 269 359 171 151 159 61389 56845 54568 15390 14012 13680 515 97 129 46 57 49 5934 7353 6321 1472 1824 1568 518 104 139 268 303 317 37252 42117 44063 9380 10605 11095 Gross Margin Total 321676 334583 313430

Tabla 32: Observaciones de Ventas y Gross Margin

87

La tabla anterior se puede resumir en:

SKU Precio

Adq

Precio

Venta

Ventas

(Q)

Ventas

($)

Gross

Margin*

desv

est Q

desv

est ($)

desv

est

Gross

Margin

desv

est

Q

desv

est

($)

desv

est Gross

Margin

501 142 189 169 32004 7959 30 5627 1399 18% 18% 18% 502 149 199 152 30314 7617 13 2488 625 8% 8% 8% 503 164 219 856 187391 47062 20 4425 1111 2% 2% 2% 504 284 379 684 259236 64980 79 29753 7458 11% 11% 11% 505 307 409 625 255625 63750 22 8998 2244 4% 4% 4% 506 112 149 4 556 138 1 70 17 13% 13% 13% 507 314 419 107 44693 11200 15 6077 1523 14% 14% 14% 508 149 199 48 9552 2400 0 0 0 0% 0% 0% 509 599 799 68 54332 13600 7 5536 1386 10% 10% 10% 510 112 149 778 115872 28774 27 4027 1000 3% 3% 3% 511 374 499 155 77345 19375 13 6487 1625 8% 8% 8% 512 299 399 244 97223 24367 2 609 153 1% 1% 1% 513 89 119 142 16926 4278 21 2483 643 15% 15% 15% 514 269 359 160 57601 14361 10 3473 907 6% 6% 6% 515 97 129 51 6536 1621 6 734 182 11% 11% 11% 518 104 139 296 41144 10360 25 3508 883 9% 9% 9%

Total 8% 8% 8%

Tabla 33: Desviación de Gross Margin

8.2 Desviación promedio de Stock Out

SKU Ventas

(Q)

Ventas

(Q)

Ventas

(Q)

Stock

OUT

[Q]

Stock

OUT

[Q]

Stock

OUT

[Q]

Ratio SO /

(Ventas +

SO)

Ratio SO /

(Ventas +

SO)

Ratio SO /

(Ventas +

SO)

501 135 188 185 0 0 0 0 0 0 502 161 138 158 416 444 552 0,72 0,76 0,78 503 874 834 859 202 204 230 0,19 0,2 0,21 504 685 762 605 1038 1115 1267 0,6 0,59 0,68 505 625 647 603 608 533 704 0,49 0,45 0,54 506 4 4 46 0 0 0 0 0 0 507 92 107 121 103 130 139 0,53 0,55 0,53 508 48 48 48 72 83 108 0,6 0,63 0,69 509 72 72 60 103 117 140 0,59 0,62 0,7 510 788 798 747 451 488 607 0,36 0,38 0,45 511 162 163 140 163 199 236 0,5 0,55 0,63 512 245 244 242 543 567 719 0,69 0,7 0,75 513 121 143 204 0 0 0 0 0 0 514 171 171 152 172 198 205 0,5 0,54 0,57 515 46 57 49 0 0 0 0 0 0 518 268 303 317 29 42 50 0,1 0,12 0,14

Tabla 34: Desviación promedio Stock Out

88

La desviación queda resumida por:

SKU promedio Ratio SO/

(Ventas + SO)

desviación Ratio

SO/ (Ventas + SO) Porcentaje desv

501 0,00 0,00 0% 502 0,75 0,03 4% 503 0,20 0,01 5% 504 0,62 0,05 8% 505 0,49 0,05 9% 506 0,00 0,00 0% 507 0,54 0,01 2% 508 0,64 0,05 7% 509 0,64 0,06 9% 510 0,40 0,05 12% 511 0,56 0,07 12% 512 0,71 0,03 5% 513 0,00 0,00 0% 514 0,54 0,04 7% 515 0,00 0,00 0% 518 0,12 0,02 17%

Total 6%

Tabla 35: Resumen desviación SO

8.3 Desviación promedio de ingresos

SKU Gross

Margin*

Gross

Margin*

Gross

Margin*

Costo

de

repos

Costo

de

repos

Costo

de

repos

Ingreso

Neto

Ingreso

Neto

Ingreso

Neto

501 6345 8836 8695 2000 2000 2000 4345 6836 6695 502 8050 6900 7900 4667 4000 4000 3383 2900 3900 503 48070 45870 47245 6000 6000 4000 42070 39870 43245 504 65075 72390 57475 8000 8000 4000 57075 64390 53475 505 63750 65994 61506 7333 7333 4000 56417 58661 57506 506 148 148 150 667 667 667 -519 -519 -503 507 9660 11235 12705 4667 4667 4000 4993 6568 8705 508 2400 2400 2400 1333 1333 1333 1067 1067 1067 509 14400 14400 12000 5333 5333 4000 9067 9067 8000 510 29156 29526 27639 7333 6667 4000 21823 22859 23639 511 20250 20375 17500 8667 8667 4000 11583 11708 13500 512 24500 24400 24200 4000 4000 3333 20500 20400 20867 513 3630 4290 3120 1333 2000 1333 2297 2290 2187 514 15390 15390 13680 6000 6000 6000 9390 9390 9680 515 1472 1824 1568 6000 5333 5333 -4528 -3509 -3509 518 9380 10605 11095 2667 2667 3333 6713 7938 7762

Ingreso Neto Total de la Semana 245676 259916,33 263430

Tabla 36: Desviación promedio Ingresos

89

De donde se obtuvo:

SKU ingreso neto

promedio

desviación

estándar

porcentaje

desv est

501 5959 1399 23% 502 3394 500 15% 503 41728 1713 4% 504 58313 5562 10% 505 57528 1122 2% 506 -513 9 2% 507 6756 1863 28% 508 1067 0 0% 509 8711 616 7% 510 22774 911 4% 511 12264 1072 9% 512 20589 246 1% 513 2258 62 3% 514 9487 167 2% 515 -3849 588 15% 518 7471 662 9%

Ingreso Neto Total de 256341 9402 4% Total 8%

Tabla 37: Resumen desviación Ingresos

90

Anexo 9: Estudio de valorización de atributos por medio de la utilidad

9.1 Cálculo de utilidad para los diferentes niveles de precios

BAJO BAJO-

MEDIO

MEDIO-

ALTO ALTO

MODELO 1 3 4 25

1 0,73 0,20 0,00 -0,93 2 0,78 0,40 0,00 -1,18 3 1,23 0,30 -0,30 -1,23 4 1,20 0,40 0,00 -1,60 5 0,80 0,40 -0,20 -1,10 6 0,42 0,00 -0,10 -0,32 7 0,29 0,10 -0,10 -0,29 8 0,91 0,40 0,00 -1,31 9 1,13 0,70 0,00 -1,83 10 1,27 0,60 0,00 -1,87 11 0,63 0,20 0,00 -0,83 12 1,11 0,50 0,00 -1,61 13 0,88 0,90 0,00 -1,78 14 1,02 0,80 0,00 -1,82 15 0,52 0,20 -0,20 -0,52 16 0,64 0,30 0,00 -0,94 17 0,65 -0,10 -0,20 -0,35 18 0,92 0,00 -0,30 -0,62 19 0,58 0,30 -0,20 -0,68 20 1,39 0,00 -0,40 -0,99

Tabla 38: Utilidad precios

9.2 Tablas de utilidad para cada SKU ortogonal

Se construyó las tablas de utilidad de cada modelo según sus niveles de

atributo para cada producto. El ejemplo de la Tabla 39 corresponde al SKU 901. Este

ejercicio se hizo para los 32 SKU ortogonales, pero no se considera incluirlos en este

informe, dada la magnitud que presentan.

901 MARCA CALIDAD VARIEDAD DISEÑO TAMANO PRECIO

MODELO KRYSTAL NORMAL COCTEL CON 50 BAJO 1 1,21 -0,95 0,48 -0,48 0,95 0,47 2 0,78 -0,78 0,59 -0,78 -0,98 0,59 3 0,34 -0,70 -0,18 -1,23 -1,23 0,76 4 0,40 -1,00 1,00 0,40 0,60 0,80 5 0,86 -0,98 1,15 -0,98 -0,33 0,60 6 0,90 -1,00 -0,90 -0,90 0,90 0,21 7 1,38 -0,98 1,18 -0,59 -0,98 0,20

8 0,68 -0,89 -0,44 -0,89 -0,89 0,66

91

9 0,94 -0,37 -0,93 -0,93 -0,56 0,92

10 0,40 -0,56 0,74 -0,19 0,93 0,94 11 0,85 -0,52 0,83 1,15 0,42 0,41 12 0,69 -0,10 1,36 -0,58 -0,45 0,81 13 1,52 -0,22 0,67 -0,44 -1,11 0,89 14 0,75 -0,50 -1,17 0,83 0,33 0,91 15 1,03 -0,86 0,52 1,03 -1,03 0,36 16 0,70 -1,05 -1,05 0,88 0,18 0,47 17 0,68 -1,00 0,67 -0,33 1,67 0,28 18 0,76 -0,77 -0,77 -0,58 -0,92 0,46 19 0,86 -0,99 0,14 0,85 0,92 0,44 20 0,75 -1,19 -0,48 -0,48 0,71 0,70

Tabla 39: Utilidades de SKU 901

9.3 Matriz de probabilidad de compra

Matriz de probabilidad de modelo, según patrón de compra.

PROBABILIDAD DE MODELO

MODELO 1DIA 3 DIAS 7 DIAS 14 DIAS 28 DIAS

1 0,1 0,06 0,04 0,02 0,02 2 0,1 0,06 0,04 0,02 0,02 3 0,035 0,035 0,095 0,14 0,02 4 0,02 0,02 0,025 0,03 0,12 5 0,05 0,125 0,04 0,02 0,02 6 0,02 0,025 0,1 0,12 0,02 7 0,02 0,025 0,1 0,12 0,02 8 0,035 0,035 0,095 0,14 0,02 9 0,02 0,02 0,025 0,03 0,12 10 0,02 0,02 0,025 0,03 0,12 11 0,05 0,125 0,04 0,02 0,02 12 0,02 0,02 0,025 0,03 0,12 13 0,02 0,02 0,025 0,03 0,12 14 0,02 0,02 0,025 0,03 0,12 15 0,1 0,06 0,04 0,02 0,02 16 0,05 0,125 0,04 0,02 0,02 17 0,02 0,025 0,1 0,12 0,02 18 0,1 0,06 0,04 0,02 0,02 19 0,1 0,06 0,04 0,02 0,02 20 0,1 0,06 0,04 0,02 0,02

Tabla 40: Probabilidad de modelo de compra

9.4 Cálculo de la esperanza de la utilidad

Se escogió el patrón de compra diario, ya que todas las simulaciones se

realizaron en la semana. Las esperanzas que se ven en la Tabla 42 corresponden a

92

multiplicación de las utilidades de los atributos por la columna de la derecha que se

muestran en la Tabla 41, este ejercicio se realizó para los 32 SKU.

901 MARCA CALIDAD VARIEDAD DISEÑO TAMANO PRECIO 1 DIA

MOD KRYSTAL NORMAL COCTEL CON 50 BAJO

1,21 -0,95 0,48 -0,48 0,95 0,47 0,1 2 0,78 -0,78 0,59 -0,78 -0,98 0,59 0,1 3 0,34 -0,70 -0,18 -1,23 -1,23 0,76 0,035 4 0,40 -1,00 1,00 0,40 0,60 0,80 0,02 5 0,86 -0,98 1,15 -0,98 -0,33 0,60 0,05 6 0,90 -1,00 -0,90 -0,90 0,90 0,21 0,02 7 1,38 -0,98 1,18 -0,59 -0,98 0,20 0,02 8 0,68 -0,89 -0,44 -0,89 -0,89 0,66 0,035 9 0,94 -0,37 -0,93 -0,93 -0,56 0,92 0,02 10 0,40 -0,56 0,74 -0,19 0,93 0,94 0,02 11 0,85 -0,52 0,83 1,15 0,42 0,41 0,05 12 0,69 -0,10 1,36 -0,58 -0,45 0,81 0,02 13 1,52 -0,22 0,67 -0,44 -1,11 0,89 0,02 14 0,75 -0,50 -1,17 0,83 0,33 0,91 0,02 15 1,03 -0,86 0,52 1,03 -1,03 0,36 0,1 16 0,70 -1,05 -1,05 0,88 0,18 0,47 0,05 17 0,68 -1,00 0,67 -0,33 1,67 0,28 0,02 18 0,76 -0,77 -0,77 -0,58 -0,92 0,46 0,1 19 0,86 -0,99 0,14 0,85 0,92 0,44 0,1 20 0,75 -1,19 -0,48 -0,48 0,71 0,70 0,1

Tabla 41: Utilidad de atributos de SKU 901 y probabilidad de patrón de compra diario

901 MARCA CALIDAD VARIEDAD DISEÑO TAMANO PRECIO

MOD KRYSTAL NORMAL COCTEL CON 50 BAJO

0,12 -0,10 0,05 -0,05 0,10 0,05 2 0,08 -0,08 0,06 -0,08 -0,10 0,06 3 0,01 -0,02 -0,01 -0,04 -0,04 0,03 4 0,01 -0,02 0,02 0,01 0,01 0,02 5 0,04 -0,05 0,06 -0,05 -0,02 0,03 6 0,02 -0,02 -0,02 -0,02 0,02 0,00 7 0,03 -0,02 0,02 -0,01 -0,02 0,00 8 0,02 -0,03 -0,02 -0,03 -0,03 0,02 9 0,02 -0,01 -0,02 -0,02 -0,01 0,02 10 0,01 -0,01 0,01 0,00 0,02 0,02 11 0,04 -0,03 0,04 0,06 0,02 0,02 12 0,01 0,00 0,03 -0,01 -0,01 0,02 13 0,03 0,00 0,01 -0,01 -0,02 0,02 14 0,02 -0,01 -0,02 0,02 0,01 0,02 15 0,10 -0,09 0,05 0,10 -0,10 0,04 16 0,04 -0,05 -0,05 0,04 0,01 0,02 17 0,01 -0,02 0,01 -0,01 0,03 0,01

93

18 0,08 -0,08 -0,08 -0,06 -0,09 0,05

19 0,09 -0,10 0,01 0,08 0,09 0,04 20 0,08 -0,12 -0,05 -0,05 0,07 0,07

Esp 0,85 -0,85 0,12 -0,12 -0,07 0,54

Tabla 42: Esperanza de Utilidad para atributos de SKU 901

94

Anexo 10: Estudio de Colinealidad

dim. Auto

valor

Índ

cond Proporciones de la varianza

Cte K D G Premiu cóctel sin Peq. preciob preciom 1 4,82 1,000 ,00 ,01 ,01 ,01 ,01 ,01 ,01 ,01 ,01 ,01 2 1,01 2,184 ,00 ,04 ,03 ,01 ,01 ,00 ,00 ,00 ,11 ,23 3 1,00 2,196 ,00 ,02 ,16 ,30 ,00 ,00 ,00 ,00 ,00 ,00 4 ,998 2,198 ,00 ,23 ,14 ,02 ,00 ,00 ,00 ,00 ,02 ,05 5 ,533 3,006 ,00 ,00 ,00 ,00 ,41 ,00 ,51 ,00 ,00 ,01 6 ,500 3,105 ,00 ,00 ,00 ,00 ,00 ,50 ,00 ,50 ,00 ,00 7 ,480 3,170 ,00 ,00 ,00 ,00 ,25 ,30 ,18 ,30 ,00 ,01 8 ,349 3,715 ,01 ,10 ,09 ,09 ,23 ,12 ,22 ,12 ,19 ,11 9 ,241 4,475 ,00 ,35 ,33 ,34 ,00 ,00 ,00 ,00 ,43 ,36 10 ,068 8,424 ,99 ,25 ,23 ,24 ,09 ,07 ,09 ,07 ,24 ,23

a Variable dependiente: lnpm

Tabla 43: Diagnostico de colinealidad al modelo de regresión de atributos

Dado que los autovalores no son tan a cercanos a 0 y los índices de condición

son inferiores a 15, se puede decir que no existe colinealidad en las ecuaciones.

95

Anexo 11: Pruebas de regresiones a participaciones de mercado nulas

11.1 Participaciones de mercado nulos se les dio valor 0.001

Resumen del modelo

Modelo R

R

cuadrado

R cuadrado

corregida Error típ. de la estimación

1 ,662(a) ,438 ,433 1,51564 a Variables predictoras: (Constante), preciom, Golden, pequeño, sin, cóctel, Premium, Diamond,

preciob, Krystal

Modelo

Coeficientes no

estandarizados

Coeficientes


B Error típ. Beta (Constant -3,200 ,169 -18,934 ,000

Krystal 1,912 ,140 ,425 13,635 ,000 Diamond ,835 ,145 ,178 5,767 ,000 Golden ,880 ,143 ,190 6,133 ,000

Premium 1,726 ,100 ,429 17,190 ,000 cóctel ,463 ,100 ,115 4,652 ,000

sin ,892 ,100 ,222 8,934 ,000 pequeño ,540 ,100 ,134 5,428 ,000 preciob ,958 ,124 ,237 7,736 ,000

1

preciom ,002 ,136 ,000 ,012 ,990

a Variable dependiente: lnprop0.001

Tabla 44: Resultados de regresión lineal, transformando los datos nulos a 0.001

11.2 Participaciones de mercados nulos se sacaron del estudio

Resumen del modelo

Modelo R

R

cuadrado

R cuadrado

corregida

Error típ. de la

estimación

1 ,542(a) ,294 ,276 1,40018 a Variables predictoras: (Constante), PRECIOM, KRYSTAL, SIN, PREMIUM, PEQUEÑO, BRILLIANT,

COCTEL, DIAMOND, PRECIOB

Modelo

Coeficientes no

estandarizados

Coeficientes


B Error típ. Beta 1 (Constante) -2,828 ,406 -6,970 ,000 KRYSTAL 1,187 ,193 ,356 6,150 ,000 DIAMOND ,214 ,221 ,053 ,965 ,335 BRILLIANT -1,317 ,266 -,260 -4,946 ,000

96

PREMIUM ,669 ,207 ,162 3,241 ,001 COCTEL ,199 ,163 ,059 1,217 ,224 SIN ,641 ,167 ,188 3,834 ,000 PEQUEÑO ,981 ,167 ,295 5,876 ,000 PRECIOB 1,243 ,207 ,368 6,015 ,000 PRECIOM ,656 ,260 ,152 2,525 ,012

a Variable dependiente: LNPM

Tabla 45: Resultados de regresión lineal, eliminando los datos nulos

97

Anexo 12: Cambios de matriz de utilidad

12.1 Cambios a matriz de utilidad

Se muestra sólo el modelo 1. Se ven cambios en atributo Calidad, se acotan los

rangos entre niveles, es decir, se hacen más cercanos a cero.

Ilustración 19: Interfaz de utilidad antigua

Ilustración 20: Interfaz de utilidad modificada

98

En las siguientes ilustraciones se ve el aumento en las utilidades de precio en el

modelo 1.

Ilustración 21: Interfaz utilidad precio antigua

Ilustración 22: Interfaz utilidad precio modificada

12.2 Repercusiones en importancias relativas

En las importancias relativas el administrador no realizo nada, pero el modelo al

cambiar las utilizase de cada atributo nivel, recalcula las importancias para cada

modelo obteniéndose el cambio que se aprecia a continuación.

99

Ilustración 23: interfaz de importancias relativas antigua

Ilustración 24: interfaz de importancias relativas nueva

100

Anexo 13: Estudio de Colinealidad, caso final

dim. Auto

valor

Índ

cond Proporciones de la varianza

Cte K D G Premiu cóctel sin Peq. preciob preciom 1 4,14 1,000 ,01 ,01 ,01 ,01 ,02 ,02 ,02 ,02 ,00 ,00 2 1,23 1,832 ,00 ,10 ,03 ,03 ,00 ,00 ,01 ,00 ,19 ,15 3 1,05 1,984 ,00 ,00 ,01 ,00 ,00 ,00 ,00 ,03 ,27 ,45 4 ,999 2,035 ,00 ,00 ,24 ,23 ,00 ,00 ,00 ,00 ,00 ,01 5 ,829 2,234 ,00 ,20 ,05 ,05 ,01 ,02 ,03 ,01 ,22 ,11 6 ,512 2,845 ,00 ,01 ,00 ,00 ,32 ,07 ,46 ,03 ,06 ,00 7 ,459 3,003 ,00 ,00 ,00 ,00 ,18 ,39 ,33 ,07 ,04 ,00 8 ,397 3,229 ,00 ,01 ,00 ,00 ,11 ,22 ,00 ,60 ,02 ,27 9 ,303 3,694 ,01 ,29 ,35 ,35 ,16 ,12 ,07 ,13 ,03 ,00 10 ,075 7,422 ,98 ,38 ,32 ,33 ,19 ,17 ,08 ,12 ,16 ,00

a Variable dependiente: Ln

Ilustración 25: Diagnóstico de colinealidad realizado para el estudio final

Dado a que los autovalores no son cercanos a 0 y el índice de condición para

ninguna dimensión es superior a 15, se concluye que no presenta colinealidad el

modelo.

Por asuntos de espacio se denomino K a Krystal D a Diamond Y G a Golden.

VALIDACIÓN DEL SIMULADOR DE ADMINISTRACIÓN POR...

Documents

Transcript of VALIDACIÓN DEL SIMULADOR DE ADMINISTRACIÓN POR...