En esta sesión presentaremos ejemplos reales de Mapas de Posicionamiento resueltos con Técnicas de Reducción de Dimensiones: Escalamiento Multidimensional, Análisis de Componentes Principales, Análisis de Correspondencia y Análisis Discriminante Múltiple.
Presentada por: José Ignacio Domínguez
2. Posicionamiento de Marca
• Es el vínculo que conecta oferta (empresa) con demanda (clientes)
• La manera en que los clientes relacionan en su mente productos y servicios
que compiten entre si, sobre sobre la base de atributos en los que perciben
sus similitudes y diferencias.
• La decisión estratégica de posicionar una marca en el mercado
requiere de una medición inicial para conocer la percepción que el
mercado tiene de ella y de sus competidores.
joseignacio.dominguez@data-sense.mx
3. Marcas y Atributos
• En la Investigación de Mercados, los entrevistados evalúan diversas
marcas competidoras sobre múltiples atributos.
• Las evaluaciones suelen ser presentadas como conteos o promedios en
tablas en las que las columnas son Marcas y los renglones Atributos.
joseignacio.dominguez@data-sense.mx
Evaluación Promedio Benes Contina Óptima Ícaro Sharon Costa
Es lavable 3.93 4.11 4.51 4.57 4.89 5.32
Es durable 3.86 4.04 4.50 4.42 4.79 5.34
No pierde color con el tiempo 3.82 4.03 4.50 4.42 4.67 5.13
Ofrece variedad de colores 4.05 4.13 4.63 4.50 4.70 5.29
Hace mucha publicidad 2.74 3.29 3.92 3.97 4.20 4.95
Se encuentra a precio accesible 3.70 4.04 4.13 4.08 3.80 4.81
Es fácil de encontrar 3.27 3.51 4.39 4.32 4.46 5.31
Es de tradición y prestigio 3.45 3.79 4.43 4.26 4.72 5.40
Cubre bien, da buen rendimiento 3.96 3.91 4.25 4.51 4.84 5.30
Ofrece buen servicio y asesoría 3.69 3.67 4.39 4.29 4.82 5.16
No es tóxico 3.95 3.92 4.31 4.43 4.64 5.09
No huele cuando se aplica 3.88 3.81 4.26 4.42 4.64 5.08
Tiene empaque atractivo 3.70 3.73 4.10 4.13 4.58 4.90
Es fácil de aplicar 4.05 4.13 4.38 4.46 4.70 5.18
4. Tablas de Resultados
joseignacio.dominguez@data-sense.mx
Evaluación Promedio Benes Contina Óptima Ícaro Sharon Costa
Es lavable 3.93 4.11 4.51 4.57 4.89 5.32
Es durable 3.86 4.04 4.50 4.42 4.79 5.34
No pierde color con el tiempo 3.82 4.03 4.50 4.42 4.67 5.13
Ofrece variedad de colores 4.05 4.13 4.63 4.50 4.70 5.29
Hace mucha publicidad 2.74 3.29 3.92 3.97 4.20 4.95
Se encuentra a precio accesible 3.70 4.04 4.13 4.08 3.80 4.81
Es fácil de encontrar 3.27 3.51 4.39 4.32 4.46 5.31
Es de tradición y prestigio 3.45 3.79 4.43 4.26 4.72 5.40
Cubre bien, da buen rendimiento 3.96 3.91 4.25 4.51 4.84 5.30
Ofrece buen servicio y asesoría 3.69 3.67 4.39 4.29 4.82 5.16
No es tóxico 3.95 3.92 4.31 4.43 4.64 5.09
No huele cuando se aplica 3.88 3.81 4.26 4.42 4.64 5.08
Tiene empaque atractivo 3.70 3.73 4.10 4.13 4.58 4.90
Es fácil de aplicar 4.05 4.13 4.38 4.46 4.70 5.18
Top Box Benes Contina Óptima Ícaro Sharon Costa
Es lavable 6 7 11 14 26 41
Es durable 7 4 10 11 22 39
No pierde color con el tiempo 3 8 12 12 15 34
Ofrece variedad de colores 8 9 18 15 24 40
Hace mucha publicidad 2 7 3 8 18 36
Se encuentra a precio accesible 6 8 7 8 7 24
Es fácil de encontrar 5 5 11 15 13 42
Es de tradición y prestigio 5 7 9 12 21 43
Cubre bien, da buen rendimiento 6 7 8 15 26 44
Ofrece buen servicio y asesoría 5 4 8 11 25 36
No es tóxico 7 9 7 12 21 34
No huele cuando se aplica 5 6 6 10 23 33
Tiene empaque atractivo 3 4 4 9 18 26
Es fácil de aplicar 9 9 10 12 26 36
6. Mapa Perceptual
• Representación gráfica de la posición relativa que guardan entre si
productos/servicios competidores, según los clientes perciben sus
semejanzas y diferencias sobre un conjunto de atributos
significativos.
• Hacerlo en un espacio bidimensional requiere utilizar un procedimiento de
Reducción de Dimensiones.
joseignacio.dominguez@data-sense.mx
7. Reducción de Dimensiones
• Las principales técnicas de reducción de dimensiones tienen por
objetivo condensar la información de un conjunto de variables en un
nuevo y reducido conjunto de variables, sacrificando la menor
información posible.
• Dependiendo del nivel de medición en el que están expresados los
datos, las más utilizadas son:
• PCA / Componentes Principales (evaluaciones promedio)
• MDS / Escalamiento Multi Dimensional (distancias)
• MDA / Análisis Discriminatorio Múltiple (evaluaciones promedio)
• Correspondence / Correspondencias (conteos)
joseignacio.dominguez@data-sense.mx
8. Componentes Principales
• Técnica utilizada para describir un conjunto de datos en términos de
nuevas variables, o componentes no correlacionadas entre sí.
• Los componentes se ordenan por la cantidad de varianza original que
describen, por lo que la técnica es útil para reducir la
dimensionalidad de un conjunto de datos.
joseignacio.dominguez@data-sense.mx
9. Componentes Principales
• Los 14 atributos sobre los que se evaluaron las marcas se agrupan
con estas cargas sobre 2 Componentes Principales
joseignacio.dominguez@data-sense.mx
Rotated Component Matrix PC1 PC2
61% 6%
No es tóxico 0,822 0,243
No huele cuando se aplica 0,803 0,283
Es lavable 0,756 0,375
No pierde color con el tiempo 0,755 0,395
Es durable 0,755 0,395
Es fácil de aplicar 0,746 0,347
Ofrece variedad de colores 0,715 0,351
Tiene empaque atractivo 0,707 0,274
Ofrece buen servicio y asesoría 0,695 0,429
Cubre bien, da buen rendimiento 0,694 0,437
Es fácil de encontrar 0,373 0,766
Hace mucha publicidad 0,389 0,723
Es de tradición y prestigio 0,430 0,710
Se encuentra a precio accesible 0,189 0,709
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
10. Componentes Principales
• Los puntajes
de factor,
promediados
para cada una
de las 6 marcas
evaluadas,
permiten
ubicarlas en un
espacio
bidimensional.
joseignacio.dominguez@data-sense.mx
1 No es tóxico
2 No huele cuando se aplica
3 Es lavable
4 No pierde color con el tiempo
5 Es durable
6 Es fácil de aplicar
7 Ofrece variedad de colores
8 Tiene empaque atractivo
9 Ofrece buen servicio y asesoría
10 Cubre bien, da buen rendimiento
11 Es fácil de encontrar
12 Hace mucha publicidad
13 Es de tradición y prestigio
14 Se encuentra a precio accesible
11. Escalamiento Multidimensional
• Técnica de análisis multivariante que, partiendo de una matriz de distancias (o
bien de similitudes) entre individuos, produce una representación de los
individuos en una escala euclídea ordinaria de modo que las distancias en dicha
escala se aproximen lo mejor posible a las distancias de partida.
joseignacio.dominguez@data-sense.mx
13. Escalamiento Multidimensional
• Las Evaluaciones Promedio de cada Marca pueden interpretarse
como ‘distancias’ entre ellas con relación a cada atributo y realizar
un escalamiento de la matriz asimétrica.
joseignacio.dominguez@data-sense.mx
Evaluación Promedio Benes Contina Óptima Ícaro Sharon Costa
Es lavable 3.93 4.11 4.51 4.57 4.89 5.32
Es durable 3.86 4.04 4.50 4.42 4.79 5.34
No pierde color con el tiempo 3.82 4.03 4.50 4.42 4.67 5.13
Ofrece variedad de colores 4.05 4.13 4.63 4.50 4.70 5.29
Hace mucha publicidad 2.74 3.29 3.92 3.97 4.20 4.95
Se encuentra a precio accesible 3.70 4.04 4.13 4.08 3.80 4.81
Es fácil de encontrar 3.27 3.51 4.39 4.32 4.46 5.31
Es de tradición y prestigio 3.45 3.79 4.43 4.26 4.72 5.40
Cubre bien, da buen rendimiento 3.96 3.91 4.25 4.51 4.84 5.30
Ofrece buen servicio y asesoría 3.69 3.67 4.39 4.29 4.82 5.16
No es tóxico 3.95 3.92 4.31 4.43 4.64 5.09
No huele cuando se aplica 3.88 3.81 4.26 4.42 4.64 5.08
Tiene empaque atractivo 3.70 3.73 4.10 4.13 4.58 4.90
Es fácil de aplicar 4.05 4.13 4.38 4.46 4.70 5.18
14. Escalamiento Multidimensional
• La interpretación de las dimensiones no es directa, pero técnicamente el espacio es mejor:
• Kruskal's stress formula= 0.03642
• RSQ (disparidades)= 0.99876
joseignacio.dominguez@data-sense.mx
1 Es lavable
2 Es durable
3 No pierde color con el tiempo
4 Ofrece variedad de colores
5 Hace mucha publicidad
6 Se encuentra a precio accesible
7 Es fácil de encontrar
8 Es de tradición y prestigio
9 Cubre bien, da buen rendimiento
10 Ofrece buen servicio y asesoría
11 No es tóxico
12 No huele cuando se aplica
13 Tiene empaque atractivo
14 Es fácil de aplicar
15. Análisis Discriminatorio Múltiple
• Su finalidad es analizar si existen diferencias significativas entre
grupos de objetos respecto a un conjunto de variables medidas sobre
los mismos para, en el caso de que existan, explicar en qué sentido
se dan y facilitar procedimientos de clasificación sistemática.
• Se parece al PCA, en cuanto que produce combinaciones lineales de los
datos, pero enfocado a similitudes dentro de los grupos de objetos.
• Se parece a la Regresión Múltiple, en cuanto a que es un procedimiento
predictivo, pero para una variable dependiente categórica.
joseignacio.dominguez@data-sense.mx
16. Análisis Discriminatorio Múltiple
joseignacio.dominguez@data-sense.mx
1 Es facil de encontrar
2 Es de tradicion y prestigio
3 Hace mucha publicidad
4 Ofrece buen servicio y asesoria
5 Es durable
6 Es lavable
7 Cubre bien, da buen rendimiento
8 Tiene empaque atractivo
9 No pierde color con el tiempo
10 No huele cuando se aplica
11 Ofrece variedad de colores
12 No es toxico
13 Es facil de aplicar
14 Se encuentra a precio accesible
17. Análisis de Correspondencias
• Procedimiento de escalamiento óptimo, a partir de una tabla de
frecuencias que resulte del cruce de dos variables, de tipo
categórico.
• Por ejemplo, los conteos de individuos que emiten votos por un candidato.
joseignacio.dominguez@data-sense.mx
18. Conteo de Votos por Estado IFE 2018
joseignacio.dominguez@data-sense.mx
1 AGUASCALIENTES 17 MORELOS
2 BAJA CALIFORNIA 18 NAYARIT
3 BAJA CALIFORNIA SUR 19 NUEVO LEÓN
4 CAMPECHE 20 OAXACA
5 CHIAPAS 21 PUEBLA
6 CHIHUAHUA 22 QUERÉTARO
7 CIUDAD DE MÉXICO 23 QUINTANA ROO
8 COAHUILA 24 SAN LUIS POTOSÍ
9 COLIMA 25 SINALOA
10 DURANGO 26 SONORA
11 GUANAJUATO 27 TABASCO
12 GUERRERO 28 TAMAULIPAS
13 HIDALGO 29 TLAXCALA
14 JALISCO 30 VERACRUZ
15 MÉXICO 31 YUCATÁN
16 MICHOACÁN 32 ZACATECAS
19. Análisis de Correspondencias
• Conteos de individuos que asocian atributos y marcas.
joseignacio.dominguez@data-sense.mx
Benes Contina Óptima Ícaro Sharon Costa
Es lavable 6 7 11 14 26 41
Es durable 7 4 10 11 22 39
No pierde color con el tiempo 3 8 12 12 15 34
Ofrece variedad de colores 8 9 18 15 24 40
Hace mucha publicidad 2 7 3 8 18 36
Se encuentra a precio accesible 6 8 7 8 7 24
Es facil de encontrar 5 5 11 15 13 42
Es de tradicion y prestigio 5 7 9 12 21 43
Cubre bien, da buen rendimiento 6 7 8 15 26 44
Ofrece buen servicio y asesoria 5 4 8 11 25 36
No es toxico 7 9 7 12 21 34
No huele cuando se aplica 5 6 6 10 23 33
Tiene empaque atractivo 3 4 4 9 18 26
Es facil de aplicar 9 9 10 12 26 36
20. Análisis de Correspondencias
joseignacio.dominguez@data-sense.mx
1 Es lavable
2 Es durable
3 No pierde color con el tiempo
4 Ofrece variedad de colores
5 Hace mucha publicidad
6 Se encuentra a precio accesible
7 Es facil de encontrar
8 Es de tradicion y prestigio
9 Cubre bien, da buen rendimiento
10 Ofrece buen servicio y asesoria
11 No es toxico
12 No huele cuando se aplica
13 Tiene empaque atractivo
14 Es facil de aplicar
21. Consideraciones Prácticas
• La evaluación de Marcas y sus Atributos hechas por consumidores/usuarios
durante estudios por encuesta lleva a conocer la posición relativa que
guardan en su mente.
• Y en consecuencia, a tomar decisiones sobre su Posicionamiento.
• La representación de ese Posicionamiento en un Mapa Perceptual puede
hacerse a través de diferentes procedimientos de Reducción de
Dimensiones.
• Utilizar uno u otro depende principalmente de la forma en que quedan
planteadas las preguntas de evaluación en el cuestionario del estudio.
• Preguntas complejas obtienen datos de mayor nivel y permiten usar
procedimientos más sofisticados y estables.
• Preguntas sencillas requieren poco esfuerzo del entrevistado y llevan a datos
muy simples que, sin embargo, pueden ser analizados con el Análisis de
Correspondencias.
joseignacio.dominguez@data-sense.mx