Casos de Mercados

CASOS DE ESTUDIO

CASOS DE ESTUDIO

PROF.: ING. BRAULIO BUSTOS

ALUMNOS:

NARVAEZ VENTURA,YAMILET QUIROA MUÑOZ, SERGIO ARQQUE HUAMANI, OSCAR

CASO 1: ADTEL, LTD

RESUMEN DEL CASO

Barret Foods una empresa dedicada a la venta de mantequilla de maní tiene cautivado el 30% del mercado nacional, Mullen Foods su más fuerte competencia posee el 28% de ese mercado. En los últimos años volumen de ventas a aumentado, sin embargo la empresa no tuvo esa suerte, para ello los directivos plantean propuestas.

Plan propuesto

Los directivos de Barret Foods planean incrementar su presupuesto para publicidad en Televisión a $ 6 000 000.

Condiciones para llevar a cabo el plan propuesto

Incremento mínimo: 15 % en las ventas

Nivel de confianza: 90%

ADTEL es la empresa encargada de evaluar la conveniencia del aumento de presupuesto para ello elabora el siguiente diseño:

Panel A: Triplica desde 2 000 000 hasta $6 000 000 anuales. (Estrategia “Fuerte”)

Panel B: Actualmente $ 2 000 000 anuales y servirá como “control”.

HIPOTESIS

H0 : El incremento en el neto en el volumen de las ventas es menor igual a15% Ha : El incremento en el neto en el volumen de las ventas es mayor igual a15%

RESULTADOS OBTENIDOS DEL ESTUDIO

1. En el anexo 1 observamos que existe un incremento en el neto en el volumen de las ventas de 16% para los 12 meses que duró la prueba lo cual es mayor que el incremento en las ventas que pronóstico la empresa.

CASOS DE ESTUDIO

PANEL A Estrategia fuerte 34.50%PANEL B Estrategia de control 18.50%

INCREMENTO TOTAL 16%

2. En el anexo 10 se indica el porcentaje de familias que reportaron mantequilla de maní tuvo un mayor incremento en el panel A que en el panel B producto de que consumidores no frecuentes o no consumidores se convirtieron en consumidores frecuentes de mantequilla de maní y en el anexo 8 nos muestra el porcentaje de familias que compararon mantequilla de maní

Teniendo un incremento neto en el volumen de ventas

3. En el anexo 11 se observa que el incremento del volumen de ventas de mantequilla de maní por comprador.

CONCLUSIONES

Analizando los datos obtenidos tras los resultados del estudio rechazamos la hipótesis nula y aceptamos la hipótesis alterna la cual nos dice que el incremento neto en el volumen de ventas es mayor al 15%, esto lo observamos en el anexo1.

El incremento neto en el volumen es ventas es de 16%, si lo subdividimos por categorías también se muestra ese incremento, en familias se observa un incremento neto del 6.8% y por comprador de 10% lo que ratifica nuestro incremento neto de 16% en el volumen de vetas.

CASOS DE ESTUDIO


INCREMENTO TOTAL 3%


INCREMENTO TOTAL 10%


INCREMENTO TOTAL 4%


INCREMENTO TOTAL 6.8%

RECOMENDACIONES

Se recomienda al presidente de Barrett implementar el plan publicitario aplicando la estrategia fuerte la cual tiene un costo de hasta $6 000 000 anuales, pues tanto individualmente como en familia se observa un claro incremento en el nivel de ventas de mantequilla de maní lo cual justifica claramente los costos de publicidad hechos.

Además de esto se recomienda buscar un mercado objetivo al cual dirigir la publicidad parar de esta forma obtener mayores resultados es decir incrementar el volumen de ventas.

CASOS DE ESTUDIO

CASO 2: EDGCOMB METALS

Alex debe confirmar si la queja presentada por Spencer es real y debe sustentarla con el análisis de la información incompleta que ha podido recopilar. Algunas de las primeras verificaciones sugeridas, es la de confirmar la remuneración recibida tanto por Spencer como por Williams en un período determinado de tiempo. De la información de horas regulares y extra recibida por trabajador puede estimar el sueldo de cada trabajador en los primeros seis meses de 1983, tal como se muestra a continuación:

ConductorHoras

RegularesSobre tiempo

/ HorasTotal Horas Costo Hora Salario Normal

Costo Hora Sobretiempo

Salario Adicional

Total Sobre

Williams 907.00 215.00 1,122.00 9.50 8,616.50 14.25 3,063.75 11,680.25

Spencer 931.00 284.00 1,215.00 9.50 8,844.50 14.25 4,047.00 12,891.50

Diferencia = 1,211.25

Basado en el pago de $9.5 por hora regular y en un 50% de pago adicional por hora extra, se evidencia que Spencer ha percibido casi mil dólares más que Williams en ese período, lo cual podría dejar sin fundamento la queja del chofer experto. Sin embargo, este análisis no es completo debido a que no necesariamente a todos los choferes se les ha asignado equitativamente las rutas y paradas. , y lo que aún se mantiene en pie la duda; es si efectivamente el chofer novato es menos eficiente que el resto, y en específico que Spencer.

A fin de analizar la eficiencia de los choferes, o de comparar la eficiencia de Spencer y Williams contra el grupo en promedio; Alex puede utilizar la información de millas, paradas y horas utilizadas en las rutas de Virginia Beach/Norkfolk y Charlottesville, una de ellas la más corta y la otra una de las más largas y difíciles, y generar modelos matemáticos para estimar los tiempos esperados por cada una de las rutas asignadas a los dos choferes. Consolidando la información de las zonas mencionadas y utilizando algún software de estadística disponible, tendría el siguiente resultado:

En base al análisis anterior, Alex puede desarrollar un modelo que le permita estimar el comportamiento de la variable dependiente (horas utilizadas en cada ruta) en función a las variables independientes distancia recorrida en millas y número de paradas (coeficiente de determinación ajustado de 83%), y que además las variables independientes distancia recorrida y paradas son significativas y ayudan a explicar las variaciones o impactos en la variable dependiente horas (p-values muy bajos). De esta manera, Alex puede utilizar la siguiente ecuación para estimar los tiempos promedio esperados para cada una de las rutas de Spencer y Williams.

CASOS DE ESTUDIO

HACEMOS UN CALCULO DE LA CORRELACION ENTRE LAS VARIABLES Y PROCEDEMOS A HACER UNA REGRESESION MULTIVARIADA SABIENDO QUE LAS HORAS SON LA VARIABLE INDEPENDIENTE

Correlaciones

Millas Paradas Horas

Millas Correlación de Pearson 1 ,057 ,755**

Sig. (bilateral) ,519 ,000

N 131 131 131

Paradas Correlación de Pearson ,057 1 ,416**


N 131 131 131

Horas Correlación de Pearson ,755** ,416** 1


N 131 131 131

**. La correlación es significativa al nivel 0,01 (bilateral).

Coeficientesa

Modelo Coeficientes

no

estandarizados

Coeficient

es

tipificados

t Si

g.

Intervalo de

confianza de

95,0% para B

Correlaciones

B Error

típ.

Beta Límite

Inf

Límite

Sup

Orden

cero

Parc

ial

Semiparci

al

1 (Constante) 4,3

01

,333 12,9

36

,0

00

3,643 4,959

Millas ,01

6

,001 ,734 15,3

83

,0

00

,014 ,018 ,755 ,806 ,733

Paradas ,27

5

,035 ,374 7,85

0

,0

00

,205 ,344 ,416 ,570 ,374

a. Variable dependiente: Horas

Número de horas = 4.301 + 0.016 (millas) + 0.275 (paradas)

Según la ecuación, se puede notar que los coeficientes de las variables independientes son positivos, lo cual nos indica que el número de horas por ruta se incrementa con la distancia y

CASOS DE ESTUDIO

paradas realizadas, generando un mayor impacto las paradas. Esto muestra la racionalidad y coherencia del modelo.

Paso siguiente, Alex utilizaría el modelo para estimar los tiempos promedio estimados para cada una de las rutas realizadas por los choferes bajo análisis. El resultado estimado de horas obtenido por ruta sería comparado con el tiempo real que utilizó cada uno de ellos. Finalmente, la suma de todas las diferencias mostrarías las horas que cada chofer utilizó en exceso o en defecto durante el período bajo evaluación.

Los resultados del análisis de eficiencia de Spencer ratifican el convencimiento de que Spencer es uno de los más eficientes, sumando más de 27 horas por debajo del promedio esperado de las rutas que realizó en el periodo, tal como se muestra en el Anexo 2. De la misma manera, los resultados del análisis de eficiencia de Williams justifican el reclamo de Spencer, al mostrar que su compañero novato sumó más de 30 horas por encima del promedio esperado en las rutas que realizó durante el mismo período, tal como se muestra en el Anexo 3.

Basado en el reclamo justificado de Spencer, Alex, por tanto, debe tomar una de las decisiones que pensó luego de la reunión con los choferes, u otra que muestre ser asegurar que tanto Williams como los demás choferes sean remunerados de manera justa de acuerdo a su eficiencia y experiencia, sin perjudicar o beneficiando la rentabilidad de la empresa.

Alternativa propuesta

Las alternativas de reasignar a Williams a otro puesto y equipar los camiones de tacógrafos sugieren un deterioro en el clima laboral de los empleados. Esto es debido a que los choferes ya habían demostrado rechazo a la implementación de sistemas de rastreo y monitoreo en los camiones; y que al reasignar a Williams, los demás empleados podrían pensar que pueden correr la misma suerte en cualquier momento lo que generaría desconfianza en el grupo. La alternativa que debe implementar Alex es una combinación entre monitorear el desempeño de cada chofer, millas recorridas y paradas realizadas y un cambio en el sistema de remuneraciones. El monitoreo de desempeño debe ser explicado y vendido como parte de la progresiva implementación de mejora remunerativa a los empleados más eficientes, adicionalmente el sistema de remuneraciones debe ser variable, tanto por millas recorridas como por paradas (despachos realizados).

El punto de partida de la solución es ahorrar costos de salarios pagados a los choferes, o en el peor de los casos mantenerlos por milla recorrida. De la información real recopilada de millas y horas utilizadas, se estima un costo total de cumplir con todas las millas recorridas y el costo unitario por milla recorrida del escenario más eficiente. Este cálculo se debe realizar asumiendo que todas las horas utilizadas son regulares y ninguna hora extra incurrida ($9.5/hora). De esta forma se obtiene que el costo unitario promedio por milla recorrida del periodo de $3.555/milla. Asimismo, se propone un bono variable adicional de $3 por cada punto de despacho o parada adicional a partir del 6to despacho, esto motivará a los choferes a hacerlo en forma más rápida. El pago adicional a partir del 6to viaje está asociado a que en el 62% de los viajes los choferes hacen 5 paradas, es

CASOS DE ESTUDIO

decir 6 a más paradas o entregas representan el 38% de los eventos (ver Anexo 1), adicionalmente la media de los puntos de entrega o paradas de la data es 5.22 paradas por ruta. En resumen la nueva estructura de remuneración variable en función de millas recorridas y despachos realizados:

De esta manera se trata de cumplir otro objetivo que refiera al de remunerar de manera justa a todos los choferes, a la vez de asignar de manera homogénea las rutas. Asimismo, los choferes estarán motivados en recorrer la mayor cantidad de millas y realizar la mayor cantidad de paradas por despacho a fin de percibir mayores ingresos y finalmente premiaría la eficiencia y corregir la baja productividad. Los resultados económicos esperados para Williams y Spencer basado en la información histórica pero en base al nuevo sistema de remuneración se muestran a continuación, que son más equitativos y generan ahorro a la empresa.

Cabe resaltar que este sistema no sería exitoso si no se definen tiempos promedio esperadas para cada una de las rutas y zonas que deben de acuerdo a las condiciones geográficas tráfico, límites de velocidad, etc. Asimismo, la implementación de la solución es la adecuada asignación de rutas, zonas y paradas por despacho por chofer sin preferencias subjetivas pero que pueden tener eventualmente prioridad según el desempeño y mérito demostrado de cada chofer.

La implementación de la nueva política de remuneración y los estándares asociados deben ser planificada. El éxito de nuevo sistema depende del apoyo de los choferes para lo cual Alex debe ir con cuidado y debe monitorear la reacción tanto positiva como negativa de sus choferes. La implementación debe ser gradual y debe contemplar el registro detallado de los tiempos, eficiencia reales y esperados durante un período de prueba; en el cual, el sueldo de ninguno de los choferes, debe ser afectado. Luego de demostrado que la estrategia es viable durante esta fase de prueba, la política debe aplicarse al sueldo de cada chofer

CASOS DE ESTUDIO

CASOS DE ESTUDIO

CASO 3

QUILEZ

Se está evaluando el lanzamiento de un nuevo producto: Shampoo para hombres Posibles precios 65, 70, y 75 pesos Costo de producción 40 pesos Puntos de venta: Farmacias, bodegas y minimarkets en 6 ciudades La Dirección planea ofrecer un nuevo margen a los distribuidores (M2) de 22%. El margen habitual es de 20% (M1) Se realizará una investigación (3 meses) para verificar la eficacia.

Cuadro 1 En este cuadro se muestran el número de unidades vendidas separados según precio, cuidad, puntos de venta y margen de Contribución.

Margen(M)

Punto de Venta (V)

PRECIOP1=75 P2=70 P3=65

M1Farmacias 805 783 765 792 1110 1085 1120 1063 1341 1323 1337 1351Bodegas 800 800 820 795 1112 1125 1133 1091 1362 1341 1325 1380Minimarkets 823 800 820 795 1127 1083 1105 1132 1380 1405 1363 1392


Cuadro 2: En este cuadro se muestra en ingreso por ventas de cada sección.

Nro.deUnidades vendidas x Precio

Margen(M)

Punto de Venta (V)

Margen de ContribuciónMC=35 MC=30 MC=25



Cuadro 3: Muestra la variación de ventas entre los márgenes 1 y 2 (M1 y M2) según punto de venta (farmacia, Bodega y minimarket)

Punto de Venta

(V)

% de Aumento en las ventas MC=35 MC=30 MC=25

Farmacias 14.91% 15.58% 16.73% 16.41% 6.31% 7.37% 6.52% 10.25% 7.76% 10.58% 5.24% 9.77%Bodegas 15.38% 17.63% 11.59% 17.36% 6.38% 8.89% 7.41% 10.27% 7.42% 10.89% 9.21% 9.93%Minimarkets 13.24% 17.88% 12.32% 14.47% 8.25% 12.93% 9.50% 1.33% 7.32% 2.85% 6.60% 6.39%

CASOS DE ESTUDIO

¿ M 2−M 1M 1

"Las celdas en rojo indican que ese aumento del 10% adicional solo serviría para un precio de 75, pero para tener una mayor certeza aplicamos la prueba t ya que es una muestra pequeña"

CASOS DE ESTUDIO

CUADRO 4: Prueba t para cada precio

Precio=75 Precio=70 Precio=65Nivel de Significancia 0.05 0.05 0.05Desviación Estándar 2.08% 3% 2%Tamaño de la muestra 12 12 12Valor de t 1.3192% 1.8228% 1.5151%Promedio 15.2900% 7.9509% 7.8287%Límite inferior 13.9707% 6.1281% 6.3135%Límite superior 16.6092% 9.7738% 9.3438%

Análisis de Ventas según los precios

Para este caso se presentan 3 precios diferentes. Queremos determinar si los precios diferentes afectan en las ventas planteamos lo siguiente:

Ho: µ75=µ70=µ65

Hi: µ75≠µ70≠µ65

ANOVA

Origen de las variaciones

Suma de cuadrados

Grados de

libertad

Promedio de los

cuadrados

F Probabilidad

Valor crítico para F

Entre grupos 0.04383156

2 0.02191578

36.0795242

4.95462E-09

3.28491765

Dentro de los grupos

0.02004519

33 0.00060743

Total 0.0638767

535

Al realizar la prueba t podemos decir con 95% de confianza que el único precio que hace factible aumentar un 10% de ganancia más a los distribuidores es el precio de 75 pesos

Conclusión: Rechazamos nuestra Ho (0,05>0,000); es decir los precios 65,70 y 75 generan diferentes utilidades, es diferente vender a 65, 70 y 75 soles.

Análisis de Ventas según puntos de ventas: Minimarket- Bodegas- FarmaciaEn esta parte analizaremos si hay diferencia en las ventas si vendemos en diferentes puntos de venta (Bodega-Minimarket-Farmacias).

Ho: µminimarket=µBodega=µFarmacia

Hi: µMinimarket≠µBodega≠µFarmaciaANOVA


Suma de cuadrados

Grados de

libertad

Promedio de los cuadrados F

Probabilidad


Entre grupos 0.00167207 2 0.00083604 0.44352265 0.64554111 3.28491765Dentro de los

grupos0.06220468 33 0.00188499

Total 0.06387675 35

Análisis de Ventas en las 6 ciudades

En esta parte analizaremos si hay diferencia en las ventas en las 6 ciudades escogidas al azar.

Ho: µc1=µc2=µc3=µc4=µc5=µc6

Hi: µc1≠µc2≠µc3≠µc4≠µc5≠µc6ANOVA


Suma de cuadrados

Grados de

libertad


Probabilidad


Entre grupos 564962618 5 112992524 264.4290 3.1056E-42 2.35380896

Conclusión: Aceptamos nuestra Ho (0,05<0,645); es decir vender en cualquiera de estos puntos no tiene mucha relevancia porque generan ventas similares, utilidades similares.

CASOS DE ESTUDIO

4Dentro de los

grupos 28202297.9 66 427307.544

Total 593164916 71

Análisis de los márgenes especial ofrecido a los distribuidores (M1- M2)Como sabemos la dirección ofrece un margen especial (M2) que es 10% superior al margen habitual 20% (M1) con el objetivo de empujar al mercado su producto nuevo. A continuación analizaremos si hay diferencia sobre las ventas si se ofrece este margen vs a los que no se les ofrece.

Ho: µM1=µM2

Hi: µM1≠µM2

ANOVA


Suma de cuadrados

Grados de

libertad


Probabilidad


Entre grupos 182516434 1 182516434 31.1121334 4.2798E-07 3.97777939Dentro de los

grupos 410648483 70 5866406.89

Total 593164916 71

Conclusión: Rechazamos nuestra Ho (0,05>0.000); es decir vender en las 6 ciudades es totalmente diferente, la utilidad sobre las ventas si depende de la cuidad donde se ofrece el producto.

Conclusión: Rechazamos nuestra Ho (0,05>0.000); es decir el número de ventas es diferente entre los distribuidores que se les ofrece el margen especial (M2) y los que mantienen el margen habitual (M1).

CASOS DE ESTUDIO

ANALISIS DE CORRELACION Y REGRESION MULTIPLE

Utilizaremos esta técnica para poder determinar cuál variable influye más sobre nuestras ventas.

Ingresos netos de la empresa después de restar los márgenes de 20% y 22% respectivamente además de los 40 pesos por costo de producción unitario

MargenPunto de

VentaPrecio

(M) (V) P1=75 P2=70 P3=65

M1Farmacias 16100 15660 15300 15840 16650 16275 16800 10630 13410 13230 13370 13510Bodegas 16000 16000 16400 15900 16680 16875 16995 16365 13620 13410 13250 13800Minimarket 16460 16000 16400 15900 16905 16245 16575 16980 13800 14050 13630 13920

M2Farmacias 17112. 16742. 16520. 17057 15930 15727. 16105. 15822 12282. 12435. 11959.5 12605.Bodegas 17075. 17408. 16927. 17260. 15970.5 16537. 16429. 16240. 12435. 12639. 12299.5 12894.Minimarket 17242 17445. 17038. 16835 16470 16510. 16335 15484. 12588. 12282. 12350.5 12588.

Leyenda Para SPSS

Amarillo Ciudad A -3 Azul Ciudad B -2 Morado Ciudad C-1 Rojo Ciudad D 1 Verde Ciudad E 2 Naranja Ciudad D 3

Farmacia 1 Bodega 0 Minimarket -1

Margen 1 ofrece 20 % de ganancia Margen 2 ofrece 22% de ganancia

Resumen del modelo

Modelo R R cuadrado R cuadrado corregida Error típ. de la estim

1 ,883a ,780 ,767 871,4225

a. Variables predictores: (Constante), Precio, Margen, Punto de venta, ciudad

CASOS DE ESTUDIO

El r2 nos indica que el 78 % de nuestros ingresos depende de nuestras variables

Correlaciones

Ingresos Punto

de

venta

Margen ciudad Precio

Ingresos Correlación de

Pearson

1 -,123 -,010 -,435** ,799**

Sig. (bilateral) ,304 ,931 ,000 ,000

N 72 72 72 72 72

Punto de

venta

Correlación de

Pearson

-,123 1 ,000 ,000 ,000

Sig. (bilateral) ,304 1,000 1,000 1,000

N 72 72 72 72 72

Margen Correlación de

Pearson

-,010 ,000 1 ,863** ,000

Sig. (bilateral) ,931 1,000 ,000 1,000

N 72 72 72 72 72

Ciudad Correlación de

Pearson

-,435** ,000 ,863** 1 -,501**

Sig. (bilateral) ,000 1,000 ,000 ,000

N 72 72 72 72 72

Precio Correlación de

Pearson

,799** ,000 ,000 -,501** 1

Sig. (bilateral) ,000 1,000 1,000 ,000

N 72 72 72 72 72

**. La correlación es significativa al nivel 0,01 (bilateral).

Coeficientes

Modelo Coeficientes no

estandarizados

Coeficientes

tipificados

t Sig.

B Error típ. Beta

1 (Constante) 44362,181 8822,241 5,028 ,000

Punto de

venta

-270,010 125,779 -,123 -2,147 ,035

Margen 15292,222 2476,707 4,263 6,174 ,000

CASOS DE ESTUDIO

Ciudad -4840,917 779,424 -4,953 -6,211 ,000

Precio -738,108 177,165 -1,680 -4,166 ,000

a. Variable dependiente: Ingresos

Ingresos=44326.181– 270.010( puntode venta)+15292.222(Margen)−4840.917 (Ciudad)−738.108(Precio)

Reemplazando

Ingresos=44326.181 – 270.010(-1) + 15292.222(2)-4840.917(-3)-738.108(65)

Ingresos = 41726.366

Conclusión: Guiándonos en los datos obtenidos podemos decir que:

El margen de contribución que genera más ganancias es el margen 2 La ciudad que genera más ganancias es la ciudad A El mejor precio es el de 65 Y que es indistinto vender en cualquier punto de venta

CASOS DE ESTUDIO

Casos de Mercados

Documents

Transcript of Casos de Mercados