ANLISIS DE CONJUNTO 10-junio-2014
UNIVERSIDAD GALILEO
FACULTAD DE CIENCIA, TECNOLOGA E INDUSTRIA
DOCTORADO EN ADMINISTRACIN CON ESPECIALIDAD
EN FINANZAS
ARQ. ALVARO COUTIO G. Carnet 1300-4393
ANLISIS DE CONJUNTO
1
INDICE
INTRODUCCIN .............................................................................................................................. 3
Enfoque de perfil completo ................................................................................................................. 4
Matriz ortogonal .................................................................................................................................. 4
El estmulo experimental ..................................................................................................................... 6
Recopilacin y anlisis de datos.......................................................................................................... 6
Proceso ................................................................................................................................................ 7
Recoleccin de informacin ................................................................................................................ 8
Anlisis ................................................................................................................................................ 8
Ventajas ............................................................................................................................................... 8
Desventajas ......................................................................................................................................... 8
Procedimiento anlisis de conjunto: .................................................................................................... 9
1. Identificacin de atributos: ...................................................................................................... 9
2. Seleccin del modelo de preferencia: .................................................................................... 10
3. Mtodo de recogida de datos: ................................................................................................ 10
4. Construccin del conjunto de estmulos ................................................................................ 10
5. Presentacin del conjunto de estmulos................................................................................. 11
6. Escala de medida de la variable dependiente ........................................................................ 11
7. Mtodo de estimacin ........................................................................................................... 11
8. Fiabilidad y validez del modelo ............................................................................................ 12
Caso de Estudio: ................................................................................................................................ 12
Factores: ............................................................................................................................................ 12
Array Ortogonal o Matriz ortogonal de combinaciones: ................................................................... 13
Procedimiento Generar un Diseo Ortogonal ................................................................................... 14
Configuracin del nmero de tarjetas de estmulos a generar ........................................................... 14
Presentacin de un diseo ................................................................................................................. 15
Plan orthogonal ................................................................................................................................. 16
Preparacin de las tarjetas de estmulos ........................................................................................... 17
Anlisis de las preferencias mediante el Anlisis Conjunto .............................................................. 21
Interpretacin Sintaxis: ..................................................................................................................... 22
Anlisis conjunto: .............................................................................................................................. 23
ANLISIS DE CONJUNTO
2
ESTADSTICOS GLOBALES ......................................................................................................... 35
GRFICAS ....................................................................................................................................... 37
CONCLUSIONES ............................................................................................................................ 40
BIBLIOGRAFA .................................................................................................................................... 41
ANLISIS DE CONJUNTO
3
INTRODUCCIN
El anlisis conjunto es una herramienta de investigacin de mercados para desarrollar un
diseo de productos eficaz. Mediante el anlisis conjunto, el investigador puede responder
preguntas como las siguientes: Segn (IBM, 2014, pgs. 2 - 3)
Qu atributos de producto son importantes para el consumidor y cules son
irrelevantes?
Cules son los niveles de atributos de producto ms atractivos para el consumidor
y cules son los menos atractivos?
Cul es la cuota de mercado de preferencia de los productos de los competidores
en comparacin con nuestro producto propuesto o existente?
Cules son las caractersticas o atributos de un producto o servicio que determinan
la decisin de compra?
Cul es la combinacin de caractersticas que ser ms exitosa?
Cul es el segmento del mercado que est ms interesado en un producto?
Cul es la campaa de marketing que resultar ms atractiva para determinado
segmento?
Qu mejoras en un producto afectarn ms las preferencias de los consumidores e
incrementarn las ventas?
Cul es el precio ideal de un producto o servicio?
Podemos incrementar los precios sin tener una prdida significativa en las ventas?
Los niveles de los productos estn muy cerca el uno del otro?
Dnde, el anlisis de conjunto es una tcnica estadstica que determina qu
caractersticas de un producto o servicio son las preferidas por los consumidores y
cuantifica estas preferencias. Por lo tanto, las caractersticas del producto incluyen atributos
como los siguientes: segn (Prez Lpez, 2004, pg. 595)
Marca
Color
Forma
Precio
ANLISIS DE CONJUNTO
4
Garanta
En consecuencia, el anlisis de conjunto mide las preferencias del consumidor por las
caractersticas particulares de un producto, se basa en la suposicin de que los
consumidores toman la decisin de compra considerando simultneamente todas las
caractersticas del producto. Para hacer esto, los consumidores deben buscar un equilibrio
en trminos de relacin calidad precio, porque normalmente un producto no tiene todas
las mejores caractersticas. (IBM, 2014)
Segn (Prez Lpez, 2004) la ventaja del anlisis conjunto reside en que solicita al
encuestado que elija del mismo modo que se supone que lo har el consumidor al comparar
las caractersticas. En consecuencia, mediante el anlisis conjunto, puede determinar tanto
la importancia relativa de cada atributo como los niveles de mayor preferencia de cada
atributo. Si por alguna razn el producto que ms se prefiere no es viable, por ejemplo, por
su coste, se puede saber cul es la siguiente alternativa ms preferida. Si cuenta con
informacin adicional sobre los encuestados, como informacin demogrfica, puede
identificar los segmentos de mercado donde se puede introducir el producto. (IBM, 2014)
Enfoque de perfil completo
Conjoint utiliza el enfoque de perfil completo (tambin llamado concepto
completo), donde los encuestados clasifican, ordenan o puntan un conjunto de
perfiles o tarjetas en funcin de la preferencia. Cada perfil describe un servicio o
producto completo y consta de una combinacin diferente de niveles de factores
para todos los factores (atributos) de inters. (IBM, 2014, pg. 2)
Matriz ortogonal
Es muy probable que surjan problemas con el enfoque de perfil completo si hay
varios factores en juego y cada uno est compuesto por ms de un par de niveles.
El nmero total de perfiles resultantes de todas las combinaciones posibles de
niveles se aumenta demasiado para permitir que los encuestados sean capaces de
clasificar o puntuar todos ellos de una manera que tenga sentido. (IBM, 2014,
pg. 2)
ANLISIS DE CONJUNTO
5
Para resolver este problema, el enfoque de perfil completo utiliza lo que se denomina un
diseo factorial fraccional, que presenta una fraccin adecuada de todas las posibles
combinaciones de niveles de los factores. El conjunto resultante, denominado matriz
ortogonal, est diseado para recoger los efectos principales de cada nivel de factor. Se
supone que las interacciones entre los niveles de un factor con los niveles de otro factor
carecen de significado. (IBM, 2014, pg. 2)
Se utiliza el procedimiento Generar diseo ortogonal para generar una matriz ortogonal
que suele utilizarse como punto de partida de un anlisis conjunto. Tambin permite
generar combinaciones de niveles de factores que se conocen como casos reservados, que
son evaluados por los sujetos pero no se utilizan para generar el modelo de preferencias. En
su lugar, se utilizan como comprobacin de la validez del modelo. (IBM, 2014, pg. 2)
Funciones Orthoplan
Segn (BE SMART SPSS Argentina, 2014, pg. 3)
Genere diseos factoriales fraccionales con efectos principales ortogonales;
orthoplan no se limita a factores de dos niveles
Especifique una lista de variables, etiquetas opciones de variables, una lista de
valores para cada variable y etiquetas opcionales para los valores
Especifique el nmero deseado de tarjetas para el plan;
orthoplan intentar generar un plan en el nmero mnimo deseado de rachas
Genere tarjetas holdout para probar el modelo conjunto ajustado
Mezcle las tarjetas de formacin y holdout o apile las tarjetas de holdout despus
de las tarjetas de formacin
Guarde el archivo del plan como un archivo del sistema
Visualice la salida en tablas pivote.
ANLISIS DE CONJUNTO
6
El estmulo experimental
Cada conjunto de los niveles de los factores de un diseo ortogonal representa una
versin diferente del producto que se est estudiando y se debe presentar a los sujetos en
forma de un perfil de producto concreto. Esto ayuda al encuestado a concentrarse
nicamente en el nico producto que se desea evaluar en ese momento. Los estmulos
deben normalizarse, asegurndose de que todos los perfiles presentan un aspecto fsico
similar, excepto en lo que respecta a las diferentes combinaciones de caractersticas. (IBM,
2014, pg. 2)
La creacin de los perfiles de los productos se simplifica gracias al procedimiento
Mostrar el diseo. Este procedimiento utiliza el diseo generado por el procedimiento
Generar diseo ortogonal, o uno introducido por el usuario y genera un conjunto de perfiles
de producto en un formato de fcil uso. (IBM, 2014, pg. 2)
Recopilacin y anlisis de datos
El tamao de la muestra de los estudios conjuntos vara enormemente, por lo tanto el
tamao de la muestra de los estudios de conjuntos comerciales suele oscilar entre 100 y
1.000, siendo el intervalo entre 300 y 550 el ms tpico. No obstante, en otro estudio se
concluye que el tamao de muestra habitual es menor (inferior a 100). Como de costumbre,
el tamao de la muestra debe ser lo suficientemente grande como para garantizar la
fiabilidad. (IBM, 2014, pg. 3)
Una vez elegida la muestra, el investigador administra el conjunto de perfiles o tarjetas a
cada encuestado. El procedimiento Conjoint permite utilizar tres mtodos de registro de
datos. En el primer mtodo, se pide a los sujetos que asignen una puntuacin de preferencia
a cada perfil. Este tipo de mtodo es habitual cuando se utiliza una escala de Likert o
cuando se pide a los sujetos que asignen un nmero del 1 al 100 para indicar la preferencia.
En el segundo mtodo, se pide a los sujetos que asignen un rango a cada perfil de 1 al
nmero total de perfiles. En el tercer mtodo, se pide a los sujetos que ordenen los perfiles
segn la preferencia. Este ltimo mtodo permite al investigador registrar los nmeros de
perfil en el orden dado por cada sujeto. (IBM, 2014, pg. 3)
ANLISIS DE CONJUNTO
7
El anlisis de los datos se realiza con el procedimiento Conjoint (disponible slo con la
sintaxis de comandos) y da como resultado una puntuacin de utilidad, denominada
contribucin parcial, para cada nivel del factor. Estas puntuaciones de utilidad, anlogas a
los coeficientes de regresin, proporcionan una medida cuantitativa de la preferencia para
cada nivel del factor, donde los valores mayores corresponden a una preferencia ms alta.
Las contribuciones parciales se expresan en una unidad comn, lo que permite aadirlas
conjuntamente para obtener la utilidad total, o la preferencia global, de cualquier
combinacin de los niveles de los factores. As, las contribuciones parciales constituyen un
modelo para predecir la preferencia de cualquier perfil de producto, incluidos los perfiles
que se denominan casos de simulacin, que no se presentan realmente durante el
experimento. (IBM, 2014, pg. 3)
La informacin que se obtiene a partir de un anlisis conjunto puede aplicarse a una
amplia variedad de preguntas de investigacin de mercado. Se puede utilizar para investigar
reas como el diseo de productos, la cuota de mercado, la publicidad estratgica, el
anlisis de costes y beneficios y la segmentacin del mercado. (IBM, 2014, pg. 3)
Aunque el enfoque de este manual se centra en las aplicaciones de investigacin de
mercado, el anlisis conjunto puede ser til en casi cada campo cientfico o empresarial
donde resulta importante medir las percepciones o juicios de la gente. (IBM, 2014, pg. 3)
Proceso
Segn (Wikipedia, 2014)
Los pasos bsicos son:
Seleccin de las caractersticas que deben ser probadas
Muestra de las combinaciones del producto a clientes potenciales
Los encuestados categorizan las combinaciones
Se analizan los datos de una muestra representativa de clientes potenciales en
conjunto con un profesional de la estadstica. El anlisis producir las caractersticas
ms preferidas por los potenciales clientes.
Incorporacin de las caractersticas ms preferidas en un nuevo producto o anuncio
ANLISIS DE CONJUNTO
8
Recoleccin de informacin
A los encuestados se les muestra un conjunto de productos, prototipos, maquetas o
retratos. Por lo tanto, cada ejemplo es suficientemente semejante al otro como para que los
consumidores lo vean como sustitutivo, pero suficientemente diferente para que puedan
determinar claramente una preferencia.
En consecuencia, cada ejemplo se compone de una combinacin extraordinaria de
caractersticas del producto. As, se obtienen un rango de preferencias, las respuestas se
codifican y se introducen en un programa para anlisis estadstico como SPSS. (Wikipedia,
2014)
Anlisis
El ordenador utiliza el anlisis de varianza o tcnicas de programacin lineal para crear
las funciones de utilidad para cada caracterstica. Estas funciones de utilidad indican el
valor que se ha percibido de la caracterstica y lo sensibles que son las percepciones y
preferencias del consumidor en relacin a los cambios en las caractersticas de producto.
(Wikipedia, 2014)
Ventajas
Segn (Wikipedia, 2014)
Es posible utilizar objetos fsicos
Mide la preferencia en un nivel individual.
Desventajas
Segn (Wikipedia, 2014)
Slo un conjunto limitado de caractersticas se puede utilizar, porque el nmero de
combinaciones aumenta muy rpidamente cuantas ms caractersticas se agregan y esta
sobrecarga de informacin afecta a la validez de los experimentos, aunque el impacto
de esos problemas puede ser evitado o reducido utilizando la Integracin de
Informacin Jerrquica
La etapa de la recogida de informacin es compleja
ANLISIS DE CONJUNTO
9
Es difcil de utilizar para investigacin de posicionamiento de producto porque no hay
procedimiento para convertir percepciones sobre caractersticas reales en percepciones
acerca de un conjunto reducido de caractersticas fundamentales.
Procedimiento anlisis de conjunto:
Para la aplicacin del anlisis de conjunto se requiere seguir una serie de pasos que se
detallan a continuacin: Segn (Guerrero Casas, Martnez Blanes, & Ramrez Hurtado,
2014)
1. Identificacin de atributos y establecimiento de niveles.
2. Seleccin del modelo de preferencia
3. Mtodo de recogida de datos.
4. Construccin del conjunto de estmulos. Presentacin de los estmulos.
5. Escala de medida de la variable dependiente. Mtodo de estimacin.
6. Fiabilidad y validez de las estimaciones.
A continuacin, se procede a describir cada uno de ellos:
1. Identificacin de atributos:
Para poder implementar un anlisis conjunto es necesario identificar todos aquellos
atributos que van a formar parte de nuestro estudio, as como establecer los niveles
asociados a cada uno de ellos, segn su importancia a la hora de establecer preferencias del
consumidor. Por lo tanto algunos atributos son determinantes y otros no.
Un aspecto muy importante a la hora de identificar a los atributos es que estos han de ser
controlables por la empresa, es decir, no se debe crear un atributo que no sea accionable por
la empresa. As, una vez que hemos obtenido los atributos es necesario especificar cules
son los niveles de cada atributo, hay que tomar en cuenta lo siguiente: Segn (Guerrero
Casas, Martnez Blanes, & Ramrez Hurtado, 2014)
El nmero de niveles por atributo tiene distintos efectos sobre las evaluaciones de
los encuestados, de forma que mientras ms niveles tenga un atributo mayor es la
importancia que los encuestados le dan a este atributo.
ANLISIS DE CONJUNTO
10
2. Seleccin del modelo de preferencia:
El anlisis de conjunto busca estudiar la influencia que sobre las preferencias de los
consumidores ejerce un conjunto de combinaciones de atributos, que configuras unos
productos/servicios determinados. (Guerrero Casas, Martnez Blanes, & Ramrez Hurtado,
2014).
Por lo tanto, trata de encontrar una serie de valores, llamados utilidades parciales, que
relacionan los niveles de los atributos con las preferencias de los consumidores. En
consecuencia, de lo que se trata es de un modelo explicativo, en el que la variable a explicar
son las evaluaciones de preferencias de los individuos sobre el conjunto de combinaciones
y las variables explicativas son los niveles de los atributos seleccionados para definir las
combinaciones. (Guerrero Casas, Martnez Blanes, & Ramrez Hurtado, 2014)
3. Mtodo de recogida de datos:
Una vez que se ha especificado el nmero de atributos y el nmero de niveles a utilizar,
se tienen que obtener los datos, por tanto se utiliz el mtodo de perfil completo, en el cual
se describe cada estmulo por separado mediante una tarjeta de perfiles.
En consecuencia, se consigue una visin ms realista del problema, adems de poder
reducir el nmero de comparaciones a travs del uso de diseos factoriales fraccionadas.
(Guerrero Casas, Martnez Blanes, & Ramrez Hurtado, 2014)
4. Construccin del conjunto de estmulos
Una vez que hemos definido los atributos y los niveles de cada uno de los atributos,
debemos pasar a construir el conjunto de estmulos que van a formar parte de nuestro
anlisis, as lo que tenemos son 5 atributos con 3 de 3 niveles cada uno y 2 de 2 niveles
cada uno
Por lo tanto, el nmero total de posibles combinaciones o estmulos vendr dado
por:
3 x 3 x 3 x 2 x 2 = 108
ANLISIS DE CONJUNTO
11
Ahora bien, evaluar 108 tarjetas sera prcticamente inviable para una persona. Sin
embargo, tenemos la opcin de utilizar un diseo factorial fraccionado. Por lo tanto, un
diseo factorial fraccionado permite que no exista correlacin entre los atributos (diseo
ortogonal). As, en nuestro estudio hemos utilizado un diseo factorial fraccionado
proporcionado por SPSS a travs del procedimiento ORTHOPLAN del mdulo
CATEGORIES. (Guerrero Casas, Martnez Blanes, & Ramrez Hurtado, 2014)
5. Presentacin del conjunto de estmulos
La presentacin del conjunto de estmulos se puede realizar segn varias alternativas:
descripcin verbal, representacin grfica, productos fsicos o prototipos, descripcin
mediante prrafos y combinacin de varios mtodos. Nosotros hemos considerado en
nuestro estudio la presentacin de estmulos a travs de una descripcin de prototipos ya
que presenta las ventajas de poder observar y analiza el producto de una forma como sera
en la realidad.. (Guerrero Casas, Martnez Blanes, & Ramrez Hurtado, 2014)
6. Escala de medida de la variable dependiente
Las alternativas para definir la escala de medida de la variable dependiente son las
siguientes:
Escala no mtrica: comparacin por pares y rangos de orden.
Escala mtrica: escala de intervalo.
En nuestro estudio hemos considerado la escala de rangos de orden como la ms
adecuada ya que para un entrevistado resulta ms fcil decir lo que l prefiere que expresar
la magnitud de su preferencia. Por tanto, cada entrevistado, tiene que ordenar los 18
estmulos en un rango que va desde 1 (ms preferido) hasta 22 (menos preferido).
(Guerrero Casas, Martnez Blanes, & Ramrez Hurtado, 2014)
7. Mtodo de estimacin
Para poder estimar los parmetros del modelo hemos utilizado el procedimiento
CONJOINT de SPSS. Este procedimiento utiliza la regresin por Mnimos Cuadrados
ANLISIS DE CONJUNTO
12
Ordinarios (OLS) para la estimacin de los parmetros del modelo. (Guerrero Casas,
Martnez Blanes, & Ramrez Hurtado, 2014)
8. Fiabilidad y validez del modelo
Para obtener la fiabilidad del modelo SPSS proporciona los estadsticos R de Pearson y
Tau de Kendall. La validez se obtiene a partir de las tres tarjetas que se aaden al diseo
fraccionado y que son evaluadas por los entrevistados, pero solamente van a ser utilizadas
por el programa para validar las utilidades estimadas. (Guerrero Casas, Martnez Blanes, &
Ramrez Hurtado, 2014)
A continuacin, se desarrolla un ejemplo que ilustra el mtodo del concepto completo.
Caso de Estudio:
Consideremos una empresa que desea lanzar una campaa de mercado para un nuevo
limpiador de moquetas y quiere examinar la influencia de los siguientes factores sobre
las preferencias del consumidor de artculos de limpieza de moquetas:
Factores:
1. diseo paquete (paquete) (A*, B*, C*)
2. nombre marca (marca) (k2r, glory, biseli)
3. precio producto (precio) (1.19, 1.39, 1.59)
4. sello calidad (sello) (si, no)
5. garanta devolucin dinero (dinero) (si, no)
En el fichero de datos asociado (CPLAN.SAV) se contemplan distintos aspectos de este
tipo de artculos. Como niveles factoriales para el diseo del paquete cada uno de los
cuales difiere en la localizacin del cepillo aplacador del producto se consideran A*,
B*, C*.
Como nombres de marca se consideran k2r, glory, y biseli.
Como niveles de precios para el producto se consideran $. 1.19, $. 1.39 y $ 1.59
Tambin se consideran 2 niveles (si o no) para cada uno de los dos ltimos factores
(sello y dinero).
ANLISIS DE CONJUNTO
13
Por lo tanto, despus de una seleccin cuidadosa de los factores y niveles factoriales del
estudio, hay todava demasiados casos para que un sujeto juzgue de un modo significativo.
En nuestro caso, el estudio del limpiador de moquetas requerira 108 casos (3 x 3 x 3 x
2 x 2 = 108), que claramente son demasiados para poder presentarlos a un sujeto
entrevistado, por lo que un nmero razonable de casos normalmente no debera superar los
30.
En consecuencia, podemos utilizar una alternativa al diseo completamente
factorial, llamada Array Ortogonal.
Array Ortogonal o Matriz ortogonal de combinaciones:
Lo podemos definir como un subgrupo de todas las posibles combinaciones que
todava permite la estimacin de los valores parciales para todos los efectos principales.
As, se asumen como despreciables las interacciones en las que los valores parciales para
un nivel de un factor dependen del nivel de otro factor. Por lo tanto cada nivel de un factor
ocurre con la misma frecuencia que cada nivel de otro factor, asegurando as la
independencia de los efectos principales. (Prez Lpez, 2004, pg. 608)
En consecuencia, el diseo ortogonal es un modo de ayudar al investigador de mercados
a rellenar todos los 108 perfiles que corresponderan a las combinaciones de las categoras
respectivas de las variables que intervienen en el anlisis de conjunto (3 x 3 x 3 x 2 x 2 =
108). S, el diseo ortogonal permite centrarse en aquellos perfiles interesantes para la
empresa vendedora del producto o servicio, por tanto, se deberan rellenar nicamente
aquellos perfiles que le aportan una caracterstica significativa para la investigacin de
mercados que se est realizando. A diferencia de otros procedimientos de SPSS, no se
requiere de un fichero de datos de trabajo, ya que SPSS crea uno, generando nombres de
variables, etiquetas de variables, y etiquetas de valores desde las opciones que se
seleccionen en los cuadros de dilogo. (Prez Lpez, 2004, pg. 609)
ANLISIS DE CONJUNTO
14
Procedimiento Generar un Diseo Ortogonal:
Segn (Prez Lpez, 2004, pg. 612)
Como primer paso es importante que SPSS muestre etiquetas de valores en vez de
valores de las variables.
Por ello hay que comprobar que est seleccionada la opcin Etiquetas de Valores men
Ver.
Dnde:
Ver Barra estado Etiquetas de valor
A continuacin se elige
Datos Diseo Ortogonal Generar
Para as obtener la pantalla del procedimiento Generar diseo ortogonal.
Procedemos a introducir el nombre del primer factor y su etiqueta y se contina con
todos los dems factores:
1. diseo paquete (paquete) (A*, B*, C*)
2. nombre marca (marca) (k2r, glory, biseli)
3. precio producto (precio) (1.19, 1.39, 1.59)
4. sello calidad (sello) (si, no)
5. garanta devolucin dinero (dinero) (si, no)
Una vez realizado todo el proceso con los 5 factores, se hace click en el botn archivo y
se guarda el diseo con el nombre (acoutinofinal.sav)
Configuracin del nmero de tarjetas de estmulos a generar
Se utiliza para controlar la generacin de los nmeros aleatorios para la creacin del
diseo ortogonal, se puede especificar un nmero mnimo de casos a incluir en el diseo y
definir el nmero de casos de reserva.
ANLISIS DE CONJUNTO
15
Por lo tanto, para continuar con el diseo ortogonal seguimos el siguiente
procedimiento:
Se hace click en el botn:
Restablecer semilla de aleatorizacin a (20, 000,000) opciones generar
como mnimo (18) nmero de casos reservados (4) continuar y aceptar se
genera el diseo ortogonal siguiente:
Presentacin de un diseo GET
FILE='C:\Users\DELL\Desktop\6 analisis conjunto\000 datos analisis
conjunto\ejemplo.sav'.
DATASET NAME Conjunto_de_datos1 WINDOW=FRONT.
SAVE OUTFILE='E:\acoutinofinal.sav'
/COMPRESSED.
*Generar diseo ortogonal.
SET SEED 20000000.
ORTHOPLAN
/FACTORS=paquete 'diseo paquete' (1 'A' 2 'B' 3 'C') marca 'nombre
marca' (1 'k2r' 2 'glory' 3 'bisell') precio 'precio producto' (1 '1.19'
2 '1.39' 3 '1.59') sello 'sello calidad' (1 'si' 2 'no') dinero
'devolucin dinero' (1 'si' 2 'no')
/REPLACE.
Plan ortogonal
Advertencia
Se ha generado correctamente un plan con 16 tarjetas.
.
DATASET ACTIVATE Conjunto_de_datos1.
*Generar diseo ortogonal.
SET SEED 20000000.
ORTHOPLAN
/FACTORS=paquete 'diseo paquete' (1 'A' 2 'B' 3 'C') marca 'nombre
marca' (1 'k2r' 2 'glory' 3 'bisell') precio 'precio producto' (1 '1.19'
2 '1.39' 3 '1.59') sello 'sello calidad' (1 'si' 2 'no') dinero
'devolucin dinero' (1 'si' 2 'no')
/REPLACE
/MINIMUM 18
/HOLDOUT 4
/MIXHOLD NO.
ANLISIS DE CONJUNTO
16
Plan orthogonal
Advertencia
El conjunto de datos activo sustituir al conjunto de datos existentes llamado acoutinofinal.
.
DATASET ACTIVATE Conjunto_de_datos1.
SAVE OUTFILE='E:\acoutinofinal.sav'
/COMPRESSED.
Una vez realizado el diseo del plan, el siguiente paso, es (Prez Lpez, 2004, pg. 613)
situar cada concepto completo en un perfil separado con el objeto de presentrselo a los
encuestados en forma de tarjeta, cada caso del diseo ortogonal se muestra como un perfil,
por tanto, los perfiles pueden visualizarse y personalizarse, siendo posible producir cada
concepto en una pgina separada, aadir conceptos y notas de pie, entre otros.
Dnde:
A continuacin elegimos Datos Diseo Ortogonal mostrar para obtener
la pantalla Mostrar el diseo y se ingresan todos los factores:
1. Paquete
2. Marca
3. Precio
4. Sello
5. Dinero
Dnde:
Una vez ingresados los factores, se hace click en Formato listado para el
experimentador perfiles para los sujetos
Por lo consiguiente, esto lo que nos permite mostrar el diseo en formato de borrador
diferenciando los perfiles de reserva de los perfiles experimentales y listando los posibles
perfiles de simulacin de modo separado a continuacin de los perfiles experimentales y de
reserva.
ANLISIS DE CONJUNTO
17
As, al hacer click en la opcin Perfiles para sujetos, nos permite producir perfiles que
pueden presentarse a los sujetos.
Al hacer click en continuar y en aceptar se muestran las tarjetas del diseo ortogonal
generado.
Preparacin de las tarjetas de estmulos
Segn (Prez Lpez, 2004, pg. 613)
Plancards
GET
FILE='E:\acoutinofinal.sav'.
DATASET NAME Conjunto_de_datos1 WINDOW=FRONT.
PLANCARDS
/FACTORS=paquete marca precio sello dinero
/FORMAT BOTH.
Lista de Tarjetas
Lista de tarjetas
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin dinero
1 C* k2r 1.39 si si
2 B* glory 1.39 si no
3 B* k2r 1.19 si no
4 A* k2r 1.19 no si
5 C* bisell 1.59 si si
6 B* glory 1.19 no si
7 C* glory 1.39 si no
8 B* k2r 1.39 si si
9 A* glory 1.59 si no
10 A* glory 1.19 si no
11 B* bisell 1.39 si no
12 C* k2r 1.39 no si
13 A* k2r 1.59 si si
14 A* bisell 1.19 no no
15 A* glory 1.39 si si
16 C* glory 1.19 si si
17 A* k2r 1.19 si si
18 C* k2r 1.59 no no
19 B* glory 1.59 no si
20 C* bisell 1.19 si si
21 B* bisell 1.59 si si
22 A* bisell 1.39 no si
ANLISIS DE CONJUNTO
18
Nmero de perfil 1
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin dinero
C* k2r 1.39 si si
Nmero de perfil 2
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta
devolucin dinero
B* glory 1.39 si no
Nmero de perfil 3
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
B* k2r 1.19 si no
Nmero de perfil 4
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
A* k2r 1.19 no si
Nmero de perfil 5
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
C* bisell 1.59 si si
Nmero de perfil 6
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
B* glory 1.19 no si
Nmero de perfil 7
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
C* glory 1.39 si no
Nmero de perfil 8
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
ANLISIS DE CONJUNTO
19
B* k2r 1.39 si si
Nmero de perfil 9
Tarjeta diseo paquete nombre marca precio producto
sello calidad garanta devolucin
dinero
A* glory 1.59 si no
Nmero de perfil 10
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
A* glory 1.19 si no
Nmero de perfil 11
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
B* bisell 1.39 si no
Nmero de perfil 12
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
C* k2r 1.39 no si
Nmero de perfil 13
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
A* k2r 1.59 si si
Nmero de perfil 14
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
A* bisell 1.19 no no
Nmero de perfil 15
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
A* glory 1.39 si si
Nmero de perfil 16
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
C* glory 1.19 si si
ANLISIS DE CONJUNTO
20
Nmero de perfil 17
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
A* k2r 1.19 si si
Nmero de perfil 18
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
C* k2r 1.59 no no
Nmero de perfil 19
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
B* glory 1.59 no si
Nmero de perfil 20
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
C* bisell 1.19 si si
Nmero de perfil 20
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
C* bisell 1.19 si si
Nmero de perfil 22
Tarjeta diseo paquete nombre marca precio producto sello calidad garanta devolucin
dinero
A* bisell 1.39 no si
As:
Una vez generado el diseo ortogonal, (recogido en el fichero acoutinofinal.sav) y
recogidos los datos sobre las preferencias en las tarjetas de estmulos provenientes de los
sujetos (recogidos en el fichero ENCUESTA.SAV), el paso siguiente es analizar los datos
utilizando el procedimiento CONJOINT.
ANLISIS DE CONJUNTO
21
Anlisis de las preferencias mediante el Anlisis Conjunto
Segn (Prez Lpez, 2004, pg. 621)
Dnde:
Para ejecutar este procedimiento se utilizar la sintaxis de SPSS:
Por lo tanto:
A continuacin, abriendo un fichero de sintaxis mediante:
Nuevo Sintaxis y escribiendo la sintaxis siguiente en la figura Ejecutar
Todo
Sintaxis:
CONJOINT
PLAN='E:\acoutinofinal.sav'
/DATA ='E:\Encuesta.sav'
/SEQUENCE =PREF1 TO PREF22/SUBJECT=ID
/FACTORS =paquete marca (DISCRETE)
precio (LINEAR LESS)
sello dinero (LINEAR MORE)
/PRINT ALL
/UTILITY='E:\utilidades.sav'
/PLOT SUMMARY
SINTAXIS AQU
ANLISIS DE CONJUNTO
22
Interpretacin Sintaxis: Segn (Prez Lpez, 2004, pg. 623)
Subcomando
CONJOINT Procedimiento CONJOINT
PLAN=' C:\ C:\Users\DELL\Desktop\ Identifica el fichero que contiene el diseo
ortogonal
/DATA ='
C:\Users\admin\Desktop\Encuesta.sav'
Identifica el fichero que contiene los resultados
codificados de la encuesta
/SEQUENCE =PREF1 TO PREF22 Indica que los resultados de la encuesta recogidos
en el fichero ENCUESTA.SAV han sido
codificados en orden secuencial, empezando con la
tarjeta ms preferida (pref1) y terminando con la
menos preferida (pref22), siendo 22 el nmero de
tarjetas generadas.
/SUBJECT=ID Identifica la variable que contiene el nmero del
sujeto encuestado
/FACTORS =paquete marca
(DISCRETE)
Especifica los factores (variables) definidos en el
fichero que contiene el diseo ortogonal
identificado por el subcomando PLAN. Se observa
que los factores (package) y (brand) se definen
como discretos (variables categricas) y no se hace
ninguna asuncin sobre la relacin entre los niveles
y los datos
precio (LINEAR LESS) El factor (price) se define como menos lineal
(variable lineal para la que los consumidores
prefieren los precios ms bajos.
sello dinero (LINEAR MORE) Los factores (seal) y (money) se definen como ms
lineales (variables lineales para las que se supone
que los consumidores prefieren aquella para la que
el producto tenga sello de calidad y se garantice la
devolucin del dinero.
/PRINT Permite controlar las salidas de texto
ALL Especifica que se presenten tanto los resultados de
los datos experimentales, como los de simulacin
/UTILITY='
C:\Users\admin\Desktop\utilidades.sav'
Identifica el fichero en el que CONJOINT guardar
las utilidades calculadas generndose un caso por
cada sujeto encuestado.
/PLOT Solicita las salidas grficas.
SUMMARY Produce un diagrama de barras para cada variable,
mostrando las puntuaciones de la utilidad para cada
categora de esa variable y un grfico que muestra
las puntuaciones de importancia de resumen por
sujetos con la palabra clave SUBJECT.
ANLISIS DE CONJUNTO
23
Dnde:
Como paso siguiente, Ejecutar Todo
Se tiene la salida del procedimiento CONJOINT, que empieza con los factores del
diseo ortogonal. (Anlisis conjunto, ver figura siguiente)
Anlisis conjunto:
Descripcin del modelo
Descripcin del modelo
N de niveles Relacin con rangos o puntuaciones
paquete 3 Discreto
marca 3 Discreto
precio 3 Lineal (menos)
sello 2 Lineal (ms)
dinero 2 Lineal (ms)
No todos los factores son ortogonales.
Estadsticos V de Cramer
Estadsticos V de Cramer
paquete marca precio sello dinero
paquete 1 .098 .159 .092 .120
marca .098 1 .059 .116 .225
precio .159 .059 1 .116 .039
sello .092 .116 .116 1 .111
dinero .120 .225 .039 .111 1
No todos los factores son ortogonales.
SUJETO 1:1
Utilidades
Utilidades
Estimacin de la utilidad Error tpico
paquete
A* 1.709 2.198
B* -1.180 2.264
C* -.529 2.270
marca
k2r .694 2.220
glory -1.000 2.240
bisell .306 2.345
precio 1.19 -.118 1.998
1.39 -.236 3.997
ANLISIS DE CONJUNTO
24
1.59 -.354 5.995
sello si -4.706 3.405
no -9.412 6.809
dinero si .250 3.359
no .499 6.719
(Constante) 17.539 8.025
Valores de importancia
Valores de importancia
paquete 29.552
marca 17.334
precio 2.415
sellob 48.145
dinero 2.554
a. 1 inversiones
b. Invertido
Coeficientes
Coeficientes
Coeficiente B
Estimacin Error tpico
precio -.118 1.998
sello -4.706 3.405
dinero .250 3.359
Correlaciones
Correlacionesa
Valor Sig.
R de Pearson .391 .036
Tau de Kendall .325 .017
a. Correlaciones entre las preferencias observadas y las estimadas
SUJETO 2:2
Utilidades
Utilidades
Estimacin de la utilidad Error tpico
paquete
A* -4.483 1.984
B* 1.744 2.044
C* 2.739 2.049
marca k2r -.345 2.004
ANLISIS DE CONJUNTO
25
glory 1.150 2.022
bisell -.805 2.117
precio
1.19 -1.078 1.804
1.39 -2.155 3.608
1.59 -3.233 5.412
sello si .916 3.074
no 1.832 6.147
dinero si 2.475 3.033
no 4.950 6.066
(Constante) 9.105 7.245
Valores de importancia
Valores de importancia
paquete 49.052
marca 13.277
precio 14.639
sello 6.222
dinero 16.810
Coeficientes
Coeficientes
Coeficiente B
Estimacin Error tpico
precio -1.078 1.804
sello .916 3.074
dinero 2.475 3.033
Correlaciones
Correlacionesa
Valor Sig.
R de Pearson .557 .004
Tau de Kendall .463 .001
a. Correlaciones entre las preferencias observadas y las estimadas
SUJETO 3:3
Utilidades
Utilidades
Estimacin de la utilidad Error tpico
paquete A* .706 2.093
ANLISIS DE CONJUNTO
26
B* -2.979 2.156
C* 2.273 2.162
marca
k2r -1.508 2.115
glory 1.502 2.133
bisell .005 2.234
precio
1.19 -.517 1.904
1.39 -1.034 3.807
1.59 -1.551 5.711
sello si 1.337 3.243
no 2.674 6.486
dinero si 3.754 3.200
no 7.507 6.400
(Constante) 5.574 7.644
Valores de importancia
Valores de importancia
paquete 36.504
marca 20.923
precio 7.189
sello 9.294
dinero 26.090
Coeficientes
Coeficientes
Coeficiente B
Estimacin Error tpico
precio -.517 1.904
sello 1.337 3.243
dinero 3.754 3.200
Correlaciones
Correlacionesa
Valor Sig.
R de Pearson .481 .012
Tau de Kendall .333 .015
a. Correlaciones entre las preferencias observadas y las estimadas
ANLISIS DE CONJUNTO
27
SUJETO 4:4
Utilidades
Utilidades
Estimacin de la utilidad Error tpico
paquete
A* 2.555 2.036
B* -3.239 2.097
C* .684 2.103
marca
k2r -.868 2.057
glory .236 2.075
bisell .632 2.172
precio
1.19 -1.128 1.852
1.39 -2.256 3.703
1.59 -3.385 5.555
sello si -2.380 3.155
no -4.759 6.309
dinero si 3.354 3.113
no 6.708 6.225
(Constante) 12.158 7.435
Valores de importancia
Valores de importanciaa
paquete 37.909
marca 9.817
precio 14.762
sellob 15.568
dinero 21.944
a. 1 inversiones
b. Invertido
Coeficientes
Coeficientes
Coeficiente B
Estimacin Error tpico
precio -1.128 1.852
sello -2.380 3.155
dinero 3.354 3.113
ANLISIS DE CONJUNTO
28
Correlaciones
Correlacionesa
Valor Sig.
R de Pearson .522 .006
Tau de Kendall .316 .020
a. Correlaciones entre las preferencias observadas y las estimadas
SUJETO 5:5
Utilidades
Utilidades
Estimacin de la utilidad Error tpico
paquete
A* 1.897 1.801
B* -3.657 1.856
C* 1.760 1.861
marca
k2r -.062 1.820
glory .542 1.836
bisell -.480 1.922
precio
1.19 1.811 1.638
1.39 3.622 3.276
1.59 5.433 4.914
sello si -1.953 2.791
no -3.907 5.582
dinero si 6.314 2.754
no 12.627 5.508
(Constante) 1.878 6.578
Valores de importancia
Valores de importanciaa
paquete 30.077
marca 5.539
preciob 19.615
sellob 10.578
dinero 34.190
a. 2 inversiones
b. Invertido
ANLISIS DE CONJUNTO
29
Coeficientes
Coeficientes
Coeficiente B
Estimacin Error tpico
precio 1.811 1.638
sello -1.953 2.791
dinero 6.314 2.754
Correlaciones
Correlacionesa
Valor Sig.
R de Pearson .656 .000
Tau de Kendall .506 .000
a. Correlaciones entre las preferencias observadas y las estimadas
SUJETO 6:6
Utilidades
Utilidades
Estimacin de la utilidad Error tpico
paquete
A* -.678 1.931
B* -1.799 1.989
C* 2.477 1.995
marca
k2r .532 1.951
glory .785 1.968
bisell -1.318 2.060
precio
1.19 -.486 1.756
1.39 -.973 3.512
1.59 -1.459 5.268
sello si
-.894 2.992
no -1.787 5.984
dinero si
6.678 2.952
no 13.356 5.904
(Constante) 4.411 7.052
ANLISIS DE CONJUNTO
30
Coeficientes
Coeficientes
Coeficiente B
Estimacin Error tpico
precio -.486 1.756
sello -.894 2.992
dinero 6.678 2.952
Correlaciones
Correlacionesa
Valor Sig.
R de Pearson .588 .002
Tau de Kendall .420 .003
a. Correlaciones entre las preferencias observadas y las estimadas
Valores de importancia
Valores de importanciaa
paquete 28.652
marca 14.092
precio 6.518
sellob 5.989
dinero 44.749
a. 1 inversiones
b. Invertido
SUJETO 7:7
Utilidades
Utilidades
Estimacin de la utilidad Error tpico
paquete
A* .876 1.859
B* -1.780 1.915
C* .904 1.920
marca
k2r 1.707 1.878
glory .699 1.894
bisell -2.407 1.983
precio
1.19 .775 1.690
1.39 1.551 3.380
1.59 2.326 5.070
ANLISIS DE CONJUNTO
31
sello si -2.155 2.880
no -4.309 5.759
dinero si 6.799 2.841
no 13.597 5.682
(Constante) 3.331 6.787
Valores de importancia
Valores de importanciaa
paquete 15.514
marca 23.778
preciob 8.961
sellob 12.453
dinero 39.294
a. 2 inversiones
b. Invertido
Coeficientes
Coeficientes
Coeficiente B
Estimacin Error tpico
precio .775 1.690
sello -2.155 2.880
dinero 6.799 2.841
Correlaciones
Correlacionesa
Valor Sig.
R de Pearson .628 .001
Tau de Kendall .472 .001
a. Correlaciones entre las preferencias observadas y las estimadas
SUJETO 8:8
Utilidades
Utilidades
Estimacin de la utilidad Error tpico
paquete
A* 2.432 2.111
B* -1.463 2.175
C* -.969 2.181
marca k2r -1.384 2.133
ANLISIS DE CONJUNTO
32
glory 2.930 2.152
bisell -1.546 2.253
precio
1.19 .761 1.920
1.39 1.522 3.840
1.59 2.283 5.759
sello si -1.691 3.271
no -3.382 6.542
dinero si -2.855 3.227
no -5.710 6.455
(Constante) 15.919 7.709
Valores de importancia
Valores de importanciaa
paquete 26.980
marca 30.995
preciob 10.540
sellob 11.712
dinerob 19.773
a. 3 inversiones
b. Invertido
Coeficientes
Coeficientes
Coeficiente B
Estimacin Error tpico
precio .761 1.920
sello -1.691 3.271
dinero -2.855 3.227
Correlaciones
Correlacionesa
Valor Sig.
R de Pearson .467 .014
Tau de Kendall .333 .015
a. Correlaciones entre las preferencias observadas y las estimadas
ANLISIS DE CONJUNTO
33
SUJETO 9:9
Utilidades
Utilidades
Estimacin de la utilidad Error tpico
paquete
A* 1.952 1.895
B* -3.047 1.952
C* 1.095 1.958
marca
k2r -.501 1.915
glory -1.101 1.932
bisell 1.602 2.022
precio
1.19 .575 1.723
1.39 1.150 3.447
1.59 1.725 5.170
sello si -4.742 2.936
no -9.484 5.873
dinero si 4.599 2.897
no 9.198 5.795
(Constante) 10.439 6.921
Valores de importancia
Valores de importanciaa
paquete 27.480
marca 14.856
preciob 6.321
sellob 26.064
dinero 25.278
a. 2 inversiones
b. Invertido
Coeficientes
Coeficientes
Coeficiente B
Estimacin Error tpico
precio .575 1.723
sello -4.742 2.936
dinero 4.599 2.897
ANLISIS DE CONJUNTO
34
Correlaciones
Correlacionesa
Valor Sig.
R de Pearson .608 .001
Tau de Kendall .472 .001
a. Correlaciones entre las preferencias observadas y las estimadas
SUJETO 10:10
Utilidades
Utilidades
Estimacin de la utilidad Error tpico
paquete
A* -1.613 1.984
B* 3.872 2.043
C* -2.259 2.049
marca
k2r 1.307 2.004
glory -.943 2.022
bisell -.364 2.117
precio
1.19 .208 1.804
1.39 .416 3.608
1.59 .624 5.412
sello si -.198 3.073
no -.396 6.147
dinero si -4.664 3.032
no -9.329 6.065
(Constante) 17.764 7.244
Valores de importancia
Valores de importanciaa
paquete 44.885
marca 16.473
preciob 3.045
sellob 1.448
dinerob 34.150
a. 3 inversiones
b. Invertido
ANLISIS DE CONJUNTO
35
Coeficientes
Coeficientes
Coeficiente B
Estimacin Error tpico
precio .208 1.804
sello -.198 3.073
dinero -4.664 3.032
Correlaciones
Correlacionesa
Valor Sig.
R de Pearson .557 .004
Tau de Kendall .437 .002
a. Correlaciones entre las preferencias observadas y las estimadas
ESTADSTICOS GLOBALES
Utilidades
Utilidades
Estimacin de la utilidad Error tpico
paquete
A* .535 .877
B* -1.353 .904
C* .818 .906
marca
k2r -.043 .886
glory .480 .894
bisell -.437 .936
precio
1.19 .080 .798
1.39 .161 1.596
1.59 .241 2.394
sello si -1.646 1.359
no -3.293 2.719
dinero si 2.670 1.341
no 5.340 2.683
(Constante) 9.812 3.204
ANLISIS DE CONJUNTO
36
Valores de importancia
Valores de importancia
paquete 32.661
marca 16.708
precio 9.401
sello 14.747
dinero 26.483
Puntuacin promediada de la importancia
Coeficientes
Coeficientes
Coeficiente B
Estimacin
precio .080
sello -1.646
dinero 2.670
Correlaciones
Correlacionesa
Valor Sig.
R de Pearson .617 .001
Tau de Kendall .474 .001
a. Correlaciones entre las preferencias observadas y las estimadas
Numero de inversiones
Nmero de inversiones
Factor
sello 8
precio 5
dinero 2
marca 0
paquete 0
Sujetos
1 Sujeto 1 1
2 Sujeto 2 0
3 Sujeto 3 0
4 Sujeto 4 1
5 Sujeto 5 2
ANLISIS DE CONJUNTO
37
6 Sujeto 6 1
7 Sujeto 7 2
8 Sujeto 8 3
9 Sujeto 9 2
10 Sujeto 10 3
Resumen de las inversiones
Resumen de las inversiones
N de inversiones N de sujetos
1 3
2 3
3 2
Esta tabla muestra el nmero de sujetos que tienen el nmero especificado de inversiones.
GRFICAS
Resumen de utilidades
Resumen de utilidades: Utilidad / diseo paquete
ANLISIS DE CONJUNTO
38
Resumen de utilidades: Utilidad / nombre marca
Resumen de utilidades: Utilidad / precio producto
ANLISIS DE CONJUNTO
39
Resumen de utilidades: Utilidad / sello calidad
Resumen de utilidades: Utilidad / garanta devolucin dinero
ANLISIS DE CONJUNTO
40
Resumen de importancia:
Resumen de importancia: Importancia media / factor
CONCLUSIONES
Se puede observar que los encuestados le otorgan una clasificacin de importancia a las
caractersticas del producto de la siguiente forma:
1. Al diseo del paquete
2. Garanta devolucin dinero
3. Nombre de la marca
4. Sello de calidad
5. Precio del producto
De los resultados se obtuvo el atributo ms importante para los clientes, el cual
resulto se el diseo del paquete. En consecuencia, esta informacin puede ser
utilizada por los ejecutivos de la empresa para mejorar la caracterstica del
producto y as obtener un mejor desempeo en la productividad y ventas del
producto y en la rentabilidad y la generacin de Valor para los accionistas y
clientes.
En resumen:
El anlisis conjunto es una tcnica para medir las preferencias del consumidor acerca de
los atributos de un producto o servicio. Por lo tanto, es una herramienta de mucha utilidad
en la investigacin de mercados, la cual permite a descubrir cules caractersticas de un
producto o servicio son ms importantes para los consumidores.
En consecuencia, el anlisis de conjunto ofrece una manera realista de medir el modo en que
los diferentes atributos y caractersticas del producto afectan a las preferencias de los
consumidores.
ANLISIS DE CONJUNTO
41
BIBLIOGRAFA (Mayo de 2014). Recuperado el Mayo de 2014, de
http://www.uam.es/personal_pdi/ciencias/ajustel/docencia/ad/AD10_11_Discriminante.p
df
BE SMART SPSS Argentina. (Junio de 2014). Google. Recuperado el Junio de 2014, de
http://www.spss.com.ar/es/statistics/conjoint/
Guerrero Casas, F., Martnez Blanes, M., & Ramrez Hurtado, J. M. (Junio de 2014). Google.
Recuperado el Junio de 2014, de http://www.uv.es/asepuma/XI/60.pdf
IBM. (Junio de 2014). Google. Recuperado el Junio de 2014, de
ftp://public.dhe.ibm.com/software/analytics/spss/documentation/statistics/20.0/es/client
/Manuals/IBM_SPSS_Conjoint.pdf
IBM. (Junio de 2014). Google. Recuperado el Junio de 2014, de
http://www.spss.com.ar/es/statistics/conjoint/
Prez Lpez, C. (2004). Tcnicas de Anlisis Multivariante de Datos. Madrid: PEARSON
EDUCACIN, S. A.
Wikipedia. (Junio de 2014). Google. Recuperado el Junio de 2014, de
http://es.wikipedia.org/wiki/An%C3%A1lisis_conjunto
Top Related