ESQUEMA DE LA INVESTIGACIN DE MERCADOS

Definicin y formulacin del problema

Formulacin del diseo de la investigacin

Trabajo de campo
Seleccin del tipo de muestreo: probabilstico o no probabilstico
Recopilacin de la informacin (trabajo de campo)

Procesamiento de datos y anlisis de la informacin

(PREPARACIN DE DATOS)
Antes de que los datos en bruto contenidos en los cuestionarios se
sometan a un anlisis estadstico, deben convertirse a una forma
apropiada para tal anlisis. La calidad de los resultados estadsticos
depende del cuidado que se tenga en la fase de preparacin de los
datos.
PROCESO DE RECOLECCIN DE DATOS

Revisin de los cuestionarios para verificar que estn completos.

Anlisis de depuracin de datos.
Se otorga lineamientos para manejar las respuestas ilegibles,
incompletas, incongruentes. ambiguas o insatisfactorias.
CODIFICACIN, TRANSCRIPCIN Y LIMPIEZA DE DATOS
TRATAMIENTO DE RESPUESTAS FALTANTES Y EL AJUSTE ESTADSTICO DE
LOS DATOS.
CLASIFICACIN DE LAS TCNICAS ESTADSTICAS.
EVALUACIN E INTERPRETACIN DE LOS RESULTADOS.
ANEXO: USO DE PROGRAMAS ESTADSTICOS
ANLISIS DE LOS DATOS.

Presentacin de resultados
Informe

PARA LA PREPARACIN Y

PREPARACIN DE DATOS NIKE

Los datos se obtuvieron por medio de entrevistas personales realizadas en las
05 tiendas de la marca ubicadas en Lima Metropolitana. Los supervisores
revisaron los cuestionarios conforme eran entregados por los entrevistadores,
verificando que los cuestionarios no incluyeran respuestas incompletas,
incongruentes o ambiguas. Los cuestionarios con respuestas insatisfactorias se
devolvieron al campo y se pidi a los entrevistadores que realizaran otra. Se
descartaron 16 cuestionarios porque la proporcin de respuestas
insatisfactorias era grande. Esto dio por resultado un tamao final de la
muestra de 349.
Se desarroll un libro de cdigos para codificar los cuestionarios. Se
transcribieron los datos a una computadora por medio del teclado. Se
verificaron alrededor del 25% de los datos para buscar errores por medio del
tecleo. Se depuraron los datos mediante la identificacin de respuestas fuera
de rango o lgicamente incongruentes. La mayora de la informacin calificada
se obtuvo usando escalas de 7 puntos, de manera que las respuestas de 0 y 8
se consideraron fuera de rango y se asign el cdigo 9 para las respuestas
faltantes.
Todas las respuestas faltantes se trataron mediante la eliminacin por casos,
por lo que se omiti del anlisis a todos los encuestados con valores faltantes
?
Se eligi la eliminacin por casos debido a que el nmero de casos
(encuestados) con valores faltantes era pequeo y el tamao de la muestra era
lo bastante grande.
En el ajuste estadstico de los datos, se crearon variables ficticias para las
variables categricas. Tambin se crearon nuevas variables compuestas por las
variables originales. Por ejemplo, se su maron las calificaciones de lealtad con
las 08 tiendas para crear un ndice de lealtad.
Por ltimo se desarroll una estrategia de anlisis de los datos
LIMPIEZA A LA MEDIDA: Custom Research corre un programa de depuracin
que verifica que estn completos y que tengan lgica. Las discrepancias se
identifican en un listado impreso que es revisado por los supervisores de
tabulacin. Una vez que se identifican los errores, se toman las acciones
correctivas apropiadas antes de hacer el anlisis. GfK Custom Research ha
encontrado que este procedimiento incrementa en forma considerable la
calidad de los resultados estadsticos.
- REVISIN DEL CUESTIONARIO: un cuestionario que regresa al campo podra ser
inaceptable por varias razones:
Algunas partes del cuestionario estn incompletas.
El patrn de respuestas indica que el encuestado no entendi o sigui las
instrucciones. Por ejemplo, cuando no se siguieron los patrones de salto.

Las respuestas muestran poca varianza. Por ejemplo, un encuestado slo

marc la opcin nmero 4 en una serie de escalas de calificacin de 7 puntos.
Los cuestionarios entregados estn fsicamente incompletos: faltan una o ms
pginas.
El cuestionario se recibi despus de la fecha establecida.
El cuestionario fue contestado por alguien que no estaba calificado para
participar.
- EDICIN: La edicin es la revisin de los cuestionarios con el objetivo de
incrementar su exactitud y precisin. Consiste en examinar los cuestionarios
para identificar respuestas ilegibles, incompletas, incongruentes o ambiguas.
Hasta este punto, el investigador hace una revisin preliminar de la
congruencia. Es fcil detectar algunas incongruencias evidentes. Por ejemplo,
un encuestado reporta un ingreso anual de menos de S/. 15000, pero informa
de compras frecuentes en tiendas departamentales de prestigio.

- CODIFICAR: Significa asignar un cdigo, por lo general un nmero, a cada

respuesta posible de cada pregunta.
Explicar codificacin de acuerdo al ejemplo de la separata (Tienda
Departamental)
Si el cuestionario solo contiene preguntas estructuradas o muy pocas
preguntas estructuradas, se realiza una codificacin previa. Esto significa que
se asignan cdigos antes de realizar el trabajo de campo. Si el cuestionario
contiene preguntas no estructuradas, los cdigos se asignan despus de que
el cuestionario se haya devuelto del campo (codificacin posterior).
Los cdigos de los datos faltantes deben ser distintos de los cdigos
asignados a las respuestas legtimas.
La codificacin de respuestas abiertas o no estructuradas es ms compleja. En
el cuestionario se registran las respuestas literales. Luego se desarrollan y se
asignan los cdigos para estas respuestas. En ocasiones, el investigador puede
basarse en proyectos anteriores o consideraciones tericas, para desarrollar los
cdigos antes de iniciar el trabajo de campo: no obstante, por lo general esto
debe esperar hasta que se reciban los cuestionarios llenados. A continuacin,
el investigador hace una lista de 50 a 100 respuestas para una pregunta no
estructurada con la finalidad de identificar las categoras apropiadas para la
codificacin. Una vez que se desarrollaron los cdigos, debe capacitarse a los
codificadores para que asignen los cdigos correctos a las respuestas literales.
Se sugieren los siguientes lineamientos para codificar preguntas no
estructuradas y cuestionarios en general.

Los cdigos de las categoras deben ser mutuamente excluyentes y

colectivamente exhaustivos. Las categoras son mutuamente excluyentes si a
cada respuesta corresponde un nico cdigo de categora. Las categoras no
deben traslaparse. Las categoras son colectivamente exhaustivas, si cada
respuesta corresponde a uno de los cdigos de categora asignados. Esto
puede lograrse agregando un cdigo de categora para otro o ninguno de los
anteriores. Sin embargo, en esta categora deben caer muy pocas respuestas
(10% o menos). La gran mayora de respuestas deben clasificarse en
categoras significativas.
-

TRASCRIPCIN: La transcripcin implica transferir los datos codificados de

los cuestionarios o de las hojas de codificacin, a discos o cintas magnticas
o directamente a la computadora por medio del teclado.
Si se utiliza el teclado pueden cometerse errores, lo cual hara necesario
verificar el conjunto de datos o al menos una parte de ellos. El segundo
operador vuelve a teclear los datos de los cuestionarios codificados. Registro
por registro se comparan los datos transcritos se investiga para identificar y
corregir errores de tecleo. La verificacin de todo el conjunto de datos
duplicar el tiempo y costo de la trascripcin. Dadas las restricciones de
tiempo y costos, as como el hecho de que los capturistas experimentados
suelen ser bastante precisos, es suficiente verificar slo entre 25 y 50 por
ciento de los datos.

DEPURACIN DE DATOS: Incluye la verificacin de la congruencia y el

tratamiento delas respuestas faltantes. Aunque durante la edicin se hizo
una comprobacin preliminar de la congruencia, en esta etapa las
verificaciones son ms minuciosas y exhaustivas porque se realizan por
computadora. La comprobacin de la congruencia identifica los datos
que estn fuera de rango, que son lgicamente incongruentes o que tienen
valores extremos. Los datos fuera de rango son inadmisibles y tienen que
corregirse. Por ejemplo, suponga que se pidi a los encuestados que
expresaran su grado de acuerdo con una serie de enunciados de estilos de
vida en una escala de 1 a 5. Si se supone que se design 9 para las
respuestas faltantes, los valores de 0, 6, 7 y 8 estn fuera de rango. Es
posible programar paquetes de cmputo como SPSS, SAS, Excel y Minitab
para identificar los valores fuera de rango para cada variable, e imprimir el
cdigo del encuestado, el cdigo de la variable, el nombre de la variable, el
nmero de registro, el nmero de columna y el valor fuera de rango. Para
determinar las respuestas correctas se regresa al cuestionario revisado y
codificado. El tratamiento de las respuestas faltantes, representan
valores de una variable que se desconoce, ya sea porque los encuestados
dieron respuestas ambiguas o porque sus respuestas no se registraron en
forma adecuada. El tratamiento de las respuestas faltantes plantea
problemas, sobre todo si su proporcin es mayor del 10%. Se dispone de las
siguientes opciones para el tratamiento de las respuestas faltantes:

Sustituir con un valor neutro: un valor neutro, por lo regular la respuesta

promedio a la variable, sustituye las respuestas faltantes. De esta manera
no cambia la media de la variable ni se afectan demasiado otras
estadsticas, como las correlaciones.
Sustituir con una respuesta atribuida: Se usa el patrn de respuestas de los
encuestados a otras preguntas, para atribuir o calcular una respuesta
adecuada para las preguntas faltantes. A partir de los datos disponibles, el
investigador intenta inferir las respuestas que habran dado los encuestados
si hubieran contestado las preguntas.

AJUSTE ESTADSTICO DE LOS DATOS: Los procedimientos para el ajuste

estadstico de los datos son la ponderacin, la redefinicin de las variables y
las transformaciones de la escala. Estos ajustes no siempre son necesarios
pero pueden mejorar la calidad del anlisis de los datos.

Ponderacin: En la ponderacin, a cada caso o encuestado de la base de

datos se le asigna un peso que refleje su importancia en relacin con otros
casos o encuestados. El valor 1.0 representa el caso no ponderado. El efecto
de la ponderacin es incrementar el nmero o disminuir el nmero de casos
de la muestra que poseen ciertas caractersticas. Se utiliza para dar ms
importancia a datos o encuestados con datos de mayor calidad.

Redefinicin de variables: Implica transformar los datos para crear variables

nuevas o modificar las existentes. El propsito de la redefinicin es crear
variables que sean congruentes con los objetivos de estudio. Por ejemplo,
suponga que la variable original era el uso de un producto, con diez
categoras de respuesta, las cuales podran reducirse a cuatro: uso
frecuente, moderado, espordico o nulo. Un importante procedimiento de
redefinicin supone el uso de variables ficticias para la redefinicin de
variables categricas. Las variables ficticias (llamadas tambin variables
binarias, dicotmicas, instrumentales o cualitativas) son variables que slo
pueden adoptar los valores, como 0 o 1.

Transformacin de escala: Implica manipular los valores de la escala para

asegurar que sea comparable con otras escalas o adecuar de otra manera
los datos para el anlisis. Con frecuencia se emplean diferentes escalas para
medir diferentes variables. Por ejemplo, las variables de imagen pueden
medirse con una escala de diferencial semntico de 7 puntos, las variables
de actitud con una escala de calificacin continua y las variables de estilo de
vida con una escala Likert de 5 puntos. Para comparar las calificaciones de
actitud con las calificaciones de estilos de vida o las de imagen, sera
necesario transformar las diferentes escalas. Incluso si se utiliza la misma
escala para todas las variables, diferentes encuestados pueden usar la
escala de manera distinta. Por ejemplo, algunos encuestados usan de
manera sistemtica la parte superior de la escala de calificacin, en tanto

que otros utilizan de manera constante la parte inferior. Tales diferencias

pueden corregirse mediante la transformacin adecuada de los datos. (se
puede estandarizar, restar la media y dividir por la desviacin estndar
aplicado a cada categora). La estandarizacin permite al investigador
comparar variables que han sido medidas con diferentes tipos de escalas.
-

ELECCIN DE UNA ESTRATEGIA DE ANLISIS DE DATOS: se consideran las

etapas iniciales del proceso de investigacin de mercado, caractersticas
conocidas de los datos, propiedades de las tcnicas estadsticas, experiencia
y filosofa del investigador. Basndonos en ello, la estrategia de anlisis de
datos resulta: Tcnicas univariadas: recomendables cuando hay una sola
medicin para cada elemento de la muestra, o cuando hay varias
mediciones para cada elemento pero cada variable se analiza por separado.
Los datos mtricos se miden en una escala de intervalo o de razn, los no
mtricos se miden en una escala nominal u ordinal.

DISTRIBUCIN DE FRECUENCIAS, TABULACIN CRUZADA Y PRUEBA DE

HIPTESIS
Los procedimientos de prueba de hiptesis se clasifican en pruebas de
asociaciones o pruebas de diferencias. Se utiliza la tabulacin cruzada para
entender las relaciones entre variables, considerando dos o tres de ellas a la
vez. Aunque la naturaleza de la asociacin se puede observar en tablas,
existen estadsticos para examinar la significancia y la fuerza de la asociacin.
-

DISTRIBUCIN DE FRECUENCIAS: Responde preguntas sobra una sola

variable. En la distribucin de frecuencias se considera una variable a la
vez. La ocurrencia relativa o frecuencia de los diferentes valores de la
variable se expresa en porcentajes. Una distribucin de frecuencias de
una variable produce una tabla de conteo de frecuencias, porcentajes y
porcentajes acumulativos de todos los valores asociados con esa
variable. Los datos de frecuencias se emplean para construir un
histograma, que es una grfica de barras vertical donde los valores de la
variable se muestran a lo largo del eje X, y las frecuencias absolutas o
relativa de los valores se colocan a lo largo del eje Y. En el histograma
podemos examinar si la distribucin observada es consistente con una
distribucin esperada o supuesta, como la distribucin normal.