Facultad de Ciencias Económicas y Administrativas

Escuela de Economía y Administración

UNIVERSIDAD DE CHILE

PAUTA EXAMEN FINAL

MARKETING II / INVESTIGACIÓN DE MERCADOS

Semestre Otoño 2005 24 de Junio de 2005

Sección 01: Profesor Juan Pablo Muñoz
Sección 02: Profesor Sergio Olavarrieta Duración: 120 minutos

PARTE I: PREGUNTAS Y COMENTES (20 puntos)

1. Mencione un ejemplo de una situación en la que aplicaría Análisis

Discriminante Múltiple y de una situación en la que aplicaría Análisis
Discriminante de Dos Grupos.

Una situación en la que aplicaría Análisis Discriminante Múltiple es

aquella en la que existen 3 o más categorías de clasificación, por ejemplo, se
puede clasificar a los consumidores según el volumen de compra de un
producto en: Grandes Consumidores (Heavy Users), Consumidores Medios
(Médium Users) y Consumidores bajos (Light Users). (2,5 puntos)
Una situación en la que aplicaría Análisis Discriminante de Dos grupos es
aquella en la que existen 2 categorías de clasificación, por ejemplo, se puede
clasificar a los consumidores de un producto según su grado de lealtad de
marca en: Clientes Leales y Clientes No Leales (2,5 puntos)

2. ¿Cuál es la principal diferencia entre el Análisis Discriminante y el Análisis

de Conglomerados?

La principal diferencia entre ambas técnicas es que el análisis Discriminante

distingue entre variables dependientes e independientes y el Análisis de
Conglomerados no hace tal distinción (1 punto). Esto implica que el análisis
Discriminante requiere conocer previamente la pertenencia de los objetos a los
grupos (variable dependiente), para poder desarrollar la función discriminante
que permite predecir el grupo de pertenencia para otras muestras o
poblaciones (2 puntos). En cambio, el Análisis de Conglomerados no requiere
conocer la pertenencia de los objetos a los grupos, sino que la agrupación
surge de las similitudes entre las variables de agrupación para los distintos
casos u observaciones. (2 puntos)
3. La Prueba Chi-Cuadrado no se puede utilizar para determinar la
significancia estadística de la relación entre dos variables medidas en
escala de razón. Comente.

La prueba de Chi-Cuadrado en estricto rigor está orientada a establecer

asociaciones entre variables categóricas y no de razón, esto es variables
medidas en escalas nominales y ordinales. Por lo tanto la afirmación sería
correcta. (4 ptos)

(1 pto) Lo que sí es posible, sin embargo, es que toda variable medida en

escala de razón puede ser convertida en una variable categórica (al menos
ordinal). Ejemplo, supongamos que yo estuviera relacionando temperatura
corporal con deseo por tomar una bebida. Ambas variables pueden ser
medidas con escalas de razón. Pero temperatura corporal podría agruparlo en
tres categorías, Frío, temperatura normal, caliente y lo mismo con deseo de
una bebida, y si podría establecer una asociación entre estas variables (ahora
reconvertidas a variables ordinales)

4. Los mapas de posicionamiento no son muy útiles en Marketing, porque

están basados en las percepciones subjetivas de los consumidores y no
representan necesariamente las posiciones reales de las marcas. Comente.

Es cierto que los mapas de posicionamiento están basadas en percepciones

subjetivas de los consumidores, pero las otras afirmaciones son incorrectas.
Las percepciones subjetivas de los consumidores DETERMINAN las
posiciones reales de las marcas, pues estas están en las mentes de los
consumidores (es decir son reales y subjetivas). Dado esto, los mapas de
posicionamiento si son útiles para el Marketing y los ejecutivos de Marketing.
(4 ptos)

Lo que si es importante es que dado que estos mapas se construyen a partir

de estas percepciones, entonces es clave que la metodología elegida para
extraer estas percepciones de los consumidores y transformarlas en mapas
percepctuales sea la que evite al máximo el error de modo que sean lo más
cercanas a la realidad posibles.
PARTE II: COMPLETE (24 puntos)

Complete las siguientes frases con los términos que usted considere más
apropiados:

1. El coeficiente de determinación (R cuadrado) es una medida de la

varianza compartida por dos variables.
2. El Análisis de Regresión permite determinar si existe una relación
estadísticamente significativa entre 2 variables y además permite
predecir el valor de la variable dependiente en base al valor de la
variable independiente.
3. La Prueba Chi-Cuadrado se utiliza para probar la significancia
estadística de la relación entre dos variables nominales o categóricas.
4. El Análisis de Varianza o ANOVA es una medida de la diferencia entre
las medias de dos o más muestras o poblaciones, ante la presencia de
diferentes tratamientos experimentales.
5. El Análisis Factorial sirve para resumir datos y determinar los factores
relevantes en la decisión de compra de un producto o servicio y su
importancia relativa.
6. Tanto el Análisis Factorial como el Escalamiento Multidimensional o el
Análisis de Correspondencia, pueden ser utilizados para elaborar mapas
de posicionamiento de las marcas.
7. Tanto el Análisis de Conglomerados (Cluster) como el Análisis
Discriminante, pueden ser utilizados para segmentar el mercado.
8. La diferencia principal entre Análisis Factorial y Escalamiento
Multidimensional es que en el primero se interpreta previamente el
significado de los factores o dimensiones y en el segundo, se interpreta
posteriormente.
9. En Análisis Factorial el criterio para determinar el número de factores
relevantes, es que tengan un valor específico mayor que uno.
10. Los mapas de posicionamiento están basados en las percepciones y las
preferencias de los consumidores.
11. El Análisis de Correspondencia representa los atributos de las marcas
como vectores.
12. En Análisis Factorial, la prueba estadística que se utiliza para estudiar la
hipótesis de que la matriz de correlación es igual a la matriz de
identidad se llama Prueba de Esfericidad de Bartlett.
13. En Análisis Discriminante la variable dependiente es nominal o
categórica y las variables independientes son de intervalo o de razón.
14. El dendograma es una herramienta gráfica para presentar los resultados
del Análisis de Conglomerados. Las líneas verticales representan los
grupos que están unidos y las líneas horizontales indican la distancia en
la que se unieron los grupos.
15. En un procedimiento de agrupación no jerárquico o de K-medias se
establecen a priori el número de clusters y sus centros iniciales.
16. En Análisis de Conglomerados y en Escalamiento Multidimensional, las
medidas de similitud utilizadas con más frecuencia son la distancia
euclideana y la distancia euclideana al cuadrado.
17. El stress mide la inadecuación del ajuste o la proporción de la varianza
que no es considerada por el mapa de posicionamiento obtenido en el
modelo de Escalamiento Multidimensional.
18. La distancia Manhattan o Blocks (Manzanas) entre dos casos es la suma
de las diferencias absolutas en los valores para cada variable.
19. La comunalidad de extracción de una variable, es la cantidad de
varianza de esa variable que es explicada por los factores.
20. La mayor parte del análisis multivariado de datos toma como base la
matriz de correlación o la matriz de varianza-covarianza entre las
variables.
21. En Escalamiento Multidimensional si se tienen seis marcas entonces se
tendrán 15 comparaciones pareadas.
22. El Análisis de Varianza (ANOVA) normalmente requiere una variable
dependiente en escala de razón y una variable independiente en escala
nominal o categórica.
PARTE III: CASOS

CASO 1 (40 puntos)

Honda Motor Chile, requiere determinar los atributos relevantes para los
consumidores, al decidir la compra de un automóvil. Para ello diseña un
cuestionario con 10 preguntas sobre diferentes características de un automóvil,
que una muestra de 20 consumidores evaluó en una escala de 5 puntos, donde
1 = Nada Importante y 5 = Muy Importante. Las características evaluadas
fueron las siguientes:

1. Precio
2. Financiamiento
3. Consumo (Kms x lt)
4. Combustible
5. Elementos de seguridad
6. Confort interior
7. Capacidad interior
8. Elementos adicionales
9. Diseño moderno
10.Línea aerodinámica

Usted recibe el siguiente output de un Análisis Factorial realizado por el Area

de Marketing de la empresa:

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of
Sampling Adequacy. ,700

Bartlett's Test of Approx. Chi-

163,466
Sphericity Square
df 45
Sig. ,000
 Rotated Factor Matrix(a)

Factor
1 2 3
Precio ,891 -,345 -,052
Financiamiento ,718 -,580 ,032
Consumo ,771 -,371 -,088
Combustible ,706 -,588 -,154
Seguridad -,473 ,175 ,656
Confort -,152 ,020 ,990
Capacidad ,176 -,225 ,465
Adicionales -,364 ,846 ,014
Moderno -,374 ,872 ,018
Aerodinámica -,343 ,752 -,305
Extraction Method: Unweighted Least Squares.
Rotation Method: Varimax with Kaiser Normalization.
a Rotation converged in 5 iterations.

En base a esta información, se le pide responder las siguientes preguntas:

a) ¿Son estos datos apropiados para realizar un Análisis Factorial? Explique

su respuesta.

Los datos son apropiados para realizar un Análisis Factorial, debido a que
la Prueba de Esfericidad de Bartlett da un p-value o nivel de significancia
observado de 0,000 que es menor que 0,05, que es el nivel de significancia
exigido a la prueba. Esto indica que se debe rechazar la hipótesis nula de
que las variables no están correlacionadas entre sí y por lo tanto, las
variables están correlacionadas entre sí, que es una condición necesaria
para aplicar el Análisis Factorial. (2,5 puntos)

Por otra parte, la estadística de Kaiser-Meyer-Olkin (KMO) es igual a 0,7 >

0,5 que es el el valor límite para establecer que la muestra de datos es
adecuada para realizar el Análisis Factorial. Este índice compara las
magnitudes de los coeficientes de correlación observada con las
magnitudes de los coeficientes de correlación parcial. Valores pequeños de
la estadística KMO (< 0,5) indican que las correlaciones entre pares de
variables, no se explican mediante otras variables y que el Análisis
Factorial posiblemente no sea apropiado. (2,5 puntos)
b) Calcule la comunalidad de extracción para la variable Seguridad y explique
qué significa.

La comunalidad de extracción para la variable Seguridad es 0,685 (2,5

puntos mostrando los cálculos) y significa que los 3 factores extraídos
explican un 68,5% de la varianza en la variable Seguridad (2,5 puntos).

C(Seguridad) = (-0,473)² + (0,175)² + (0,656)²

C(Seguridad) = 0,224 + 0,031 + 0,430

C(Seguridad) = 0,685

c) Determine los valores específicos (eigenvalues) para cada factor.

Los valores específicos o eigenvalues para cada factor son los siguientes:
(1,67 puntos cada respuesta correcta, mostrando los cálculos)

E(Factor 1) = (0,891)² + (0,718)² + (0,771)² + (0,706)² + (-0,473)² + (-0,152)² +

(0,176)² + (-0,364)² + (-0,374)² + (-0,343)²

E(Factor 1) = 0,794 + 0,516 + 0,594 + 0,498 + 0,224 + 0,023 + 0,031 + 0,132 +

0,140 + 0,118

E(Factor 1) = 3,070

E(Factor 2) = (-0,345)² + (-0,580)² + (-0,371)² + (-0,588)² + (0,175)² + (0,020)² +

(-0,225)² + (0,846)² + (0,872)² + (0,752)²

E(Factor 2) = 0,119 + 0,336 + 0,138 + 0,346 + 0,031 + 0,0004 + 0,051 + 0,716 +

0,760 + 0,566

E(Factor 2) = 3,063

E(Factor 3) = (-0,052)² + (0,032)² + (-0,088)² + (-0,154)² + (0,656)² + (0,990)² +

(0,465)² + (0,014)² + (0,018)² + (-0,305)²

E(Factor 3) = 0,003 + 0,001 + 0,008 + 0,024 + 0,430 + 0,980 + 0,216 + 0,0002 +

0,0003 + 0,093

E(Factor 3) = 1,756
d) Determine la varianza explicada por cada factor.

La varianza explicada por cada factor es: (1,67 puntos por cada respuesta
correcta mostrando los cálculos)

VE (Factor 1) = 3,07 / 10 = 0,307 (30,7%)

VE (Factor 2) = 3,063 / 10 = 0,306 (30,6%)

VE (Factor 3) = 1,756 / 10 = 0,176 (17,6%)

e) Interprete los factores que debería enfatizar la empresa en su campaña

publicitaria.

El Factor 1 está compuesto por las siguientes variables: Precio, Consumo,

Financiamiento y Combustible, por lo que podría interpretarse como Costo.

El Factor 2 está compuesto por las siguientes variables: Diseño Moderno,

Elementos Adicionales y Línea Aerodinámica, por lo que podría
interpretarse como Modelo.

El Factor 3 está compuesto por las siguientes variables: Confort,

Seguridad, Capacidad, por lo que podría interpretarse como Comodidad.
Luego, se realizó un Análisis de Conglomerados con los mismos datos, para
segmentar el mercado, obteniéndose el siguiente output:

Rescaled Distance Cluster Combine

C A S E 0 5 10 15 20 25
Label Num +---------+---------+---------+---------+---------+

16 
20 
12 
9  
14  
6   
10   
2   
7   
18  
3  
8  
4   
11  
13  
5   
15  
19   
17 
1 

En base a esta información, se le pide responder las siguientes preguntas:

a) ¿Qué tipo de Análisis de Conglomerados es este y cómo se llama el

gráfico anterior?

Este es un Análisis de Conglomerados Jerárquico (2,5 puntos) y el

gráfico se llama Dendograma (2,5 puntos).

b) ¿Cuántos segmentos puede identificar usted? ¿Qué casos componen

cada segmento? Explique su respuesta.

Se pueden identificar 2 segmentos relevantes por su tamaño

compuestos por 10 consumidores cada uno (50% de la muestra cada
uno). (2,5 puntos)
 El Segmento 1 está compuesto por los Consumidores 16, 20, 12, 9,
14, 6, 10, 2, 7, 18 y el Segmento 2 está compuesto por los
Consumidores 3, 8, 4, 11, 13, 5, 15, 19, 17,1. (2,5 puntos)

c) ¿Qué análisis haría usted con los segmentos identificados? Explique

su respuesta.

Para los segmentos identificados se debe elaborar un perfil en base a

sus características demográficas, a fin de determinar en que difieren
ambos segmentos. (5 puntos)

CASO 2 (20 puntos)

Esso Chile S.A. propietaria de la cadena de minimarkets On The Run, encargó

un estudio de mercado para determinar el posicionamiento de la marca en
relación a la competencia y para definir su estrategia de marketing. Las
marcas consideradas en el estudio fueron las siguientes: On The Run de Esso,
Select de Shell, Pronto de Copec y Full de YPF. Además, se incluyó en el
estudio una marca considerada Ideal por la muestra de consumidores.

El output del Escalamiento Multidimensional se presenta a continuación:

Iteration history for the 2 dimensional solution (in squared

distances)

Young's S-stress formula 1 is used.

Iteration S-stress Improvement

1 ,08497
2 ,07936 ,00561
3 ,07926 ,00010

Iterations stopped because

S-stress improvement is less than ,001000
 Stress and squared correlation (RSQ) in distances

RSQ values are the proportion of variance of the scaled data

(disparities)
in the partition (row, matrix, or entire data)
which
is accounted for by their corresponding
distances.
Stress values are Kruskal's stress formula 1.

For matrix
Stress = ,10532 RSQ = ,93047
_

Configuration derived in 2 dimensions

Stimulus Coordinates

Dimension

Stimulus Stimulus 1 2
Number Name

1 PRONTO ,9360 -,0912

2 ONTHERUN ,4897 ,5885
3 FULL -2,1890 -,1124
4 SELECT ,2752 1,0992
5 IDEAL ,4881 -1,4841
 Derived Stimulus Configuration
Euclidean distance model
1,5
select
1,0
ontherun
,5

0,0 full pronto

-,5
Dimension 2

-1,0

ideal
-1,5

-2,0
-2,5 -2,0 -1,5 -1,0 -,5 0,0 ,5 1,0

Dimension 1

En base a esta información, se le pide responder las siguientes preguntas:

a) Interprete las dimensiones del mapa de posicionamiento.

Las dimensión 1 se puede interpretar como Calidad/Variedad de

Productos y Servicios (mayor calidad/variedad hacia la derecha y
menor calidad/variedad hacia la izquierda) (2,5 puntos). La
dimensión 2 se puede interpretar como Precios (precios altos hacia
arriba y precios bajos hacia abajo) (2,5 puntos).

b) ¿Cuál es la marca mejor posicionada? Explique su respuesta.

La marca mejor posicionada es Pronto de Copec, debido a que es la

que más se aproxima a la marca considerada Ideal por la muestra de
consumidores. (2,5 puntos) Además, es la marca con mayor
calidad/variedad de productos y servicios y con precios más bajos
que Select y On The Run y similares a los de Full. (2,5 puntos)
c) ¿Qué recomendación estratégica le haría usted a la empresa para
mejorar su posicionamiento?

Para mejorar su posicionamiento, On The Run debería diferenciarse

de su competencia directa (Select y Pronto) aproximándose a la
marca Ideal (2,5 puntos), aumentando la calidad/variedad de
productos y servicios y bajando sus precios (2,5 puntos).

d) ¿Cómo evaluaría usted la confiabilidad y validez del mapa de

posicionamiento?

La confiabilidad y validez del mapa de posicionamiento, se puede

evaluar mediante dos indicadores:

1. El R cuadrado o coeficiente de determinación que en este caso es

de 0,93047, lo que indica que el mapa de posicionamiento concuerda
casi en forma perfecta con los datos de entrada de similitud entre las
marcas o que el mapa explica un 93,047% de la varianza en los datos
de entrada. (2,5 puntos)

2. El Stress de Kruskal que es un indicador del margen de error o

desajuste entre las distancias entre las marcas en el mapa de
posicionamiento y el ordenamiento de los datos de entrada de
similitud entre las marcas. En este caso, el Stress de Kruskal es de
10,532% lo que puede ser considerado como un ajuste regular. (2,5
puntos)

Opcional: Otra forma de evaluar la validez del mapa de

posicionamiento, podría ser eliminando del análisis una de las
marcas que sea diferente al resto (por ejemplo, Full) y repitiendo el
análisis para evaluar si se modifican las posiciones relativas de las
marcas o se mantiene una buena estabilidad en el mapa de
posicionamiento. (2,5 puntos)
CASO 3 (10 PUNTOS)

En Mayo de 2005, el Consejo Nacional de Televisión en conjunto con

Adimark Comunicaciones, realizó la Encuesta Nacional de Televisión, que
demuestra que un 58,8% de los chilenos está insatisfecho con la televisión
abierta y que el nivel de satisfacción ha disminuido en relación a las
mediciones anteriores de 2002 y 1999, como se aprecia en el gráfico siguiente:

En base a la información anterior se le pide responder las siguientes preguntas:

1. Determine la precisión estadística del estudio, haciendo explícitos los

supuestos que estime necesarios. Muestre sus cálculos.

Asumiendo que se trata de una muestra probabilística, que existe

varianza máxima de la variable medida en la población de interés y que
se exige un 95% de nivel de confianza en las estimaciones, la precisión
estadística del estudio es de + 1,86%: (1 punto por cada supuesto y 2
puntos por el margen de error mostrando los cálculos)
 n = z ²* π (π-1)
E²

E² = z ²* π (π-1)
n

E² = (1,96) ²* (0,5*0,5) = 0,9604/2.770

2.770

E = + 0,01862 (+ 1,86%)

2. Determine el intervalo de confianza para los que se declaran poco o

nada satisfechos con la televisión abierta en 2005, haciendo explícitos
los supuestos que estime necesarios. Muestre sus cálculos.

PAUTA PREGUNTA 4

a) PRUEBA DE CONCEPTO para GAtorade Light versiones Nutrasweet

(N) y Sentia (S)

Una respuesta completa incluiría que…

Esta es una prueba de sabor o preferencia, y que podría hacerse en una

modalidad de central location (o locación central y no en casa, dadas las
características del producto), y podría ser del tipo monádica en que cada
persona examina testea sólo un sabor.
Eso es una alternativa, también podrían ser de comparación pareada (como se
hizo en clases,) en que cada persona evaluó cada alternativa sabor y después
determinó cual de las dos prefería. Si eligiera protomonádica en que cada
persona prueba una y la evalúa y prueba la segunda y la evalúa también podría
ser considerado.
Debieran eso sí indicar, que ademas de una prueba de preferencia lo correcto
es hacer una prueba de discriminación, para ajustar los resultados y considerar
las personas que sólo prefieren una u otra bebida por chance y no porque son
discriminadores (pueden saber que bebida es cual)

b) Puede desarrollarse un Experimento similar al que se vio en clases. Este

Experimento tendría dos variables independientes en dos estados:
Variable 1: Edulcorante Nutrasweet o Sentia
Variable 2: Sabor Naranja y Otro Sabor

Esto generaría la siguiente tabla de “TRATAMIENTOS”

VARIABLE EDULCORANTE
Nutrasweet Sentia
VARIABLE SABOR Naranja Naranja Nutrasweet Naranja Sentia

Otro (Piña) Piña Nutrasweet Piña Sentia

Entonces a cada tratamiento (combinación de sabro y edulcorante) debiera

ser aplicado a un grupo equivalente de personas (consumidores) de bebidas
energéticas de modo que evaluaran las preferencias.

Por ejemplo; 30 personas a cada grupo

Adicionales:
Los alumnos podrían indicar :
- Que igual se necesitaría una prueba de discriminación de modo de saber
quienes realmente pudieran distinguir los distintos sabores
- Que quizás se requeriría una medición antes y después de algunas
variables (por ejemplo si le gusta Gatorade en general (sabor original),
pues podría haber ciertas personas en cada grupo que tuvieran una
preferencia personal por Gatorade y eso podría estar sesgando
resultados