Investigacion De Mercados

Citation preview

I nvestigación de m ercados

Naresh K. Malhotra S eo rcjia D nsiituíe ojÜ echnolocjy

TRADUCCIÓN:

Verania de Parres Cárdenas Intérp rete-T rad uctor

REVISIÓN TÉCNICA: M arcela Benassini F élix M aestría en A dm inistración In stitu to Tecnológico Autónom o de M éxico C ated rático de M ercad otecn ia U niversidad Iberoam ericana

ÍENTICE-HALL HISPANOAMERICANA, S.A. ICO •NUEVAYORK •BOGOTÁ•LONDRES •SYDNEY ?ÍS •MUNICH•TORONTO•NUEVADELHI •TOKIO SINGAPUR •RÍODEJANEIRO•ZURICH

EDICIONEN ESPAÑOL: DIRECTOR GENERAL: GERENTE DIVISION COLLEGE: GERENTE EDITORIAL COLLEGE: DIRECTOR DE EDICIONES: GERENTE DE EDICIONES: GERENTE DE PRODUCCION: GERENTE DE TRADUCCION: SUPERVISOR DE TRADUCCION: SUPERVISOR DE PRODUCCION:

MOISES PEREZ ZAVALA JOSE TOMAS PEREZ BONILLA LUIS GERARDO CEDEÑO PLASCENCIA ALBERTO SIERRA OCHOA JUAN ANTONIO RODRIGUEZ MORENO JULIAN ESCAMILLA LIQUIDANO JORGE BONILLA TALAVERA CARLOS TALANCON ESPINOSA MAGDIEL GOMEZ MARINA

E D IC IÓ N E N IN G L É S : Acquisitions Editor: David Borkow sky Associate Editor: M elissa Steffens Production Editor: Edith Pullman Marketing M anager:John Chillingworth Interior Design: Rosemarie Paccione Votta Cover Design: Lorraine Costellano Cover Illustration: Paul Schulenburg Design D irector: Patricia H. W osczyk M anager o f Production Services: Lorraine Patsco Electronic Page Form atter: Christy M ahon Electronic Interior Line A rt: W arren Fischbach Prepress and M anufacturing Buyer: Vincent Scelta Editorial A ssistant: T heresa Fésta Production Assistants: A nnie B artell and D avid Cotugno

M A LH O T R A : IN V E ST IG A C IÓ N D E M ER C A D O S, Un enfoque práctico, 2a. Ed.

Traducido del inglés de la obra: M A R K E T IN G R E S E A R C H : A n A pplied O rientation ,.2nd Ed. AU rights reserved. Authorized translation from English language edition published by Prentice-H all, Inc. A Sim ón & Schuster Company. Todos los derechos reservados. Traducción autorizada de la edición en inglés publicada por Prentice-H all, Inc. A Sim ón &. Schuster Company.

D erechos reservados © 1997 respecto a la primera edición en español publicada por: P R E N TIC E -H A L L H ISPA N O A M ERIC A N A , S.A. Enrique Jaco b 20, Col. El Conde 535 0 0 N aucalpan de Juárez, Edo. de M éxico IS B N 9 6 8 -8 8 0 - 8 4 4 -X Miembro de la Cám ara N acional de la Industria Editorial, Reg. Núm. 1524. Original English Language Edition Published by Prentice-H all, Inc. A Sim ón & Schuster Company Copyright © M C M X C V I ' ¡ 3 3 6 A ll rights reserved I S B N 0 -1 3 - 1 2 5 7 3 3 -1 IM PR E SO EN M É X IC O / P R IN T E D IN M EX IC O

5Fm is p a d res S r. y S ra . 3~f. [r}¿ .' JlC alA oíra

y Cfl. m i esposa, U eena, y a m is h ijo s [R uth y CPaul

Contenido breve PARTE I: IN TRO D U CCIÓ N Y PRIMERAS FASES DE LA INVESTIGACIÓN DE M ERCADOS

1

Capítulo 1 INTRODUCCIÓN A LA INVESTIGACIÓN DE MERCADOS 2 Capítulo 2 DEFINICIÓN DEL PROBLEMA DE INVESTIGACIÓN DE MERCADOS Y DESARROLLO DE UNA PROPUESTA 33 PERSPECTIVAS PROFESIONALES PARA LA PARTE I

PARTE II: FORM ULACIÓ N DEL DISEÑO DE LA INVESTIGACIÓN Capítulo 3 Capítulo 4 Capítulo 5 Capítulo 6 Capítulo 7 Capítulo 8 Capítulo 9 Capítulo 10 Capítulo 11 Capítulo 12

68 CASOS PARA LA PARTE I

83

EN TORNO A LA INVESTIGACIÓN 84 EN TORNO A LA INVESTIGACIÓN EXPLORATORIA: DATOS SECUNDARIOS 114 EN TORNO A LA INVESTIGACIÓN EXPLORATORIA: INVESTIGACIÓN CUALITATIVA 161 EN TORNO A LA INVESTIGACIÓN DESCRIPTIVA: ENCUESTA Y OBSERVACIÓN 194 EN TORNO A LA INVESTIGACIÓN CAUSAL: EXPERIMENTACIÓN 232 MEDICIÓN Y ESCALAS: FUNDAMENTOS Y ESCALAS COMPARATIVAS 269 MEDICIÓN Y ESCALAS: TÉCNICAS DE ESCALAS NO COMPARATIVAS 289 DISEÑO DE CUESTIONARIOS Y FORMAS 317 MUESTREO: DISEÑO Y PROCEDIMIENTOS 357 MUESTREO: DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA INICIAL Y FINAL 387 PERSPECTIVAS PROFESIONALES PARA LA PARTE II

PARTE III: RECOPILACIÓN Capítulo 13

TRABAJO DE CAMPO

426

462

CASOS PARA LA PARTE III

PREPARACIÓN DE LOS DATOS 470 DISTRIBUCIÓN DE FRECUENCIAS, TABULACIÓN CRUZADA Y PRUEBA DE HIPÓTESIS ANÁLISIS DE VARIANZA Y COVARIANZA 545 CORRELACIÓN Y REGRESIÓN 573 ANÁLISIS DISCRIMINANTE 616 ANÁLISIS FACTORIAL 643 ANÁLISIS DE CONGLOMERADOS 670 ESCALAS MULTIDIMENSION ALES Y ANÁLISIS CONJUNTO 693

PARTE V: COM UNICACIÓN DEL PRO YECTO DE INVESTIGACIÓN PREPARACIÓN Y PRESENTACIÓN DEL REPORTE

730

500

CASOS PARA LA PARTE IV

744

765

766

PERSPECTIVAS PROFESIONALES PARA LA PARTE V

PARTE V I: DIMENSIONES IN TERNACION AL Y ÉTICA

465

46 9

PERSPECTIVAS PROFESIONALES PARA LA PARTE IV

Capítulo 23 Capítulo 24

CASOS PARA LA PARTE II

442

PARTE IV: PREPARACIÓN Y ANÁLISIS DE LOS DATOS

Capítulo 22

418

441

PERSPECTIVAS PROFESIONALES PARA LA PARTE III

Capítulo 14 Capítulo 15 Capítulo 16 Capítulo 17 Capítulo 18 Capítulo 19 Capítulo 20 Capítulo 21

73

790

CASOS PARA LA PARTE V

794

798

INVESTIGACIÓN DE MERCADOS INTERNACIONALES 799 LA ÉTICA EN LA INVESTIGACIÓN DE MERCADOS 820 PERSPECTIVAS PROFESIONALES PARA LA PARTE VI

842

CASOS PARA LA PARTE VI

844

Contenido Prefacio

xxx

Semblanza del autor

xxxvii

PARTE I: IN TRO D U CCIÓ N Y PRIMERAS FASES DE LA INVESTIGACIÓN DE M ERCADOS CAPÍTULO 1

INTRODUCCIÓN A LA INVESTIGACIÓN DE MERCADOS Objetivos

2

2

Panorama general

3

¿Qué abarca la investigación de mercados? 3 La naturaleza de la investigación de mercados 6 Definición de investigación de mercados 8 Clasificación de la investigación de mercados 10 El papel de la investigación de mercados en los MIS y DSS Proveedores y servicios de investigación de mercados 13

12

Selección del proveedor de investigación 18 Carreras dentro de la investigación de mercados 18 El proceso de la investigación de mercados 21 Proyecto de patrocinio a las tiendas departamentales

23

Investigación de mercados internacionales 2 4 La ética en la investigación de mercados 2 6 Aplicaciones para computadora Resumen

27

29

Acrónimos 2 9 Ejercicios 2 9 Preguntas Problemas

29 30

Ejercicios para computadora Notas CAPÍTULO 2

30

30

DEFINICIÓN DEL PROBLEMA DE INVESTIGACIÓN DE MERCADOS Y DESARROLLO DE UNA PROPUESTA Objetivos

33

Panorama general

34

33

I

Importancia de la definición del problema

36

Proceso de definición del problema y desarrollo de un planteamiento Tareas involucradas 38 Análisis con las personas que toman decisiones de mercado Entrevistas con expertos de la industria 4 0 Análisis de datos secundarios 41 Investigación cualitativa 42

37

39

El contexto ambiental del problema 43 Pronósticos e información anterior 43 Recursos y limitaciones 4 4 Objetivos 4 5 Conducta del comprador 4 5 Ambiente legal 4 6 Ambiente económico 4 6 Habilidades tecnológicas y de mercadotecnia 4 7 El problema de la toma de decisiones gerenciales y en investigación de mercados 47 Definición del problema de investigación de mercados 4 8 Componentes del planteamiento 51 Estructura objetivo/teórica 51 Modelo analítico 5 2 Preguntas de investigación 5 4 Hipótesis 5 4 Características relevantes 5 6 Investigación de mercados internacionales 57 La ética en la investigación de mercados 5 9 Aplicaciones para computadora 61 Resumen 63 Acrónimos 6 4 Ejercicios 64 Preguntas 6 4 Problemas 64 Ejercicios para computadora 65 Notas 65 PERSPECTIVAS PROFESIONALES PARA LA PARTE 1 68 La profesión de la investigación de mercados: evaluación estratégica 6 8 El problema de la investigación de mercados: del escritorio de la persona que toma las decisiones a la ejecución del estudio 70 Definición del problema de investigación 72 CASOS PARA LA PARTE I 73 Caso 1.1: La vida en el carril rápido: La competencia de las cadenas de comida rápida para ser el número uno 73 Caso 1.2: Nike corre delante de sus competidores, pero todavía tiene un largo camino por recorrer 75 Caso 1.3: Lexus: ¿Dando valor al lujo o lujo al valor1 77 Caso 1.4: La investigación de mercados ilumina el camino de la industria eléctrica 79 Caso 1.5: Quaker Oats: La mercadotecnia es el camino del éxito 8 0

PARTE II: FORMULACIÓN DEL DISEÑO DE LA INVÉSTIGACIÓN

CAPÍTULO 3

EN TORNO A LA INVESTIGACIÓN Objetivos 8 4 Panorama general

83

84

85

Diseño de la investigación: Definición 8 6 Diseño de la investigación: Clasificación 8 6 Investigación exploratoria Investigación descriptiva

88 90

Diseños de estudios transversales 92 Diseños longitudinales 9 4 Ventajas y desventajas relacionadas con los diseños longitudinales y los de muestra representativa Investigación causal 97

95

Relación entre las investigaciones exploratoria, descriptiva y causal

98

Fuentes potenciales de error 100 Error de la muestra aleatoria 102 Error por falta de muestreo

102

Presupuesto y programación del proyecto 105 Propuesta de la investigación de mercados 105 Investigación de mercados internacionales La ética en la investigación de mercados Aplicaciones para computadora Resumen

106 107

108

110

Acrónimos 111 Ejercicios 111 Preguntas

111

Problemas 111 Ejercicios para computadora Notas

CAPÍTULO 4

112

112

EN TORNO A LA INVESTIGACIÓN EXPLORATORIA: DATOS SECUNDARIOS Objetivos 114 Panorama general 115 Datos primarios en comparación con datos secundarios

117

Ventajas y usos de los datos secundarios 117 Desventajas de los datos secundarios 118 Criterios para evaluar los datos secundarios 118 Especificaciones: metodología que se utiliza para recopilar los datos Error: la exactitud de los datos 119 Actualidad: icuándo se recopilaron los datos?

120

Objetivo: icon qué propósito se recopilan los datos1 Naturaleza: contenido de los datos

120

120

Confiabilidad: ¿qué tan confiables son los datos1 Clasificación de los datos secundarios 122

122

118

114

Datos secundarios internos Base de datos de mercado

123 123

Fuentes de datos secundarios que se publican a nivel externo Datos generales de publicaciones empresariales Fuentes gubernamentales

125

125

126

Bases de datos por computadora 127 Clasificación de las bases de datos por computadora Directorios de bases de datos

128

130

Fuentes independientes que se contratan para obtener datos secundarios 130 Compañías independientes que proporcionan datos acerca de los hogares 130 Encuestas 130 Paneles diarios 135 Servicios de exploración electrónicos 137 Datos sindicados de instituciones 139 Auditorías a mayoristas y detallistas 13 9 Auditorías a detallistas para obtener información acerca de sus actividades 139 Servicios industriales 140 Combinación de información de distintas fuentes: Fuente única de datos Aplicaciones de los datos secundarios Indice de poder de compra

143

143

Diagramación por computadora

143

Investigación de mercados internacionales 146 La ética en la investigación de mercados 148 Aplicaciones para computadora 149 Resumen 151 Acrónimos 152 Ejercicios 152 Preguntas 152 Problemas 152 Ejercicios para computadora 153 Notas 153 Apéndice 4 A : Fuentes publicadas de datos secundarios CAPÍTULO 5

EN TORNO A LA INVESTIGACIÓN EXPLORATORIA: INVESTIGACIÓN CUALITATIVA

161

Objetivos 161 Panorama general 162 Datos primarios: Investigación cualitativa comparada con investigación cuantitativa 163 Razones fundamentales para utilizar la investigación cualitativa 165 Clasificación de los procedimientos de la investigación cualitativa 165 Sesiones de grupo 166 Características 166 Planeación y conducción de las sesiones de grupo 168 Otras variaciones en las sesiones de grupo 171 Ventajas y desventajas de las sesiones de grupo 172 Aplicaciones de las sesiones de grupo 173 Entrevistas en profundidad 174

141

Características Técnicas

174

176

Ventajas y desventajas de las entrevistas en profundidad Aplicaciones de las entrevistas en profundidad Técnicas de proyección 178

177

177

Técnicas de asociación 178 Técnicas de terminación 180 Técnicas de construcción Técnicas expresivas

181

183

Ventajas y desventajas de las técnicas proyectivas Aplicaciones de las técnicas proyectivas

184

Investigación de mercados internacionales

185

La ética en la investigación de mercados Aplicaciones para computadora Resumen 190 Acrónimos Ejercicios

190 191

Problemas 191 Ejercicios para computadora

CAPÍTULO 6

186

187

191

Preguntas

Notas

184

192

192

EN TORNO A LA INVESTIGACIÓN DESCRIPTIVA: ENCUESTA Y OBSERVACIÓN Objetivos

194

194

Panorama general 195 Métodos de encuesta 196 Métodos de encuesta clasificados por modo de aplicación Métodos por teléfono 198 Entrevistas por teléfono tradicionales 198 Entrevistas por teléfono asistidas por computadora Métodos personales

198

199

200

Entrevistas personales a domicilio

200

Entrevistas personales de intercepción en centros comerciales Entrevistas personales asistidas por computadora 2 0 2 Métodos por correo

202

Entrevistas por correo

202

Paneles de correo 2 0 4 Evaluación comparativa de los métodos de encuesta Flexibilidad en la recopilación de datos Diversidad en las preguntas

205

Utilización de estímulos físicos Control de la muestra 2 0 7

205

Control del ambiente de la recopilación de datos Control de la fuerza de campo Cantidad de datos 2 0 9 Tasa de respuesta

210

205

205

209

209

201

Percepción del anonimato

210

Aceptación social/información delicada Sesgo potencial del entrevistador 211

211

Velocidad 211 Costo 211 Selección del (los) método (s) de encuesta Métodos de observación 213

212

Observación estructurada comparada con la observación no estructurada Observación oculta comparada con observación abierta 2 1 4 Observación natural comparada con la observación artificial 2 1 4 Métodos de observación clasificados según su modo de aplicación 2 1 4 Observación personal 2 1 4 Observación mecánica 2 1 5 Auditorías

217

Análisis de contenido

217

Análisis de vestigios 2 1 8 U na evaluación comparativa de los métodos de observación

219

U na comparación entre los métodos de encuesta y observación Ventajas relacionadas con la observación

Desventajas relacionadas con la observación Investigación de mercados internacionales

221

221 221

222

Selección de los métodos de encuesta 2 2 2 La ética en la investigación de mercados 223 Aplicaciones para computadora Resumen 2 27

225

Acrónimos 2 27 Ejercicios 2 28 Preguntas 2 2 8 Problemas 2 2 8 Ejercicios para computadora Notas

CAPÍTULO 7

228

2 28

EN TORNO A LA INVESTIGACIÓN CAUSAL: EXPERIMENTACIÓN Objetivos

232

Panorama general 233 Concepto de causalidad

234

Condiciones para la causalidad 235 Variación concomitante 2 3 5 Orden de tiempo en que ocurren las variables 2 3 6 Ausencia de otros factores causales posibles 2 3 7 Papel de la evidencia

237

Definiciones y conceptos

237

Definición de símbolos 2 3 9 Validación en la experimentación Validación interna

240

Validación externa

240

240

232

213

Variables extrínsecas Historia

241

241

Maduración

241

Efectos de prueba 241 Instrumentación 242 Regresión estadística Selección del sesgo Mortalidad

242 242

243

Control de las variables extrínsecas A leatoriedad

2 43

Comparación

243

Control estadístico Control de diseño

243

244 244

Clasificación de los diseños experimentales Diseños preexperimentales

244

245

Caso de estudio de un grupo único de unidades de prueba Diseño de prueba previo y posterior para un solo grupo

245 246

Diseño de grupo estático 2 4 6 Diseños experiementales reales 247 Diseño de grupo de control previo y posterior a la prueba 2 4 7 Diseño de grupo de control sólo posterior a la prueba 2 4 8 Diseños cuasiexperimentales Diseño de series de tiempo

249 249

Diseño de series de tiempo múltiples Diseños estadísticos

Diseño de bloques aleatorios Diseño de cuadrado latino Diseño factorial

250

250 252 252

253

Experimentos de laboratorio comparados con experimentos de campo Diseños experimentales comparados con diseños no experimentales Limitaciones de la experimentación Tiempo

256

256

Costo 2 5 6 Administración

256

Aplicaciones: Pruebas de mercado 257 Mercado de prueba estándar 2 5 7 Mercado de prueba controlado Mercado de prueba simulado

259 259

Cómo determinar la estrategia de mercado de prueba

260

254 256

Ejercicios para computadora Notas 2 67

CAPÍTULO 8

267

MEDICIÓN Y ESCALAS: FUNDAMENTOS Y ESCALAS COMPARATIVAS Objetivos

269

269

Panorama general 2 7 0 Medición y escalas 271 Escalas de medición primarias Escala nominal

271

271

Escalas ordinales

273

Escala de intervalos

274

Escala de relación 2 7 5 Una comparación de las técnicas de escalas Técnicas de escalas comparativas

276

277

Escala de comparación apareada

277

Escala por orden de clasificación 2 7 9 Escala de suma de constantes 2 8 0 La clasificación Q y otros procedimientos Protocolos verbales 281 Investigación de mercados internacionales Etica en la investigación de mercados Aplicaciones para computadora Resumen 2 86 Acrónimos Ejercicios

281 282

283

284

286 2 86

Preguntas 2 8 6 Problemas 2 8 7 Ejercicios para computadora Notas

CAPÍTULO 9

287

2 87

MEDICIÓN Y ESCALAS: TÉCNICAS DE ESCALAS NO COMPARATIVAS Objetivos

289

Panorama general

290

Técnicas de escalas no comparativas Escala de clasificación continua Escalas de clasificación r>art¡rtoo

291 291 •?a'>

289

Forma física de la escala

300

Escalas de partidas múltiples Evaluación de las escalas

302

303

Exactitud de la medición

303

Contabilidad 3 0 4 Validación 3 0 6 Relación entre confiabilidad y validez Capacidad de generalización 3 0 8

308

Cómo elegir una técnica de escalas 308 Escalas derivadas matemáticamente 3 0 9 Investigación de mercados internacionales Etica en la investigación de mercados Aplicaciones para computadora Resumen 3 12 Acrónimos Ejercicios

309

310

311

313 313

Preguntas 3 1 3 Problemas 3 1 3 Ejercicios para computadora Notas

313

313

CAPÍTULO 10 DISEÑO DE CUESTIONARIOS Y FORMAS Objetivos

317

317

Panorama general

317

Cuestionarios y formas de observación Definición de un cuestionario Objetivos de un cuestionario

318

318 319

El proceso del diseño de cuestionarios

320

Especificación: La información requerida

320

Método para determinar el tipo de entrevista 321 Contenido de las preguntas individuales 323 iEs necesaria la pregunta1

323

¿Son necesarias varias preguntas en lugar de una?

324

Cómo superar la imposibilidad para obtener respuestas ¿Está informado el participante? 3 2 5 ¿El entrevistado puede recordar?

325

¿El entrevistado puede redactar reshuext/it?

"¥>&

325

Elección de la redacción de la pregunta Definición del tema

332

332

Uso de palabras comunes

33 2

Uso de palabras no ambiguas 333 Evite las preguntas guía o tendenciosas Evitar las alternativas implícitas Evitar las suposiciones implícitas

334

334 335

Evitar las generalizaciones y los estimados

335

Uso de afirmaciones positivas y negativas

335

Determinación del orden de las preguntas Preguntas de inicio Tipo de información

335

335 336

Preguntas difíciles 3 3 6 Efecto en las preguntas subsecuentes

33 7

Orden lógico 3 3 7 Forma y disposición 338 Reproducción del cuestionario Prueba previa 341 Formas de observación

339

342

Investigación de mercados internacionales Etica en la investigación de mercados Aplicaciones para computadora

345

346

347

Resumen 3 5 0 Acrónimos 351 Ejercicios 3 5 2 Preguntas 3 5 2 Problemas

352

Ejercicios para computadora Notas

354

3 54

CAPÍTULO 11 MUESTREO: DISEÑO Y PROCEDIMIENTOS Objetivos

357

Panorama general

358

Muestra o censo 3 5 9 El proceso de diseño de la muestra

360

Definición de la población meta 3 6 0 ’ ’ ........

357

Técnicas de muestreo probabilístico

369

Muestreo aleatorio simple 3 7 0 Muestreo sistemático 3 7 0 Muestreo estratificado 371 Muestreo de grupo 3 7 3 Otras técnicas de muestreo probabilístico 3 7 6 Elección del muestreo no probabilístico en comparación con el muestreo probabilístico 3 7 8 Usos del muestreo no probabilístico y probabilístico Investigación de mercados internacionales La ética en la investigación de mercados Aplicaciones para computadora Resumen 383 Acrónimos

380

381

3 83

Ejercicios

384

Preguntas

384

Problemas 3 8 4 Ejercicios para computadora Notas

378

379

384

38 5

CAPÍTULO 12 MUESTREO: DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA INICIAL Y FINAL 387 Objetivos

3 87

Panorama general 3 8 8 Definición y símbolos 3 8 9 La distribución de la muestra 3 9 0 Estrategia estadística para determinar el tamaño de la muestra

392

Estrategia del intervalo de confianza 3 9 2 Determinación del tamaño de la muestra: medias 3 9 3 Determinación del tamaño de la muestra: proporciones 3 9 6 Parámetros y características múltiples 3 9 8 Otras técnicas de muestreo de probabilidad 3 9 9 Ajuste del tamaño de la muestra determinado estadísticamente Problemas de falta de respuesta en el muestreo 401 Mejoramiento de los índices de respuesta 401 Ajuste para la falta de respuesta 4 0 4 Investigación de mercados internacionales Etica en la investigación de mercados Aplicaciones para computadora 4 0 9 Resumen

410

Acrónimos 4 1 2 Ejercicios 4 1 2 Preguntas

412

Problemas 4 1 2 Ejercicios para computadora Notas

4 13

Apéndice 12A

415

413

408

407

399

PERSPECTIVAS PROFESIONALES PARA LA PARTE II Sesiones de grupo e investigación cualitativa

418 418

Entrevistas personales asistidas por computadora

419

Uso del incentivo en efectivo para aumentar la respuesta en las encuestas por correo

420

Técnicas de selección por marcado: dígitos aleatorios contra directorio Análisis de tendencias por orden (en los cuestionarios autoaplicables) CASOS PARA LA PARTE II

424

426

Caso 2 .1 : Descongelando la industria de alimentos congelados Caso 2 .2 : ¿Quién es el mejor anfitrión1 4 2 7

426

Caso 2 .3 : El chocolate es elegante para Hershey 4 2 9 Caso 2 .4 : Las fragancias son dulces, pero la competencia es amarga

432

Caso 2 .5 : ¿La publicidad del Super Tazón es super efectiva?

435

Caso 2 .6 : Pruebe la diferencia Arby’s

436

Caso 2 .7 : ¿Las empresas de comunicación independientes pueden salir adelante1

PARTE III: RECOPILACIÓN

422

438

441

CAPÍTULO 13 TRABAJO DE CAMPO Objetivos

442

442

Panorama general

442

La naturaleza del trabajo de campo 4 4 4 El trabajo de campo y el proceso de recopilación de datos Cómo seleccionar a los encuestadores Capacitación de los encuestadores

445

447

El contacto inicial 4 4 7 Cómo hacer las preguntas 4 4 8 Indagación 4 4 8 Registro de las respuestas 4 4 9 Cómo terminar la entrevista 4 5 0 Supervisión de los encuestadores 450 Edición y control de calidad 4 5 0 Control de la muestra 451 Control de la información falseada 4 5 1 Control de la oficina central 451 Validación del trabajo de campo 451 Evaluación de los encuestadores 4 5 2 Tiempo y costo 4 5 3 Indices de respuesta 4 5 3 Calidad de la entrevista 4 5 3 Calidad de los datos 4 5 3 Investigación de mercados internacionales 4 5 3 La ética en la investigación de mercados 4 5 5 Aplicaciones para computadora 4 5 6 Resumen 4 5 8

445

Acrónimos Ejercicios

459 459

Preguntas

459

Problemas 4 5 9 Ejercicios para computadora Notas

460

460

PERSPECTIVAS PROFESIONALES PARA LA PARTE III Trabajo de conjunto CASOS PARA LA PARTE III

462

462 465

Caso 3 .1 : Gerber supera su frase publicitaria

465

Caso 3 .2 : Los canales de Revlon abren la puerta a la innovación

PARTE IV: PREPARACIÓN Y ANÁLISIS DE LOS DATOS

46 9

CAPÍTULO 14 PREPARACIÓN DE LOS DATOS Objetivos

470

470

Panorama general 471 Proceso de preparación de datos Verificación de cuestionarios Edición

472

472

473

Tratamiento que debe darse a las respuestas no satisfactorias Codificación 47 5 Codificación de las preguntas

476

Directorio de códigos 4 7 8 Codificación de los cuestionarios Transcripción 4 7 8 Depuración de los datos

478

480

Verificación de la consistencia 481 Manejo de las preguntas no respondidas

481

Ajuste estadístico de los datos 4 8 2 Ponderación 4 8 3 Redefinición de las variables 4 8 4 Transformación de la escala 4 8 5 Selección de una estrategia para el análisis de datos Clasificación de las técnicas estadísticas 4 8 9 Investigación de mercados internacionales 4 9 0 Ética en la investigación de mercados 4 9 2 Aplicaciones para computadora 4 9 3 Resumen 4 95 Acrónimos 4 9 6 Ejercicios 4 9 6 Preguntas 4 9 6 Problemas 4 9 7 Ejercicios para computadora 4 9 7 Notas 4 9 8

486

474

466

CAPÍTULO 15 DISTRIBUCIÓN DE FRECUENCIAS, TABULACIÓN CRUZADA Y PRUEBA DE HIPÓTESIS Objetivos

500

500

Panorama general

500

Distribución de frecuencias 503 Datos estadísticos relacionados con la distribución de frecuencias Medidas de tendencia central

506

506

Medidas de dispersión 5 0 7 Medidas de oblicuidad 5 0 8 Introducción a la prueba de hipótesis

509

Procedimiento general para la prueba de hipótesis

510

Tabulaciones cruzadas 515 Dos variables 5 1 6 Tres variables 5 1 7 Comentarios generales acerca de la tabulación cruzada 5 2 0 Datos estadísticos relacionados con la tabulación cruzada 521 Ji cuadrada

521

Coeficiente phi 5 2 3 Coeficiente de contingencia

523

V de Cramer 5 2 4 Coeficiente lambda 5 2 4 Otros datos estadísticos

525

Tabulación cruzada en la práctica 5 2 5 Prueba de hipótesis en relación con las diferencias

525

Pruebas paramétricas 5 2 6 Una muestra 5 2 7 Dos muestras independientes Muestras pareadas Pruebas no paramétricas

533

Una muestra 5 3 4 Dos muestras independientes Muestras pareadas

Ejercicios

539

541 541

Preguntas 541 Problemas 5 4 2 Ejercicios para computadora Notas

535

536

Aplicaciones para computadora Resumen 5 4 0 Acrónimos

528

532

543

5 43

CAPÍTULO 16 ANÁLISIS DE VARIANZA Y COVARIANZA Objetivos

545

545

Panorama general 5 4 6 Relación entre las dos técnicas

547

Análisis de la varianza unidireccional 5 4 9 Estadísticas asociadas con el análisis de la varianza unidireccional

549

Realización del análisis de varianza unidireccional 5 5 0 Identificación de las variables dependientes e independientes División de la variación total 551

550

Medición de los efectos 5 5 2 Pruebas de significancia 5 5 2 Interpretación de resultados 5 5 3 Aplicaciones ilustrativas del análisis de varianza unidireccional Supuestos principales en el análisis de varianza Análisis de varianza con n factores

557

Análisis de covarianza 5 6 0 Aspectos peculiares en la interpretación de resultados Interacciones 561 Importancia relativa de los factores Comparaciones múltiples

565

Análisis de varianza multivariable Aplicaciones para computadora Resumen 5 6 7

566 567

569 569

Preguntas Problemas

569 570

Ejercicios para computadora Notas

562

564

Análisis de varianza no métrica

Acrónimos

561

564

Medidas repetidas de ANOVA

Ejercicios

553

555

571

571

CAPÍTULO 17 CORRELACIÓN Y REGRESIÓN

573

Objetivos 5 73 Panorama general 5 7 4 Correlación producto-momento Correlación parcial

575

579

Correlación no métrica

581

Análisis de regresión 5 8 2 Regresión de dos variables 5 8 2 Datos estadísticos relacionados con el análisis de regresión de dos variables Procedimiento del análisis de regresión de dos variables Diagrama de dispersión 5 8 4 Modelo de regresión de dos variables Estimación de los parámetros

586

586

Coeficiente estándar de regresión

587

Pruebas de significancia 5 8 8 Fuerza y significancia de la asociación Exactitud en la predicción Supuestos

584

588

591

592

Regresión múltiple 5 9 2 Datos estadísticos relacionados con la regresión múltiple

593

583

Procedimiento del análisis de regresión múltiple Coeficientes de regresión parcial Fuerza de la asociación 5 9 6

594

594

Prueba de significancia 5 9 7 Prueba de residuales 5 9 8 Regresión discriminante Multicolinearidad 6 0 4

602

Significancia relativa de los indicadores Validación cruzada

604

605

Regresión con variables dummy 605 Análisis de varianza y covarianza con regresión Aplicaciones para computadora Resumen

606

609

609

Acrónimos 611 Ejercicios 611 Preguntas Problemas

611 612

Ejercicios para computadora Notas

613

6 13

CAPÍTULO 18 ANÁLISIS DISCRIMINANTE Objetivos 6 1 6 Panoram a general 6 1 6 Concepto básico 6 1 8

616

Relación entre la regresión y el AN O VA 6 1 8 Modelo de análisis discriminante 6 1 9 Datos estadísticos relacionados con el análisis discriminante Procedimiento del análisis dicriminante Formulación 6 2 0 Estimación 6 2 3

620

Determinación del grado de significancia Interpretación

625

Validación 6 2 7 Análisis discriminante múltiple Formulación

629

629

Estimación

629

Determinación del grado de significancia Interpretación 6 3 2 Validación

634

Análisis discriminante discreto 6 3 6 Aplicaciones para computadora 6 3 6 Resumen Acrónimos

638 639

Ejercicios 6 3 9 Preguntas 6 3 9 Problemas

623

639

632

619

Ejercicios para computadora Notas 6 4 0

640

Apéndice 18A : Estimación de los coeficientes de función discriminante

CAPÍTULO 19 ANÁLISIS FACTORIAL Objetivos

643

6 43

Panorama general

643

Conceptos básicos 645 Modelo de análisis factorial

646

Datos estadísticos relacionados con el análisis factorial Cómo realizar el análisis factorial Formulación del problema

646

647

647

Construcción de la matriz de correlación Método de análisis factorial 6 4 9

648

Número de factores 651 Rotación de factores 652 Interpretación de los factores

653

Calificaciones de los factores

654

Selección de las variables sustitutos Ajuste del modelo 6 5 5

655

Aplicaciones del análisis factorial común Aplicaciones para computadora 6 6 3

658

Resumen 6 6 4 Acrónimos 6 65 Ejercicios 665 Preguntas 6 6 5 Problemas 6 6 5 Ejercicios para computadora Notas 6 6 7

666

Apéndice 19A : Ecuaciones fundamentales para el análisis factorial

CAPÍTULO 20 ANÁLISIS DE CONGLOMERADOS Objetivos

668

670

670

Panorama general

670

Conceptos básicos

672

Datos estadísticos relacionados con el análisis de conglomerados Cómo realizar el análisis de conglomerados Formulación del problema

675

675

Cómo seleccionar una medida de distancia o similitud Selección del procedimiento para conglomerados Decisión del número de grupos

677

682

Interpretación y perfil de los grupos

683

Determinación de la confiabilidad y validez 6 8 3 Aplicaciones no jerárquicas de los conglomerados 685 Variables conglomeradas 6 8 8 Aplicaciones para computadora

689

676

674

641

Resumen 6 9 0 Acrónimos 691 Ejercicios 691 Preguntas 691 Problemas 691 Ejercicios para computadora Notas

691

692

CAPÍTULO 21 ESCALAS MULTIDIMENSIONALES Y ANÁLISIS CONJUNTO Objetivos 6 9 3 Panorama general 6 9 4

693

Conceptos básicos en las escalas multidimensionales (MDS) Datos estadísticos y términos relacionados con las escalas multidimensionales 6 9 7 Cómo se realizan las escalas multidimensionales 697 Formulación del problema 6 9 8 Obtención de los datos de entrada 6 9 8 Selección de un procedimiento de la M D S Decisión del número de dimensiones 701

696

701

Designación de las dimensiones e interpretación de su configuración Evaluación de la confiabilidad y la validez 704 Suposiciones y limitaciones de la MDS Escala de datos de las preferencias 705

704

Análisis de correspondencia 707 Relación entre MDS, análisis factorial y análisis discriminante

708

Conceptos básicos en el análisis conjunto 709 Datos estadísticos y términos relacionados con el análisis conjunto Realización del análisis conjunto 7 1 0 Formulación del problema 7 1 0 Construcción de los estímulos 712 Decisión de los datos de entrada 713 Selección de un procedimiento de análisis conjunto Interpretación de resultados 717

714

Evaluación de la confiabilidad y la validez 7 1 9 Suposiciones y limitaciones del análisis conjunto 721 Análisis conjunto híbrido 721 Aplicaciones para computadora Resumen 725 Acrónimos 7 2 6 Ejercicios 7 26 Preguntas

7 26

Problemas

72 6

Ejercicios para computadora Notas 727

702

723

727

PERSPECTIVAS PROFESIONALES PARA LA PARTE IV

730

La lógica de las pruebas de significancia estadística

730

Equilibrio de la confianza y el poder de la toma de decisiones

735

709

Una alternativa para la media

737

Interpretación de los resultados de las pruebas t CASOS PARA LA PARTE IV

740

744

Caso 4 .1 : ¡Peligro! Celebridad trabajando 7 4 4 Caso 4-2: El descubrimiento demográfico de la época

747

Caso 4-3: La varita mágica de PepsiCo 7 5 0 Caso 4 .4 : ¿Gleem puede brillar en el mercado de las pastas dentales? Caso 4 .5 : Matsushita vuelve a dirigirse a Estados Unidos

Caso 4 .6 : Pampers desarrolla una proliferación de nuevos productos Caso 4 .7 : Chrysler busca una nueva imagen

PARTE V: COM UNICACIÓN DEL PRO YECTO DE INVESTIGACIÓN

762

765

CAPÍTULO 22 PREPARACIÓN Y PRESENTACIÓN DEL REPORTE Objetivos

766

7 66

Panorama general

767

Importancia del reporte y su presentación 768 El proceso de preparación y presentación del reporte Preparación del reporte

768

769

Formato del reporte 7 6 9 Redacción del reporte 772 Lincamientos para la presentación de tablas 774 Lincamientos para la presentación de gráficas 7 7 6 Presentación oral 777 Lectura del reporte de investigación

781

Cómo establecer el problema 781 Diseño de investigación 781 Ejecución de los procedimientos de investigación Números y estadísticas

781

Interpretaciones y conclusiones 782 Capacidad de generalización 782 Declaración 782 Seguimiento de la investigación

782

Ayuda al cliente 782 Evaluación del proyecto de investigación

783

Investigación de mercados internacionales 783 Ética en la investigación de mercados 7 8 4 Aplicaciones para computadora Resumen

785

786

Acrónimos 7 8 6 Ejercicios 787 Preguntas Problemas

787 788

Ejercicios para computadora Notas 78 8

788

781

754

756 759

PERSPECTIVAS PROFESIONALES PARA LA PARTE V Preparación y presentación del reporte

790

790

Preparación y presentación del reporte de investigación de mercados CASOS PARA LA PARTE V

791

794

Caso 5 .1 : New Coke fracasa 794 Caso 5 .2 : El dinero no puede comprar una imagen, pero sí puede ayudar a crearla

796

PARTE VI: DIMENSIONES INTERNACIONAL Y ÉTICA

798

CAPÍTULO 23 INVESTIGACIÓN DE MERCADOS INTERNACIONALES Objetivos 7 9 9 Panorama general

799

800

La investigación de mercados se internacionaliza 8 0 0 U n marco de trabajo para la investigación de mercados internacionales El ambiente 803 Ambiente del mercado

803

Ambiente gubernamental Ambiente legal

805

805

Ambiente económico Ambiente estructural

806 806

Ambiente informativo y tecnológico Ambiente sociocultural 8 0 6 Métodos de encuesta 8 0 8 Entrevistas por teléfono y CATI Entrevistas personales en casa

806

808 809

Entrevistas de intercepción en centros comerciales y CAPI Entrevistas por correo Paneles por correo Medición y escalas

810

811

811

Traducción de cuestionarios

812

La ética en la investigación de mercados Aplicaciones para computadora 8 1 4 Resumen

816

Acrónimos Ejercicios

816 816

Preguntas

816

Problemas

817

Ejercicios para computadora Notas

813

817

8 17

CAPÍTULO 24 LA ÉTICA EN LA INVESTIGACIÓN DE MERCADOS Objetivos 8 2 0 Panorama general

820

821

Importancia de la ética en la investigación de mercados

822

810

803

Grupos de interés en la investigación de mercados Público

823

823

Entrevistado

824

Clientes 8 2 6 Investigador 8 2 7 Lincamientos para la toma de decisiones éticas Marco de referencia ético 831

828

Teleología 8 3 3 Deontología 8 3 3 Híbrido 8 3 3 Objetivismo 8 3 4 La ética y el proceso de investigación de mercados Investigación de mercados internacionales 8 3 6 Diferencias culturales 8 3 6 Prioridad de los lineamientos éticos

835

837

Problemas políticos y de integridad en la investigación Aplicaciones para computadora 8 3 8

838

Resumen 8 3 8 Acrónimos 8 3 9 Ejercicios

839

Preguntas

839

Problemas 8 4 0 Ejercicios para computadora Notas 8 4 0

840

PERSPECTIVAS PROFESIONALES PARA LA PARTE VI 842 Investigación de mercados internacionales: el desafío de los noventa CASOS PARA LA PARTE VI

842

844

Caso 6 .1 : ¿K FC derrotará a la competencia en China1

844

Caso 6 .2 : ¿Tylenol tiene la suficiente fuerza para superar múltiples dolores de cabeza?

845

Caso 6 .3 : Kmart y sus problemas en Europa Oriental

A PÉN D ICE: TABLAS ESTADÍSTICAS ÍNDICES

863

Indice temático

863

índice onomástico 8 8 2 índice de compañías 8 8 8

851

848

Prefacio El motivo de esta obra es ofrecer un libro de texto universitario que comprenda varios temas, sea práctico, incluya aplicaciones prácticas y sirva a los gerentes, además de presentar una cobertura equilibrada tanto del material cualitativo como cuantitativo. Este libro está escrito desde la perspectiva de los usuarios de la investigación de mercados y refleja las tendencias actuales en la mercadotecnia internacional, la ética y la integración de las microcomputadoras y mainframes en este campo. Varias características únicas en términos del contenido y la presentación del material hacen que este libro sea diferente de los otros. La respuesta que obtuvo la primera edición fue en verdad gratificante y más de 100 universidades adoptaron el libro. Deseo expresar mi más sincero agradecimiento y apre­ ciación a todos los profesores y estudiantes que, como usuarios, revisores y proveedores de valiosa retroalimentación y motivación, han contribuido al éxito de la obra. Esta segunda edición intenta basarse en ese éxito para hacer el libro más actual, contemporáneo, ilustrativo y sensible a las necesidades del lector.

A

u d ie n c ia

Este libro es adecuado tanto para los estudiantes universitarios como de maestría. La res­ puesta a la primera edición, que se adoptó para ambos niveles, confirma esta afirmación. La cobertura es amplia y la profundidad y extensión de los temas abarcan ambos niveles. No obstante, el material se presenta de manera fácil de leer y comprender. Los diagramas, ta­ blas, ilustraciones y ejemplos explican los conceptos básicos. Algunas características espe­ ciales diseñadas para los estudiantes universitarios incluyen acrónimos, ejercicios extensos (preguntas, problemas y ejercicios para microcomputadora y mainframes) y actividades (re­ presentación de papeles, trabajo de campo y análisis en grupo). Las características apropia­ das para los estudiantes de maestría incluyen notas extensas y cobertura amplia. El libro no sólo es apropiado para utilizarse en cursos de investigación de mercados, sino que también se puede emplear en forma efectiva en cursos de análisis de datos de mercados. Todas las técnicas de análisis de datos con una variable y variables múltiples que se emplean con frecuencia se estudian en forma extensa, aunque sencilla.

O

r g a n iz a c ió n El libro está organizado en seis partes, con base en un marco de trabajo de seis pasos para realizar la investigación de mercados. La parte I ofrece una introducción y análisis de la definición de problemas, el primer y más importante paso. Asimismo, se describe la natu­ raleza y el panorama de la investigación que se lleva a cabo para desarrollar un plantea­ miento del problema, el segundo paso en el proceso de la investigación de mercados. La parte II cubre el diseño de la investigación, el tercer paso, y describe con detalle los dise

ños de la investigación de exploración, descriptiva y casual. Se describen los tipos de infor­ mación que regularmente se obtienen en la investigación de mercado y las escalas apropiadas para obtener esa información. Asimismo, presentamos varios lincamientos para el diseño de cuestionarios y la explicación de los procedimientos, técnicas y consideraciones estadísticas que comprende el muestreo. La parte III presenta un análisis práctico y dirigido a la gerencia del trabajo de campo, el cuarto paso en el proceso de la investigación de mercados. La parte IV está dedicada a la preparación y el análisis de datos, el quinto paso del proceso de la investigación de mercados. Aquí, se estudian con detalle las técnicas estadísti­ cas básicas y avanzadas, con énfasis en la explicación de los procedimientos, la interpretación de los resultados y el descubrimiento de las implicaciones gerenciales, en lugar de la elegan­ cia estadística. Comunicar la investigación mediante la preparación y presentación de un informe formal constituye el sexto paso del proceso de la investigación de mercados y es el tema de la parte V Por último, la parte VI está dedicada al complejo proceso de la investiga­ ción de mercados internacionales y los aspectos éticos que surgen en la investigación de mercados. En todo el libro, la orientación es aplicada y gerencial.

N

o v ed a d es en l a seg u n d a e d ic ió n En tanto que conserva las características que tuvieron mucha aceptación, esta segunda edición contiene revisiones importantes. Se hicieron varios cambios significativos, que se identificaron al realizar encuestas entre profesores (usuarios y no usuarios) y estudiantes y obtener revisiones críticas y evaluaciones detalladas y que incluyen las siguientes. 1. Cobertura integrada de la investigación de mercados internacionales. En cada capítulo se agregó una sección sobre la investigación de mercados internacionales. Esta analiza e ilustra la forma en que los conceptos que incluye ese capítulo pueden aplicarse al llevar a cabo la investigación de mercados internacionales. Esta sección adopta la forma de un título importante, incluyendo por lo menos un ejemplo, en cada uno de los capítulos del 1 al 14, 22 y 24. Los capítulos sobre el análisis de datos, del 15 al 21, contienen un recuadro de Investigación en la práctica que ilustra el uso de la técnica en un contexto internacional. El capítulo dedicado a la investi­ gación de mercados internacionales se conservó de la primera edición, aunque se modificó. Ahora es el capítulo 23 y presenta únicamente material que no se cubrió en ninguna otra parte del libro. 2. Cobertura integrada de la ética en la investigación de mercados. Una sección sobre la ética en la investigación de mercados se agregó a cada capítulo. Esta sección analiza e ilustra los aspectos éticos que surgen al poner en práctica los conceptos que se estudian en el capítulo. También adopta la forma de un título importante e incluye un ejemplo en cada uno de los capítulos del 1 al 14, 22 y 23. Los capítulos sobre el análisis de datos, del 15 al 21, contienen un recuadro de Investigación en la práctica que ilustra el uso de la técnica en el contexto de la ética en la investigación de mercados. Se agregó un capítulo dedicado a la ética en la investigación de mercados (capítulo 24), que presenta los diversos códigos éticos y desarrolla un marco de trabajo para la ética en la investigación de mercados. Este marco de trabajo incluye diversos planteamientos: teleología, egoísmo y utilitarismo, deontología, híbrido y objetivismo. 3. Secciones revisadas tituladas “Aplicaciones para computadora". Estas secciones se volvieron a escri­ bir para los capítulos del 1 al 14, 22 y 23. Ahora, cada sección analiza con detalle un programa de software importante y muestra su uso con una o más ilustraciones. Los capítulos sobre el análisis de datos, del 15 al 21, conservan el énfasis en los programas de microcomputadoras y mainframes para los paquetes SPSS, SAS y BMDR 4. Figuras, tablas, ilustraciones, recuadros de Investigación en la práctica y texto nuevos. En las partes donde se consideró apropiado, se agregó material nuevo ya sea para presentar ideas nuevas (por ejemplo, la naturaleza cambiante de la investigación de mercados en el capítulo 1, la mercadotecnia de bases de datos en el capítulo 4) o aclarar el tema (por ejemplo, la definición del problema y el proceso del desarrollo de la estrategia en el capítulo 2, el análisis de grupo en el capítulo 3, una evaluación comparativa de los métodos de observación en el capítulo 6). Estas adiciones se hicieron en todo el libro.

5. Ejemplos y casos nuevos actualizados. Se agregaron varios ejemplos nuevos, se eliminaron algunos de los anteriores y los ejemplos restantes se actualizaron según se consideró apropiado. Se agre­ garon algunos casos nuevos y el resto de los casos se actualizó para reflejar el ambiente actual de la mercadotecnia y la investigación de mercados. 6. Referencias actualizadas. Cada capítulo contiene por lo menos algunas referencias de 1993 o más recientes.

C

a r a c t e r ís t ic a s c la v e d e l l ib r o El libro tiene varias características sobresalientes y únicas, tanto en términos del contenido como de la pedagogía.

Características del contenido 1. Se dedicó un capítulo por separado a la definición del problema y el desarrollo de una estrate­ gia. Estos importantes pasos del proceso de la investigación de mercados se estudian a fondo (capítulo 2). 2. Un capítulo por separado cubre el análisis de la información secundaria. Además de las fuentes tradicionales, también se cubren con cierto detalle las bases de datos por computadora y las fuentes sindicadas (capítulo 4). 3. La investigación cualitativa se estudia en un capítulo por separado. Las sesiones de grupo, entrevistas a fondo y técnicas de proyección se estudian en forma detallada, con énfasis en las aplicaciones de estos procedimientos (capítulo 5). 4. Un capítulo por separado presenta los métodos de encuestas y observación (capítulo 6) y otro analiza la experimentación (capítulo 7). De esta manera, los diseños descriptivo y casual se estudian con detalle. 5. Se dedican dos capítulos a las técnicas de escalas. Uno se ocupa de los conceptos básicos y las técnicas de escalas comparativas (capítulo 8) y el otro cubre las técnicas no comparativas, incluyendo las escalas de partidas múltiples y los procedimientos para evaluar la confiabilidad, validez y capacidad de generalización (capítulo 9). 6. Un capítulo por separado estudia el diseño de cuestionarios. Se propociona un procedimiento paso por paso y varios lineamientos para la elaboración de cuestionarios (capítulo 10). 7. Dos capítulos cubren las técnicas de muestreo. Uno estudia los aspectos cualitativos que com­ prende el muestreo y las diversas técnicas de muestreo de probabilidad y no probabilidad (capí­ tulo 11). El otro, explica los aspectos estadísticos, así como la determinación del tamaño de la muestra inicial y final (capítulo 12). 8. Un capítulo por separado presenta el trabajo de campo. Proporciona lineamientos generales sobre la capacitación del entrevistador, las entrevistas y la supervisión de los trabajadores de campo (capítulo 13). 9. El libro es único en el manejo del análisis de datos en la investigación de mercados. Se dedican capítulos por separado a: a. Distribución de la frecuencia, tabulación cruzada y prueba de hipótesis (capítulo 15). b. Análisis de la varianza y covarianza (capítulo 16). c. Análisis de regresión (capítulo 17). Análisis discriminante (capítulo 18).

d.

e. Análisis de factores (capítulo 19). f. Análisis de grupo (capítulo 20). g. Escalas multidimensionales y análisis asociado (capítulo 21). 10. Para complementar los análisis de todo el libro, un capítulo adicional explica la investiga­ ción de mercados internacionales. Se describe el ambiente en el que se lleva a cabo la investi­ gación de mercados internacionales, seguido por un análisis de algunos conceptos avanzados (capítulo 23).

11. Además de los análisis en todo el libro, se dedica otro capítulo a la ética en la investigación de mercados. Se describen algunos lincamientos que ayudan a gerentes e investigadores por igual en la toma de decisiones éticas. Después, se propone un marco de trabajo para la ética en la investigación de mercados, y se explica la forma en que ésta influye en cada paso del proceso de la investigación de mercados (capítulo 24).

Características pedagógicas 1. La orientación académica se combina en forma apropiada con una orientación altamente gerencial y aplicada. Se ilustra con detalle la aplicación de los descubrimientos de la investiga­ ción de mercados por parte de los gerentes a fin de mejorar la práctica de la mercadotecnia. 2. Se proporcionan varios ejemplos de la vida real, que se presentan dentro de un recuadro para mayor claridad e impacto. Estos ejemplos describen con cierto detalle el tipo de investigación de mercados que se utiliza para solucionar un problema gerencial específico y la decisión que se basó en los descubrimientos. En los casos en que es apropiado, las fuentes que se mencionan se complementan con información adicional sobre la investigación de mercados a fin de au­ mentar la utilidad de los ejemplos. Se integraron ejemplos adicionales en todo el libro para explicar e ilustrar mejor los conceptos en cada capítulo. 3. Además, un proyecto de la vida real se utiliza como ejemplo continuo para ilustrar diversos conceptos a lo largo del libro. Estas ilustraciones se titulan “Proyecto de patrocinio a las tiendas departamentales”. A fin de hacer que el ejemplo continuo sea amplio, de modo que cubra todos los aspectos de la investigación de mercados, un proyecto de tiendas departamentales real se complementa con otros proyectos similares en los que participé, aunque varios aspectos de estos proyectos se cambiaron. En otros ejemplos, como en el caso del diseño de la investigación casual, se muestra cómo pueden aplicarse los conceptos relevantes en el escenario de las tien­ das departamentales. De esta manera, el ejemplo de las tiendas departamentales se extiende en todo el libro y es fácil encontrarlo en cualquier capítulo. 4. Cada capítulo contiene recuadros de Investigación en la práctica. Éstos ofrecen una ilustración más detallada de la forma en que los conceptos de la investigación de mercados se llevan a la práctica. 5. Otra forma de lograr un enfoque contemporáneo es con la integración de la cobertura de la investigación de mercados internacionales y la ética en la investigación de mercados a lo largo del libro. Los análisis incluyen la forma en que los conceptos que se estudian en cada capítulo pueden aplicarse en un escenario internacional y los aspectos éticos que pueden surgir al poner en práctica esos conceptos a nivel nacional e internacional. 6. El uso de microcomputadoras y mainframes también se integra a lo largo del libro. Cada capítu­ lo tiene una sección titulada “Aplicaciones para computadora”, que muestra la forma en que las microcomputadoras y mainframes pueden integrarse en cada paso del proceso de la investi­ gación de mercados. Se consideran ambos tipos de computadoras porque en la práctica se utili­ zan los dos sistemas, y se ha desarrollado gran cantidad de software para facilitar la interacción entre ambos. 7. Los procedimientos del análisis de datos se ilustran en relación con las mainframes y las microcomputadoras. Se utilizan los paquetes para microcomputadoras y mainframes SPSS, SAS y BMDíJ junto con otros programas populares. De esta manera, este libro puede utilizarse como libro de texto, sin importar el paquete estadístico que emplee el profesor. 8. Cada capítulo contiene uno o más acrónimos útiles que resumen los conceptos sobresalientes. Los acrónimos constituyen la técnica mnemónica más popular entre los estudiantes universita­ rios. Las evidencias teóricas y empíricas que apoyan la efectividad de las técnicas mnemónicas y su utilidad como instrumento pedagógico se analizan en un documento que publiqué en el Journal of the Academy of Marketing Science (primavera de 1991): pp. 141-150. 9. Cada parte contiene la sección Puntos de vista del practicante que presenta artículos escritos por algunos de los profesionales más importantes de la investigación de mercados, incluyendo profesionales de Market Facts, Burke y Elrick and Lavidge. Estos artículos complementan el material en los capítulos y fortalecen aún más la orientación aplicada del libro. 10. Casos de la vida real, cortos y largos. Cada parte del libro contiene algunos casos cortos que ilustran los conceptos estudiados. Lo conciso de los casos permitirá su uso en los exámenes. También se proporcionan algunos casos largos, incluyendo algunos con datos estadísticos. Estos casos son actuales y tratan de temas de interés para los estudiantes.

11. Las secciones de actividades y ejercicios extensos incluyen preguntas, problemas, ejercicios para microcomputadoras y mainframes, representación de papeles, trabajo de campo y análisis de grupo, y se encuentran al final de cada capítulo. Estos ofrecen oportunidades de aprender y probar los conceptos que cubre el capítulo.

R

e c o n o c im ie n t o s

Varias personas han sido de gran ayuda para escribir este libro de texto. Me gustaría agradecer al profesor Arun K. Jain (State University of New York en Buffalo), que me enseñó la inves­ tigación de mercados en una forma que nunca olvidaré. Mis alumnos, en particular mis antiguos alumnos de doctorado Qames Agarwal, Imad Baalbaki, Dan M cCort, Gina M illery Mark Peterson) y mis alumnos actuales de doctorado (Charla Alien, Mark Leach, Tyra Mitchell, Rick McFarland y Jamie Pleasant), han sido de gran ayuda de muchas formas. En especial quiero agradecer la ayuda de Mark Leach y Gina Miller en la redacción de las secciones de aplicaciones de computación, así como la ayuda de James Agarwal, con los ejemplos de la investigación de mercados internacionales. Los alumnos de mis cursos sobre investigación de mercados proporcionaron retroalimentación útil puesto que el material se puso a prueba en clase durante varios años. Mis colegas en Georgia Tech, en especial Fred Allvine, me ofrecie­ ron todo su apoyo. Asimismo, me gustaría agradecer a Ronald L. Tatham (Burke Marketing Research), Lawrence W Labash (Market Facts, Inc.), Roger L. Bacik (Elrick and Lavidge, Inc.) y los otros profesionales que contribuyeron a este libro. Los revisores me dieron muchas sugerencias constructivas y valiosas. Entre otros, agra­ dezco la ayuda de los revisores siguientes.

Revisores de la segunda edición Rick Andrews, University of Delaware Holland Blades, Jr., Missouri Southern State College Sharmila Chatterjee, Santa Clara University Rajshekhar Javalgi, Cleveland State University Mushtaq Luqmani, Western Michigan University Jeanne Munger, University of Southern Maine Audesh Paswan, University of South Dakota Venkatram Ramaswamy, University of Michigan Gillian Rice, Thunderbird University Paul L. Sauer, Canisius College Hans Srinivasan, University of Connecticut

Revisores de la primera edición David M. Andrus, Kansas State University Joe Ballenger, Stephen E Austin State University Joseph D. Brown, Ball State University Thomas E. Buzas, Eastern Michigan University Rajendar K. Garg, Northeastern Illinois University Lawrence D. Gibson, Asesor Ronald E. Goldsmith, Florida State University Rajshekhar G. Javalgi, Cleveland State University

Charlotte H. Masón, University of North Carolina Kent Nakamoto, University of Colorado Thomas J. Page, Jr., Michigan State University William S. Perkins, Pennsylvania State University Sudhi Seshadri, University of Maryland at College Park David Shani, Baruch College El equipo de Prentice-Hall me ofreció un gran apoyo. Debo expresar un agradecimien­ to especial a james C. Boyd, editor en jefe; David Borkowsky, editor de mercadotecnia sénior; Sandra Steiner, directora de mercadotecnia de Business Publishing División de Prentice-Hall; John Chillingworth, gerente de mercadotecnia; Edie Pullman, editor de producción; Theresa Festa, asistente administrativo; y Carole Horton, editor de campo. Un reconocimiento espe­ cial a los diversos representantes de campo y vendedores, que realizaron un trabajo sobresa­ liente en la venta del libro. Deseo agradecer con mucho respeto a mis padres, el señor y la señora H. N. Malhotra. Su amor, motivación, apoyo y sacrificio han sido ejemplares. Mi amor y gratitud a mi esposa, Veena, y mis hijos, Ruth y Paul, por su fe, esperanza y amor. Sobre todo, quiero expresar un reconocimiento y agradecer a mi Salvador y Señor Jesucristo, por los numerosos milagros que ha hecho en mi vida. En verdad, este libro es el resultado de Su gracia. “Esto es lo que hizo el Señor; es una maravilla a nuestros ojos” (Salmo 118:23). Naresh K. M alhotra

Semblanza del autor N A R ESH K. M A L H O T R A es profesor regente en el Instituto Tecnológico de Georgia. Es presidente de la Academy of Marketing Science, socio distinguido de la Academy of Marketing Science y socio del D ecisión Science Institute. Ha publicado más de 60 artículos en importantes publicaciones como el Journal o f Marketing Research, Journal o f Consum er Research, M arketing Science, Journal o f Marketing, Journal ofthe Academy o f Marketing Science, Journal o f Retailing, Journal o f Health Care Marketing y otras publicaciones líderes en el campo de la estadística, ciencias administrativas y psi­ cología. Además, ha publicado numero­ sos artículos que preceden a sus confe­ rencias nacionales e internacionales. Malhotra ha publicado nueve tra­ bajos en el prestigioso Journal o f Marketing Research. En un artículo que firmaron W heatley y Wilson (AMA Educators’ Proceedings, 1987), Malhotra fue clasificado como el primero en Estados Unidos, apoyado por los

artículos publicados en el Journal o f Marketing Research desde 1980 hasta 1985. También fue clasificado como el primero en el país con base en los ar­ tículos publicados en el Journal o f Health Care Marketing, desde el inicio de su pu­ blicación en 1994. (Este análisis fue rea­ lizado por William Gombeski Jr., editor de este periódico.) Malhotra ha recibido numerosos premios por sus investigacio­ nes, enseñanzas y por el servicio que ha prestado a la profesión. También es un activo consultor de mercadotecnia y de investigación de mer­ cados, y ha dado asesoría a instituciones públicas, privadas y a organizaciones gu­ bernamentales, tanto en Estados Unidos como en el extranjero. Asimismo, ha ser­ vido como experto para realizar trámites regulatorios y legales. El doctor Malhotra es miembro y diácono de la Primera Iglesia Bautista de Atlanta. Vive en el área de Atlanta con su esposa Veena y sus hijos Ruth y Paul.

PARTE

I

Introducción y primeras fases de la investigación de mercados C a p ítu lo

1

Introducción a la investigación de mercados

C a p ítu lo

2

Definición del problema de investigación de mercados y desarrollo de una propuesta PERSPECTIVAS PROFESIONALES PARA LA PARTE I CASOS PARA LA PARTE 1

♦ En esta parte, analizaremos la naturaleza y el campo de aplicación de la investigación de mercados y explicaremos su papel en los sistemas de apoyo para la toma de decisiones. Describiremos la industria de la investigación de mercados y las diversas oportunidades para hacer carrera en este campo. Estableceremos un proceso de seis pasos para la investigación de mercado y estudiaremos con detalle la definición del problema, que es el primer paso y más importante. Por último, describiremos el desarrollo de un planteamiento del problema, que es el segundo paso en el proceso de investigación de mercados y analizaremos en forma detallada varios componentes del planteamiento. La perspectiva dada en estos capítulos será de utilidad tanto para quienes toman decisiones como para los investigadores de mercado.

CAPITULO

Introducción a la investigación de mercados S a tarea cíe io s inuestigaJores Je m ercados esp roporcion a r a los ejecutíuos ía m jorm ación necesaria p a ra reso lver io s problem as Je m ercados.

Objetivos Al finalizar la lectura de este capítulo, el estudiante podrá: 1. Entender la naturaleza y alcance de la investigación de mercados y su papel en el diseño e instrumentación exitosos de los programas de mercadotecnia. 2. Explicar el papel de la investigación de mercados en los sistemas para apoyar la toma de decisiones, al proporcionar datos y modelos de mercadotecnia. 3. Analizar el papel que deberán desempeñar tanto los proveedores internos como externos, que lleven a cabo la investigación, considerando un servicio completo y/o un servicio limitado. 4. Describir las carreras disponibles en la investigación de mercados, así como los antecedentes y habilidades necesarios para triunfar en ellas. 5 . Describir la estructura conceptual para llevar a cabo una investigación de mercados, así como los seis pasos del proceso de investigación de mercados. 6 . Desarrollar un punto de vista acerca de la complejidad y dimensión que im­ plica la investigación de mercados internacionales. 7. Comprender los aspectos éticos de la investigación de mercados, así como la responsabilidad que tienen con los demás y con el proyecto de investigación mismo, aquellos que aceptan el riesgo de realizar la investigación. 8 . Explicar cómo las microcomputadoras y las mainframes facilitan el proceso de investigación de mercados.

P anorama general La investigación de mercados comprende una de las facetas más importantes e interesantes de la mercadotecnia. En este capítulo, describiremos la naturaleza de la investigación de mer­ cados, poniendo énfasis en su papel como proveedora de información para la toma de decisiones. Propondremos, asimismo, algunos ejemplos reales para ilustrar los conceptos bá­ sicos en la investigación de mercados. Daremos una definición formal de investigación de mercados y la subdividiremos en dos áreas: identificación del problema y resolución de pro­ blemas de investigación. Mostraremos también que esta investigación es parte integral de los sistemas de información de mercados o sistemas de apoyo para la toma de decisiones. Des­ pués ofreceremos un panorama general de los proveedores y servicios de investigación de mercados junto con los lineamientos para la selección de proveedores, al tomar en cuenta la demanda que existe de investigaciones de calidad. Estudiaremos las oportunidades que exis­ ten para desarrollar una carrera junto con los principios éticos y describiremos los pasos en el proceso de investigación de mercados. Para ilustrar este proceso, analizaremos el proyecto de patrocinio para las tiendas departamentales, proyecto de investigación de mercados que el autor lleva a cabo actualmente y que usaremos como ejemplo a lo largo del libro. La investi­ gación de mercados internacionales se plantea y estudia de manera sistemática en capítulos subsecuentes. También se presentan y desarrollan con mayor detalle, aquí y a lo largo del texto, los aspectos éticos y la responsabilidad que tienen los investigadores con ellos mismos, con los demás y con el proyecto cuando aceptan realizar la investigación de mercados.

¿Qué a b a r c a l a in v e s t ig a c ió n d e m er c a d o s ; El término investigación de mercados, tiene un significado amplio; se relaciona con todos los aspectos de la mercadotecnia. Los ejemplos que siguen proporcionan una idea de su variada naturaleza.

EJEMPLO Baby Bell crece------------------------------------------------------------En 1983, la recesión de la industria estadounidense de telecomunicaciones propició que la responsabilidad de reconstruir su imagen ante el público recayera en las pequeñas compañías de telecomunicaciones denominadas “Baby Bell”. La empresa Southwestem Bell, con sede en St. Louis, utilizó la investigación de mercados para medir cómo perciben los consumidores los servicios que presta. La compañía ha tenido éxito para conseguir el apoyo del público con la ayuda de una encuesta telefónica periódica, llamada encuesta de actitudes del consumidor (EA C). Esta encuesta ayuda a Southwestem Bell a identificar y tratar las preocupaciones de los con­ sumidores. Por ejemplo, cuando los clientes se quejaron acerca de la dificultad que tenían para entender el formato de cobro, se ideó un nuevo formato más sencillo de leer y entender. Como resultado de la EAC, la actitud del consumi­ dor hacia la compañía se mantiene alta todo el tiempo.1 ♦

Southwestem Bell Telephone

“The One to CallOn”

Los estudios de actitud del consumidor han ayudado a Southwestem Bell a crear una imagen favorable; “The one to cali on”. ♦ Southwestem Bell.

EJEMPLO Lo que hace un presidente__________________________________ El presidente Bill Clinton utiliza la investigación de mercados para desarrollar sus políticas y mejorar las iniciativas ya existentes. Clinton y su equipo utilizan las sesiones de grupo, entrevistas telefónicas y encuestas personales, también combinan el estilo de entrevista. Para el presidente, los contribuyentes son “los clientes” de su administración y necesita entender lo que ellos esperan de sus políticas. Su primera gran prueba se presentó durante su primer informe a la nación, cuando descubrió su “producto con una demanda incierta”, un nuevo paquete económico que in­ cluía impuestos más altos. La Casa Blanca utilizó la investigación de mercados para mejorar algunos aspectos del nuevo paquete y venderlo al público estadounidense. El incremento de los impuestos fue lo más difícil de vender. Clinton utilizó sesiones de grupo y encuestas tele­ fónicas para determinar de qué manera podría aceptarse el nuevo paquete. La investigación indicó que el público estaba dispuesto a pagar más impuestos siempre y cuando se redujera la deuda nacional. La investigación también reveló que se esperaba que tanto el presidente como el Congreso eliminaran los gastos federales innecesarios. Por lo que la reducción del déficit fue un aspecto importante dentro del paquete. Un ejecutivo de publicidad hizo notar que, “instituir una nueva política era igual que ofrecer un nuevo producto. Cuando se ofrece algo hay que concentrarse en el beneficio fi­ nal”. Bill Clinton lo intentó hacer mediante el uso de la investigación de mercados.2 ♦

EJEMPLO La investigación de mercados dio ventajas a NEC ___________________ Cuando rediseñó su computadora personal notebook, NEC, la compañía japonesa de pro­ ductos electrónicos, se dirigió a los usuarios del área de negocios antes que a los ingenieros. Se observó la manera en que los usuarios utilizaban las computadoras notebook. Este proceso de observación reveló que la gente que usa las notebook, por lo general, desarrolla múltiples actividades. Por tanto, un sistema de cerrado que requería el uso de las dos manos era incon­ veniente. Con esta información, la compañía diseñó un sistema de cerradura que requería de una sola mano para operarlo. Se realizó una investigación posterior a través de sesiones de grupo y entrevistas perso­ nales asistidas por computadora (CAPI). Se encontró que para los hombres y mujeres de negocios, la versatilidad y la construcción modular eran aspectos importantes. NEC rediseñó su computadora para que tuviera partes de fácil armado y permitiera una configuración ver­ sátil, incluyendo la pantalla, que podía desconectarse y cambiar su posición para permitir que otras personas pudieran mirar. La construcción modular también era importante y mu­ chos consumidores necesitaban una batería de larga duración, sobre todo en viajes de largas distancias donde no hay acceso a una toma de corriente eléctrica. El nuevo diseño de NEC incorporó diversos paquetes de baterías que permiten extender su uso. Otro hallazgo que surgió de las sesiones de grupo y las CAPI, fue que cada vez y con mayor frecuencia la gente lleva sus computadoras a donde va y esto se convierte en algo común entre las personas de negocios. Con lo anterior, NEC diseñó la UltraLite Versa, cuyas características son mejores que las de otras notebook y tienen un diseño más atractivo que cualquier otro producto de oficina. A NEC le funcionó bien rediseñar este artículo. Sólo cuatro meses después de la intro­ ducción de la UltraLite Versa, la participación de NEC en el mercado de las computadoras notebook se incrementó 2.5% y la Versa obtuvo 10% del mercado en sólo un año. Por el contrario, Zenith acudió a un asesor industrial para rediseñar su computadora notebook. Aunque el asesor desarrolló un artículo que ganó muchos premios en diseño, no tomó en cuenta las necesidades del consumidor. Como consecuencia, las ventas de la computadora rediseñada se redujeron hasta el 1% del mercado.3 ♦

EJEMPLO Ford “prueba” el mercado de los automóviles _____________________ Ford Motor Company llevó a cabo una clínica de investigación de mercados para probar el diseño de sus nuevos modelos de automóviles. Invitó a sus clientes a manejar sus modelos prototipo a lo largo de una ruta determinada. Un observador capacitado viajó con ellos y tomó notas acerca de las reacciones del conductor hacia el au­ tomóvil. Después del recorrido, se proporcionó un cuestionario de seis páginas a cada participante y se le pidió que evaluara cada aspecto del automóvil con base en una escala que iba de malo a excelen­ te. La información que proporcionaron los partici­ pantes permitió a Ford determinar las reacciones del consumidor hacia sus nuevos modelos e hizo que éstos se apegaran más a sus objetivos. Por ejem­ plo, en 1996 se introdujo el Probe con mejoras en las luces, dirigidas a satisfacer la preocupación por la seguridad identificada en la clínica de investiga­ La investigación de mercados que realiza Ford Motor Company da como ción de mercados.4 ♦ resultado modelos exitosos como el Probe 1996. ♦ Ford Motor Company.

EJEMPLO El Hospital Century City inaugura el NewCentury of Health Care_________ Mientras que la mayor parte de los hospitales de Estados Unidos se concentran en la reduc­ ción de costos, el Hospital Century City en Los Angeles abrió su pabellón de lujo Century Pavilion, que ofrece hospitalización privada a todo lujo. Esta acción se basa en una extensa investigación de mercados, que incluyó el análisis de los datos publicados y una amplia en­ cuesta que indicó que alrededor del 50% de los residentes locales tenían ingresos altos, esta­ ban acostumbrados a lo mejor en comida y hospedaje y valoraban la privacía y exclusividad. Por tanto, el Hospital Century City podía ocupar un lugar sobresaliente en ese segmento del mercado.5 ♦

EJEMPLO El jurado está a favor de la investigación de mercados _______________ Los abogados ahora recurren a la investigación de mercados para entender mejor sus litigios. Encuentran que la investigación de mercados puede beneficiarlos sobre todo cuando el caso es difícil, el jurado es diverso y los hechos dan lugar a controversias. Los consultores en investigación jurídica, utilizan técnicas como sesiones de grupo y bases de datos psicográficas y demográficas. Uno de estos instrumentos de investigación es el PercepTrac, una base de datos para jurados. El instrumento se utiliza para que los jurados reaccionen en forma positiva o negativa a los hechos que se presentan en el juicio. Los cam­ bios en la respuesta que presenta el jurado se registran durante el juicio. El abogado puede revisar la respuesta para determinar si la presentación de los hechos fue bien recibida. Los datos de respuesta pueden clasificarse por perfiles demográficos y psicográficos, de manera que el abogado pueda entender mejor las reacciones del jurado. El departamento de transpor­ tes de Florida utilizó con éxito el dispositivo en un caso en el que se buscaba asegurar los terrenos para la ampliación de una carretera. El dispositivo señaló un término legal que per­ mitía prohibir el uso de los terrenos, una tentación muy atractiva que causaba gran cantidad de respuestas negativas por parte de un jurado no muy capacitado. Cuando el caso se presen­ tó ante la corte, el abogado evitó la disposición legal que causó tal respuesta negativa en el jurado y por consiguiente ganó el caso.6 ♦

EJEMPLO FIND es un verdadero hallazgo para los investigadores de mercados___________________________________________ ¿Quiere conocer las tendencias más recientes en el mercado de muebles para jóvenes? ¿Cuántos de los productos lácteos australianos se exportan a Estados Unidos? ¿Cuál de los grandes fabricantes de comida pone a prueba un nuevo tipo de galletas congeladas? La respuesta a estas preguntas puede obtenerse en FIND/SVP, un servicio de información e investigación mundial y el centro de infor­ m ación de negocios más grande de Estados Unidos, con sede en Nueva York. Su meta es satisfacer las necesi­ dades de información e in­ vestigación de los negocios estadounidenses y proveer un servicio eficiente, rápido y con un costo conveniente mediante una llamada tele­ fónica. Más de la mitad de las empresas importantes que aparecen en la revista Fortu­ ne 100, utilizan FIND como auxiliar dentro de la estruc­ tura de sus departamentos de investigación de merca­ dos. Con la información que satisface las necesidades es­ pecíficas de los clientes al menor costo, FIND/SVP me­ jora la efectividad y eficien­ cia de las investigaciones de mercados que realizan esas empresas.7 ♦

FIND/SVP es un servicio mun­ dial de información e investiga­ ción y es el centro de informa­ ción de negocios más grande de Estados Unidos. ♦ FIND/SVP.

L

a n a t u r a le z a d e l a in v e s t ig a c ió n d e m er ca d o s Los ejemplos que presentamos ilustran algunos de los métodos que se utilizan para llevar a cabo una investigación de mercados, con encuestas de persona a persona, cuestionarios apli­ cados a una población limitada, encuestas amplias, fuentes públicas de información y sesio­ nes de grupo. Este libro lo introducirá a toda la variedad de técnicas de investigación de mer­ cados. Asimismo, los ejemplos anteriores ilustran el papel crucial de la investigación de mercados en la instrumentación y el diseño exitosos de los programas de mercado.8 Quizá podamos comprender mejor el papel de la investigación de mercados, a la luz del paradigma básico de la mercadotecnia, representado en la figura 1.1.

K

m

El papel de la investigación de mercados

La mercadotecnia busca identificar y satisfacer las necesidades de los clientes. Para definir las necesidades de los clientes, instrumentar las estrategias de mercados y los pro­ gramas encaminados a satisfacer esas necesidades, los directivos de mercadotecnia requie­ ren información acerca de sus clientes, sus competidores y otras fuerzas del mercado. En años recientes, muchos factores exigen mayor y mejor información. A medida que las com­ pañías obtienen alcance nacional e internacional, su necesidad de información relacio­ nada con los mercados, que cada vez son más grandes y distantes, es mayor. En virtud de que los consumidores se vuelven más sofisticados, los directivos de mercadotecnia requieren mejor información acerca de cómo responden a los productos y ofertas del mercado. Como la competencia se ha vuelto más intensa, los directivos necesitan información oportuna de la efectividad de sus instrumentos de mercadotecnia, considerando que el entorno cambia con rapidez.9 La tarea de la investigación de mercados consiste en satisfacer las necesidades de infor­ mación y proporcionar a la gerencia información actualizada, relevante, exacta, confiable y válida. El ambiente competitivo actual de la mercadotecnia y los costos, siempre en aumen­ to, que se atribuyen a una toma de decisiones poco efectiva, requieren que la investigación de mercados contribuya con información significativa. Las decisiones apropiadas no se basan en el sexto sentido, la intuición o en un juicio puro. En ausencia de una información relevan­ te, una decisión puede resultar incorrecta como se ilustra en el caso de la aspirina para niños de Johnson & Johnson.

EJEMPLO La suavidad de J & J no puede manejar el dolor ___________________ El intento de Johnson & Johnson de utilizar el nombre de la empresa en una aspirina para bebés no tuvo éxito. Los productos de Johnson & Johnson se perciben como suaves, pero la suavidad no es lo que la gente requiere en una aspirina para bebés. Aunque la aspirina para bebés debe ser segura, la suavidad en sí no es una característica deseable. Por el contrario, algunas personas piensan que una aspirina suave no es efectiva. Aquí presentamos un ejem­ plo de lo que parece ser una acción natural que resultó ser una decisión incorrecta.10 ♦ Como vimos en el ejemplo de Johnson & Johnson, los directivos de mercadotecnia toman gran número de decisiones tácticas y estratégicas durante el proceso de identificación y satisfacción de las necesidades del cliente. Tal como se mostró en la figura 1.1, los directivos toman decisiones respecto de las oportunidades potenciales; seleccionan el mercado meta y la segmentación del mismo; planean e instrumentan los programas de mercadotecnia, así como el desempeño y control de la misma. Estas decisiones se complican por las interaccio­ nes entre las variables controlables de mercado del producto, su precio, promoción y distri­ bución. Además, otras complicaciones debido a las variables no controlables como son los factores del medio ambiente, las condiciones económicas, tecnológicas, las políticas públi­ cas, legislaciones, el ambiente político, la competencia y los cambios culturales y sociales. Otro factor, en esta combinación, es la complejidad que presentan los diversos grupos de clientes: consumidores, empleados, accionistas, proveedores, etc. La investigación de merca­ dos ayuda a los directivos de mercadotecnia a enlazar las variables del mercado con el am­ biente y los diversos grupos de clientes. Ayuda, además, a disminuir la incertidumbre gracias a que proporciona información relevante acerca de las variables del mercado, el ambiente y los consumidores. En ausencia de información importante, la respuesta del consumidor a los programas de mercadotecnia no puede pronosticarse en forma confiable ni exacta. Los pro­ gramas de mercadotecnia actuales proporcionan información relacionada con los factores controlables, no controlables y los consumidores; esta información permite aumentar la efec­ tividad en la toma de decisiones por parte de los gerentes de mercadotecnia.11 Tradicionalmente, los investigadores de mercados han sido responsables de evaluar las necesidades de información y proporcionar información relevante; sin embargo, los directi­ vos toman las decisiones. No obstante, los papeles están cambiando y los investigadores de mercados participan cada vez más en la toma de decisiones, en tanto que los directivos de mercadotecnia lo hacen en la investigación. Esta tendencia puede atribuirse a una mejor capacitación por parte de los directivos de mercadotecnia, a los avances en la tecnología y a una transformación en el paradigma de la investigación de mercados que se realiza, cada vez con mayor frecuencia, en forma continua en lugar de ser una respuesta a problemas u oportu­ nidades específicas del mercado.12 Este papel crucial de la investigación se reconoce en la definición que damos en la siguiente sección.

D

e f in ic ió n d e in v e s t ig a c ió n d e m er c a d o s La definición formal de investigación de mercados de la American Marketing Association se presenta en el recuadro de Investigación en la práctica 1.1.13 Para los propósitos de este libro, que recalca la necesidad de información para la toma de decisiones, la investigación de mer­ cados se define como sigue: La investigación de mercados es la identificación, recopilación, análisis y difusión de la infor­ mación de manera sistemática y objetiva, con el propósito de mejorar la toma de decisiones relacionadas con la identificación y solución de problemas y oportunidades de mercadotecnia.

investigación de mercados Es la identifi­ cación, recopilación, análisis y difusión siste­ máticos y objetivos de la información, con el pro­ pósito de mejorar la toma de decisiones relacionada con la identificación y solución de problemas y oportunidades en la mer­ cadotecnia.

Algunos aspectos de esta definición son dignos de atención. Primero, la investigación de mercados es sistemática. Luego entonces, una planeación sistemática requiere en todos sus pasos de un proceso de investigación de mercados. Los procedimientos que se siguen en cada uno de los pasos deben ser correctos en el aspecto metodológico, estar bien documenta­ dos y con una planeación anticipada. La investigación de mercados utiliza el método cientí­ fico en la recopilación y el análisis de datos para probar ideas o hipótesis previas. La investigación de mercados es objetiva. Intenta proporcionar información precisa que refleje la condición real y debe realizarse de manera imparcial. Aunque la investigación siempre está influenciada por la filosofía del investigador, deberá estar libre de tendencias, tanto del investigador como de la gerencia. La investigación motivada por tendencias delibe­ radas dará como resultado hallazgos predeterminados. El motivo de cualquier investigador deberá ser: “Encontrar y decir las cosas tal como son”.

I n vestig ació n en la p r á ct ica i . i L a American Marketing Association redefine la investigación de mercados El consejo directivo de la American Marketing Association aprobó como la nue­ va definición de investigación de mercados la siguiente: La investigación de mercados es la función que vincula al consumidor, al cliente y al público con el comerciante a través de la información, ésta se utiliza para identificar y definir las oportunidades y problemas de mercadotecnia; ge­ nerar, refinar y evaluar las acciones de mercadotecnia; vigilar su desarrollo y mejorar su comprensión como un proceso. La investigación de mercados especifica qué información se requiere para tratar estos asuntos, diseña el método para recopilar la información, administra e instrumenta el proceso de recolección de datos, analiza los resultados y co­ munica sus hallazgos e implicaciones.

La investigación de mercados incluye la identificación, recopilación, análisis y difusión de la información. Cada una de las etapas del proceso es importante. Identificamos o defini­ mos el problema u oportunidad de investigación de mercados, y luego determinamos qué información es necesario investigar. Ya que cada oportunidad de mercadotecnia se transfor­ ma en un problema que debe investigarse, los términos problema y oportunidad se usan aquí de manera indistinta. Posteriormente, se identifican las fuentes de información relevante y los métodos de recopilación de datos se evalúan de acuerdo con su complejidad y sofisticación, a fin de determinar su utilidad. Los datos se recopilan con el método más apropiado; se anali­ zan, interpretan y se obtienen deducciones. Por último, los hallazgos, implicaciones y reco­ mendaciones se presentan en un formato que permite que la información se utilice para tomar decisiones y pueda trabajarse con ésta directamente. La siguiente sección clasifica los diferentes tipos de investigación de mercados.14

u

C

Parte I

Introducción y primeras fases de la investigación de mercados

l a s if ic a c ió n d e l a in v e s t ig a c ió n d e m er c a d o s

investigación para la identificación de proble­ mas Investigación que se lleva a cabo para ayu­ dar a identificar proble­ mas que no necesaria­ mente son visibles y sin embargo existen, o al parecer pueden surgir en el futuro.

Nuestra definición establece que las organizaciones realizan la investigación de mercados por dos razones: 1) para identificar y 2) para resolver problemas de mercadotecnia. Esta distinción sirve como base para clasificar la investigación de mercados en: investigación para identificar problemas e investigación para resolver problemas, como se muestra en la figura 1.2. La investigación para la identificación de problemas se emprende para ayudar a reco­ nocer problemas que quizá no son aparentes a primera vista y que, sin embargo, existen y pueden aparecer en el futuro. Algunos ejemplos de este tipo de investigación incluyen: merca­ do potencial, participación de mercado, imagen de marca o compañía, características del mercado, análisis de ventas, proyecciones a corto plazo, proyecciones a largo plazo e inves­ tigación de las tendencias del mercado. Un estudio acerca de las compañías que llevan a ca­ bo investigación de mercados, indica que el 97% de aquellas que respondieron, llevaban a cabo estudios acerca del potencial, participación y características del mercado.15 Alrededor del 90% también reportaron que utilizaban otro tipo de investigación. Esta investigación proporciona información acerca del ambiente del mercado y ayuda a diagnosticar el proble­ ma. Por ejemplo, un mercado potencial en declive indica que la empresa puede tener pro­ blemas para alcanzar sus objetivos de crecimiento. Asimismo, existe un problema si el poten­ cial de mercado crece, pero la empresa pierde su participación. El reconocimiento de las tendencias económicas, sociales o culturales, como los cambios en el comportamiento del consumidor, pueden señalar problemas u oportunidades. La importancia de emprender la investigación para identificar problemas, para la supervivencia y el crecimiento a largo plazo de una empresa, se ejemplifica con el siguiente caso.

F ig u r a 1.2 Clasificación de la investigación de mercados

EJEMPLO Investigar su imagen ayudó a PIP a convertirse en VIP (Very Important Printer; impresor muy importante) ------------------------Las ventas en PIP Printing habían sido muy altas y la empresa permaneció como líder del mercado. Sin embargo, un estudio de imagen de la empresa reveló un problema potencial.

Dos grandes segmentos del mercado de impresiones son las tiendas de copiado grandes y pequeñas, y los impresores comerciales, que hacen informes anuales e impresiones a color más rentables. El estudio de la imagen reveló que los clientes pensaban en PIP como una pequeña tienda de copias. No sabían que PIP podía hacer cualquier tipo de impresión comer­ cial. Posteriormente, la investigación de mercados indicó que un número de competidores cada vez mayor, desarrollaban para sobrevivir, guerras de precios en detrimento de los márge­ nes de utilidad. Esta información permitió a PIP dedicarse de manera más agresiva a un mer­ cado más rentable y volver a posicionarse como el “negocio de impresiones más grande del mundo”. ♦

investigación para resol­ ver problem as Investi­ gación que se lleva a cabo para ayudar a resolver problemas específicos de m ercadotecnia.

Una vez que se identifica el problema o la oportunidad, como en el caso de PIP, se emprende la investigación para resolver problemas, a fin de llegar a una solución. Los ha llazgos de esta investigación se utilizan para la toma de decisiones de problemas específicos de mercadotecnia. Más de dos terceras partes de las compañías llevan a cabo este tipo de investigación.16 La tabla 1.1 muestra los diferentes tipos de principios que aplica esta investi­ gación en la solución de problemas, incluyendo la segmentación, la investigación del pro­ ducto, el precio, la promoción y la distribución. El reposicionamiento de Ovaltine nos ofrece un ejemplo.

T a b l a 1.1 Investigación para la resolución de problemas

Investigación de la segmentación determinar las bases de la segmentación establecer el mercado potencial y la respuesta para varios segmentos seleccionar mercados meta y crear perfiles de estilo de vida: demografía, medios y características de imagen de producto Investigación del producto concepto de prueba determinar el diseño óptimo del producto pruebas en paquete modificación del producto posicionamiento y reposicionamiento de la marca mercado de prueba pruebas de control en tiendas Investigación de precios importancia del precio para la selección de la marca política de precios costeo por línea de producto elasticidad del precio de la demanda introducción y respuesta a los cambios de precios Investigación de las promociones presupuesto óptimo para promociones relación entre ventas y promociones mezcla promocional óptima decisiones a imitar decisiones de medios pruebas de publicidad creativa comprobación de reclamaciones evaluación de la efectividad de la publicidad Investigación de la distribución determinar el tipo de distribución actitudes de los miembros del canal intensidad de la cobertura de mayoristas y detallistas márgenes del canal localización de las tiendas detallistas y mayoristas

EJEMPLO Ovaltine despierta el mercado de las bebidas de chocolate ____________ Originalmente popular en la época de la Segunda Guerra Mundial, como bebida para antes de ir a la cama, Ovaltine, bebida de chocolate caliente, comenzó a perder participación de mercado en la década de los sesenta. La primera reacción de la gerencia fue volver a utilizar los caracteres distintivos que se usaron en la publicidad durante la guerra. Sin embargo, estos caracteres ya pasados de moda no eran adecuados para los nuevos tiempos y sólo sirvieron para reforzar la imagen de Ovaltine como una bebida para antes de dormir. La gerencia empleó la investigación de mercados para ayudar a desarrollar su producto. La investigación para reposicionar la marca reveló algunas características. En virtud de que sólo contiene ingredientes naturales, Ovaltine podía posicionarse como una bebida saluda­ ble, cuyo mercado meta serían madres de veinte a treinta y cinco años de edad. Además, la demanda de bebidas instantáneas estaba incrementándose y una versión baja en calorías fue bien recibida en una prueba conceptual en la que los participantes dieron su evaluación a diversas bebidas de chocolate caliente. La compañía desarrolló un batido de chocolate caliente y una bebida Ovaltine baja en calorías para satisfacer estas necesidades. Esto le ayudó a recuperar algo de la participación que había perdido.17 ♦ Resulta útil clasificar la investigación de mercados tanto desde el punto de vista con­ ceptual como práctico. El ejemplo de Ovaltine es una clara muestra de investigación para la resolución de problemas. Esta perspectiva capacitó a la administración de Ovaltine para con­ centrarse en el desarrollo del producto. La investigación para la identificación de problemas y la investigación para la resolución de problemas van de la mano; sin embargo, en algu­ nos proyectos de investigación de mercados podría ser necesario combinar ambas técnicas. Un proyecto de investigación para Scott Paper Company, encaminado a averiguar la causa de la pérdida de participación de mercado, identificó que el motivo era el incremento en la competencia local (identificación del problema) y que la solución era introducir nuevos pro­ ductos diseñados para enfrentar esta competencia (resolución de problemas).

E

l pa pel d e l a in v e s t ig a c ió n d e m er c a d o s en lo s m is y dss

sistemas de información de mercados (MIS) Con­ junto de procedimientos formales para generar, ana­ lizar, almacenar y distribuir información importante para quienes toman deci­ siones continuamente.

sistema de apoyo a las decisiones (DSS) Sistema de información que capa­ cita a quienes toman deci-

Anteriormente definimos la investigación de mercados como la identificación, recopilación, análisis y difusión sistemáticos y objetivos de la información para su uso en la toma de deci­ siones.18 La información obtenida a través de la investigación y de las fuentes tales como registros internos e inteligencia de mercado, viene a ser una parte integral del sistema de información de mercado de la empresa (M IS). Un sistema de inform ación de mercado (M IS) es un conjunto de procedimientos formales para generar, analizar, almacenar y distribuir in­ formación pertinente a quienes toman decisiones sobre la marcha. Hay que destacar que la definición de M IS es similar a la de investigación de mercados excepto que un M IS provee información de manera continua, y no sólo sobre la base de estudios de investigación especí­ ficos. El diseño de un M IS se centra en la responsabilidad, estilo y necesidades de informa­ ción de cada una de las personas que toma decisiones. La información acumulada de varias fuentes como facturación e inteligencia de mercados, se combina y presenta lista, para usarse en un formato que permite la toma de decisiones. Se puede obtener más información de un M IS que proporcione una investigación de mercados ad hoc, pero un M IS está limitado al número y naturaleza de los datos que proporciona y la manera en que esta información puede utilizarse, en virtud de que está estructurada de manera rígida y no puede manipularse con facilidad. Desarrollado para superar las limitaciones del MIS, el sistema de apoyo a las decisiones (DSS) capacita a quienes toman decisiones y los interrelaciona directamente con las bases de datos y modelos de análisis.19 Un sistema de apoyo a las decisiones (D SS) es un siste­ ma de información integrado que incluye hardware, red de comunicación, base de datos,

siones para interactuar di­ rectamente, tanto con las bases de datos como con los modelos analíticos. Los componentes más im­ portantes de un DSS incluyen hardware, red de comunicaciones, base de datos, base de mode­ los, base de software y el usuario DSS (quien toma las decisiones).

base de modelos, base de software y los usuarios de D SS (personas que toman decisiones) que recopilan e interpretan la información. La investigación de mercados contribuye, con datos de investigación, a la base de datos, los modelos de mercadotecnia y las técnicas analíticas, a la base de modelos, y los programas especializados para analizar los datos del mercado, a la base de software. El D SS difiere del MIS en varios aspectos (véase figura 1.3).20 Ambos com­ binan el uso de modelos o técnicas analíticas con las funciones de acceso y recuperación tradicionales de un MIS. Ambos son fáciles de usar de modo interactivo y pueden adaptarse tanto a los cambios del medio, como al enfoque de toma de decisiones que siga el usuario. Además, a fin de mejorar la eficiencia, un D SS puede aumentar la efectividad de la toma de decisiones utilizando el análisis “qué pasaría si”, como se ilustra en el ejemplo siguiente.21

F ig u r a 1.3 Sistemas de información para la dirección en comparación con sistemas de apoyo a las decisiones

MIS • • • • •

Problemas estructurados Uso de informes Estructura rígida Exposición restringida de la información Se puede m ejorar la tom a de decisiones depurando los datos primarios

DSS ♦ • • • •

Problemas no estructurados Uso de m odelos Interacción am igable con el usuario Adaptabilidad Se puede m ejorar la tom a de decisiones utilizando el análisis: "Qué pasa­ ría si"

EJEMPLO El Centro Médico utiliza los DSS para diagnosticar sus errores de mercadotecnia _______________________________ El Centro Médico Rose, un hospital en Denver de cuidado intensivo con 420 camas, en 18 meses negoció y obtuvo 42 contratos con organizaciones que ofrecen cuidados médicos (Preferred Provider Organizations y Health M aintenance Organizations). El Centro Médico Rose utilizó el modelo de simulación de contratos de D SS para realizar diversas permutas de contratos antes de hacer sus ofertas. El modelo clasificó los datos de costos de distintas for­ mas y simuló los costos y la utilidad mediante el uso de grupos de diversos tamaños. La infor­ mación resultante fue invaluable para la decisión acerca de qué tipo de contrato propondría el Centro Médico Rose. . Después de negociar un contrato, el Centro Médico Rose, utilizó el D SS para medir los cambios en sus mercados y comparó los índices y patrones de uso entre varios grupos de asegurados. Los análisis por códigos postales indicaron de dónde venían los casos y si la acti­ vidad de cierta área aumentaba o disminuía. Una clasificación cruzada posterior por tipo de asegurados indicó si estos cambios eran resultado de la negociación de uno de los contratos. Esta información fue útil no sólo para supervisar y controlar los contratos, sino también como retroalimentación para preparar futuras propuestas.22 ♦ Como se mostró en la experiencia del Centro Médico Rose, el M IS y el D SS pueden aumentar de valor la información disponible para la gerencia. En la toma de decisiones sobre asuntos específicos, los gerentes también pueden apoyarse en los proveedores y servicios de investigación de mercados.

P

r o v eed o r es y s e r v ic io s d e in v e s t ig a c ió n d e m er c a d o s Los proveedores y servicios de investigación de mercados proporcionan gran parte de la in­ formación necesaria para tomar decisiones de mercadotecnia. La figura 1.4 ofrece una clasi-

proveedores internos Departamentos de inves­ tigación de mercados que se encuentran dentro de la empresa.

proveedores externos Empresas externas de investigación de merca­ dos que se contratan para proporcionar servicios de investigación y datos de referencia. proveedores de servicio completo Compañías que ofrecen todo el rango de servicios de investiga­ ción de mercados.

ficación de los proveedores y servicios de investigación de mercados. De manera amplia, los proveedores de investigación pueden clasificarse como internos o externos. Un proveedor interno es el departamento de investigación de la propia empresa. Muchas empresas (en especial las grandes, que van desde las automotrices [GM, Ford, Chrysler], a las empresas de productos de consumo [Procter & Gamble, Colgate Palmolive, Coca-Cola] y los bancos [Citicorp, Bank of America]) mantienen departamentos internos de investigación de merca­ dos. El lugar que ocupa dentro de la organización un departamento de investigación de mer­ cados puede variar en forma considerable. Por una parte, la función de investigación puede estar centralizada y localizada en las oficinas corporativas centrales. Por otra parte, es una estructura descentralizada en la cual la función de investigación de mercados está organizada a lo largo de las líneas divisionales. En el esquema descentralizado, la compañía puede orga­ nizarse a través de divisiones por producto, consumidores o regiones geográficas, con perso­ nal de investigación asignado a varias divisiones. Este personal generalmente reporta al ge­ rente de la división antes que a los ejecutivos de nivel corporativo. Además, entre estos dos extremos, existe una gran variedad de tipos de estructura. La mejor organización dependerá de las necesidades de investigación, la estructura del mercado y demás funciones, aunque existe la tendencia hacia la centralización y a recortar el personal de investigación de merca­ dos. Los proveedores internos, a menudo, confían tareas específicas de investigación de mer­ cados a proveedores externos. En el recuadro de Investigación en la práctica 1.2, se ilustra cómo se organiza la función de la investigación de mercados en Oscar Mayer.24 Los proveedores externos no son parte de la empresa y se contratan para que proporcio­ nen datos sobre investigación de mercados. En conjunto, abarcan la industria de la investiga­ ción de mercados y van desde los pequeños operadores hasta grandes corporaciones mundia­ les.25 En el recuadro de Investigación en la práctica 1.3, se mencionan los 50 proveedores de investigación de mercados más importantes en Estados Unidos.26 Los proveedores externos pueden clasificarse como proveedores de servicio completo o de servicio limitado. Los provee­ dores de servicio completo ofrecen un amplio rango de servicios, que incluye desde la defini­ ción del problema, el desarrollo de un enfoque, el diseño de cuestionarios, muestreo, recopi­ lación, análisis e interpretación de datos, hasta la preparación y presentación de informes. Los servicios que ofrecen estos proveedores pueden dividirse, aún más, hasta llegar a los servicios de información sindicados, estandarizados y los servicios a la medida (véase la figura 1.4).

I n vestig ació n en la prá ctica 1.2 Organización de la investigación de mercados en Oscar M ayer :■■■n -

El departamento de investigación de mercados de Oscar Mayer, está organizado en dos áreas funcionales: investigación de marca y sistemas de mercadotecnia y analíticos (MSA). El grupo de investigación de marca tiene las responsabilidades siguientes: • • • •

Llevar a cabo la investigación primaria y secundaria Servir como asesores en mercadotecnia Analizar la tendencia en e! mercado Vigilar los avances en el “estado del arte" en la investigación de mercados

Los investigadores en el grupo MSA tienen que desempeñar estos tres papeles principales: • Llevar a cabo el análisis de ventas con base en los datos de seguimiento de embarques e inventarios • Apoyar a los usuarios de la información computarizada del departamento de mercadotecnia • Servir como fuentes de información de mercado

Proveedores de investigación

F ig u r a 1.4 Proveedores y servicios de la investigación de mercados

Internos

Externos

Servicio com pleto

Servicios sindicados

Servicios estandarizados

Servicios adaptados

Servicio limitado

Servicios de cam po

Servicios de codificación y captura de datos

Servicios analíticos

Servicios de análisis de datos

Servicios y productos de marca

I n vestig ació n en la p r á ct ica 1.3 L a s 5 0 organizaciones de investigación más importantes en E s ta d o s Unidos ............................................. ajsitic.jd.M i 1994 1993 1 l i l i s

3 4

1 2 I l l l l l l

5

s

6

0

4 7 8 10 11 9

7 9 10 11 i: 13 34 15 lo 17 18 19 20 21 22 23 24 25

13

— 20 12 15 17 'o 18 ;3:;£;Í!É;;::s ..l l i i 14 :

21 23 22

............................................................ :__________ ___ Total de ingresos

Organización D & B Marketing Information Services Information Resources Inc. The Arbitron Co. Westat Inc. Walsh Intemational/PMSI The NPD Group NFO Research Inc. Márket Facts Inc. The M. A R.C Ciimr Elrick and Lavidge Inc. Aht Asv'CKitct Audit* & Surwys, Inc. Opinión Research Corp. Walker Group The National Research Group Inc. Inr.-isiMrc.il LorpMAI Information Group

Roper Starch Worldwide Inc.

ru- — por investigación3 Porcentaje (en millones de cambio de dólares) de-de 19° i

$ 2,042.9 376.6 121.3

ny.c 107.2 104.8 80.8 61,5 55.5 50,5 47.8 46.8 43. V K

S

>S(> 37,0

Í0.0 34.0

w m sám m m

6.0% 12.6 5.4 6.3 14.9 -8.4 15.3 6.2 13.2 13.0 1.5 28.6 10.0 12.8

~; Porcentajes e ingresos del exterior de Estados Unidos (en millones .L’ dól.lK-)

20.4 :

l‘».0 53.4 I

B

l

Ú

l

56.0 23.1 :

l l l i l i :

m

l

S

9 M

i l

l i

l l

l i l l S

l l l i i i K jÉ

S

1.0 8.8 11.5

i i i g

l I ® m

f

l l f

l

20.0 m

M Bw im sm

$ 1,303.8C 60.3 ;

63,8%c 16.0

m

i i f

i

m

r n

g

l

s s É i

l

l

ig l

: i

13.7

IB S S É É fe ^ 5.5

l

m m - M É s M k , .......... i i i i h f c i i : : : : s a f i i i i l l B i a m m m is m 16.3 5.6 26.3 M

i

'

ñ

i

M

i

i

i

M

i

S Í i8 S Í i:;: IS iillllP

I S

I l B

I S

(L'imtíima'i

I n v e s t i g a c i ó n e n l a p r á c t i c a 1. 3

(continuación)

Las 50 organizaciones de investigación más importantes en Estados Unidos Cln.-itic;n_ión 1994 1993 :ó

Organización

Mercer Management Consulting/ Marketing Ciroup 27 8IIII8|M8¡I Ovalive iÍm Responde Remedid i >i.rvicr.il Je mure*"' por investigación3 (en millones de dólares)

Porcentajes e ingresos del eMerior .le Estados Unidos (en millones Je dnl.uvO

Porcentaje de cambio desde 1993b

2.3

C.6

Zh.O

6.1 1.6

10.0

28

llllllli^llllllllillIMgMillilllllllilillilllllllilililll 23.4 22.0 20.6 19.7 l l> 5 18.4 18.4 18.1

SB llllilB I

16.8

!¡¡¡¡¡il^¡¡i!l¡ll¡¡¡i¡li¡¡¡¡¡ 16.2 15.4 13.0

12.1 11.6 10.9 10.1

Ii¡iii¡i¡¡¡¡¡¡i¡ill¡¡l¡¡¡¡¡¡¡¡¡¡ 8.9 $4,057.4 380.9 >4.4** 3

No cambia 3.0 13.0 28.3 10.2 l3.o Í9.2 11.3 13.7 32.5 12.7 14-9 8.3 0.6 7.0 14.5 17.9 20.1 11.4 -3.0 No cambia 24.1 7.6% 5.4

¡¡lililí lilllll! 1.9 1I111111SI laiiBiiiiiiiliiiBii 4.9

9.8

11111111

52.0

ilillllIlSBll

22.1

llilllliSllllllli

B llllllllll 37.08%

0.4 51,531.7

7.4%

a Total de ingresas que incluyen actividades no relacionadas con la investigación, para algunas compañías pueden ser significativamente altas. bTasa de crecimiento año por año que se ha ajustado con el fin de que no incluya las ganancias de ingresos por adquisiciones.

d Ingresos torales d éla s 1 1 1 empresas investigadas, más allá d e la lista de las cincuenta más importantes, que provienen de información finan­ ciera proporcionada sobre bases confidenciales al consejo de la American Survey Research Organizadora (CASRO).

servicios sindicados Empresas que recopilan y venden conjuntos de datos diseñados para satisfacer las necesidades de infor­ mación de varios clientes.

Los servicios sindicados recopilan la información para sus suscriptores: estudios, debates periodísticos, exploraciones y auditorías son los principales medios, a través de los cuales se recopilan los datos. Por ejemplo, Nielsen Televisión Index proporciona información acerca del tamaño de la audiencia y las características demográficas de los hogares que ven ciertos programas de televisión. Asimismo, A.C. Nielsen investiga y da seguimiento a datos masivos, como los que genera el rastreo electrónico en las cajas registradoras de los supermer­

servicios estandarizados Compañías que utilizan procedimientos estanda­ rizados para proporcionar a varios clientes investi­ gación de mercados. servicios a la medida Compañías que desarro­ llan procedimientos de investigación para satis­ facer mejor las necesida­ des de cada cliente. proveedores de servicios limitados Compañías que se especializan en una o varias fases del proyecto de investigación de mercados. servicios de campo Compañías cuyo servicio principal es ofrecer su experiencia para la reco­ pilación de datos en los proyectos de investiga­ ción. servicios de codificación y captura de datos Compañías cuyo servicio principal es ofrecer su experiencia para transfor­ mar estudios completos o entrevistas en bases de datos utilizables a fin de llevar a cabo análisis estadísticos. servicios de análisis Compañías que propor­ cionan orientación para el desarrollo de un diseño de investigación. servicios de análisis de datos Empresas cuyo servicio primordial es llevar a cabo análisis estadísticos de datos cuantitativos. productos y servicios de marca registrada Procedimientos de reco­ pilación y análisis de datos desarrollados para emprender investigacio­ nes de mercado sobre problemas específicos.

cados. Por otro lado, el Stanford Research Institute realiza un estudio anual acerca de los consumidores, que se utiliza para clasificar a las personas en grupos homogéneos para fines de segmentación. El debate periodístico, que lleva a cabo el National Purchase Diary, mantiene el panel más importante de este tipo en Estados Unidos. Los servicios sindicados se estudia­ rán en el capítulo 4.27 Los servicios estandarizados son estudios de investigación que llevan a cabo distintos clientes de manera uniforme. Por ejemplo, los procedimientos para medir la efectividad de la publicidad pueden estandarizarse de tal forma que los resultados pueden compararse con estudios cruzados y es posible establecer normas de evaluación. El Starch Readership Survey es el servicio que se utiliza con mayor frecuencia para evaluar la publicidad impresa; otro servicio muy conocido es Gallup and Robinson Magazine Impact Studies. Estos servicios también se venden sobre bases sindicadas. Los servicios a la medida ofrecen una amplia variedad de servicios de investigación de mercados diseñados, de manera específica, para satisfacer alguna necesidad particular del cliente. Cada uno de los proyectos de investigación se maneja en forma individual. Algunas empresas de investigación de mercados que ofrecen este tipo de servicios son Burke Marketing Research, Market Facts, Inc. y Elrick & Lavidge. Los proveedores de servicios limitados se especializan en una o varias etapas del pro­ yecto de investigación de mercados. Los servicios que ofrecen se clasifican como servicios de campo, codificación y captura de datos, análisis de datos, servicios analíticos y productos de marca. Los servicios de campo llevan a cabo la recopilación de datos a través del correo y entrevistas personales o telefónicas. A las empresas que se especializan en estas entrevistas se les llama organizaciones de servicio de campo. Estas organizaciones pueden clasificarse desde pequeñas empresas que operan localmente, hasta grandes multinacionales que cuentan con amplias instalaciones para entrevistas W ATS. Algunas organizaciones cuentan con amplias instalaciones en todo el país a fin de poder entrevistar a los compradores en los centros co ­ merciales. Muchos ofrecen servicios de recopilación de datos cualitativos, como son las en­ trevistas en sesiones de grupo (este tema se estudiará en el capítulo 5). Algunas empresas que ofrecen servicios de campo son Field Facts, Inc., Field Work Chicago, Inc., Quality Controlled Services y Survey America. Los servicios de codificación y captura de datos incluyen la edición completa de cuestionarios, el desarrollo de un esquema de codificación y la transcripción de los datos a diskettes o cintas magnéticas a fin de poder darles entrada en la computadora. NRC Data Systems ofrece ese tipo de servicios. Los servicios de análisis incluyen el diseño y prueba previa de los cuestionarios, la determinación de los mejores medios para recopilar los datos, el diseño de los planes de mues­ treo, y otros aspectos del diseño de investigación. Algunos proyectos complejos de investiga­ ción de mercados requieren del conocimiento de procedimientos sofisticados que incluyen diseños experimentales especializados (se estudiarán en el capítulo 7) y técnicas analíticas, como el análisis asociado y las escalas multidimensionales (se estudiarán en el capítulo 21). Esta clase de estudios puede obtenerse de empresas de consultoría que se especializan en servicios de análisis. Los servicios de análisis de datos son ofrecidos por empresas, conocidas también como agencias de proyección, que se especializan en el análisis cuantitativo de datos obtenidos en estudios importantes. En un principio, muchas empresas dedicadas únicamente al análisis de datos eran capaces de realizar tabulaciones (conteos de frecuencia) y tabulaciones cruzadas (conteos de frecuencia que describen de manera simultánea dos o más variables). Ahora muchas compañías, como Sophisticated Data Research, Inc., ofrecen análisis sofisticados de datos mediante el uso de técnicas estadísticas muy avanzadas. Con la proliferación de las microcomputadoras y el software, muchas compañías tienen la capacidad de analizar sus datos; no obstante, las empresas de análisis de datos siguen teniendo demanda. Los productos y servicios de m arca registrada son un conjunto de datos y procedi­ mientos de análisis especializados, que se desarrollan para manejar diversos problemas de investigación de mercados. Estos procedimientos están patentados y se comercializan como cualquier otro producto con estas características. Magic Wand de DigiData Entry System es un ejemplo de este tipo de productos de marca y transcribe los datos provenientes de los

cuestionarios impresos a formatos legibles por la computadora. Usa un rastreador manual para recoger las respuestas de los formatos, las interpreta y luego las pasa a un disco.

S e l e c c ió n

d e l p r o v eed o r d e in v e s t ig a c ió n Las empresas que no puedan llevar a cabo un proyecto de investigación de mercados comple­ to con sus recursos internos, deberán seleccionar un proveedor externo para una o varias etapas del proyecto. La empresa deberá recopilar una lista de los prospectos de fuentes, como publicaciones sobre comercio, directorios profesionales y recomendaciones verbales. A fin de decidir los criterios para seleccionar un proveedor externo, la empresa deberá preguntar­ se qué tipo de apoyos externos requiere y por qué los busca. Por ejemplo, una pequeña em­ presa que necesita un proyecto de investigación puede encontrar que emplear una fuente externa puede ser lo más económico y eficiente. Quizá, la empresa no tenga la suficiente experiencia para llevar a cabo ciertas fases del proyecto o existan conflictos de interés o aspectos políticos que puedan determinar que un proveedor externo es lo adecuado. Al desarrollar los criterios de selección de un proveedor externo, la empresa deberá tener en mente algunos aspectos básicos: ¿qué reputación tiene el proveedor? ¿Ha terminado los proyectos de acuerdo con las fechas programadas? ¿Se reconoce al proveedor por mantener los estándares éticos? ¿Es una empresa flexible? ¿Sus proyectos de investigación son de alta calidad? ¿Qué clase y cuánta experiencia tiene? ¿La compañía ha tenido experiencia con proyec­ tos similares al nuestro? ¿El personal con el que cuenta el proveedor tiene experiencia tanto en las áreas técnicas como en las no técnicas? En otras palabras, además de las habilidades técnicas, ¿el personal asignado es sensible a las necesidades del cliente? ¿Comparte la filosofía de sus clientes respecto de la investigación? ¿El proveedor se comunica bien con sus clientes? Recuerde que las ofertas más económicas no siempre son las mejores. Es preciso obte­ ner varias ofertas a fin de comparar sobre una base de calidad y mejor precio. Es una buena práctica obtener las ofertas y contratos por escrito antes de comenzar el proyecto. La decisión acerca de los proveedores externos es igual a cualquier otra decisión administrativa, debe basarse en la información correcta.

C

a r r e r a s d e n t r o d e l a in v e s t ig a c ió n d e m er c a d o s Existen promisorias oportunidades para hacer carrera con las empresas de investigación de mercados (por ejemplo, Arbitran, Burke Marketing Research, Inc., M/A/R/C). Son igual­ mente atrayentes las carreras en las empresas y agencias tanto comerciales como no comer­ ciales y en los departamentos de investigación de mercados, dentro de las empresas (por ejemplo: Procter ¿G a m b le , Coca-Cola, A T& T, la Federal Trade Commission, el U.S. Census Bureau). Las Agencias de Publicidad (por ejemplo: B BD O International, Ogilvy & Mather, J. Walter Thompson, Young & Rubicam) también llevan a cabo investigación de mercados sustancial y emplean profesionales en este campo. Algunos puestos disponibles en la inves­ tigación de mercados incluyen vicepresidente de investigación de mercados, director de in­ vestigación, asistente del director de investigación, gerente de proyecto, especialista en procesamiento de datos estadísticos, analista sénior, analista júnior y director de trabajo de campo. En la figura 1.5, se mencionan los puestos en el área de investigación de mercados y se describen las responsabilidades que los acompañan.28 En el recuadro de Investigación en la práctica 1.4, se proporcionan diversos anuncios de trabajo que pueden verse en los periódi­ cos, diarios y revistas de comercio.29 El puesto más común para la gente que entra a la investigación con grado un univer­ sitario (licenciatura) es como supervisor operativo. Estas personas son responsables de su­ pervisar un conjunto bien definido de operaciones que incluyen: trabajo de campo, redac­ ción, corrección de datos y su codificación; pueden estar involucrados en análisis de datos y

F ig u r a 1.5 Descripción de puestos laborales en el campo de la investigación de mercados

1. Vicepresidente de investigación de mercados: Es la posición más im portante dentro de la investigación de mercados. El vicepresidente (VP) es responsable de todas las operaciones de investigación de la empresa y sirve al equipo adm inistrativo de mas alto nivel. Está encar­ gado de fijar los objetivos y metas del departamento de investigación de mercados. 2. Director de investigación: También es una posición importante. El director de investigación es responsable de todo el desarrollo y ejecución de los proyectos de investigación. 3. Asistente del director de investigación: Auxilia com o asistente adm inistrativo al director y supervisa a algunos otros miembros del staff de investigación. 4. Gerente de proyecto (sénior): Tiene toda la responsabilidad del diseño, instrumentación y administración del proyecto de investigación. 5. Especialista en estadística y procesamiento de datos: Sirve com o experto en la teoría y apli­ cación de las técnicas estadísticas. Sus responsabilidades incluyen diseños experimentales, procesamiento y análisis de datos. 6. Analista sénior: Participa en el desarrollo de proyectos y dirige la ejecución operativa de los proyectos que le son asignados. El analista sénior, trabaja de manera muy cercana con el analista, el analista jú nio r y demás personal en el desarrollo del diseño de la investigación y recopilación de datos y prepara el informe final. La responsabilidad de llevar a cabo el proyec­ to en tiem po y costo recae en el analista sénior. 7. Analista: Maneja los detalles que tienen que ver con la ejecución del proyecto. El analista diseña y prueba los cuestionarios y lleva a cabo un análisis prelim inar de los datos. 8. Analista júnior: Maneja las tareas rutinarias tales com o el análisis de los datos secundarios, la edición y codificación de los cuestionarios y el analisis estadístico simple. 9. Director de trabajo de campo: Es responsable de la selección, capacitación, supervisión y evaluación de los entrevistadores y otros trabajadores de campo.

programación. Otro puesto para principiantes, para aquellos que tienen licenciatura, es el de asistente de la gerencia de proyectos. Este asistente aprenderá y ayudará en el diseño de cues­ tionarios, supervisará las instrucciones del trabajo de campo y vigilará que se cumplan los plazos y costos del estudio. En la industria de la investigación de mercados, existe una cre­ ciente preferencia hacia aquellos que tienen maestría en administración, M.B.A. o su equi­ valente. Ya que cuentan con mayores posibilidades de ser empleados como gerentes de pro­ yecto. En las empresas de investigación de mercados, como Elrick and Lavidge, los gerentes de proyecto trabajan con el director de cuentas en el manejo diario de las operaciones rela­ cionadas con los proyectos de investigación. El puesto de entrada típico en una empresa puede ser el de analista de investigación júnior (para los que tienen licenciatura) o de analis­ ta investigador (para los que tienen maestría). El analista júnior y el analista investigador aprenden acerca de una industria en particular y reciben capacitación por parte de un miem­ bro sénior del personal, casi siempre un gerente de investigación de mercados. El puesto de analista júnior incluye un programa de capacitación que prepara a los candidatos para sus responsabilidades como analistas investigadores, incluyendo la coordinación con el departa­ mento de mercadotecnia y la fuerza de ventas, a fin de desarrollar los objetivos para la expo­ sición del producto. Las responsabilidades del analista investigador incluyen verificación de la exactitud de los datos, comparación y confrontación de la nueva investigación con las normas establecidas y analizar los datos primarios y secundarios con el propósito de hacer pronósticos de mercado. Como indica el título del puesto, se requiere gente con antecedentes y habilidades en distintos campos. Tanto los especialistas técnicos, como los estadísticos requieren de antece­ dentes en estadística y análisis de datos. Otros puestos, como el de director de investigación, requieren que se administre el trabajo de otros, por tanto son necesarias habilidades más generales. A fin de prepararse para hacer una carrera en investigación de mercados, es preci­ so hacer lo siguiente: • Tomar todos los cursos de mercadotecnia que pueda. • Tomar cursos de estadística y métodos cuantitativos.

I n vestig ació n en la p rá ct ica 1.4 Una muestra ele las posibilidades de trabajo en investigación de mercados Gerente de marca

M ercadotecnia

Apple Computer ha creado un ambiente tan progresista y con avances tan sensacio­ nales como productos tiene en el mercado. Nosotros escuchamos sus ideas. Su capacidad para dar form a a la industria sólo está ¡imitada p o r su ambición. Incorpórese con nosotros y tendrá ¡a libertad de inspirar la clase de cambio que impactará nuestro futuro y e l suyo.

Analista sénior de investigación a clientes

Hiltí, líder mundial en la fabricación y venta de herramientas para la construcción y sujetadores, busca un Gerente de investigación de mercados para su filial en Tulsa, Oklahoma. Responsable de todas las funciones primarias y secundarias relacionadas con la investigación de mercados. El candidato a este puesto deberá ser capaz de llevar a cabo todas las funciones: estudios, sesiones de grupo, análisis, administra­ ción de la base de datos y presentación de los resultados. Además, deberá ser capaz de trabajar con proveedores de servicios externos. Los candidatos que califiquen deberán poseer:

Utilizando la investigación de mercados a clientes, será responsable de contestar una amplia variedad de preguntas estratégi­ cas, relacionadas con la mercadotecnia y defender el punto de vista del cliente en las decisiones clave de Apple. Al trabajar con quienes toman las decisiones corporativas, relacionadas con la mercadotecnia del producto, participará en el establecimiento de prioridades y en la definición y redefinición de los objetivos corporativos. Asim ismo, intervendrá en el diseño y manejo de proyectos de investigación, incluyendo estudios de posicionamiento, ventajas de los nuevos productos, prueba de conceptos, etc. Posteriormente, presentará los resultados y hará recomendaciones. El candidato ideal deberá tener un alto grado de preparación y cinco años o más de experiencia a este nivel; licenciatura y ocho años de experiencia, o una combinación equivalente de capacitación y experiencia que incluyen la administración de proyectos, utilizando toda la metodología de la investigación. Se requiere gran capacidad de comunicación verbal y escrita, es esencial tener habilidad para sintetizar los resultados de la investigación y presentarlos de manera convincente. Fluidez para hablar algún idioma extranjero, así como experiencia con clientes de PC en alguna actividad no relacionada a la investigación son características deseables.

• Grado de licenciatura y cinco años de experiencia en investigación industrial. • Experiencia específica en comunicación escrita y en llevar a cabo estudios tanto por escrito como por teléfono, incluyendo el análisis y la presentación de resultados. • Gran capacidad y responsabilidad para llevar a cabo el proceso de sesiones de grupo con clientes. • Experiencia en el uso de fuentes de información secunda­ ria tales como bases de datos externas (por ejemplo, Dodge and D&B). • Dominio absoluto de programas a base de datos que incluyan D-Base y Access. • Experiencia para recopilar información sobre la competen­ cia, de fuentes tradicionales y no tradicionales. • Se requiere de habilidades de comunicación escrita muy desarrolladas. A aquellas personas que reúnan los requisitos y deseen hacer una carrera en una empresa líder, les ofrecemos un salario competitivo y excelentes beneficios, favor de enviar currícu­ lum completo incluyendo su historia salarial a:

Envíe su currículum a: Apple Computer, Inc., 1 Infinite Loop, M S 75-2C E, Dept. Y C M N 01313, Cupertino, CA 95014. Envíe fax a: (408) 974-5691. Sólo datos básicos, favor de no llamar.

HILTI, INC. A t'n. Gerente de personal. División Corporativa RO. Box 21148, Tulsa, OK 74121 Envíe por fax su currículum a (918) 250*8089. Nuestro número telefónico es (918) 252*6001.

Apple Computer tiene un compromiso corporativo con el principio de la diversidad. Siguiendo esta filosofía, damos la bienvenida a todas las solicitudes.

Agencias favor de no llamar, Hiltí se enorgullece por ser una empresa que brinda oportunidad a todas las personas MF/W

é

H IL T I” !

Apple* © 1995 Apple Computer, Inc. Todos los derechos reservados. Apple y su logotipo, son marcas registradas por Apple Computer, Inc.

SO CIEDAD ANÓNIMA

INVESTIGACIÓN DE MERCADOS Smith Hanley A ssociates es el medio de investigación de mercados más importante de todo el país. A continuación presentamos una muestra de las oportunidades de trabajo que tenemos disponibles: •Investigador de productos de consumo: Importantes empresas de servicios financieros, publicidad y envase buscan un directivo con maestría que tenga experiencia de 3 a 8 años en investigación cuantitativa. Seria conveniente que contara también con experiencia en administración de proyectos estadísticos de variables múltiples. Posibilidades de trabajo en: NY, CA , D.C., M A, IL , M I, T X , N E, K S , UT, K Y, IN, NC. Salario S45-75K . •Directores de análisis de mercados: M agníficas oportunidades en las industrias de medios interactivos, desarrollo de software de entretenimiento o telecomunicaciones a personas con experiencia en la industria. Se requiere maestría en administración, experiencia de 3 a 4 años en modelos y pronósticos de negocios en la costa este. Salario S 60-80K más prestaciones. •Consultor en administración: Conjunto de importantes empresas de consultoría busca un candidato con maestría en disciplinas cuantitativas, para corporaciones que realizan investigación estratégica de mercados. Se requiere experiencia en estudios de investigación, así como en modelos estadís­ ticos. Los proyectos incluyen posicionamiento del producto, apertura de mercados, estrategia de ventas. Boston y Nueva York. Salario S50-100K . •Mercadotecnia directa: Un campo de actualidad para investigadores que tengan gran afición por la técnica. Puestos diponibles en editoriales, agencias de publicidad, servicios financieros, empresas de consultoría. Se requiere experiencia en modelos de segmentación y redes. ¡Docenas de vacantes disponibles en todo el país! Salario S40-90K más bono.

SMITH HANLEY Associates, Inc. Favor de escribir o llamar a: Linda Burtch 3 1 2 -6 2 9 -2 4 0 0 200 W. Madison, Chicago, IL

Sandra Rupp 212-6 8 7 -9 6 9 6 99 Park Ave., Nueva York, N Y 10016

60606

RECLUTAMIENTO

DE

EJECUTIVOS

• Adquirir habilidades en computación, tanto en mainframes como en microcomputadoras. Los conocimientos en lenguajes de programación es un activo muy apreciado. • Tomar cursos de psicología y sobre comportamiento de los consumidores. • Adquirir habilidades de comunicación verbales y escritas. • Pensar en forma creativa. La creatividad y el sentido común traen recompensas en la investiga­ ción de mercados. Los investigadores de mercado deberán tener una formación sólida para entender los problemas que enfrentan los directivos y manejarlos desde una perspectiva amplia.30 El ejemplo que sigue nos mostrará lo que un gerente desea encontrar en los empleados de primer nivel.

EJEMPLO Amoco busca a las personas correctas __________________________ Cuando Abdul Azhari, director de investigación de mercados de Amoco, Chicago, decidió contratar nuevos elementos para su departamento buscó a personas que tuvieran las siguien­ tes cualidades: “Que sepan cómo profundizar en asuntos analíticos y que sepan cómo analizar las co ­ sas. También es esencial que tengan conocimientos sobre cómo analizar los datos desde una perspectiva práctica y aplicada a las necesidades de mercadotecnia. También es necesario que sepan comunicarse en forma verbal y por escrito con los diferentes departamentos de nuestros clientes y adaptar la terminología de la comunicación a fin de establecer el contacto entre los científicos y las personas de investigación y desarrollo. Cuando el cliente es el direc­ tor de ventas, ellos deberán ser capaces de hablar con términos de mercadotecnia. El trabajo escrito, así como la presentación, deberán ser apropiados para la audiencia. “Deberán ver todo el cuadro, todo el bosque, no sólo los árboles. Deberán entender que la investigación de mercados es sólo un elemento del proceso y no un fin en sí mismo.”31 ♦

E

l p r o c e s o d e l a in v e s t ig a c ió n d e m er c a d o s

proceso de investigación de mercados Conjunto de seis pasos que define las tareas a realizarse para llevar a cabo un estudio de investigación de mercados. Estos son difinición del problema, desarrollo de un plan­ teamiento del problema, formulación del diseño de la investigación, trabajo de campo, preparación, análisis de los datos, preparación y presentación del informe.

Conceptualizamos el proceso de investigación de mercados como un conjunto de seis pa­ sos. Cada uno de éstos se estudia con detalle en los capítulos subsecuentes; de modo que, aquí el análisis será breve. Paso 1: Definición del problema El primer paso en cualquier proyecto de investigación de mercados es definir el problema. En la definición del problema, el investigador deberá tomar en cuenta el propósito del estudio, los antecedentes de información relevante, qué informa­ ción es necesaria y cómo se utilizará en la toma de decisiones. La definición del problema incluye la discusión con aquellos que toman decisiones, entrevistas con expertos de la indus­ tria, análisis de datos secundarios y quizá algunas investigaciones de tipo cualitativo, como las que se hacen en las sesiones de grupo. Una vez que el problema se define con precisión, la investigación puede diseñarse y conducirse con propiedad. (Véase el capítulo 2.) Paso 2 : Desarrollo de un planteamiento del problema El desarrollo de un planteamiento del problema incluye formular un objetivo o estructura teórica; preparar modelos analíticos, preguntas e hipótesis a investigar; identificar características o factores que puedan influir en el diseño de la investigación. Este proceso está guiado por los análisis que se llevarán a cabo con gerentes y expertos de la industria, el análisis de los datos secundarios, la investigación cualitativa y las consideraciones prácticas. (Véase el capítulo 2.) Paso 3 : Formulación de un diseño de investigación El diseño de investigación es la estruc­ tura o plano de ejecución que nos sirve para llevar a cabo el proyecto de investigación. Deta-

lia los procedimientos necesarios para obtener la información requerida, su propósito es dise­ ñar un estudio que pruebe la hipótesis que nos interesa, determina las posibles respuestas a las preguntas que están investigándose y provee la información necesaria para la toma de decisiones. Para llevar a cabo la investigación exploratoria, es preciso definir las variables y diseñar también las escalas adecuadas para medirlas. Deberán tratarse los aspectos acerca de cómo se obtendrán los datos de las respuestas (por ejemplo, al llevar a cabo un estudio o experimento). Asimismo, es necesario diseñar un cuestionario y un plan de muestreo para seleccionar la población que habrá de responder al estudio. De manera más formal, estable­ cer un diseño de investigación incluye los siguientes pasos: 1. Análisis de datos secundarios 2. Investigación cualitativa 3. Métodos para la recopilación cuantitativa de datos (estudio, observación y experimentación) 4. Definición de la información necesaria 5. Procedimientos de medición y escalas 6. Diseño de cuestionarios 7. Proceso de muestreo y tamaño de la muestra 8. Planeación del análisis de datos Estos pasos se estudian con detalle en los capítulos 3 a 12. Paso 4 : Trabajo de campo o recopilación de datos La recopilación de datos incluye una fuerza de trabajo de campo o bien un staff que opera indistintamente en el campo, como es el caso de los entrevistadores que hacen entrevistas personales (en los hogares, centros comer­ ciales o asistidas por computadora), desde una oficina por teléfono (entrevistas telefónicas y entrevistas telefónicas asistidas por computadora) o a través del correo (correo tradicional, cuestionarios por correo utilizando domicilios preseleccionados). La selección, entrenamiento, supervisión y evaluación más apropiados de la fuerza de trabajo, ayuda a reducir los errores en la recolección de datos. (Véase el capítulo 13.) Paso 5 : Preparación y análisis de datos La preparación de los datos incluye su edición, codificación, transcripción y verificación. Cada cuestionario u observación se revisa o edita y, si es necesario, se corrige. Se asignan códigos de números o letras para representar la res­ puesta a cada pregunta del cuestionario. Los datos se transcriben de los cuestionarios a cintas magnéticas o discos, o bien, se cargan directamente a la computadora. La verificación asegu­ ra que los datos de los cuestionarios originales se transcriban con detenimiento y exactitud, mientras que su análisis da mayor significado a la información recopilada. Las técnicas con una variable se utilizan para analizar los datos cuando hay una sola medida para cada ele­ mento o unidad en la muestra; si hay varias medidas para cada elemento, cada variable se analiza en forma aislada. Por otro lado, las técnicas con variables múltiples se utilizan para analizar los datos cuando hay dos o más medidas en cada elemento y las variables se analizan de manera simultánea. (Véanse los capítulos 14 a 21.) Paso 6: Preparación y presentación de los informes Todo el proyecto deberá documentarse en un informe escrito que consigne de manera específica, las preguntas que se identificaron durante la investigación; el planteamiento, el diseño de la investigación, la recopilación de datos y los procedimientos de análisis de datos adoptados; así como la presentación de los resultados y los hallazgos más importantes. Los hallazgos deberán presentarse en un formato comprensible a fin de que estén listos para utilizarse en la toma de decisiones. Además, en una presentación verbal pueden utilizarse tablas, figuras y gráficas que dan mayor claridad e impacto. (Véase el capítulo 22.) Como se indica en el recuadro de Investigación en la práctica 1.5, nuestra descripción del proceso de investigación de mercados es el esquema de investigación típico que se lleva a cabo en las grandes corporaciones.32

I n vestig ació n en la p rá ct ica 1.5 L a investigación de mercados en la Corporación Marriott Marriott funciona en tres áreas principales: hospedaje (Marriott Hotels and Re­ sorts, Marriott Suites. Residence Inns. Courtyard Hotels y Fairfield Inns), servi­ cios contratados (Marriot Business Food and Services, Education, Health Care. In-Flight Services y Host International, Inc.) y restaurantes (restaurantes fami­ liares, Travel Plazas y Hot Shoppes). Sin embargo, quizá es más conocido por sus servicios de hospedaje. La investigación de mercados en Marriott se lleva a cabo a nivel corporati­ vo a través de los Servicios Corporativos de Mercado (CMS). Las metas de CMS incluyen proporcionar a las distintas áreas administrativas de Marriott la informa­ ción necesaria para comprender mejor al mercado y al cliente. CMS lleva a cabo diferentes tipos de investigación. Utiliza enfoques de investigación cuantitativa y cualitativa como estudios por teléfono y por correo, sesiones de grupo y entre­ vistas a los clientes, a fin de obtener mayor información sobre la segmentación y el tamaño del mercado, prueba productos, aplica pruebas de sensibilidad a los precios, de satisfacción del cliente y actividades similares. El proceso de investigación en Marriott es un proceso sencillo por pasos. El primer paso consiste en definir el problema a solucionar y los objetivos del cliente, así como desarrollar un planteamiento del problema. El siguiente paso es formular un diseño de investigación y diseñar el estudio. CMS deberá decidir si llevará a cabo su propia investigación o si la adquirirá de una empresa exter­ na. Si opta por esta última opción, CMS deberá decidir si utiliza una o varias compañías. Una vez que toma la decisión, la investigación se lleva a cabo me­ diante la recopilación y análisis de datos. A continuación. CMS presenta los hallazgos del estudio. El paso final en el proceso de investigación es mantener un diálogo constante entre el cliente y CMS. Durante esta etapa, CMS puede ayudar a explicar las implicaciones de los hallazgos de la investigación o pue­ de hacer sugerencias para acciones futuras.

P

r o y e c t o d e p a t r o c in io a la s t ie n d a s d epa r ta m en ta les Un proyecto de patrocinio a las tiendas departamentales, que llevó a cabo el autor, se utiliza como ejemplo a lo largo de todo el libro, para ilustrar los conceptos y procedimientos del análisis de datos. El propósito de este proyecto es determinar las fuerzas y debilidades relativas de las grandes tiendas departamentales, relacionadas con un grupo directo e indirecto de competidores. Nos referiremos a esta tienda como Sears; nos reservamos la verdadera identi­ dad de la tienda. La meta fue formular para Sears programas de mercadotecnia, diseñados para incrementar las ventas y utilidades decrecientes. Se consideraron para este estudio diez de las tiendas más importantes, incluyendo prestigiosas tiendas departamentales (por ejem­ plo Saks Fifth Avenue, Neiman-Marcus), cadenas nacionales (por ejemplo J.C. Penney), tien­ das de descuento (por ejemplo Kmart, Woolworth) y cadenas regionales (por ejemplo Belk).

Se diseñó y administró un cuestionario utilizando en estas entrevistas al personal de las tien­ das, en una muestra de 271 almacenes que se encuentran ubicados en las áreas metropolita­ nas de mayor tamaño. Se utilizó una escala de seis puntos (se pidió que cada uno de los parámetros se evaluara con un número del uno al seis) siempre que se obtenía una clasifica­ ción. Se solicitó la siguiente información: 1. Familiaridad con las diez tiendas departamentales. 2. Frecuencia con la cual se hacen las compras domésticas en cada una de las diez tiendas. 3. Importancia relativa de cada uno de los ocho factores seleccionados como criterios para esco­ ger una tienda departamental. Los ocho factores que se identifican como influencias para elegir una tienda de departamentos son: calidad de la mercancía, variedad y surtido, política de devo­ luciones y descuentos, servicio del personal, precios, ubicación conveniente, disposición de la tienda y políticas de crédito y cuentas. 4. Evaluación de las tiendas de acuerdo con cada uno de los ocho factores escogidos como crite­ rios de selección. 5. Clasificación de la preferencia de cada tienda. 6. Categoría de cada una de las diez tiendas (de la más a la menos favorecida). 7. Nivel de aceptación de las 21 proposiciones sobre estilo de vida. 8. Características de los estándares demográficos (edad, educación, etcétera). 9. Nombre, dirección y número telefónico. El estudio ayudó al patrocinador a determinar las percepciones y preferencias del con­ sumidor por las tiendas departamentales. Se identificaron las debilidades tanto en términos de factores específicos que influyen en los criterios de selección, como en términos de ca te­ gorías para productos específicos. Se diseñaron programas de mercadotecnia apropiados para superar esas debilidades. Por último, se desarrolló una estrategia de posicionamiento a fin de alcanzar una imagen deseable para la tienda.

I n v e s t ig a c ió n

d e m er c a d o s in t e r n a c io n a l e s

Estados Unidos representa sólo el 39% del gasto en investigación de mercados internaciona­ les. Alrededor del 40% de la investigación de mercados se lleva a cabo en Europa Occidental, especialmente en Alemania, el Reino Unido, Francia, Italia y España, japón cuenta con

el 9% .33 Con la globalización de los mercados, la investigación ha adoptado un verdadero carácter internacional con muchas posibilidades de continuar esta tendencia. Algunas em­ presas estadounidenses llevan a cabo este tipo de investigación, como D & .B Marketing Information Services, Information Resources y Walsh International/PMSI (véase el recuadro Investigación en la práctica 1.3). Asimismo, existen empresas en el extranjero como IMS International, AG B (Reino Unido), Infratest y GfK (Alemania). Llevar a cabo la investigación de mercados internacionales (investigación para pro­ ductos verdaderamente internacionales); investigación en el extranjero (investigación que se realiza en un país distinto al que se contrató); o investigación multinacional (investiga­ ción que se realiza en todos aquellos países en los que la empresa está representada), es mu­ cho más complejo que la investigación de mercados a nivel nacional. Toda la investigación de este tipo, incluyendo la intercultural, se estudiará en el amplio tema de la investigación de mercados internacionales. Asimismo, se estudiará cómo los seis pasos del proceso de la inves­ tigación de mercados reciben la influencia y pueden ejecutarse en el ambiente que prevalece en cada país, la unidad cultural y en los mercados internacionales. Estos factores ambientales y su impacto en el proceso de la investigación de mercados, se analizan con detalle en capítu­ los subsecuentes; además, el capítulo 23 se dedica a este tema. A pesar de la complejidad que posee la investigación de mercados internacionales se espera que su crecimiento sea más rápido que la investigación nacional. El factor que contri­ buye en mayor medida, es que los mercados, para muchos productos en Estados Unidos, se encuentran próximos al punto de saturación. Por el contrario, los mercados para estos pro­ ductos en otros países se encuentran en las primeras etapas de desarrollo. Este punto se ilus­ tra con detalle en el siguiente caso.

EJEMPLO Los teléfonos portátiles ganan movilidad en Europa_________________ El mercado europeo de teléfonos portátiles está todavía en su etapa inicial, aunque parece que ofrece un potencial promisorio. No parece que este segmento, que tiene un mercado limitado, vaya a convertirse en un gran negocio tanto para los comerciantes del hardware como para los proveedores del servicio. De acuerdo con los datos proporcionados por Ericsson, la penetración del teléfono celular en los principales países europeos alcanza los niveles si­ guientes: Bélgica 0.57%, Dinamarca 3.77%, Finlandia 6.51%, Francia 0.74% , Alemania 0.87%, Hungría 0.13% , Italia 1.10%, Noruega 6.12% , España 0.36% , Suecia 7.51% y el Reino Unido 2.26% . Las cifras indican que los teléfonos celulares todavía no se toman en cuenta en esos países y que existe un gran mercado potencial. Nótese que las cifras son relativamente altas en los países nórdicos como Noruega, Finlandia, Dinamarca y Suecia. Swatch, una empresa suiza, intenta sacar provecho de este enorme e inexplorado mer­ cado potencial. En noviembre de 1992, Swatch hizo su debut en Italia con una campaña con carteles impresos que realizó Farner Publicis de Zurich. En 1993, Swatch puso en circulación sus teléfonos portátiles en el Reino Unido, Alemania, Suiza, Suecia y otros mercados inter­ nacionales. Como cualquier nuevo producto, los teléfonos celulares tenían que rebasar un mínimo de penetración inicial antes de que su uso pudiera aumentar en el mercado. Al pare­ cer, este incremento se presentará cuando el mercado alcance un nivel de 1 a 1.5% de pene­ tración. Las investigaciones mostraron que enterarse de la existencia del mercado es la clave del crecimiento en la categoría de teléfonos celulares. Por tanto, Swatch desarrolló una serie de anuncios de televisión, poniendo énfasis en la protección y seguridad que representa con­ tar con un teléfono celular. Alemania y Francia parecen ser los mercados que van en aumen­ to, con un índice de crecimiento en Alemania que se duplicó a casi dos millones de usuarios en 1995. También se espera que con la baja de precios la cantidad y tamaño de distribuidores aumente. Las proyecciones indican que el número de usuarios de teléfonos portátiles en Europa se triplicará en 1997 a 16 millones. Las compañías de teléfonos portátiles como Swatch, que basan sus estrategias de mercado en sólidas investigaciones, son las que parecen capitali­ zar mejor ese crecimiento.34 ♦

L

a é t ic a en la in v e s t ig a c ió n d e m er ca d o s En la investigación de mercados surgen aspectos éticos. Con frecuencia, la investigación de mercados incluye el contacto con los entrevistados y el público en general, mediante la recopilación de datos, la publicación de los descubrimientos en la investigación y los programas de mercadotecnia, como campañas publicitarias basadas en esos hallazgos. De esta manera, existe un abuso potencial o la posibilidad del uso equivocado de la investigación, aprove­ chándose de las personas (por ejemplo falsificando los descubrimientos en la publicidad). Como se explicó anteriormente, la investigación de mercados por lo general se lleva a cabo por empresas comerciales (esto significa que lo hacen en busca de beneficios económicos), que son investigadores independientes (proveedores externos) o departamentos dentro de las corporaciones (proveedores internos). Gran parte de la investigación de mercados se lleva a cabo para clientes comerciales. El beneficio económico puede hacer que los clientes o investigadores comprometan la objetivi­ dad y el profesionalismo asociado con el proceso de la investigación de mercados, como lo ilustra el ejemplo que se presenta a continuación.

EJEMPLO La generación de ventas y el aumento de los fondos no son éticos _________________________________ Una empresa de mercadotecnia directa que vende seguros y productos financieros desarrolló una política de seguros de vida dirigida a familias con bajos ingresos. Se realizó un breve estudio, que se apoyó en un cuestionario y un cheque de dos dólares cuyo propósito era motivar y generar grandes ventas. Se pidieron datos demográficos y acerca de las pólizas de seguro de vida, y se concluyó con una pregunta acerca de si se deseaba mayor información. El estudio se envió por correo, con una carta a los residentes de las comunidades meta. La carta empezaba con la frase: “Dos dólares por dos minutos de su tiempo”. Se pedía al destinatario que respondiera las preguntas del estudio y cobrara el cheque. La empresa recogió los ch e­ ques devueltos. Los vendedores, provistos con los datos que el estudio recopiló, enviaron la información pertinente a quienes respondieron el cuadro solicitando mayores datos. El pro­ pósito real de este estudio no era la investigación científica, sino generar ventas. Esta prácti­ ca no se considera ética y se conoce como sugging en el leguaje comercial. Una práctica no ética similar es elfrugging que comprende la recaudación de fondos, cuyo pretexto es la inves­ tigación. Los lincamientos éticos de la American Marketing Association (AMA) establecen: “Ningún individuo u organización puede emprender actividad alguna que esté directa o indi­ rectamente relacionada con la investigación de mercados, pero que tenga como verdadero propósito la venta de mercancías o servicios a todas o algunas de las personas que se entrevis­ tan en el curso de dicha investigación”.35 ♦ Se ha dicho que la investigación de mercados tiene cuatro participantes, que son: 1) el investigador de mercados, 2) el cliente, 3) el entrevistado, y 4) el público. Los aspectos éti­ cos pueden entenderse en términos de las responsabilidades que cada uno de esos parti­ cipantes tiene respecto a los otros en un proyecto de investigación. Las preguntas sobre la ética surgen cuando los intereses de esos participantes entran en conflicto. Cuando el con­ flicto se presenta, es responsabilidad de los participantes comportarse de manera hono­ rable. Algunas veces, los códigos de conducta aceptados, como el código de conducta de la AM A del ejemplo anterior, ayudan a guiar esta conducta. Con frecuencia, las deci­ siones dependen únicamente del carácter del participante. Estos aspectos éticos se analizan con mayor detalle en los capítulos que siguen, y en el capítulo 24 se desarrollan modelos y teorías que presentan una estructura para incorporar la ética a la invetigación de mer­ cados.

A

p l ic a c io n e s p a r a c o m p u t a d o r a Las computadoras (microcomputadoras y mainframes) tienen gran impacto en la merca­ dotecnia y la investigación de mercados. En este libro, mostramos de qué manera pueden integrarse en cada uno de los pasos del proceso de la investigación de mercados. Nos concen­ tramos en estos dos tipos de computadoras porque ambos sistemas se utilizan en la práctica habiéndose desarrollado gran cantidad de programas para facilitar la interacción entre las microcomputadoras y mainframes. Por ejemplo, EPSILON IN SIG H T de Epsilon Inc. recupe­ ra información de la base de datos de una unidad central de procesamiento para que, poste­ riormente, pueda analizarse y formatearse con alguno de los paquetes de hoja de cálculo, base de datos o estadísticas para PC.36 Los datos procesados pueden transferirse a las mainframes, transcribirse a una cinta o disco, o imprimirse. Esto es posible para las PC de IBM y compati­ ble también para las microcomputadoras Apple. En la parte IV de este libro, se muestra el uso de las versiones SPSS, SA S y BM DP que son paquetes estadísticos muy populares para mainframes y microcomputadoras. Quienes desarrollan estos programas visualizan la investigación de mercados como un área que está lista para recibir los beneficios de la aplicación del software. En los últimos años, se han puesto a disposición del público gran cantidad de paquetes de computación para la investigación de mercados; uno de éstos es el STATPAC G O L D IV desarrollado por StatPac, Inc. de Minneapolis. Este programa está diseñado para tener múltiples usos en el estudio y proceso de investigación. El STATPAC GOLD IV es uno de los sistemas de computación de gran utilidad dispo­ nible en la actualidad. Constituye un instrumento valioso para cada uno de los pasos del proceso de investigación. Con módulos que pueden agregarse a un sistema básico, STATPAC GOLD IV puede manejar todos los aspectos del diseño del estudio, el muestreo, la adminis­ tración de datos, las estadísticas básicas, las estadísticas avanzadas y gráficas. En resumen, el software de este sistema puede ayudar en mayor o menor medida en cada uno de los pasos que incluyen desde la recopilación de datos hasta su transformación en información rele­ vante. Las preguntas para un estudio de investigación pueden crearse con el programa de diseño de estudios de STATPAC GOLD IV. El programa ofrece ayuda incluso en el diseño del cuestionario. El cuestionario que resulta puede cargarse en un procesador para realizar algunas modificaciones y su edición final puede aparecer como pantalla de entrada, tanto en las entrevistas telefónicas asistidas por computadora (CATI) como en las entrevistas perso­ nales asistidas por computadora (CA PI). El STATPAC GOLD IV puede determinar el tamaño de la muestra necesario para cual­ quier nivel de confiabilidad o margen de error. El módulo de administración telefónica permi­ te la importación de una lista de nombres y números telefónicos de otra fuente. El programa también puede marcar estos números y dar seguimiento a las entrevistas terminadas. Después de la recopilación de datos, el programa STATPAC GOLD IV puede anexar las respuestas a las preguntas del estudio dentro una matriz de tabulación y análisis. Este procesamiento de captura de datos puede agilizarse por medio de plantillas o registros del cuestionario actual derivándolo al cuestionario de control a través de un patrón que permite los saltos. STATPAC GOLD IV reduce los errores en la captura de datos al verificar el rango de valores aceptables para cada una de las preguntas. Muchas de las técnicas estadísticas que se estudian en este libro están disponibles en el STATPAC GOLD IV El editor puede utilizarse para revisar y editar los resultados del análisis antes de imprimirlo. En efecto, puede modificarse la apariencia de cada reporte según las necesidades. Como se vio en el ejemplo de investigación para la solución de problemas, las cadenas de restaurantes de comida rápida como McDonald’s y Arby’s entrevistan a sus clientes de manera regular para evaluar las ofertas de nuevos productos que estas empresas desarrollan. Las pruebas de sabor forman parte de estas evaluaciones. Para tabular las respuestas puede ^# ¡$5 utilizarse un programa estadístico como STATPAC GOLD IV

Suponga que McDonald’s desarrolla una nueva hamburguesa con vegetales. Se lleva a cabo un estudio del consumidor en el cual se pide a los entrevistados que prueben la ham­ burguesa y la evalúen en sus dimensiones de sabor, olor, textura, apariencia y diseño del empaque. La ilustración 1.1 muestra un archivo de resultados de STATPAC G O LD IV que pre­ senta la tabulación de las pruebas de sabor para un segmento de la muestra del estudio, el grupo de 16 a 20 años de edad, que representa 10% de la misma. Se incluye el número de respuestas para los valores de cada pregunta, junto con los porcentajes correspondientes. Aquí, la hamburguesa con vegetales sólo recibió, por parte de este grupo, una calificación media en las distintas cualidades, que llegó sólo a 65% de las respuestas a las preguntas del rango “bueno” o “razonable”. Los resultados indican que la investigación con muestras ma­ yores es correcta porque otros grupos de la muestra, con distintas edades, dan una califica­ ción mayor a esta hamburguesa. La capacidad del STATPAC GOLD IV para llevar a cabo el análisis de un subgrupo permite identificar una pregunta muy importante para una investiga­ ción futura: ¿en general los consumidores de 16 a 20 años de edad ven a la hamburguesa con vegetales de manera distinta a los grupos de otras edades? Aunque STATPAC GOLD IV proporciona al investigador de mercados una serie de herramientas casi completa para llevar a cabo los estudios de investigación, debe compararse en cuanto a costo, capacitación requerida y capacidad de adaptación a las necesidades espe­ ciales de la industria o el área de mercado a estudiarse. No hay duda de que los paquetes de software integrados, como el STATPAC GOLD IV pueden continuar evolucionando dentro del ambiente Windows para PC, lo que reducirá la cantidad de capacitación necesaria para utilizar el programa. A pesar de años de mejoras y más de 15,000 usuarios, el mercado para el software de investigación lleva a los fabricantes de programas como STATPAC GOLD IV a ofrecer mayor capacidad de adaptación y precios razonables para atraer más usuarios.

I l u s t r a c ió n 1.1 U n listado de salida del STATPAC GOLD IV

General Attribute Ratings (N=31)

Excellen t 1

Good

Fair

Poor

2

3

4

Total

How would you rate the taste?

7 24.1

8 27.6

11 37.9

3 10.3

29 100.0

How would you rate the smell?

4 13.8

9 31.0

12 41.4

4 13.8

29 100.0

How would you rate the texture?

1 3.4

13 44.8

14 48.3

1 3.4

29 100.0

How would you rate the appearance?

4 13.8

10 34.5

11 37.9

4 13.8

29 100.0

How would you rate the package design? 1 1

6 20.7

11 37.9

8 27.6

4 13.8

29 100.0

1

1

1

1 Press

1 For Help

1

R

A

esu m en

La investigación de mercados proporciona información acerca de los consumidores, cana­ les de distribución, competidores, cambios y tendencias en la plaza y otros aspectos del am­ biente de la empresa. El propósito de la investigación de mercados es determinar las necesi­ dades de información y los aspectos relevantes de manera sistemática y objetiva para mejorar la toma de decisiones. La investigación de mercados puede clasificarse en investigación para identificar problemas e investigación para resolver problemas. La información obtenida con la investigación de mercados se vuelve parte integral del M IS y del DSS. La investigación de mercados contribuye al D SS proporcionando datos de investigación a la base de datos; mo­ delos de mercadotecnia y técnicas analíticas a la base de modelos, así como programas espe­ cializados de investigación de mercados a la base de software. La investigación de mercados puede llevarse a cabo en forma interna (por proveedores internos) o puede adquirirse de proveedores externos. Los proveedores de servicios comple­ tos proporcionan todos los servicios de investigación de mercados, desde la definición del problema hasta la preparación y presentación del informe. Los servicios proporcionados por estos proveedores pueden clasificarse como servicios sindicados, estandarizados o servicios a la medida del cliente. Los proveedores de servicio limitado se especializan en una o algunas fases del proyecto de investigación. Los servicios que ofrecen estos proveedores se clasifican en trabajo de campo, codificación y captura de datos, servicios de análisis o productos de marca registrada. En virtud de la necesidad de hacer investigación de mercados, existen atractivas opor­ tunidades para realizar una carrera en las empresas que se dedican a esta actividad o que cuentan con un departamento de investigación, sean lucrativas o no, y en las agencias de publicidad. El proceso de la investigación de mercados consiste en seis pasos que deben se­ guirse de manera sistemática. La investigación de mercados internacionales es más compleja que la investigación nacional porque el investigador deberá considerar el ambiente cultu­ ral que prevalece en los mercados sujetos a estudio. La investigación de mercados hace un uso extenso, tanto de las microcomputadoras como de las mainframes.37

c r ó n im o s

El papel y las características más sobresalientes de la investigación de mercados pueden describirse con el acrónimo RESEARCH: R E S E A R C H

E

je r c ic io s

P

econocimiento de las necesidades de información fectiva toma de decisiones istemática y objetiva xplicar y diseminar la información nálisis de la información ecomendaciones para la acción olectar la información aciéndola útil a los gerentes

regun tas

1. 2.

Describa las tareas de la investigación de mercados. ¿Qué decisiones toman los directivos demercadotecnia? ¿Dequé manerala investigación de mercados ayuda en la toma de decisiones? 3. Defina la investigación de mercados. 4. Describa la clasificación de la investigación de mercados. 5. ¿Qué es un sistema de información de mercados? 6. ¿Cómo difiere el DSS del MIS? 7. Explique una manera de clasificar a los proveedores y servicios de investigación de mercados. 8.

¿Qué son los servicios sindicados?

9.

¿Cuál es la principal diferencia entre un proveedor de servicio completo y otro de servicio limitado?

10. ¿Qué son los productos de marca registrada? 11. Mencione cinco criterios para seleccionar un proveedor externo de investigación de mercados. 12. ¿Qué oportunidades para hacer carrera existen en la investigación de mercados? 13. Analice los aspectos éticos de la investigación de mercados relacionados con: 1) el cliente, 2) el proveedor y 3) los entrevistados. 14. Describa los pasos del proceso de investigación de mercados. P ro blem a s

1. Revise los periódicos recientes sobre el tema y reconozca cinco ejemplos de investigación para identificar problemas y cinco ejemplos de investigación para resolver problemas. 2. Mencione el tipo de investigación de mercados que es útil para cada una de las siguientes organizaciones:

E

a.

La biblioteca de su universidad

b. c.

La autoridad encargada del transporte públicoen la ciudad Una gran tienda de departamentos del área

d. e.

Un restaurante que se ubica cerca del campusuniversitario El zoológico de una ciudad importante

je r c ic io s p a r a c o m p u t a d o r a 1.

Analice algunos números recientes de revistas como Marketing News, Advertising Age, Quirk’s Marketing Research Review y Marketing Research: A Magazine of Management and Applications para identificar alguna aplicación de las computadoras de estructura principal o microcomputadoras en las siguientes áreas: a. Identificación de las necesidades de información b. Recopilación de la información c. Análisis de la información d. Presentación de la información (preparación de informes)

“Attitude Surveys Keep Phone Company in Touch”, en Q uirk’s M arketing R esearch Review (junio-julio de 1988): pp. 6, 22-24. Susan Garland, Richard Dunham y Laura Zinn, “Polling for policy, How C linton Uses W hiz-Bang M arketing to Make D ecisions”, en Business W eek (22 de febrero de 1993): pp. 34-35. G. M cW illiam s, “A N otebook that Puts Users A head o f G im m icks”, en Business W eek (27 de septiembre de 1993): pp. 92 -9 3 . R ich Ceppos, “Is Anybody O u t T h ere Listening?”, en C a r and D river (octubre de 1987): pp. 24-25. “Hospital Puttin' on the Ritz to Target High-End M arket”, e n M arketing N ew s (17 de enero de 1986): p. 14Jo e Schwartz, “M arketing the Verdict”, e n A m erican D em ographics (febrero de 1993): pp. 52-54. “R esearch Service Satisfies Businesses’ Inform ation N eeds”, en Q uirk’s M arketing R esearch Review (junio-julio de 19 8 8 ): pp. 8 -1 0 , 24. Para comprender el papel de la investigación de mercados véase N oel B. Zabriskie y A lan B. Huellm antel, “M ar­ keting R esearch as a Strategic Tool”, en Long-Range Planning 27 (febrero de 1994): pp. 107-18. Para relacionar entre procesam iento de inform ación, decisiones de m ercadotecnia y ejecución, véase Rashi Glazer y A lien M. Weiss, “M arketing in Turbulent Environm ents: D ecisión Process and Tim e-Sensitivity o f Inform ation”, en Jou rn al o f M arketing R esearch 3 0 (noviem bre de 1993): pp. 5 0 9-21.

10. R ebecca Fannin, “M ore Marketers A re Using Creative Brand Extensions to Expand T h eir Franchises. T h e Q uestion Is: C an th e P ractice Be too M uch o f a S tretch ?”, en M arketing and M edia Decisions (enero de 1987): pp. 22-28. 11.

Por lo que se refiere al papel de la investigación de m ercados en la adm inistración, véase A nthony Freeling, “M arketing is in C risis-C an M arketing R esearch H elp?”, en Jou rn al o f the M arket R esearch Society 36 (abril de 1 994): pp. 97 -1 0 4 .

12.

N .K. M alhotra, “Shifting Perspective on the Shifting Paradigm in M arketing R esearch”, en Journal o f the A cadem y o f M arketing Science 20 (otoño de 1992): pp. 3 7 9 -8 7 ; y W illiam Perrault, “T h e Shifting Paradigm in M arketing R esearch”, en Jou rn al o f the A cadem y o f M arketing Science 20 (otoño de 1992): pp. 3 6 7 -7 5 .

13.

Se reportó en “New M arketing Research D efinition Approved”, en M arketing N ew s 21 (2 de enero de 1987): pp. 1, 14.

14. Para un análisis histórico y una evaluación de la investigación de mercados, véase L. M cT ier Anderson, “M ar­ keting Scien ce: W h ere’s the Beef?”, en Business Horizons 37 (enero-febrero de 1994): pp. 8 -1 6 ; A lvin J. Silk, “Marketing Scien ce in a Changing Environm ent”, en Journal o f M arketing R esearch 3 0 (noviembre de 1993): pp. 4 0 1 -4 ; y Frank M. Bass, “T h e Future o f R esearch in M arketing S cien ce”, e n Jou rn al o f M arketing R esearch 30 (febrerode 1 9 9 3 ): pp. 1-6. 15.

D ick W arren Twedt, Survey o f M arketing R esearch (Chicago: A m erican M arketing A ssociation, 1983).

16.

Ibidem.

17.

“Say Goodnight O valtineys”, en M arketin g (27 de noviem bre de 1986): pp. 25-27.

18.

David Cowan, “Good Informar ion'G en eráis C an ’t D o W ithout It. W hy D o C E O s T h in k T hey C an ?”, en Jo u r­ nal o f the M arket R esearch Society 36 (abril de 1994): pp. 105-14.

19.

E. Turban, Decisión Support and Expert Systems (Nueva York: M acm illan, 1990); Jo h n M cC ann , A li Tadlaoui y Jo h n Gallagher, “Knowledge Systems in M erchandising: Advertising Designs”, en Jou rn al o f Retailing (otoño de 1990): pp. 257-77.

20. Sunil Gupta and R ajeev Kohli, “A Knowledge-Based System for Advertising Design”, e n M arketingScience (vera­ no de 1 990): pp. 212-29. 21.

Giuseppe A. Forgionne, “Using D ecisión Support Systems to M arket Prepaid M edical Plans”, en Jou rn al o f H e a lth c a r e M arketing (diciembre de 1991): pp. 22-38; Ralph H. Sprague, Jr., y H u g h J. W atson, D ecisión Support Systems: Putting T heory into Practice (Englewood Cliffs, NJ: P rentice Hall, 1986), p. 1.

22. N aresh K. M alhotra, “D ecisión Support Systems for H ealth Care M arketing M anagers”, en Jou rn al o f H ealth C are M arketin g 9 (junio de 1989): pp. 20-28. 23.

Lee Adler y Charles S. Mayer (editores), Readings in M anaging the M arketing R esearch Function (Chicago: A m eri­ can M arketing A ssociation, 1980). V éase tam bién Rashi Glazer, “M arketing in an Inform ation— . Intensive Environm ent: Strategic Im plications o f Knowledge as an A sset”, en Journal o f M arketing, 55 (octubre de 1991): pp. 1-19.

24. Charlie Etm ekjian y Jo h n Grede, “M arketing R esearch in a T eam -O riented Business: T h e O scar Mayer A pproach”, e n M arketing R esearch: A M agazine o f M anagem ent and A pplications (diciem bre de 1990): pp. 6-12. 25.

U n listado y una descripción completos de las empresas individuales en la industria de la investigación de mercados, se proporciona en Ryan E G reen, International D irectory o f M arketing R esearch Houses and Services (New York Chapter, A m erican M arketing A ssociation, an ual).

26. Ja ck H onom ichl, “T h e H onom ichl 5 0 ”, e n M arketing N ew s, 29 (5 de junio de 1995): H 1-H 43. D erechos reserva­ dos © 1995 por la A m erican M arketing A ssociation. Reim presión co n autorización. 27.

Para una nota histórica y las directrices futuras de los servicios sindicados, véase M ike Penford, “Continuous R esearch-A rt N ielsen to A D 2 0 0 ”, en Journal o f the M arket R esearch Society 36 (enero de 1994): pp. 19-28; y Edward C . D ittus, “M arketing R esearch D irections in th e U SA ”, en Jou rn al o f the M arket R esearch Society 36 (enero de 19 9 4 ): pp. 29-40.

28.

Thom as C. Kinnear y A nn R. R oot, í 988 Survey o f M arketing R esearch (Chicago: A m erican M arketing Associa­ tion, 1989).

29. Se proporciona un análisis acerca de las características de los investigadores exitosos, así com o la trayectoria profesional típica, en: Joh n R . Blair, “M arketing R esearch Offers Highly Visible A ctio n -O rien ted C areerw ith Growth Potential”, por Em anuel H. Demby, “T h e M arketing Researcher: A Professional Statistician, Social Scien tist-N ot Ju st A nother Business P ractition er”, y por Law rence D. Gibson, “Confused New M arketing R esearchers S o o n F eel Confidence, T h e n C hallenge”, en Student Edition M arketing N ew s 2 (marzo de 1984): pp. 1, 3 y 7. Se hacen algunas sugerencias para preparar una carrera en investigación de m ercados por M ichael Boudreaux, “Prepare for Your Future in M arketing, Your Interviews, and Som ething ‘Extra’”, en Student Edition M arketing N ew s 2 (marzo de 1984): p. 3.

30. Ralph W Giacobbe y Madhav N. Segal, “R ethinking M arketing Research Education: A Conceptual, Analytical, and Empirical Investigation”, en Jou rn al o f M arketing E du cation 16 (primavera de 1994): pp. 4 3 -5 8 .

31. “A M R Interviews Abdul Azhari, on Today and the Future o f M arketing R esearch at a M ajor Corporation”, en A pplied M arketing R esearch (primavera de 1989): pp. 3-8.

32.

“Listening to Customers: T h e M arket R esearch Function at M arriot Corporation”, en M arketing R esearch: A M agazine o f M anagem ent and A pplications (marzo de 1989): pp. 5-14.

33.

E.H . Demby, “E S O M A R Urges Changes in Reporting Demographics, Issues Worldwide R eport”, en M arketingN ew s 2 4 (1 ) (8 de enero de 1990): pp. 24-25.

34.

Elena Bowes y David Bartal, “M obile Phones Cali to Consum ers”, en Advertising A ge (18 de enero de 1993). D erechos reservados © 1993 por C rain Com m unications, Inc.

35.

G ene R . Lacyniak y Patrick E . Murphy, “M arketing R esearch Code o f Ethics o f th e A m erican M arketing A ssociation”, en Ethical M arketing Decisión: T he H igherR oad (Needham H eights, M A : A llyn and Bacon, 1993), pp. 76-7. Reimpreso con autorización de la A m erican M arketing A ssociation, Chicago, 1L 6 0 606.

36.

N ancy J. M erritt y C ecile Bouchy, “A re M icrocom puters Replacing Mainframes in M arketing R esearch Firms?” en Jou rn al o f the A cadem y o f M arketing Science 20 (invierno de 1992): pp. 8 1 -8 5 . La inform ación acerca del sofware citado en este libro, si no tiene referencia, puede obtenerlo de los temas recientes de M arketing N ew s y Marketins R esearch: A M agazine o f M anagem ent and A pplication, publicado por la A m erican M arketing A ssocia­ tion, y por los directorios de distribuidores de software.

37.

Agradecemos la ayuda de Jam es Agarwal con el ejem plo de investigación de mercados internacionales, la ayuda de M ark Leach y G ina M iller en la redacción de la sección sobre ética y la ayuda de M ark Peterson en la redacción de la sección de aplicaciones para computadora.

CAPÍTULO

2

Definición del problema de investigación de mercados y desarrollo de una propuesta J3a definición d e lproblem a es e lpaso m ás im portante en un proyecto de investigación de m ercados. Qín píanieandenio incorrecéo defproblem a puede, en e ím ejor de io s casos, d a r como resultado un desperdicio de recursos. Coi e íp eo r de los casospuede d a r Jugar a decisiones incorrectas.

♦ Objetivos A l finalizar la lectura de este capítulo, el estudiante podrá: 1. Comprender tanto la importancia como el proceso que se utiliza para definir el problema de investigación de mercados. 2. Describir las tareas que comprende la definición del problema, incluyendo el análisis con quienes toman decisiones, entrevistas con expertos de la indus­ tria, análisis de la información secundaria e investigación cualitativa. 3 . Analizar los factores ambientales que afectan la definición del problema de investigación: información y proyecciones previas, recursos y limitaciones, objetivos de quien toma las decisiones, comportamiento de los compradores, ambiente legal, ambiente económico y las habilidades tecnológicas y de mer­ cadotecnia de la empresa. 4 . Distinguir claramente entre el problema de toma de decisiones de la gerencia y el problema de la investigación de mercados. 5 . Explicar la estructura de un problema de investigación de mercados bien definido, incluyendo una exposición amplia y los componentes específicos.

6 . Analizar detalladamente los distintos componentes del planteamien­ to: estructura/objetivo teórica, modelos analíticos, preguntas de in­ vestigación, hipótesis y características o factores que influyen en el diseño de investigación. 7. Apreciar la complejidad que implica mejorar la comprensión de los procedimientos para definir el problema y desarrollar un plantea­ miento en la investigación de mercados internacionales. 8. Entender los aspectos éticos y los conflictos que surgen en la defini­ ción de un problema y el desarrollo de un planteamiento. 9. Explicar de qué manera las microcomputadoras y mainframes facilitan el proceso para definir un problema y desarrollar un planteamiento.

Panorama general Este capítulo cubre los primeros dos de los seis pasos del proceso de investigación de merca­ dos descrito en el capítulo 1: definición del problema de investigación de mercados y desa­ rrollo de un planteamiento del mismo. Definir el problema es el paso más importante, sólo cuando el problema se identifica en forma clara y precisa es posible llevar a cabo el proyecto adecuadamente. La definición del problema de investigación determina por completo el cur­ so que tendrá el proyecto. Este capítulo permite que el lector pueda apreciar la complejidad que implica la definición, al tener que identificar los factores y las tareas involucradas que es necesario considerar. Además, proporcionaremos guías para una definición apropiada del problema de investigación y trataremos de evitar los errores más frecuentes. Asimismo, ana­ lizaremos con detalle los componentes que deberá tener el planteamiento del problema: es­ tructura objetivo/teórica, modelos analíticos, preguntas de investigación, hipótesis y carac­ terísticas o factores que influyen en el diseño de la investigación. También estudiaremos las consideraciones especiales que comprende la definición del problema y el desarrollo de un planteamiento en la investigación internacional de mercados. Se considerarán algunos as­ pectos éticos que surgen en la definición del problema por el uso de microcomputadoras y mainframes. Por último, estudiaremos el uso de microcomputadoras y mainframes en la defi­ nición del problema y en el desarrollo de un planteamiento del mismo. Iniciaremos nuestro análisis con ejemplos que provienen de la revista Tennis, la cual necesita información específica acerca de sus lectores y de los esfuerzos de Standard Drug para crear nuevas normas para su personal de farmacia.

EJEMPLO La investigación sirve a la revista Tennis________________________ La revista Tennis, una publicación de New York Times Company, es poco más o menos el centro vital de sus lectores, como éstos lo son del deporte del tenis. La gerencia quería obte­ ner información acerca de sus lectores por lo que contrató a Signet Research Inc., una em­ presa de investigación independiente de Cliffside Park, Nueva Jersey, a fin de que llevara a cabo una investigación de mercados. El problema de investigación quedó definido como la recopilación de información res­ pecto a los suscriptores de la revista Tennis. Los componentes específicos del problema que se incluyeron fueron los siguientes: 1. Demográficos. ¿Quiénes son los hombres y mujeres que se suscriben a la revista? 2. Características psicológicas y estilo de vida. ¿Cómo gastan su dinero y tiempo los suscriptores? Los indicadores de estilo de vida que se examinaron fueron condición física, viajes, renta de auto­ móviles, ropa, consumo de electrodomésticos, tarjetas de crédito e inversiones financieras.

La información vital acerca de sus lectores, obtenida gracias a una correcta definición del problema de investigación de mercados, ha ayudado a la revista Tennis a cambiar de una estrategia defensiva a una estrategia ofensiva para defender su participación en el mercado. ♦ Churchill &. Klehr.

SllM M H i F M E i S OPOATE

S u n c a re , s p o rts d r i íi k s , J io w t e b e 3t * ¿ Iie h e a t H ow to p la y a w eeken to u m a m e

3. Actividades en el tenis. ¿Dónde y con qué frecuencia juegan tenis los suscriptores? ¿Cuál es su nivel de juego? 4. La relación que establecen con la revista Tennis. ¿Cuánto tiempo emplean los lectores con cada número de la revista? ¿Cuánto tiempo la guardan? ¿Comparten la revista con otros jugadores de tenis? Ya que las preguntas fueron definidas con tanta claridad, la información que proporcio­ na esta investigación ayudó a la gerencia a diseñar temas específicos como instrucción en el deporte, equipo, tenistas famosos y ubicación de lugares para jugar tenis de acuerdo con las necesidades específicas de cada jugador. Estos cambios hicieron a la revista Tennis más intere­ sante para sus lectores.1 ♦

EJEMPLO Standard crea una nueva norma: el personal de farmacia _____________ La empresa Southeastern Institute of Research (S1R), con sede en Richmond, llevó a cabo una investigación cualitativa y la subsecuente investigación cuantitativa para Standard Drug, una cadena de 60 farmacias que operan en los estados de Virginia y Washington, D.C. La agencia de publicidad Edelman Scott, de Richmond, Virginia, utilizó los resultados a partir de este estudio a fin de producir, para Standard, una campaña de comunicación muy efectiva.

En virtud de que Standard había emprendido una renovación a fondo de sus tiendas, SIR no incluyó en su estudio de mercado la apariencia física y la disposición de éstas. En lugar de ello, el problema de investigación fue cómo determinar la imagen y preferencia de compra para Standard Drug en relación con las farmacias competidoras. Una de las preguntas más importantes de la investigación fue: PI: ¿Cómo percibe el consumidor el nivel de servicio en una farmacia detallista? La hipótesis relacionada fue: H: No hay diferencias significativas en la percepción de los niveles de servicio en farmacias al detalle competidoras. Antes de realizar entrevistas en sesiones de grupo, SIR asignó a los participantes de éstas tareas específicas de compra (y dinero en efectivo) en farmacias de la competencia en el área de Richmond. El hallazgo más sorprendente de este primer esfuerzo de investigación cualitativa fue la falta de observación crítica de la experiencia de compra en una farmacia. En otras palabras, en la mente de los participantes de las sesiones de grupo no existía ningún tipo de necesidad de recibir un servicio competente por parte de la farmacia. Este hallazgo fue congruente con la percepción general acerca de que, en la industria farmacéutica, los niveles de servicio son menores que en otros establecimientos de venta al menudeo. En la sesión de grupo de los compradores también se respondieron 16 conceptos relacionados con las farmacias. Con base en estos resultados, 12 de ellos fueron eliminados de futuras conside­ raciones. La investigación cuantitativa, que consistió en una encuesta telefónica de 300 hoga­ res, a los cuales se marcó de manera aleatoria, ayudó a identificar cuáles de esos cuatro conceptos podían proporcionar a Standard una posición diferente a aquella de la competencia. Los hallazgos fueron que los clientes deseaban comprar en farmacias donde pudieran ser aten­ didos por un farmacéutico. Con base en estos resultados, Edelman Scott, diseñó una campaña de televisión para Standard. La campaña mostraba la atención que daba al público un farmacéutico de Standard (representado por el actor William Christopher, conocido por su actuación como el padre Mulcahy en el programa de televisión M *A *S *H ) junto con la frase publicitaria “We’re creating a whole new Standard”. Además de la campaña en los medios, Standard agregó información del medio farmacéutico a los anuncios en la prensa, información que rara vez aparece en ese tipo de publicidad. Asimismo, Standard emprendió una campaña por correo directo para los recién llegados y los residentes que vivieran cerca de las tiendas que habían sido renovadas, pidiéndoles a esos clientes, de manera específica, que fueran a la farmacia Standard más cercana y conocieran, personalmente y por su nombre, a su farmacéutico. Este esfuerzo dio como resultado un incremento en las ventas.2 ♦ Los ejemplos muestran la importancia que tiene definir correctamente el problema de investigación de mercados y desarrollar un planteamiento apropiado del problema.

I m p o r t a n c ia

definición del problema

Enunciado amplio del problema general e iden­ tificación de los compo­ nentes específicos del problema de investiga­ ción de mercados.

d e l a d e f in ic ió n d e l p r o b lem a Aunque cada paso en un proyecto de investigación de mercados es importante, definir el problema es el más importante de todos. Como se mencionó en el capítulo 1, para propósitos de la investigación de mercados, los términos problemas y oportunidades se manejan en for­ ma indistinta. La definición del problema implica empezar con los términos generales del mismo, para identificar luego sus componentes específicos. Sólo cuando el problema de inves­ tigación de mercados quedó claramente definido, pudo diseñarse y llevarse a cabo la investi­ gación. De todas las tareas en un proyecto de investigación de mercados, ninguna es más vital que la definición detallada del problema de investigación, ya que ello nos permitirá satisfacer completamente las necesidades del cliente. Todos los esfuerzos, tiempo y dinero

invertidos serían un desperdicio si el problema no se entendiera o estuviera mal definido.”3 Es muy útil recordar este punto puesto que, una definición inadecuada del problema es la causa más importante de los errores en un proyecto de investigación. Un estudio posterior de las 183 empresas, consideradas las mayores consumidoras de bienes y servicios, reveló que mejor comunicación y mayor compromiso en la definición del problema eran los factores mencionados con mayor frecuencia como algunas de las mejores formas de aprovechar la investigación.4 Estos resultados permiten concluir que no puede pasarse por alto la impor­ tancia de identificar con claridad y definir el proyecto de investigación de mercados. En el recuadro Investigación en la práctica 2.1 se cita un episodio de la experiencia del autor, con objeto de ilustrar este punto. Más adelante se mostrará la dificultad que implica una defini­ ción apropiada del problema, durante su proceso de definición.

I n vestig ació n en la p rá ct ica 2.1 Estudio de un restaurante de cadena Un día recibí una llamada telefónica de un investigador analista que se presentó como alumno de mi universidad. Estaba trabajando en un restaurante de cadena de la ciudad y quería ayuda para analizar los datos que había recopilado mientras llevaba a cabo un estudio de investigación de mercados. Cuando nos conocimos, me presentó una copia del cuestionario y me preguntó cómo podría analizar los datos. Mi primera pregunta fue: "¿Cuál es el problema que se determinó?" Cuan­ do me miró perplejo le expliqué que el análisis de datos no es un ejercicio inde­ pendiente. Mejor dicho, la meta del análisis de datos es proporcionar información relativa a los componentes del problema. Se sorprendió al darse cuenta que no tenía una comprensión clara del problema de investigación y que no existía una definición escrita del problema. Por lo que, antes de proceder a cualquier otra cosa, tenía que definir el problema a investigar. Una vez que hizo esto, encontré que muchos de los datos recopilados no eran relevantes para el problema. En este sentido, todo el estudio era una pérdida de recursos. Era preciso diseñar e instrumentar un estudio nuevo para dirigirse al problema identificado.

P

r o c e s o d e d e f in ic ió n d e l p r o b lem a y d esa r r o llo

DE UN PLANTEAMIENTO El proceso para definir un problema y desarrollar un planteamiento se muestra en la figura 2.1. Las tareas que involucra la definición consisten en análisis con las personas que toman deci­ siones; entrevistas con expertos en la industria y otras personas que conocen el tema; análisis de la información secundaria y, algunas veces, investigación cualitativa. Estas tareas, ayudan al investigador a entender los antecedentes del problema por medio del análisis del ambiente y su contexto. Algunos factores ambientales tienen relación con el problema que se evalúa. Entender el contexto ambiental facilita la identificación del problema sobre el que hay que tomar decisiones. Una vez identificado, lo transformamos en un problema de investigación de mercados. Con base en la definición que hayamos logrado, podremos desarrollar un plantea-

F ig u r a 2.1 Proceso de definición del problema y desarrollo de un planteamiento

Tareas involucradas

Análisis con quienes toman decisiones

Entrevistas con expertos

Análisis de los datos secundarios

Análisis cualitativo

Contexto ambiental del problema

Paso 1: Definición del problema

Problema de decisión gerencial

I Problema de investigación de mercados

Paso 2: Planteamiento del problema

Estructu­ ra objeti­ vo/teórica

Modelo analítico: verbal, gráfico, matemático

Preguntas de inves­ tigación

Hipótesis

Características/ factores que influ­ yen en el diseño de investigación

Paso 3: Diseño de la investigación

miento apropiado del mismo. Los componentes del planteamiento consisten en una estructu­ ra objetivo/teórica, modelos analíticos, preguntas de investigación, hipótesis y factores o ca­ racterísticas que influyen en el diseño de la investigación. La explicación más detallada del proceso de definición del problema empieza con un análisis de las tareas involucradas.

T

a r ea s in v o l u c r a d a s Las tareas involucradas en la definición del problema incluyen el análisis con las personas que toman decisiones, entrevistas con expertos de la industria, análisis de datos secundarios e investigación cualitativa. El propósito de estas tareas es obtener información del contexto ambiental y ayudar a definir el problema de investigación de mercados.

Análisis con las personas que toman decisiones de mercado

auditoría del problema

Consiste en analizar ampliamente el problema de mercadotecnia para entender su origen y naturaleza.

Los análisis con las personas que toman decisiones de mercado (DM) son muy importantes. Las DM necesitan entender las posibilidades y limitaciones de la investigación.5 La investiga­ ción proporciona información relevante para la toma de decisiones administrativas, pero no ofrece soluciones porque éstas requieren de la aplicación del criterio. De manera recíproca, el investigador debe entender la naturaleza de las decisiones que el gerente tiene que enfren­ tar (el problema administrativo) y qué espera aprender de la investigación. Para identificar el problema de la gerencia, el investigador deberá poseer una gran ha­ bilidad para interactuar con las DM. Algunos factores pueden complicar esta interacción. El acceso a las DM puede ser difícil puesto que algunas organizaciones tienen protocolos de acceso, a sus altos ejecutivos, muy complicados. El nivel del investigador o del depar­ tamento de investigación dentro de la organización puede hacer muy difícil alcanzar a la DM clave en las primeras etapas del proyecto. Por último, puede haber más de una DM cla­ ve y reunirse con ellas en forma colectiva o individual puede ser complicado. A pesar de es­ tos problemas, es necesario que el investigador interactúe con los gerentes más importantes.6 La auditoría del problema proporciona una estructura útil para identificar y subrayar las causas del problema y a la vez interactuar con la DM. La auditoría del problema, como cualquier otra auditoría, es un análisis extenso del problema de mercadotecnia, con el propó­ sito de entender su origen y naturaleza.7 El problema de auditoría comprende el análisis de los aspectos siguientes con la DM: 1. Los eventos que permitieron decidir que se necesitaba llevar a cabo una acción o la historia del problema. 2. Los cursos de acción alternativos para la DM. El conjunto de alternativas puede estar incom­ pleto en esta etapa y se requiere de investigación cualitativa para identificar otros cursos de acción. 3. El criterio que se utilizará para evaluar los cursos de acción alternativos. Por ejemplo, la oferta de un nuevo producto puede evaluarse con base en sus ventas, participación de mercado, bene­ ficios, rentabilidad de la inversión, etcétera. 4. Las acciones a seguir basadas en los hallazgos dé la investigación. 5. La información necesaria para responder las preguntas de la DM. 6. La manera en que la DM utilizará cada elemento de información en la toma de decisiones. 7. La cultura corporativa y cómo se relaciona con la toma de decisiones.8 En algunas empresas, el proceso de toma de decisiones es predominante; en otras, la personalidad de la DM es lo más importante. Conocer la cultura corporativa puede ser uno de los factores más importantes que distingue a aquellos investigadores que inciden en las decisiones estratégicas de quienes no.9 Es importante llevar a cabo la auditoría porque, en muchos casos, la DM sólo tiene una idea vaga de lo que es el problema. Por ejemplo, la DM puede saber que la empresa pierde participación en el mercado, pero quizá no sepa por qué ocurre; esto se debe a que las DM tienden a enfocar su atención en los síntomas más que en las causas. El investigador deberá tratar de subrayar las causas y no solamente señalar los síntomas. Por ejemplo, la pérdida de participación en el mercado podría estar originada por una mejor promoción por parte de la competencia, una inadecuada distribución de los productos o cualquier otro factor. Sólo cuan­ do se identifican las causas fundamentales es posible evaluar con éxito el problema, como se ejemplifica a continuación.

EJEMPLO Coca-Cola distribuye almendras en Japón ----------------------------------Durante cinco años, California Almond Growers Exchange (CAGE) no fue capaz de pe­ netrar en el mercado japonés de almendras. Sin embargo, las bajas ventas y la poca participa­ ción en el mercado sólo eran algunos síntomas. Entonces, se llevó a cabo una auditoría del problema. El análisis de las posibles causas fundamentales y los cursos de acción alternativos

indicaron que los japoneses estaban satisfechos con la calidad de las almendras de CAGE. Las almen­ dras tenían un precio competitivo. Los japoneses también veían con buenos ojos la publicidad de CAGE, la cual estaba manejada por una agencia ja­ ponesa. La causa real de una falta de penetración en el mercado era que CAGE había fallado en su sistema de distribución. Se tomó entonces la deci­ sión de usar el sistema de distribución de Coca-Cola. Coca-Cola tenía en la plaza 15,000 vendedores, 500 oficinas de ventas y 1.1 millones de puntos de distri­ bución a lo largo y ancho de Japón. Desde enton­ ces, CAGE capturó el 70% del mercado de almen­ dras japonés.10 ♦

Su sistema de distribución intensivo en Japón no sólo ha ayudado a Coca-Cola a alcanzar una gran participación en el mercado de los refrescos, sino también a ayudar algunos socios, como el California Almond Growers Exchange, a penetrar en el mercado japonés. ♦ Photo Researchers Inc.

Como en el caso de California Almond Growers Exchange, la auditoría del problema, que incluye una extensa interacción entre la DM y el investigador, puede facilitar en gran medida la definición del problema al determinar sus causas fundamentales. La interacción entre el investigador y la DM se facilita, cuando una o más personas, que pertenecen a la organización del cliente, sirven de enlace y forman equipo con el investigador de mercados. Para que la interacción entre la DM y el investigador sea fructífera, deberá caracterizarse por tener las siete “ces”: 1. Comunicación. El libre intercambio de ideas entre la DM y el investigador es esencial. 2. Cooperación. La investigación de mercados es un proyecto de equipo en el cual ambas partes (DM e investigador) deberán cooperar. 3. Confianza. Deberá existir confianza mutua en la interacción entre la DM y el investigador. 4. Candor (transparencia). No deben existir agendas ocultas, deberá prevalecer una actitud de completa apertura. 5. Cercanía. Sentimientos de cordialidad y cercanía deberán caracterizar las relaciones entre la DM y el investigador. 6. Continuidad. La DM y el investigador deberán interactuar de forma continua y no esporádica. 7. Creatividad. La interacción entre la DM y el investigador deberá ser creativa más que formal.

Entrevistas con expertos de la industria Además del análisis con las DM, las entrevistas con expertos y personas que conozcan la empresa y la industria pueden ayudar a formular el problema de investigación.11 Estos exper­ tos pueden encontrarse tanto dentro como fuera de la empresa. Por lo general, la informa­ ción de los expertos se obtiene por medio de entrevistas personales no estructuradas, sin que se aplique un cuestionario formal. Sin embargo, resulta de gran utilidad preparar una lista de temas que deberán cubrirse durante las entrevistas. El orden en que los temas serán cubiertos y las preguntas que se harán no estará predeterminado. En lugar de ello, podrán decidirse conforme la entrevista progrese, lo que permite una gran flexibilidad para captar los conoci­

mientos de los expertos. El propósito de entrevistar a los expertos es ayudar a definir el pro­ blema de investigación más que desarrollar una solución concluyente. Por desgracia, dos di­ ficultades potenciales pueden surgir cuando se busca el consejo de expertos: 1. Algunos individuos que pretenden ser conocedores y están deseosos de participar en realidad pueden carecer de conocimientos. 2. Puede ser difícil localizar y obtener la ayuda de expertos que estén fuera de la organización del cliente. Por estas razones, las entrevistas con los expertos son más útiles cuando se llevan a cabo para empresas industriales y productos de naturaleza técnica, donde es más fácil identificar y acercarse a ellos. Este método también es útil en situaciones en las que existe poca informa­ ción disponible proveniente de otras fuentes, como sería el caso de productos totalmente nuevos. Los expertos pueden proporcionar ideas valiosas para modificar o reposicionar los productos existentes, como se ilustra en el ejemplo siguiente.

EJEMPLO Pontiac se adapta a la diversión ______________________________ Durante la década de los sesenta y principos de los setenta, la división Pontiac de General Motors tuvo mucho éxito. Después, la crisis de la gasolina y el incremento en las importacio­ nes de automóviles le hizo mucho daño. Perdió ventas así como participación en el mercado. A principios de los ochenta, Pontiac se la jugó para recuperar, redefinir y reconstruir sus productos con base en su clientela. El primer punto de la orden del día fue determinar lo que Pontiac había sido y lo que debería ser. Cuando se llamó a los consultores externos, el proble­ ma real ya estaba identificado: Pontiac no tenía imagen. Los expertos enfatizaron que la imagen de marca era el factor más importante que influía en las ventas de automóviles. Pos­ teriormente, una investigación de la imagen de marca dirigió a Pontiac a adoptar el tema “We build excitement” y posicionar sus automóviles en el sector de compradores con educación más elevada e ingresos más altos. Esta estrategia de mercadotecnia ayudó a Pontiac a conver­ tirse en “el mayor conquistador de importaciones” de G M .12 ♦ El ejemplo de Pontiac señala el papel clave que tienen los expertos en la industria. Sin embargo, la información obtenida de las DM y de los expertos en la industria puede comple­ mentarse con los datos secundarios disponibles.

Análisis de datos secundarios datos secundarios

Datos recopilados para un propósito diferente al problema que se está manejando. datos primarios

Datos que origina el investigador para aplicar­ los, específicamente, al problema de investiga­ ción.

Los datos secundarios son datos que se recopilan para un propósito diferente al del problema que manejamos. Por otro lado, el investigador origina los datos primarios para un propósito específico, los cuales están dirigidos a investigar el problema. Los datos secundarios incluyen información que ponen a disposición negocios o fuentes gubernamentales, empresas comer­ ciales de mercadotecnia y bases de datos computarizadas. Los datos secundarios son una fuente de información de los antecedentes rápida y económica. El análisis de datos secundarios disponibles es un paso esencial en el proceso de definición del problema: es probable que los datos primarios no se recopilen sino hasta que los secundarios se analicen por completo. Dada la gran importancia de los datos secundarios, este tema se estudiará con detalle en el capítulo 4, en el cual también se analizarán las diferencias entre los datos secundarios y los primarios. En el recuadro Investigación en la práctica 2.2 se ilustra el papel de los datos secundarios en la definición del problema.13 Aunque pueden obtenerse valiosas ideas de los datos secundarios, como en el estudio de objetivos de la revista Splice, los hallazgos de los datos secundarios con frecuencia deben enriquecerse al realizar una investigación cualitativa.

I n vestig a ció n en la prá ctica 2.2 S p l i c e une el mercado de las adolescentes En virtud de que muchas revistas nuevas han entrado al mercado de los jóve­ nes. surgen nuevos problemas de mercadotecnia para la industria editorial. Debido al incremento en la competencia, a fines de la década de los ochenta, las revistas para jóvenes habían empezado a experimentar una disminución en sus ganancias por publicidad y habían perdido participación en el mercado. En un intento por incrementar sus utilidades, la revista Splice basó sus actividades en datos secundarios. Una investigación que llevó a cabo el Departamento del Censo de Estados Unidos reveló que el número de adultos jóvenes debería disminuir alrededor de 1995, mientras que el número de adolescentes se man­ tendría estable. Los datos secundarios también indicaban que 80% de las jóve­ nes. de 15 a 17 años, deciden por ellas mismas qué marcas de productos para el cuidado del cabello compran y que la mayoría de ellas usan champú siete días a la semana. Con base en esta información y en los análisis internos con la gerencia. Splice determinó que su problema de investigación consistía en dirigir la revista a un mercado específico, las adolescentes. Esta posición meta ayudó a Splice a producir mayores utilidades por publicidad de la industria de los cos­ méticos y de cuidado personal.

Investigación cualitativa

investigación cualitativa

Método de investigación no estructurado, basado en pequeñas muestras que se proponen para proporcionar la idea y comprensión más profun­ das del problema.

La información obtenida de las DM y de los expertos en la industria, junto con los datos secundarios, quizá no sea suficiente para definir el problema de investigación. Algunas veces tiene que emprenderse la investigación cualitativa para comprender mejor el problema y sus factores fundamentales. La investigación cualitativa no es estructurada, es de naturaleza exploratoria, basada en pequeñas muestras, y puede utilizar técnicas cualitativas comunes tales como sesiones de grupo (grupo de entrevistas); asociación de palabras (al registrar la primera respuesta que se da a una palabra estímulo) y entrevistas a fondo (entrevistas indivi­ duales para sondear, con detalle, el punto de vista de quien responde). Pueden emprenderse otras técnicas de investigación exploratorias tales como investigaciones piloto, con pequeñas muestras de personas que respondan los cuestionarios. La investigación exploratoria se estu­ diará con mayor detalle en el capítulo 3 y las técnicas de investigación cualitativa se analiza­ rán en el capítulo 5. Aunque la investigación que se emprenda en esta etapa, posiblemente no se lleve a cabo de manera formal, podría proporcionar valiosas ideas, como se ilustra en el intento de Avon por penetrar en el mercado de los hispanos.

EJEMPLO Las diversas caras de las mujeres hispanas ______________________ Avon Products Inc., que vende cosméticos para dama, intenta incrementar su participación en el mercado hispano. Datos secundarios del Departamento del Censo de Estados Unidos manejan como un grupo cultural a las mujeres hispanas. La investigación cualitativa, en forma de entrevistas en profundidad, estudios piloto y observación de la comunidad hispana, indica, sin embargo, que la población hispana tiene muchos segmentos que difieren, tanto

por sus antecedentes históricos y culturales, como por sus actitudes y creencias. Con base en estos hallazgos, el problema de investigación de mercados se redefinió y limitó a la forma en que puede segmentarse el mercado de la mujer hispana.14 ♦ Las ideas obtenidas, como resultado de la investigación cualitativa, a lo largo de los análisis con aquellos que toman las decisiones, las entrevistas con los expertos en la industria y el análisis de los datos secundarios ayudaron al investigador a entender el contexto ambiental del problema.

E

l c o n t e x t o a m b ie n t a l d e l p r o b lem a

contexto ambiental del problema Factores que tienen impacto en la definición del problema de investigación de mercados, incluye los pronós­ ticos y la información anterior, los recursos y restricciones de la empre­ sa, los objetivos de quien toma las decisiones, el comportamiento del comprador, el ambiente legal, el ambiente econó­ mico y las habilidades tecnológicas y de merca­ dotecnia de la empresa.

Para entender los antecedentes del problema, el investigador deberá comprender tanto la empresa de su cliente como la industria. El investigador deberá analizar, de manera par­ ticular, los factores que han impactado la definición del problema de investigación de merca­ dos. Estos factores que forman parte del contexto am biental del problema, incluyen la infor­ mación anterior y los pronósticos que atañen a la industria y a la empresa, los recursos y limitaciones, los objetivos de quien toma las decisiones, la conducta del comprador, el am­ biente legal y económico y las habilidades tecnológicas y de mercadotecnia de la empresa, como se muestra en la figura 2.2. Cada uno de esos factores se estudiará enseguida de manera breve.15

Pronósticos e información anterior La información del pasado y los pronósticos con repecto a las ventas, la participación en el mercado, la rentabilidad, la tecnología, la población, la demografía y el estilo de vida pueden

ayudar al investigador a entender los fundamentos del problema de investigación. Cuando es apropiado, esta clase de análisis puede llevarse a cabo a nivel de la industria o de la empresa. Por ejemplo, si las ventas de una empresa se han reducido pero las ventas de la industria se han incrementado, los problemas pueden ser muy diferentes de aquellos que se presentarían si las ventas de la industria también se hubiesen reducido. En el primer caso, parece que los problemas son específicos de la empresa.16 La información del pasado y los pronósticos pueden ser valiosos para conocer el poten­ cial y los problemas del mercado no cubierto, como se encontró en la industria de la comida rápida. El ejemplo siguiente muestra cómo las cadenas de comida rápida, los restaurantes de pizzas y otras tiendas de comida para llevar, han vivido un auge de sus oportunidades poten­ ciales, debido a la reciente tendencia en el consumo de comida para llevar y/o que se envía a domicilio.

EJEMPLO El mercado de comida para llevar experimenta un auge _____________________________________ En años recientes, ha existido una tendencia significativa al consumo de comida para llevar. Un estudio que realizó Liberman Research de Nueva York encontró que un promedio del 81% de los hogares compran comida para llevar, cuando menos una vez cada cuatro semanas y muchos llevan comida una vez a la semana con un costo promedio de 16.50 dólares por persona. Los lugares tradicionales de venta de comida rápida para llevar aún son muy popu­ lares, un 76% de consumidores compran ahí su comida, seguidos por los que prefieren la pizza para llevar, con un 66%. El estudio pronosticó que la entrega a domicilio será el futuro de la comida para llevar: entremeses, sopas, ensaladas y emparedados se añadirán al repertorio. También se pronosticó que llegará el día que hasta los postres y dulces serán enviados a do­ micilio. Esto representó problemas para aquellos comerciantes cuyo servicio había centrado su atención en las personas que gustan de cenar en casa y ofrece grandes oportunidades a aquellos que trabajan en los segmentos de comida para llevar y para enviar a domicilio. Pizza Hut capitalizó con éxito esta tendencia, al poner mayor empeño en la comida para llevar y en los servicios de entrega a domicilio. Por ejemplo, abrió algunos establecimientos que sólo ofrecen comida para llevar (sin servicio de restaurante), para satisfacer mejor a este mercado.17 ♦ Este ejemplo ilustra la utilidad de la información previa y los pronósticos, que pueden ser especialmente valiosos si los recursos son limitados o existen otras restricciones en la organización.

Recursos y limitaciones Para formular el problema de investigación de mercados con un alcance apropiado es necesa­ rio considerar, tanto los recursos disponibles (dinero y capacidad de investigación) como las limitaciones en la organización, costo y tiempo. Proponer un proyecto a gran escala que podría costar 100 000 dólares seguramente no sería aprobado por la gerencia, si ésta sólo tiene un presupuesto de 40 000 dólares. En muchos casos, el alcance del problema de inves­ tigación tiene que reducirse y ajustarse a las limitaciones del presupuesto. Esto puede hacerse como en el proyecto de patrocinio a las tiendas departamentales, la investigación se limita a mercados situados en grandes áreas geográficas, en lugar de realizar un proyecto de alcance nacional. Es posible extender el alcance de un proyecto sólo con un incremento marginal de los costos. Esto aumenta en forma considerable el valor y la utilidad del proyecto, con lo cual se incrementa la posibilidad de que la gerencia lo apruebe. Las limitaciones de tiempo pueden ser importantes cuando una decisión debe tomarse con rapidez.18 Un proyecto para Fisher-

Price, importante fabricante de juguetes, incluyó entrevistas en centros comerciales en seis grandes ciudades (Chicago, Fresno, Kansas City, Nueva York, Filadelfia y San Diego) y tenía que completarse en seis semanas. ¿Cuál era la prisa? Los resultados tenían que presentarse en la siguiente junta de consejo donde se tomaría una decisión (seguir adelante o no) respecto a introducir un nuevo producto.19 Otras limitaciones, como aquellas que impone el personal del cliente, la cultura, la estructura de la organización o el estilo de la toma de decisiones, deben identificarse para determinar el alcance del proyecto de investigación. Con todo, no debe permitirse que las limitaciones disminuyan el valor de la investigación para quien toma decisiones ni compro­ metan la integridad del proceso. Si es importante llevar a cabo un proyecto de investigación, entonces es importante hacerlo bien. En aquellos casos donde los recursos sean tan limitados que no permitan un proyecto de gran calidad, deberá informarse a la empresa a fin de no emprender un proyecto de investigación de mercados formal. Ya que se hace necesario iden­ tificar los recursos y las limitaciones, esta tarea puede entenderse mejor cuando se analiza tomando en cuenta los objetivos de la organización y de quien toma las decisiones.

Objetivos objetivos Para conducir con éxito una investiga­ ción de mercados debe­ rán tomarse en cuenta las metas, tanto del que toma decisiones como de la organización.

Las decisiones se toman para satisfacer objetivos. La formulación de un problema de decisión administrativa deberá basarse en una compresión clara de dos tipos de objetivos: los de la organización (las metas de la organización) y los objetivos personales de quien toma las deci­ siones. Para que un proyecto sea exitoso, deberán cubrirse tanto los objetivos de la organiza­ ción como los de la DM. Sin embargo, ésta no es una tarea fácil. Es muy raro que la persona que toma las decisiones formule sus objetivos personales, o de la organización, de manera detallada y precisa. Más aún, parece que estos objetivos se establecen en términos que no tienen ninguna importancia operacional, como podría ser “mejorar la imagen corporativa”. Interrogar directamente a la DM no parece ayudar a descu­ brir todos los objetivos relevantes. El investigador necesita habilidad para obtener tales obje­ tivos. Una técnica efectiva consiste en enfrentar a la DM con cada una de las posibles solu­ ciones al problema y preguntarle si seguiría ese curso de acción. Si la respuesta es negativa, es preciso sondear más con aquellos objetivos que no se cubrieron con el curso de acción suge­ rido en un principio.

Conducta del comprador conducta del comprador Conjunto de conoci­ mientos que trata de entender y predecir las reacciones del consu­ midor con base en las características específicas de los individuos.

La conducta del comprador es uno de los componentes centrales del contexto ambiental. En muchas de las decisiones de mercadotecnia, el problema puede rastrearse, en última ins­ tancia, para predecir la respuesta del comprador ante acciones específicas del comerciante. Una comprensión de la conducta fundamental del comprador puede proporcionar valiosas ideas acerca del problema. Los factores del comportamiento del comprador que deben consi­ derarse incluyen: 1. Número y localización geográfica de los compradores y no compradores. 2. Características demográficas y psicológicas. 3. Hábitos de consumo y consumo relacionados con las categorías del producto. 4. Conducta de consumo promedio y respuesta a las promociones. 5. Sensibilidad a los precios. 6. Tiendas detallistas que se visitan. 7. Preferencias del comprador. El siguiente ejemplo nos muestra cómo los cambios en el comportamiento del compra­ dor pueden representar tanto amenazas como oportunidades.

EJEMPLO El café ya no es tan popular ________________________________ El consumo de café en Estados Unidos se ha reducido desde principios de los sesenta. La mayoría de los expertos creen que el café no será más la bebida para adultos, para toda oca­ sión y todas las comidas, que alguna vez fue. A principios de los noventa, la edad promedio de los consumidores de café era de más de 40 años y seguía aumentando. Otro cambio notable en el comportamiento de los consumidores fue que utilizaban distintas variedades de café según la ocasión. Estos cambios en el comportamiento del consumidor y la reducción del mercado pusieron en peligro a los comerciantes de este producto, en especial al líder del mercado, General Foods (GF). Sin embargo, esta compañía se dio cuenta que dentro del peligro existía una oportuni­ dad de asegurar su posición competitiva. Después de una considera­ ble investigación, GF segmentó su mercado con base en la conducta de uso del café e introdujo una variedad de marcas y tipos de café mucho mayor que sus competidores. Además, GF ensayó el posicionamiento de cada marca para una situación específica de uso. La marca Maxwell House de café común se posicionó como bebida para el desayuno y para consumirse en casa. Aunque Sanka y Brim son marcas de café descafeinado, Sanka se comercializó como café para la cena y Brim como café para la oficina. Por último, General Foods International Coffees se posicionó como bebida para ocasiones espe­ ciales. Esta estrategia fortaleció la posición de liderazgo de GF en el mercado del café.20 ♦

General Foods ha segmentado con éxito el mercado, con base en los cam­ bios en el consumo de café. ♦ Teri Stratford.

El aumento en la edad promedio de los consumidores de café y la reducción del consu­ mo puede atribuirse a cambios en el ambiente sociocultural, que incluyen tendencias demo­ gráficas y gustos de consumo. Además, los ambientes legal y económico pueden impactar la conducta del consumidor y la definición del problema de investigación de mercados.

Ambiente legal ambiente legal

Políticas reguladoras y normas con las cuales la organización deberá operar.

El ambiente legal incluye las políticas públicas, las leyes, las agencias gubernamentales y los grupos de presión que influyen y regulan diversas organizaciones e individuos en la sociedad. Existen importantes áreas dentro de la ley, que incluyen patentes, marcas, regalías, acuerdos comerciales, impuestos y tarifas. Las leyes federales tienen un impacto en cada elemento de la combinación de mercadotecnia. Además, las leyes han empezado a regular algunas indus­ trias específicas. El ambiente legal puede tener un impacto importante en la definición del problema de investigación.

Ambiente económico ambiente económico

El ambiente económico está formado por: ingreso, precios, ahorros, crédito y condiciones económicas generales.

Junto con el ambiente legal, otro de los componentes del contexto ambiental es el ambiente económ ico, constituido por la fuerza de compra, el ingreso nacional, el ingreso disponible, el ingreso discrecional, los precios, los ahorros, la disponibilidad de crédito y en general las condiciones económicas. El estado general de la economía (crecimiento dinámico, bajo cre­ cimiento, recesión o estanflación) influyen en la disposición de los consumidores y negocios

para aceptar créditos o para hacer grandes gastos. Por tanto, el ambiente económico puede tener importantes implicaciones en los problemas de investigación de mercados.

Habilidades tecnológicas y de mercadotecnia La experiencia con cada elemento de la combinación de mercadotecnia, así como el nivel de sus habilidades tecnológicas y de mercadotecnia, afectan la naturaleza y alcance del proyecto de investigación. Por ejemplo, introducir un nuevo producto que requiere de tecnología so­ fisticada, puede no ser un curso de acción viable si la empresa carece de capacidad de fabrica­ ción o de mercadotecnia. Las habilidades tecnológicas y de mercadotecnia de la empresa tienen gran influencia en los programas y estrategias que pueden realizarse. En un nivel extremo, otros elementos del ambiente tecnológico deberán tomarse en cuenta. Los avances tecnológicos, como el continuo desarrollo de las computadoras, tienen un impacto dramático. Como ejemplo tene­ mos los puntos de verificación computarizados que permiten a los supermercados monitorear la demanda diaria de productos de consumo, y permiten que los datos estén disponibles para el investigador. Es posible obtener información precisa de las ventas al menudeo, no sólo de los artículos de la marca que se estudia sino también de las marcas de la competencia. La velocidad y exactitud de la recopilación de datos permiten al investigador el manejo de in­ trincados problemas, como los cambios diarios en la participación de mercado durante una promoción. Después de comprender bien el contexto ambiental del problema, el investigador podrá definir el problema de la toma de decisiones gerenciales y de investigación de mer­ cados.

E

l p r o b lem a d e l a t o m a d e d e c is io n e s g e r e n c ia les y en in v e s t ig a c ió n d e m er c a d o s

problema de decisión gerencial El problema que enfrenta quien toma decisiones y a quien se le pregunta qué debe hacerse. problema de investiga­ ción de mercados Problema que vincula y determina qué informa­ ción es necesaria y cómo podrá ser obtenida de la manera más sencilla.

El problema de toma de decisiones gerenciales se refiere a lo que la DM necesita llevar a cabo; mientras que el problema de investigación de mercados se refiere a la información requerida y cómo podrá obtenerse de la mejor manera.21 La investigación puede proporcio­ nar la información necesaria para tomar una decisión correcta.22 El problema de decisión gerencial está orientado hacia la acción. Tiene que ver con los cursos de acción posibles que la DM puede tomar. ¿Cómo podría detenerse la pérdida de participación de mercado? ¿Podría segmentarse el mercado de manera diferente? ¿Puede introducirse un nuevo producto? ¿De­ bería incrementarse el presupuesto de promoción? En cambio, el problema de investigación de mercados está orientado hacia la in­ formación. Implica determinar qué información se requiere y cómo podrá obtenerse de manera efectiva y eficiente. Considerando, por ejemplo, la pérdida de participación en el mercado para determinada línea de productos, el problema de decisión de la DM es cómo recuperar esta pérdida. Algunas alternativas de acción incluyen la modificación a productos existentes, introducción de nuevos productos, cambio de otros elementos dentro de la mez­ cla de mercadotecnia y segmentación del mercado. Suponga que la DM y el investigador creen que la causa del problema es una segmentación inadecuada del mercado y quieren investigar para tener información sobre este aspecto. El problema será la identificación y evaluación de una base alternativa para segmentar el mercado. Tenga en cuenta que este proceso es interactivo. El proyecto de patrocinio a las tiendas de departamentos, que se pre­ senta más adelante, ejemplifica la distinción entre el problema de decisión gerencial y el problema de investigación de mercados, así como la naturaleza interactiva del proceso de definición del problema.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Definición del problema ___________________________________ DM: Hemos visto cómo disminuye la clientela en nuestra tienda. R: ¿Cómo lo sabe? DM: Bueno, eso se refleja en nuestras ventas y en la participación en el mercado. R: ¿Por qué piensa que ha disminuido la clientela? DM: ¡Quisiera saberlo! R:

¿Qué sucede con la competencia?

DM: Sospecho que, en algunos aspectos, estamos mejor que la competencia, mientras que en otros estamos peor. R:

¿Cómo cree que los clientes ven su tienda?

DM: Creo que la mayoría de ellos la ven en forma positiva, aunque quizá tenemos algunos problemas en una o dos áreas. Después de una serie de diálogos con la DM y otros gerentes clave en el análisis de datos secundarios y la investigación cualitativa, el problema se identificó como sigue:

Problema de decisión gerencial ¿Qué deberá hacerse para mejorar la clientela de Sears?

Problema de investigación de mercados Determinar las fuerzas y debilidades relativas de Sears frente a otros grandes competi­ dores, en relación con los factores que influyen en la clientela. ♦ El proyecto de patrocinio a las tiendas de departamentos muestra la naturaleza inte­ ractiva del proceso para identificar el problema de decisión gerencial y el problema de inves­ tigación de mercados. Los siguientes ejemplos hacen una distinción entre ambos tipos de problemas:

Problema de decisión gerencial

Problema de investigación de mercados

¿Deberá introducirse un nuevo producto?

Determinar las preferencias del consumi­ dor y sus intenciones de compra para el nuevo producto propuesto Determinar la efectividad de la campaña de publicidad actual Determinar la elasticidad del precio de la demanda y su impacto en las ventas y utilidades para varios niveles de cambio de precios

¿Deberá cambiarse la campaña publicitaria? ¿Deberá incrementarse el precio del producto?

D

e f in ic ió n d e l pr o b lem a d e in v e s t ig a c ió n d e m er ca d o s La regla general para definir un problema de investigación es que la definición deberá: 1) permitir al investigador obtener toda la información necesaria para aclarar el problema de

exposición amplia del problema Enunciado inicial del problema de investigación que propor­ ciona una perspectiva apropiada del mismo. componentes específicos del problema Segunda parte de la definición del problema de investiga­ ción de mercados que centra su atención en los aspectos clave del proble­ ma y proporciona orien­ taciones claras para pro­ ceder en el futuro.

decisión gerencial y 2) guiar al investigador para avanzar en el proyecto. Son comunes dos errores en la definición del problema. El primero surge cuando se define ampliamente. Una definición de este tipo no proporciona orientaciones claras para los pasos subsecuentes. A l­ gunos ejemplos de definiciones demasiado amplias para problemas de investigación son: el desarrollo de una estrategia de mercado para la marca, mejorando la posición competitiva de la empresa, o bien, mejorando la imagen de la empresa. Estas definiciones no son suficiente­ mente específicas para sugerir un planteamiento del problema o un diseño de investigación. El segundo tipo de error es justamente el opuesto: el problema de investigación se defi­ ne de manera demasiado estrecha. Un planteamiento estrecho puede evitar que se tomen en cuenta algunos cursos de acción, en particular aquellos que son innovadores y no tan obvios. También puede evitar que el investigador tome en cuenta importantes componentes del pro­ blema. Por ejemplo, en un proyecto que llevó a cabo una importante empresa de productos de consumo, el problema de decisión era cómo responder ante las rebajas de precio iniciadas por un competidor. Los cursos de acción alternativos que identificó el personal de investiga­ ción fueron: 1) disminuir los precios de la marca para igualar los precios del competidor; 2) mantener el precio, pero incrementar la publicidad en gran medida; 3) disminuir un poco los precios, sin igualar el precio de la competencia y llevar a cabo un incremento moderado de publicidad. Ninguna de estas alternativas parecía prometedora. Cuando se recurrió a los ex­ pertos en investigación de mercados externos, el problema se redefinió conforme se mejoró la participación en el mercado y la rentabilidad de la línea del producto. La investigación cua­ litativa indicó que en pruebas a ciegas los consumidores no podían diferenciar los productos ofrecidos con marcas distintas. Más aún, los consumidores confiaron en el precio como un indicador de la calidad del producto. Estos hallazgos condujeron a una alternativa: incre­ mentar el precio de la marca existente e introducir dos marcas nuevas; una cuyo precio igua­ lara a la competencia y la otra con precio por abajo de ésta. La probabilidad de cometer cualquier error en la definición del problema puede redu­ cirse si la investigación se empieza en términos amplios y generales y se identifican sus com­ ponentes específicos (ver la figura 2.3). Una exposición amplia del problema proporciona una perspectiva y actúa como seguro para no cometer un segundo tipo de error. Los com po­ nentes específicos del problema se centran en los aspectos clave y proporcionan guías claras de cómo proceder posteriormente. A continuación, se presentan dos ejemplos para definir apropiadamente el problema de investigación.

F ig u r a 2 .3 Definición adecuada del problema de investigación de mercados

EJEMPLO Chi-Chi’s toma al toro por los cuernos, el estilo mexicano ------------------Chi-Chi’s, un restaurante estilo mexicano en Peoria, Illinois, tenía dificultades para atraer clientela. El problema de investigación se definió como la determinación de las debilidades de Chi-Chi’s en el mercado total. Los esfuerzos se concentraron en los siguientes aspectos específicos:

1. ¿Cuál es la naturaleza de la economía local? 2. ¿Qué restaurantes son frecuentados en el área? 3. ¿Qué factores hacen que los clientes frecuenten otros restaurantes distintos a Chi-Chi’s? La investigación reveló que la economía local estaba estancada. La percepción general que se tenía era que Chi-Chi’s sacaba el dinero de la comunidad y dañaba a los restaurantes locales. C hi-C hi’s contrarres­ tó esta imagen estableciendo un plan de trabajo para la co ­ munidad, que incluía relacio­ nes públicas (con ideas como recorridos por el restaurante guiados por empleados locales, así como colectas de fondos para becas). Con el tiempo, las ventas empezaron a au­ mentar.23 ♦

Un restaurante de comida mexicana Chi-Chi’s. ♦ C h i-C h i’s M exican R estaurants.

En el ejemplo de Chi-Chi’s, la amplia exposición del problema se centró en el análisis de los puntos débiles con respecto del mercado total y los componentes específicos relaciona­ dos con la economía local, como la clientela y los factores que causaban que los consumido­ res frecuentaran restaurantes de la competencia. Una definición apropiada del problema ayudó a Chi-Chi’s a dirigirse al problema fundamental y atraer así más clientes. La definición del problema en el proyecto de patrocinio a las tiendas de departamentos sigue el mismo patrón.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Definición del problema___________________________________ En el proyecto de patrocinio a las tiendas departamentales, el problema de investigación consistía en determinar los atributos y debilidades de Sears frente a otros competidores im­ portantes con respecto de los factores que influían en la clientela. La investigación propor­ cionó información específica sobre las siguientes preguntas: 1. ¿Qué criterio utilizan las familias para seleccionar las tiendas de departamentos? 2. ¿Cómo evalúan las familias a Sears y sus competidores, en términos del criterio de selección identificado en la primera pregunta? 3. ¿Qué tiendas son frecuentadas cuando se compra una clase específica de productos? 4. ¿Cuál es la participación en el mercado de Sears y de sus competidores en esa clase de productos? 5. ¡Cuál es el perfil demográfico y psicológico de los clientes de Sears? ¿Difieren del perfil de los clientes de las tiendas de la competencia? 6. ¿La frecuencia en las visitas y la preferencia puede explicarse en términos de las evaluaciones que se dan a la tienda y de las características de sus clientes? ♦ Una vez que el problema de investigación se establece en forma amplia y se identifican sus componentes específicos, el investigador está en posición de desarrollar un planteamien­ to apropiado.

Capítulo 2

C

Definición del problema de investigación de mercados y desarrollo de una propuesta

51

o m po n en tes d e l p la n t e a m ie n t o En el proceso para desarrollar un planteam iento no debemos perder de vista la meta: los resultados. Los resultados del proceso de desarrollo del planteamiento deberán incluir los siguientes componentes: estructura objetivo/teórica, modelos analíticos, preguntas de inves­ tigación, hipótesis e identificación de características que influyen en el diseño de investiga­ ción (véase la figura 2.1). Cada uno de estos componentes se estudiará a continuación.

Estructura objetivo/teórica teoría Esquema concep­ tual basado en enuncia­ dos fundamentales o axiomas que se suponen ciertos. evidencia objetiva Evidencia no sesgada que está fundamentada por hallazgos empíricos.

T a b l a 2.1 El papel de la teoría aplicado a la investigación de mercados

En general, la investigación deberá basarse en evidencias objetivas y estar respaldada por la teoría. La teoría es un esquema conceptual, con base en declaraciones fundamentadas lla­ madas axiomas, que se supone son verdaderas. La evidencia objetiva, evidencia que no está sesgada y se fundamenta en hallazgos empíricos, se reúne por medio de la compilación de hallazgos relevantes que provienen de las fuentes secundarias. Asimismo, puede identificarse una teoría apropiada para guiar la investigación al revisar textos académicos en libros, perió­ dicos y monografías. El investigador podrá confiar en la teoría para determinar qué variables deberán investigarse. La investigación, el desarrollo teórico y la experiencia anterior pueden proporcionar importantes guías en la determinación de las variables dependientes (aquellas cuyos valores dependen de los valores de otras variables) y las variables independientes (aque­ llas cuyos valores afectan el valor de otras variables). Más aún, las consideraciones teóricas proporcionan información de cómo pueden manejarse y medirse las variables, también de qué manera deberán seleccionarse el diseño de investigación y la muestra. Una teoría tam­ bién sirve como fundamento sobre el cual el investigador podrá organizar e interpretar sus hallazgos: “nada es más práctico que una buena teoría”.24 A la inversa, por la falta de una teoría el investigador incrementa la probabilidad de fracaso en la comprensión de los datos que obtienen otros. El papel de la teoría en las distintas etapas de un proyecto de investiga­ ción aplicado se resume en la tabla 2.1.

Tareas de investigación 1. Conceptualización e identificación de las variables clave 2. Operatividad de las va­ riables clave 3. Selección del diseño de investigación 4. Selección de la muestra

5. Análisis e interpretación de los datos 6. Integración de los hallazgos

El papel de la teoría Proporciona una base conceptual y una comprensión de los procesos básicos subyacentes al problema. Estos procesos sugieren las variables dependientes e independientes clave. La teoría desarrollada (variables) puede sugerir las variables dependientes e independientes que ocurren de manera natu­ ral en el mundo real. Relaciones causales o asociativas sugeridas por la teoría pue­ den indicar si un diseño causal o descriptivo debe adoptarse (véase capítulo 3). La estructura teórica puede ser útil para definir la población y sugerir las variables que clasifican a quienes responden, imponer cuotas o estratificar la población (véase capítulo 11). La estructura teórica (y los modelos, preguntas de investiga­ ción e hipótesis basadas en ésta) orientan la selección de la estrategia de análisis de datos y la interpretación de los resul­ tados (véase capítulo 14). Los hallazgos obtenidos en el proyecto de investigación pue­ den interpretarse con base en la investigación previa e inte­ grarse al cuerpo de conocimientos existente.

La teoría también juega un papel vital al influir en los procedimientos de investigación adoptados en la investigación básica. Sin embargo, aplicar la teoría a un proyecto de investi­ gación de mercados requiere de creatividad por parte del investigador. Es probable que la teoría no especifique adecuadamente de qué manera pueden incorporarse los términos es­ tructurados (variables) en los fenómenos del mundo real. Además, las teorías son incomple­ tas; sólo manejan un subconjunto de variables que existen en el mundo real. De aquí que el investigador deba identificar y examinar otras variables no teóricas.25 El proyecto de patrocinio a las tiendas de departamentos ilustra de qué manera la teoría puede utilizarse para desarrollar un planteamiento. Una revisión de la bibliografía sobre el comportamiento del consumidor, la economía y la bioestadística revela un amplio apoyo al concepto de efecto de punto entrada en la respuesta del consumidor. Este concepto afirma que el consumidor no tendrá ninguna respuesta, a menos que el valor de la variable fundamental exceda un punto de entrada o nivel crítico. El planteamiento de punto de entrada fue adopta­ do para explicar la conducta de la clientela hacia la tienda. Un consumidor deberá decidir si frecuenta una tienda como cliente. Generalmente prefiere una tienda a otra. Si el grado de preferencia está por arriba del valor del punto de entrada para el consumidor, esa persona será cliente de la tienda bajo estudio. Si está por debajo del punto de entrada, la persona no la escogerá. El valor del punto de entrada varía en cada individuo y puede cambiar de una tienda a otra. También el grado de preferencia por una tienda puede verse afectado por distintas variables, las más importantes son los factores que influyen en el criterio de selección.26 Una revisión de la bibliografía de ventas al detalle reveló que la creación de modelos para determinar la clientela de una tienda, en términos de criterios de selección, ha recibido un apoyo considerable. Además, se han identificado hasta 42 criterios de selección y pautas proporcionadas al poner en operación esas variables. Esto ofreció una combinación, a partir de la cual se incluyeron ocho características en el cuestionario que fue seleccionado. Las consideraciones teóricas también sugieren que la conducta de la clientela basada en el efecto de punto de entrada puede analizarse a través de un estudio de respuestas familiares con el departamento de compras de la tienda. La estructura teórica también sirve como fundamen­ to para desarrollar un modelo analítico apropiado.

Modelo analítico modelo analítico Especificación explícita de un conjunto de varia­ bles y sus interrelaciones, diseñada para representar algún sistema o proceso real total o parcialmente. modelo verbal Modelo analítico que proporcio­ na una representación escrita de las relaciones entre las variables. modelo gráfico Modelo analítico que proporcio­ na una representación visual de las relaciones entre las variables. modelo matemático Modelo analítico que describe en forma explíci­ ta las relaciones entre las variables, generalmente en forma de ecuación.

Un modelo analítico es un conjunto de variables y sus interrelaciones diseñadas para repre­ sentar, en todo o en parte, un sistema o proceso reales. Los modelos pueden tener distintas formas, las más comunes son las estructuras verbales, gráficas y matemáticas. En los modelos verbales, las variables y sus relaciones se establecen en forma de prosa. Tales modelos pueden ser meras declaraciones repetidas de los principios más importantes de una teoría. Los m ode­ los gráficos son visuales. Se utilizan para aislar las variables y sugerir la dirección de sus relaciones, pero no están diseñados para proporcionar resultados numéricos. Se trata de pa­ sos preliminares lógicos en el desarrollo de modelos matemáticos.27 Los modelos m atem áti­ cos especifican de manera explícita las relaciones entre las variables, por lo general en forma de ecuación.28 Estos modelos pueden utilizarse como pautas para formular el diseño de inves­ tigación y tienen la ventaja de que se manipulan con facilidad.29 Los distintos modelos se ilustran en el contexto del Proyecto de patrocinio a las tiendas departamentales.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Construcción del modelo ___________________________________ Modelo verbal Lo primero es que el consumidor se dé cuenta de la existencia de la tienda de departamentos. La persona conoce la tienda por medio de su evaluación en términos que incluyen factores de selección. Con base en esa evaluación, el consumidor se forma un grado de preferencia por la tienda. Si su preferencia excede cierto nivel de punto de entrada, el consumidor se convertirá en parte de la clientela de la tienda.

Modelo gráfico

Modelo matemático

Clientela

y=ao + ^ aixi i= i

donde y

=

grado de preferencia

a o , o-i

=

parámetros modelo a estimarse estadísticamente

=

factores que afectan la clientela de una tienda y que constituyen su criterio de selección ♦

Como puede apreciarse en este ejemplo, los modelos verbales, gráficos y matemáticos representan los mismos fenómenos o estructuras teóricas en distintas formas. El fenómeno del efecto punto de entrada, establecido verbalmente, está representado, para mayor clari­ dad, a través de una figura (modelo gráfico) y se expresa en forma de ecuación (modelo matemático) para facilitar su estimación y comprobación. Los modelos gráficos son particu­ larmente útiles para conceptualizar un planteamiento del problema, como se ilustra a conti­ nuación en la compra de un automóvil nuevo.

EJEMPLO El placer sin reservas está en Buick __________ El modelo gráfico siguiente ilustra el proceso para decidir la compra de un automóvil nuevo. Una persona empieza como consumidor pasivo: “Por el momento no me interesa consi­ derar la compra de un vehículo nuevo”. Cuando el consumi­ dor está activamente interesado en comprar un automóvil nuevo, crea un conjunto de consideraciones (limitadas a las marcas). A este paso sigue la visita a las tiendas, la compra y la evaluación de los productos y servicios. Las empresas automotrices, como Buick, utilizan el modelo de compra de un automóvil nuevo para formular estrategias de mercado­ tecnia, que armonizan con el proceso fundamental de la toma de decisiones. En este modelo, Buick es parte del conjunto de consideraciones de un grupo determinado de consumidores quienes se orientan por la comodidad y la calidad. Por tan­ to, el tema para la campaña 1995 del Buick Regal “Regal’s all-new interior is an out-and-out pleasure”, se basó en este modelo.30 ♦

Modelo para la compra de un auto nuevo Población pasiva

Consum idores activos

Venta

Los modelos verbales, gráficos y matemáticos se com­ plementan uno al otro y ayudan al investigador a identificar las preguntas e hipótesis relevantes.

Evaluación del producto/servicio

Preguntas de investigación preguntas de investiga­ ción Las preguntas de investigación son enun­ ciados de los compo­ nentes específicos del problema que se han depurado.

Las preguntas de investigación (RQ, por sus siglas en inglés) son enunciados de los compo­ nentes específicos del problema que ya se han concretado. Aunque los componentes definen el problema en términos específicos, son necesarios detalles posteriores para desarrollar un planteamiento. Es probable que cada componente del problema tenga que dividirse en subcomponentes o preguntas de investigación. Las preguntas de investigación interrogan acerca de la información específica que se requiere sobre los componentes del problema. Si las preguntas de investigación se contestan, la información obtenida deberá ayudar en la toma de decisiones. La formulación de preguntas de investigación deberá guiarse no sólo por la definición del problema, sino también por la estructura teórica y los modelos analíticos que se hayan adoptado. Para un componente del problema determinado es probable que existan algunas preguntas de investigación, como en el caso del proyecto de patrocinio a las tiendas departamentales.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Preguntas de investigación _________________________________ El quinto componente del problema de investigación fue el perfil psicológico del cliente de Sears. En el contexto de las características psicológicas, se hicieron algunas preguntas acerca de los clientes de Sears. • ¿Muestran lealtad a la tienda? • ¿Son usuarios masivos del crédito? • ¿Están más conscientes de la apariencia del personal que los clientes de las tiendas de la compe­ tencia? • ¿Combinan la visita a las tiendas con la comida fuera de casa? Las preguntas de investigación se refinan posteriormente al precisar la definición de las variables y determinar cómo se vuelven operacionales. Para ilustrar esto, podríamos plantear­ nos la pregunta: ¿cómo puede medirse el uso del crédito de Sears? Puede medirse de cual­ quiera de las formas siguientes: 1. 2. 3. 4.

Si el cliente tiene la tarjeta de crédito de Sears Si el cliente usa la tarjeta de crédito de Sears El número de veces que utilizó la tarjeta de créditoen un periodo específico La cantidad de dinero que se carga a la tarjeta decrédito duranteel periodo específico ♦

La estructura teórica y el modelo analítico desempeñan un papel significativo en la operatividad y medición de las variables que especifican las preguntas de investigación. Pero aun cuando la bibliografía que se revisó para el proyecto de patrocinio a las tiendas de depar­ tamentos no proporcionó una medida definitiva del crédito, el modelo matemático podía incorporar cualquiera de las medidas alternativas. Por ello, se decidió incluir en el estudio las cuatro medidas del crédito para tiendas. Las preguntas de investigación podrán volverse a definir, posteriormente, en una o más hipótesis.

Hipótesis hipótesis Enunciado o proposición no probados acerca de un factor o fenómeno de interés para el investigador.

Una hipótesis (H) es un enunciado o proposición acerca de un factor o fenómeno que no ha sido probado y es de interés para el investigador. Por ejemplo, puede ser un enunciado tenta­ tivo acerca de las relaciones entre dos o más variables como se estipula en la estructura teó­ rica o en el modelo analítico. Con frecuencia, una hipótesis es una respuesta posible a la pregunta de investigación.31 Las hipótesis van más allá de las preguntas de investigación en virtud de que son enunciados de relaciones o proposiciones, más que simples preguntas a las

que se busca una respuesta. Las pregun­ tas de investigación son interrogativas, las hipótesis son declarativas y pueden ser probadas empíricamente (véase el capítulo 15). Un papel importante de las hipótesis es sugerir algunas variables dentro del diseño de la investigación.32 La relación entre el problema de inves­ tigación, las preguntas de investigación y las hipótesis, junto con la influencia de la estructura objetivo/teórica y los modelos analíticos se describen en la fi­ gura 2.4, y se ilustran con el ejemplo que se presenta a continuación, ejem­ plo que proviene del proyecto de patro­ cinio a las tiendas de departamentos.33

F ig u r a 2 .4 Desarrollo de las preguntas de investigación y las hipótesis

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Hipótesis _____________________________________________ La hipótesis que se presenta a continuación se formuló en relación con la pregunta de inves­ tigación sobre lealtad a la tienda:34 H l: Los clientes que son leales a la tienda tienen menos conocimientos del medio ambiente co­ mercial. H2: Los consumidores leales a la tienda tienen mayor aversión al riesgo que aquellos que no son leales. Estas hipótesis condujeron la investigación al asegurar que se incluirían, dentro del diseño de investigación, las variables que miden tanto el conocimiento del ambiente comer­ cial como la propensión a correr riesgos. ♦ Por desgracia, quizá no sea posible formular hipótesis para todas las situaciones. Algu­ nas veces no se tiene disponible suficiente información para desarrollar una hipótesis. En otros tiempos, el enunciado más razonable de una hipótesis podía ser una repetición trivial de la pregunta de investigación. Por ejemplo: RQ: ¿Los clientes de Sears muestran lealtad a la tienda? H: Los clientes de Sears son leales. Las hipótesis son parte importante del planteamiento del problema. Cuando son enun­ ciadas en términos operativos, como H l y H2 en el ejemplo de la tienda departamental, proporcionan pautas acerca de cómo deberán recopilarse y analizarse los datos. Cuando las hipótesis operacionales se expresan utilizando notación simbólica, casi siempre se refieren a hipótesis estadísticas. Una pregunta de investigación tiene más de una hipótesis asociada, como en el caso de Chanel. Chanel Inc. consideró la posibilidad de anunciar sus perfumes en revistas que antes consideraba demasiado ordinarias para su prestigiosa marca tales como Working Woman, Savvy, Rollíng Stone, Omni e Interview. La marca Chanel tenía una participa­ ción del 2.8% de las ventas de las tiendas de departamentos (el líder Estée Lauder tiene 20.9% de participación). A l ampliar su publicidad más allá de las revistas de alta moda, Chanel Inc. deseaba mejorar su participación dentro de las ventas de las tiendas departamentales. La pregunta siguiente de investigación e hipótesis pueden proponerse:35 RQ: ¿'Chanel tiene una imagen de nivel superior? H l: Chanel se considera una marca costosa.

Chanel ha ampliado su mercado meta al anun­ ciarse en revistas que consideraba ordinarias. ♦ Teri Stratford.

H2: H3:

Los usuarios de Chanel tienen ingresos por arriba del promedio. Los usuarios de Chanel asocian el perfume con el nivel social.

Tenga en cuenta que para probar H l, el investigador deberá hacer operacional y medible la percepción del precio asociada con Chanel. La prueba empíricade H2 requiere que las respuestas se clasifiquen como usuarios y no usuarios de Chanel y deberán proporcio­ \ nar información de sus ingre­ sos. Por último, H3 nos indica que se necesita volver operacional otra variable o conjun­ to de variables que midan el nivel asociado con Chanel. Los resultados de esta investi­ gación respaldaron H l y H3, no así H2. Aunque Chanel tie­ ne una imagen de alto nivel económico, no está limitado a este segmento. Ampliar su mer­ cado meta a través de la publi­ cidad en revistas, que antes consideraba ordinarias, permi­ tió a Chanel mejorar sus ven­ tas en las tiendas de departa­ mentos.

CHANEL

Características relevantes

características relevantes

Características, factores, atributos del producto o variables que pueden afectar un diseño de investigación.

Como se mencionó anteriormente, una manera útil de conceptualizar el desarrollo de un planteamiento del problema es verlo como un puente entre el paso 1 (definición del proble­ ma) y el paso 3 (diseño de la investigación) del proceso de investigación de mercados. De aquí en adelante, nos concentraremos en un aspecto importante del diseño de investigación: el desarrollo del cuestionario. La pregunta clave a hacer (dadas la definición del problema, las preguntas de investigación y las hipótesis) es: ¿qué características adicionales, facto­ res, atributos del producto o variables deberán identificarse a fin de que el cuestionario pueda construirse? De la respuesta a esta pregunta se podrán identificar las características relevantes. Permítanos considerar el proyecto de patrocinio a las tiendas departamentales y concentramos en los componentes identificados en el problema anteriormente en este capítulo.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Características relevantes --------------------------------------------Componente 1 El componente 1 incluye el criterio que utilizan las familias para seleccionar una tienda de departamentos. A menos que los factores específicos que abarcan este criterio sean identifi­ cados, no podremos formular las preguntas para averiguar cuáles de ellos son importantes. Con base en el proceso que delineamos previamente, se identificaron las característi­ cas siguientes: calidad de la mercancía, variedad y surtido, política de devoluciones y ajustes, servicio del personal de la tienda, precios, ubicación conveniente, decoración de la tienda y políticas de crédito y cuentas.

Componente 2 El componente 2 está relacionado con la competencia. A menos que las tiendas de la compe­ tencia sean identificadas, será imposible obtener información relacionada con este compo­ nente. Se identificaron nueve tiendas de departamentos como competidores de Sears.

Componente 3 Se centró la atención en categorías de productos específicos en el componente 3. Se selec­ cionaron 16 categorías diferentes de productos, incluyendo vestidos, ropa deportiva para dama, lencería, mercancía para los jóvenes, ropa para caballero, cosméticos, joyería, zapatos, sábanas y toallas, muebles, colchones y cortinas.

No fue necesario identificar características o variables adicionales.

Componente 5 Las características demográficas estándar se incluyen en el componente 5. Las características psicológicas específicas seleccionadas fueron: lealtad, uso del crédito, conciencia del aspecto y la combinación de ir de compras y comer fuera de casa.

Componente 6 No se requirió identificar características o variables adicionales. ♦ Pueden realizarse análisis similares para todas las preguntas e hipótesis. El proceso de identificación de las características relevantes se ilustra en la figura 2.1. Utilizamos el ejem­ plo de S.C. Johnson Company para mostrar cómo puede ayudar la identificación de las carac­ terísticas relevantes en la formulación del diseño y la investigación subsecuente. Cuando S.C. Johnson Company consideró la introducción de un nuevo acondicionador instantáneo para el cabello se necesitó una mejor comprensión del mercado y el posicionamiento compe­ titivo de varias marcas. Para desarrollar el diseño de investigación, fue necesario determinar qué variables eran importantes para la diferenciación de los acondicionadores para el cabe­ llo. Estas variables se identificaron como: acondicionamiento, limpieza, facilidad de manejo y fragancia. La investigación subsecuente, con base en esas variables, proporcionó datos acer­ ca de la estructura competitiva del mercado de los acondicionadores instantáneos para el cabello. Por ejemplo, Agree y Breck Creme Rinse lograron la posición como los más “lim­ pios”, mientras que el acondicionador de Clairol se percibió como “la marca de acondiciona­ dor”. Al parecer Wella Balsam no tenía ninguna imagen y podía ser vulnerable a un nuevo producto.36 El proceso de identificación de características relevantes y otros componentes en el planteamiento del problema permiten especificar la información requerida. Al concentrarse en cada componente del problema y la teoría relacionada, los modelos, las preguntas de in­ vestigación, las hipótesis y características que han sido identificadas en el desarrollo de un planteamiento del problema, el investigador puede determinar qué información debe obte­ ner. Esto facilita la formulación de un diseño de investigación apropiado.

I n v e s t ig a c ió n

d e m er c a d o s in t e r n a c io n a l e s

Es más difícil hacer una definición precisa del problema de investigación en el ámbito inter­ nacional que en el nacional. No estar familiarizados con los factores contextúales del país

donde se lleva a cabo la investigación puede incrementar, en gran medida, la dificultad para comprenderlo.

EJEMPLO La salsa de tomate Heinz no se recibe con entusiasmo en Brasil _________ A pesar de los registros que obtuvo tanto en el país como fuera de éste, H.J. Héinz Company fracasó en Brasil, país que parecía ser el mercado más grande y prometedor de América del Sur. Heinz se asoció con Citrosuco Paulista (un importante exportador de jugo de naranja) por la posibilidad futura de adquirir una compañía muy rentable. Sin embargo, las ventas de estos productos incluyendo la salsa de tomate todavía no despegan. ¿Dónde está el problema? Una auditoría reveló que la compañía carecía de un buen sistema de distribución local. Heinz perdió el control de la distribución porque trabajó con base en la consignación. La distri­ bución no pudo alcanzar el 25% de penetración en el mercado. El otro problema relacio­ nado era que Heinz se había concentrado en las tiendas de barrio ya que esta estrategia había sido exitosa en México. Sin embargo, la auditoría del problema reveló que 75% de las com­ pras de abarrotes en Sao Paulo se hacían en supermercados y no en pequeñas tiendas. Aunque M éxico y Brasil parecían tener cultura y características demográficas similares, el comportamiento del consumidor varía en gran medida. Una observación más cercana e in­ tensa del sistema de distribución de alimentos y del comportamiento de los consumidores brasileños habría podido advertir esta falla. No obstante, Heinz observa más de cerca a Asia, sobre todo China, donde la compañía vende comida para niños y donde cada año nacen 22 millones de bebés.37 ♦

cultura de autorreferencia

Referencia inconsciente a los propios valores culturales.

Como se ilustra en el ejemplo de Heinz, muchos esfuerzos de mercadotecnia a nivel internacional fracasan, no porque no se haya llevado a cabo investigación, sino porque no se tomaron en cuenta factores ambientales relevantes. Por lo general, esto nos conduce a una definición del problema demasiado estrecha. Considere por ejemplo, el consumo de refres­ cos. En muchos países de Asia como la India se consume agua con las comidas y los refrescos se reservan para ofrecerlos a los invitados en ocasiones especiales. Por tanto el problema de cómo incrementar la participación en el mercado de un cierto refresco tendrá distintos pro­ blemas de investigación en la India que en Estados Unidos. Antes de definir el problema, el investigador deberá aislar y analizar el impacto de la cultura de autorreferencia (SRC, por sus siglas en inglés) o de las alusiones inconscientes a los propios valores culturales. Los pasos que se describen a continuación ayudan a los investigadores a considerar las diferencias am­ bientales y culturales cuando se define el problema en un contexto de mercadotecnia inter­ nacional:38 1. Definir el problema de investigación en términos de factores de medio y cultura nacionales. Esto incluye una identificación de los rasgos, la economía, los valores, las necesidades o hábitos de los estadounidenses (o bien occidentales). 2. Definir el problema de investigación en términos de factores de medio y cultura extranjeros. No hacer juicios. Esto incluye la identificación de los rasgos, economía, valores, necesidades o hábitos relacionados con la cultura del mercado propuesto. Esta tarea requiere de datos de entrada que provienen de los investigadores que están familiarizados con el medio ambiente extranjero. 3. Aislar la influencia de la cultura de autorreferencia que pueden influir en el problema y analizar con detenimiento para ver de qué manera complica el problema. Estudiar las diferencias entre los pasos 1 y 2. La SRC puede considerarse para ver estas diferencias. 4. Redefinir el problema sin la influencia de la SRC y dirigirlo a la situación del mercado extran­ jero. Si las diferencias en el paso 3 son significativas, el impacto de la SRC deberá observarse con detenimiento. Considere el grave problema que enfrenta Coca-Cola Company al tratar de incremen­ tar su penetración en el mercado de refrescos en la India. En el paso 1, debe tomar en cuenta el problema de incrementar la penetración en el mercado estadounidense. En Estados Uni-

dos se consumen refrescos en casi todos los hogares y el problema podría ser incrementar el consumo de refrescos de los consumidores ya existentes. Además, los refrescos casi siempre se consumen con los alimentos y para calmar la sed. De modo que el problema de incrementar la penetración en el mercado podría implicar conseguir que los consumidores tomen más refrescos con las comidas y en otros momentos. Por otra parte, en la India (paso 2), un por­ centaje mucho menor de hogares consumen refrescos y éstos no se consumen con los alimen­ tos. De manera que, en el paso 3, la SRC puede identificarse como la idea estadounidense de que los refrescos son para beberse en cualquier ocasión y con las comidas. En el paso 4, el problema en el contexto de la India puede definirse en cómo conseguir que un mayor por­ centaje de consumidores beban más refrescos (productos de Coca-Cola) y cómo lograr que haya mayor consumo de refrescos (productos de Coca-Cola). Al desarrollar las estructuras teóricas, los modelos, las preguntas de investigación y las hipótesis, es preciso recordar las diferencias en los factores ambientales. En especial, el ambiente sociocultural puede conducir a diferencias en la formación de nuestras percepcio­ nes, actitudes, preferencias y hábitos de selección. Por ejemplo, el concepto del tiempo varía en forma considerable de una cultura a otra. En Asia, Latinoamérica y el Medio Oriente la gente no tiene el mismo concepto del tiempo que los países sajones y europeos. Esto influye en sus percepciones y preferencias por la comida rápida tal como los alimentos congelados y preparados. En el desarrollo de un planteamiento del problema, el investigador deberá tener en cuenta las equivalencias del consumo y hábitos de compra y los factores fundamentales que influyen en éstos. Ello es crítico para la identificación correcta de las preguntas de inves­ tigación, hipótesis y factores/características que influyen en el diseño de investigación.

EJEMPLO El Surf superconcentrado enfrenta un superfracaso en Japón __________ Unilever intentó irrumpir en el mercado japonés de los detergentes con el Surf superconcen­ trado. En un principio, alcanzó 14.5% de participación durante las pruebas de mercado pero cayó hasta un traumático 2.8% cuando el producto se introdujo en todo el país. ¿Dónde empezaron a salir mal las cosas? Surf fue diseñado para tener un envase distintivo que venía premedido en pequeñas bolsas por pares (como el té) en virtud de que la comodidad es un importante atributo para el consumidor japonés. También tenía un agradable olor “a fresco”. Sin embargo, el consumidor japonés se dio cuenta de que el detergente no se disolvía al lavar, en parte por las condiciones climáticas y también por la popularidad que habían adquirido las lavadoras de baja agitación. Surf no fue diseñado para trabajar en este nuevo tipo de lavado­ ras. Unilever también encontró que el “olor a fresco” del Surf tenía poca importancia ya que la mayoría de los consumidores seca su ropa al aire libre. El planteamiento de la investigación fue imperfecto ya que Unilever no identificó los atributos críticos relevantes para el mercado japonés de los detergentes. Más aún, identificaron factores tales como “olor a fresco” que no tenían ninguna importancia en el contexto japonés. Una investigación cualitativa apropiada de grupos concentrados, con muestras cruzadas de un mercado objetivo, podría haber revela­ do las características o factores correctos y más importantes para hacer un diseño de investi­ gación exitoso.39 ♦

L

a é t ic a en l a in v e s t ig a c ió n d e m er c a d o s Entre el investigador y el cliente pueden surgir problemas éticos durante el proceso de defi­ nición del problema y el desarrollo del planteamiento. Como explicamos antes, identificar correctamente el problema de investigación de mercados es crucial para el éxito del proyec­ to. Sin embargo, este proceso puede estar comprometido por las agendas personales del inves­ tigador o del cliente (DM). Por ejemplo, después de realizar las tareas involucradas para de-

finir el problema y analizar el contexto ambiental, el investigador se da cuenta de que el problema de investigación correcto puede definirse de manera diferente, lo que hace que la primera investigación sea innecesaria. Esto reduce sustancialmente tanto el costo del pro­ yecto como el margen de utilidad de la empresa investigadora. ¿El investigador definirá el problema correctamente, fabricará un problema de investigación que incluya una previa recopilación de datos, o se negará a continuar con el proyecto buscando aquello que sea más lucrativo? El investigador se encuentra frente a un dilema ético, como en el ejemplo siguiente.

EJEMPLO ¿Sabor (utilidades) o imagen (ética)? __________________________ Una empresa que fabrica refrescos contrata a una compañía de investigación de mercados para llevar a cabo pruebas de sabor que determinen por qué una nueva marca de refrescos no ha alcanzado la participación esperada en el mercado. El investigador, después de seguir el proceso descrito en este capítulo, determina que el problema no es el sabor sino la imagen a través de la cual se ha hecho su posicionamiento. Sin embargo, el cliente definió el problema como de sabor y no como un problema más amplio, que es la participación en el mercado. El investigador deberá evaluar las ganancias, relativamente altas, que obtendrá de una investi­ gación sobre pruebas de sabor, en comparación con el estudio menos lucrativo que responda las preguntas pertinentes sobre la imagen del refresco. ¿Qué debe hacer el investigador? ¿Debe llevar a cabo una investigación acerca de lo que el cliente quiere antes de hacer una investi­ gación acerca de lo que él considera que su cliente necesita? Las normas indican que el investigador “tiene la obligación profesional de indicar al cliente que, de acuerdo con su juicio, el gasto y resultado de la investigación no está garantizado. Si después de expresar claramente este juicio, el cliente todavía desea hacer la investigación, entonces deberá sen­ tirse libre y llevar a cabo el estudio. La razón es que el investigador nunca puede saber con certeza las preferencias y estrategias que guían la conducta del cliente”.40 ♦ Este tipo de situaciones éticas se resuelven de manera satisfactoria siempre y cuando la relación cliente/investigador se desarrolle en el marco de las siete “ces” que estudiamos: co ­ municación, cooperación, confianza, candor, cercanía, continuidad y creatividad. Esto dará lugar a una relación de confianza mutua que corregirá cualquier tendencia no ética. Las situaciones éticas que afectan tanto al investigador como al cliente también pue­ den surgir al desarrollar el planteamiento del problema. Cuando los investigadores llevan a cabo estudios para diferentes clientes en industrias relacionadas (por ejemplo bancos y servi­ cios financieros) o en áreas de investigación similares (por ejemplo satisfacción del consumi­ dor) pueden estar tentados a tomar atajos en el desarrollo de los modelos y de las estructuras teóricas. Tomemos como ejemplo cuando una cadena de tiendas de abarrotes (por ejemplo Kroger) tiene en la junta de directores al presidente de un banco (digamos el NationsBank). El banco llevó a cabo hace poco una investigación sobre la satisfacción del comprador, utili­ zando un modelo desarrollado especialmente para ellos, y el consejero tiene acceso a tal investigación. El investigador piensa que el modelo utilizado en el estudio para el NationsBank puede adaptarse con facilidad para Kroger. El cliente (Kroger) piensa que tener acceso a esta información y no usarla podría no ser una buena decisión. ¿Es ético para el cliente y el inves­ tigador obtener y utilizar un modelo desarrollado para otra compañía (NationsBank) por otra empresa investigadora? Es indispensable que exista la certeza entre el cliente y el inves­ tigador de que este último se obliga a no utilizar los modelos o hallazgos específicos de su cliente para ningún otro proyecto. El cliente también tiene la responsabilidad ética de no solicitar información o propues­ tas de investigación que le permitan ganar experiencia y conocimientos si no hay un pago previo. Tampoco es ético por parte del cliente solicitar propuestas de investigación de algu­ nas empresas y luego adoptar uno o una combinación de los planteamientos sugeridos por ellas y llevar a cabo un proyecto interno. El cliente deberá respetar los derechos de autor de

la empresa investigadora reconociendo que una propuesta que no ha sido pagada le pertene­ ce al investigador. Sin embargo, si el cliente paga por el desarrollo de una propuesta, tiene el derecho de utilizar la información contenida en ella.

A

p l ic a c io n e s p a r a c o m p u t a d o r a Las microcomputadoras y mainframes pueden utilizarse para definir el problema y desarrollar un planteamiento del mismo. La revisión de la bibliografía respectiva puede llevarse a cabo en forma conveniente si se analiza, entre otras fuentes, la información en línea de catálogos, libros y artículos. Las bases de datos como Books in Print, Management Contents y Economic Literature Index, que ofrece Dialog Corporation, son muy útiles para este propósito. Los bene­ ficios del uso de la computadora en la investigación bibliográfica se extienden más allá de la automatización del tedioso proceso de búsqueda manual. Las bases de datos en línea permi­ ten aumentar la calidad y confiabilidad de la información mientras que se logra que disminu­ ya el costo de adquisición. La información que se recibe en línea puede almacenarse conve­ nientemente en una microcomputadora o en una mainframe. Para llevar a cabo la revisión de la bibliografía pueden utilizarse programas como el INQUIRE/TEXT de Infodata Systems Inc. El IN QUIRE/TEXT es un texto completamente formado y un sistema de administración de base de datos que usa poderosos comandos de búsqueda, basados en el reconocimiento de palabras clave y combinaciones de palabras para catalogar, recuperar, accesar, mantener y manipular datos de texto con un alto grado de flexibilidad. Los paquetes de hoja de cálculo como el LO TU S 1-2-3 y EXCEL son herramientas muy efectivas para probar y desarrollar modelos sencillos de simulación. Las versiones para microcomputadora y computadora de estructura principal de los tres paquetes estadísticos más populares (SPSS, SA S y BMDP) pueden utilizarse para desarrollar y estimar modelos matemáticos.41 También está disponible un software especializado en mercadotecnia. El M ARKSTRAT2 es un programa de capacitación gerencial por computadora cuyos derechos pueden adquirir­ se de su fabricante Strat*X de París y Boston para representar el ambiente competitivo en una industria seleccionada. El modelo de M A R K STR A T2 incorpora un extenso número de variables que tienen que ver con la operación de la mayor parte de las empresas dentro del giro industrial que se estudia. De esta forma, puede analizarse el contexto ambiental del problema. El software consiste en simulaciones de seis u ocho periodos. Se seleccionan alternati­ vas acerca de las actividades de la empresa para el siguiente periodo. La información anterior, los pronósticos, los recursos disponibles, los objetivos de la empresa y el ambiente económico son algunas de las variables que el vendedor puede alterar. Todas esas alternativas se incorpo­ ran al modelo del M A R K STR A T2. Después de correr el programa de simulación, se obtie­ nen los resultados de las actividades de la empresa para cada periodo. Como ejemplo, tenemos que los vendedores de la empresa Conrad Machine Tools es­ tán interesados en analizar el contexto ambiental del problema que enfrenta su empresa, que fabrica instrumentos de corte para tornos de alta velocidad utilizados para labrar piezas de acero en la industria que fabrica artículos metálicos. Uno de estos instrumentos, el Sama, está hecho de una aleación de carburo de tungsteno cuya capacidad de corte tiene una vida promedio intermedia, mientras que el otro, el Salt, está hecho de acero al tungsteno y su punta es de diamante lo cual le da una vida de corte relativamente mayor, aun cuando se utilice para labrar acero de gran dureza. En la ilustración 2.1, se muestra el formato para toma de decisiones del M A R K STR A T2 antes de iniciar los cálculos para las actividades del periodo. Se presentan las dos marcas de herramientas de corte Sama y Salt. Aquí, los vendedores de Conrad asignan 66% más para la publicidad y el esfuerzo de venta para Salt (2.5 millones de dólares en comparación con 1.5 millones de dólares) y asignan un precio de lista para Salt de 420 dólares por unidad. Por lo que se refiere a Sama, recibe un precio de lista de 278 dólares.

I l u s t r a c ió n 2.1

MARKSTRAT DECISION FORM - PART 1

«I

Forma de decisión en M ARKSTRAT2

DEFAULT DECISIONS DISPLAYED FOR PERIOD 1 * Incomplete R&D projects continued with modified unit costs and required budgets * Other decisions similar to last period. * Note thatthese decisions can result in total marketing expenditures in excess of your budget

Brand ñames

Ñame of R&D project

Product. planning KU

PRODUCT MANAGEMENT Advert. Advert. research budget KS

%

Rec. Percep. obj. reta i 1 (-20 to +20, or 99) price 3 Axis 1 Axis 2

SAMA

150

1500

4

278

99

99

SALT

120

2500

4

420

99

99

Los datos de entrada para la ilustración 2.1 se basan en los resultados que obtuvo Conrad en sus esfuerzos de mercadotecnia anteriores. La limitación de recursos de Conrad Machine Tools se debe a la incapacidad que tiene la empresa para asignar más de 4 millones de dólares al esfuerzo promocional de sus dos herramientas de corte. El objetivo para Conrad es enten­ der cuál será la mejora en su participación en el mercado para Salt a corto plazo. El compor­ tamiento de los gerentes de compras, en cinco diferentes segmentos de la industria fabricante de artículos metálicos, recibió datos de entrada en otra de las etapas de la simulación del M A RK STRA T2, de la misma manera en que se hizo para el ambiente económico en cada uno de estos segmentos. En la ilustración 2.2, se muestran los resultados para el periodo basado en los datos de entrada de la primera figura. Como puede apreciarse, Sama contabilizó más de 45% de las ventas en el segmento 5, la industria de maquinaria especializada (que comprende la fabrica­ ción de bienes de capital, tales como prensas para la industria editorial, equipo para el procesa­ miento de alimentos y maquinaria textil), mientras que la cuenta de Salt sólo pudo contabili­ zar un poco más de 3%. Como puede verse en la ilustración 2.2, el Salt que es de mayor precio y más rentable tiene una participación en el mercado sustancialmente menor en dos de los

I l u s t r a c ió n 2 .2 Resultado: Ventas estimadas para M ARKSTRAT2

|

B ran d s h a r e o f m ark et seg m ents SAMA

{% U n i t s ) SALT

Segment 1

% U n its

5 .1

4 .9

Segment 2

% U n its

1 6 .9

7 .1

Segment 3

% U n its

1 .3

4 .1

Segment 4

% U n its

1 .3

7 .7

Segment 5

% U n its

4 5 .3

3 .2

15 . 7 158509 44066

5 .2 52299 21966

T o ta l m arket s h a re T o ta l u n its s a le s T o tal r e t a i l s a le s

% U U K S

segmentos más importantes (los segmentos 2 y 5). Por tanto, el problema puede definirse de modo más amplio como la determinación de qué estrategias de mercadotecnia deberán adop­ tarse para incrementar la participación en el mercado de Salt en cada uno de los cinco seg­ mentos y cómo mejorar la rentabilidad total de Sama y Salt a lo largo de los cinco segmentos. Uno de los componentes específicos de este problema puede ser determinar la actitud de los gerentes de compras de la industria de maquinaria especializada hacia las herramien­ tas de corte con punta de diamante. Es probable que, por su propio bien, estos gerentes sean muy sensibles al precio. Es posible que consideren que los productos con cualquier tipo de diamante sean una compra extravagante, a pesar de que tales herramientas de corte tengan una vida más larga y usos alternativos.

R

esu m en

La definición del problema es el paso más importante de un proyecto de investigación. La definición del problema es un paso difícil, ya que con frecuencia la gerencia aún no ha deter­ minado el problema que quiere resolver o sólo tiene una vaga noción de éste. El papel del investigador es ayudar a la gerencia a identificar y aislar el problema. Las tareas implican la formulación del problema de investigación de mercados, inclu­ yen el análisis con los ejecutivos clave en la toma de decisiones, así como la auditoría del problema, entrevistas con expertos en la industria, análisis de datos secundarios e investiga­ ción cualitativa. Estas tareas deberán permitir una comprensión del contexto ambiental del problema. El contexto ambiental tendrá que analizarse y evaluar los factores esenciales. Estos factores incluyen la información anterior, los pronósticos acerca de la industria y de la em­ presa, los objetivos de las DM y la organización, el comportamiento del comprador, los recur­ sos y limitaciones de la empresa, el ambiente legal y económico y por último las habilidades tecnológicas y de mercadotecnia de la empresa. El análisis del contexto ambiental ayuda a la identificación del problema de decisión gerencial, el cual deberá convertirse en un problema de investigación de mercados. El pro­ blema de decisión gerencial pregunta qué necesita hacer la DM, mientras que el problema de investigación de mercados pregunta qué información es necesaria y cómo puede obtenerse de manera efectiva y eficiente. El investigador deberá evitar que el problema de investigación se defina tanto de manera muy amplia, como de manera muy estrecha. Una forma apropiada de definir el problema de investigación es hacer un enunciado lo más amplio posible y luego identificar sus componentes específicos. Desarrollar un planteamiento del problema es el segundo paso en el proceso de inves­ tigación. Los componentes del planteamiento consisten en: estructura objetivo/teórica, mo­ delos analíticos, preguntas de investigación, hipótesis y características relevantes que influ­ yen en el diseño de investigación. Es necesario que el planteamiento a desarrollar esté basado en una evidencia objetiva o empírica y fundamentado en una o varias teorías. Las variables relevantes y sus interrelaciones deberán resumirse con claridad a través de un modelo analí­ tico. Los modelos más comunes son los verbales, gráficos y matemáticos. Las preguntas de investigación son enunciados de los componentes específicos del problema que interrogan acerca de la información específica requerida con respecto de los componentes del problema. Las preguntas de investigación podrán precisarse posteriormente dentro de la hipótesis. Por último, para poder formular el cuestionario, es necesario identificar las características o fac­ tores de la definición del problema, las preguntas de investigación y las hipótesis. Al definir el problema dentro de la investigación de mercados internacionales, el in­ vestigador deberá aislar y analizar el impacto cultural de autorreferencia (SRC) o de las alu­ siones inconscientes que se hacen a los propios valores culturales. Asimismo, al desarrollar un planteamiento, las diferencias que prevalecen en el medio ambiente del mercado na­ cional y de los mercados extranjeros deberán considerarse con detenimiento. En ese momen­ to, pueden surgir algunas consideraciones éticas que tienen impacto en el cliente y en el investigador, pero podrán resolverse si éstos se apegan a las siete “ces”: comunicación, coopera­ ción, confianza, candor, cercanía, continuidad y creatividad. Los softwares para las microcomputadoras y las mainframes se pueden utilizar para los procesos de definición del proble­ ma y desarrollo de enfoques.42

A

c r ó n im o s

Los factores que deben tomarse en cuenta al analizar el contexto ambiental pueden resumirse con el acrónimo PRO BLEM : P R O B L E M

E

je r c ic io s

asado de la información y pronósticos ecursos y limitaciones bjetivos de quien toma decisiones uyer behavior (comportamiento del comprador) egal: ambiente conómico: ambiente ercadotecnia y tecnología

P reg u n tas

1. ¿Cuál es el primer paso para llevar a cabo un proyecto de investigación? 2. ¿Por qué es tan importante definir el problema de investigación de maneraapropiada? 3. ¿Cuáles son algunas de las razones por las que, frecuentemente, el problema real no es claro para la gerencia? 4. ¿Cuál es el papel del investigador en el proceso de definición del problema? 5. ¿Qué es la auditoría de un problema? 6. ¿Cuál es la diferencia entre un síntoma y un problema? ¿De qué manera un investigador hábil puede diferenciar entre los dos e identificar el verdadero problema? 7. ¿Cuáles son algunas diferencias entre un problema de decisión gerencial y un problema de investigación de mercados? 8. ¿Cuáles son los errores típicos que se cometen al definir problemas de investigaciónde merca­ dos? ¿Qué puede hacerse para reducir la incidencia de este tipo de errores? 9. ¿Cómo se relacionan las preguntas de investigación con los componentes del problema? 10. ¿Cuáles son las diferencias entre las preguntas de investigación y las hipótesis? 11. ¿Es necesario tener un conjunto de hipótesis para cada proyecto? ¿Por qué sí o por qué no? 12. ¿Cuáles son las formas más comunes de los modelos analíticos? 13. Dé un ejemplo de modelo analítico que incluya los tres tipos principales de modelos que existen. 14. Describa los programas de software para microcomputadoras que pueden usarse en la asisten­ cia y la definición de problemas de investigación. PRO BLEM A S

1. Establezca el problema de investigación para cada uno de los problemas de toma de decisiones gerenciales que se presentan a continuación. a. ¿Debe introducirse un nuevo producto? b. ¿Debe cambiarse una campaña de publicidad que ha funcionado durante tres años? c. ¿Debe incrementarse la promoción de una línea de productos dentro de la tienda? d. ¿Qué estrategia de precios deberá adoptarse para el nuevo producto? e. ¿Deberá cambiarse el paquete de prestaciones para motivar a la fuerza de ventas? 2. Mencione los problemas de decisión gerenciales para los que los problemas de investigación siguientes podrían proporcionar información útil. a. Calcular las ventas y participación en el mercado de las tiendas de departamentos en un área metropolitana determinada. b. Determine los aspectos de diseño para un nuevo producto que den como resultado la máxi­ ma participación en el mercado. c. Evalúe la efectividad de distintos comerciales de televisión. d. Defina los territorios de ventas actuales y propuestos con respecto a su potencial y carga de trabajo. e. Determine los precios de cada artículo en una línea de productos a fin de maximizar el total de ventas para la línea.

3. Identifique cinco síntomas y las posibles causas de cada uno. 4. Identifique las preguntas relevantes y desarrolle las hipótesis apropiadas para el primer compo­ nente del proyecto de patrocinio a las tiendas de departamentos. (Sugerencia: siga con cuidado el ejemplo que proporcionamos en este capítulo para el quinto componente del mismo pro­ yecto.) 5. Suponga que está haciendo un proyecto para Delta Airlines. Identifique de sus datos secunda­ rios, los atributos o factores que los pasajeros tomarán en cuenta cuando seleccionen una línea aérea.

E

je r c ic io s p a r a c o m p u t a d o r a 1. Usted es consultor de Coca-Cola USA y está trabajando en un proyecto de investigación para Diet Coke. Con la base de datos en línea de su biblioteca, recopile una lista de artículos relacio­ nados con Coca-Cola Company, Diet Coke y la industria de refrescos embotellados durante el año pasado. 2. Seleccione cualquier empresa. Utilizando fuentes secundarias, obtenga la información de las ventas anuales de la empresa y de la industria durante los últimos diez años. Utilice un paquete de hoja de cálculo como el LOTUS 1-2-3 o EXCEL, o cualquier otro paquete para microcomputadora o mainframe, a fin de desarrollar un modelo sencillo para relacionar las ventas de la empresa con las ventas de la industria.

“Readership Survey Serves Tennis Magazine’s M arketing Needs”, en Quirk's M arketing R esearch Review (mayo de 1 988): pp. 75-76. Personal editorial de Quirk's, “T h e pharm acist is forem ost”, en Q uirk’s M arketing R esearch Review 6 (3) (marzo de 19 9 2 ): pp. 8 -9 ,3 4 -3 5 . Robert W. Joselyn, Designing the M arketing R esearch Project (Nueva York: Mason/Charter, 1 9 7 7 ): p. 46. C on su m er M arket R esearch 1echniques, Usages, Pattems, andA ttitudes in 1983 (A rlington H eights: M arket Facts, In c.): p. 20. Mary T Curren, Valerie S. Folkes y Joel H. Steckel, “Explanations for Successful and U nsuccessful Marketing Decisions: T h e D ecisión M aker’s Perspective”, en Jou rn al o f M arketing 56 (abril de 1992): pp. 18-31; L. Adler y C .S. Mayer, M anaging the M arketing R esearch Function (Chicago: A m erican M arketing A ssociation, 1977): pp. 89-110. Sue, Jones, “Problem -D efinition in M arketing R esearch: Facilitating betw een Clients and R esearchers”, en Psychology and M arketing (verano de 1985): pp. 83-93. Leonard L. Berry, Jeffrey S. C on ant y A . Parasuraman, “A Framework for Conducting a Services Marketing Audit”, en Jou rn al o f the A cadem y o f M arketing Science 19 (verano de 1991): pp. 2 5 5 -2 6 8 ; Russell L. Ackoff, Scientific M ethod (Nueva York: Wiley, 1961): p. 71; Russell L. Ackoff, T h e A rt o fP ro b lem Solving (Nueva York: Wiley, 1978). V éase tam bién B ernie W halen, “Researchers Stymied by Adversary Culture' in Firm s”, en M ark etin g N ew s (17 de septiembre de 19 8 2): pp. 1, 7. Jo el Levine, “Six Factors M ark Researchers W h o Sway Strategic D ecisions”, en M arketing N ew s (4 de febrero de 1 983): p. 1. Vernon R. A lden, “W h o Says You Can’t C rack the Japanese M arket?”, en H arvard Business Review (enerofebrero de 19 8 7 ): pp. 52-56. J. S c o tt Armstrong, “Prediction o f Consum er Behavior by Experts and N ovices”, e n Jou rn al o f C onsum er R e­ search 18 (septiembre de 1991): pp. 251-56; Philip Kotler, “A Guide to Gathering Expert E stim ates”, enBusiness Horizons 13 (octubre de 1970): pp. 79-87. “E xcitem ent Image Helps Pontiac to Becom e G M ’s ‘Top Import C onquester’”, en M arketing N ew s (31 de julio de 1 9 8 7 ): pp. 1 8 ,3 1 . “TeenM ags Dive In”, en American Demographics (junio de 1987): pp. 23-24M aisie Wong, Ayn Gelinas y Phyllis R ocha, “Avon R esearchers Find T h a t Norm al Rules D on’t Apply W h en Testing among H ispanic W omen”, en Quirk's M arketing R esearch Review (junio-julio de 1 9 9 0 ): pp. 8-10, 38-39. Mary T. Curren, Valerie S. Folkes y Joel H. Steckel, “Explanations for Successful and U nsuccessful Marketing Decisions: T h e D ecisión M aker’s Perspective”, en Jou rn al o f M arketing 56 (abril de 1 9 9 2 ): pp. 18-31; J. S co tt

Armstrong, “Prediction of Consum er Behavior by Experts and N ovices”, en Jou rn al o f C on su m er R esearch 18 (septiembre de 19 9 1 ): pp. 251 -5 6 ; y W illiam B. Locan dery A . B ento n C ocanougher (editores), Problem Definition in Marketing (Chicago: A m erican Marketing A ssociation, M arketing R esearch Techniques, 2 de septiembre de 1975). 16.

C .L . Jain , “Myths and Realities o f Forecasting”, en Jou rn al o f Business Forecasting9 (o to ñ o d e 1 9 9 0 ):p p . 18-22.

17.

“Takeout Food T u rn sU p H ea t”, en Marketing News (ó d e m a y o d e 1987): p. 31.

18.

Ron Sánchez and D. Sudharshan, “Real-Time M arket Research”, enM arketing Intelligence and Planning 11 (1993): pp. 29-38.

19.

Basado en el proyecto de investigación de mercados que llevó a cabo el autor.

20.

J. Sh eth y G. M orrison, “W inning A gain in the M arketplace: N ine Strategies for Revitalizing M ature Products”, e n T he Jou rn al o f C onsum er M arketing (1 9 8 4 ): p. 19.

21.

Paul W Conner, “Research Request Step C an E nhance Use o f R esults”, en M arketing N ew s 19 (4 de enero de 1 985): p. 41.

22.

V éase Paul D. Boughton, “M arketing R esearch and Sm all Business: Pitfalls and P otential”, e n Jou rn al o f Small Business M anagem ent 21 (julio de 1983): pp. 3 6 -4 2 , para una lista de preguntas que los gerentes (personas que tom an decisiones) de empresas pequeñas pueden hacer para asegurarse de obtener el mayor provecho de su investigación.

2 3 . Jo e Agnew, “Local Involvem ent Helps Franchisees ‘D echain the C hain’”, e n M arketing N ew s (21 de noviembre de 1986): pp. 1 ,3 0 . 24.

Jacob Jacoby, “Consum er R esearch: A S tate of the A rt Review ”, en Jou rn al o f M arketing 4 2 (abril de 1978): pp. 8 7 -9 6 . V éase tam bién Shelby D. H unt, “Truth in M arketing T heory and R esearch”, en Jou rn al o f M ark e­ ting 54 (julio de 19 9 0 ): pp. 1-15; Shelby D. Hunt, “For Reason and Realism in M arketing”, e n Jou rn al o f M ar­ keting 56 (abril de 19 9 2 ): pp. 89-102.

25.

Bobby J. Calder, Lynn W Phillips y A lice M. Tybout, “Designing R esearch for A pplications”, en Jou rn al o f C o n ­ sum er R esearch 8 (septiembre de 1981): pp. 197-207. A quí se utiliza una perspectiva positivista. El positivismo incluye el positivismo lógico, el empirismo lógico y todas las formas de falsificación. Esta es la perspectiva dominante en la investigación de mercados a nivel com ercial. Más recientem ente se ha ofrecido una perspectiva relativista. V éase por ejem plo, Shelby D. H unt, M od em M arketing T heory (C incinnati: South-W estern, 1991).

26.

N .K . M alhotra, “A T h resh o ld Model o f Store C h oice”, en Jou rn al o f Retailing (verano de 1983): pp. 3-21.

27.

Para una ilustración de un modelo gráfico de piratería de software, véase la figura 1 de M oshe G ivon, Vijay M ahajan y Eitan Muller, “Software Piracy: Estim ation o f Lost Sales and the Im pact on Softw are Diffusion”, en Jou rn al o f M arketing 5 9 (enero de 1995): pp. 29-37.

28.

Para un modelo del desarrollo de una estructura teórica y de un modelo m atem ático basado en ésta, véase Christopher M . Miller, Shelby H. M clntyre y Murali K. M antrala, “Toward Formalizing Fashion T heory”, en Jou rn al o f M arketing R esearch 3 0 (mayo de 1993): pp. 142-157.

29.

G .L. Lilien, Philip K otlery K . Sridhar M oorthy, M arketing M odels (Englewood Cliffs, N J: Prentice Hall, 1992).

30.

Douglas S co tt y Flaurel English, “Tracking A utom otive Intentions and Imagery: A Case Study”, en Journal o f A dvertisingR esearch (febrero-marzo de 1989): pp. R C -1 3 -R C -2 0 .

31.

Para un ejem plo de formulación de hipótesis, véase Gregory T G undlach, R avi S. A chrol y Jo h n T Mentzer, “T h e Structure o f C om m itm ent in Exchange”, en Jou rn al o f M arketing 5 9 (enero de 1995): pp. 78-92.

32.

Fred N. Kerlinger, Foundations o f B ehavioral Research, 3a. edición (Nueva York: H olt, R inehart, and W inston, 19 8 6 ). Véanse las pp. 17-20 para un análisis detallado de las características y el papel de la hipótesis en la investigación. Para una visión alternativa, véase Raymond J. Lawrence, “To Hypothesize or N ot to Hypothesize? T h e C orrect A pproach’ to Survey Research”, e n Jou rn al o f the M arket R esearch Society 24 (octubre de 1982): pp. 3 3 5 -4 3 . Para un ejem plo del desarrollo reciente de un modelo y la form ulación de hipótesis, véase Mary Jo Bitner, “Servicescapes: T h e Im pact o f Physical Surroundings on Custom ers and Employees”, en Jou rn al o f Marketing 56 (abril de 1992): pp. 57-71.

33.

El papel integrado que juegan la teoría, los modelos, las preguntas de investigación y las hipótesis en la investigación de mercados pueden verse en R obert E. M organ y Shelby D. Hunt, "T h e Com m itm ent-Trust Theory o f Relationship M arketing”, en Jou rn al o f M arketing 58 (julio de 1994): pp. 20-38.

34.

A .K . Jain , C . Pinson y N .K. M alhotra, “Custom er Loyalty as a C onstruct in th e M arketing o f Banking Servi­ ces”, en International Jou rn al o f Banking (1 9 8 7 ): pp. 4 9 -7 2 .

35.

“C hanel Plans to Run Ads in Magazines with Less C a ch et”, en W all Street Jou rn al (27 de enero de 1988): p. 30.

36.

Darral G. Clarke, M arketing Analysis and Decisión M aking, segunda edición (South San Francisco: Scien tific Press, 1992).

37.

D agnoli Judann, “W hy Heinz W ent Sour in Brazil”, en Advertising Age (5 de diciem bre de 1988).

3 8 . Jam es A. Lee, “Cultural Analysis o f Overseas O perations”, en H arvard Business Review 44 (marzo-abril de 1966): pp. 106-14; y Su sanP Douglas y C. Samuel Craig, Intem ation alM arketin gR esearch (Englewood Cliffs, NJ: Prentice Hall, 1983). 39.

David Kilbum , “U nilever Struggles with S u rf in ja p a n ”, en Advertising Age (ó d e m a y o d e 1991).

40.

G .R . Laczniacky PE. Murphy, Ethical M arketing Decisions, T h e Higher Road (Boston: Allyn and Bacon, 1993): p. 64.

41.

Para consultar paquetes para mainframes, véase: SPSS Base Systems U ser’s G uide (Englewood Cliffs, NJ: P rentice Hall, 1994) SA S Language and Procedure: Usage V 6 (Cary, N C : S A S Institute, 1989). SA S Language and Procedure: Usage 2 V 6 (Cary, N C : S A S Institute, 1991). SA S Procedures G u ide, V 6, 3a. edición (Cary, N C : S A S Institute, 1990). SA S Language: Reference, V 6 (Cary, N C : S A S Institute, 1990). BM D P Statistical Softw are M anual, volúmenes 1 y 2 (Berkeley: University o f C alifornia Press, 1990). Para consultar paquetes para microcomputadoras véase: SP SS/ P C + T M V 4 .0 B A SE M A N U A L (Englewood Cliffs, NJ: Prentice Hall, 1990). SPSS/PC+ A dvan ced Statistics ™ , V 4 .0 (Englewood Cliffs, N J: Prentice Hall, 1990). SAS/STAT ™ l/sers G uide, V 6, 4a. edición, volúmenes 1 y 2 (Cary, N C : S A S Institu te, 1990). El m anual BM D P para microcomputadoras es el mismo que para las mainframes.

42.

Agradecemos la ayuda de Jam es Agarwal con el ejem plo de investigación de mercados internacionales, la ayuda de M ark Leach y Gina M iller en la redacción de la sección sobre ética y la ayuda de M ark Peterson en la redacción de la sección de aplicaciones para computadora.

P

■ e r s p e c t iv a s p r o f e s io n a l e s

L a profesión de la investigación de mercados: evaluación estratégica La profesión de la investigación de mercados se redefine. A fin de comprender su redefinición, es preciso observar la condición actual, tanto de la industria como de la profesión. Sin embargo, antes de anali­ zar la condición de la profesión, tomaremos en cuenta a los compradores de investiga­ ción, las agencias de publicidad y las agen­ cias de investigación. C o m pra d o res D E IN V E S T IG A C IÓ N __________________

parecen representar. Estos sistemas tácticos, que con frecuen­ cia están muy orientados hacia la promoción, se compran e instalan a expensas de una investigación más estratégica que respalda la planeación a lar­ go plazo. Sin embargo, los nuevos sectores de la economía plantean la investigación de mer­ cados de manera distinta a las compañías tra­ dicionales de artículos empacados que han sido nuestro modelo de compañía durante muchos años. El sector de los servicios es el punto central de nuestra profesión, además de la industria de la investigación de merca­ dos. Especialmente notorias son las áreas de comunicaciones, cuidado de la salud, viajes William D. Neal1 y turismo, servicios financieros y profesiona­ les. Todas realizan inversiones importantes William D. Neal es el fun­ en la investigación de mercados, pero muy dador y presidente del con­ pocas emplean el modelo de los bienes em­ sejo de administración de pacados. Los comerciantes que operan con Sophisticated Data Re­ search (SDR), Inc., en alta tecnología en su mayoría siguen igno­ Atlanta. Fue también rando la investigación de mercados tradicio­ vicepresidente de Marketing nal, aunque existen unas cuantas excepcio­ Research División y presi­ nes importantes. Al parecer, las ventas al dente del consejo de admi­ detalle surgen con lentitud como un área im­ nistración de la American portante para las investigaciones, principal­ Marketing Association. mente sobre la medición de la calidad de los El señor Neal revisa todos

En el ambiente de las empresas surgen cam­ bios dramáticos que tienen un efecto direc­ to sobre la función de la investigación. Uno de éstos es el impacto de las nuevas tecnolo­ gías. Las poderosas computadoras personales fomentan el acceso a los datos de merca­ dotecnia por medio del ambiente corpora­ tivo. Los sistemas de escáner inundan a los comerciantes de bienes empacados con un exceso de datos. Las avanzadas capacidades de comunicación, rápidas en extremo, ace­ leran el proceso de mercadotecnia. Esta tec­ nología tiene el efecto de “deslustrar” la or­ ganización tradicional de las empresas. Estas ya no necesitan más del batallón de gerentes de nivel intermedio para preparar y depurar los programas de mercadola información para la toma de decisiones tecnia y de satisfacción de corporativas. los clientes en SDR. Ade­ A g e n c ia s d e p u b l ic id a d _________ más, conduce seminarios Por razones similares, frecuentemen­ y presta servicios de aseso­ En muchas agencias de publicidad, la ten­ te, los departamentos de investigación se ría a clientes en áreas de dencia es reducir severamente los departa­ consideran incompatibles con el ambiente segmentación de mercado y mentos de investigación. Los profesionales corporativo actual. En muchos casos, los de­ posicionamiento estratégico. de la investigación de muchas agencias de partamentos de investigación se someten a publicidad experimentan una condición in­ una reorganización, reordenamiento, reduc­ ción y, en otros, desaparición total. En muchas empresas, tam­ ferior. Se consideran como técnicos, en lugar de asesores y bién cambia la naturaleza de las inversiones en la investiga­ gerentes. Los profesionales de las agencias de investigación ción de mercados. Observamos nuevas inversiones importan­ tienen pocas capacidades internas y participan menos en los tes en los sistemas de datos de una sola fuente, los paneles de servicios de consultoría y asesoría a clientes de alto nivel. escáner de productos, los sistemas de medición de la audien­ Muchos simplemente son intermediarios de la investigación cia y los sistemas de medición de la calidad de los servicios. Estos sistemas tienden a ser tácticos. Los presupuestos limi­ lD e “T h e Profession o f M arketing Research”, por W illiam D. N eal, en tados obligan a las empresas a invertir en la investigación M arketing R esearch (septiembre de 1989): pp. 13-23. Reimpreso con la que ofrece beneficios más rápidos que los que esos sistemas autorización de la A m erican M arketing A ssociation, Chicago, IL.

de mercados para las empresas comerciales de servicio com­ pleto y, en fechas más recientes, realizan parte importante de esta labor. En general, el profesional de la investigación en las agencias de publicidad se dirige hacia el desarrollo del concepto y las pruebas promocionales previas y se aleja de las funciones de evaluación y desarrollo de la estrategia. A g e n c ia s d e in v e s t ig a c ió n ____________________

Las empresas de investigación tradicionales e importantes ge­ neralmente siguen una de estas tres trayectorias: 1. Elaboran y venden extensas bases de datos, que funcio­ nan como productos y servicios de medición de las nego­ ciaciones, paneles especializados, sistemas de medición de la audiencia o sistemas de medición de la calidad de servicios. 2. Elaboran y venden soluciones con base en la tecnología para los problemas de mercadotecnia, como modelos de comportamiento del consumidor, modelos de precios, modelos de efectividad/eficiencia de la mercadotecnia o modelos de proyección del mercado. 3. Proporcionan con mucha eficiencia el extremo operati­ vo de los servicios de investigación al cliente, sobre todo la recopilación de datos, el procesamiento de datos y los servicios de análisis por computadora. Estos tres caminos requieren de inversiones de capital cada vez mayores y éstas motivan gran parte de la consolida­ ción y la actividad de compra que florece en la industria de la investigación de mercados. Cada vez es más difícil para estas grandes empresas, orientadas hacia las operaciones, compe­ tir en la investigación al cliente y las áreas de consultoría con expertos debido a: 1) sus costos de operación excesivos; 2) la presión extrema para “mantener la planta operando a toda su capacidad”, y 3) una filosofía gerencial dirigida hacia la eficiencia de las operaciones y no hacia la investigación científica. Entre las agencias de investigación y consultorías más pequeñas, observamos cifras siempre en aumento, incremen­ to en la fragmentación y una tendencia hacia los servicios de investigación “adaptados”, tanto en las áreas estratégicas como tácticas. Estas empresas se mueven hacia las áreas de especialización de las categorías de productos y servicios, ade­ más, sus excedentes operativos bajos las hacen muy competi­ tivas en los precios. En muchos casos, ponen en un precio extremo y una desventaja en experiencia a los departamen­ tos de investigación al cliente de las compañías de investiga­ ción grandes y de servicio completo. C o n d ic ió n d e l a p r o f e s ió n ____________________

Las intersecciones en las que se encuentra la profesión se describen mejor con el papel del investigador de mercados

profesional en el ambiente corporativo, que no siempre se define adecuadamente. ¿Es el papel del investigador de mer­ cados ser el crítico consumado de las cosas e ideas nuevas, que las somete a una especie de prueba de ácido del análisis desapasionado o que defiende lo nuevo y actual? ¿Es nuestro papel el de asesores de alto nivel que medimos las actitudes del consumidor o del cliente, o el de técnicos que sólo nece­ sitamos reaccionar a las demandas y deseos del comerciante? ¿El profesional en investigación de mercados es un especia­ lista o un generalista, un artista o un tecnócrata? Otro problema que enfrenta nuestra industria y que nos aleja de la imagen profesional es la falta de requerimientos específicos para entrar a nuestra profesión. No existen re­ querimientos educativos explícitos, aunque la gran mayoría de nosotros tenemos por lo menos un grado universitario. No hay requerimientos en términos del campo de experien­ cia o capacitación. Literalmente, cualquier persona puede colgar un diploma y decir que es un investigador de merca­ dos calificado. Los programas actuales de desarrollo profesional no pa­ recen adecuados para aumentar el conocimiento y la expe­ riencia de la mayoría de los investigadores de mercados. En su mayor parte, las universidades no ofrecen suficientes ba­ ses técnicas ni de negocios para los profesionales en el nivel inicial de nuestro campo. Hasta hace muy poco tiempo, no existía un acuerdo general sobre el currículum para una ca­ rrera en investigación de mercados, pero en la actualidad la American Marketing Association publicó un bosquejo de currículum. Están disponibles pocas oportunidades para la capacitación independiente de los profesionales en investi­ gación de mercados. Las empresas cliente o las agencias de investigación realizan menos inversiones en capacitación, debido a los gastos y a la falta de programas adecuados. Por último, pocas publicaciones de calidad se dirigen al profesio­ nal, aunque esta situación cambia con rapidez. ¿A qué nos llevará esta situación en el futuro? D ir e c c io n e s f u t u r a s ____________________________

En el futuro, es probable que el personal de investigación corporativo esté más descentralizado y disperso en las unida­ des de operación. El personal de investigación se reducirá porque habrá menos expertos técnicos y analíticos. En mu­ chas empresas, la función de la investigación se volverá “más gerencial” en el sentido de que el departamento de investi­ gación corporativo estará formado por expertos y gerentes de información de investigación de negocios y sistemas de in­ formación, no por recopiladores y analistas de datos detalla­ dos. Tendrán un papel más importante en la integración de la información de negocios de fuentes divergentes: rastreo del mercado y sistemas de medición de las transacciones, fuen­ tes secundarias, fuentes internas y estudios de clientes. Se pondrá más énfasis en la investigación y medición de la cali­ dad de los servicios, la investigación y medición de la satis­

facción del cliente, la investigación y experimentación de los precios y la explicación del comportamiento del mercado medido con modelos sofisticados que estimulan el ambiente de compra. Podemos esperar ver más experimentación real, con menos énfasis en el análisis de mercados ad hoc. Con las observaciones actuales, podemos esperar que el personal de investigación corporativo dependa en mayor medida de las compañías de servicio independientes externas tanto para la medición del mercado como los servicios de asesoría para áreas de productos o servicios particulares. Para los proveedores de investigación, el futuro de la investigación de negocios parece prometedor, ipero será di­ ferente! En primer lugar, la división continuará acelerándose entre las compañías de investigación de mercados tradicio­ nales más grandes y las organizaciones de investigación más pequeñas, con base en la consultoría. Por una parte, las em­ presas de investigación más importantes realizarán fuertes inversiones en el aspecto operativo del negocio, ya sea pro­ porcionando una recopilación de datos profesional eficiente y servicios de procesamiento de datos o bases de datos muy especializados y servicios sobre una base tecnológica. Los so­ brevivientes serán aquellos que proporcionen servicios en

extremo eficientes o únicos y tengan los recursos de capital para explotar su posición. Por otro lado, se encontrará un grupo siempre en au­ mento de empresas especializadas pequeñas que combinarán los servicios de investigación al cliente con los servicios de asesoría específicos para la categoría de productos o servi­ cios. El secreto de la supervivencia de estas empresas será una reputación adecuada en una categoría de productos/ser­ vicios en particular, una capacidad considerable para realizar con rapidez estudios de investigación a clientes y un uso amplio de los procedimientos analíticos más nuevos. Quizá sea casi imposible para cualquier empresa de in­ vestigación desempeñar ambos papeles. Cada lado requiere una filosofía gerencial única y capacidades para la gerencia. Am­ bos lados necesitan estructuras financieras diferentes y filoso­ fías de mercadotecnia radicalmente opuestas. Por tanto, es probable que las empresas tradicionales de “servicios genera­ les” de investigación se vean obligadas a pasar de un lado a otro o, en forma alternativa, a colocar una entidad corporati­ va separada en cada área. De cualquier forma, los profesiona­ les y las empresas de investigación de mercados deben mirar hacia el futuro, si esperan llegar a éste y ser viables.

El problema de la investigación de mercados: del escritorio de la persona que toma las decisiones a la ejecución del estudio Como investigador activo, encuentro que gran parte de la satisfacción de esta profesión proviene de la sensación de descubrimiento y logro que surge por la existencia de tantos problemas únicos e interesantes que esperan una solución. Es esta unicidad la que evita el desarrollo de una estrategia sencilla y uniforme para la solución de problemas y permite la creatividad en nuestra vida profesional. Aun así, debemos contar con bases sólidas para definir o analizar los problemas de investigación de mercados. La persona que toma decisiones (DM, por las siglas en inglés de decisión maker) tiende a centrar su atención en los síntomas y, generalmente, define los problemas en términos de un resultado deseado: por qué disminuyen mis ventas (re­ sultado deseado = altos niveles de ventas) o cómo seleccio­ no el mejor de dos productos de prueba (resultado deseado = producto que ofrece la mayor participación y/o utilidad). Por otra parte, para un investigador un problema se define apro­ piadamente cuando establece la información necesaria de modo que se especifica el nivel de medición. Por ejemplo: DM: Nuestras ventas están bajando: ¿Qué pode­ mos hacer? Investigador: Las ventas a la baja son síntomas de proble­ mas del mercado en general (todos los pro­

ductos en nuestra categoría están declinan­ do en popularidad), o bien son problemas con nuestro producto. La resolución es secuencial: 1. ¿Cuáles son las causas de la baja? (Un asunto de investi­ gación) 2. ¿Qué acciones podemos tomar, una vez que tengamos identificadas las causas? (Una cuestión administrativa) 3. ¿Cuál de estas opciones produce un resultado óptimo para nosotros? (Una cuestión de investigación) 4. ¿Cómo dar seguimiento al impacto de estas acciones, una vez que se toman? (Una cuestión de investigación) 5. ¿Cómo intrumentar modificaciones constantes para lo­ grar una mejora continua en las ventas? (Una nueva se­ cuencia de cuestiones gerenciales y de investigación) Desde la primera perspectiva del investigador, la definición del problema debe dar por resultado un conjunto específico de componentes. En el caso más sencillo, un DM pregunta: “¿Cuál de los dos nuevos productos que se proponen es mejor?” El investi­ gador debe definir el concepto de “mejor”, de tal manera que

los componentes específicos de la investigación de mercados puedan identificarse y tomarse las medidas apropiadas. La fase de definición puede tener por resultado la precisión del con­ cepto “mejor” con alguna combinación que:

puestas es conocida; sólo sus frecuencias son desconocidas. Por ejemplo, las juntas para definir el problema pueden llevar al investigador a medir las siguientes características de una muestra de usuarios del producto:

1. Tenga una imagen consistente con la visión que busca la compañía, en términos de características específicas cuantificables

1. Edad Frecuencia de compra del producto en los últimos siete días 3. Cantidad comprada en cada ocasión (en los últimos sie­ te días)

2. Tenga el mayor atractivo cuando se mide en una prueba conceptual anterior a la creación del producto (el atrac­ tivo se definirá en términos de una es­ cala de interés por comprar) 3. Tenga la más alta proyección de venta en una prueba de mercado simulado, que incluya un periodo de uso a nivel doméstico 4. Cuando los resultados de las ventas ne­ tas más altas se contabilizan y reutilizan en una miniprueba de mercado Cada una de estas definiciones del con­ cepto “mejor” implica una medida específi­ ca que será tomada en cuenta por el investi­ gador. Sin embargo, éste debe puntualizar los aspectos específicos acerca de:

4. Frecuencia de compra en los productos de la competencia, durante los últimos siete días Cantidad de producto de la competen­ cia que fue adquirida en cada ocasión (en los últimos siete días) La apreciación por parte del cliente del producto y de los productos de la com­ petencia en las cinco preguntas que analizan los diez puntos de imagen

Para cada una de las seis áreas de in­ formación listadas anteriormente, el inves­ Konald !.. llitluim tigador conoce las respuestas posibles a las Rimahl L. laiham e.s presi­ preguntas y los límites aceptables de las res­ dente y ejcaititv en jefe Je puestas. Es decir, sabemos la distribución por Burke Marketing Research. 1. ¿Hay muchos componentes de la ima­ edades de la población y también conocemos Hl doctor latliam está gen? ¿Cuáles de ellos son los apropia­ las unidades específicas (años de edad) que nctii'cirncnic imohicradt >. dos para este caso y cómo los valoramos? recibiremos por respuesta; sabemos que úni­ tanto en la administración 2. ¿Qué escala de interés de compra usa­ camente las respuestas de los números 1 a general como en el diseño y remos, y cómo evaluaremos los resulta­ 10 son permitidas en la información del pun­ análisis de investigación. La dos? to seis, etc. No conocemos los valores actua­ empresa Burke opera bajo el concepto de “gerente pro3. Hay diferentes maneras de realizar las les de las respuestas entre nuestra población diicthv". Cada ejecutiv pruebas de mercado simulado. ¿Cuál meta. Esto puede parecer sencillo, pero nos está involucrado en las acti­ elegiremos? ilustra acerca del objetivo de la medición, an­ vidades relacionadas con el tes de intentar la recopilación de datos. Si el 4. ¿Cómo cuantificamos la reutilización de cliente y la entrega de los problema se define en forma estricta, la uti­ resultados en una prueba de mercado? esfuerzos de investigación lidad de la información puede ser probada por ■.le Burke. la DM. La pregunta básica que debe hacerse En estos casos, son infinitos los compo­ a la DM es: “¿Qué hace usted cuando la in­ nentes del problema que deben enfrentarse, pero muestran que el investigador, por lo regular, deberá de­ formación que dan los entrevistados toma diversas formas?” finir el problema en términos de sus componentes y medidas El investigador puede mostrar a la DM resultados hipotéti­ específicas. Durante el periodo exploratorio del desarrollo del cos, con base en sus conjeturas. Si la DM responde: “No es­ problema, las medidas pueden ser las opiniones especializa­ toy seguro de qué haría con esa información”, el investigador das. Sin embargo, en la fase final, éstas podrán obtenerse tam­ debe preguntar: “¿Qué información adicional necesitaría para bién de los compradores eventuales o de quienes toman la hacer que estos datos sean más útiles, o qué límites necesita de esta información?” En virtud de que se conoce la forma de decisión de compra del producto o servicio. El enunciado de una definición apropiada del problema todas las respuestas posibles, se deberá examinar la utilidad podría decir: “Cuando el problema está correctamente defi­ de los resultados probables con la DM, aun cuando no se co­ nido, el investigador conoce todas las respuestas posibles, pero nozcan los resultados del estudio. Esta definición correcta aún no las ha cuantificado”. En otras palabras, desde el pun­ del problema proporcionará a la DM la información relevan­ to de vista del investigador, la mejor definición del problema te para la toma de decisiones y guiará al investigador en el conduce a medidas tan precisas que la naturaleza de las res- proyecto de investigación.

Definición del problema de investigación La mayoría de los investigadores de mercado estarán de “X” o se deja el espacio en blanco. Cuando se completa la acuerdo en que la definición del problema es el paso más coordenada, da una imagen real de los componentes del pro­ importante en el proceso de investigación de mercados. Esta blema y no se relacionan con cualquier pregunta, o qué pre­ parte del proceso traslada las necesidades de información guntas no se relacionan con cualquier problema, componen­ para la toma de decisiones y las convierte en objetivos de in- te, investigación o hipótesis. El proceso de definición del problema también incluye vestigación o componentes del problema, para su definición colectiva e investigación. La ejecución de un estudio mejo- juntas de análisis con las DM, reuniones con expertos de la industria y del tema, análisis de información rará siempre que se articulen los componen­ secundaria y (a veces) investigación cualita­ tes del problema de investigación de mer­ tiva. Desde la perspectiva de una compañía cados, en los términos más explícitos y es­ de investigación como Elrick and Lavidge, pecíficos posibles. estas actividades normalmente se realizan Para cumplir con esta meta, es necesa­ dentro de la organización del cliente, antes rio, en primer lugar, que el cliente entregue de solicitar una propuesta. Alentamos a nues­ sus necesidades de información por escrito. tros clientes a realizar la mayor parte del pro­ Si el cliente no las tiene aún, usted deberá ceso en forma interna, por lo menos hasta la enumerarlas al presentar la propuesta de in­ fase de investigación cualitativa (si es nece­ vestigación. Esto sirve para asegurar su com­ saria) porque permite a la compañía investi­ prensión del problema y un concepto claro gadora entregar resultados más rápidos y a un de las necesidades de la DM, a fin de que menor costo. Otro beneficio que surge de la pueda establecerse un conjunto adecuado A lbeit Su’iut investigación cualitativa interna es que fuer­ de componentes del problema. za al cliente a pensar en su problema de ma­ Asimismo, antes de desarrollar el cues­ Albert Suint e> vicepresi­ nera profunda. Consecuentemente, compren­ tionario, especifique los componentes del dente de la compañía derá los aspectos más importantes con mayor problema de investigación. A veces, sin em­ Xíarkctn ig Workshnp. Inc. claridad, esto le permitirá orientar al investi­ Al nuimento J e escribirse bargo, algunos componentes adicionales sur­ este ám enlo, es directivo J e gador y actuar en forma decisiva cuando co­ gen durante el desarrollo del cuestionario. cuenta, responsable J e nozca los resultados de la investigación. Si esto sucede, es necesario establecer de todas los aspectos J e l diseño Además, el cliente debe solicitar al in­ nuevo todos los componentes, aun cuando y ejecución J e estudios de vestigador mayor información sobre costos y el diseño de investigación ha sido desarro­ investigación d e mercados limitaciones de tiempo. En Elrick and Lavidllado. en lilrick and Lavidge. Inc. ge deseamos tener una relación muy cerca­ Una manera de asegurar la incorpora­ na con los clientes para que nuestros insución de todos los componentes del proble­ ma en el cuestionario es desarrollar la hoja de cálculos de mos puedan ser analizados antes de que se haga la propuesta estos componentes. Este sistema de coordenadas consiste en formal. Esto nos da ventaja al iniciar, así como una mejor celdas definidas por columnas o filas; cada columna repre­ comprensión de todos los aspectos. Para el cliente, tener una senta un componente del problema, dividido en preguntas propuesta previa sobre costos y restricciones de tiempo les de investigación e hipótesis, y cada fila representa una pre­ ayuda a asegurar, a quienes toman decisiones, que están ha­ gunta. En la intersección de cada fila y columna donde una ciendo una estimación realista de costos y resultados, y de pregunta señala un componente del problema, se coloca una este modo manejar expectativas realistas por parte de las DM.

I

I Lavidaenel carril rápido: Lacompetenciadelas

X • X cadenasdecomidarápidaparaserel númerouno Los restaurantes de comida rápida se han caracterizado por sus menús limitados, autoservicio, alto volumen de negocios y alto porcentaje de pedidos para llevar. El espectro de la hamburguesa está comprimido en diversas cadenas populares. Sin embargo, McDonald’s, Burger King, Hardee’s/Roy Rogers y Wendy’s son las cuatro más importantes. Estas cadenas y otros restaurantes de comida rápida tuvieron ventas por más de 90 mil millones de dólares en 1994, sólo en Estados Unidos; contabilizaron el 30% de la industria alimenticia, que totalizó aproximadamente 300 mil millones de dólares en 1994- La mayor fue McDonald’s, que realizó ventas que excedieron los 15 mil millones de dólares en toda la cadena, durante 1994, un mil millones de dólares más que en 1993. Es dueña de más de 10 000 restaurantes en todo el país. Burger King es la número 2, con ventas nacionales por más de 6 mil millones en 1994, por arriba de los 5.5 mil millones en 1993. Tiene aproximadamente 6 000 restaurantes en Estados Unidos. La publicidad es una de las grandes armas competitivas: McDonald’s gastó 100 millones de dólares en 1995, en este rubro. En los próximos años, todas las grandes cadenas tendrán que enfrentar el envejecimiento de la población de Estados Uni­ dos. A medida que aumenta la edad promedio del consumidor estadounidense, se presenta la posibilidad de un cambio, de los restaurantes de comida rápida a los medianos, si la industria de la comida rápida no satisface las necesidades de este grupo. Un estudio reciente de la National Restaurant Association mostró que mientras 79% de los clientes, cuyas edades fluctúan entre 18 y 24 años, iban a restaurantes de servicio rápido, sólo 60% del grupo de 40 a 60 años asistían a ellos. Esto probablemente refle­ jaba la disparidad de ingresos disponibles entre estos dos grupos y un deseo de mejor servicio entre los consumidores de mayor edad. Con un incremento esperado de 15% en el número de estadounidenses de 50 años o más para el año 2000, combinado con la declinación de los miembros del grupo de 15 a 34 años, la industria de la comida rápida deberá adaptarse a esta cambiante estructura de la población. Uno de los caminos para esta industria es la nutrición. Un aspecto importante del estilo de vida en Estados Unidos es que incrementa su atención por convertirse en una nación más sana. La mayoría de los estadounidenses están obsesionados con la salud, hasta el punto de evitar su antigua manera de vivir y discriminar a aquellos que no comparten este punto de vista. Desde mediados de los ochenta, el promedio de vida de los esta­ dounidenses ha aumentado de 72 a 81 años. Este cambio puede deberse al ejercicio físico y a mejores hábitos alimenticios. Así

como todas las áreas de la sociedad han cambiado para reflejar esta nueva conciencia de la salud, también la industria de la comida rápida debe reposicionarse y tener información concre­ ta sobre qué espera de ella esta nueva sociedad. No es sorprendente que McDonald’s haya investigado, pro­ bado e introducido la McLean Deluxe en 1990. Esta hambur­ guesa es 91% libre de grasas y tiene sólo 325 calorías. Hardee’s siguió esta tendencia e introdujo la Lean 1, mientras que Burger King y Wendy’s introdujeron emparedados de pollo a la parrilla, sin piel ni huesos. Después del lanzamiento del emparedado de pollo a la parrilla de Burger King, las ventas de este alimento fueron de más de un millón por día. En la actualidad, este empa­ redado con 265 calorías ha captado un mercado propio. Adicio­ nalmente a este producto, Burger King probó, a nivel nacional, los productos de Weight Watchers en sus restaurantes y barras de ensaladas. A lo largo de los años y como respuesta a los cam­ biantes estilos de vida de sus consumidores, Wendy’s introdujo papas horneadas, cinco nuevas y frescas ensaladas preempaquetadas, que se preparan con aceite vegetal sin colesterol y vinagre­ tas bajas en calorías y sin grasas. Todos estos productos nuevos pretenden combinar nutrición con la conveniencia del cambio. A pesar de que los clientes informan que desean una ali­ mentación más sana, sus compras no mantienen esta premisa. En 1993, los productos nuevos, y más importantes, introducidos al mercado, eran altos tanto en grasas como en calorías. La Big Bacon Classic, ofrecida por Wendy’s, incluye un cuarto de libra de carne (105 gramos aproximadamente), tres tiras de tocino, una rebanada de queso y una cucharada de mayonesa. Cada uno de estos emparedados contiene en promedio 700 calorías y gran cantidad de grasas. McDonald’s se unió a la batalla al hacer prue­ bas con pollo frito en diversos mercados. El pollo frito de Hardee’s ha progresado en forma adecuada. El Whopper Sandwich conti­ núa siendo un favorito a pesar de sus altos niveles calóricos y de grasas. Estimaciones recientes muestran que anualmente se ven­ den más de 700 millones de estos emparedados. La razón de este retroceso en las ventas de alimentos bajos en grasas y calorías fue revelada por una investigación de mercados que muestra que la población estadounidense está cansada de ser juzgada por con­ sumir la comida que le gusta. Además, los clientes exigen una variada selección disponible. Los expertos pronostican que la cantidad de productos en el menú continuará creciendo, ya que los restaurantes ofrecen nuevos artículos para evitar el aburrimiento del consumidor y mantener el crecimiento y participación en el mercado. Co­

mo un vocero de Burger King dijo: “Nos quedaremos con aquello que mejor conocemos, pero debemos agregar alimentos para acompañar las preferencias del consumidor”. Por esta ra­ zón, al mismo tiempo que Burger King hizo un pacto con Domino’s a principios de la década de los noventa, para ofrecer pizzas personales, McDonald’s ha ofrecido su propia marca de pizza y fajitas de pollo, y Arby’s abrió sucursales. En un mayor esfuerzo por atraer consumidores, algunos restaurantes han es­ tablecido alianzas con marcas de alimentos preempacados. McDonald’s se asoció con Quaker Oats para ofrecer avena en los desayunos. Recientemente, algunas franquicias de McDo­ nald’s se han unido a los helados de la marca Good Humor para ofrecer a sus clientes mayor variedad de postres. Burger King se unió a Newman’s Own para proporcionar a los consumidores vinagretas para sus ensaladas. A raíz de esta alianza con Newman’s Own, las ventas de ensaladas de Burger King aumentaron al doble. La tendencia más reciente en los restaurantes de comida rápida ha sido dirigida hacia los precios. Esta tendencia fue ini­ ciada por Taco Bell, quien bajó precios y aumentó sus ventas en 18.5% en sólo dos años. A pesar de que fue novedad por corto tiempo, el valor real por el precio se ha convertido en parte im­ portante de todos los grandes competidores. McDonald’s ofrece su Extra Valué Menú; Wendy’s tiene un Super Valué Menú, a un costo de 99 centavos de dólar, que enfatiza la variedad al ofrecer productos que van desde ensaladas listas para llevar, hasta el Country Fried Steak Sandwich; Burger King y Hardee’s ofrecen paquetes similares al de McDonald’s. A pesar de que muchos restaurantes se han enfocado al costo, una investigación reciente reveló que, de acuerdo con los clientes, la limpieza del lugar es el atributo más importante para la satisfacción del consumidor, seguida por el correcto llenado de la orden. Los precios razonables se ubicaron en el sexto lugar, y recibir el cambio correcto se posicionó en cuarto lugar. A par­ tir de estos conocimientos, muchos restaurantes han puesto más atención en el servicio al cliente que en el precio. Por ejemplo, Wendy’s ha adoptado un “M.B.A.” especial, que establece “una estrategia para acabar con el enemigo”. Esto representa para Wendy’s un compromiso con la definición de la satisfacción del consumidor y significa colocar el servicio al cliente (limpieza, calidad en la comida y atmósfera) antes que los números y las hojas computarizadas. Wendy’s afirma que ésta es una de las ma­ yores razones de su éxito. Burger King ha reconocido, desde hace tiempo, la importancia de crear una experiencia favorable y memorable del acto de comer. Fue el primer restaurante de comida rápida que introdujo comedores que permiten al cliente comer dentro del restaurante. En 1992, Burger King fue el pri­ mero en introducir el servicio a la mesa y un menú amplio para mejorar la experiencia de la comida. Esta corporación afirma que siempre ha puesto mucho cuidado en el diseño y construcción de sus restaurantes, para que sean lugares atractivos para las co­ munidades en las que están localizados. Planea introducir la doble entrada de autos, quioscos y restaurantes en línea, durante la

década de los noventa, para enfrentar los desafíos que el merca­ do de comida rápida presenta. En otro esfuerzo por expandir el mercado, la industria pres­ ta atención en los mercados internacionales. En virtud de que los mercados asiático y europeo se encuentran actualmente en el nivel que tenía el mercado estadounidense en 1960, las cade­ nas de Estados Unidos tienen una ventaja competitiva sustan­ cial. Los expertos en mercadotecnia pronostican que será más fácil la expansión de las cadenas estadounidenses en estos con­ tinentes que en su país. McDonald’s espera tener más de 30% de sus utilidades operativas fuera de Estados Unidos; en 1995, res­ pecto al 21% que tuvo en 1990. Burger King se ha enfocado hacia Japón, como un mercado muy abierto a sus hamburguesas. A más de 22 años de que McDonald’s abrió su primer restaurante en Japón; Burger King entró en 1993 a la competencia, mencionando que el mercado japonés de 4.22 mil millones de dólares en hamburguesas es un incentivo para operar en este país. Sin embargo, la competencia entre compañías japonesas en este negocio ha aumentado en gran medida. Las empresas nacionales son propietarias de alrede­ dor de la mitad del mercado, mientras que McDonald’s controla el resto. Burger King ha prestado mucha atención al mercado de Europa del Este. Recientemente, abrió sucursales en Polonia, Alemania del Este y Hungría, también estableció una compañía de capacitación en Londres, que sirve a sus franquicias euro­ peas. En 1995, Burger King tenía más de 7 000 restaurantes en 50 países. Wendy’s es un competidor muy fuerte en el mercado inter­ nacional de la comida rápida. En la actualidad, tiene contratos con 43 países, fuera de Estados Unidos, y abrió cerca de 28 merca­ dos más. El 62% de los restaurantes Wendy’s, a nivel internacio­ nal, están localizados en la región del Pacífico, incluyendo Japón, Corea, Taiwán, Hong Kong, Filipinas, Indonesia, Nueva Zelanda y Guam. El mercado de mayor crecimiento en 1994 fue Arabia Saudita. Europa del Este ofrece un mercado abierto en el que Wendy’s se ha enfocado. En ciertos lugares de estos países, se ne­ cesitan de 12 a 15 permisos para poder mantener la demanda en los productos de esta empresa. Las transacciones varían de 5 000 a 10 000 al día y hay que tener en cuenta que, en Estados Unidos, 5 000 transacciones por semana se consideran un buen número. En la actualidad, las ventas totales son de más de 3.6 mil millones de dólares (este valor incluye Estados Unidos y locaciones inter­ nacionales). Considerando la dura competencia, sólo resta saber si McDonald’s podrá seguir siendo el líder en la competencia en el mercado nacional de la comida rápida, así como llegar a ser el principal competidor en el mercado internacional. P reg u n tas

1. Describa las necesidades de mercado para la industria de la comida rápida. 2. ¿Qué papel juega la investigación de mercados al propor­ cionar la información necesaria?

3. Dé algunos ejemplos de identificación de problemas de in­ vestigación que McDonald’s podría emprender para asegurar su liderazgo continuo en la industria de la comida rápida.

2. Stern, Gabriella, “In a Turnabout, Fast-Food Fare Becomes Fattier”, en Wall Street Journal (lunes 23 de agosto de 1993): p. Bl.

4. Describa los tipos de problemas, soluciones e investigación que Hardee’s puede llevar a cabo para mejorar sus ventas y participación en el mercado.

3. “Burger King Opens First Store in Japan, 22 Years after Ri­ val”, en Wall Street Journal (23 de septiembre de 1993): p. A-10.

5. Teniendo en cuenta el potencial del mercado a nivel inter­ nacional, ¿deberían las empresas de comida rápida realizar estudios de mercado en estos países? ¿Qué tipo de oportu­ nidades y desafíos encontrarán estas cadenas al realizar in­ vestigaciones de mercado?

4. Sellers, Patricia, “Look Who Learned About Valué", en Fortune (18 de octubre de 1993): pp. 75-76. 5. Bartlett, Michael y Lisa Bertagnoli, “93 R&.I Forecast: Operations Work to Keep Business Costs in Line as Economy Slowly Perks Up", en Restaurants and Institutions (1 de enero de 1993): p. 14. 6. Carlino, Bill, “Fast Food Tops 94 Forecast, Passes Full Service; NRA Predicts 2% Growth for Industry”, enNation’s Restaurant News (6 de diciembre de 1993): p. 1.

R e f e r e n c ia s

1. Whalen, Jeanne, “Fast Food Hungers for Fresh Approach”, en Advertising Age (8 de noviembre de 1993): p. 3.

7. Goldman, Kevin, “McDonald’s Mixes Past with New Slogan”, en Wall Street Journal (17 de febrero de 1995): P-B4.

Nikecorredelantedesuscompetidores, perotodavíatieneunlargocaminoporrecorrer Nike Inc., localizada en Beaverton, Oregon, entró recientemente a su tercera década como la compañía número uno de calzado deportivo y la marca estadounidense número dos en términos de reconocimiento de nombre entre consumidores extranjeros. Posición que comparte con IBM y en segundo lugar con CocaCola. Este alto grado de reconocimiento es quizá una de las ra­ zones principales del enorme éxito de Nike. En el año fiscal de 1993, Nike continuó el ascenso y ganó 365 millones de dólares con ventas de 3.93 mil millones de dólares, arriba de 3.41 mil millones en 1992. Nike tiene un mercado cautivo de 24% en el área de zapatos deportivos, seguido por Reebok y Adidas con 16 y 14%, respectivamente. Además, Nike tiene un porcentaje del mercado que excede al 50% en algunos de los canales de zapatos. Es probable que una parte del éxito pueda atribuirse a la decisión que tomó Nike en 1987: unir su estrategia de mercados al desempeño atlético, cuando alcanzó a Reebok International Ltd. como líder en la industria. Uno de los primeros resultados

de esta unión fueron los zapatos con bolsas de aire visibles desde una pequeña ventana en el talón. Nike desarrolló y probó estos zapatos tomando en cuenta las necesidades de su mercado, soli­ citó a voluntarios que usaran los zapatos y los devolvieran para ver cómo funcionaban. Este producto, perfeccionado a través de pruebas de mercado y promovido con extensa publicidad, repre­ sentó el inicio de la exitosa Air Line, que permitió a Nike sobre­ pasar a Reebok en su participación de mercado y ventas. Con la historia del éxito de la Air Line, el lento crecimien­ to del mercado de zapatos atléticos y la notoria inconsistencia de los compradores, Nike concluyó que la publicidad era cada vez más importante. Su presupuesto publicitario en 1991 fue de 100 millones de dólares, un aumento considerable si se compara con los 52 millones que la compañía gastó en 1990. Al decidir cómo gastar el presupuesto publicitario, Nike percibió que con el 28.6% del mercado de zapatos de lona de Estados Unidos en 1991, así como el 45% de la posición en el mercado de zapatos para caballero, se inclinaba hacia el desarrollo del mercado mas­

culino de zapatos deportivos. Por esta razón, Michael Jordán, Andre Agassi, Bo Diddley, Bo Jackson y Butch Reynolds fueron elegidos para promover estas líneas. Nike descubrió que su obje­ tivo de mercado era la autenticidad, y para cubrir esta imagen, la compañía deseaba que su publicidad comunicara que los con­ sumidores de Nike eran deportistas y no sólo espectadores. Durante 1992, Nike también entró en el mercado de zapa­ tos deportivos para dama. Reebok International había manteni­ do el liderazgo de este mercado por algún tiempo. A pesar de que en la publicidad de Nike ha predominado lo masculino, en 1992 surgió una campaña muy agresiva dirigida a las mujeres. Jennie Garth, de Beverly Hills 90210, realizó un video de ejerci­ cios patrocinado por Nike. Junto con las tiendas Lady Foot Locker, Nike acompañó el video con zapatos para jazz, durante la temporada de Navidad de 1992. Obsequió carteles de Jennie Garth en la compra de un par de zapatos. Nike también esperaba repetir el éxito en el continen­ te europeo, con campañas publicitarias enfocadas en el desempe­ ño de su producto. Nike tenía razones válidas para esperar una campaña muy exitosa, ya que Europa es un mercado con amplio potencial. En 1993, las ventas de zapatos de lona subieron en Europa a 4.5 mil millones de dólares. Se estima que entre Nike y Reebok tenían 50% del mercado en 1993, comparado con el 5% que tenían una década atrás. Para el año fiscal que terminó el 31 de mayo de 1993, las ventas de Nike en Europa eran de 1.1 mil millones, 25% más que en 1992, y aproximadamente seis veces las ventas de 1987. En lugar de competir sólo con Adidas y Puma por el mercado europeo, Nike y Reebok institucionalizaron in­ tensos programas de mercado dirigidos a la venta de zapatos de calle al público europeo; en cada uno gastaron entre 80 y 100 millones de dólares anuales en publicidad y promoción. En com­ paración con el presupuesto de Adidas, menor a 60 millones de dólares. La publicidad más reciente de Nike y Reebok capitalizó el surgimiento de la popularidad del basquetbol europeo, gracias al dream team olímpico. Para la publicidad, se contrataron basquetbolistas destacados de la NBA, asimismo se llevaron a cabo presentaciones de productos de ambas compañías. Después de seis años de rápido crecimiento, Nike surgió como la fuerza más poderosa en artículos y ropa deportiva. Sin embargo, las ventas anuales se han detenido en 4 mil millones de dólares, y Nike trata de encontrar un camino para seguir ade­ lante. Hoy en día, uno de cada tres pares de zapatos deportivos que se venden en Estados Unidos son marca Nike. El 60% de los zapatos para jugar basquetbol son Nike. A pesar de estas impre­ sionantes cifras, se estima que las ventas bajaron 6% durante el año fiscal que terminó el 31 de mayo de 1994. Si se convierte a volúmenes de ingresos, significa aproximadamente 3.7 mil mi­ llones. La utilidad disminuyó 22% y llegó al nivel de 283 millo­ nes de dólares. Además, el precio de las acciones de Nike ha bajado 41% aproximadamente. La venta de zapatos para bas­ quetbol cayó en forma significativa y el crecimiento de los mer­ cados europeo y japonés está detenido. Por otro lado, los analis­

tas piensan que Nike tocó fondo, y que las ganancias deberán aumentar alrededor de 12% en 1995 y alcanzar los 316 millones de dólares. Nuevos modelos, que incluyen los zapatos para basquetbol rediseñados, deberán ayudar a atraer tanto al públi­ co como a los detallistas. En el centro del problema encontramos a muchos adoles­ centes y jóvenes de 20 años de edad que fueron quienes impul­ saron las ventas de Nike en los últimos años. Este segmento se retiró del mercado de los zapatos deportivos y comenzó a buscar zapatos novedosos y menos comerciales. Su deseo se cumplió con las botas de calle, que cada vez son más populares. Para resolver sus problemas, Nike reemplazó a su antiguo director y presidente del consejo de administración, Phil Knight de 66 años, con Tom Clarke, de 42. Nike intentará luchar tam­ bién contra la saturación del mercado estadounidense. Rediseñará su tecnología de bolsas de aire y presentará una línea de zapatos deportivos para correr, para jugar basquetbol y para en­ trenar. También promoverá la expansión de su división de zapa­ tos de calle, la que venderá botas para alpinismo y zapatos para trabajo pesado. Esta división duplicó el número de productos que ofrece y, como resultado, presenta un crecimiento de dos dígitos. Existe la confianza de que en 1996 esta división será lí­ der en la compañía, con ventas de más de 500 millones de dóla­ res. Nike está consciente de que para llegar a esta meta de ven­ tas tendrá que trabajar una vez más con su publicidad destinada a los adultos jóvenes, usuarios de los modelos de calle. Estos gru­ pos son muy escépticos y, por tanto, no responderán en forma adecuada a las campañas basadas en deportistas famosos, reali­ zadas anteriormente por Nike. La compañía planea la campaña impresa más importante de su historia para conquistarlos. En el centro de la nueva estrategia de Nike también se en­ cuentra el área internacional. Esta puede ser el elemento más difícil a enfrentar. De acuerdo con algunas fuentes de informa­ ción, existe la creencia cada vez más firme de que Nike será, en algunos años, mucho más grande en el mercado internacional que en el de Estados Unidos. El problema que enfrenta la compa­ ñía es que, aun cuando las ventas internacionales representan actualmente la tercera parte de sus negocios totales, sus cifras parecen menos significativas si las comparamos con las ventas en el mercado nacional. Nike desea expandirse hacia el fútbol y algunos deportes internacionales; para ello, deberá cambiar el enfoque de su mercadotecnia y distribución y ganar terreno como fabricante de zapatos deportivos técnicamente superiores. En fechas más recientes, Nike compró varios de sus centros de dis­ tribución para tener mayor control de sus operaciones. En el futuro, la empresa pretende construir y cimentar su presencia en mercados clave como China, Alemania, México y Japón. Enfocará su publicidad en los deportes y apoyará aquellos que sean de interés particular en cada región específica. Nike y su presidente del consejo de administración, Knight, saben que a pesar de que la empresa va un paso más adelante que la compe­ tencia, aún les queda un largo camino por recorrer.

1. ¿Cómo describiría usted el comportamiento de los consu­ midores respecto a los zapatos deportivos? 2. ¿Cuál es el problema decisivo que enfrenta Nike al momen­ to de reestablecerse? 3. Defina el problema de investigación de mercados que en­ frenta Nike, dado el problema decisivo identificado. 4. Desarrolle dos preguntas de investigación convenientes, y formule dos hipótesis para cada una de ellas. R e f e r e n c ia s

2. “Off and Running; Catchy Ads, Basketball Stars and Slick Designs Make Inroads Against Rivals; Don’t Trash Those Wingtips”, en Wall Street Journal (22 de julio de 1993): p. A l. 3. Yang, Dori J., Michael Oneal, Charles Hoots y Robert Neff, “Can Nike Just Do It?”, en Business Week (18 de abril de 1994): pp. 86-90. 4. Tedeschi, Mark, “Looking Out for No. 1”, en Footwear News (26 de julio de 1993): p. 30. 5. Silverstein, Michael J., “Innovators Have Edge in War of the Brands”, en Advertising Age (9 de agosto de 1993): p. 14.

1. Magiera, M., “Nike Has Women in Mind”, en Advertising Age (4 de enero de 1993): p. 36.

Lexus: ¿Dandovaloral lujoolujoal valor? En la década de los ochenta, Toyota desarrolló un concepto para un automóvil nuevo que estaba destinado a ser un éxito. El con­ cepto de automóvil, que se llamaría Lexus, se basaba en que exis­ tía un enorme y opulento mercado que se jactaba de tener un desempeño excepcional. Sin embargo, una porción significativa de este mercado tenía en muy alta estima el valor. Por tanto, se negaba a pagar los extraordinarios precios que Mercedes cobra­ ba por sus automóviles. Toyota planeaba atacar este mercado, creando un vehículo que compitiera con el Mercedes en cuanto a desempeño, pero que su precio fuera mucho más razonable. De esta forma, proporcionaría al consumidor el valor que deseaba y le haría sentir que era comprador inteligente. Toyota introdujo el Lexus con fanfarrias en 1989. Una há­ bil campaña publicitaria anunciaba la llegada de este nuevo au­ tomóvil. Un anuncio mostraba al Lexus junto a un Mercedes, con el titular: “Es la primera vez en la historia que comprar un automóvil de 73 000 dólares por 36 000 puede considerarse un buen negocio”. Desde luego que el Lexus tenía todos los detalles del Mercedes: forma escultural, calidad de acabado e interior lujoso. Sin embargo, los detalles no estaban limitados al vehícu­

lo. Se crearon nuevos concesionarios separados de la red exis­ tente, que tuvieran la atmósfera que los consumidores opulen­ tos esperaban de un fabricante de automóviles de lujo, incluyen­ do un gran salón de exposición, refrescos sin costo y agentes de ventas profesionales. Toyota puso énfasis en el funcionamiento del nuevo auto­ móvil. Se envió a los clientes potenciales un paquete que in­ cluía un video de 12 minutos y presentaba la ingeniería superior del Lexus. El video mostraba un vaso con agua colocado en el monoblock del Mercedes y del Lexus: el agua se movía en el Mercedes y en el Lexus permanecía estática. Esto indicaba al consumidor que la estabilidad del Lexus era superior a la del más costoso de los automóviles. Otro video mostraba el Lexus to­ mando una curva pronunciada llevando un vaso con agua sobre el tablero. El vaso permanecía en su lugar, comprobando nue­ vamente la calidad del Lexus. Estos videos tuvieron éxito, ya que atrajeron a los consumidores, cuyas expectativas eran supe­ radas. Los fabricantes de automóviles de lujo se dieron cuenta de que deberían responder de alguna manera. Podían bajar los pre­

cios, admitiendo que estaban sobrevaluados desde el principio, o aumentar los precios, agregar características extra o reforzar la imagen del vehículo. Eligieron la primera estrategia y decidie­ ron combatir a Toyota en su propio juego. Desde 1992, Merce­ des, BMW y Jaguar, este último ahora perteneciente a Ford Mo­ tor Company, mantuvieron sus precios bajos y aumentaron su calidad. Esto permitió un incremento significativo en las ventas de los tres fabricantes. En 1994, Mercedes y Jaguar tuvieron un aumento de 20% cada uno, en comparación con el año anterior. Como resultado de su éxito, Lexus decidió subir los precios de 30 000 a 50 000 dólares en 1994. Esta estrategia no fue tan buena como esperaba. Las ventas bajaron 10%, a 72 000 auto­ móviles en los primeros diez meses de 1994, comparadas con las ventas de 1993. Desde entonces, Lexus ha tomado conciencia de que no tiene el prestigio que heredaron los automóviles eu­ ropeos de lujo, y que la gente está dispuesta a pagar más por éste. Como resultado, dirige su nueva campaña publicitaria a inspirar una respuesta emotiva hacia sus vehículos. Esta campaña debe ser muy fuerte porque es preciso que combata la reducción en el crecimiento del mercado de automóviles de lujo, en compa­ ración con el crecimiento del mercado general de la industria automotriz. Los automóviles semilujosos son responsables de la reducción porque dividen el mercado de los consumidores po­ tenciales de automóviles de lujo. Este grupo incluye el Toyota Avalon, el Nissan Maxima y el Mazda Millenia. Asimismo, Mer­ cedes y BMW introdujeron productos que pertenecen a este seg­ mento: el BMW 3 Series y el Mercedes C Class. El esfuerzo publicitario de 50 millones de dólares es la cam­ paña más costosa desde la introducción del LS 400. Los anun­ cios por televisión que creó Team One Advertising, división de Saatchi & Saatchi de California, según informa el Wall Street Journal, muestran imágenes majestuosas de barcos veloces y du­ nas sin fin. Las imágenes crean una sensación de velocidad, de­ sempeño y eternidad, antes de revelar el automóvil del que se trata, al final del anuncio. Team One no se limitó al buscar las locaciones apropiadas para filmar el anuncio. La costa de Maine se eligió para mostrar las suaves escenas de barcos, mientras que las escenas desérticas se filmaron en Namibia, África. Las imágenes y el estilo de los anuncios representaban un giro de 180 grados respecto a la campaña que lanzó el LS 400. Estos anuncios hablaban de la implacable búsqueda de la perfec­ ción del Lexus, con imágenes de una pelota que rodaba con sua­ vidad sobre el automóvil y copas con champagne balanceándose sobre el capó. Los anuncios enfatizaban con claridad que el au­ tomóvil tenía una alta ingeniería. La atención se centraba en

los aspectos tangibles del vehículo. En contraste, la reciente cam­ paña publicitaria se enfoca en sentimientos y emociones, los in­ tangibles que valen mucho para algunos consumidores. Las as­ piraciones y el lujo aparecen también en las nuevas campañas de Mercedes y BMW Para promover su posición de líder, Lexus recurre a los anuncios en las agencias distribuidoras, que pre­ sentan a un par de perros, a los que se dedicó 25% del presu­ puesto total. Lexus también lanza una campaña impresa, en la que los anuncios se enfocan más a los atributos físicos del automóvil, que a los intangibles. Los lectores de revistas recibirán un inser­ to de 12 páginas, y 78 revistas presentarán anuncios monocromá­ ticos que promueven las ventajas del producto. Los propietarios actuales de un Lexus, que suman alrededor de 400 000, recibi­ rán invitaciones por correo para manejar el nuevo LS 400.

P reg u n tas

1. Describa el problema de decisión de la dirección respecto al Lexus, al buscar combatir la competencia de otros fabri­ cantes de automóviles de lujo como Mercedes, BMW y Ja­ guar, así como la competencia de los semilujosos como Nissan Maxima y Mazda Millenia. 2. Formule el problema de investigación de mercados corres­ pondiente al problema de decisión gerencial que identificó en la pregunta 1. 3. Desarrolle un modelo gráfico, explicando el proceso de elec­ ción del consumidor de automóviles de lujo. 4. Identifique dos preguntas de investigación con base en la definición del problema de investigación y el modelo grá­ fico. 5. Desarrolle por lo menos una hipótesis para cada pregunta de investigación que identificó en la pregunta 4.

R e f e r e n c ia s

1. Warner, Fara, “Lexus, Sales Skidding 10%, Hopes Campaign Can Retool Its Identity”, en Wall Street Journal (14 de no­ viembre de 1994): p. B4. 2. Kotler, Philip, Marketing Management: Analysis, Planning, Implementation and Control, 8a. edición, Englewood Cliffs, NJ: Prentice Hall, 1994: p. 490.

Lainvestigacióndemercadosiluminael camino delaindustriaeléctrica Hacia finales de la década de los ochenta, las empresas de la industria eléctrica vivían en medio de la turbulencia. Las com­ pañías enfrentaban desafíos internos y externos, al tiempo que se instalaba la desregulación. La competencia internacional y los bajos costos entraban a la industria. Mientras que las empresas productoras de energía eléctrica se convertían en el principal objetivo de fusiones y compras agresivas, las fuentes alternativas de energía se volvían artículos de actualidad en Wall Street. En 1988, los ingresos aumentaron 4.6% en comparación con el año anterior, pero las ganancias por acción bajaron 10% el mismo año. De acuerdo con el Edison Electric Institute, en 1988, los proveedores nucleoeléctricos generaron 15% más elec­ tricidad que el año anterior; sin embargo, sus costos operativos subieron 22%. En 1989, los ingresos subieron sólo 2.28%. En 1990, hubo pequeñas ganancias en los ingresos. Con la desregulación, el aumento de la competencia, proveedores de energía alternativa y la sensibilidad de los clientes hacia las tari­ fas, la industria se vio obligada a desarrollar una orientación hacia la mercadotecnia. En la década de los noventa, el mercado de servicio público de electricidad, una vez más se convierte en un mercado agi­ tado. Los peligros más recientes que tienen que enfrentar las compañías incluyen el débil crecimiento de las ganancias y la posibilidad de aumento en las tasas de interés. La mayor amena­ za, percibida en la actualidad, es una nueva ley que permitiría a los consumidores industriales a gran escala y a los clientes que prestan servicios públicos comprar energía en el mercado abier­ to. La National Energy Policy Act, promulgada en otoño de 1992, afecta sólo a los grandes consumidores; sin embargo, se espera una mayor limitación en los próximos años. El resultado quizá sea una apertura total al mercado libre para que puedan concu­ rrir a éste todos los clientes. Esta competencia servirá para sepa­ rar a ganadores de perdedores en un mercado que, anteriormen­ te, tuvo poco efecto competitivo sobre sus clientes. La segmentación del mercado se ha convertido en objeto de rumores en la industria, pues ésta se ha percatado de que no es un mercado único, sino que hay muchos diferentes que se pueden segmentar de acuerdo con sus características. La inves­ tigación de mercados permite a las empresas de servicios públi­ cos dirigirse a las industrias de gran crecimiento, que ya eran clientes. Las empresas capaces de identificar estas industrias po­ drían planear la expansión regional de sus servicios para satisfa­

cer sus necesidades. De la misma manera, si una industria ma­ dura se identifica, la empresa puede estimar la demanda y anali­ zar la forma de reorientar el exceso de la carga eléctrica hacia las áreas en crecimiento. La investigación de mercados ha beneficiado a las empresas de servicio público en sus mercados residenciales, en los que la información se recopila de mediciones directas de las necesidades de los consumidores, sus opiniones y comportamiento. Esto pre­ viene las suposiciones erróneas sobre los consumidores. Sin em­ bargo, esta información no es suficiente y las empresas eléctricas saben que necesitan datos que provengan de un análisis de mer­ cado, para interpretar las respuestas de los consumidores. Por ejem­ plo, si una empresa descubriera que los consumidores piensan que 50% de sus medidores de lectura son “amigables”, ¿qué significa­ ría esto? ¿Sería positivo o negativo? Una compañía interpretó este tipo de resultado examinando cómo se comparaba este 50% con sus competidores, respecto al periodo previo. Al analizar y almacenar en computadora enormes canti­ dades de datos sobre el consumidor, las empresas pueden pro­ gramar campañas publicitarias bien dirigidas. Por ejemplo, un programa de computación llamado RECAP (programa de análi­ sis de consumo residencial), que ofrece Xenergy Inc., desglosa el costo y el uso de los aparatos electrodomésticos al incorporar información de facturación a la empresa, sobre la actividad del consumidor en el hogar, el estado del tiempo y suposiciones que se refieren al uso de electrodomésticos. Además de proporcionar a la empresa la posibilidad de reaccionar rápida y satisfactoria­ mente a las reclamaciones sobre el consumo alto, este programa de computación mejora la comprensión de los clientes y ayuda a proyectar qué consumidores pueden tener interés en nuevas tec­ nologías de generación conjunta. Estos proyectos se usan para planear campañas de incentivos que promueven la adopción de nuevas tecnologías o la permanencia de los sistemas actuales, dependiendo de las necesidades de cada empresa. En particular, muchas empresas han demostrado el poder de la investigación de mercados para generar negocios adicionales o nuevos. Hacia finales de la década de los ochenta, la Florida Power and Light Company, de Miami, centró sus esfuerzos en cuestio­ nes que iban más allá de la conservación del mercado. Este depar­ tamento de mercadotecnia afinó sus estrategias de segmentación del mercado. El segmento del consumidor comercial se subdividió en subsegmentos como hoteles, hospitales y oficinas. Uno de

los programas más exitosos fue el programa de luz externa para la seguridad residencial, dirigido a las comunidades de ancianos. Este programa ayudó a incrementar el uso de la luz exterior, dando lugar a que las comunidades se sintieran más seguras y a salvo. Florida Power and Light encontró que sus clientes se preocupa­ ban más por el valor que por el precio. La empresa Wisconsin Electric Power, de Milwaukee, gastó 84 millones de dólares para colocar en el mercado su programa Smart Money que permite a los consumidores emplear la ener­ gía de manera más eficiente. El programa proporciona descuen­ tos a los consumidores que adquieren aparatos electrodomésti­ cos más eficientes. Desde 1995, este programa produjo más de 350 millones de dólares de mejoras a los consumidores por el uso de la energía, y más de 85 millones de dólares en descuentos. La clave más importante para el mercado fue proponer un uso más eficiente de la energía y no un uso menor (conservación). Estos ejemplos muestran que la investigación de mercados es una poderosa herramienta para la industria eléctrica, ya que puede generar nuevos consumidores e iluminar el camino para llegar a las técnicas de investigación más sofisticadas.

cados y se proporciona apoyo en la toma de decisiones de la industria eléctrica. 3. Dado el éxito del programa de iluminación exterior para la seguridad, a la empresa Florida Power and Light le gustaría identificar otras necesidades de los ancianos. Defina el pro­ blema de decisión de la gerencia. 4. Defina el problema de investigación de mercados, una vez identificado el problema de decisión que identificó en la pregunta 3. 5. Desarrolle dos preguntas de investigación y dos hipótesis. 6. Desarrolle un modelo gráfico sencillo que explique cómo ayuda la iluminación exterior a satisfacer las necesidades de la población de ancianos.

R e f e r e n c ia s

1. “Electric Utilities Finally Discover Marketing”, en Marke­ ting News (20 de noviembre de 1989): pp. 1-2. 2. Brokaw, Leslie, “Pays as You Glow”, en Inc. (enero de 1991): p. 21.

P reg u n tas

1. Analice el papel de la investigación de mercados en la in­ dustria eléctrica. 2. Analice el papel de las computadoras (microcomputadoras y mainframes) cuando se dirige una investigación de mer­

3. Pearl, Lewis ]. y ]. Falk, “What’s the Best Way to Price Electricity?”, en Eléctrical World (diciembre de 1990): pp. 23-24. 4. Bary, Andrew, “High Voltage”, en Barron’s (12 de julio de 1993): pp. 12-13.

QuakerOats: Lamercadotecnicaesel caminodel éxito Fundada en 1891, Quaker Oats Company despertó para mostrar su verdadero poder en la década de los ochenta de este siglo. Quaker ha continuado su éxito hasta principios de la década de los noventa; en 1992, sus ventas ascendieron a 5 576.40 millo­ nes de dólares, y en 1993, fueron de 5 730.60 millones. Quaker Oats maneja muchos productos que están ubicados en los pri­ meros lugares de participación de mercado dentro de sus respec­ tivas categorías. En 1993, más de 77% de las ventas a nivel mun­ dial provenía de productos que se ubicaban en la posición número 1 y 2 en sus categorías. Sin embargo, Quaker no se ha conformado con sus productos de larga tradición y madurez en

el mercado; de hecho, más de 80% de las ventas de 1993 prove­ nía de marcas de líneas en crecimiento. Esto llevó a Quaker Oats a pensar que su posición era adecuada para crecer en el futuro. Desde su fundación, Quaker ha crecido como una empresa diversificada y bien administrada. El desarrollo de nuevos pro­ ductos, y una política de mercado agresiva, juegan un papel preponderante en el mantenimiento de su participación en el mercado frente a sus competidores. En 1993, Quaker invirtió cerca de 26% de sus ventas en mercadotecnia y publicidad. Esta reinversión logró incrementar la atención hacia sus marcas ac­ tuales y ayudó a establecer las bases sólidas de los nuevos pro­

ductos, al mismo tiempo revitalizó el campo de los productos de más larga trayectoria. Quaker cree en la necesidad de ofrecer un apoyo de mercado apropiado a sus productos más fuertes. En 1993, Quaker tenía 7.3% del mercado creciente de los cereales preparados, cuyo valor ascendía a 9 mil millones de dólares. Las ventas crecieron 7%, estaban por arriba del promedio, mientras que en los últimos cinco años habían mostrado una tasa de crecimiento anual de 5%. Los cereales más importantes para Quaker son Cap’n Crunch, Life, Quaker 100% Natural y Quaker Oat Squares. Cada uno de éstos obtiene aproximada­ mente 1% de participación en el mercado y está posicionado para un crecimiento a largo plazo en el futuro. La participación en el mercado del cereal Life aumentó poco en 1993, con la campaña de publicidad que decía: “Sus niños lo comerán”. Los productos Quaker 100% Natural y Quaker Oat Squares han dis­ minuido ligeramente su participación en el mercado durante 1993. El producto Cap’n Crunch continuó su crecimiento en el mercado en ese mismo año y, actualmente, es la marca número 2 en el segmento de cereales preendulzados. Los agregados a las marcas, como Cap’n Crunch Christmas, fueron adiciones de tem­ porada a la línea de cereales Quaker en 1993. Estos agregados sirvieron para incrementar la línea de cereales por corto tiempo y ganar mayor reconocimiento en las marcas principales. En el tercer trimestre de 1993, el cereal Quaker Toasted Oatmeal fue lanzado al mercado. El nuevo cereal intenta capitalizar el nom­ bre de Quaker y los beneficios derivados del consumo de ali­ mentos de avena. Los cereales que se consumen calientes son los productos más antiguos y más reconocidos de Quaker Oats. En 1993, la compañía tenía el liderazgo de participación en el mercado, con

F ig u r a 1

66% en esta categoría de 810 millones de dólares. Por primera vez desde 1989, el mercado de cereales que se consumen calien­ tes creció 4%, en 1993. Asimismo, Quaker creció 5% en esta categoría en comparación con 1992. Este crecimiento fue ali­ mentado por un mejor desempeño de las marcas más antiguas y la introducción de nuevas marcas como el cereal Quaker Multigrain. En el mercado de desayunos rápidos, Quaker patentó un proceso para reducir en una tercera parte las calorías del jarabe, que se utilizó para introducir Aunt Jemima Lite en 1980 y, más adelante, Aunt Jemima Butter Lite. Por último, Quaker lanzó la harina para hot-cakes Lite para acompañar el jarabe. El éxito de ambos productos dio lugar al desayuno congelado Aunt Jemima, en 1988, como respuesta al auge de la industria de la comida rápida en el mercado de desayunos. Por desgracia, en un princi­ pio, las ventas no cumplieron las expectativas. Sólo se puede especular qué tan lejos podría llegar Quaker Oats para lograr un crecimiento en este nuevo campo de los desayunos rápidos, que se ha vuelto tan competitivo. En fechas más recientes, Quaker agregó tostadas a la francesa y waffles a la oferta de desayunos congelados; en 1993, la participación en el mercado de ambos productos aumentó. Las ventas se vieron apoyadas por una nue­ va fórmula que mejoró el sabor del producto. En 1994, Quaker hizo un ofrecimiento a la empresa Snapple Beverage Corporation por 1.7 mil millones de dólares (véase la figura 1). La compra de Snapple convirtió a Quaker en la pro­ ductora de refrescos más grande, sólo atrás de Coca-Cola y Pepsi­ Co. El equipo de Gatorade, con ventas de 1.2 mil millones de dólares, y Snapple, cuyas ventas anuales son de 700 millones de dólares, es una estrategia de Quaker para combatir los movi­ mientos de Coca-Cola y Pepsi Cola hacia el mercado de refres­ cos para deportistas. Gatorade llegó a tener una participación en el mercado de 95%, pero los productos PowerAde y Allsport lo disminuyeron a 88%. Quaker planea utilizar la experiencia en mercadotecnia de Snapple para levantar el mercado de Gatorade a sus niveles anteriores. También piensa usar la red de distribu­ ción de Snapple para vender Gatorade en las tiendas detallistas, que aún no se han cubierto. La sinergia adquirida gracias a la compra de la empresa Snapple también puede aplicarse con ventaja para la misma. La fuerza de Quaker en los supermercados puede utilizarse para me­ jorar la distribución de Snapple. En la actualidad, las ventas de las tiendas de abarrotes son responsables de 20% de sus ventas totales. Es probable que Snapple también se introduzca en el mercado internacional. En la actualidad, Gatorade tiene ventas por 200 millones de dólares en 25 países, pero con Snapple, Quaker podría llegar a ventas internacionales del orden de 1 mil millones de dólares, de acuerdo con los cálculos del cuerpo di­ rectivo de Quaker, sobre todo si Snapple sigue los mismos pasos que utilizó en el mercado nacional del té. En el primer semestre de 1994, su participación en el mercado del té instantáneo era de 27%, después de Lipton que tenía el 38%. Así, Quaker Oats espera trasladar el éxito que ha tenido en los cereales, ha­ cia los refrescos deportivos y otras categorías de productos.

1. Con base en un análisis de datos relevantes secundarios: a. Presente una proyección de las ventas de cereales para los próximos tres años. b. Describa los factores de comportamiento de los consu­ midores que influyen en el consumo de cereales. 2. Cree un modelo gráfico de las preferencias del consumidor por los cereales. 3. Describa el problema de toma de decisiones administrati­ vas que enfrenta Quaker Oats en relación con la línea de desayunos congelados Aunt Jemima. 4. Defina el problema de investigación de mercados que surge de la toma de decisiones administrativas que identificó en la pregunta 3. 5. Con base en el problema de investigación de mercados que identificó en la pregunta 4, desarrolle tres preguntas de

investigación apropiadas con sus hipótesis correspon­ dientes. 6. Cuando Quaker Oats estaba en el proceso de adquirir la empresa Snapple, ¿cómo cree usted que se definió el pro­ blema de investigación de mercados?

R e f e r e n c ia s

1. Miller, A., D. Tsiantar, K. Springen, M. Hager y K. Robins, “Oat-Bran Heartburn”, en Newsweek (29 de enero de 1990): pp. 50-52. 2. The Quaker Oats Company, 1993 Annual Report. 3. McCarthy, Michael J., “Quaker Oats to Buy Snapple for $1.7 Billion”, en Wall Street Journal (3 de noviembre de 1994): pp. A3-A4.

Formulación del diseño de la investigación En tomo a la investigación

C a p ít u l o

3

C a p ít u l o

4 En tomo a la investigación exploratoria: datos secundarios

C a p ít u l o

5 En tomo a la investigación exploratoria: investigación cualitativa

C a p ít u l o

6

C a p ít u l o

7 En torno a la investigación causal: experimentación

C a p ít u l o

8 Medición y escalas: fundamentos y escalas comparativas

C a p ít u l o

9 Medición y escalas: técnicas de escalas no comparativas

En torno a la investigación descriptiva: encuesta y observación

C a p ít u l o

10 Diseño de cuestionarios y formas

C a p ít u l o

11

C a p ít u l o

12 Muestreo: determinación del tamaño de la muestra inicial y final

Muestreo: diseño y procedimientos PUNTOS DE VISTA DEL USUARIO PARA LA PARTE II CASOS PARA LA PARTE II

♦ Un diseño de investigación (paso 3) puede formularse después de que el problema se define (paso 1) y el enfoque se desarrolla (paso 2). Esta parte del texto describe detalladamente la investigación exploratoria, descriptiva y causal. Describiremos las escalas de medición primarias y las técnicas de escalas comparativas y no comparativas que se utilizan con mayor frecuencia. Presentaremos diversas orientaciones para diseñar cuestionarios y explicamos los procedimientos, técnicas y consideraciones estadísticas involucradas en el muestreo. Este material será útil para los gerentes e investigadores.

V ¡L

CAPÍTULO

3

En torno a la investigación DCo existe un so/o diseño de investigación óptim o p a ra cu a lqu ier tipo deproyecto de investigación de m ercados o incluso p a ra una tarea especifica.

♦ O b je t iv o s Al finalizar la lectura de este capítulo, el estudiante podrá: 1. Definir el diseño de investigación, clasificar los distintos diseños y explicar las diferencias entre los diseños de investigación exploratorios y los conclu­ yentes. 2. Comparar los diseños básicos de investigación: exploratorios, descriptivos y causales. 3. Describir las fuentes de error más importantes en un diseño de investigación, incluyendo el error por muestreo aleatorio y las distintas fuentes de errores en la falta de muestreo. 4 . Analizar los aspectos administrativos en la coordinación de proyectos de investigación, sobre todo de presupuesto y programación. 5. Describir los elementos de la propuesta de investigación y mostrar cómo se dirigen los pasos en un proceso de investigación. 6 . Explicar la formulación del diseño de investigación de mercados internacio­ nales. 7. Comprender los aspectos éticos y los conflictos que pueden surgir en la for­ mulación de un diseño de investigación. 8. Analizar el uso de las macrocomputadoras y mainframes en los formularios de diseño de investigación.

Panorama general En el capítulo 2, estudiaremos cómo definir el problema de investigación de mercados y de­ sarrollaremos un enfoque apropiado. Estos dos primeros pasos son críticos para el éxito total del proyecto de investigación. Una vez realizados, es preciso concentrar la atención en el diseño formal del proyecto de investigación por medio de una formulación detallada. Véase la figura 2.1. Este capítulo define y clasifica los diseños de investigación. Describiremos los dos tipos principales de diseños de investigación: exploratorio y concluyente. Posteriormente, clasifi­ caremos los diseños concluyentes en descriptivos o causales y analizaremos ambos detallada­ mente. Después, consideraremos las diferencias entre los dos tipos de diseños descriptivos, los de muestra representativa y los longitudinales e identificaremos sus fuentes de error. Cu­ briremos la preparación del presupuesto y la programación, y presentaremos las orientacio­ nes necesarias para escribir una propuesta de investigación de mercados. Se estudiarán las consideraciones especiales comprometidas con la formulación del diseño de investigación en el ámbito internacional. También consideraremos algunos aspectos éticos que surgen en esta etapa del proceso de investigación. El lector podrá desarrollar una mejor apreciación de los conceptos que presentamos en este capítulo después de considerar los siguientes ejemplos, que ilustran los diseños de investigación de secciones cruzadas y los longitudinales.

EJEMPLO La investigación mediante estudios transversales evita que las líneas aéreas “vuelen con los asientos vacíos” ____________________ Un estudio sobre los pasajeros de las líneas aéreas internacionales empleó un diseño transver­ sal en el que cada uno de los entrevistados respondió una sola vez y encontró que los horarios más convenientes y la comodidad de los asientos eran algunas de las consideraciones más importantes para la elección de una línea aérea. Las características más importantes fueron contar con espacio suficiente para estirar las piernas, asientos cómodos y en general amplitud de espacios, para un viaje que dura entre dos y cinco horas. Los viajeros que viven fuera de Estados Unidos tienden a calificar más la seguridad, la puntualidad y el servicio a bordo como elementos que influyen en su selección de una línea aérea, que quienes viven en el país. De acuerdo con los resultados de este estudio, Lufthansa, una línea aérea internacional alema­ na, enfatiza en su publicidad un horario más conveniente a un gran número de destinos, la comodidad de sus asientos y un servicio a bordo que “no tiene comparación” y emplea el lema publicitario “A passion for perfection”.1 ♦

Las líneas aéreas como Lufthansa utilizan con fre­ cuencia estudios que se basan en diseños de muestra representativa. ♦ Lufthansa Airlines.

EJEMPLO La investigación longitudinal muestra a Combustión Engineering el beneficio de las exhibiciones ______________________ Para medir la efectividad de sus presentaciones en las exhibiciones comerciales en la Instrument Society of America (ISA ), Combustión Engineering adoptó un diseño longitudinal de tres fases en el que algunas de las personas que respondieron sus cuestionarios fueron entrevista­ das varias veces. La fase 1, que se llevó a cabo justo cuatro días antes de la exposición, incluyó 109 entrevistas. La fase 2 se realizó inmediatamente después de la exposición y la fase 3 se llevó a cabo cinco meses después de la exposición; cada una incluyó 60 entrevistas con quie­ nes ya habían respondido en la fase 1. El análisis de los datos de la fase 1 y la fase 2 indicó que el 82% de los asistentes refinaron el análisis de sus planes de compra al presenciar la exposi­ ción de ISA. Tanto para quienes fueron ayudados a recordar como para quienes no lo fueron, la exposición de Combustión en ISA se mantuvo en su memoria en las fases 2 y 3 mucho más que la exposición de cualquier otro proveedor. Con base en esta información, Combustión Engineering destinó la mayor parte de su presupuesto a las exposiciones comerciales para promoción, con mayor presencia en la exposición de ISA .2 ♦ Como se indica en estos ejemplos, se emplean dos tipos de diseños en la investigación de mercados. El conocimiento de los elementos fundamentales y sus componentes propor­ ciona herramientas al investigador y le permiten formular un diseño apropiado para el pro­ blema que enfrenta.

D

iseñ o d e in v e s t ig a c ió n : d e f in ic ió n

diseño de investigación Plano o estructura que sirve para llevar a cabo el proyecto de investigación de mercados. Especifica los detalles de los proce­ dimientos necesarios para obtener la información requerida y estructurar o resolver los problemas de investigación.

Un diseño de investigación es una estructura o plano para conducir un proyecto de inves­ tigación de mercados. Detalla los procedimientos necesarios para obtener la información que se requiere a fin de estructurar o resolver los problemas de investigación. Aunque exista un planteamiento amplio del problema, el diseño de investigación especifica los detalles (los tornillos y tuercas) para instrumentar ese planteamiento. Un diseño de investigación esta­ blece las bases para llevar a cabo un proyecto. Un buen diseño de investigación asegura que el proyecto se realice de manera efectiva y eficiente. Generalmente, un diseño de investiga­ ción incluye los componentes o tareas siguientes: 1. Definir la información necesaria (capítulo 2). 2. Diseñar las fases exploratoria, descriptiva o causal (capítulo 3 al 7). 3. Especificar los procedimientos para medir y elaborar escalas (capítulos8 y 9). 4. Construir y probar previamente un cuestionario (modo de entrevista) o una forma apropiada para recopilar los datos (capítulo 10). 5. Especificar el proceso de muestreo y el tamaño de la muestra (capítulos 11 y 12). 6. Desarrollar un plan para el análisis de datos (capítulo 14). Cada componente se estudiará detalladamente en los capítulos subsecuentes. Pero pri­ mero, profundizaremos nuestra comprensión del diseño de investigación con una clasifica­ ción de sus diferentes tipos.

D

is eñ o d e l a in v e s t ig a c ió n : c l a s if ic a c ió n Los diseños de investigación pueden clasificarse de manera general en exploratorios o con­ cluyentes (véase la figura 3.1). Las diferencias entre investigación exploratoria y concluyente

investigación exploratoria Diseño de investigación que tiene como objetivo pri­ mario facilitar una mayor penetración y compren­ sión del problema que enfrenta el investigador.

se resumen en la tabla 3.1. El objetivo primario de la investigación exploratoria es propor­ cionar una comprensión del problema que enfrenta el investigador.3 Esta investigación se utiliza en los casos en que es preciso definir el problema de manera más precisa, identificar los cursos de acción relevantes o profundizar en éste antes de desarrollar el planteamiento del problema. La información necesaria no está muy bien definida en esta etapa y el proceso

T a b l a 3.1 Diferencias entre investigación exploratoria y concluyente Exploratoria

Concluyente

Objetivo:

Proporcionar ideas y comprensión.

Probar hipótesis específicas y analizar las relaciones.

Características:

La información necesaria se define en forma muy aproximada.

La información necesaria se define con claridad.

El proceso de investigación es flexible y no estructurado. La muestra es pequeña y no representativa.

El proceso de investigación es formal y estructurado. La muestra es grande y representativa.

El análisis de los datos primarios es cualitativo.

El análisis de datos es cuantitativo.

Tentativos. Por lo general, va seguida por una investigación exploratoria o concluyente.

Concluyente. Los descubrimientos se utilizan como datos para la toma de decisiones. ^

Descubrimientos/ resultados: Resultado:

investigación concluyente Investigación diseñada para auxiliar a quien toma decisiones en la determinación, evalua­ ción y selección del me­ jor curso de acción a seguir en una situación determinada.

de investigación que se adopta es flexible y no estructurado. Puede consistir, por ejemplo, en entrevistas personales con expertos en la industria. La muestra se selecciona para generar la mayor cantidad de ideas que ayuden a profundizar en el tema, generalmente es pequeña y no representativa. Los datos primarios son de naturaleza cualitativa y se analizan de acuerdo con ésta. Dadas estas características del proceso de investigación, los hallazgos deberán con­ siderarse tentativos o datos de entrada para una investigación posterior. Por lo regular, a ésta sigue una investigación exploratoria o concluyente. Algunas veces la investigación explora­ toria, sobre todo en términos cuantitativos, es todo lo que se lleva a cabo. En estos casos, es preciso utilizar con cuidado los hallazgos obtenidos. La investigación exploratoria se estudia con mayor detalle en la siguiente sección. El conocimiento más profundo que se gana con la investigación exploratoria puede co ­ rroborarse por medio de la investigación concluyente porque el objetivo de esta última es probar las hipótesis y analizar sus relaciones específicas. Por consiguiente, la información debe especificarse de manera clara.4 Generalmente, la investigación concluyente es más formal y estructurada que la exploratoria. Está basada en una gran cantidad de muestras representati­ vas y los datos obtenidos están sujetos al análisis cuantitativo. Los hallazgos se consideran concluyentes en su naturaleza y por ello se utilizan como datos de entrada para la toma de decisiones. Sin embargo, debe tenerse en cuenta que, desde la perspectiva de la filosofía de la ciencia, nada puede probarse y nada es concluyente. Como se muestra en la figura 3.1, los diseños de investigación concluyentes pueden ser descriptivos o causales; los diseños de inves­ tigación descriptivos pueden ser de estudios transversales o longitudinales. Cada una de estas clasificaciones se analiza posteriormente, empezaremos con la investigación exploratoria.

I n v e s t ig a c ió n

e x p lo r a t o r ia

Como su nombre lo indica, el objetivo de la investigación exploratoria es examinar o buscar a través del problema o situación para dar una mejor idea o comprensión del mismo (tabla 3.2). La investigación exploratoria puede utilizarse para cualquiera de los siguientes propósitos: • • • • • •

Formular un problema o definirlo de manera más precisa. Identificar cursos alternativos de acción. Desarrollar hipótesis. Aislar variables y relaciones clave para un análisis posterior.5 Ganar comprensión para desarrollar un enfoque del problema. Establecer prioridades para una investigación posterior.

En general, la investigación exploratoria es significativa en cualquier situación donde no se tenga el suficiente conocimiento acerca de cómo continuar con el proyecto. La inves­ tigación exploratoria se caracteriza por la flexibilidad y versatilidad de sus métodos porque no se emplean los protocolos y procedimientos de la investigación formal. No es frecuente que se incluyan cuestionarios estructurados, grandes muestras ni planes de muestreo de pro­ babilidad. En lugar de esto, los investigadores son alertados por las nuevas ideas y conoci­ mientos que surgen conforme avanzan. Una vez que descubren una idea o conocimiento nuevo, pueden modificar la exploración hacia esa dirección, hasta que sus posibilidades se agoten o bien hasta encontrar otra más adecuada. Por esta razón, el punto central de la inves­ tigación puede cambiar constantemente, conforme se descubren nuevas ideas y conceptos. Por tanto, la creatividad y apertura del investigador juegan un papel importante. Con todo, las habilidades que tenga no son los únicos aspectos que determinan una buena investigación exploratoria. Ésta puede beneficiarse en gran medida con el uso de los métodos siguientes (véase la tabla 3.2): Análisis con los expertos (se estudia en el capítulo 2) Estudios piloto (se analizan en el capítulo 2)

T a b l a 3 .2

Exploratorios

Descriptivos

Causales

Objetivos:

Descubrimiento de ideas y discerni­ mientos

Describir las características o fun­ ciones del mercado

Determinar las relaciones de causa y efecto

Características:

Flexible, versátil

Marcado por la formulación previa de otras variables mediadoras

Manipulación de una o más variables independientes

A menudo, es la primera parte del diseño total de investigación

Diseño previamente planeado y estructurado

Control de las hipótesis espe­ cíficas

Estudios especializados Estudios piloto

Datos secundarios Estudios

Experimentos

Datos secundarios

Paneles

Investigación cualitativa

Datos de observación y otros

Métodos:

Análisis de datos secundarios (se estudia en el capítulo 4) Investigación cualitativa (se estudia en el capítulo 5) El uso de la investigación exploratoria en la definición del problema y el desarrollo de un planteamiento se estudió en el capítulo 2. Las ventajas y desventajas de la investigación exploratoria se analizarán posteriormente en el capítulo 4 (Datos secundarios) y en el capítulo 5 (Investigación cualitativa). Para ayudar al lector a visualizar las aplicaciones de la investigación exploratoria consideraremos ahora el proyecto de patrocinio a las tiendas de departamentos que puede emplear los siguientes tipos de estudios exploratorios: Una revisión de la literatura académica y comercial para identificar los factores demográfieos y psicológicos relevantes que influyen en el consumo de la clientela de una tienda de depar­ tamentos Entrevistas con expertos en ventas al detalle para determinar las tendencias, como el surgi­ miento de nuevos tipos de tiendas y cambios en los patrones de consumo de la clientela Un análisis comparativo de las tres mejores y tres peores tiendas de la misma cadena para tener alguna idea de los factores que influyen en el rendimiento de la tienda Sesiones de grupo para determinar los factores a los que los consumidores dan mayor impor­ tancia al seleccionar una tienda de departamentos Una ilustración adicional sobre la investigación exploratoria se presenta con el siguiente ejemplo.

EJEMPLO Las plumas fuente dan estilo ________________________________ ¿Cómo podría revivir un producto semiobsoleto que prácticamente está muriendo dentro de su categoría? Montblanc encontró la respuesta a través de una investigación exploratoria. Montblanc Simplo GmbH llevó a cabo entrevistas a profundidad en sesiones de grupo que le permitieron darse cuenta de los siguientes aspectos: 1) muchos de los consumidores conside­ ran las plumas fuente como accesorios similares a las joyas, más que como algo barato, útil y disponible; 2) la idea “del poder de la pluma” permanecía en la mente de los consumidores, y 3) el fenómeno del precio del prestigio era aplicable a las plumas fuente (muchos consumi­ dores relacionan un gran prestigio con un precio alto). Cuando un estudio de investigación descriptiva confirmó estos hallazgos, Montblanc posicionó sus plumas fuente como un ar-

Las valiosas ideas que se obtienen por medio de la investigación explorato­ ria con sesiones de grupo y entrevistas a fondo permiten a Montblanc posicionar sus plumas fuente como la “firma de un estilo”. ♦ Nike Com m unications.

tículo elegante y de prestigio, una forma de ex­ presión en la era tecnológica. Bill Brown, presi­ dente y ejecutivo en jefe de M ontblanc Simplo GmbH, que tiene a su cargo las operaciones en Estados Unidos, explica que en la década de los cincuenta la carta de negocios mecanografiada representaba el poder, pero con la llegada de los procesadores cualquiera tiene la capacidad de pre­ sentar sus documentos a máquina. En la década de los noventa, “una nota a mano escrita con plu­ ma fuente, que se anexa al final de la carta indica poder”.6 M ontblanc, cuya línea de plumas fuente va desde la Meisterstuck de 225 dólares a la Royale de 100 000, se encuentra a la cabeza en el desa­ rrollo del lucrativo mercado de las “ediciones limi­ tadas”. Un ejemplo de la pluma de edición limita­ da es la Montblanc Octavian. Con un precio de 1 650 dólares cada una, las 4 180 plumas de la edición tenían gran demanda por parte de los coleccionistas. Una mercadotecnia agresiva con tendencias a satisfacer las necesidades de los consumidores, que descubrió el estudio exploratorio, permite a Montblanc posicionar sus plumas fuente como la “firma de un estilo”. ♦ Es necesario advertir que Montblanc no confió sólo en la investigación exploratoria. Una vez que se identificaron las ideas para un nuevo posicionamiento, se probaron de nuevo con una investigación descriptiva en forma de estudios al consumidor. Este ejemplo señala la importancia de la investigación descriptiva para obtener más hallazgos concluyentes.

I n v e s t ig a c ió n investigación descriptiva Tipo de in­ vestigación concluyente que tiene como objetivo principal la descripción de algo, generalmente las características o funcio­ nes del mercado.

d e s c r ip t iv a

Como su nombre lo indica, el objetivo principal de la investigación descriptiva es delinear algo, generalmente las características del mercado o su funcionamiento (véase la tabla 3.2). La investigación descriptiva se lleva a cabo por las siguientes razones: 1. Describir las características más importantes de los grupos como son los consumidores, vende­ dores, organizaciones o áreas de mercado. Por ejemplo, podemos desarrollar un perfil de los “usuarios frecuentes” (compradores frecuentes) de las tiendas de departamentos más prestigio­ sas como Saks Fifth Avenue y Neiman Marcus. 2. Estimar el porcentaje de unidades que presentan cierto comportamiento en una población es­ pecífica. Por ejemplo, quizá nos interese estimar el porcentaje de usuarios frecuentes de tiendas departamentales de prestigio que también son clientes de almacenes de descuento. 3. Determinar cómo se perciben las características del producto. Por ejemplo, ¿de qué manera perciben las familias los factores sobresalientes de cada uno de los distintos departamentos de las tiendas, en términos de criterios de selección? 4. Determinar el grado de asociación de las variables de mercado. Por ejemplo, ¿hasta qué grado la compra en tiendas de departamentos se relaciona con la salida a comer fuera de casa? 5. Para hacer predicciones específicas. Por ejemplo, ¿cuál será el monto de las ventas al detalle de Neiman Marcus (una tienda determinada) para ropa de moda (una categoría de producto espe­ cífica) en el área de Dallas (una región determinada) ? Los ejemplos de Lufthansa y Combustión Engineering, al principio del capítulo, em­ plean la investigación descriptiva y nos muestran que esta técnica de investigación supone que el investigador tiene un gran conocimiento previo acerca de la situación del problema.7 De hecho, la diferencia principal entre las investigaciones exploratoria y descriptiva es que esta última se caracteriza por la formulación previa de una hipótesis. De este modo, la infor­

mación necesaria se define con claridad. Como resultado de lo anterior, la investigación des­ criptiva está previamente planeada y estructurada. Por lo regular, se basa en gran cantidad de muestras representativas. Un diseño de investigación formal especifica los métodos para se­ leccionar las fuentes de información y la recopilación de los datos que provienen de esas fuentes. Un diseño descriptivo requiere una especificación clara de quién, qué, cuándo, dón­ de, por qué y cómo (las seis w, por sus siglas en inglés: who, what, when, where, why, way) de la investigación.8 Es interesante observar que los reporteros utilizan un criterio similar para describir una situación. Ilustraremos esto en el contexto del proyecto de patrocinio a las tiendas departamentales.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Las seis w _________ :__________________________________ 1. Quién: (who) ¡Quién es el cliente de la tienda de departamentos? Algunas posibilidades son: a. Cualquiera que entre a la tienda sin importar si compra algo b. Cualquiera que compre alguna cosa c. Cualquiera que haga compras al menos una vez al mes d. El principal responsable de las compras en cada familia 2. Qué: (what) iQué información deberá obtenerse de los entrevistados? Puede obtenerse una amplia variedad de información, incluyendo: a. La frecuencia con la que la clientela visita los distintos departamentos de las tiendas b. Evaluación de las distintas tiendas en término de sus características sobresalientes c. Información relativa a la hipótesis que se está probando d. Medición de las actitudes psicológicas y el estilo de vida, hábitos de consumo medio y de­ mografía 3. Cuándo: (when) ¿Cuándo deberá obtenerse la información de los entrevistados? Las opciones disponibles incluyen: a. Antes de comprar b. Mientras realiza la compra c. Inmediatamente después d. Algunas veces después de la compra para permitirles hacer una evaluación de su experien­ cia de compra 4. Dónde: (where) ¿Dónde deberán contactarse los entrevistados para obtener la información re­ querida? Las posibilidades incluyen el contacto con los entrevistados en: a. La tienda b. Fuera de la tienda, pero dentro del centro comercial c. En el estacionamiento d. En casa 5. Por qué: (why) ¿Por qué obtenemos información de los entrevistados? ¿Por qué llevamos a cabo el proyecto de investigación de mercados? Algunas posibles razones podrían ser: a. Para mejorar la imagen de la tienda que patrocina el estudio b. Para incrementar la clientela y la participación en el mercado c. Para cambiar la combinación de productos d. Para desarrollar una campaña de promoción adecuada e. Para decidir la ubicación de una nueva tienda 6. Cómo: (way) ¿Cómo vamos a obtener la información de los entrevistados? Las formas posibles podrían ser: a. Observar el comportamiento de los entrevistados b. Llevar a cabo entrevistas personales c. Llevar a cabo entrevistas por teléfono d. Llevar a cabo entrevistas por correo ♦

Pueden hacerse estas y otras preguntas similares hasta que la información que se obtiene se defina con claridad. En resumen, la investigación descriptiva, a diferencia de la exploratoria, se hace por medio de una definición clara del problema, de hipótesis específicas y de las necesidades de información. El estudio realizado en el proyecto de patrocinio a las tiendas de departamen­ tos, que incluyó entrevistas personales, es un ejemplo de investigación descriptiva. Otros ejemplos de estudios descriptivos son los siguientes: • Los estudios de mercado describen el tamaño, el poder de compra de los consumidores, la dis­ ponibilidad de los distribuidores y perfiles del consumidor. • Los estudios de participación en el mercado determinan la proporción de las ventas totales que recibe una compañía y sus competidores. • Los estudios de análisis de ventas describen las ventas por región geográfica, línea de productos, tipo y tamaño de la cuenta. • Los estudios de imagen determinan la percepción de la empresa y sus productos por parte del consumidor. • Los estudios de la moda describen los patrones de consumo. • Los estudios de distribución determinan los patrones de flujo de tránsito y el número y ubica­ ción de los distribuidores. • Los estudios sobre precios describen el rango, frecuencia y la probable respuesta a los cambios de precio. • Los estudios de publicidad describen los hábitos de consumo a través de los medios y los perfiles de audiencia para determinados programas de televisión y revistas. Estos ejemplos demuestran el rango y diversidad de los estudios de la investiga­ ción descriptiva. La mayor parte de los estudios de investigación de mercados incluyen una investigación descriptiva que comprende los métodos principales que se mencionan a conti­ nuación: Datos secundarios (se estudian en el capítulo 4) Encuestas (capítulo 6) diseño de muestra representativa Tipo de

diseño de investigación que implica que la reco­ pilación de los elementos de información de cualquier muestra de pobla­ ción se haga una sola vez. diseño de muestra representativa indivi­ dual Diseño en el que se

extrae una sola muestra de entrevistados de la población meta y la infor­ mación de esta muestra se obtiene una sola vez. diseño de muestra re­ presentativa múltiple

Diseño en el cual hay dos o más muestras de entre­ vistados y la información de cada muestra se obtie­ ne una sola vez.

Paneles (capítulos 4 y 6) Observación y otros datos (capítulo 6) Aunque los métodos que se muestran en la tabla 3.2 son los más comunes, puede ob­ servarse que el investigador no está limitado a ellos. Por ejemplo, las encuestas pueden incluir el uso de preguntas exploratorias (abiertas) o estudios causales (experimentos) que algunas veces se llevan a cabo durante los estudios. Al utilizar los métodos de la tabla 3.2, la investigación descriptiva puede clasificarse además en investigación transversal y longi­ tudinal.

Diseños de estudios transversales Los estudios transversales son los diseños descriptivos que se utilizan con mayor frecuencia en la investigación de mercados. Estos diseños de m uestra representativa implican que la recopilación de información de los elementos de cualquier muestra se haga una sola vez. Pueden ser diseños de estudios transversales individuales o múltiples (figura 3.1). En un dise­ ño de m uestra representativa individual, se extrae una sola muestra de entrevistados de la población meta y la información se obtiene una sola vez de esta muestra. Estos diseños tam­ bién se llaman proyectos de investigación de estudios de muestra. En los diseños de muestra representativa múltiples hay dos o más muestras de entrevistados y la información se obtiene una sola vez de cada muestra. Con frecuencia, la información de cada una de las muestras se obtiene en diferentes periodos. Los ejemplos siguientes ilustran los diseños de muestra repre­ sentativa individuales y múltiples.

EJEMPLO Proyectar cupones a partir de un diseño de estudio transversal ____________________________________ NPD////MARKETRAX, un servicio que realiza paneles, llevó a cabo un estudio transversal con el objeto de determinar la efectividad de los cupones para estimular las ventas y evaluar el perfil de los usuarios y los no usuarios de éstos. La información se recopiló de 8 000 familias en Nueva York, St. Louis y Los Angeles. Los resultados mostraron que 31% de todas aquellas familias que hicieron efectivos sus cupones representaban el 72% del total de los cambios. Desde el punto de vista demográfico, quienes recuperaron sus cupones eran las familias nu­ merosas, cuyos ingresos eran superiores a los 30 000 dólares, cuyo jefe de familia era mujer y tenía entre 35 y 54 años de edad, con un nivel medio de educación y trabajaba tiempo parcial y tenía un nivel educativo medio. Los usuarios menos frecuentes de los cupones eran las familias pequeñas cuyos jefes eran mujeres jóvenes que trabajaban tiempo completo. Esta información fue útil, para las empresas de artículos de consumo como Procter & Gamble que confían en gran medida en las promociones a base de cupones y les permite dirigirlas hacia este objetivo, los usuarios frecuentes de cupones.9 ♦

EJEMPLO Los comedores prácticos se multiplican como conejos ----------------------Las tendencias del comportamiento respecto a la comida se analizaron a través de un pro­ yecto de investigación de mercados de Phillsbury Company que se llevó a cabo con la ayuda de SRI International y Creative Research Associates, Inc. Este proyecto comprendió datos prove­ nientes de registros diarios de comidas, recopilados en tres puntos desde 1980. En cada movi­ miento se obtuvo una muestra de 1 000 familias diferentes, el resultado fue una muestra total de 3,000, con un diseño de muestra representativa múltiple. Market Research Corporation of America recopiló la información. Con base en el análisis de los patrones de comida, el merca­ do se dividió en cinco segmentos: comedores prácticos, comedores funcionales, comedores que no salen de casa, cocineros cuidadosos y cocineros contentos. Los cambios en la composi­ ción de estos segmentos se analizaron todo el tiempo. Por ejemplo, el grupo de los comedores prácticos experimentó el mayor crecimiento en un periodo de 15 años (+ 136%). Actualmen­ te, este grupo representa 26% del total de la muestra. Su deseo de mayor comodidad también se ha incrementado con el paso del tiempo. Una persona que pertenece a este grupo dice: “Algún día todo lo que usted tendrá que hacer será tomar una píldora que le dará todo aquello que necesita”. Esta información permitió a Pillsbury Company dirigir distintos productos a diferentes segmentos del mercado. Por ejemplo, los comedores prácticos que consumen comi­ das preparadas mientras ven la televisión representaron el mejor segmento del mercado.10 ♦

análisis de grupo Diseño de muestra representadva múltiple que consiste en una serie de estudios realizados en un intervalo apropiado. El grupo se refiere a un grupo de entrevistados que han experimentado el mismo evento en diferentes intervalos.

El estudio sobre el uso de cupones es un diseño de muestra representativa individual que implica un solo grupo de entrevistados que proporciona la información una sola vez. Por otro lado el estudio de Phillsbury comprende tres muestras diferentes, que se obtuvieron a lo largo de cinco años midiendo cada una de las observaciones una sola vez. De aquí que este último estudio ilustre un diseño de muestra representativa múltiple. El tipo de diseño de muestra representativa múltiple es de especial interés para el análisis de grupo. Análisis de grupo Este análisis consiste en una serie de estudios que se llevan a cabo en intervalos apropiados y el grupo sirve como unidad básica de análisis. Un grupo es un con­ junto de entrevistados que experimentan el mismo evento en diferentes intervalos.11 Por ejem­ plo, un grupo de nacimiento (o edad) es un grupo de personas que nacieron durante el mismo periodo, como podría ser 1951-60. El término análisis de grupo se refiere a cualquier estudio en que se midan algunas características de uno o más grupos durante uno o más periodos. Es improbable que cualquiera de los individuos que se estudian en el periodo uno pue­ da estar en la muestra del periodo dos. Por ejemplo, se seleccionó el grupo de edad de perso-

diseño longitudinal Tipo de diseño de investiga­ ción que implica que los elementos de una pobla­ ción se mantienen fijos y se miden repetidamente. La muestra permanece igual a lo largo del tiem­ po, de esta manera pro­ porciona una serie de imágenes que, cuando se observan juntas, repre­ sentan una ilustración muy real de la situación y los cambios que tienen lugar. panel Muestra de entrevistados que han aceptado proporcionar información a intervalos específicos durante un periodo prolongado.

T a b l a 3 .3 Consumo de refrescos por grupos de edad (porcentaje de consumo en un día típico)

ñas entre 8 y 19 años y su consumo de refrescos se estudió cada 10 años durante tres décadas. En otras palabras, cada 10 años se extrajo una muestra de población de diferentes encuestados quienes tenían, en el momento de recopilar la información, entre 8 y 19 años. La muestra se tomó en forma independiente de cualquier otra que se hubiera tomado para este estudio, cuya población tenía entre 8 y 19 años. Obviamente, era poco probable que las personas seleccionadas una vez se incluyeran de nuevo en el mismo grupo de edades (8 a 19 años) porque estas personas serían mucho mayores cuando se llevara a cabo el siguiente muestreo. Los resultados mostraron que este grupo incrementó el consumo de refrescos con el paso del tiempo. Se obtuvieron hallazgos similares para otros grupos de edad (20-29, 30-39, 40-49 y 5 0 + ). Además, el consumo de cada grupo no decreció conforme aumentaba su edad. Los resultados se presentan en la tabla 3.3, en la que el consumo de los distintos grupos de edad a lo largo del tiempo puede determinarse al leer hacia abajo y en forma diagonal. Estos hallaz­ gos contradicen la creencia común de que el consumo de refrescos declinará conforme au­ mente la edad de la población en Estados Unidos. Esta creencia errónea se basa en estudios transversales individuales. Nótese que al visualizar por separado cualquier columna de la tabla 3.3 (como si fuera un estudio de muestra representativa individual), el consumo de refrescos disminuye con el tiempo, lo cual alienta esta creencia errónea.12 El análisis de grupos también se utiliza para pronosticar los cambios en las opiniones de los votantes durante una campaña política. Investigadores de mercados muy conocidos como Louis Harris o George Gallup, quienes se especializan en investigaciones de opinión política, forman grupos periódicamente y pregunta a los votantes (gente con patrones similares de votación durante un intervalo dado) acerca de sus preferencias electorales, y a través de esas encuestas pronostican los resultados de la elección. Por tanto, el análisis de grupos es un diseño importante de muestra representativa. El otro tipo de diseño descriptivo es el diseño longitudinal.

Diseños longitudinales En los diseños longitudinales, una muestra fija (o muestras) de los elementos de una pobla­ ción se mide de manera repetida. Un diseño longitudinal difiere de un diseño transversal en que la o las muestras permanecen iguales a través del tiempo. En otras palabras, el estudio se realiza constantemente con las mismas personas. A diferencia del diseño transversal típico, que proporciona una información rápida de las variables de interés en un solo punto del tiempo, un estudio longitudinal proporciona una serie de imágenes que ofrecen una visión profunda de la situación y de los cambios que tienen lugar con el paso del tiempo. Por ejem­ plo, la pregunta: ¿cómo evalúan los estadounidenses la actuación del presidente George Bush inmediatamente después de la “Tormenta del Desierto”? Se habrá utilizando un diseño transversal. Sin embargo, se empleará un diseño longitudinal para hacer la pregunta: ¿cómo cambió la visión de los estadounidenses del desempeño de Bush durante su administración? Con frecuencia, el término panel se utiliza de forma intercambiable con el término diseño longitudinal. Un panel consiste en una muestra de entrevistados, casi siempre fami-

Edad

1950

8-19 20-29 30-39 40-49 50 +

52.9 45.2 33.9 23.2 18.1

C l: C 2: C 3: C 4:

grupo de grupo de grupo de grupo de

los los los los

que que que que

nacieron nacieron nacieron nacieron

1960

antes entre entre entre

de 1900 1901-10 1911-20 1921-30

1979

1969

C 5: C 6: C 7: C 8:

grupo grupo grupo grupo

de de de de

los los los los

que que que que

nacieron nacieron nacieron nacieron

entre entre entre entre

1931-40 1940-49 1950-59 1960-69

CM

CONSUM ER M AIL PANEL P.O. B o x 4 6 0 2 ¿QUÉ

ES E L

North Suburban,

"CONSUMER MAIL

IL

6019 7 -4 6 0 2

¿f\|

P A N E L 1'?

El " C o n s u m e r Mail Panel", u na o r g a n i z a c i ó n q ue i n v e s t i g a el merc a d o , tie n e una e x p e r i e n ­ c i a de m á s d e 30 a ñ o s d e p r e s t i g i o nacional p o r su c o n f i a b i 1 idad y e x a c t i t u d para c o n o c e r las r e a c c i o n e s y a c t i t u d e s d e los c l i e ntes. Fue f u n d a d o para p r o p o r c i o n a r a ge n t e como us t e d la o p o r t u n i d a d d e d e c i r lo q ue se p i ensa, en forma c o n f i d e n c i a l , a c e r c a de los p r o d u c t o s q u e se comp r a n . Ad e m á s , b r i n d a la o p o r t u n i d a d a los f a b r i c a n t e s d e q u e escu c h e n las o p i n i o n e s s o b r e sus p r o ductos. A los m i e m b r o s se les p i d e q u e e x p r e s e n sus o p i n i o n e s acer c a d e los pr o d u c t o s y s e r vicios q u e u t i l i z a n ; y s o b r e otr a s cosas, p o r m e d i o de un c u e s t i o n a r i o q ue se env í a p or correo. E s p o r á d i c a m e n t e se les e n v í a un p r o d u c t o para q ue lo prueben. ¿QUÉ Nada.

TANTO El

CUESTA?

porte

lo

paga

la

organización.

Y nu n c a

se p i d e

q ue c o m p r e n

algo.

T o d a la i n f o r m a c i ó n q u e se r e c i b e es a b s o l u t a m e n t e c o n f i d e n c i a l . Las r e s p u e s t a s l l egan a f o r m a r p a r t e d e u na e s t a d í s t i c a general. Los c u e s t i o n a r i o s piden o p i n i o n e s s i n c e r a s tal c o m o se p i e n s a n . Las f a m i l i a s d e c u a l q u i e r ta m a ñ o , i n c l u y e n d o las p e r s o n a s q ue vi v e n sola s , s o n i g u a l m e n t e i m p o r t a n t e s , y o m e i n t e r e s o e n las o p i n i o n e s d e t o d a la familia. O c a s i o n a l m e n t e h a g o p r e g u n t a s a c e r c a de la g a s o l i n a o las l lantas q ue se usan en el a u t o ­ móvil f a m i l i a r , o p u e d o leer p r e g u n t a s a c e r c a de lo q ue o p i n a n los hijos sob r e los p r o d u c ­ tos q u e u t i l i z a n. PARA

SER

MIEMBRO

DEL

PANEL...

S i m p l e m e n t e c o n t e s t e el c u e s t i o n a r i o q ue se anexa. Est o y b u s c a n d o r e p r e s e n t a n t e s de todo t i p o d e f a m i l i a e n el pa í s ; es d e c i r , m i e m b r o s d e t o d a s las e d a d e s y de t o d a s las c a t e g o r í a s d e i n g r esos.

lias que aceptan proporcionar información en intervalos específicos durante un periodo largo. Los paneles son mantenidos por empresas sindicadas (empresas que producen y compran información para su publicación simultánea en varios periódicos y/o revistas), y los miembros del panel son compensados por su partici­ pación con regalos, cupones, información o dinero en efectivo.13 Los paneles se analizan posteriormente en el capítulo 4. Un ejemplo de carta de selección de paneles por correo se muestra aquí. En el ejemplo siguiente, se utilizó un di­ seño de panel para entender el mercado del café.

EJEMPLO ¿Cuál es la elección del catador de café? ___________________

Un mapa de selección es un procedimiento mediante el cual se obtiene un plano del mer­ cado del producto a partir de un panel de da­ ¿ L e p a r e c e i n t e r e s a n t e se r m i e m b r o del " C o n s u m e r Mail Pa n e l " ? Los m i e m b r o s m e d i c e n que tos tradicional. El panel de datos del área de es m u y d i v e r t i d o , y c r e o q ue ust e d ta m b i é n d i r á lo mism o . Espe r o su conte s t a c i ó n ^ a la mayo r brevedad. Kansas City contiene información de las com­ Si t i e n e a l g u n a pr e g u n t a , p or fa v o r m a r q u e el 7 - 0 0 - 0 0 - 0 0 pras familiares de café molido normal en un Cordialmente periodo de 60 semanas. Estas compras se ana­ lizaron para las tres marcas más im portan­ tes: Folgers, Maxwell House y Buttem ut, que ' M?&éepi suman más del 90% de las compras que se rea­ Marie Brighton lizan en este mercado. En el mapa de selección, Ca r t a de R e c l u t a m i e n t o del Panel Maxwell House y Buttem ut son equidistantes P.O. Si y a es u s t e d m i e m b r o d e la o r g a n i z a c i ó n , o si p or a l g u n a ra z ó n no e s t á en posic i ó n d e i n g r e s a r ahor a , p or f a v o r p a s e el c u e s t i o n a r i o y el so b r e a c u a l q u i e r amigo, o a Folgers, esto indica que las probabilidades de un f a m i l i a r , q u e c r e a us t e d d e s e a r á se r m i e m b r o del panel. comprar Maxwell House y Butternut son casi independientes de la probabilidad de comprar Folgers. Gracias a la estimación de los mapas Una carta de selección pa­ de selección de cada trimestre, los comerciantes de café, como General Foods, pueden vigilar ra un panel por correo. los cambios en las diferentes marcas a través del tiempo.14 ♦ U n a v e z l l e n a d o el to d o .

cuestionario,

fa v o r d e d e v o l v e r l o en el so b r e c on p o r t e pagado.

E so es

♦ M arket Facts, Inc.

Los datos que se obtienen de los paneles no sólo proporcionan información sobre la participación con base en un extenso periodo (60 semanas en el caso de este ejemplo), sino también permiten que el investigador analice los cambios en la participación del mercado a lo largo del tiempo.15 Como se explica en la siguiente sección, estos cambios no pueden determinarse a partir de los datos transversales.

Ventajas y desventajas relacionadas con los diseños longitudinales y los de muestra representativa La tabla 3.4 resume las ventajas y desventajas de los diseños longitudinales en comparación con los de muestra representativa. Una de las ventajas más importantes de los diseños longi­ tudinales sobre los diseños de muestra representativa es su capacidad para detectar los cam­ bios resultantes de la medición de las mismas variables en las mismas muestras. Las tablas 3.5 y 3.6 muestran cómo los datos de una muestra representativa pueden confundir a los investigadores cuando éstos estudian los cambios a través del tiempo. Los

T a b l a 3 .4

|

Ventajas y desventajas relativas de los diseños longitudinales y de muestra representativa

Criterio de evaluación

Diseño de muestra representativa

Diseño longitudinal

_

+ +

Detección del cambio Cantidad elevada de datos recopilados Precisión Muestra representativa Tendencias en la respuesta

+ + +

-

-

N ota: El signo ( + ) indica una ventaja relativa sobre el otro diseño m ientras que el signo (- ) indica una desventaja relativa.

datos de la muestra representativa reportados en la tabla 3.5 revelan que las compras de las marcas A, B y C permanecen iguales en los periodos de tiempo 1 y 2. En cada uno de los estudios, 20% de los entrevistados compran la marca A, 30% la marca B y el 50% restante la marca C. Los datos longitudinales que se presentan en la tabla 3.6 muestran un cambio sustancial en la elección de las marcas que ocurrió durante el periodo de estudio. Por ejemplo, sólo 50% (100/200) de los entrevistados que habían comprado la marca A en el periodo 1, siguió comprándola en el periodo 2. Los números que correspondieron a las compras repeti­ das para las marcas B y C fueron 33.3% (100/300) y 55% (275/500), respectivamente. De aquí que, durante este intervalo, la marca C fue la que experimentó el más alto nivel de lealtad por parte de sus clientes y la marca B fue la que experimentó la menor lealtad. La tabla 3.6 proporciona valiosa información sobre la lealtad y el cambio de marca. A esa tabla se le denomina tabla de rotación o matriz de cambio de marcas.16 Los datos longitudinales permiten a los investigadores estudiar los cambios en el com­ portamiento de las unidades individuales y, por otro lado, relacionar los cambios conductuales con los cambios en las variables de mercado: publicidad, empaque, precio y distribución. Ya que las mismas unidades se miden en forma repetida, pueden eliminarse las variaciones causadas por los cambios en las muestras y aun los pequeños cambios aparentes.17 Otra ventaja de los paneles es que pueden recopilarse cantidades relativamente gran­ des de datos. En virtud de que los miembros del panel generalmente son compensados por su participación, están dispuestos a participar en entrevistas largas y demandantes. O tra ventaja

T a b l a 3.5

T a b l a 3 .6 Los datos longitudina­ les pueden mostrar cambios sustanciales

Periodo

Marca comprada

Los datos de muestra representativa quizá no demuestran algún cambio

Encuesta en el periodo 1 Marca A Marca B Marca C Total

|

Marca com­ prada en el periodo 1 Marca A Marca B Marca C Total

200 300 500 1 000

Encuesta en el periodo 2 200 300 500 1 000

Marca comprada en el periodo 2 Marca A

Marca B

Marca C

Total

100 25 75 200

50 100 150 300

50 175 275 500

200 300 500 1 000

es que los datos del panel pueden ser más exactos que los datos de los estudios transversales.18 Un estudio típico de muestra representativa requiere que el entrevistado recuerde tanto las compras que realizó en el pasado como su actitud; estos datos pueden ser inexactos por los pequeños olvidos que tiene la memoria. Los datos del panel, que se apoyan en un registro continuo de las compras en un diario, dependen menos de la memoria de los entrevistados. Una comparación entre el panel y los estudios de muestra representativa estima que los datos que indican las ventas al detalle proporcionados por los paneles son mucho más exactos.19 La principal desventaja de los paneles es que quizá no sean representativos. La falta de representatividad puede surgir por: 1. Negarse a cooperar. Muchos individuos o familias no desean que se les moleste con un debate público y se rehúsan a participar. Los paneles de consumidor que requieren un registro de com­ pras del participante, tienen un nivel de cooperación de 60% o menos. 2. Mortalidad. Los miembros del panel que acceden a participar pueden separarse posteriormente debido a que cambian de domicilio o pierden el interés. Las tasas de mortalidad pueden llegar hasta 20% al año.20 3 . Pago. El pago puede dar lugar a que se atraiga a cierto tipo de personas, provocando que el grupo no sea representativo de la población.

Otra desventaja de los paneles es la tendencia en la respuesta. Los nuevos miembros del panel con frecuencia presentan una tendencia en sus respuestas iniciales: acentúan el comportamiento que se mide, tal como la compra de comida. Esto disminuye conforme el entrevistado supera la novedad de pertenecer al panel, y puede reducirse si se excluyen los datos de los nuevos miembros.21 Los miembros de los paneles por temporada también pueden dar respuestas sesgadas porque creen que son expertos o quieren verse bien o dar la respuesta “correcta”. Las tendencias también son resultado del aburrimiento, la fatiga y los registros incompletos en los diarios.

I

n v e s t ig a c ió n c a u sa l

investigación causal Tipo de investigación concluyente donde el objetivo principal es obtener evidencias respecto a las relaciones de causa y efecto.

La investigación causal se utiliza para obtener evidencias de las relaciones de causa y efecto (véase la tabla 3.2). Los gerentes de mercadotecnia continuamente toman decisiones con base en supuestas relaciones causales. Estos supuestos pueden no ser justificables y la validez de las relaciones causales deberá analizarse mediante una investigación formal.22 Por ejem­ plo, el supuesto común de que una disminución en el precio llevará a un incremento en las ventas y a una mayor participación en el mercado no funciona en ciertos ambientes compe­ titivos. La investigación causal es apropiada para los siguientes propósitos: 1. Entender qué variables son la causa (variables independientes) y qué variables son el efecto (variables dependientes) de un fenómeno 2. Determ inar la naturaleza de las relaciones entre las variables causales y el efecto que debe pronosticarse

Al igual que la investigación descriptiva, la investigación causal requiere de un diseño planeado y estructurado. Aunque la investigación descriptiva puede determinar el grado de asociación entre las variables, no es apropiada para analizar las relaciones causales. Este aná­ lisis requiere de un diseño causal en el que las variables causales o independientes se manipu­ lan en un ambiente relativamente controlado. Un ambiente relativamente controlado es aquel en el que las otras variables que pueden afectar la variable independiente se controlan o verifican en el mayor grado posible. El efecto de esta manipulación en una o más variables dependientes se mide para inferir causalidad. El método principal de la investigación causal es la experimentación.23 Debido a su complejidad e importancia, en el capítulo 7 se desarrollan diseños causales e investigaciones experimentales. Sin embargo, daremos algunos ejemplos. En el contexto del proyecto de patrocinio a las tiendas de departamentos, el investigador desea determinar sjf

la presencia y la ayuda de los vendedores (variable causal) puede influir en la venta de apara­ tos electrodomésticos (variable efecto). Puede formularse un diseño causal en el que se selec­ cionen dos grupos comparables de artículos para el hogar en los departamentos de alguna cadena de tiendas en particular. Capacitar a varios grupos de vendedores y ubicar uno de estos grupos en uno de los departamentos, pero no en el otro. Las ventas se vigilarán en ambos grupos de artículos, mientras se controlan las otras variables. Una comparación de las ventas entre los dos grupos revelará el efecto que tienen los vendedores en las ventas de aparatos electrodomésticos. De manera alternativa, en lugar de seleccionar dos grupos de tiendas, el investigador podrá seleccionar un solo conjunto de tiendas departamentales y llevar esta manipulación a dos periodos de tiempo comparables: los vendedores estarán pre­ sentes en un periodo y ausentes en otro. Como otro ejemplo considere el siguiente.

EJEMPLO La publicidad es el camino hacia las utilidades ____________________ Se llevó a cabo un estudio causal para medir el efecto que tiene la publicidad en las ventas de una gran variedad de productos en negocios similares; así como para evaluar los efectos en la frecuencia y los horarios de los anuncios, y la variación en la importancia de los distintos medios. El estudio incluyó la participación de un fabricante, los editores de las revistas que intervinieron en el estudio y una estratificación controlada de la circulación de las revistas en tres celdas, las cuales recibieron la clasificación de niveles de publicidad ligeros, medios y pesados. Para obtener datos claros de las ventas de estos productos, fueron necesarias restric­ ciones en el canal de distribución, a fin de que las ventas se pudieran vincular en forma equi­ librada a las celdas de publicidad. Después de seleccionar cuatro productos y las revistas parti­ cipantes, se definieron las celdas de publicidad y los niveles para cada producto. Al momento de concluir el estudio que duró un año, los hallazgos apoyaron la hipótesis de que más publici­ dad causaba un incremento en las ventas. El estudio también concluyó que si el producto se vende a través de distribuidores, tanto éstos como los usuarios deben ser el objetivo de los anuncios. Otra conclusión fue que el incremento en la frecuencia de la publicidad podría aumentar las ventas hasta obtener el primer lugar y esto conduciría a mayores utilidades.24 ♦ En este experimento, la variable causal (variable independiente) fue la publicidad, la cual se manipuló para que tuviera tres niveles: ligero, medio y pesado. La variable efecto (variable dependiente) fueron las ventas, y la influencia de la distribución en las ventas tuvo que controlarse. Aunque el ejemplo anterior distingue entre la investigación causal y otros tipos de investigación, la primera no debe considerarse de manera aislada. Más bien, los dise­ ños exploratorio, descriptivo y causal con frecuencia se complementan uno al otro.

R

e l a c ió n e n t r e las in v e s t ig a c io n e s e x p lo r a t o r ia , d e s c r ip t iv a y c a u sa l Ya describimos la investigación exploratoria, descriptiva y causal como la clasificación más importante de los diseños de investigación, pero las diferencias entre éstas no es absoluta. Un proyecto de investigación de mercados puede incluir más de un tipo de diseño de investiga­ ción y de este modo servir a distintos propósitos.25 La combinación de diseños de investi­ gación que se emplee depende de la naturaleza del problema. Ofrecemos los siguientes linca­ mientos generales para escoger los diseños de investigación: 1. Cuando se sabe poco acerca de la situación del problema, se recomienda empezar con una investigación exploratoria. La investigación exploratoria es apropiada cuando el problema ne­ cesita definirse con mayor precisión, cuando es necesario identificar cursos alternativos de acción, cuando deben desarrollarse preguntas de investigación o hipótesis y cuando las varia­ bles clave necesitan aislarse y clasificarse como dependientes e independientes.

2. La investigación exploratoria es el paso inicial en la estructura total del diseño de investigación. En la mayor parte de los casos, puede estar seguida por una investigación descriptiva o causal (véase el recuadro Investigación en la práctica 3.1).26 Por ejemplo, el desarrollo de una hipótesis por medio de una investigación exploratoria puede probarse estadísticamente usando investigación descriptiva o causal. 3. No es necesario comenzar cada diseño de investigación con una exploración. Depende de la precisión con que cada problema se haya definido y el grado de certidumbre que tenga el inves­ tigador acerca del problema. Un diseño de investigación puede tener buen inicio con una in­ vestigación descriptiva o causal. Por ejemplo, un estudio de satisfacción del consumidor que se realiza anualmente no necesita empezar con o incluir una fase exploratoria. 4. Aunque la investigación exploratoria generalmente es el primer paso, no es necesaria esta se­ cuencia. La investigación exploratoria puede seguir a la investigación descriptiva o la causal. No obstante, las dos últimas pueden tener como resultado hallazgos que sean difíciles de inter­ pretar para los gerentes. La investigación exploratoria puede porporcionar algunas ideas adi­ cionales que ayuden a comprender esos hallazgos.

I n vestig ació n en la práctica 3.1 Diseño de investigación para detectar las tendencias en las actitudes femeninas Langer Associates Inc. de Nueva York empleó un diseño de investigación com­ puesto por dos fases, una exploratoria y otra descriptiva, para detectar tanto las tendencias nuevas como las tendencias a largo plazo en las actitudes de las mujeres hacia la belleza, la moda y la salud. En la fase exploratoria se utilizaron sesiones de grupo para obtener "la verdadera percepción de la mujer '. Éstas ayudaron a identificar los cambios en los estilos de vida de los consumidores y las actitudes que se reflejan en todos los aspectos de la belleza y la moda. En la fase descriptiva, ios hallazgos de las sesiones de grupo se utilizaron para es­ tructurar un cuestionario, aplicado a una muestra de 800 mujeres de 16 a 64 años de edad, y se llevaron a cabo entrevistas personales a domicilio.

La relación entre la investigación exploratoria, descriptiva y causal se ilustrará ense­ guida con el proyecto de patrocinio a las tiendas departamentales.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Investigación exploratoria, descriptiva y causal _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ En el proyecto de patrocinio a las tiendas departamentales, la investigación exploratoria, que incluyó el análisis de los datos secundarios y la investigación cualitativa, se llevó a cabo en primer lugar para definir el problema y desarrollar un planteamiento apropiado. A continua­ ción se realizó un estudio descriptivo que consistió en un examen en el que se redactó un cuestionario que se aplicó mediante entrevistas personales. Suponga que el estudio del patrocinio tuviera que repetirse dos años después para deter­ minar si ha sucedido algún cambio. En este punto, la investigación exploratoria probable­ mente sería innecesaria y el diseño de la investigación podría empezar con una investigación descriptiva. Suponga que el estudio se repite dos años después y se hacen algunos descubrimientos inesperados. La gerencia quiere saber por qué bajaron los niveles de servicio de la tienda, si el

equipo de ventas se incrementó. Se puede emprender la investigación exploratoria en forma de sesiones de grupos para explorar estos hallazgos inesperados. Las sesiones de grupo pueden revelar que aunque los vendedores son fáciles de encontrar, no se perciben como amigables o serviciales. Quizá esto sugiera la necesidad de capacitación para el equipo de ventas. ♦ El ejemplo comprende el uso de la investigación tanto exploratoria como descriptiva, pero no de la investigación causal. Esto refleja que la investigación exploratoria y la descrip­ tiva se utilizan con mayor frecuencia en la investigación de mercados a nivel comercial que la investigación causal, pues ésta no es tan popular. Sin embargo, es posible combinar los tres tipos de investigación, como lo demostró Citibank (Investigación en la práctica 3 .2 ).Z7 Sin importar la clase de diseño de investigación que se emplea, el investigador deberá intentar minimizar las fuentes potenciales de error.

F

u en tes p o t e n c ia le s d e er r o r

error total Variación entre el valor real de la media de la población de la variable que se estudia y el valor de la media observada en el proyecto de investigación de mercados.

F ig u r a 3 .2 Factores a considerar en el contexto ambiental del problema

Existen diversas fuentes potenciales de error que pueden afectar el diseño de investigación. Un buen diseño intentará controlar las distintas fuentes de error. Aunque estos errores se estudian con mayor detalle en los siguientes capítulos, en este momento, resulta convenien­ te dar algunas descripciones breves. El error total es la variación entre el valor real de la media en la población de la varia­ ble que se estudia y el valor de la media observado, obtenido en el proyecto de investigación de mercados. Como se muestra en la figura 3.2, el error total está compuesto por el error de la muestra aleatoria y el error por falta de muestreo.

Error total

I nvestigació n en la práctica 3.2 Los bancos Citibank en la investigación exploratoria, descriptiva y causal La investigación de mercados en el Citicorp/Citibank es característica, en el sentido de que se utiliza para medir qué tan conscientes están los clientes de los productos, com probar el nivel de satisfacción y las actitudes relacionadas con los mismos, dar seguimiento y diagnosticar los pro­ blemas conforme se presentan. Para cum plir con estas tareas, Citibank utiliza con frecuencia las investigaciones exploratoria, descriptiva y causal. A veces, resulta ventajoso ofrecer paquetes financieros especiales a grupos de clientes deter­ minados. En este caso, se diseña un paquete financiero para clientes jubilados. El proceso siguien­ te. consta de siete pasos y se adoptó para ayudar en este diseño de investigación de mercados. 1. Se creó un equipo de trabajo para definir mejor los parámetros de mercado que toman en cuenta las necesidades de las numerosas sucursales del Citicorp/Citibank. Por último, se tom ó la decisión de incluir a estadounidenses jubilados de 55 años o más, que se ubicaran por arriba del estrato medio del mercado. 2. A continuación, se llevó a cabo una investigación exploratoria en forma de análisis de datos secundarios del mercado de las personas maduras y ancianas; asimismo, se realizó un estu­ dio de los productos de la competencia. Por otro lado, también se realizó una investigación exploratoria de tipo cualitativo que incluyó sesiones de grupo para determinar las necesida­ des y deseos que presentaba el mercado y el nivel de satisfacción con los productos existen­ tes. En el caso de los jubilados, se encontró que existe una gran diversidad en los requeri­ mientos de mercado, determinándose que esto se debía a diversos factores, com o riqueza, edad relativa y ausencia o presencia de un cónyuge. 3. El paso siguiente de la investigación fueron las reuniones para incrementar la creatividad. Esto im plicaba la formación de diversos paquetes financieros dirigidos al mercado meta. En este caso, se generaron un total de 10 ¡deas. 4. Después, se probó la viabilidad de las 10 ideas del punto 3, con base en sus posibilidades reales dentro de la operación del banco. Se utilizó la siguiente lista de preguntas, como una serie de obstáculos que las ideas deberían superar para continuar con la etapa siguiente. • ¿Puede explicarse la idea de tal manera que los clientes del mercado meta la com prendan con facilidad? • ¿La idea se ajusta a la estrategia general de Citicorp/Citibank? • ¿Se tiene disponible una descripción del mercado meta para el producto propuesto? • ¿La investigación que hasta el momento se ha llevado a cabo indica que existe una relación potencial con las necesidades del mercado meta y la idea que se percibe es atractiva para este mercado? • ¿Existe un diseño viable de tácticas y estrategias para instrumentar este programa? • ¿Se han evaluado a conciencia tanto el impacto financiero com o el costo del programa para determinar si son congruentes c o i los lineamientos de la compañía? En este estudio, sólo una de las ideas que se generaron en las sesiones de creatividad superó todos los obstáculos mencionados y llegó al punto 5. 5. Se generó entonces un plan de trabajo creativo. Este plan debía enfatizar la ventaja competitiva del producto propuesto, y también delinear las ca­ racterísticas específicas del producto. 6. La investigación exploratoria fue seguida por una investigación descripti-r va en forma de encuestas realizadas en los centros comerciales, destina­ das a aquellas personas que estuvieran ubicadas dentro del rango del mercado meta. La encuesta demostró que la lista de características espe­ ciales era demasiado extensa y se decidió hacer a un lado las característK cas que la competencia proponía con frecuencia. 7. Por último, el producto se probó con los clientes del mercado meta en seis sucursales del Citicorp. Las pruebas de m ercado son una forma de investigación causal. Dado el éxito del resultado en las pruebas de m erca­ do, el producto se lanzó a nivel nacional.

Los bancos emprenden investigaciones exploratorias, descriptivas y causales para entender las necesidades de servicios financieros que tienen sus consumidores. • Stock Boston.

Error de la muestra aleatoria error de la muestra aleatoria Ocurre porque la muestra seleccionada es una representación imperfecta de la pobla­ ción que se estudia. Puede definirse como la variación entre el valor medio de la población y el valor de la media de la muestra. error por falta de muestreo Error que puede atribuirse a fuentes distintas a la del mues­ treo; puede ser aleatorio o no. error por falta de respuesta Tipo de error no aleatorio que ocurre cuando alguno de los entrevistados que se incluyen en la muestra no contesta. Este error puede definirse como la variación entre el valor real de la media de la variable de la muestra original y el valor real de la media en la muestra neta. error en la respuesta Tipo de error por falta de muestreo que surge cuan­ do los entrevistados dan respuestas imprecisas o cuando éstas se registran o analizan en forma equi­ vocada. Puede definirse como la variación entre el valor real de la media de la variable en la mues­ tra neta y el valor de la media observado que se obtiene en el proyecto de investigación de mer­ cados.

El error de la muestra aleatoria ocurre porque la muestra seleccionada es una representa­ ción imperfecta de la población que se estudia. El error de la muestra aleatoria es la variación entre el valor real de la media en la población y el valor real de la media en la muestra original. El error de la muestra aleatoria se analiza posteriormente en los capítulos 11 y 12.

Error por falta de muestreo Los errores por falta de muestreo pueden atribuirse a fuentes distintas al muestreo y pueden ser aleatorios y no aleatorios. Se originan por varias causas que incluyen errores en la defini­ ción del problema, el planteamiento, las escalas, el diseño del cuestionario, los métodos de entrevistas y la preparación y análisis de los datos. Los errores por falta de muestreo incluyen los errores en la respuesta y por falta de ésta. Un error por falta de respuesta surge cuando alguno de los entrevistados incluidos en la muestra no responde. Las causas más frecuentes son negarse a contestar y no encontrarse en casa en el momento de la entrevista (véase el capítulo 12). La falta de respuesta puede dar como resultado neto que la muestra sea diferente en tamaño o composición con respecto de la muestra original. El error por falta de respuesta se define como la variación entre el valor real de la media de la variable en la muestra original y el valor real de la media de la variable en la muestra neta. El error en la respuesta surge cuando los entrevistados dan respuestas imprecisas o éstas se registran o analizan en forma equivocada. El error en la respuesta se define como la variación entre el valor real de la media de la variable en la muestra neta y el valor de la media observado que se obtiene en el proyecto de investigación de mercados. Los errores en la respuesta pueden deberse a los investigadores, los entrevistadores o los entrevistados. Los errores que se deben al investigador incluyen; reemplazo de información, medi­ ción, definición de la población, estructura de la muestra y errores en el análisis de datos. El error por reemplazo de información puede definirse como la variación entre la información necesaria para el problema de investigación de mercados y la información revisada por el inves­ tigador. Por ejemplo, en lugar de obtener información acerca de la selección de una marca nueva por parte del consumidor (necesaria para el problema de investigación), el investigador obtiene información sobre las preferencias del consumidor, porque el proceso de selección de una marca no puede observarse con facilidad. El error de medición puede definirse como la variación entre la información que se busca y la información que genera el proceso de medición utilizado por el investigador. Mientras busca medir las preferencias del consumidor, el investigador emplea una escala que mide más la per­ cepción que las preferencias. El error en la definición de la población es la variación entre la población real disponible relevante al problema y la población que definió el investigador. El problema de una definición apropiada de la población dista mucho de ser trivial, como se ilustra en el caso de las familias opulentas.

EJEMPLO ¿Qué tan ricos son los ricos? ----------------------------------------------En un estudio reciente, la población de las familias opulentas se definió en cuatro formas diferentes: 1) familias con ingresos de 50 000 dólares o más; 2) el 20% superior de todas las familias medidas según su ingreso; 3) las familias que contaran con valores arriba de los 250 000 dólares, y 4) las familias cuyos ingresos excedentes fueran 30% más altos que los ingresos de familias comparables. El número y características de las familias ricas variaban de acuerdo con el criterio seleccionado, subrayando la necesidad de evitar el error de definición de la población.28 ♦ Como puede suponerse, dependiendo de la manera en como se define la población de las familias opulentas, los resultados del estudio varían en gran medida.

El error por la estructura del muestreo es la variación entre la población que define el investigador y la población real como se implica en la estructura de muestreo (lista) utilizada. Por ejemplo, puede ser que el directorio telefónico usado para generar una lista de números no represente de manera precisa la población de consumidores potenciales, debido a que existen números que no se encuentran en éste, que se encuentran desconectados o que no están en servicio. El error en el análisis de datos incluye los errores que ocurren mientras los datos en bruto, prove­ nientes de los cuestionarios, se convierten en herramientas de investigación. Por ejemplo, si se utiliza un procedimiento estadístico inapropiado, los resultados pueden ser hallazgos e inter­ pretaciones incorrectos. Los errores en la respuesta que comete el entrevistador incluyen la selección de los entrevistados, el proceso de hacer las preguntas, el registro y los errores por engaños. El error en la selección de los entrevistados ocurre cuando los entrevistadores seleccionan a perso­ nas que no concuerdan con lo que especifica el diseño de la muestra o son inconsistentes con el diseño. Por ejemplo, si en un estudio sobre lectores, se selecciona un no lector para la entrevis­ ta, pero se clasifica como lector del Wall Street Journal en la categoría de 15 a 19 años de edad, con el fin de lograr el requerimiento de una cuota difícil de alcanzar. Los errores en las preguntas señalan los errores que se cometen al preguntar a los entrevistados, o bien por no comprobar las respuestas cuando se requiere mayor información. Por ejemplo, cuando un en­ trevistador no emplea exactamente la redacción de la pregunta que se le dio en el cuestionario. Los errores de registro se originan por errores al interpretar, escuchar y registrar las respuestas que dan los entrevistados. Por ejemplo, un entrevistado señala una respuesta neutra (indecisa), que el entrevistador malinterpreta como una respuesta positiva (que comprará la marca nueva). Los errores por engaño surgen cuando el entrevistador fabrica respuestas en una parte o toda la en­ trevista. Por ejemplo, un entrevistador no hace las preguntas delicadas que se relacionan con las deudas del entrevistado, pero posteriormente llena las respuestas con base en su evaluación personal. Los errores en la respuesta que comete el entrevistado se componen de errores por incapacidad y por falta de voluntad. Los errores por incapacidad resultan de la incapacidad del entrevistado para proporcionar res­ puestas precisas. Los entrevistados pueden dar respuestas imprecisas por no estar familiarizados con el tema, sentirse fatigados, aburridos, no recordar bien, por el formato de la pregunta, su contenido y otros factores. Por ejemplo, es probable que un entrevistado no recuerde la marca de yogurt que compró cuatro semanas antes. Los errores por falta de voluntad surgen por la falta de disposición de los entrevistados a pro­ porcionar información precisa. Los entrevistados pueden dar, de manera intencional, datos erróneos en sus respuestas porque desean que éstas sean socialmente aceptables, para evitar sentirse apenados o satisfacer al entrevistador. Por ejemplo, un entrevistado puede decir que es lector de la revista Times sólo para impresionar. Estas fuentes de error se estudian con mayor detalle en los siguientes capítulos; lo im­ portante aquí es decir que existen numerosas fuentes de error. Al formular un diseño de investigación, el investigador deberá intentar minimizar el error total, no sólo de una fuente en particular. Esta advertencia responde a la tendencia general entre los estudiantes y los investigadores no muy experimentados a controlar el error de muestreo con muestras gran­ des. Al incrementar el tamaño de la muestra disminuye el error de muestreo, pero por otro lado también puede aumentar el error por falta de muestreo, por ejemplo, el incremento de los errores debidos a los entrevistadores. El error por falta de muestreo parece ser más problemático que el error de muestreo. Este último puede calcularse, mientras que muchas formas del error por falta de muestreo son difíciles de estimar. Además, el error por falta de muestreo puede ser el que contribuya en mayor medida al error total, mientras que el error de muestreo tiene una magnitud relativa­ mente pequeña.29 Es preciso tomar en cuenta que el error total es relevante. La importancia de cualquier error radica en su contribución al error total. Algunas veces, los investigadores aumentan un tipo de error en particular deliberada­ mente para disminuir el error total reduciendo otros errores. Por ejemplo, suponga que una investigación por correo se lleva a cabo para determinar las preferencias del consumidor en

sus compras de ropa de moda, en las tiendas de departamentos. Se seleccionó una muestra de gran tamaño para reducir el error de muestreo. Puede esperarse un nivel de respuesta de 30%. Dado que el proyecto tiene un presupuesto limitado, esto impide que pueda hacerse el seguimiento mediante un recordatorio por correo a una muestra de gran tamaño. Sin embargo, las experiencias anteriores indican que el índice de respuesta podría incrementarse a 45% con un recordatorio por correo y a 55% con dos recordatorios. Conociendo el propósito de la investigación, es probable que las personas que no responden difieran de las que responden en términos de las variables sobresalientes. De aquí que podría ser recomendable reducir el tamaño de la muestra para disponer de dinero y realizar el seguimiento con recordatorios por correo. Al disminuir el tamaño de la muestra, se incrementará el error aleatorio de muestreo, pero los dos seguimientos por correo compensarán mucho más con la disminución del error

I n vestig ació n en la prá ctica 3.3 Errores en la investigación de mercados: el punto de vista de un profesional A continuación, se detallan los puntos cíe vista de Alan Roberts, ex gerente de investigación de m ercados de Wayne Seed División de Continental Grain Company, de Chicago. Aunque es útil evaluar los errores en el muestreo, los errores por falta de muestreo son críticos y deben ser objeto de preocupación. En la práctica, el proceso de evaluación de los erro­ res por falta de muestreo se lleva a cabo con frecuencia en forma desordenada y además se ignora con facilidad. Sin embargo, en cualquier proyecto de investigación de mercados, deben examinar­ se y analizarse con detenimiento por lo menos los siguientes 12 errores por falta de muestreo. 1. Muestreo no probabilístico. Si se emplea el muestreo no probabilístico. deberá examinarse hasta qué grado la muestra refleja o no el universo (o mercado) de interés. 2. Falta de respuesta. Un nivel de respuesta de 15 a 20% crea dudas respecto a qué cambios podría haber en los resultados del estudio si todos los entrevistados que no respondieron hubieran participado. 3. Respuesta de los individuos que no están dentro del mercado meta. Esto puede suceder en encuestas por correo, cuando una persona distinta al destinatario responde el cuestionario o influye en éste, por ejemplo un miembro de la familia. 4. Sesgo por interacción en las respuestas. Este sesgo surge de la interacción entre los entre­ vistados. Por ejemplo, en una entrevista de persona a persona en un espacio público, el entrevistado puede escuchar las preguntas y respuestas de la entrevista anterior. 5. Las respuestas afirmativas. Es el deseo que tiene el entrevistado de satisfacer, y responde com o cree que le gustará al entrevistador. 6. Fatiga del entrevistado. La fatiga o inquietud pueden surgir tarde o temprano en la entrevista, pero es más probable que ocurran hacia el final de ésta. 7. Tendencias en el cuestionario. El cuestionario puede presentar tendencias en térm inos de la secuencia o redacción Por lo regular, los investigadores profesionales son suficientemente competentes para evitar las tendencias más obvias en el cuestionario. Sin embargo, cuando la gerencia operativa trata de intervenir en la redacción del proyecto del cuestionario, puede introducir muchas tendencias en éste. 8. Las preguntas ¿qué pasaría si? O cualquier pregunta que va más allá del com portam iento u opiniones del entrevistado tiende a ser de este tipo. 9. Preguntas desconocidas. Éstas son las preguntas fuera del rango calificado de conocim iento 10. Tendencias p o r parte del entrevistador. Este error puede presentarse sobre todo en encues­ tas en las que la entrevista no se controla desde una oficina central. 11. Engaños por parte del entrevistador. La dimensión del engaño puede variar desde reportar muchas entrevistas ficticias, hasta tener formas más limitadas, com o saltarse algunas pre­ guntas o incluir entrevistados no calificados. 12. Entrevista incompetente. Las técnicas de entrevistas poco cuidadosas pueden tomar muchas formas, como un registro inadecuado de las respuestas, falta de sondeo o form ular las pre­ guntas con otras palabras.

por la falta de respuesta. En el recuadro Investigación en la práctica 3.3, se presenta un punto de vista práctico acerca de los errores en la investigación de mercados.30

P

r esu pu esto y p r o g r a m a c ió n d e l p r o y ec to

presupuesto y programación Herra­ mientas administrativas necesarias que ayudan a asegurar que el proyecto de investigación de mer­ cados se realice con los recursos disponibles. método de ruta crítica Técnica administrativa para dividir al proyecto de investigación en sus actividades y componen­ tes, determinar su se­ cuencia y estimar el tiempo que requerirá cada actividad.

P

Una vez que se especifica el diseño de investigación que controlará en forma apropiada el error total, es preciso tomar las decisiones de presupuesto y programación. El presupuesto y programación ayudan a asegurar que el proyecto de investigación se realice con los recursos disponibles: tanto financieros como de tiempo, trabajo, etc. Al especificar los parámetros de tiempo de cada una de las tareas que deben llevarse a cabo y los costos de cada una de ellas, el proyecto de investigación podrá realizarse de manera efectiva. Un enfoque útil para la realiza­ ción de un proyecto es el método de ruta crítica (CPM, por sus siglas en inglés), que implica dividir al proyecto de investigación en las actividades que lo componen, determinar la secuen­ cia de esas actividades y estimar el tiempo requerido para cada actividad. Estas actividades y estimados de tiempo se diagraman en forma de una red de diagramas de flujo. La ruta crítica se identifica al encontrar la serie de actividades cuyo retraso detiene todo el proyecto. Una versión avanzada del CPM es la técnica de evaluación y revisión del programa (PERT, por sus siglas en inglés). Es una estrategia de programación basada en la probabilidad, que reconoce y mide la incertidumbre de las fechas de terminación del proyecto.31 Una téc­ nica de programación aún más avanzada es la técnica de revisión y evaluación gráfica (GERT, por sus siglas en inglés), en la que tanto las probabilidades de terminación como los costos de cada actividad pueden constituir una representación en red.

r o p u esta d e l a in v e s t ig a c ió n d e m er ca d o s

técnica de evaluación y revisión del programa (PERT) Método sofis­ ticado de trayectoria crítica que toma en cuenta la incertidumbre de las fechas de termina­ ción del proyecto. técnica de revisión y evaluación gráfica (GERT) Método sofisticado de ruta crítica que toma en cuenta tan­ to las probabilidades de terminación como los costos de las actividades. propuesta de investiga­ ción de mercados Presentación oficial del plan de actividades de investigación de merca­ dos a la gerencia. Descri­ be el problema de investi­ gación, planteamiento, diseño de investigación,

Una vez que se formula el diseño de investigación y se definen el presupuesto y la programa­ ción del proyecto, es necesario preparar por escrito una propuesta de investigación. La pro­ puesta de investigación de mercados contiene la esencia del proyecto y sirve como contrato entre el investigador y la gerencia. La propuesta de investigación cubre todas las fases del proceso de investigación. Describe el problema, el planteamiento del diseño de investigación y la manera en que se recopilarán, analizarán e informarán los datos. Proporciona una esti­ mación de los costos y la programación de las fechas de terminación del proyecto. Aunque el formato de una propuesta de investigación puede variar en forma considerable, la mayor parte de las propuestas dirigen todos los pasos al proceso de investigación de mercados y contienen los siguientes elementos: 1. Resumen ejecutivo. La propuesta deberá empezar con un resumen de los puntos principales de cada una de las secciones, presentando un panorama general de toda la propuesta. Antecedentes. Deberán analizarse todos los antecedentes del problema, incluyendo el contexto 2. ambiental. 3. Definición del problema/objetivos de investigación. Por lo general, deberá presentarse un plantea­ miento del problema en el que se incluyan sus componentes específicos. Si este planteamiento no ha sido desarrollado (en el caso de una investigación para identificar problemas), los objeti­ vos del proyecto deberán especificarse con claridad. Planteamiento del problema. Deberá presentarse por lo menos una revisión de la literatura aca­ démica y comercial más importante, junto con algún modelo analítico. Si las preguntas de investigación, las hipótesis y los factores que influyen en el diseño de investigación están iden­ tificados, entonces deberán incluirse en la propuesta. Diseño de investigación. Se tendrá que especificar el diseño de investigación que se adopte: 5. exploratorio, descriptivo o causal. Deberá proporcionarse información sobre los siguientes com­ ponentes: 1) tipo de información que se obtendrá; 2) método de aplicación del cuestionario

método de recopilación de datos, métodos de análisis de datos y méto­ dos de información.

7.

8. 9.

10 .

(por correo, telefónicas o entrevistas personales); 3) técnicas de medición; 4) naturaleza del cuestionario (tipo de preguntas que se harán, extensión y duración promedio de la entrevista), y 5) plan de muestreo y tamaño de la muestra. Trabajo de campo/recopilación de datos. La propuesta deberá indicar cómo y quién recopilará los datos. Es necesario aclarar si el trabajo de campo se subcontratará con otro proveedor. Se debe­ rán describir los mecanismos de control que aseguren la calidad de los datos recopilados. Análisis de datos. Es preciso describir la clase de análisis que se llevará a cabo (análisis de una variable transversal simple, análisis de variables múltiples) y cómo se interpretarán los datos. Informes. La propuesta deberá especificar si se presentarán informes intermedios y cuándo, cuál será la forma del informe final y si se hará una presentación final de los resultados. Tiempo y costo. Deberán presentarse tanto los costos del proyecto como las fechas de termina­ ción de cada una de las fases. Podrían incluirse gráficos CPM o PERT. En proyectos de gran magnitud es preciso hacer la programación de los pagos por anticipado. Apéndices. Cualquier otra información que sea de interés sólo para algunas personas deberá incluirse en apéndices.

La preparación de una propuesta de investigación tiene diversas ventajas. Asegura que tanto el investigador como la gerencia estén de acuerdo acerca de la naturaleza del proyecto y ayuda a vender el proyecto al cliente. Como la preparación de la propuesta va ligada a la planeación, ayuda al investigador a conceptualizar y ejecutar el proyecto de investigación de mercados.

I n v e s t ig a c ió n

d e m er c a d o s in t e r n a c io n a le s

Al llevar a cabo una investigación de mercados internacionales, es importante darse cuenta de que, debido a la existencia de diferencias ambientales (capítulo 23), es probable que el di­ seño de investigación apropiado para un país no sea conveniente en otro. Consideremos el problema para determinar las actitudes de las familias hacia los aparatos electrodomésticos en Estados Unidos y Arabia Saudita. Mientras que en Estados Unidos es adecuado llevar a cabo la investigación exploratoria con sesiones de grupo en las que participen al mismo tiempo ambos jefes de familia, en Arabia Saudita sería inapropiado llevar a cabo estas sesiones de grupo. Teniendo en cuenta la tradición cultural, las esposas no estarían dispuestas a participar con libertad en presencia de sus maridos. Sería más útil llevar a cabo entrevistas a fondo a hombres y mujeres por separado. Procter &. Gamble encontró una situación similar en Japón.

EJEMPLO P & Gtrata de llegar y explorar el mercado femenino en Japón -------------El mercado de consumo en Japón es el más difícil, competitivo y con mayor movimiento en el mundo. Japón representa el desafío más importante para la tecnología de la producción mun­ dial en muchas categorías de productos. Cuando Procter &. Gamble empezó sus negocios en Japón, llevó a cabo un estudio detallado de las características y el perfil del mercado. El merca­ do meta para P & G eran las amas de casa, que son en gran medida las responsables del consu­ mo de una variedad de productos como pañales, limpiadores para el hogar, jabones y detergentes. Para este estudio, se emprendió una investigación exploratoria seguida por una investigación descriptiva. Aunque las sesiones de grupo eran muy populares en Estados Unidos, la investiga­ ción exploratoria en Japón enfatizó las entrevistas a fondo. Dado que la tendencia cultural del Japón es no expresar desacuerdo en público, se prefirió llevar a cabo entrevistas a fondo a cada persona por separado. Los estudios descriptivos enfatizaron las entrevistas a domicilio. Los resultados mostraron que las amas de casa japonesas son inflexibles con la calidad, el valor y el servicio. Constituyen un modelo de conservación y eficiencia administrativa en el hogar. En Japón, alrededor de la mitad de las mujeres adultas trabajan; generalmente, antes de casarse y después de que han educado a sus hijos (la crianza de los hijos es la prioridad número uno de

las madres japonesas). Cuando tienen que escoger entre marcas nacionales y extranjeras, las mujeres japonesas prefieren los productos de marca extranjera que tienen estilo y símbolos de condición social, como la ropa de alta moda, los perfumes franceses, los vinos y licores y las bolsas de Gucci. Sin embargo, no muestran preferencia por los productos prácticos hechos en otros países, ya que éstos por lo general no cubren exactamente los estándares de calidad que piden. Las mujeres japonesas prefieren los comerciales que promueven los valores tradiciona­ les y familiares antes que los ejemplos occidentales. Aunque, en un principio, P & G cometió algunos errores al juzgar los matices japoneses, como fue la introducción del jabón de tocador Camay y los pañales Pampers, este estudio de perfil de mercado les ayudó a evitar costosos errores que hubieran podido cometer después.32 ♦ En muchos países, sobre todo en los países en vías de desarrollo, los paneles de consumi­ dores no se han instrumentado, lo cual hace difícil llevar a cabo una investigación descriptiva longitudinal. Asimismo, en muchos países falta una estructura de apoyo a la mercadotecnia; es decir, venta al detalle, al mayoreo, publicidad e infraestructura promocional, estos factores hacen que no sea factible ejecutar un diseño causal que comprenda experimentos de campo. En la formulación de un diseño de investigación, se requiere un esfuerzo considerable para asegurar la comparación y equivalencia de los datos primarios y secundarios obtenidos en distintos países. Son de particular importancia en el contexto de la recopilación de datos primarios, investigación cualitativa, métodos de estudio, técnicas de escalas, diseño de cues­ tionarios y consideraciones sobre el muestreo. Estos temas se estudian detalladamente en los capítulos siguientes.

L

a é t ic a en l a in v e s t ig a c ió n d e m er c a d o s Durante la etapa del diseño de investigación, deben respetarse no sólo los derechos del in­ vestigador y del cliente involucrados, sino también de los entrevistados. Aunque, por lo general, durante la etapa del diseño de la investigación, no hay contacto directo entre los entrevistados y los demás participantes (cliente e investigador) es en esta etapa cuando se toman decisiones, como utilizar y esconder grabadoras de audio y video, que tiene algunas consecuencias éticas. El problema básico en el tipo de diseño de investigación que se adoptará (es decir, descriptivo o causal, transversal o longitudinal) tiene repercusiones éticas. Por ejemplo, cuando se estudia un cambio de marca en la compra de pasta dental, un diseño longitudinal es la única forma real para evaluar los cambios en la selección de una marca por parte de cada entrevistado. Una empresa de investigación que no haya instrumentado muchos estudios longitudinales podrá tratar de justificar el uso de un diseño transversal. ¿Es ético? Los investigadores deberán asegurar que el diseño de investigación que utilizan pro­ porcionará la información necesaria para resolver el problema que se identificó. El cliente deberá tener la integridad para no falsear el proyecto y describir las limitaciones con las que tendrá que trabajar el investigador y no hacer peticiones irracionales. La investigación longi­ tudinal se lleva tiempo. En la investigación descriptiva puede ser necesario entrevistar a los clientes. Si el tiempo es un aspecto limitado o si el contacto con el comprador estará restrin­ gido, el cliente deberá dar a conocer estas limitaciones en el momento de iniciar el proyecto. Por último, el cliente no deberá sacar provecho indebido de la empresa de investigación pidiéndole concesiones especiales para el proyecto que se realiza en ese momento, con la falsa promesa de contratos de investigación en el futuro.

EJEMPLO Falsas promesas ________________________________________ Es probable que surjan dilemas éticos debido al enorme deseo que tienen las empresas de investigación de mercados de convertirse en proveedores de las grandes empresas que son

usuarios intensivos de este tipo de servicios. Tomemos por ejemplo a American Express, American Airlines o Coca-Cola. Estas empresas recurren con frecuencia a proveedores de investigación de mercados. Estos grandes clientes pueden manipular el precio de un estudio o pedir concesiones irracionales en el diseño de la investigación (por ejemplo, un tamaño de muestra mayor o el análisis de más variables), al sugerir la posibilidad que tiene la empresa investigadora de convertirse en un proveedor regular. Esto puede considerarse como un argu­ mento para negociar, pero se vuelve no ético cuando no existe la intención de continuar con un estudio importante o no se emplea a la empresa en el futuro. Esto puede considerarse “una falsa promesa” y se considera una transgresión al cliente.33 ♦ Asimismo, es importante no pasar por alto las responsabilidades que se tienen hacia los entrevistados. El investigador deberá diseñar el estudio de manera que no viole los dere­ chos de los entrevistados a la seguridad, la privacía y a escoger lo que mejor les parezca. Aún más, el cliente no deberá abusar del poder que tiene de poner en peligro el anonimato de los entrevistados. Estos aspectos se estudian con mayor detalle en los capítulos 4, 5, 6 y 7.

A

p l ic a c io n e s p a r a c o m p u t a d o r a La formulación de un diseño de investigación y la preparación de una propuesta pueden facilitarse con el uso de microcomputadoras y mainframes; su aplicación para el análisis de datos secundarios e investigación cualitativa dentro de la investigación exploratoria se es­ tudia en los capítulos 4 y 5. En los capítulos 6 y 7, se estudia su uso en investigaciones de muestra representativa y causal. En estos últimos capítulos, se estudia con detalle el papel de las computadoras en cada uno de los componentes del diseño de investigación. Aquí, estudiaremos el papel de las microcomputadoras en los diseños longitudinales y el control de las fuentes potenciales de error. Cuando el investigador decide iniciar un estudio por medio de un panel, deberá tomar en cuenta que puede profundizar en el problema, mediante la repetición de un diseño. Para afinar estas ideas, puede llevar a cabo un análisis longitudinal con FO R EC A ST PRO para Windows de Business Forecast Systems, Inc. de Belmont, Massachusetts. Es posible utilizar la información proveniente de una hoja de cálculo (como las que pueden desarrollarse en LOTUS 1-2-3) o de archivos A SC II como fuente de datos para FO R EC A ST PRO. Este programa permite al usuario discernir la temporalidad de los datos que se recopi­ lan en forma repetida durante periodos regulares. Además, puede ayudar a identificar ten­ dencias en los datos durante periodos más prolongados que las estaciones del año. No es posible comprender la temporalidad ni las tendencias de un conjunto de datos con un solo estudio de investigación de una muestra representativa. Suponga que en diciembre de 1995 el gerente de investigación de mercados de la di­ visión de productos lácteos de Borden Foods (una empresa que fabrica productos alimen­ ticios de alcance nacional) se enfrenta con el problema de estimar la preferencia por la leche en comparación con otras bebidas, durante el periodo 1996-98. ¿El investigador debe­ rá adoptar un diseño de investigación longitudinal para obtener un pronóstico del consu­ mo de leche durante 1996-98? ¿O puede obtener una información razonable a partir de los datos longitudinales obtenidos en el pasado (por ejemplo, mayo de 1994 a noviembre de 1995)? En la ilustración 3.1, se presentan las compras de leche realizadas por los miembros del panel de compradores en tiendas de abarrotes de mayo de 1994 a noviembre de 1995. La línea más gruesa indica la muestra principal y la línea más delgada indica la muestra que comprende a los miembros del panel de estudio. Durante el periodo que abarca la investiga­ ción, la fluctuación temporal ocurrió en el mes de julio, cuando las compras de leche (que en la ilustración 3.1 se denominan las “ventas” de leche) se redujeron en forma muy marcada. Al observar que las compras de los miembros del panel se repiten de manera estable, puede percibirse que existe una tendencia ascendente.

I l u s t r a c ió n 3.1 Pronóstico del consumo de leche mediante el uso de FO R EC A ST PRO

File

Edit

Graph

Expert

Forecast Pro for W indows Model Forecasts Ogtions

Help

Exponential smoothing

X I 0000

3 -

J__ I___I__ 1___I__ L

J ___I__ I___I__ I___L

1995

J __ I___L

J __ I___I__ L

J ___L

1996

La función “Peek and Poke” de FO R ECA ST PRO permite observar los ajustes y señalarlos, puede utilizarse para ajustar los datos o pronosticar directamente en la pantalla de la computadora. Esta función permite al usuario proyecciones alternativas posteriores, utili­ zando el ratón para señalar y arrastrar el trazo del gráfico de una variable proyectada a nuevas posiciones en forma repetida, como se muestra en la parte derecha de la ilustración 3.1. En las tres proyecciones que se presentan, la línea central es la proyección real que se calculó en el programa; las líneas superior e inferior ilustran la proyección cuando se consideran distin­ tas muestras de la población meta de compradores de leche. De esta forma pueden incluirse en el estudio las estimaciones de error en la estructura de la muestra. Éste es un enfo­ que mucho más eficiente en el análisis de sensibilidad, donde los escenarios del mejor y peor de los casos pueden representarse fácilmente. La proyección con métodos automatizados como el FO R EC A ST PRO no es infalible. En esas proyecciones se hacen suposiciones importantes, sobre todo que las condiciones más relevantes de los negocios prevalecerán o que los cambios en alguna de las condiciones pue­ den anticiparse y pronosticarse con cierta precisión. Para mejores resultados, el usuario de­ berá comprender las distintas técnicas de pronóstico. Afortunadamente, FO R EC A ST PRO incluye un sistema experto que puede seleccionar en forma automática un método de pro­ nóstico y explicar su lógica en un inglés accesible. Con un software como FO R EC A ST PRO, el investigador cuenta con los medios para conseguir valiosos conceptos que sólo se obtienen de los datos longitudinales. La temporali­ dad, las tendencias y la consideración del error total son tres de estos conceptos importantes. Esto puede ayudar al investigador a determinar si el diseño longitudinal es apropiado para el problema que enfrenta. Las microcomputadoras y las mainframes pueden ayudar también a controlar el error total. A través de éstas, es posible entender cómo afectan las distintas fuentes de error los resultados y qué niveles de error son aceptables. Es relativamente fácil calcular el error en el muestreo aleatorio cuando se utilizan esquemas de muestreo probabilístico. Las fórmulas para

estimar esos errores pueden programarse con facilidad mediante un administrador de base de datos como dBASE IV El autor ha desarrollado algunos programas de este tipo. Sin embargo, estimar el impacto de varios errores no relacionados con el muestreo es mucho más problemático. La simulación puede instrumentarse para determinar cómo afec­ tan al resultado final las distribuciones y los niveles de los distintos errores no relacionados con la muestra.34 Esto puede indicarnos los niveles de error aceptables, y el diseño de inves­ tigación puede ajustarse para incluirlos dentro de los límites aceptables. Las simulaciones sólo proporcionan un indicio, por lo que es necesario el juicio del investigador. El software como M ON TE CARLO SIM ULATIONS (M C S), de Actuarial Micro Software, es útil para estos propósitos. El M CS consiste en tres módulos de programas: análisis estadístico, simula­ ción y proyecciones a largo plazo; puede analizar y simular una gran variedad de sistemas para una amplia gama de aplicaciones. Su módulo de análisis estadístico permite la evalua­ ción de los datos de la muestra hasta con 13 tipos diferentes de distribuciones de probabilidad. El módulo de análisis estadístico puede utilizarse para confrontar el módulo de simulación; ayudar a escoger la distribución de los errores en la variable más apropiada u otras variables del modelo. El módulo estadístico también puede utilizarse para evaluar los resultados que generan tanto los módulos de simulación como el de proyección a largo plazo. M ACPROJECT es un ejemplo de software PERT/CPM. El programa proporciona dis­ tintos gráficos que incluyen un calendario, una programación de recursos, una tabla de flujo de efectivo y un proyecto. Las preguntas ¿qué pasaría si? pueden contestarse con rapidez, asimismo puede calcularse el costo unitario del personal y los materiales con base en el nú­ mero de horas de trabajo regular y en días festivos. Otro software para programación de pro­ yectos de uso popular incluye el TIM ELIN E, el HARVARD P R O JE C T M ANAGER, el M IC R O SO FT PRO JEC T y el CATEGORY PERTM ASTER.

R

esu m en

Un diseño de investigación es una estructura o plano para llevar a cabo un proyecto de inves­ tigación de mercados. Especifica los detalles para realizar el proyecto. Los diseños de investiga­ ción pueden clasificarse en forma amplia como exploratorios o concluyentes. El propósito más importante de la investigación exploratoria es proporcionar ideas más profundas acerca del problema. La investigación concluyente se lleva a cabo para probar hipótesis específicas y analizar relaciones específicas. Los hallazgos de una investigación concluyente se utilizan como datos en la toma de decisiones. La investigación concluyente puede ser descriptiva o causal. El objetivo más importante de la investigación descriptiva es explicar las características o funciones del mercado. Un diseño descriptivo requiere una especificación clara de quién, qué, cuándo, dónde, por qué y la forma de la investigación. La investigación descriptiva puede clasificarse en investigación mediante estudios transversales e investigación longitudinal. Los diseños de muestra representativa incluyen la recopilación de información de una mues­ tra de los elementos de la población, en un solo punto en el tiempo. Estos diseños se clasifican de manera más amplia como diseños de muestras representativas individuales y múltiples. Por el contrario, en los diseños longitudinales se mide varias veces una muestra fija. La investiga­ ción causal está diseñada principalmente para obtener evidencias acerca de las relaciones de causa y efecto (causales). Un diseño de investigación posee seis componentes. El error puede estar asociado con cualquiera de esos componentes. El error total está formado por el error de muestreo aleato­ rio y del error por falta de muestreo. El error por falta de muestreo consiste en la falta de respuesta o en las respuestas erróneas. El error en la respuesta incluye los errores que come­ ten los investigadores, entrevistadores y entrevistados. Deberá prepararse una propuesta por escrito del proyecto de investigación de mercados que incluya todos los elementos del proce­ so de investigación. Al llevar a cabo una investigación de mercados internacionales, se debe­ rán hacer esfuerzos considerables en la etapa de formulación del diseño de investigación a fin de garantizar la equivalencia y el grado de comparación de los datos primarios y secundarios obtenidos en los distintos países. En términos de los aspectos éticos, los investigadores debe­ rán asegurarse de que el diseño de investigación proporcione un punto de vista adecuado de la información y que éste sea la información que necesita el cliente. El cliente deberá tener

la suficiente integridad para no falsear el proyecto, asimismo describirá la situación en la que trabajará el investigador y no hará peticiones irracionales. Se tomarán todas las precauciones a fin de asegurar a los entrevistados o sujetos de investigación sus derechos a la seguridad, a la privacía y a escoger lo que más les conviene. Las microcomputadoras pueden utilizarse para ayudar en el proceso de formulación del diseño de investigación.35

A

c r ó n im o s

Los componentes de un diseño de investigación pueden resumirse con el acrónimo DESIGN : D E S I G N

E

je r c ic io s

atos, plan de análisis xploratorio, descriptivo, causal (diseño) cales and measurement (escalas y medición) nterviewing forms, questionnaire design (formas de entrevista, diseño de cuestionarios) enerar la información necesaria sample size and plan (planeación y tamaño de la muestra n)

P reg u n tas

1. Defina con sus propias palabras el término diseño de investigación. 2. ¿Cuál es la diferencia entre la formulación del diseño de investigación del desarrollo y el plan­

teamiento del problema? 3. Explique la diferencia entre la investigación exploratoria y la concluyente.

4. ¿Cuáles son los principales propósitos de una investigación descriptiva? 5. Mencione las seis w de la investigación descriptiva y dé un ejemplo. 6. Compare los diseños de muestra representativa y longitudinal. 7. Describa el análisis de grupo. ¿Por qué es de especial interés? 8. Analice las ventajas y desventajas de los paneles. 9. ¿Qué es un diseño de investigación causal? ¿Cuál es su propósito? 10. ¿Cuál es la relación entre la investigación exploratoria, descriptiva y causal? 11. Haga una lista de los componentes más importantes de un diseño de investigación. 12. ¿Qué fuentes potenciales de error pueden afectar el diseño de investigación? 13. ¿Por qué es más importante minimizar el error total que el error de cualquier fuente en par­

ticular? P ro blem as

1. Sweet Cookies planea lanzar una nueva línea de galletas y quiere evaluar el tamaño del mer­ cado. Las galletas tienen un sabor combinado de chocolate y piña, y están orientadas para satisfacer al extremo más alto del mercado. Analice las seis w de un diseño de investigación descriptivo que pueda adoptarse. 2. Exprese en forma de ecuación cada uno de los tipos de errores siguientes: a. Error total b. Error de muestreo aleatorio c. Error por falta de respuesta d. Error en la respuesta 3. Welcome Inc. es una cadena de restaurantes de comida rápida en una de las ciudades más

grandes del sur de Estados Unidos. Sus ventas han aumentado muy despacio durante los últi­ mos dos años. La gerencia decidió agregar al menú algunos artículos nuevos, pero primero quiere saber más acerca de sus clientes y sus preferencias. a. Mencione dos hipótesis b. ¿Qué clase de diseño de investigación es el apropiado? ¿Por qué?

E

je r c ic io s p a r a c o m p u t a d o r a 1. Consiga alguno de los programas CPM/PERT que se mencionan en el libro. Utilizando este programa, desarrolle un calendario para el proyecto de investigación que se describe en el pro­ blema 3.

N

o ta s

1.

ITAPA International Survey ofPassenger Preferences (Arlington, V A : International A irline Passengers Associations, 1987).

Marketing (marzo de 1987): pp. 94-1 0 3 . Research M ethods in Social Relations, tercera edición

2.

Kate Bertrand, “Talking Turkey on Trade Shows”, en Business

3.

Claire Selltiz, Lawrence S. Wrightsman y Stuart W. C ook, (Nueva York: Holt, R inehart and W inston, 1976).

4.

Fred N. Kerlinger, Foundations of Behavioral Research, 3a. edición (Nueva York: Holt, R inehart and W inston, 1986): pp. 17-20.

5.

Para un ejemplo de investigación exploratoria véase, David H. Furse, M. R . Burcham , R. L. Rose y R . W Oliver, “Leveragíng the Valué o f Customer Satisfaction Inform ation”, en Journal of Health Care Marketing 14 (otoño de 1994): pp. 16-20.

6.

Laura Bird, “Marketers Sell Pen as Signature of Style”, enWall StreetJournal (9 de noviembre de 1993): pp. B l , B7.

7.

Para un ejem plo de investigación descriptiva, véase Stanley F. Slater y Jo h n C . Narver, “Does Com petitive Environm ent M oderate the M arket O rientation-Perform ance Relationship?”, en Journal of Marketing 58 (enero de 1994): pp. 46 -5 5 .

8.

V éase Harper W Boyd, Jr., Ralph Westfall y Stanley E Stasch, Marketing Research: Text and Cases, 7a. edición (Homewood, IL: Richard D. Irwin, 1989): p. 286; y Gilbert A . Churchill, Jr., Marketing Research, 5a. edi­ ción (Chicago: Dryden Press, 1991): p. 145, para un análisis similar.

9.

“Coupon Use Low Am ong Young, Working Women”, en

Marketing News (10 de abril de 1987): p. 24. Quirk's Marketing Research Review (junio-ju lio

10.

“Eating Behavior Trends Revealed in Pillsbury Study”, en 1988): pp. 1 4 -1 5 ,3 9 ,4 4 .

de

11.

Norval D. G lenn, Cohort Analysis (Beverly Hills: Sage Publications, 1981). Para aplicaciones recientes, véase Joseph O. Rentz y Fred D. Reynolds, “Forecasting the Effects o f an Aging Population on Product Consum ption: A n Age-Period-Cohort Framework”, en Journal of Marketing Research (agosto de 1991): pp. 355 -6 0 .

1 2 . Joseph O. Rentz, Fred D. Reynolds y Roy G. Stout, “Analyzing Changing Consum ption Patterns with C ohort A nalysis”, en Journal of Marketing Research 20 (febrero de 1983): pp. 12-20. 13.

Para una aplicación reciente, véase Terry Elrod y M ichael P Keane, “A Factor-A nalytic Probit M odel for Representing the M arket Structure in Panel D ata”, en Journal of Marketing Research 32 (febrero de 1995): pp. 1-16.

14.

Terry Elrod, “C hoice Map: Inferring a Product-M arket Map from Panel D ata”, en Marketing Science 7 (invierno de 1988): pp. 21-41.

15.

Gregory B. Markus, Analyzing Panel Data (Beverly Hills: Sage Publications, 1979). Para una aplicación reciente de los datos de los paneles, véase Pradeep K. Chintagunta, Dipak C. Jain y Naufel J. Vilcassim, “Investigating Heterogeneity in Brand Preferences in Logit Models for Panel D ata”, en Journal of Marketing Research (noviembre de 1 9 9 1 ): pp. 4 1 7 -2 8 ; y Barbara E. Kahn y Jagm ohan S. Raju, “Effects o f Price Prom otions on Variety-Seeking and R einforcem ent Behavior”, en Marketing Science (otoño de 1991): pp. 316 -3 7 .

16.

La tabla 3.6 tam bién puede considerarse una matriz de transición. D escribe los cambios en la compra de una marca determinada de un periodo al otro. Conociendo la proporción de consumidores que h acen cambios, perm ite una proyección temprana de los últimos éxitos de un nuevo producto o el cambio en la estrategia de mercados. V éase Seymour Sudm an y R obert Ferber, Consumer Panels (Chicago: A m erican M arketing Associa­ tion, 1 979): pp. 19-27-

17.

M ark W Johnston, A . Parasuraman, Charles M. Futrell y W illiam C . Black, “A Longitudinal A ssessm ent o f the Im pact of Selected Organizational Influences on Salespeople’s Organizational Com m itm ent during Early Employm ent”, en Journal of Marketing Research (agosto de 1990): pp. 3 3 3-44.

18.

V éase Seymour Sudman y R obert Ferber, “A Comparison of A lternative Procedures for C ollecting Consum er Expenditure D ata for Frequently Purchased Product”, y Robert A . Wright, Richard H. Beisel, Julia D. Oliver y M ichelle C. Gerzowski, “T h e Use o f a Múltiple Entry Diary in a Panel Study on H ealth C are", ambos en Robert Ferber (editor), Readings in Survey Research (Chicago: A m erican M arketing A ssociation, 1978): pp. 4 8 7 -5 0 2 y 5 0 3 -1 2 ; Yoram W ind y David Lerner, “O n the M easurem ent o f Purchase D ata: Surveys Versus Purchase Diaries”, en Journal of MarketingResearch 16 (febrero de 1979): pp. 3 9 -4 7 ; y Joh n M cKenzie, “T h e Accuracy of Telephone Cali D ata by Diary M ethods”, en Journal of Marketing Research 20 (noviembre de 1983): pp. 417-27.

19.

20.

Seymour Sudman y Robert Ferber, Consumer Panels (Chicago: A m erican Marketing A ssociation, 1979): pp. 1927. Véase también Birger W ernerfelt, “Brand Loyalty and M arket Equilibrium”, en MarketingScience (verano de 1 991): pp. 229-45. Russell S. Winer, “A ttrition Bias in Econom etric Models Estim ated with Panel D ata”, en (mayo de 1983): pp. 177-86.

Research 20

Journal of Marketing

MarketingNews (6 de enero

21.

W illiam H. M otes, “How to Solve Com m on Problems in Longitudinal Studies”, en de 1 984): p. 3.

22.

Keith K. C ox y Ben M. Enis, 1969): p. 5.

23.

Para una aplicación de la investigación causal, véase H. Rao Unnava, R obert E. Burnkrant y Sunil Erevelles, “Effects o f Presenta tion Order and Com m unication M odality on R ecall and A ttitu de", en Journal of Consumer Research 21 (diciembre de 1994): pp. 481-90.

Experimentaron for Marketing Decisions (Scranton,

PA: Intern ation al Textbook,

24. M ichael ]. Naples y R olf M. Wulfsberg, “T h e Bottom Line: Does Industrial Advertising Sell?”, en

AdvertisingResearch (agosto-septiem bre de 1987): pp. R C 4-R C 16.

25.

Journal of

Philip J. Cooper, lan Diamond y Sue High, “Choosing and Using Contraceptives: Integrating Q ualitative and Q uantitative Research M ethods in Family Planning”, en Journal of the Market Research Society 35 (octubre de 1993): pp. 32 5 -4 0 .

MarketingNews (28 de agosto de

26.

“Study to Probe A ttitudes about Fashion, Beauty”, en

27.

Sabra Brock, Sara Lipson y Ron Levitt, “Trends in M arketing Research and Developm ent at Citicorp/Citibank”, en Marketing Research: A M a r i n e of Management and Applications 1 (4) (diciembre de 1989): pp. 3-8.

1987): p. 60.

28.

Marketing News (10 de abril de 1987):

29.

Henry Assael y Jo h n Keon, “Nonsampling vs. Sampling Errors in Survey Research”, en (primavera de 1982): pp. 114-23.

30.

“Understanding D ata Requires Recognition of Types of Error”, en 1987): pp. 2 0 ,5 8 ,5 9 .

31.

Frederick S. Hillier y Gerald ]. Lieberm an, 1986): pp. 295-331.

32.

Edwin Artzt, “W inning in Japan: Keys to Global Su ccess”, en Business Quarterly (invierno de 1989): D erechos reservados © 1989 por Business Quarterly. Reimpreso con autorización de Business Quarterly, publicado por W estern Business School, T h e University o f W estern O ntario, London, Cañada.

33.

R. Bezilla, J.B. Haynes y C. Elliot, Ethics inMarketing Research (Business Horizons, 1976): pp. 83-86.

p. 3.

Journal of Marketing 46

Quirk’s Marketing Research Review (mayo de

Introduction to Operatíons Research, 4

(O akland, C A : Golden-Day,

34. Naresh K . M alhotra, “A n Approach to the Measurem ent o f Consumer Preferences Using Lim ited Information”, en Journal of Marketing Research 23 (febrero de 1986): pp. 3 3 -4 0 ; y N aresh K. M alhotra, “Analyzing Marketing R esearch D ata with Incom plete Inform ation on the D ependent Variable", en Journal of Marketing Research 24 (febrero de 1 987): pp. 74-84.

35.

Agradecemos la ayuda de James Agarwal con el ejemplo de investigación de mercados internacionales, la ayuda de M ark Leach y Gina M iller en la redacción de la sección sobre ética y la ayuda de M ark Peterson en la redacción de la sección de aplicaciones para computadora.

En torno a la investigación exploratoria datos secundarios CjI análisis de dalos secundarios es un requisito p recio p a ra la recopilación de datosprim arios.

Objetivos Al finalizar la lectura de este capítulo, el estudiante podrá: 1. Definir la naturaleza y el alcance de los datos secundarios y distinguir aque­ llos de los primarios. 2. Analizar las ventajas y desventajas de los datos secundarios y sus usos en los diferentes pasos del proceso de la investigación de mercados. 3 . Evaluar los datos secundarios usando el criterio de especificaciones, errores, extensión, objetivos, naturaleza y confiabilidad. 4 . Describir detalladamente las distintas fuentes de datos secundarios incluyen­ do las fuentes internas y externas en forma de material publicado, bases de datos computarizados y servicios afines. 5. Analizar con detalle las fuentes afines de datos secundarios, incluyendo datos familiares y del consumidor obtenidos a través de encuestas, paneles por correo y servicios de exploración electrónica, así como datos institucionales relacionados con detallistas, mayoristas y empresas industriales o de servicios. 6. Explicar la necesidad de usar fuentes múltiples de datos secundarios y descri­ bir las fuentes de datos únicas. 7. Analizar las aplicaciones de los datos secundarios en la elaboración de un índice de poder adquisitivo y el diagrama de cómputo.

8. Identificar y evaluar las fuentes útiles de datos secundarios en la in­ vestigación de mercados internacionales. 9. Conocer los aspectos éticos que comprende el uso de datos secunda­ rios. 10. Analizar el uso de microcomputadoras y mainframes en la investiga­ ción de datos secundarios.

Panorama general Como mencionamos en los capítulos anteriores, el análisis de datos secundarios ayuda tanto a definir los problemas de investigación de mercados como a desarrollar un planteamiento de los mismos (capítulo 2). También, antes de diseñar la manera de recopilar los datos primarios (capítulo 3), el investigador deberá analizar los datos secundarios relevantes. En algunos pro­ yectos, sobre todo en aquellos con un presupuesto limitado, la investigación se ve restringida al análisis de datos secundarios, porque algunos de los problemas rutinarios sólo pueden ma­ nejarse con base en este tipo de información. En este capítulo se analizará la diferencia entre datos secundarios y primarios. Se tomarán en cuenta las ventajas y desventajas de los datos secundarios y se presentará el criterio de evaluación junto con la clasificación de los mismos. Se describirán los datos secundarios internos y se estudiarán también las principales fuentes de datos secundarios externos, como los materiales publicados, las bases de datos tanto en línea como fuera de ésta y los servicios de compañías independientes que proporcionan datos. Con­ sideraremos la aplicación de datos secundarios para el cálculo del índice del poder adquisitivo y su representación gráfica por computadora. Asimismo, se analizarán las fuentes de datos secundarios útiles en la investigación de mercados internacionales. Además, se identificarán diversos aspectos éticos que surgen del uso de datos secundarios. Por último, estudiaremos el uso de microcomputadoras y mainframes al realizar el análisis de datos secundarios.1 Comenzaremos con varios ejemplos para dar una idea de los datos secundarios.

EJEMPLO La mano de obra se sustituye por alta tecnología ___________________ El U.S. Department of Labor asegura que el promedio de edad de la fuerza laboral estadouni­ dense aumentará de 35 a 39 años para el año 2000. Esto es resultado, en parte, de la madurez alcanzada por la generación del “baby bust” (aquellos nacidos entre 1965 y 1976), que causa una disminución en el número de trabajadores jóvenes (entre 16 y 24 años) disponibles para llenar puestos de bajo nivel.2 Esta disminución potencial de trabajadores jóvenes propicia que muchos comerciantes, como Arby's, modifiquen la orientación de los servicios que re­ quieren de gran cantidad de mano de obra. Muchos de estos servicios, que antes proporcio­ naban los trabajadores, en la actualidad son realizados por los mismos consumidores utilizan­ do equipos de alta tecnología. ♦

EJEMPLO Cinco grandes éxitos bajo la misma etiqueta de conveniencia___________ Un reporte emitido por la National Association of Convenience Stores muestra que los cin­ co artículos más importantes en compras planeadas (compras no impulsivas) en tiendas de descuento son: 1) refrescos, 2) productos de tabaco, 3) gasolina, 4) productos lácteos (leche, huevos, margarina), y 5) material de lectura. Esta información puede ser valiosa para las tiendas de descuento al determinar su combinación de productos. También es útil para que los comerciantes diseñen actividades de promoción de ventas, como muestreos, cupones y exhibidores en puntos de venta.3 ♦

EJEMPLO Información general acerca de los refrescos ______________________ ¿Quiere determinar la participación en el mercado de las distintas categorías de refrescos? No hay necesidad de que recopile sus propios datos. Aquí está la información que proporciona Advertising A ge, una publicación líder en el campo de la publicidad.4 ♦

Mercado total de refrescos: participación por categoría Categoría Refrescos de cola Lima-limón Pepper Naranja Todos los demás Total

Porcentaje de participación 66.6 13.0 5.7 5.5 9.2 100.0

Los datos secundarios de los refres­ cos están casi tan disponibles como los mismos refrescos. ♦ TeriStratford.

EJEMPLO Los datos secundarios ayudan a Samsonite a establecer la imagen de “experto en viajes” ________________________ ____ Samsonite Corporation utiliza la base de datos del consumidor y un número telefónico 800 sin costo para su programa de enlace con el cliente, así como su base de datos interna. Estas actividades representan el esfuerzo por constituir una relación más fuerte, aumentar los ni­ veles de satisfacción, establecer para Samsonite la imagen de experto en viajes y ayudar a vender sus productos directamente a los consumidores. La información de los consumidores se obtiene de las tarjetas de respuesta y del número telefónico sin costo, que^ se utiliza para propiciar las llamadas de los clientes potenciales que requieren información. Ésta pasa a una base de datos y proporciona a Samsonite gran canti­ dad de datos útiles para su planeación. Por medio del análisis de compras de los diversos tipos de equipaje, Samsonite puede hacer una mejor planeación de los productos que ofrecerá en el futuro. A través del análisis de datos de las respuestas, es posible investigar tanto los nue­ vos productos como las modificaciones necesarias. También puede llevarse a cabo una inves­ tigación para estimar el nivel de satisfacción que obtienen los consumidores con los produc­ tos existentes mediante estudios trimestrales que utilizan la información registrada en una base de datos de los consumidores que adquirieron dichos productos anteriormente. Samsonite empleó este tipo de estudio a mediados de la década de los noventa, para determinar las intenciones de una segunda compra de quienes habían adquirido el producto Piggyback CarryO n introducido recientemente.5 ♦ Como se ilustra en estos ejemplos, las dependencias del gobierno (U.S. Department of Labor), las asociaciones industriales (National Association of Convenience Stores), las pu­ blicaciones comerciales (Advertising Age) y las bases de datos que elaboran las propias empre­ sas son sólo unas cuantas fuentes de las que pueden obtenerse datos secundarios. Su natura­ leza y el papel que juegan se vuelven más claros cuando entendemos la diferencia que existe entre éstos y los datos primarios.

Capítulo 4

D

117

a to s p r im a r io s en c o m p a r a c ió n c o n d a to s sec u n d a r io s

datos primarios Datos que desarrolla el investi­ gador con el propósito específico de dirigirlos al problema de investiga­ ción. datos secundarios Datos que se recopilan para propósitos distintos al del problema que se resuelve.

Un investigador origina los datos primarios con el propósito específico de dirigirlos al pro­ blema que enfrenta. La recopilación de datos primarios implica llevar a cabo los seis pasos del proceso de investigación de mercados (capítulo 1). La obtención de datos primarios puede ser costosa y consumir tiempo. El proyecto de patrocinio a las tiendas de departamentos, que mencionamos en el capítulo 1, es un ejemplo de recopilación de datos primarios. Los datos secundarios son aquellos que se recopilan para propósitos distintos al pro­ blema que se enfrenta. Estos datos pueden localizarse en forma rápida y económica. En el proyecto de patrocinio a las tiendas de departamentos, los datos secundarios se obtuvieron con base en el criterio utilizado por las familias para seleccionar las tiendas de departamen­ tos, las publicaciones sobre mercadotecnia (Journal o f Retailing, Journal o f Marketing y Journal o f Marketing Research). En la sección anterior, proporcionamos muchos otros ejemplos de datos secundarios. La tabla 4.1 resume las diferencias entre los datos primarios y secundarios. Comparados con los datos primarios, los datos secundarios se recopilan de manera rápida y fácil, a un costo relativamente bajo. Estas diferencias entre los dos permiten distinguir algu­ nas ventajas y usos de los datos secundarios.

Tabla 4.1 Comparación entre los datos primarios y secundarios

V

En tomo a la investigación exploratoria: datos secundarios

en ta ja s y

Datos primarios Propósito de la recopilación Proceso de recopilación Costo de recopilación Tiempo de recopilación

Para el problema que se resuelve Mucha participación Alto Prolongado

Datos secundarios Para otros problemas Rápido y fácil Relativamente bajo Breve

usos d e los d a to s secu n d a r io s De los párrafos anteriores, puede deducirse que los datos secundarios ofrecen diversas venta­ jas en relación con los primarios. Son de fácil acceso, relativamente baratos y pueden obte­ nerse con rapidez. Existen disponibles algunos datos secundarios, como los que proporciona el U.S. Bureau of the Census, sobre temas difíciles de obtener para una empresa como datos primarios. A pesar de que es muy raro que los datos secundarios proporcionen todas las res­ puestas a un problema de investigación no rutinario, éstos pueden ser útiles de muchas ma­ neras.6 Los datos secundarios pueden ayudar a: 1. 2. 3. 4. 5. 6.

Identificar el problema Definir mejor el problema Desarrollar un planteamiento del problema Formular un diseño de investigación apropiado (por ejemplo, al identificar las variables clave) Responder ciertas preguntas de investigación y probar algunas hipótesis Interpretar los datos primarios desde una perspectiva más amplia Con estas ventajas y usos de los datos secundarios, establecemos la siguiente regla general: El análisis de los datos secundarios es un requisito para la recopilación de los datos primarios. Empiece con los datos secundarios. Continúe con los datos primarios sólo cuando las fuentes de datos secundarios se hayan agotado o proporcionen beneficios marginales.

Los dividendos que se obtienen al seguir esta regla pueden observarse en el ejemplo de Frost National Bank.

EJEMPLO El banco “se mueve” con rapidez en el mercado____________________ El Frost National Bank consideraba necesario modificar su cuenta del Young Leaders Club (YLC) a fin de proporcionar mayores atractivos y así poder captar jóvenes de 21 a 35 años de edad de la ciudad de San Antonio. El YLC ofrecía a sus miembros una cuenta de cheques con importantes mejoras como seguros de vida, descuentos en boletos de cine, cupones de tien­ das, paseos y eventos sociales, todo incluido en la cuota mensual por la membresía. Se llevó a cabo un extenso análisis de datos secundarios. Se evaluó a los socios del club utilizando los datos que poseía el banco, como códigos postales y actividad de la cuenta. Los resultados del análisis por código postal atrajeron a los comerciantes de las áreas de San Antonio, donde vivía un gran número de miembros, a fin de que ofrecieran cupones de descuento en su publicidad. Los datos secundarios externos proporcionaron algunas conclusiones adicionales sobre el desarrollo del nuevo paquete de YLC. La información de los censos permitió al Frost National Bank estimar el tamaño del mercado potencial del YLC. Este análisis de datos se­ cundarios fue seguido por la investigación de grupos específicos y encuestas. Después de termi­ nar la investigación de mercado, que comenzó con el análisis de datos secundarios, el Frost National Bank pudo aumentar en forma significativa el número de cuentas del YLC en el mercado.7 ♦ Este ejemplo muestra que el análisis de datos secundarios proporciona valiosas deduc­ ciones y contribuye al establecimiento de las bases para realizar una investigación cualitativa, como sesiones de grupo y encuestas. Sin embargo, el investigador debe ser cuidadoso cuando utilice los datos secundarios, porque éstos presentan algunas limitaciones y desventajas.

D

esv en ta ja s d e lo s d a to s secu n d a r io s Como los datos secundarios se recopilan para propósitos distintos a los del problema que se trata, es posible que su utilidad se limite de varias formas, entre las que se incluyen la relevancia y la exactitud. Los objetivos, la naturaleza y los métodos usados para recopilar los datos se­ cundarios quizá no sean apropiados para la presente situación. También es posible que los datos secundarios no sean exactos o no sean por completo actuales o confiables. Antes de utilizar los datos secundarios, es importante evaluar estos factores, que estudiaremos con mayor detalle en la siguiente sección.8

C

r it e r io s p a r a ev a lu a r los d a to s secu n d a r io s La calidad de los datos secundarios debería evaluarse de manera rutinaria, empleando el criterio de la tabla 4.2 que mencionamos en las siguientes secciones.9

Especificaciones: metodología que se utiliza para recopilar los datos Las especificaciones y metodología que se utilizan para recopilar los datos deberán analizarse en forma crítica para identificar posibles fuentes de tendencias. Estas consideraciones m eto­ dológicas incluyen el tamaño y la naturaleza de la muestra, el nivel y la calidad de las respues­ tas, el diseño y la aplicación del cuestionario, los procedimientos utilizados en el trabajo de campo y el análisis de datos, así como los procedimientos para elaborar los informes. Esta verificación proporciona información sobre la confiabilidad y validez de la información, y ayuda a determinar si puede generalizarse con el problema que se enfrenta. La confiabilidad y la validez pueden comprobarse nuevamente por medio del análisis de los errores, la vigen­ cia, los objetivos, la naturaleza y formalidad asociados con los datos secundarios.

Tabla 4.2 Criterios para evaluar los datos secundarios Criterios

Aspectos

Observaciones

Especificaciones y metodología

Método de recopilación de datos, índice de respuesta. Calidad de los datos. Técnica de muestreo. Tamaño de la muestra. Diseño del cuestionario. Trabajo de campo. Análisis de datos.

Los datos deben ser confiables, válidos y aplicables al problema que se resuelve.

Error y precisión

Análisis de los errores en enfoque, diseño de investigación, muestreo, recopilación y análisis de datos y su presentación.

Evalúa la precisión por medio de la compara­ ción de distintas fuentes.

Actualidad

Lapso entre la recopilación y la publicación. Frecuencia de las actualizaciones.

Los datos del censo se actualizan en forma pe­ riódica por las empresas sindicadas.

Objetivo

¿Por qué se recopilaron los datos?

El objetivo determinará la relevancia de los datos.

Naturaleza

Definición de las variables clave. Unidades de medición. Categorías utilizadas. Relaciones analizadas.

Reconfigurar los datos a fin de incrementar su utilidad, si es posible.

Dependencia

Experiencia, credibilidad, reputación y confiabilidad de la fuente.

Los datos deberán obtenerse de una fuente original en lugar de una adquirida.

Error: la exactitud de los datos El investigador debe determinar si los datos son lo suficientemente exactos para los propósi­ tos del estudio que se lleva a cabo. Los datos secundarios pueden tener diversas fuentes de error o inexactitudes, como errores en la manera de abordarlos, el diseño de la investigación, el muestreo, la recopilación de datos, el análisis y los informes de las etapas del proyecto. Más aún, es difícil evaluar la exactitud de los datos secundarios porque el investigador no partici­ pó en su investigación. Una manera de abordar el problema es encontrar múltiples fuentes de datos y compararlas a través de técnicas estadísticas comunes. La exactitud de los datos se­ cundarios también puede verificarse mediante una investigación de campo, como recomien­ da el International Council of Shopping Centers.

EJEMPLO Dinámica de la población y exactitud de los datos secundarios - - - - - - - - - - - - - El International Council of Shopping Centers realizó un estudio para evaluar la calidad de las estimaciones y proyecciones para pequeñas áreas, que proporcionan algunos vendedores de inform ación demográfica. Seis compañías vendedoras (CA C I, C laritas, Donnelley Marketing Information Services, National Decisión Systems, National Planning Data Cor­ poration y Urban Decisión Systems) participaron en la investigación, que se llevó a cabo en tres áreas de mercado: Baltimore, Detroit y Phoenix. Los vendedores proporcionaron al Con­ sejo estadísticas y datos demográficos sobre cada una de estas áreas. El Consejo analizó las divergencias entre los distintos reportes utilizando técnicas estadísticas comunes. Los resul­ tados indicaron que había poca variación en los datos en los niveles metropolitano y rural, con respecto a la demografía de las familias y las estadísticas de población, cuando estos datos

refejaban una dinámica relativamente estable. Sin embargo, los datos demográficos que ofre­ cieron las empresas vendedoras de información variaban considerablemente en áreas con rápidos cambios de población. En estos casos, el Consejo recomienda a los usuarios verificar los datos publicados con investigaciones de campo realizadas por ellos mismos.10 ♦ Como indica este ejemplo, la exactitud de los datos secundarios puede variar, sobre todo si están relacionados con fenómenos sujetos a cambio. Además, es probable que los datos obtenidos de distintas fuentes no concuerden. En estos casos, el investigador deberá verificar su exactitud con estudios piloto o cualquier otro método apropiado. Si se utiliza la creatividad, es posible llevarlo a cabo sin mucho esfuerzo ni gastos significativos.

Actualidad: ¿cuándo se recopilaron los datos! Es probable que los datos secundarios no sean actuales y el intervalo entre la recopilación de éstos y su publicación sea extenso, como en el caso de los censos. Además, es posible que los datos no se hayan actualizado con la frecuencia necesaria para los propósitos del problema que se estudia. La investigación de mercados requiere de información actualizada, a esto se debe que el valor de los datos secundarios disminuya con el tiempo. Por ejemplo, aunque los datos del Censo de población de 1990 son muy extensos, quizá no puedan aplicarse a un área metropolitana cuya población haya cambiado con rapidez durante los últimos dos años. De la misma manera, en el proyecto de patrocinio a las tiendas de departamentos, los datos del Censo de población deben ponerse al día a fin de que reflejen los cambios demográficos que han tenido lugar. Por fortuna, las empresas de investigación de mercados que proporcionan estos datos actualizan y publican esta información periódicamente.

Objetivo: ¿con qué propósito se recopilan los datos? En forma invariable, los datos se recopilan con un propósito definido, la pregunta fundamen­ tal es: ¿cuál fue el propósito inicial? El objetivo determina, en última instancia, el propósito relevante y útil de la información. Quizá los datos que se recopilan con un objetivo específico no sean apropiados para otra situación. Esto se explica detalladamente en este mismo capítu­ lo, los datos exploratorios que dan seguimiento al volumen de ventas se recopilan con el propósito de analizar los movimientos generales de las marcas, incluyendo los cambios de participación en el mercado. Por ejemplo, los datos de las ventas de jugo de naranja tendrían un valor limitado en un estudio dirigido a comprender de qué manera las familias seleccio­ nan alguna marca específica.

Naturaleza: contenido de los datos La naturaleza o contenido de los datos deberá estudiarse con especial cuidado en la defini­ ción de las variables clave, las unidades de medición, las categorías a utilizarse y las relaciones que se analicen. Si las variables clave no se han definido, o se han establecido de manera inconsistente en relación con la definición del investigador, la utilidad de los datos será limi­ tada. Considere, por ejemplo, los datos secundarios acerca de las preferencias de los consumi­ dores por programas de televisión. Para poder utilizar esta información, es importante cono­ cer de qué manera se definió la preferencia. ¿Se definió en términos de los programas que se ven con mayor frecuencia, del que se considera el más necesario? ¿El que se disfruta más? ¿El que tiene mayor información o el programa que presta mayor servicio a la comunidad? De la misma manera, los datos secundarios pueden medirse en unidades que tal vez no sean apropiadas para el problema actual. Por ejemplo, el ingreso puede medirse en términos individuales, familiares, por casa o gasto por unidad y puede considerarse como ingreso bruto o neto, si es antes o después de impuestos y deducciones. El ingreso puede clasificarse en categorías distintas a las necesidades del estudio. Si el investigador se interesa en consumido­ res de altos ingresos cuya percepción bruta anual por familia sea de más de 90 000 dólares, los datos secundarios de las categorías de ingresos menores de 15 000, 15 001-35 000, 35 00150 000 y más de 50 000 dólares no serán de ninguna utilidad. Determinar la manera en que

se medirán las variables, como el ingreso, puede ser una tarea compleja, como se ilustra en el recuadro Investigación en la práctica 4 .1 .11 Por último, las relaciones investigadas deberán tomarse en cuenta al evaluar la naturaleza de los datos. Por ejemplo, si la conducta actual es de interés, entonces los datos que permiten deducir comportamientos y que provienen de informaciones relacionadas con la actitud, pueden tener una utilidad limitada. A veces es posible volver a configurar los datos disponibles (por ejemplo, convertir las unidades de m e­ dición) para que los datos resultantes sean más útiles al problema que se estudia.

I n vestigació n en la práctica 4.1 El evasivo ingreso medio Existen 15 definiciones de ingreso publicadas por el gobierno de Estados Unidos. De acuerdo con el Census Bureau. oficialmente el ingreso medio de las familias estadouni­ denses en 1991 fue de 30 100 dólares. Sin embargo, si se suman ganancias de capital, rendimientos en acciones ordinarias nacionales y otras fuentes de ingreso, el ingreso medio se incrementa a 30 500 dólares. Por otro lado, si se restan los impuestos y los pagos en efectivo al gobierno y se suman las ganancias de capital y las pólizas de seguros el ingreso medio se reduce a 24 200 dólares. La definición oficial mide el ingre­ so antes de impuestos, excluyendo las ganancias de capital. El impacto de los impues­ tos y las prestaciones tiene un efecto significativo en las cifras del ingreso. La gráfica siguiente ejemplifica las diferencias entre las definiciones. Las distintas fuentes sumadas o restadas en cada una de las definiciones pueden tener un gran impacto en la determinación del ingreso medio. Por ejemplo, la familia estadounidense promedio redujo su ingreso medio 3.5% de 1990 a 1991, tomando en cuenta la defini­ ción oficial. Sin embargo, de acuerdo con la definición 15, el ingreso medio sólo se redujo 1.3% durante el mismo periodo.

Definición 1 Ingreso familiar medio en 1991 Matrimonios con hijos Madres solteras Familias con miembros mayores de 65 años Familias blancas Familias negras Familias hispanas Porcentaje de cambio en el ingreso familiar medio (90-91) Ingreso familiar promedio en 1991

Definición 3

126 583 556 183 569 807 691

$27 427 41 840 11 783

-3 .5 % $37 992

-3 .9 % S35 588

$30 42 14 18 31 18 22

8 29 15 20

129 183 897 862

Definición 8

Definición 15

212 751 298 853 475 908 276

$30 536 39 896 17 724 25 440 31 895 20 664 24 108

-2 .8 % $29 551

-1 .3% $36 583

$24 36 12 7 25 14 19

La definición 1 es la medida oficial del Bureau of Census para el ingreso, incluyendo el ingreso antes de impuestos, pero excluyendo las ganancias de capital. La definición 3 deduce las transferencias gubernamentales en efectivo, pero agrega las ganancias de capital. La definición 8 suma las primas de seguro y las devoluciones de impuestos y resta los impuestos por concepto de seguro social e impuestos federales y locales al ingreso. La definición 15 incluye las transferencias en efectivo y en especie de Medicare y Medicaid, el valor de los almuerzos escolares y el rendimiento neto atribuido a las acciones comunes del mercado nacional de capitales.

Confiabilidad: ¿qué tan confiables son los datos? Un indicativo general de la confiabilidad de los datos puede obtenerse al analizar la eficacia, credibilidad, reputación y confiabilidad de la fuente. Esta información puede obtenerse veri­ ficando con otras personas que hayan utilizado la información proporcionada por la fuente. Los datos publicados para promover ventas, insinuar intereses específicos o dirigir la publici­ dad deben verse con escepticism o. Lo mismo puede decirse de los datos publicados anónimamente o en los que se intenta esconder los detalles de la metodología y del proceso de recopilación de datos. También es pertinente examinar si los datos secundarios provie­ nen de la fuente original que los generó, o bien, de una fuente secundaria que obtuvo los datos de una fuente original. Por ejemplo, el Censo de población es una fuente original, mien­ tras que el Statistical Abstraéis o f the United States es una fuente secundaria. Por regla general, los datos secundarios deberán tomarse de una fuente original y no de una fuente secundaria. Hay por lo menos dos razones para seguir esta regla: primera, una fuente original es aquella que especifica los detalles de la metodología utilizada en la recopilación de datos; y segunda, una fuente original tiene más probabilidades de ser más exacta y completa que una fuente secundaria.

C

l a s if ic a c ió n d e lo s d a to s secu n d a r io s

datos internos Datos disponibles dentro de la organización para la cual se lleva a cabo la investi­ gación.

datos externos Datos que se originan fuera de la organización.

La figura 4.1 presenta una clasificación de los datos secundarios. Éstos pueden clasificarse como internos o externos. Los datos internos son aquellos que se generan dentro de la orga­ nización donde se realiza la investigación. Esta información puede estar disponible en un formato listo para usarse; como ejemplo tenemos la información que proporciona en forma rutinaria el sistema de apoyo a la gerencia. Por otro lado, estos datos pueden existir dentro de la organización, pero pueden requerir de un procesamiento considerable antes de que el in­ vestigador los utilice. Por ejemplo, puede encontrarse mucha información en las facturas de ventas, sin embargo, ésta no es de fácil acceso pues requiere de ciertos procesos para ex­ traerla. Por otra parte, los datos externos son aquellos generados por fuentes externas a la organización. Estos datos pueden existir como material publicado, bases de datos en línea o informaciones disponibles de fuentes independientes que proporcionan datos. Antes de re­ copilar los datos secundarios externos es útil analizar los datos secundarios internos.

F ig u r a 4.1 Clasificación de los datos secundarios

D

ato s sec u n d a r io s in te r n o s Las fuentes internas deberán ser el punto de partida en la búsqueda de datos secundarios. La mayor parte de las organizaciones tienen abundante información propia, de manera que al­ gunos datos pueden estar disponibles en forma inmediata. Por ejemplo, la información de ventas y costos se recopila durante el proceso regular de contabilidad. Otra información pue­ de ser menos accesible, pero reunirse sin mayores dificultades, como se ilustra en el ejem­ plo de las tiendas departamentales.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Datos secundarios internos ______________________________ Para el proyecto de patrocinio a las tiendas departamentales se realizó un análisis extenso de los datos secundarios. Esto proporcionó algunas ideas apropiadas. Por ejemplo, se analizaron las ventas para obtener: base de datos de mercado Uso de computadoras para capturar y dar seguimiento a los perfiles del cliente y a las compras al detalle.

• Ventas por línea de producto • Ventas de los departamentos importantes (por ejemplo, ropa para caballero, artículos para el hogar) • Ventas por tiendas específicas • Ventas por región geográfica • Ventas al contado en comparación con ventas a crédito • Ventas durante periodos específicos • Ventas según el tamaño de la compra También se examinaron las tendencias de las ventas en muchas de estas clasificaciones. ♦ Los datos secundarios internos tienen dos ventajas sig­ nificativas: son de fácil acceso y no cuestan. De hecho, las fuentes secundarias internas generalmente son las fuentes de in­ formación menos costosas para la investigación de mercados; a pesar de ello, con frecuencia estos datos no se exploran en su totalidad. Sin embargo, la tendencia está cambiando con la cre­ ciente popularidad de las bases de datos de mercado.

Base de datos de mercado La base de datos de mercado implica el uso de computadoras para capturar y dar seguimiento a los perfiles del consumidor y los detalles de las compras. Esta información secundaria sirve como base para los programas de investigación de mercados o como fuente interna de información relacionada con el com-

4ÍA.;gm

El Chase Manhattan Bank es capaz de perseguir a sus competidores mediante el uso intensivo de los datos internos. ♦ Chase Manhattan Bank.

portamiento del consumidor. Para muchas compañías, el primer paso al crear una base de datos es transferir la información de ventas a una microcomputadora sin análisis previo, tal como se encuentra en los informes de ventas o facturas. Esta información puede estudiarse en términos de la actividad de un consumidor a lo largo de todo el tiempo que dure la rela­ ción comercial. Pueden identificarse los perfiles de los usuarios frecuentes y compararlos con los poco frecuentes, los signos de cambio en las costumbres y relaciones o eventos significati­ vos dentro del “ciclo de vida del consumidor”, como los aniversarios, para después actuar en consecuencia. Estas bases de datos proporcionan las herramientas esenciales para alimentar, ampliar y proteger la relación con el cliente.12 Para que las empresas sean competitivas deben estar conscientes de la importancia que tiene proporcionar tanto servicio al cliente como productos que solucionen sus problemas. Operar a nivel del cliente individual (a veces llamado nivel de “micromercadotecnia”) re­ quiere una comprensión de las diferencias significativas que existen entre los distintos seg­ mentos. El correo directo es la herramienta de promoción que depende, en mayor medida, de las bases de datos secundarios internos para el diseño y evaluación de sus programas. La segmentación de la base de clientes para ofrecer y medir la respuesta a los mensajes promocionales repetidos, las ofertas de productos, los premios y paquetes de bajo precio fundamentan las técnicas de investigación de mercados que se usan actualmente en los n e­ gocios. Suponga, por ejemplo, que una tienda detallista se preocupa por la reducción de las ventas de su departamento de artículos para el hogar. Se quiere probar si al reforzar los planes de pago o la línea de productos puede generarse una mayor respuesta. El director de inves­ tigación de mercados creará tres mensajes que enviará por correo directo. El primero servirá para anunciar la venta de liquidación y se enfocará a los términos de crédito y los plazos de pago. El segundo anunciará la venta con énfasis en las marcas que se ofrecerán. El tercero estará diseñado para operar como control del experimento: su mensaje sólo proporcionará la fecha y hora de la barata. Cada anuncio se envió por correo a una tercera parte de la muestra de 3 000 clientes actuales. En los últimos dos años, el departamento de investigación había desarrollado y man­ tenido una base de datos de los consumidores. En el registro se incluyeron el número telefó­ nico, nombre y domicilio, junto con los artículos comprados. Después de crear el archivo de consumidores, se registraron las compras que realizaron posteriormente haciéndolas coinci­ dir con el número telefónico, que siempre fue el primer dato de entrada al registro. Además del nombre, domicilio y número telefónico, el sistema desarrolló un archivo histórico de los artículos adquiridos, en qué departamento se compraron, la cantidad de dólares gastados, las fechas de compra y la forma de pago. De esta información pueden elaborarse directamente las listas de mercadotecnia e investigación, seleccionando el código postal, los artículos com­ prados o el departamento que se visitó, la fecha de la última compra o el monto gastado en un periodo específico. Para este programa de mercadotecnia directa y como parte de la estructu­ ra de la muestra, se definieron a los clientes que compraron en el departamento de aparatos electrodomésticos durante los últimos seis meses. En todos los casos, se pedía a los clientes que llevaran la tarjeta que habían recibi­ do por correo, con la cuál obtendrían un descuento de 10 dólares. Esta tarjeta tenía el có­ digo específico del cliente, de esta forma se mediría la respuesta a los distintos mensajes de venta. Al analizar los resultados, el director de investigación de mercados quiso saber si había una diferencia significativa en los niveles de respuesta de los tres ofrecimientos. Además, le interesaba saber si las características de las respuestas de los consumidores diferían de manera significativa entre cada oferta. La respuesta más importante provino de la comunicación que enfatizaba las marcas de la línea de productos. Estos clientes estaban muy por encima de los otros dos grupos, en términos de ingresos, educación y edad. Estos resultados permitieron a la tienda de departamentos lanzar un programa de mercadotecnia con base en una línea de productos más amplia y dirigida a los clientes más antiguos y consumidores potenciales con ingresos altos. Como se ilustra en este ejemplo, las bases de datos de mercado permiten llevar a cabo programas de mercadotecnia sofisticados y dirigidos a un objetivo específico.

F

u en tes d e d a to s secu n d a r io s q u e se p u b l ic a n a n iv e l e x t er n o Las fuentes de datos secundarios que se publican a nivel externo incluyen los gobiernos fede­ ral, estatal y local; las organizaciones no lucrativas (por ejemplo Cámaras de Comercio); las asociaciones comerciales y de profesionales; los editores comerciales; las empresas de corretaje de inversiones y las empresas de profesionales en investigación de mercados.13 De hecho, hay tantos datos disponibles que el investigador puede sentirse abrumado; por tanto, es importante clasificar las fuentes publicadas (véase la figura 4.2). Generalmente, pueden dividirse en datos comerciales y en datos gubernamentales. Las fuentes comerciales generales constan de guías, directorios, índices y datos estadísticos. Las fuentes gubernamentales pueden clasificarse más ampliamente como datos de los censos y otras publicaciones. Estos distintos tipos de datos se estudian posteriormente, y las fuentes específicas de cada categoría se presentan en el apén­ dice 4 A .14

Datos generales de publicaciones empresariales Las empresas publican mucha información en forma de libros, periódicos, diarios, revistas, boletines, reportes y literatura comercial. Esta información se localiza mediante guías, directo­ rios e índices. Las fuentes también están disponibles para identificar los datos estadísticos.15 Guías Las guías son una excelente fuente de información periódica y de uso corriente. Una guía puede ayudar a identificar otras fuentes importantes de directorios, como asociaciones y publicaciones comerciales. De hecho, son una de las primeras fuentes que el investigador debe consultar. Algunas de las más útiles son: American Marketing Association Bibliography Series, Business Information Sources, Data Sources for Business and M arket Analysis y Encyclopedia o f Business Information Sources. En el apéndice 4A se proporciona más información sobre éstas y otras guías. D irectorios Los directorios son de gran ayuda para identificar individuos u organizaciones que recopilan datos específicos. Algunos de estos importantes directorios son el Consultants and Consulting Organization Directory; Directories in Print; Encyclopedia o f Associations; FINDEX: The Directory o f Market Research Reports, Studies and Surveys; y Research Services Directory (véase el apéndice 4A ).

Indices Es posible localizar información sobre un asunto específico en diferentes publica­ ciones usando un índice. Por tanto, los índices pueden aumentar la eficiencia del proceso de búsqueda. Varios de éstos se utilizaron en el proyecto de las tiendas departamentales.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Búsqueda de datos _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ Además de la revisión de la literatura teórica, que estudiamos en el capítulo 2, también es necesario identificar las fuentes de datos secundarios que no provienen de centros de estudios y están relacionadas con la selección de las tiendas de departamentos y a otros aspectos de la clientela de la tienda. Se utilizaron el Business Periodicals Index, el N ew York Times Index y el Wall Street Journal Index para generar una lista de artículos relacionados con el tema y publicados a partir de 1990. El Business Periodicals Index clasifica los artículos por empresa e industria específicas, facilitando la localización de los artículos de interés. Algunos artículos obtenidos de esta manera fueron de gran utilidad. Uno de ellos señalaba la tenden­ cia de la gente a combinar las compras con la comida fuera de casa. Por ello, como menciona­ mos en el capítulo 2, se estructuró una pregunta de investigación para estudiar este compor­ tamiento. ♦ Como se ilustra en este ejemplo, los índices facilitan en gran medida una búsqueda directa de la literatura relevante. Existen disponibles índices de fuentes tanto académicas como comerciales. Algunos de los índices más útiles son el Business Index, Business Periodicals Index, Predicasts F & S Index: United States, Social Sciences Citation Index y el Wall Street Journal Index, como se describe en el apéndice 4A. Datos estadísticos no gubernamentales Los datos estadísticos publicados son de gran inte­ rés para los investigadores. Pueden llevarse a cabo análisis gráficos y estadísticos de estos datos para extraer y profundizar en algunas ideas. Se incluyen dentro de las fuentes impor­ tantes de datos estadísticos no gubernamentales la A Guide to Consumer Markets, Predicasts Forecasts, Sales and Marketing Management Survey ofBuying Power, Standard and Poor’s Statistical Service y Standard Rate and Data Service.

Fuentes gubernamentales El gobierno de Estados Unidos produce grandes cantidades de datos secundarios. Sus publi­ caciones se dividen en datos del censo y otras publicaciones.16 Datos del censo U.S. Bureau of the Census es la fuente de datos estadísticos más grande del mundo. Su catálogo mensual menciona y describe sus distintas publicaciones.17 Sin embargo, es más conveniente la Guide to Economic Census. La calidad de los datos del censo es muy alta y, con frecuencia, los datos se presentan detalladamente. Además, pueden adquirirse cintas de computadora o disquetes por un costo nominal y modificar esta información de acuerdo con el formato deseado.18 Muchas fuentes privadas actualizan los datos del censo en un nivel geográfico detallado para los años intermedios entre cada censo.19 En el apéndice 4A se des­ criben importantes datos del censo. Incluyen el Census ofH ousing, Census o f Manufacturers, Census o f Population, Census ofR etail Trade, Census o f Service Industries y Census o f Wholesale Trade. El recuadro Investigación en la práctica 4.2 profundiza en algunas ideas de los datos del Censo de Población.20 Otras publicaciones gubernamentales Además de los censos, Estados Unidos recopila y pu­ blica gran cantidad de datos estadísticos. Las publicaciones más útiles son Business America, Business Conditions Digest, Business Statistics, Index to Publications, Statistical Abstract o f the United States y Suwe} o f Current Business (véase el apéndice 4A).

I nvestigació n en la práctica 4.2 Comentarios del director del censo Barbara Everitt Bryant, ex directora del U.S. Bureau of the Census, reflexiona sobre su trabajo y el censo de 1990. Encontró que este trabajo puede ser gratificante y representar desafíos. Las recompensas se basan en el sueño de todo investigador de contar con presupuesto y recursos amplios. Los retos sur­ gen por los aspectos legales originados en la recopilación de datos. Describió su posición como la cumbre de una montaña que es a la vez “rocosa y desafiante”. El diseño del censo de 1990 fue una repetición de los dos censos anteriores de 1980 y 1970. El censo se llevó a cabo en tres fases. La primera fue desarrollar una extensa lista de correo. En la segunda fase se enviaron los cuestionarios a cada familia registrada en la lista. En la tercera fase se designó personal para entrevistar a aquellas familias cuyo envío postal se hubiera perdido o bien no hubieran respondido. El problema con el censo fue que disminuyó el número de cuestionarios respondidos, 75% en 1980 en comparación con 63% en 1990. La reducción en la respuesta a los cuestionarios hará muy difícil el censo del año 2000. Con este problema en mente, se ha iniciado una investigación y el desarro­ llo de 14 propuestas de nuevos diseños. Los ensayos de prueba de los dos diseños más importantes tendrán lugar en 1995. Enviar los cuestionarios por correo seguirá siendo el elemento principal del censo del año 2000, pero el pro­ cedimiento será muy diferente al que se siguió en los censos anteriores. La señora Bryant describió el censo de 1990 como un “triunfo operacional al borde del desastre en las relaciones públicas’1. Se enorgullece de que el censo haya contabilizado a más del 98% de la población. Sin embargo, los medios se concentraron en el 1.6% que no se contabilizó. Las preguntas legales en rela­ ción con el censo se desarrollaron aun antes de que diera inicio el de 1990, cuando se presentaron las primeras 18 demandas legales. Su gran decepción fue no ser capaz de ajustar estadísticamente el censo de 1990 y los estimados de población para 1992. El ajuste estadístico sería suficiente para mejorar el conteo a nivel estatal y nacional pero seria problemático por debajo del nivel estatal. Este problema se debe a que algunas comunidades podrían sobreestimarse en tanto que otras resultarán subestimadas; no obstante, estas dos posibilidades no pue­ den distinguirse. Las consecuencias políticas de la encuesta también son apa­ rentes. puesto que los gobernantes electos se esforzarían por maximizar los conteos y la participación de la población en sus respectivas áreas.

B

ases d e d a to s p o r c o m p u t a d o r a Las bases de datos por computadora consisten en información disponible que puede leerse en computadora y distribuirse en forma electrónica. A partir de la década de los ochenta, el número de bases de datos, así como los vendedores que proporcionan estos servicios han crecido en forma considerable. La mayor parte de la información publicada se encuentra disponible en este formato. Las bases de datos computarizadas ofrecen numerosas ventajas en relación con los datos impresos, incluyendo las siguientes:21

bases de datos en línea Bases de datos almacenadas en compu­ tadora que requieren de una red de telecomunica­ ciones para su acceso. bases de datos fuera de línea Bases de datos que están disponibles en disquete o en disco com­ pacto CD-ROM. bases de datos bibliográficas Bases de datos compuestas por citas de artículos en pe­ riódicos, revistas, diarios, estudios de investigación de mercados, informes técnicos, documentos gubernamentales y otros documentos parecidos. Con frecuencia, pro­ porcionan resúmenes o extractos del material citado. bases de datos numéricas Bases de datos que contienen información numérica o estadística y pueden ser importantes fuentes de datos secundarios.

Los datos se actualizan porque tanto los editores como los compiladores usan las computadoras como tecnología de producción primaria. El proceso de búsqueda es más extenso, rápido y sencillo que antes. Los vendedores en línea proporcionan fácil acceso a cientos de bases de datos. Además, esta información puede accesarse en forma instantánea y el proceso de búsqueda se simplifica, ya que los vendedores proporcio­ nan protocolos de búsqueda uniformes y comandos para agilizar la entrada a las bases de datos. El costo de acceso a estas bases de datos es bajo porque la información puede transferirse a alta velocidad. 4. Es conveniente y fácil accesar estos datos usando una computadora personal equipada con instrumentos de comunicación apropiados, como un módem o una red de comunicación. Aunque las bases de datos por computadora son útiles, también son muy extensas y pueden resultar confusas. De cualquier manera, una clasificación de las bases de datos por computadora es de gran ayuda.

Clasificación de las bases de datos por computadora Las bases de datos pueden clasificarse como en línea o fuera de línea, como se muestra en la figura 4.3. Las bases de datos en línea consisten en un banco central de datos al que se accesa a través de una computadora (o terminal) mediante una red de telecomunicaciones.22 Las bases de datos fuera de línea ponen la información a disposición del usuario en disquetes y discos CD-ROM . De este modo, el usuario puede accesar las bases de datos fuera de línea desde el lugar en donde se encuentre, sin necesidad de usar una red externa de telecomunica­ ciones.23 Por ejemplo, el U.S. Bureau of the Census pone a disposición de los usuarios archivos de datos por computadora en discos CD-RO M . Estos discos contienen la información deta­ llada y organizada por cada censo o por código postal. En el proyecto de patrocinio a las tien­ das de departamentos se utilizó este tipo de información para la selección de las muestras.24 Ambas bases de datos pueden clasificarse como bibliográficas, numéricas, de texto com­ pleto, directorios o bases de datos para propósitos especiales. Las bases de datos bibliográfi­ cas comprenden citas de artículos en periódicos, revistas, diarios, estudios de investigación de mercados, informes técnicos, documentos gubernamentales y otros documentos del mis­ mo tipo.25 Con frecuencia, proporcionan resúmenes o extractos del material citado. Dentro de los ejemplos de bases de datos bibliográficos se incluyen el ABI/Inform y el Predicast Ter­ minal System. Otra base de datos bibliográfica, Management Contents, proporcionado por la Dialog Corporation, se utilizó para incrementar la búsqueda de literatura en el proyecto de patrocinio a las tiendas de departamentos. Las bases de datos númericas contienen información numérica y estadística. Por ejem­ plo, algunas bases de datos numéricas proporcionan datos de series de tiempo (datos arreglados

F ig u r a 4.3 Clasificación de las bases de datos por computadora

Bases de datos bibliográficas

Bases de datos numéricas

Bases de datos de texto com pleto

Bases de datos de directorios

Bases de datos para propósitos especiales

bases de datos de texto completo Bases de datos que contienen el texto completo de de la fuente secundaria de los docu­ mentos que comprende. directorios de bases de datos Bases de datos que proporcionan informa­ ción acerca de indivi­ duos, organizaciones y servicios.

bases de datos para pro­ pósitos especiales Bases de datos que contienen información de naturale­ za específica, por ejem­ plo, datos especializados sobre una industria.

en relación con el tiempo) sobre la economía y algunas industrias específicas y que producen vendedores como Boeing Computer Services Company, Data Resources, Evans Economics y Office of Economic Coordination and Development. También se encuentran disponibles bases de datos numéricas basadas en los censos de población y vivienda de 1980 y 1990, que se han actualizado para proporcionar los datos referentes a cada región y código postal. Entre los ven­ dedores que proporcionan estas bases de datos se encuentran el U.S. Bureau of the Census, Donnelley Marketing Information Services, CACI Inc., y National Decisión Systems. Las bases de datos de texto completo contienen el texto completo de los documentos fuente de que consta la base de datos. Vu/Text Information Systems, Inc., proporciona la entrega electrónica de textos completos y tiene capacidad de búsqueda en gran cantidad de periódicos (Washington Post, Boston Globe, Miami Herald). Mead Data Central, a través de su servicio Nexis, ofrece el acceso a textos completos de cientos de bases de datos comerciales, incluyendo algunos diarios selectos, periódicos, informes anuales de empresas e informes de empresas de inversión. Los directorios de bases de datos proporcionan información sobre individuos, organi­ zaciones y servicios. Economic Information Systems, Inc., a través de su base de datos EIS Nonmanufacturing Establishments, ofrece información acerca de la ubicación, las casas ma­ trices, el nombre, el porcentaje de ventas en la industria y la cantidad de empleados de 200 000 establecimientos aproximadamente que no se dedican a la fabricación y que emplean a 20 per­ sonas o más. Como otro ejemplo tenemos los directorios nacionales electrónicos Yellow Pages que facilitan la información necesaria de fabricantes, mayoristas, detallistas, profesionales y organizaciones de servicio que proporcionan los nombres, direcciones y los números de la Standard Industrial Classification. Por último, existen las bases de datos para propósitos especiales. Por ejemplo, la base de datos de Profit Impact of Market Strategies (PIMS) registra los progresos en la investigación y análisis de las estrategias de negocios que lleva a cabo el Strategic Planning Institute en Cambridge, Massachusetts. Esta base de datos está compuesta por más de 250 compañías, que proporcionan datos sobre más de 2 000 negocios.26 Casi todas las bibliotecas de las gran­ des universidades mantienen bases de datos por computadora sobre administración y litera­ tura relacionada con el tema para que los estudiantes tengan acceso a éstas sin costo. Las bases de datos para propósitos especiales han ganado popularidad en la industria de los hos­ pitales, como se ilustra en el siguiente ejemplo.

EJEMPLO BaseLine ayuda a los hospitales a mantener una línea inferior sana -------BaseLine es un sistema de datos comparativos e interactivos en línea de la Commission on Professional and Hospital Activities (CPH A ). Este sistema proporciona a los usuarios que trabajan en el campo de la salud, un acceso en línea a los datos internos y normativos que provienen de la gran base de datos de CPHA que es la base de descarga de datos de informa­ ción hospitalaria más grande a nivel nacional. Los hospitales pueden, de una manera muy cómoda, comparar su propio desempeño con las normas CPHA, observar tendencias y patro­ nes generales, analizar los registros de los pacientes, así como las actividades de los médicos. En la BaseLine pueden llevarse a cabo análisis de modo ad hoc, mediante una microcomputadora, después de alimentarla desde la BaseLine, o utilizando un sistema de menú flexible. La lista de opciones incluye informes sobre la gravedad de la enfermedad, tiempos de estancia en el hospital, gastos totales y desempeño comparativo. Más de 100 hospitales y nueve asociaciones hospitalarias en Estados Unidos utilizan la BaseLine. La información de BaseLine los ha ayudado a realizar análisis de competitividad, administrar su portafolio de productos y determinar qué servicios deberán proporcionarse a los pacientes externos, lle­ vándolos a aumentar sus ganancias.27 ♦ Aunque las bases de datos son numerosas y variadas, tanto que su cantidad total puede ser abrumadora y localizar alguna en particular parece difícil. Entonces, ¿cómo puede localizarse una base de datos específica, sea bibliográfica, numérica, de textos completos, directorios o para propósitos especiales? Los directorios de las bases de datos proporcionan la ayuda necesaria.28

T a b l a 4.3 Panorama de los servicios que obtienen la información de fuentes sindicadas Tipo

Características

Ventajas

Desventajas

Usos

Servicios

Encuestas realizadas a intervalos regulares

La manera más flexi­ ble de obtener datos; información de las razones más importan­ tes

Errores de los entre­ vistadores; errores de los entrevistados

Segmentación de mercado, selección del tema publicita­ rio y efectividad publicitaria

Paneles diarios de compras

Los hogares proporcio­ nan en forma regular información específica durante un periodo pro­ longado

El comportamiento de compra registrado puede relacionarse con las características demográficas/psicográficas

Falta de representatividad; tendencias en la respuesta; ma­ duración

Pronóstico de ventas, parti­ cipación en el mercado y tendencias; establecimiento del perfil del consumidor, lealtad y cambio de marca; evaluación de las pruebas de mercado, la publicidad y la distribución

Paneles diarios de medios

Aparatos electrónicos que registran automáti­ camente el comporta­ miento y que comple­ mentan un diario

Igual que el panel diario de compras

Igual que el panel diario de compras

Establecimiento de las tarifas de publicidad; selección del programa en los medios o tiempo de transmisión; esta­ blecimiento del perfil del telespectador

Datos explora­ torios de seguimiento por volumen

Las compras de las fami­ lias se registran por medio de rastreadores electrónicos en los supermercados

Los datos reflejan las compras reales; los datos oportunos son menos costosos

Los datos pueden no ser representativos; errores en el registro de las compras; difi­ cultad para relacionar las compras con los elementos de la com­ binación de mercado­ tecnia distintos a los precios

Seguimiento del precio, creación de modelos, efecti­ vidad en la creación de mo­ delos dentro de las tiendas

Paneles diarios de rastreo por medio de la televisión por cable

Paneles de rastreo de los hogares que están suscri­ tos a la televisión por cable

Los datos reflejan las compras reales; con­ trol de la muestra; capacidad para rela­ cionar los datos del panel con las caracte­ rísticas de los hogares

Los datos pueden no ser representativos; la calidad de los datos es limitada

Análisis de las combinacio­ nes promocionales, prueba de los textos publicitarios, prueba de los nuevos pro­ ductos, posicionamiento

Servicios de auditoría

Verificación del movi­ miento del producto mediante el análisis de los registros físicos o a través del análisis de inventarios

Precisión relativa en cuanto a la informa­ ción a nivel de ventas al detalle y al mayoreo

La cobertura puede ser incompleta; la correspondencia de los datos en una acti­ vidad competitiva que puede ser difícil

Para la medición de las ven­ tas de consumo y la partici­ pación en el mercado, de las actividades competitivas, del análisis de los patrones de distribución: seguimiento de los nuevos productos

Servicios indus­ triales de información de fuentes sindicadas

Bancos de datos de esta­ blecimientos industriales creados a través de inves­ tigación directa en las empresas, en servicios de recorte de periódicos e informes corporativos

Importante fuente de información de las empresas industriales, particularmente útil en las fases iniciales de los proyectos

Los datos fallan en términos de conteni­ do, cantidad y calidad

Determinación del potencial de mercado por área geográ­ fica, definición de territorios de ventas, asignación del presupuesto de publicidad

estilos de vida Patrones distintivos de la manera en que se vive, que des­ criben las actividades en que se ocupan las perso­ nas, sus intereses y las opiniones que tienen de sí mismos y del mundo que los rodea (AIO).

refieren a los distintos modos de vida de la sociedad y de algunos de sus segmentos. Estas medidas se relacionan generalmente con actividades, intereses y opiniones, o simplemente con los AIO. El Yankelovich Monitor proporciona una aplicación.

EJEMPLO Campbell se asegura de que los AIO estén en su sopa de letras_ _ _ _ _ _ _ _ _ La compañía Yankelovich Partners Inc. proporciona el Yankelovich Monitor, una encuesta que contiene datos acerca de estilos de vida y tendencias sociales. La encuesta se lleva a cabo durante la misma temporada anualmente, entre una muestra proyectable a nivel nacional de 2 500 adultos, de 16 años o más, incluyendo una muestra especial de 300 estudiantes univer­ sitarios que viven en un campus. La muestra se basa en los datos de los censos más recientes. Todas las entrevistas se llevan a cabo personalmente en el hogar del entrevistado, y la duración aproximada es de dos horas y media. Las agencias de publicidad usan el Yankelovich Monitor para deducir cambios en los estilos de vida y diseñar temas publicitarios que reflejen estas tendencias. Por ejemplo, la campaña Campbell Soup que muestra a un esposo preparando la sopa fue diseñada cuando se descubrió un cambio significativo provocado por la transforma­ ción de los papeles familiares tradicionales.29 ♦ Otro ejemplo es el Needham, Harper and Steers Lifestyle Study, que ha seguido las actitudes y comportamientos del consumidor a lo largo de muchos años.30 El Stanford R e­ search Institute realiza una encuesta anual de consumidores que clasifica a las personas por medio del VALS-2 (valores y estilos de vida) para propósitos de segmentación.31 También está disponible información sobre aspectos específicos en los estilos de vida de los consumidores. Audits and Surveys, Inc. realiza una encuesta anual entre 5 000 consumidores que partici­ pan en deportes y actividades recreativas. E valu ación pu blicitaria El propósito de este tipo de encuestas es evaluar la efectividad de la publicidad con medios escritos y televisivos. Las dos encuestas más conocidas son Gallup and Robinson Magazine Impact Studies y Starch Readership Survey. El ejemplo siguiente mues­ tra cómo se utiliza el Starch.

EJEMPLO Starch mejora la evaluación de la efectividad publicitaria- - - - - - - - - - - - - - - - - - Starch proporciona evaluaciones a la mayoría de las revistas para consumidores, a revistas espe­ cializadas en negocios, así como a publicaciones industriales. Esta evaluación puede hacerse para anuncios particulares, y también para campañas a lo largo de un periodo. Como una medi­ da de la efectividad de la publicidad, Starch clasifica la lectura de las revistas en tres grupos: 1) aquellos que recuerdan una publicidad en particular (“tomaron nota”), 2) aquellos que aso­ cian el nombre del patrocinador con la publicidad (“visto-asociado”), y 3) aquellos que leyeron la mitad del texto (“leyeron la mayor parte”) . Estos resultados son importantes en especial para los grandes anunciantes como Procter &. Gamble, General Motors, Sears, PepsiCo, Eastman Kodak y McDonald’s, que se interesan en saber si su inversión en publicidad vale la pena.32 ♦ La evaluación de la efectividad es aún más crítica en el caso de la publicidad por televi­ sión. Los comerciales de televisión se evalúan mediante cualquiera de los dos métodos si­ guientes: la selección de la audiencia o las visitas a domicilio. En el primer método, los entre­ vistados se seleccionan y se llevan a una central, como puede ser un teatro o un laboratorio móvil. Ahí, observan los comerciales y proporcionan datos respecto al conocimiento, actitu­ des y preferencias relacionadas con el producto anunciado y el comercial. McCollum/Spielman Company Audience Studies (ASI), Burgoyne, Inc., PACE (Personation and Communication Effectiveness) y Tele-Research, Inc. se encuentran entre las fuentes independientes que em­ plean este método.

En el método de inspección desde su domicilio, los consumidores evalúan los comer­ ciales en su casa y ambiente normal. Los anuncios nuevos pueden probarse previamente a nivel de la cadena televisiva, o bien en los mercados locales. Entonces se lleva a cabo una encuesta entre los telespectadores para evaluar la efectividad de los anuncios. Los servicios que utilizan este método incluyen AdTel, Ltd., Televisión Testing Company, A R S División, Research Systems, Inc. y Audience Studies/Com. Lab, Inc. Encuestas generales Las encuestas también se realizan para gran variedad de propósitos, incluyendo el análisis del comportamiento del consumidor en cuanto a sus compras y patro­ nes de consumo. La Gallup Organization, Inc., estudia cada año a 15 000 familias de acuerdo con sus compras de productos de consumo. El National Menú Census, que lleva a cabo la Marketing Research Corporation of America, investiga el consumo de productos alimenti­ cios en los hogares. Proporciona datos sobre las comidas, botanas, comida para llevar, etc. Trendex Inc., estudia cada trimestre a 15 000 familias acerca de la adquisición y propiedad de productos de consumo no perecederos. Estas encuestas pueden adaptarse con el fin de satis­ facer las necesidades específicas del cliente como se muestra en el siguiente ejemplo.

EJEMPLO La adaptación a través de fuentes sindicadas _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ Los Roper Reports, que prepara Roper Organization, son un servicio de información sindica­ do que ofrece la posibilidad de adaptación. Proporciona datos sobre el comportamiento y la opinión pública, relacionados con un amplio rango de cuestiones sociales, económicas y po­ líticas, así como para varias clases de productos y estilos de vida. Los datos se recopilan cada cinco semanas a través de entrevistas personales a una muestra de 2 000 adultos mayores de 18 años a nivel nacional. Además de las preguntas comunes, se dispone de un servicio de preguntas dirigidas de acuerdo con lo que solicitan los clientes. Roper Organization afirma que este servicio ofrece una combinación única de frecuencia, velocidad en la entrega de informes, costo reducido, tamaño amplio de la muestra y extensas divisiones demográficas.33 ♦ Usos de las encuestas Debido a la gran variedad de datos que se obtienen, aquellos que se derivan de las encuestas tienen numerosos usos. Pueden utilizarse en la segmentación de mercados de igual forma que los datos psicográficos y de estilos de vida, así como para esta­ blecer perfiles del consumidor. Las encuestas también son útiles para determinar la imagen del producto, sus dimensiones y posicionamiento y para realizar análisis de percepción de precios. Otros usos importantes incluyen la selección de los temas publicitarios y la evalua­ ción de la efectividad de la publicidad. Ventajas y desventajas de las encuestas Las encuestas son el medio más flexible de obtener datos del público. El investigador puede concentrarse en un segmento determinado de la población: adolescentes, propietarios de casas para vacacionar o amas de casa entre 30 y 40 años. Las encuestas constituyen el medio básico para obtener información relacionada con las motivaciones, actitudes y preferencias de los consumidores. Durante las entrevistas pue­ den hacerse gran variedad de preguntas, al tiempo que pueden usarse apoyos visuales como envases, productos y otras propuestas. Los datos de las encuestas, analizados de manera apro­ piada, pueden manipularse de muchas maneras a fin de que el investigador pueda observar las diferencias entre los grupos, así como los efectos de las variables independientes como edad o ingresos. Incluso puede predecir comportamientos futuros. Por otro lado, los datos de las encuestas pueden limitarse en diversas formas. Ante todo, el investigador debe confiar y apoyarse en los informes de los encuestados. Existe una brecha entre aquello que dicen los entrevistados y lo que realmente hacen. Pueden ocurrir errores porque el entrevistado no recuerda bien o da respuestas aceptadas por la sociedad. Además, las muestras pueden estar sesgadas, las preguntas mal redactadas, tal vez los encuestadores no tienen la capacitación o supervisión adecuadas y los resultados se interpre­ tarán en forma errónea.

Paneles diarios Con frecuencia, los datos de las encuestas pueden complementarse con datos obtenidos de los paneles diarios. Los paneles diarios se estudiaron en el capítulo 3 en el contexto de los diseños longitudinales de investigación. Los paneles diarios son muestras de entrevistados que proporcionan información específica en intervalos regulares a lo largo de un periodo prolongado. Los encuestados pueden ser organizaciones, familias o individuos, aunque los más comunes son los familiares. El aspecto distintivo de los paneles diarios es que los encuestados anotan su comportamiento específico conforme ocurre. En general, el panel se envía a la organización de investigación en un periodo de una a cuatro semanas. Los miem­ bros del panel reciben una retribución por su participación con regalos, cupones, informa­ ción o dinero. Con base en el contenido de la información anotada, los paneles diarios pue­ den clasificarse tanto de compras como de medios. paneles diarios de compras Técnica de recopilación de datos en la que los entrevistados registran sus compras todos los días.

P aneles diarios de com pras En los paneles diarios de compras, los entrevistados llevan un control de las compras diarias de gran variedad de productos, como en el National Purchase Diary Panel.

EJEMPLO La información en estos diarios no es secreta _____________________ El National Purchase Diary Panel (NPD) mantiene el mayor panel diario de Estados Unidos. Más de 14 500 familias utilizan paneles diarios impresos para registrar sus compras mensuales en 50 categorías de productos aproximadamente. Los entrevistados proporcionan información detallada respecto a marcas y cantidad comprada, precio pagado, si hubo algún trato especial en la compra, la tienda donde se efectuó la compra y la intención de uso. El panel total incluye 29 paneles miniatura, cada uno de los cuales representa un mercado local. La compo­ sición del panel es representativa de la población total de Estados Unidos. La información proporcionada por National Purchase Diary Panel es usada por compañías de refrescos como Coca-Cola, para determinar la lealtad o cambios de marca y describir a los grandes usuarios de las diversas marcas.34 ♦ Otras organizaciones que mantienen paneles diarios de compras son National Family Opinión (NFO) y Market Research Corporation of America (MRCA). Estas organizaciones también mantienen paneles diarios para propósitos especiales. Por ejemplo, NFO tiene un panel diario de bebidas que consiste en 12 000 familias que proporcionan información tri­ mestral sobre el consumo de bebidas. El panel de MRCA’s Funds proporciona información diaria sobre las decisiones financieras de los consumidores más activos de servicios financie­ ros al detalle. El panel Funds se basa en una muestra nacional, seleccionada para representar a las familias con ingresos anuales superiores a 25 000 dólares, con una atención especial a la categoría de 75 000 dólares y más.

paneles diarios de regis tro de medios Técnica de recopilación de datos compuesta por muestras de entrevistados cuyo comportamiento como telespectadores se registra automáticamente mediante dispositivos electrónicos que propor­ cionan un registro diario de la información acer­ ca de las compras.

Paneles diarios de registro de m edios En los paneles diarios de registro de medios, los apa­ ratos electrónicos registran automáticamente el comportamiento de los telespectadores y proporcionan los datos para el panel. Quizá el panel diario más común es el panel de los medios de Nielsen Televisión Index (N TI).

EJEMPLO Tenga cuidado con lo que ve: A.C. Nielsen lo está viendo a usted ------------Nielsen Televisión Index consiste en una muestra representativa de 1 200 familias aproxima­ damente. Cada una de estas familias tienen un aparato electrónico llamado audiómetro ins­ tantáneo de almacenamiento, acoplado a su aparato de televisión. El audiómetro registra en forma constante el comportamiento de los observadores, incluyendo cuando está prendido el

Un aparato electrónico para medir los niveles de audiencia que utiliza Nielsen para monitorear el comportamiento del telespectador. ♦ Eric Mencher/Picture Group.

aparato, qué canales se seleccionan y durante cuánto tiempo. Estos datos se almacenan en el audiómetro y se transmiten por vía telefónica a una computadora central. Los datos recopila­ dos por el audiómetro se complementan con registros diarios de los paneles, llamados audílogos. El audílogo contiene información sobre quién ve cada programa y, de este modo, calcula el tamaño de la audiencia y sus características demográficas. Con estos datos, Nielsen calcula el número y porcentaje de todas las familias que ven un programa determinado. Este informe es muy popular, se publica dos veces por semana y está disponible para los clientes dos semanas después del periodo medido. Para aquellos que requieren información más frecuente, Nielsen instala una terminal en las oficinas del cliente que permite recibir la evaluación de las familias dentro de las 24 horas siguientes a la salida al aire del programa. Esta información se divide en 10 características demográficas y socioeco­ nómicas: ingreso familiar, educación y ocupación del jefe de familia, tamaño de la familia, edad de los hijos, de las mujeres, de los hombres y ubicación geográfica. El Nielsen Televisión Index es muy útil para empresas como A T& ’X Kellogg Company, J.C. Penney, Pillsbury y Unilever al seleccionar programas de televisión específicos en los cuales pondrán al aire sus anuncios.35 ♦ Además del Nielsen Televisión Index, otros servicios proporcionan paneles diarios de medios. Arbitron mantiene paneles diarios en la radio y televisión locales.36 En el sistema ScanAmerica se recopilan detalladamente los cambios de canal en cada uno de los aparatos de los hogares, incluyendo la programación normal, la programación por cable y el uso de las reproductoras de video, a través de un dispositivo electrónico.37 U sos de los pan eles diarios Los paneles diarios de compras proporcionan información útil para el pronóstico de ventas, estimación en la participación en el mercado, evaluación de la lealtad a la marca y el comportamiento que lleva a realizar un cambio de marcas; establece per­ files de grupos específicos de usuarios, mide la efectividad de la promoción y lleva a cabo prue­ bas controladas en tiendas. Los paneles diarios de medios producen información útil para establecer las tarifas de publicidad en las redes de radio y televisión, al seleccionar la programa­ ción adecuada y perfilar a los subgrupos de televidentes y radioescuchas. Los publicistas, plani­ ficadores de medios y compradores encuentran muy útil la información derivada de los paneles.

Ventajas y desven tajas de los pan eles diarios Al compararlos con las encuestas por muéstreo, los paneles diarios ofrecen algunas ventajas muy significativas.38 Los paneles propor­ cionan datos longitudinales (datos que pueden obtenerse del mismo encuestado en forma repetitiva). Las personas que aceptan ser miembros de los paneles proporcionan datos en mayor cantidad y de mejor calidad que los entrevistados por muestreo. En los paneles diarios de compras, la información se registra en el momento de la compra y se eliminan errores de captura.39 La información registrada por aparatos electrónicos es exacta porque se suprimen los errores humanos. Las desventajas de los paneles diarios incluyen la falta de representatividad, madura­ ción y respuestas sesgadas. La mayor parte de los paneles diarios no son representativos de la población de Estados Unidos. Representan en forma incompleta a grupos como las minorías y aquellos grupos con bajo nivel educativo. Este problema se combina además con la negativa a responder y el desgaste que sufren los miembros del panel. Con el tiempo, empieza la madu­ ración y los miembros del panel deben reemplazarse (véase el capítulo 7). Las respuestas sesgadas pueden ocurrir, ya que el simple hecho de pertenecer al panel puede alterar el com­ portamiento. Los errores de registro también son posibles porque los datos se capturan a mano (véase el capítulo 3).

Servicios de exploración electrónicos datos de exploración electrónica Datos que se obtienen al pasar la mercancía sobre un rastreador electrónico que lee el código UPC impreso en los paquetes. datos de seguimiento por volumen Datos de rastreo que proporcionan información acerca de las compras por marca, ta­ maño, precio y sabor o formulación. paneles diarios de exploración Datos de rastreo en que los miem­ bros del panel se identifi­ can con una tarjeta que permite almacenar la información acerca de las compras de los miembros del panel respecto a cada compra individual. paneles diarios de exploración de televisión por cable Combinación de los paneles de rastreo diarios con la manipula­ ción de la publicidad que se transmite a través de la programa­ ción de las empresas de televisión.

A pesar de que la información proporcionada por las encuestas y paneles diarios es útil, los servicios electrónicos de exploración son cada vez más populares. Los datos de exploración electrónica reflejan algunos de los últimos desarrollos tecnológicos en la industria de la investigación de mercados. Los datos de exploración electrónica se recopilan al pasar la mer­ cancía sobre un rastreador láser que lee ópticamente la descripción del código de barras (có­ digo universal del producto o UPC) impreso en la mercancía. Este código se relaciona con el último precio guardado en la memoria de la computadora y se usa para preparar la factura de venta. La información impresa en la factura incluye la descripción, así como los precios de todos los artículos comprados. Los rastreadores de comprobación se utilizan actualmente en muchas tiendas al detalle y están revolucionando la investigación de mercados de los pro­ ductos empacados. Existen disponibles tres tipos de datos de exploración electrónica: datos de seguimien­ to por volumen, paneles diarios de exploración y paneles diarios de exploración con televi­ sión por cable. Los datos de seguimiento por volumen proporcionan información sobre las compras por marca, tamaño, precio, sabor o formulación, con base en los datos de ventas recopilados de las cintas del rastreador de comprobación. Esta información se compila a nivel nacional, a partir de una muestra de supermercados que cuentan con rastreadores electró­ nicos. Los servicios de exploración electrónica que proporcionan datos de seguimiento por volumen son, entre otros, el National Sean Track (A.C. Nielsen), el N A BSCA N (The Newspaper Advertising Bureau) y el TRIM (Tele-Research, Inc.).40 En los paneles diarios de exploración, cada miembro de la familia recibe una tarjeta de identificación que parece una tarjeta de crédito. Los miembros del panel presentan esta tarjeta de identificación en la caja registradora cada vez que van de compras. El cajero captura los números de la tarjeta de identificación y de cada artículo comprado por el consumidor. Esta información se almacena por día y hora durante la semana.41 Un sistema aún más avanzado del uso de rastreadores electrónicos son los paneles dia­ rios de exploración de televisión por cable, en los que se combinan paneles diarios con las nuevas tecnologías que surgen en la industria de la televisión por cable. Las familias que parti­ cipan en estos paneles se suscriben en alguno de los sistemas de televisión por cable disponibles en su área. A través de este sistema, los comerciales sujetos a estudio se dividen entre las casas de los miembros del panel. Por ejemplo, la mitad de la familia puede ver el comercial de prueba A durante las noticias de las 6:00 p.m. mientras que la otra mitad ve el comercial de prue­ ba B. Estos paneles permiten a los investigadores realizar experimentos confiables y controlados en un medio relativamente natural.42

EJEMPLO Uso de los televisores en los hogares para probar la publicidad del cereal Total _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ Testsight (ERIM, A.C. Nielsen) permite transmitir publicidad a las familias participantes sin el uso del sistema de televisión por cable. Puesto que los miembros del panel pueden selec­ cionarse de todos los televisores disponibles en los hogares, y no sólo de aquellos que cuentan con televisión por cable, se eliminan las tendencias. Mediante este tipo de sistema, General Mills pudo probar cuál de los cuatro anuncios de prueba para su cereal Total daba como resultado las ventas más altas. Se seleccionaron cuatro grupos de miembros de panel y cada uno recibió un comercial de prueba diferente. Estos hogares se controlaron a través de un rastreador electrónico de datos para determinar qué grupo compró la mayor cantidad de cereal Total. ♦ Este ejemplo muestra cómo los servicios de rastreo electrónicos incorporan una tecno­ logía de investigación de mercados más avanzada, que produce algunas ventajas sobre las encuestas y los datos de los paneles diarios. Usos de los datos de rastreo Los datos de rastreo son útiles para gran variedad de propósi­ tos.43 Los datos de seguimiento por volumen a nivel nacional pueden utilizarse para rastrear las ventas, los precios y la distribución; con el fin de elaborar modelos y analizar las primeras señales de peligro. Los paneles diarios de rastreo mediante televisión por cable pueden utilizar­ se para probar nuevos productos, reposicionar los mismos, analizar la combinación promocional y tomar decisiones sobre cuestiones de publicidad que incluyen: presupuesto, redacción de anuncios, medios y precios. Estos paneles proporcionan a los investigadores de mercados un medio ambiente único y controlado para la manipulación de las variables del mercado. Ventajas y desventajas de los datos de rastreo Los datos de rastreo tienen una ventaja obvia sobre las encuestas y los paneles diarios, porque reflejan la conducta del comprador que no está sujeta a los procesos de entrevista, la memoria o las tendencias de los expertos. El registro de compras que se obtiene mediante los rastreadores es completo y no presenta tendencias por sensibilidad al precio, ya que el miembro del panel no necesita conocer los cambios y los niveles en los precios. Otra ventaja es que las variables producidas dentro de la tienda, como la comparación de precios, las promociones y los exhibidores, son parte integral del conjunto de datos resultante. Es muy probable que los datos sean actuales y se obtengan con rapidez. Por último, este tipo de paneles de rastreo proporcionan un ambiente de pruebas muy con­ trolado. La mayor debilidad de los datos de rastreo es su falta de representatividad. Los datos de seguimiento por volumen a nivel nacional quizá no puedan proyectarse a la población total porque sólo los grandes supermercados tienen rastreadores. Además, se excluyen ciertos pun­ tos de venta como tiendas de abarrotes, farmacias y grandes comerciantes masivos. De la misma manera, los rastreadores tienen una dispersión geográfica y una cobertura limitadas. La calidad de los datos de rastreo electrónico puede verse reducida por diversos factores. No todos los productos pueden leerse a través del rastreador. Por ejemplo, si un artículo es muy pesado, el cajero puede usar el número de registro para marcarlo. Si un artículo no se lee en el primer intento, el cajero puede marcar el precio manualmente, ignorando el código de barras. A veces, el consumidor adquiere distintos sabores de un mismo producto, sin embargo el ca je­ ro sólo tiene que pasar por el lector óptico uno de éstos y marcar el número de artículos com­ prados. De esta manera la transacción se registra en forma incorrecta. Con respecto a los paneles de rastreo, la tecnología disponible en la actualidad sólo permite el control de un televisor por hogar. De aquí que exista una tendencia incorporada si la familia tiene más de un aparato. Además, el sistema proporciona información acerca de los aparatos en uso, más que del comportamiento de los televidentes. Aunque los datos de rastreo proporcionan infor­ mación acerca de las ventas y el comportamiento, no la ofrecen sobre las actitudes y prefe­ rencias más relevantes y las razones para esas selecciones específicas.

D

a to s s in d ic a d o s d e in s t it u c io n e s

Auditorías a mayoristas y detallistas auditoría Proceso de recolección de datos que se deriva de los registros de materiales o de la realización de un análisis de inventarios. El investi­ gador o sus representan­ tes recopilan los datos personalmente y por lo general se basan en conteos de objetos físicos más que de personas.

Como muestra la figura 4-4, los datos de fuentes sindicadas están disponibles para detallistas, mayoristas y empresas industriales. El medio más popular para obtener datos de los detallis­ tas y mayoristas son las auditorías. Una auditoría es el análisis y verificación formales del movimiento que llevó a cabo un producto, por medio del examen físico de los registros o el análisis de sus inventarios. Los mayoristas y detallistas que participan en la auditoría reci­ ben los informes básicos y pagos en efectivo del servicio de auditoría. Los datos auditados se centran en los productos o servicios vendidos a través de los puntos de venta o las caracterís­ ticas de los propios puntos de venta, como se ilustra en el ejemplo siguiente.

Auditorías a detallistas para obtener información acerca de sus actividades El principal servicio de auditorías destinado a bienes de consumo es el Nielsen Retail Index. Este índice comprende la realización de una auditoría dos veces a la semana de supermerca­ dos, farmacias y comerciantes masivos. Nielsen lleva a cabo más de 76 000 auditorías por separado cada año en más de 11 350 puntos de venta detallistas. Otro servicio muy importante es el Audits and Surveys’ National Total Market Audit, que emplea categorías de productos diferentes a los que utiliza el servicio de Nielsen. Los datos auditados de los detallistas pueden ser útiles a empresas de consumo de productos. Por ejemplo, si Colgate-Palmolive contempla la posibilidad de introducir una nueva marca de pasta dental. Una auditoría a detallistas ayuda a determinar el tamaño del mercado total y la distribución de las ventas por tipo de punto de venta y por región.44 Los servicios de auditoría a mayoristas, contraparte de las auditorías a detallistas, con­ trola las salidas de los almacenes. Los operadores participantes, que incluyen cadenas de super­ mercados, mayoristas y bodegas frigoríficas de productos congelados, representan más del 80% del volumen en esta área. Usos de los datos de las auditorías Los datos resultantes de auditorías a detallistas y mayoris­ tas pueden utilizarse para: 1) determinar el tamaño total del mercado y la distribución de ventas por tipo de punto de venta, región o ciudad; 2) evaluar la participación de las marcas y su actividad competitiva; 3) identificar problemas de ubicación en anaqueles e inventarios; 4) analizar problemas de distribución; 5) desarrollar el potencial de ventas y proyecciones, y 6) desarrollar y controlar los lugares donde se ubican las promociones, con base en los volúmenes de ventas. De esta manera, los datos de auditorías son útiles principalmente para obtener información sobre el contexto ambiental de los problemas en el proyecto de patroci­ nio a las tiendas de departamentos. Ventajas y desventajas de los datos de auditorías Las auditorías proporcionan información relativamente exacta sobre los movimientos de una gran diversidad de productos a nivel de mayoristas y detallistas. Además, esta información puede desglosarse por medio de un núme­ ro importante de variables, como son la marca, el tipo de punto de venta y el tamaño del mercado. Sin embargo, las auditorías tienen una cobertura limitada, no incluyen a todos los co­ merciantes ni a todos los operadores. Además, estos datos pueden no estar listos a tiempo o no ser exactos, sobre todo cuando se comparan con los de rastreo electrónico. Por lo regular, existe un lapso de dos meses entre la conclusión de la auditoría y la publicación de los infor­ mes. Otra desventaja es que, a diferencia de los datos de rastreo electrónico, los datos de auditoría no pueden relacionarse con las particularidades del consumo. Incluso podría surgir un problema al relacionar los datos de auditoría con los gastos de publicidad y otros esfuerzos de mercadotecnia. Algunas limitaciones se superan en los paneles de auditoría por computa­ dora, como es el caso de ELCAP

EJEMPLO Aplausos para ELCAP _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ Elrick and Lavidge desarrollaron ELCAIJ un panel de auditoría por computadora, para la cambiante industria de artículos electrónicos de consumo. Éste permite a los fabricantes y detallistas dar seguimiento a la aceptación que manifiesta el consumidor respecto a: caracte­ rísticas y tecnología nuevas, fuerzas y debilidades de los sistemas de distribución, tendencias en los precios al detalle y ventas de la competencia. El panel consiste alrededor de 1 000 tiendas detallistas, incluyendo tiendas departamentales, de descuento, especializadas, tien­ das que venden aparatos electrodomésticos y supertiendas, que venden aparatos electrónicos de consumo. Los datos se recopilan y tabulan electrónicamente a partir de los registros de ventas por computadora de cada detallista participante. En este método de recopilación no se cometen los errores comunes de la auditoría física, como son las fallas al incluir todas las transacciones de ventas, registros incorrectos o doble contabilidad.45 ♦

Servicios industriales servicios industriales Datos secundarios que se derivan de fuentes indus­ triales y proyectadas para su uso en este campo.

Los servicios industriales proporcionan datos de fuentes sindicadas sobre empresas indus­ triales, negocios relacionados y otras instituciones. Éstos se recopilan haciendo preguntas directas, a través de recortes de periódico e informes corporativos. El rango y las fuentes de datos sindicados, disponibles para las empresas de productos industriales, están más limitados que aquellos que se encuentran a disposición de las industrias de bienes de consumo. Los servicios disponibles incluyen el Dun and Bradstreet Market Identifiers, los Input/Output Matrix Reports de la revista Fortune y los Dodge Reports de McGraw-Hill.

EJEMPLO Las mujeres ganan terreno, pero no toman decisiones_ _ _ _ _ _ _ _ _ _ _ _ _ _ Trinet, Inc., y Dunn’s Marketing Services son dos compañías que proporcionan una base de datos con extensa información sobre los negocios. Trinet proporciona tres servicios de infor­ mación básica: una base de datos con la ubicación de siete millones de negocios en Estados Unidos, servicios de enlace y servicios de telemercadeo de negocio a negocio. Recientemen­ te, Trinet llevó a cabo una encuesta telefónica entre 100 000 empresas estadounidenses para evaluar el papel de la mujer en los negocios. Este estudio llegó a la conclusión de que, a pesar de que cada día un mayor número de mujeres ocupan puestos gerenciales, la cantidad de mujeres con responsabilidades de toma de decisiones continúa situándose muy por abajo de los hombres.46 ♦ Usos de los servicios industriales La información que ofrecen los servicios industriales es útil para la toma de decisiones de ventas, que incluyen: identificación de prospectos, defini­ ción de territorios, establecimiento de cuotas y medición del potencial de mercado por áreas geográficas. También apoya en las decisiones publicitarias como objetivos de prospectos, de­ finición de presupuestos publicitarios, selección de medios y medidas de efectividad publici­ taria. Este tipo de información es útil para la segmentación de mercados y diseñar productos y segmentos específicos para segmentos importantes. Ventajas y desventajas de los servicios industriales Los servicios industriales representan una fuente importante de datos secundarios sobre empresas industriales. La información que proporcionan puede ser valiosa en las fases iniciales del proyecto de investigación de merca­ dos. Sin embargo, está limitada en su naturaleza, contenido, cantidad y calidad.

C

o m b in a c ió n d e in fo r m a c ió n d e d is t in t a s fu en tes :

FUENTE ÚNICA DE DATOS

fuente única de datos Esfuerzo por combinar los datos provenientes de distintas fuentes re­ uniendo e integrando información sobre las variables de mercadotec­ nia y familiares aplicables al mismo conjunto de entrevistados.

Es recomendable combinar la información secundaria que se obtiene de diversas fuentes. La combinación de datos permite al investigador compensar la debilidad de un método con la fuerza de otro. Una de las consecuencias al combinar los datos de diferentes fuentes es la fuente única de datos. La investigación con datos de fuente única da seguimiento a los hábitos de lectura y compra de los televidentes. Después de seleccionar un panel de prueba en los hogares, la empresa de investigación mide cada uno de los televisores y realiza una encuesta periódica entre los miembros de la familia para saber qué leen. Se da seguimiento a sus compras de comestibles a través de rastreadores de UPC. Como respaldo, la mayoría de los sistemas también monitorean los datos sobre detallistas, como las ventas, publicidad y promoción. De este modo los datos de fuente única proporcionan información integral sobre las variables que afectan a los hogares, incluyendo el consumo, las compras y las variables de mercado: ventas de productos, precio, publicidad, promoción y esfuerzos de mercadotecnia por parte de las tiendas.47 Una aplicación de los datos de fuente única se ilustra con el caso de Campbell Soup Company.

EJEMPLO Campbell Soup investiga el consumo del V-8 ______________________ La Campbell Soup Company usó una fuente única de datos para marcar el objetivo de su publicidad para el jugo V-8. Al obtener los datos de fuente única sobre el consumo del pro­ ducto, el consumo promedio y las características demográficas, Campbell descubrió que el público televisivo con características demográficas similares consumía cantidades muy dife­ rentes de jugo V-8. Por ejemplo, en un índice con base100 como promedio de consumo por familia de V-8, General Hospital tuvo un índice promedio de80, mientras que Guiding Light tuvo un índice promedio superior de 120. Estos resultados fueron sorprendentes por­ que, en la actualidad, el porcentaje de G e­ neral Hospital es ligeramente superior, el grupo demográfico con mujeres de 25 a 54 años de edad es el que tiende más a com­ prar V-8, que Guiding Light y se podría espe­ rar que fuera un mejor medio para llegar a los consumidores del V-8. Con esta in ­ formación, Campbell reformó su esquema publicitario para incrementar su índice pro­ medio.48 ♦

Los datos de fuente única revelan qué audien­ cias televisivas similares, en cuanto a su de­ mografía, consumen cantidades muy distintas de V-8. Esto a Campbell Soup Company le hace seleccionar los programas más adecuados para anunciar el V-8. ♦ Klehr & Associates.

Este ejemplo muestra la utilidad de combinar información secundaria que proviene de fuentes diferentes. El siguiente ejemplo muestra las diversas fuentes de datos secundarios en la industria de las tiendas departamentales que se utilizaron en el proyecto de patrocinio a éstas. (Consulte el apéndice 4A para obtener información detallada acerca de cada fuente.)

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Fuentes de datos de la industria ______________________________ FUENTES EXTERNAS DE DATOS PUBLICADAS FU EN TES EMPRESARIALES EN GENERAL GUÍAS Business Information Sources Encyclopedia o f Business Information Sources Marketing Economics Guide D IRECTO RIO S Directorios impresos FINDEX: The Directory o f M arket Research Reports, Studies and Surveys ÍNDICES Business Index PRIZM (Potential Rating Index by Zip Market) DIARIOS ESPECIALIZADOS EN CO M ER C IO Retail and Distribution Management Proporciona las tendencias clave en la industria, estadísticas industriales y los resulta­ dos relevantes de la investigación especializada. Chain Store Age (General Merchandise Edition) Proporciona información sobre los antecedentes en las tendencias y desarrollos de la industria, estadísticas relacionadas con la industria del comercio detallista y las prácti­ cas actuales en los negocios. Stores Proporciona las tendencias actuales en la industria, los conceptos nuevos en ventas detallistas, ideas promocionales y estadísticas industriales. DATOS ESTA D ÍSTIC O S N O G U BERN A M EN TA LES A Guide to Consumer Markets Dealerscope Merchandising: Statistical and Marketing Report Merchandising, "Statistical and Marketing Report” Moody’s Manuals Predicasts Forecasts Rand McNally Commercial Atlas and Marketing Guide Sales and Marketing Management Survey o f Buying Power Sourcebook o f Demographics and Buying Power for Every Zip C ode in the USA FU EN TES G U BERN A M EN TA LES DATOS DEL CEN SO Census o f Retail Trade County and City D atabook OTRAS PU BLIC A C IO N ES G U BERN A M EN TA LES Economic Indicators State and Metropolitan A rea D atabook

BASES DE DATOS POR COM PUTADORA D IRECTO RIO S DE BASES DE DATOS ABI/ Inform Ondisc (Ann Arbor, MI: University Microfilms International) Este índice que se presenta en disco compacto, incluye referencias y resúmenes de artículos provenientes de más de 800 periódicos especializados en negocios y administración. FU EN TES SINDICADAS DE DATOS SECUNDARIOS SERVICIOS DE A U D ITO RÍA A LAS VENTAS DETALLISTAS Nielsen Retail Index (A.C. Nielsen Co.) Puede obtenerse información sobre niveles de inventario, promociones dentro de las tiendas, precios, compras, ventas y exhibidores especiales. Nielsen también proporcio­ na informes individuales. PANELES DIARIOS National Purchase Diary Panel (Nueva York: NPD Research, Inc.) Proporciona detalles sobre las preguntas clave como la clientela de una tienda para distintos productos y el número y tipo de artículos comprados. ♦ Aunque hemos estudiado las diversas aplicaciones de los datos secundarios al describir las distintas fuentes, a continuación.consideraremos dos aplicaciones adicionales.

A

p l ic a c io n e s d e lo s d a to s secu n d a r io s Los datos secundarios tienen numerosas aplicaciones en diversos problemas de investigación de mercados. De aquí en adelante, ilustraremos sus aplicaciones en la construcción de un índice de poder de compra y en la diagramación por computadora.

Indice de poder de compra

índice del poder de compra Indicador del potencial relativo de mercado que existe entre los territorios geográficos.

Sales and Marketing Management publica una encuesta anual sobre el poder de compra en Estados Unidos; contiene datos de interés acerca de la población, el ingreso, las ventas al detalle y el índice del poder de compra (BPI). Estos datos están disponibles a nivel de área metropolitana, condado y de la ciudad, se recopilan a partir de las estadísticas del gobierno federal. El índice del poder de compra es un indicador del potencial relativo de mercado en las diferentes áreas geográficas. Se utiliza con frecuencia para medir el potencial de mercado, evaluar productos nuevos, determinar los canales de distribución y la planeación a largo plazo. También es útil para medir el desempeño de las ventas, establecer metas y cuotas de venta, seleccionar mercados de prueba y asignar los medios. En el recuadro Investigación en la práctica 4.3 ilustramos cómo se construye un BPI a la medida y su aplicación para medir el potencial de mercado.

Diagramación por computadora diagramación por computadora Los dia­ gramas que solucionan problemas de mercado-

La diagramación por computadora combina la información geográfica con la demográfica y los datos de las ventas de la compañía, o cualquier otra información sobre la propiedad para desarrollar diagramas temáticos. En la actualidad, los comerciantes toman decisiones de ma­ nera rutinaria con base en estos diagramas codificados por color. Los sistemas de diagramación

I nvestigació n en la prá ctica 4.3 Aplicaciones del índice de poder de compra CUFACIÓ N DI: I

BPI PROPIO

Suponga que su empresa vende ropa para caballero, en especial camisas de vestir, a través de tiendas de departamentos. Los pasos siguientes forman parte de la creación de un BPI (índice del poder de compra) adaptado para reflejar la capacidad del mercado al comprar este producto especifico. Ilustraremos estos pasos por medio de la construcción de un BPI para Boston. Paso 1.

Especificar el perfil del consumidor. Los factores característicos a considerar son demográficos, económicos y de distribución. En las camisas de vestir para caballero especificamos estos factores como sigue: Demográficos: hombres de 35 años y mayores Económicos: familias con un ingreso de 50 000 dólares o más Distribución: tiendas de departamentos

Paso 2.

Para cada mercado, calcular los porcentajes siguientes: Mercado, hombres de 35 años o más Demográfico = Población en Estados Unidos de hombres de 35 anos o más

Mercado, familias con un ingreso de 50 000 dólares o más E e o n ó n iic o = ------------------------------------------------- ---------------------Total de familias en Estados Unidos con ingresos de 50 000 dólares o mas

Mercado las ventas en tiendas de departamentos Distribución = Total de ventas en las tiendas de departamentos de Estados Unidos

Paso 3.

Determinar la importancia de cada factor. En las camisas de vestir para caba­ llero estos factores podrían ser:

Paso 4.

Demográfico:

20%

Económico:

50%

Distribución:

30%

Calcular el BPI como sigue: BPI = 0.2 (°-o demográfico) -r 0.5 (% economico) + 0.3 (% distribución)

Para Boston, los cálculos serian como sigue: Paso 2.

Demográfico = ----------------48 336 957 = 1.5400

x 100

(continúa)

I n v e s t i g a c i ó n en la p r á c t ic a 4.3

Paso 4 :

(continuación)

Económico

“

299 291 ■ ■ 11 656 668

x 100

., , Distribución

=

2 389 522 000 ■ 127 230 971 000

x 100

BPI para Boston

= 0.2 x 1.5400 + 0.5 x 2.5676 > 0 .3 x 1.8781 = 0.3080 -r 1.2838 ->- 0.5634

M EDICIÓN D EL PO T EN C IA L DE M ERCADO

El volumen de ventas al detalle de camisas de vestir para caballero en Estados Unidos es de 2 mil millones de dólares. Suponga que su empresa vende 140 millo­ nes de dólares o bien participa con el 7% del mercado, medido en volumen de dinero. Los pasos siguientes forman parte del proceso de medición del potencial de mercado. Paso 1,

Paso 2. Paso 3. Paso 4.

Paso 5.

Estimación de las ventas totales de la Industria para ese mercado. Esto puede hacerse al multiplicar las ventas totales de la industria por el BPI calculado y luego dividirlo entre 100. Obtener las ventas reales de la empresa en ese mercado. Estimar la participación en el mercado de la empresa por medio de la división del resultado del paso 2 entre los resultados del paso 1. Estimar el potencial de ventas de la empresa en el mercado. Éste puede calcular­ se por medio de la multiplicación de las ventas totales de la empresa por el BPI del mercado y dividirlo entre 100. Estimar el índice de desempeño del mercado. Este puede calcularse por medio de la división de las ventas reales (paso 2) entre las ventas potenciales del mer­ cado (paso 4).

Para Boston, estos cálculos serían: Paso 1. Estimación de ias ventas de la industria en Boston = Paso 2. Ventas reales de la empresa en Boston

=

Paso 3. Participación de mercado de la empresa en Boston «

Paso 4. Potencial de ventas en Boston

2 x 10 ' x 2.1552 ---—— ------

100

$2 678 760 2 678 760 -

=

x 100 = 6.2146%

--- — ---= 3.01728 x 106 2 678 760 3.01728x 106

Aunque las ventas en Boston pueden ser más altas que en muchas otras regiones, están por debajo del potencial.

La diagramación por computadora, que combina información geográfica, demográfica y de las empre­ sas, puede ser una valiosa herramienta de mercadotecnia e investigación de mercados. ♦ Equifax M arketing-D ecisión Systems, Inc.

tecnia se conocen como diagramas temáticos. Combinan la información geográfica con la demo­ gráfica, así como los da­ tos de ventas de las com­ pañías o cualquier otro dato y se generan por una computadora.

permiten a los usuarios descargar con detalle los datos geográficos y demográficos que propor­ cionan los vendedores. El usuario puede trazar un diagrama que codifica con colores a los vecindarios con ingresos de 50 000 dólares o más. Estos sistemas permiten agregar informa­ ción sobre el tipo de inmueble a los datos descargados en el diagrama. Las empresas como Equifax Marketing-Decisión Systems, Inc., y Demographic Research Company se especiali­ zan en ilustrar los datos secundarios de acuerdo con los límites de los condados, áreas metro­ politanas, códigos postales y otras regiones geográficas. La información se presenta de manera que los patrones de los datos puedan reconocerse con facilidad.49

I n v e s t ig a c ió n

d e m er ca d o s in t e r n a c io n a l e s

Una amplia variedad de datos secundarios están disponibles para la investigación de merca­ dos internacionales.50 Al igual que en la investigación a nivel nacional, el problema no es la falta de información, sino la inmensa información disponible, por lo que es muy útil clasificar las diversas fuentes de las que proviene (figura 4-5). Las organizaciones nacionales en Estados Unidos, tanto las gubernamentales como las no gubernamentales, pueden proporcionar va­ liosos datos secundarios a nivel internacional. Las fuentes gubernamentales más importantes son el Department of Commerce, la Agency for International Development, la Small Business Administration, el Export-Import Bank of the United States, el Department of Agriculture, el Department of State, el Department of Labor y la Port Authority of New York and New Jersey. El Department of Commerce ofrece no sólo gran cantidad de publicaciones, sino tam­ bién gran variedad de servicios como el programa de compras del extranjero, eventos para establecer contactos, misiones comerciales, servicio con listados para hacer contactos de exportación, servicio de ventas en el extranjero y servicio de estadísticas aduanales para los exportadores. El siguiente ejemplo ilustra el uso de este último servicio.

F ig u ra 4.5 Fuentes de datos secundarios para la investigación de mercados internacionales

EJEMPLO La información sobre las exportaciones ofrece ganancias a los puertos _ _ _ _ En 1986, el Department of Commerce de Estados Unidos desarrolló el Comparison Shopping Service (CSS) para ofrecer a los exportadores investigación de mercados enfocada a las ex­ portaciones que pasan por las aduanas. En la actualidad, está disponible para 52 países, inclu­ yendo Rusia y otros mercados emergentes. Las tarifas oscilan entre 500 y 1 500 dólares, dependiendo del país que se estudia. El informe final del estudio por lo general se termina en 60 días aproximadamente. Vestil Manufacturing de Angola, Indiana, es sólo una de las muchas empresas que ha utilizado el CSS. Vestil, que fabrica muelles y equipo para el manejo de carga en los puertos, dice que el estudio reveló “valiosa información crítica”. Ya que los resultados del estudio fueron desalentadores, en relación con la exportación de su equipo para el manejo de mer­ cancías a granel, la compañía no perdió tiempo desarrollando este plan. El estudio también señaló otras posibles relaciones comerciales que probaban ser redituables e incluían acuerdos para la concesión de permisos de fabricación con empresarios locales que podían fabricar muelles o equipo para el manejo de carga.51 ♦ Las organizaciones no gubernamentales, incluyendo las organizaciones internacionales localizadas en Estados Unidos, pueden proporcionar información acerca de los mercados en el mundo. Estas incluyen las Naciones Unidas, la Organización para la Cooperación y el Desarrollo Económico (OCDE), el Fondo Monetario Internacional (FM I), el Banco Mun­ dial, las Cámaras de Comercio Internacionales, la Comisión de la Comunidad Europea ante Estados Unidos y la Organización de Comercio Internacional de Japón (JETR O ). Por último, las fuentes en los países extranjeros incluyen: gobiernos, organizaciones internacionales lo­ calizadas en el extranjero, asociaciones de comercio y servicios privados que obtienen datos de fuentes sindicadas. Mientras se lleva a cabo una revisión de la literatura, uno puede utili­ zar los directorios, índices, libros, materiales de referencia elaborados con fines comerciales, revistas y periódicos. La evaluación de los datos secundarios es más crítica para los proyectos internacionales que para los proyectos nacionales. Las distintas fuentes reportan diferentes datos para una estadística determinada, como puede ser el producto doméstico bruto (G D P), porque existen divergencias al definir sus unidades. Es probable que las unidades de medición no sean equi­ valentes en los distintos países. En Francia, por ejemplo, como resultado de una medida pro­ yectada, los trabajadores reciben un pago equivalente a una décimotercera parte de su salario mensual como bono cada año, el cual es diferente al de otros países.52 La precisión de los datos secundarios también puede variar de un país a otro. Los datos de los países altamente industrializados como Estados Unidos son más exactos que aquellos que provienen de los países en vías de desarrollo. Las estadísticas de negocios y el ingreso se afectan por una estruc-

tura impositiva y el monto de la evasión fiscal. Los censos de población pueden variar, tanto en su frecuencia como en el año en el que se recopilan los datos. En Estados Unidos, los censos se llevan a cabo cada 10 años, mientras que en la República Popular China hay un lapso de 29 años entre los censos de 1953 y 1982. Sin embargo, esta situación cambia con rapidez. Algunos países como China desarrollan fuentes importantes de datos secundarios.

EJEMPLO Los datos secúndanos ganan importancia primordial en China _________ Cerca de un monótono edificio de concreto en Pekín, Gao Yuxian desarrolla lo que será la base de datos de mayores dimensiones en China. Gao, de 48 años, es el presidente de una nueva empresa llamada All China Marketing Research Company. El propósito de esta em­ presa es tomar las cifras provenientes de millones de tiendas, industrias y granjas en China y crear estadísticas que se convertirán en la base de un servicio de información masivo que equivaldrá a una pequeña versión del Dun and Bradstreet. La obsesión de China por contar y registrar todos los aspectos de las empresas que son propiedad del gobierno, tiende a favorecer el propósito que persigue All China. Estas empresas proporcionan a All China informes trimestrales detallados y exactos acerca de sus finanzas, producción, empleo y otros aspectos relevantes para el público. Posteriormente, Gao y All China desarrollan las cifras para convertirlas en una base de datos con estadísticas significativas. La base de datos de All China sirve como un depósito de información no sólo para las empresas chinas, sino también para las corporaciones internacionales que buscan hacer n e­ gocios en ese país. Por ejemplo, Coca-Cola utilizó esta base de datos para determinar que en 1993, aunque China tenía una población de 1.2 mil millones de personas, cada una bebió en promedio sólo 1-1/2 latas de Coca-Cola por año. En comparación, en Estados Unidos cada persona consume normalmente 1-1/2 latas de Coca-Cola por día. Por tanto, hay un gran potencial para incrementar el consumo de Coca-Cola en China. Con base en estos descubri­ mientos, en 1993 Coca-Cola firmó un acuerdo con el gobierno chino para construir y/o au­ mentar la capacidad de 10 plantas embotelladoras en China. Esta negociación permitirá a Coca-Cola moverse más allá de las regiones costeras del país, donde mantiene una fuerte posición competitiva. Aunque esta transacción requerirá de una inversión que para 1998 alcanzará el monto de 150 millones de dólares, esto hará posible que Coca-Cola produzca y venda más de 75 millones de envases de refresco por año.53 ♦

L

a é t ic a en l a in v e s t ig a c ió n d e m er ca d o s Pueden surgir dilemas éticos cuando se utilizan datos secundarios internos o externos. Algu­ nas cuestiones éticas que es necesario tener en cuenta son, por ejemplo, cuando se incluye una recopilación de datos innecesarios y el problema puede resolverse sólo con los datos secundarios, o bien cuando se utilizan únicamente datos secundarios, pero también se re­ quieren datos primarios; cuando se emplean datos secundarios y no son aplicables; y el uso de datos secundarios cuyos medios de recopilación son moralmente cuestionables. Como se estudió en el capítulo 2, resulta una falta de ética hacer una recopilación de datos primarios innecesarios, cuyo costo de obtención es bastante alto, cuando el problema de investigación puede resolverse mediante datos secundarios únicamente. En este caso, el investigador emplea el método más costoso y el menos apropiado. De forma similar, confiar sólo en los datos secundarios cuando el problema de investigación requiere la recopilación de datos primarios puede provocar algunas implicaciones éticas, sobre todo si el investigador factura al cliente una tarifa fija por el proyecto y la metodología de investigación no se espe­ cificó por adelantado. Una vez más, las utilidades del investigador se incrementan a costa del cliente. El investigador está obligado a asegurar tanto la relevancia como la utilidad de los datos secundarios dentro del problema que soluciona. Los datos secundarios deben evaluarse con los

criterios que se estudiaron anteriormente en este capítulo. Sólo deberán utilizarse los datos que se consideran apropiados. También es importante que los datos se obtengan con proce­ dimientos moralmente aceptables. Puede decirse que los datos faltan a la ética cuando su recopilación perjudica al entrevistado. Tomemos como ejemplo la información acerca de los patrones de compra de los usuarios de tarjetas de crédito, acompañándolos con datos demo­ gráficos provenientes de servicios de información de fuentes sindicadas. Estos datos se re­ copilaron sin el consentimiento de los tarjetahabientes y pueden considerarse como una invasión a la privacía. Aunque ni el cliente (un banco), ni el investigador estuvieron involu­ crados en la falta de ética hacia los entrevistados, ¿deberán usar la investigación? Este dilema ético se vuelve más complicado debido al nivel de competencia en la industria bancaria. Un cliente que tenga objeciones de tipo moral para utilizar estos datos se da cuenta de que la misma información también está disponible para sus competidores y si no la utiliza puede poner en desventaja competitiva a su propia empresa. Es evidente que los investigadores y las empresas que obtienen información de fuentes sindicadas no deberán comprometerse con ninguna práctica cuestionable o falta de ética, como el abuso de la privacía de los entrevista­ dos, mientras generan los datos secundarios. La privacía se ha convertido en una cuestión delicada, como lo muestra el siguiente ejemplo.

EJEMPLO Los asuntos privados se vuelven públicos _______________________ El ambiente legal se vuelve cada vez más hostil para la investigación de mercados. El gobier­ no considera la posibilidad de incrementar las leyes que cubran los abusos a la privacía por parte de la investigación de mercados. Ultimamente, se han llevado a la práctica en Estados Unidos algunos de los 500 proyectos de ley que cubren una lista de abusos a la privacía y a la protección. El asunto de la privacía se ha vuelto público con una ola de quejas por parte de los consumidores contra muchas formas de investigación de mercados. Están involucrados dos problemas principales. En primer lugar, los consumidores piensan que no tendrían por qué enfrentar la gran cantidad de ofertas que invaden sus buzones y teléfonos. El segundo problema está relacionado con las sofisticadas bases de datos que mantienen enormes canti­ dades de información acerca de los consumidores e incluyen desde sus nombres hasta su estilo de vida específico y sus hábitos de compra. Aunque esta información es útil a los inves­ tigadores, muchos consumidores argumentan que hay demasiada información personal dis­ ponible en las diversas bases de datos. En una encuesta privada que llevó a cabo Equifax, 78% de los entrevistados expresaron su preocupación por el problema de la privacía de las perso­ nas. La mayoría de los entrevistados dijeron que aunque es razonable para las compañías revisar los registros públicos de información como cuentas de crédito, pólizas de seguro de los automóviles o cheques de nómina, el público debería poder oponerse a cualquier otra transacción.54 ♦

A

p l ic a c io n e s p a r a c o m p u t a d o r a Las microcomputadoras y las mainframes pueden utilizarse para accesar, analizar y guardar la información disponible de las bases de datos en línea y fuera de línea. Algunos servicios de información de fuentes sindicadas preparan los datos para su disponibilidad y uso en microcomputadoras y mainframes. Consideremos el caso de CompuServe, que es una base de datos en línea con compras y juegos para aquellos usuarios que están conectados a sus compu­ tadoras personales vía módem. CompuServe también mantiene grandes reservas de datos va­ liosos para el investigador de mercados. Los datos del censo, informes de áreas geográficas o de mercado, informes de la industria y textos completos de los artículos de periódicos y revis­ tas, tanto de Estados Unidos como internacionales, junto con una gran variedad de diarios de América del Norte y el Reino Unido son sólo algunos de los valiosos servicios que CompuServe ofrece a los investigadores de mercados.

El módulo CompuServe Marketing/Management Research Center consta de nueve bases de datos que contienen artículos de revistas nacionales e internacionales, estudios de mercado e informes estadísticos. El módulo Business Database Plus contiene artículos pro­ venientes de más de 450 publicaciones especializadas en comercio regional, nacional e inter­ nacional. La búsqueda por palabra o frase proporciona al usuario ideas sobre ventas y merca­ dotecnia, noticias acerca de los productos, tendencias de la industria y análisis diversos. El módulo Business Dateline contiene artículos que provienen de más de 115 publicaciones regionales especializadas en negocios de Estados Unidos y Canadá que se iniciaron a partir de 1985. La ilustración 4-1 muestra los resultados de la búsqueda en el módulo del Business Database Plus para “el consumidor, el automóvil y la actitud”. He aquí el resumen y el texto completo del artículo “Automakers Recognizing Valué of Women’s Market” publicado el 11 de abril de 1994 en Marketing News. La investigación de mercados puede estimularse a través del acceso al módulo Consumer Reports que contiene artículos de la revista del mismo nombre con clasificaciones de produc­ tos como accesorios, automóviles, aparatos electrónicos, cámaras y artículos para el hogar. El módulo Neighborhood Report proporciona información demográfica de cualquier código postal en Estados Unidos sobre variables como población, raza, edad, ocupación y patrones de vivienda. Además, el estudio de localización de entrevistados potenciales puede facilitar­ lo el CompuServe’s Phone*File, que ofrece acceso al nombre, domicilio, tiempo de residen­ cia y número de teléfono de 75 millones de familias. Las búsquedas pueden hacerse por códi­ go postal, ciudad, estado o número telefónico. CompuServe también puede ayudar en la investigación de mercados de negocio a n e­ gocio. El Biz*File ofrece un directorio con información sobre más de 10 millones de negocios en Estados Unidos y Canadá. El módulo European Company Library mantiene un directorio e información financiera de más de 2 millones de compañías europeas. Las búsquedas pue­ den hacerse por nombre de la compañía, código industrial o región geográfica. CompuServe puede cobrar un precio más bajo en comparación con otras bases de datos en línea, junto con los usuarios de líneas amigas. Estos dos aspectos hacen que esta base de datos sea la primera que se consulte al llevar a cabo una investigación de mercados. Dado el escaso volumen de los datos de rastreo disponibles, se han desarrollado progra­ mas de computación para procesar y reempacar estos datos conforme a las especificaciones del usuario. El Cover Story by Information Resources Inc., es un sistema experto que extrae

I l u s t r a c ió n 4.1 Salida de información de búsqueda de CompuServe

Business and Trade Journals Article Selection Menú 1 Los armadores de automóviles reconocen el valor del mercado femenino Marketing News, 11 de abril, 1994, v28 n8 pl(2). Referencia # A15382739 Texto: Si Extracto: Sí 1 Citation: Marketing News, Abril 11, 1994 v28 n8 pl(2) Título: Los armadores de automóviles reconocen el valor del mercado femenino. Autores: Triplet, Tim Asunto: Mercadotecnia de la industria automotriz; Evaluación del consumidor femenino; Mercadotecnia-Distribuidores de Automóviles Codigos Sic: 3711; 4411 Referencia #: A153982739 Extracto: La industria automotriz finalmente ha reconocido la importancia de la mujer como un segmento de consumo, después de décadas de considerarlas como simples pasajeras en vez de compradoras. Este cambio de actitud ha ocasionado un cambio demográfico. Las estadísticas muestran que en E.U. la mitad de la fuerza laboral está constituida por mujeres, asi como del total de estadounidenses solteros adultos. Más de 6.5 millones de mujeres tienen negocios propios y casi el mismo número tiene un ingreso anual de 75,000 dólares o más. Y lo que es más importante, la mujer representa cerca de 50% de todas las ventas de vehículos y muchas influyen hasta en 80% de todas las decisiones de compras en el mercado estadounidense todos los años. Los armadores están respondiendo a la fuerza creciente de estas consumidoras creando comités de mercadotecnia dirigida a la mujer así como reclutando más ingenieros y ejecutivos del sexo femenino. Desafortunadamente, el valor de este mercado está apenas considerándolo los distribuidores, muchos de los cuales continúan favoreciéndolo. Mientras que otros, sin embargo, se aferran aún a estereotipos, las mujeres compran casi la mitad de los vehículos vendidos y pueden influir hasta en 80% de las decisiones de compra en el mercado estadounidense anualmente, pero recientemente la industria consideraba a las mujeres sólo como pasajeras, no como compradoras. La mayor parte de los armadores de automóviles reconocen ahora el valor de la comercialización de sus productos hacia el mercado femenino, pero los distribuidores aparentemente se están quedando atrás en la carrera para ganarse el corazón y la bolsa de las compradoras. Texto completo: Copyright de American Marketing Association. Citation: Marketing News, April 11, 1994 v28 n8 pl(2) Título: Los armadores de Autores: Triplett, Tim

automóviles

reconocen el valor

1994.

del mercado

Press CR for mor

femenino.

(? for help)

la información clave (de ventas, del volumen de cada categoría, la tendencia y la participa­ ción en el mercado de la marca) de una gran base de datos que contiene información de rastreo sobre el ramo de abarrotes, que proviene de fuentes sindicadas y se presenta en for­ mato de memorándum. Sparscan-Scanner Data Analysis, de Spar Inc., calcula la base de demanda del consumidor, el incremento en el volumen y los beneficios para Infoscan, Scantrac, Samscan u otros datos de rastreo. También puede calcular el incremento en el consumo debido a las promociones basadas en el rastreo de las ventas de una cuenta clave, de un mercado o a nivel nacional. Utilizando los sistemas demográficos de alto nivel, las empresas pueden realizar los análisis de mercado dentro de la propia empresa con una computadora personal. Los sistemas demográficos de alto nivel permiten a las empresas integrar, manipular y analizar los datos provenientes de gran cantidad de bases de datos. Posteriormente, estos sistemas resumen los datos fusionados en forma de informes, gráficas o diagramas. La mayor parte de los sistemas demográficos de alto nivel permiten que las empresas incorporen sus propios datos al análisis, convirtiéndose así en una poderosa herramienta que permite conectar los datos secundarios externos con los internos. Los sistemas demográficos de alto nivel incluyen Market*America de CACI Market Analysis, Compass de Claritas Corp., Conquest de Donnelley Marketing Information Services e Infomark de National Decisión Systems. Las unidades de procesamiento central realizan diagramas de los datos demográficos desde mediados de la década de los setenta. Empresas como FedEx utilizan programas de procesamiento central porque necesitan tomar muchas decisiones que se extienden a todo lo largo y ancho del país simultáneamente. Empresas como Geographic Systems Inc. (GSI) co­ mercializan sus productos que son diagramas elaborados con sistemas y programas de proce­ samiento central. SPSS/PC4- Mapping Versión caracteriza al Map-Master de Ashton-Tate. Señala las variables que se diagramarán y agrega y transfiere los datos del SPSS/PC + junto con las especificaciones para el diagrama base en el que los datos deberán mostrarse.

R

esu m en

En comparación con los datos primarios que origina el investigador para el problema especí­ fico del que se está resolviendo, los datos secundarios se recopilan originalmente para otros propósitos. Los datos secundarios pueden obtenerse con rapidez y son relativamente baratos. Sin embargo, tienen limitaciones y debe evaluarse con detenimiento para determinar su con­ veniencia en la solución del problema. Los criterios de evaluación consisten en: especifica­ ciones, errores, actualidad, objetividad, naturaleza y confiabilidad. Existe abundante información dentro de la organización para la que se lleva a cabo la investigación. Esta información constituye los datos secundarios internos. Los datos externos son generados por fuentes externas a la organización; existen en forma de material publicado, bases de datos en línea y fuera de línea o información disponible a través de las instituciones que obtienen dicha información de fuentes sindicadas. Las fuentes externas publicadas pue­ den clasificarse de manera muy amplia como datos generales acerca de los negocios y datos gubernamentales. Las fuentes de datos generales acerca de los negocios incluyen guías, direc­ torios, índices y datos estadísticos. Las fuentes gubernamentales pueden clasificarse de forma general como datos del censo y otros datos. Las bases de datos pueden ser en líneas o fuera de línea. Además, ambas pueden clasificarse como bibliográficas, numéricas, de texto completo, directorios o bases de datos especializadas. Las empresas que obtienen sus datos de fuentes independientes recopilan y venden con­ juntos de datos diseñados para servir a gran número de clientes. Las fuentes independientes pueden clasificarse con base en las unidades de medición (familias y consumidores o insti­ tuciones). Los datos sobre familias y consumidores pueden obtenerse a través de encues­ tas, paneles diarios de compras o de medios, o servicios de rastreo electrónico. Cuando las instituciones son las unidades de medición, los datos pueden obtenerse de los detallistas, mayoristas o empresas industriales. Es recomendable combinar la información que se obtiene de las diferentes fuentes secundarias. Diversas fuentes especializadas en datos secundarios son útiles para llevar a cabo la investigación de mercados internacionales. La evaluación de los datos secundarios se vuelve cada día más crítica porque la utilidad y precisión de estos datos puede variar en gran medida.

Los dilemas éticos que pueden surgir incluyen la recopilación innecesaria de datos primarios, el uso de datos secundarios que no son aplicables y el uso de datos secundarios que se reunie­ ron a través de métodos moralmente cuestionables. Las microcomputadoras y mainframes pueden utilizarse para accesar, analizar y almacenar la información disponible de las bases de datos tanto en línea como fuera de ésta.55

r\CRONTMOS 1 *

El criterio que se utiliza para evaluar los datos secundarios puede describirse con el acrónimo SECON D: S

pecifications: methodology used to collect the data (especificaciones: metodología que se uti­ liza para recopilar los datos E rror: exactitud de los datos C urrency: when the data were collected (actualidad: cuándo se recopilaron los datos) O bjetivo: el propósito para el que se recopilaron los datos N aturaleza: contenido de los datos D ependencia: en general, qué tan dependientes son los datos

E

je r c ic io s

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

¿Cuáles son las diferencias entre datos primarios y secundarios? ¿Por qué es importante obtener los datos secundarios antes que los primarios? Explique la diferencia entre los datos secundarios internos y los externos. Mencione las diversas fuentes de datos secundarios publicadas. ¿Cuáles son las distintas formas de las bases de datos por computadora? ¿Cuáles son las ventajas de las bases de datos por computadora? Mencione y describa algunas de las fuentes sindicadas que se contratan para obtener datos secundarios? ¿Cuál es el carácter de la información que recopilan las encuestas? ¿Cómo pueden clasificarse las encuestas? Explique qué es un diario para el registro de los datos de los paneles. ¿Cuál es la diferencia entre los diarios para el registro de datos de los paneles de compras y de los paneles de medios? ¿Cuáles son las ventajas relativas de los paneles diarios sobre las encuestas? ¿Qué clase de datos pueden reunirse a través de los servicios de rastreo electrónico? Describa los usos de los datos de rastreo. ¿Qué es una auditoría? Analice los usos, ventajas y desventajas de las auditorías. Describa la información que proporcionan los serviciosindustriales. ¿Por qué es recomendable el uso de fuentes múltiplesde datos secundarios? ¿Cuáles son las ventajas de los datos secundarios? ¿Cuáles son las desventajas de los datos secundarios? ¿Cuáles son los criterios que deberán utilizarse al evaluar los datos secundarios?

P ro blem as

1. En el recuadro de Investigación en la práctica 4.3 se ilustra la construcción de uníndicedel poder de compra (BPI) destinado a camisas de vestir para caballero en Boston. Siguiendo los mismos pasos, construya un BPI de camisas de vestir para caballero en su área metropolitana. Construya otro BPI para vestidos para dama en su área metropolitana. 2. Seleccione una industria de su preferencia. Utilizando fuentes secundarias, obtenga las ventas de la industria y de las empresas más importantes durante el año pasado. Estime la participación en el mercado de cada una de las empresas más importantes. De alguna otra fuente, obtenga información sobre la participación en el mercado de las mismas empresas. ¿Los dos estimados concuerdan?

E

je r c ic io s p a r a c o m p u t a d o r a 1. Lleve a cabo una búsqueda en línea para obtener información de respaldo de alguna industria de su preferencia (por ejemplo: artículos deportivos). Su búsqueda deberá incluir información cuantitativa y cualitativa. 2. Utilizando los censos u otros datos, obtenga el perfil demográfico de la zona postal donde vive.

1.

David W Stewart, Secondary R esearch: Information Sources andM ethods (Beverly Hills: Sage Publications, 1984): pp. 23-33.

2.

Este ejem plo se tomó de Sales and M arketing M anagem ent (julio de 1987): pp. 56-57.

3.

Ibidem.

4.

“Testing Juices Up Slice’s Perform ance”, en Advertising A ge (24 de agosto de 1987): pp. S 2 -S 4 .

5.

Robert Bengen, “Teamwork: It’s in the Bag”, en M arketing R esearch: A M agazine o f M anagem ent and A pplications 5 (inviernode 1993).

6.

Para una aplicación reciente de los datos secundarios, véase Dipak Jain, Vijay M ahajan y Eitan Muller, “Innovation Diffusion in the Presence ofSupply R estrictions”, en M arketing Science (invierno de 1991): pp. 83-90.

7.

Debra K. Johnson, “W h en ‘Gut Feel’ Is N ot Enough”, en Bank Marketing (agosto de 1986): pp. 30-35.

8.

H erbert Jaco b , Using Published D ata: Errors and R emedies (Beverly Hills: Sage Publications, 1984).

9.

David W. Stewart, Secondary Research: Information Sources and Methods (Beverly Hills: Sage Publications, 1984): pp. 23-33.

10.

Joh n Chapm an, “Cast a C ritical Eye: Sm all Area Estimates and Projections Som etim es C an Be Dram atically D ifferent”, en American D emographics 9 (febrero de 1987): p. 30.

11.

Judith Waldrop, “Choose the Incom e T h a t’s Right for You”, en A m erican Demographics (diciem bre de 1993): pp. 9-10.

12.

Paul Wang y Ted Splegel, “Database M arketing and Its Measurement o f Success: Designing a Managerial Instrum ent to C alcúlate the Valué of a R epeat C ustom er Base”, en Jou rn al o f Direct M arketing 8 (primavera de 1994): pp. 73-81.

1 3 . Jam es R . Fríes, “Library Support for Industrial M arketing Research”, en industrial Marketing Management 11 (febrero de 1982): pp. 47-51. 1 4 . Jac L. Goldstucker, M arketing Information: A Professional R eference G uide (A tlanta: Georgia S tate University, College of Business Administration, 1982). 15.

H. W ebster Johnson, A nthony J. Faria y Ernest L. Maier, H ow to Use the Business Library: With Sources o f Business Information, 5a. edición (C incinnati: South-W estern, 1984), pp. 29-57.

16.

G. May, A H a n d b o o k fo r Business on the Use o f Federal and State Statistical D ata (W ashington, D C : U.S. D epart­ m ent o fC om m erce, 1979).

17.

T A . N elson, M easuring M arkets: A G uide to the Use o f Federal and State Statistical D ata (W ashington, D C : U.S: D epartm ent ofC om m erce, 1979).

18.

M artha Farnsworth R iche, “Choosing 1980 Census D ata Products”, en A m erican D emographics 3 (diciembre de 1981): pp. 12-16.

19.

C. Marshall, "PRIZM Adds Zip to Consum er Research”, en Advertising A ge (10 de noviembre de 1980): p. 22.

20.

Barbara Everitt Bryant, “Reflections o f the Census D irector", en A m erican Demographics (marzo de 1993): pp. 13-15.

21.

C .L . Borguran, Effective Online Searching (Nueva York: M arcel Dekker, 1984).

22.

C .R . Milsap, "O n-L ine and O n Target”, en Business M arketing (octubre de 1985): pp. 52-63.

23.

R obert D onah, “Decisión Analysis for Selecting O nline Databases to Answer Business Q uestions”, en Database (diciembre de 1981): pp. 49-63.

24.

Katherine S. Chiang, “How to Find O n-line Inform ation”, en A m erican D emographics 15 (septiembre de 1993): pp. 52 -5 5 . Este artículo muestra cómo llevar a cabo una minuciosa búsqueda de inform ación, proporciona inform ación básica acerca de cómo ingresar en un servicio de inform ación en línea.

2 5 . J.L. Hall y H .J. Brown, O nline Bibliographic Databases (D etroit: Gale Research, 1980): pp- 17-19. 26.

M. Lubatkiny M. Pitts, “P IM S: Fact or Folklore”, en Jou rn al o f Business Strategy (invierno de 1 9 8 3 ): pp. 38-43. Para una aplicación reciente de la base de datos PIM S, véase Venkatram Ramaswamy, H ubert Gatignon y David J. Reibstein, “Com petitive Marketing Behavior”, en Jou rn al o f M arketing 58 (abril de 1994): pp. 45-56.

27.

“Comparative D ata Retrieved with O n-Line System”, en Q uirk’s M arketing Research Review (junio-julio de 1987): pp. 6, 54.

28.

Para una aplicación reciente de las bases de datos por computadora, véase Vicki Lañe y R obert Jacobson, “Stock M arket R eactions to Brand Extensión A nnouncem ents: T h e Effects o f Brand A ttitude and Fam iliarity”, en Jou rn al o f M arketing 59 (enero de 1995): pp. 63-77.

29.

“T h e M onitorT M Service”, folleto originalm ente preparado por Yankelovich, Skelly y W hite/Clancy, Shulm an Inc., 8 W right Street, Westport, C T 06880.

30.

W illiam D. Wells, “Attitudes and Behavior: Lessons from the N eedham Life Style Study”, en Jou rn al o f A dvertis­ ing R esearch 25 (febrero-marzo de 1985): pp. 40-44.

31.

W illiam L. W ilkie, C onsum er Behavior, 2a. edición (Nueva York: Wiley, 1990), capítulo 4 y apéndice 4A .

32.

Stratch Readership R epon: Scope, M ethod, and Use (M am aroneck, NY: Starch IN R A Hooper, sin fecha).

33.

“Roper Custom Q uestion Service: A U nique Omnibus Research Facility”, folleto preparado por la Roper Organization, Inc., 1 Park Avenue, Nueva York, N Y 10016.

34.

Descripciones acerca de los paneles proporcionadas por R ita E. Turgeon, We M ake the M arket Perfectly C lea r (Nueva York: N PD Research, Inc., sin fecha).

35.

A .C . Nielsen.

36.

Peter J. D anaher y Trevor Sharot, “Cover Analysis: A New Tool for M onitoring Peoplem eter Panels”, en Journal o f the M arket R esearch Society 36 (abril de 1994): pp. 133-38.

37.

Roland Soong, “T h e Statistical Reliability o f People M eter Ratings”, en Journal o f Advertising R esearch (febreromarzo de 19 8 8 ): pp. 50-56.

38.

“W hy Consum er M ail Panel Is the Superior O ption” (Chicago: M arket Facts, Inc., sin fech a); y Venkatram Ramaswamy y Wayne S. D eSarbo, “SC U L P T U R E : A New M ethodology for Deriving and Analyzing H ierarchical Product-M arket Structures from Panel D ata”, en Jou rn al o f M arketing R esearch 27 (noviembre de 1990): pp. 418-27.

39.

S. Sudman, “O n the Accuracy o f Recording of Consum er Panels I”, en Jou rn al o f M arketing R esearch (agosto de 19 6 4 ): pp. 6 9 -8 3 ; S, Sudman y M. Bradburn, “Response Effects in Surveys”, en Jou rn al o f M arketing R e­ search (mayo de 1 964): pp. 14-20; S. Sudm an y R . Ferber, C onsum er Panels (Chicago: A m erican M arketing A ssociation, 1978); y S. Sudman, “O n the Accuracy o f Recording o f Consum er Panells II”, Learning M anual (Nueva York: N eal-Shum en Publishers, 1981).

40.

U n estudio reciente que investiga la precisión de los sistemas de rastreo de precios U P C en contró que las tarifas superiores e inferiores son m ucho más altas que las expectativas de los detallistas. V éase Ronald C. Goodstein, “UPC Scanner Pricing Systems: Are T hey A ccurate?”, en Journal o f M arketing 58 (abril de 1994): pp. 20-30.

41.

Rick L. Andrew y T C. Srinivasan, “Studying Consideration Effects in Empirical C hoice Models Using Scanner Panel D ata”, e n Journal o f M arketing R esearch 32 (febrero de 1995): pp. 3 0 -4 1 ; y Randolph E. Bucklin, Sunil Gupta, y Sangman H an, “A Brand’s Eye View o f Response Segm entation in Consum er Brand Choice Behavior”, e n jo u m a l o f M arketing R esearch 32 (febrero de 1995): pp. 66-74.

42.

Es posible com binar los datos de exploración a nivel de tienda con los datos de exploración de paneles para hacer un análisis integral. V éase por ejemplo Gary J. Russell y Wagner A . Kamakura, “Understanding Brand Com petition Using M icro and M acro Scan ner D ata”, en Journal o f M arketing R esearch 31 (mayo de 1994): p p . 2 89-303.

43.

Ejemplos de aplicaciones recientes de los datos de exploración incluyen Peter S. Fader y Leigh M cAlister, “A n Elim ination by Aspects M odel o f Consum er Reponse to Prom otion Calibrated on U P C Scan ner D ata”, en Journal o f M arketing Research 27 (agosto de 1990): pp. 322 -3 2 ; Eric Waarts, M artin Carree and Berend W ierenga, “Full-Inform ation Máximum Likelihood Estim ation o f Brand Positioning Maps Using Superm arket Scanning D ata”, en Journal o f M arketing R esearch 28 (noviembre de 1991): pp. 4 8 3 -4 9 0 .

44.

C on base en inform ación obtenida de los proveedores.

45.

M .A . Hardin, “Electronics Industry Offered ‘Early A lert’ Sales Tracking”, en M arketing N ew s (14 de agosto de 19 8 7 ): p. 10.

46.

“D ecisión M akers Mostly M ales, Study Shows”, en Q uirk’s M arketing R esearch Review (junio-julio de 1988): pp. 45-46.

47.

Para una aplicación de datos de una sola fuente, véase Joh n D eighton, Caroline M. H enderson y S c o tt A. N eslin, “T h e Effects o f Advertising on Brand Sw itching and R epeat Purchasing”, en Jou rn al o f M arketing R esearch 31 (febrero de 1994): pp. 28-43.

48.

Joanne Lipman, “Single-Source Ad Research Heralds Detailed Look at Household H abits”, en Wall Street Jo u r­ nal (16 de febrero de 1988): p. 39.

49.

David J. Cowen, “Com puter M apping”, en Business and Econom ic Review 3 4 (abril-junio de 1 9 8 8 ): pp. 26-29.

50.

Para un ejem plo de investigación con base en datos secundarios, véase Hirokazu Takada y Dipak Jain, “CrossN ational Analysis o f Diffusion of Consum er Durable Goods in Pacific Rim Countries”, en Jou rn al o f M a rk e­ ting 55 (abril de 1991): pp. 48 -54.

A

p é n d ic e

4a

51.

“Comparison Shopping Service Offers Custom Export M arket Research”, en Business A m erica (26 de marzo de 19 9 0 ): pp. 14-15.

52.

Susan E Douglas y C. Sam uel Craig, International M arketing R esearch (Englewood Cliffs, NJ: Prentice Hall, 1983).

53.

Joh n E. Keller, “Firm Aims to be C hina’s Dun & Bradstreet”, en Wall Street Jou rn al (6 de abril de 1994).

54.

Howard Schlossberg, “M arketing Researchers Face ‘Increasingly H ostile’ Legislation”, en M arketing N ew s (16 de agosto de 1993): pp. 1, 8.

55.

Agradecemos la ayuda de Jam es Agarwal con el ejemplo de investigación de mercados internacionales, la ayuda de M ark Leach y Gina M iller en la redacción de la sección sobre ética y la ayuda de M ark Peterson en la redacción de la sección de aplicaciones para computadora.

F u e n t e s p u b l ic a d a s d e d a t o s se c u n d a r io s Fuentes de negocios en general

GUÍAS A H an d book on the Use o f G ovem m en tal Statistics (Charlottesville, V A : Taylor Murphy Institute) Folleto diseñado para ayudar en la comprensión de las estadísticas gubernamentales. A m erican M arketing A ssociation Bibliography Series (Chicago: A m erican M arketing A ssociation) Bibliografía detallada y com entada con temas de in te­ rés para la A M A . Business Inform ation: H ow to Find It, H ow to Use It (Phoenix, A Z: Oryx Press) Guía para la búsqueda de inform ación sobre los nego­ cios y el uso de la inform ación estadística, que ofrece diversas estrategias para buscar la inform ación deseada. Contiene descripciones detalladas de las publicaciones de negocios. Business Inform ation Sources (Berkeley: University o f California Press) Guía para fuentes de inform ación sobre los negocios. Organizada por m aterias; incluye materias útiles para los mercadólogos (fuentes estadísticas, fuentes de investigación de m ercados). Business Service and Inform ation: T h e G uide to the Federal Government (Nueva York: M anagem ent Inform ation Exchange) Guía para identificar las publicaciones del gobierno de Estados Unidos, incluyendo una lista com entada de publicaciones, domicilios y números telefónicos de los organismos. D ata Sources fo r Business and M arket Analysis (M etuchen, N J: Scarecrow Press) Guía com entada de fuentes originales indexada por fuente (por ejem plo, revista Fortune, Census o f Housing). Editor and Publisher M arket G uide (Nueva York: revista Editor and Publisher) Guía anual para publicistas en las áreas metropolitanas más im portantes, que proporciona inform ación dem o­ gráfica y descriptiva útil para la planeación. Eneyclopedia o f Business Inform ation Sources (D etroit: Gale Research) Guía informativa, disponible para los negocios, de fuentes estadísticas, directorios, publicaciones periódicas, asociaciones, bibliografías y trabajos generales.

T he Federal D atabase Finder (Chevy Chase, M D : Inform ation U SA , Inc.) Guía sobre más de 4 2 00 bases de datos disponibles en todo el gobierno federal. G uide to A m erican D irectories (Coral Springs, FL: B. K lein Publications) Guía sobre los directorios publicados bajo 3 0 0 e n ca b e­ zados diferentes. H ow to Find Inform ation abou t C om panies: T h e C orporate Intelligence Source B ook (Washington, D C : Washington Researchers) Guía que contiene inform ación estadística y resumida sobre compañías específicas. T h e Library and Inform ation M anager’s G uide to Online Services (W h ite Plains, NY: Knowledge Industry Publication) Guía sobre las fuentes de inform ación en línea útiles para los negocios. Management Inform ation Guides (D etroit: Gale R esearch Co.) Bibliografía de fuentes de inform ación sobre los nego­ cios, incluyendo publicaciones de consulta general, películas e informes gubernamentales. M arketing Econom ics Guide (Nueva York: Marketing Econom ics Institute) Guía anual sobre 1 500 centros detallistas, que co n tie­ ne inform ación agrupada por ciudad, condado, estado y región. C on tien e inform ación demográfica sobre la población e inform ación econ óm ica sobre las operacio­ nes detallistas. Marketing Information (Atlanta: Business Publishing División, Georgia State University) Guía extensa sobre libros, publicaciones periódicas y otras fuentes correspondientes a 22 áreas diferentes de la m ercadotecnia. Proporciona listas de organizaciones de mercados, asociaciones, organismos gubernam enta­ les, bibliotecas y organizaciones de consulta privadas. Surveys, Polis, C ensuses, and Forecasts D irectory (D etroit: Gale R esearch C o.) Guía sobre estudios realizados en econom ía, adm inis­ tración de empresas, cien cia y tecnología. Washington Researchers (Washington, DC) W here to Find Business Inform ation: A W orldwide G uide to Everyone W ho N eeds Answers to Business Questions (Nueva York: Wiley) Guía sobre más de 5 00 0 libros, publicaciones periódi­ cas y bases de datos de inform ación sobre empresas.

H ow to Find Inform ation about C om panies: T he C orporate Intelligence Source B ook.

DIRECTORIOS A m erican M arketing A ssociation International M em bership Directory and M arketing Services Guide (Chicago: A m erican M arketing Association) D irectorio anual de los miembros de la A M A , tanto individuos como empresas, y una guía sobre las compa­ ñías que ofrecen servicios de m ercadotecnia. Bradford's Directory o f M arketing R esearch A gencies and M anagem ent Consultants in the U.S. and the World (Fairfax, V A : Bradford) Folleto que se publica cada dos años y proporciona una lista de las agencias y asesores por área geográfica y servicio que ofrecen. Business Organizations, Agencies and Publications Directory (D etroit: G ale R esearch Co.) D irectorio que incluye más de 20 0 00 negocios y organizaciones com erciales, agencias, sociedades pro­ fesionales, organismos gubernamentales, instituciones educativas y publicaciones. Incluye listas específicas de organizaciones de contabilidad, adm inistración, recur­ sos humanos, finanzas y m ercadotecnia. Consultants and Consulting Organizations Directory (D etroit: Gale Research Co.) D irectorio de más de 14 0 0 0 asesores, que m enciona área de experiencia. Directories in Print (D etroit: Gale Research Co.) Directorio de más de 10 0 0 0 directorios impresos, inclu­ yendo directorios de industrias, comercios, profesiones, fabricación y sociedades profesionales. Proporciona descripciones breves, frecuencia de publicación y precio. Directory o f A m erican R esearch and Technology (Nueva York: R .R . Bowker) D irectorio de organizaciones que participan en investi­ gación y desarrollo en Estados Unidos; m enciona sus áreas de interés. Directory o f C orporate Affiliations (Skokie, IL: N ational Register Publishing Co.) D irectorio anual de más de 4 0 0 0 compañías estadouni­ denses públicas y privadas y sus subsidiarias, divisiones y afiliadas. La inform ación está dividida por código de Standard Industrial C lassification, estado y por orden alfabético.

E ncyclopedia o f Associations (D etroit: Gale Research Co.) Enciclopedia anual de asociaciones com erciales, de negocios y profesionales. Encyclopedia o f Inform ation Systems and Services (D etroit: G ale R esearch, Co.) Enciclopedia de más de 2 5 00 productores de bases de datos, bancos de datos, centros de inform ación, vend e­ dores en línea y centros de investigación. Federal Statistical D irectory: T h e G uide co Personnel and D ata Sources (Phoenix, AZ: Oryx Press) D irectorio de personal clave en organismos federales que m aneja inform ación estadística. Incluye domicilios y números telefónicos. FÍN D E X : T h e D irectory o f M arket R esearch Reports, Studies and Surveys (Bethesda, M D : Cambridge Inform ation Group) D irectorio de más de 10 0 0 0 informes de investigación escritos por empresas de investigación de todo el mundo. Fortune 5 0 0 Directory (Nueva York: Tim e, Inc.) D irectorio anual de las 5 00 corporaciones más grandes de Estados Unidos, con inform ación sobre activos, empleados, capital invertido, utilidades y ventas. International Directory o f C orporate A ffiliations (W ilm ette, IL: N ational Register Publishing C o.) D irectorio anual de los valores corporativos nacionales e internacionales de las empresas estadounidenses y los valores en Estados Unidos de las compañías extran­ jeras. International D irectory o f M arketing R esearch H ouses and Services (Nueva York: A m erican M arketing A ssociation, New York Chapter) D irectorio de empresas de investigación de mercados en todo el mundo, indexado tan to por ubicación como por personal principal. Million D allar Directory (Nueva York: D un and Bradstreet) D irectorio anual de más de 160 0 0 0 compañías estado­ unidenses con un valor n eto de más de 5 00 0 0 0 dóla­ res; incluye inform ación sobre ubicación de las oficinas, productos, ventas y número de empleados.

D irectory oflndu stry D ata Sources (Cambridge, M A : H A R FA X) D irectorio en tres volúmenes que contiene más de 15 0 0 0 entradas comentadas sobre 60 industrias. Inclu­ yendo fuentes de referencia generales, fuentes de datos industriales y un directorio de todos los publicistas que se m encionan. .

M oody’s M anuals (Nueva York: Moody’s Investors Service) O ch o manuales anuales que proporcionan inform ación sobre los an tecedentes e inform ación financiera deta­ llada de las empresas (Industrial, O T C Industrial, O T C Unlisted, M unicipal and G overnm ent, Public Utility, Transportation, International and Banks and Finance.)

Directory o f Online D atabases (Santa M ónica, C A : Cuadra A ssociates, Inc.) D irectorio trimestral de más de 4 0 0 0 bases de datos bibliográficas y otras disponibles para el acceso en línea por computadora.

R esearch Services Directory (D etroit: G ale R esearch C o.) D irectorio de empresas de investigación, que incluye compañías de investigación de m ercados y m enciona sus áreas de experiencia.

D uns Consultants Directory (Parsippany, N J: Dun’s Marketing Service, Inc.) Lista anual de más de 25 0 0 0 empresas de asesoría por área geográfica, servicio ofrecido y orden alfabético. Las entradas incluyen volumen de ventas, número de empleados y funcionarios principales.

Standard a n d Poor’s Register o f C orporations, Directors and Executives (Nueva York: Standard and Poor’s Corp.) Lista anual de dom icilios, empleados, funcionarios, productos, ventas y números telefónicos de corporacio­ nes estadounidenses y canadienses.

Standard D irectory o f A dvertisers (W ilm ette, IL: N ational Register Publishing Co.) D irectorio anual de más de 25 0 00 compañías que gastan más de 75 0 0 0 dólares en publicidad; incluye inform ación com o tipo de negocio, relaciones con agencias publicitarias, medios utilizados y productos anunciados.

Index ofE ccm om ic A n ieles (Homewood, IL: Richard D. Irwin, Inc.) Indice anual de artícutos, docum entos y procedim ien­ tos de más de 2 00 diarios económ icos.

Standard D irectory o f Advertising A gencies (W ilm ette, IL: N ational Register Publishing Co.) D irectorio que se publica cada cuatro meses, de más de 5 0 0 0 agencias publicitarias; m enciona cuentas clave, domicilios y números telefónicos.

Information C atalog (Nueva York: FIND/SVP) índice, que se publica cada dos meses, de directorios, informes y otras referencias en publicaciones periódicas e informes privados.

T hom as Register o f A m erican M an ufacturen (Nueva York: Thom as Publishing) D irectorio anual en varios volúmenes de fabricantes de productos y servicios específicos, que proporciona domicilios, sucursales y subsidiarias. Indexado por orden alfabético, nombres de sucursales y directorios telefónicos para las ciudades.

New York Times Index (Nueva York: New York Tim es) índice de materias detallado, que se publica cada dos semanas, de artículos del N ew York Times.

W h o ’s W ho in Consulting (D etroit: Gale R esearch Co.) D irectorio de asesores prom inentes, en m ercadotecnia y otras áreas, incluyendo resúmenes biográficos, ubica­ ción y áreas de experiencia.

ÍNDICES A B l/ln form O ndisc (A n n Arbor, M I: University Microfilms International) índice en disco com pacto que incluye referencias y extractos de artículos de más de 8 00 diarios de negocios y administración. A m erican Statistics Index (W ashington, D C : Congressional Inform ation Service) Extenso índice anual de toda la inform ación estadística que el gobierno federal proporciona al público. Bibliographic Index: A C um ulative Bibliography o f Bibliographies (Nueva York: H.W. W ilson Co.) Lista de bibliografías que se publica cada cuatro meses y contiene 50 o más citas de libros y publicaciones periódicas. Business Index (Foster City, C A : Inform ation A ccess Co.) índice en m icroforma de más de 8 00 revistas y periódi­ cos de negocios y artículos relevantes de publicaciones periódicas generales y legales. Business Periodicals Index (N ueva York: H .W W ilson C o.) índice mensual de alrededor de 3 5 0 publicaciones periódicas de negocios por área de negocio. Com ple­ m entado con actualizaciones trimestrales y anuales. C om m unications A bstracts (Beverly Hills: Sage Publications, Inc.) ín dice trim estral de artículos, informes y libros de la industria de la com unicación que cubre publicidad, m ercadotecnia y com unicación masiva. C on ference B oard Cumulative Index (N ueva York: C onference Board) índice de estudios anteriores de la C onference Board, que cubre una amplia variedad de áreas, incluyendo econom ía y m ercadotecnia. Dissertation A bstracts International (A n n Arbor, M I: University M icrofilms International) índice mensual de más de 3 0 0 0 0 extractos de diserta­ ciones doctorales de las universidades más im portantes

del mundo. Los extractos relacionados con la m ercadotecnia se incluyen en la división de Humanidades y Ciencias Sociales o la división europea.

Predicasts F & S Index: United States (Cleveland: Predicasts) índice sem anal (con agregados mensuales, trimestrales y anuales) de inform ación sobre compañías, productos e industrias, incluyendo actualizaciones de productos nuevos, adquisiciones y fusiones corporativas y desarro­ llos tecnológicos. H ace referencia a más de 7 50 fuentes. Predicasts F & S Index: Europe (Cleveland: Predicasts) Igual que el anterior, pero sólo cubre Europa. Predicasts F & S Index: International (Cleveland: Predicasts) Igual que el anterior, pero éste cubre Asia, Africa, Australia, A m érica C entral y A m érica del Sur. PRIZM (Potentía! Rating Index by Zip M arket) (Claritas Corp.) Perfiles descriptivos de los residentes en cada código postal. Originales de una com pilación de datos dem o­ gráficos del C ensus ofP opu lation and H ousing y datos sobre el estilo de vida de cada región. Social Sciences C itation Index (Filadelfia: Institute for S cien tific Inform ation) índice que se publica cada cuatro meses de todos los artículos en más de 1 4 0 0 publicaciones periódicas sobre ciencias sociales. Los temas relacionados con la m ercadotecnia incluyen econom ía y adm inistración. Statistical Re/erence Index (W ashington, D C: Congressional Inform ation Service) índice mensual de publicaciones estadísticas de fuentes educativas, industriales y gubernam entales, con compilaciones anuales de fuentes tan to gubernam enta­ les como privadas. Statistics Sources: A Subject G uide to D ata on Industrial, Business, Social, Educational, Financial and O ther Topics (D etroit: G ale R esearch C o.) Guía de índices estadísticos de fuentes tan to nacionales como internacionales. University R esearch in Business and Economics (Morgantown: Bureau of Business R esearch, West Virginia University) Com pilación anual de libros, artículos, docum entos de trabajo y monografías producidos por universidades. Indexado por autor, m ateria e institución. Wall Street Journal Index (Princeton, NJ: Dow Jones Books) índice mensual de artículos, con com pilaciones anua­ les, relacionados tan to con noticias corporativas como generales publicadas en el Wall Street Journal.

DATOS ESTADÍSTICOS NO GUBERNAMENTALES A lm an ac o f Business and Industrial Financial Ratios (Englewood Cliffs, N J: Prentice Hall) Recopilación de índices de ventas y operaciones, está organizada para permitir la com paración de empresas de tam año similar dentro de las industrias. B A R /L N A M ulti-M edia Service (Nueva York: Leading N ational Advertisers) Serie de informes trimestrales que proporciona los gastos en publicidad en seis medios im portantes, inclu­ yendo televisión, radio y prensa. También se incluyen las gastos agregados de marcas específicas. Com modity Yearbook (Nueva York: Commodity Research Bureau) Lista anual de precios, volumen de producción, existen­ cias, exportaciones y otras estadísticas de los productos principales. D ealerscope M erchandising: Statistical and M arketing Report (Filadelfia: N orth A m erican Publishing Co.) La edición de marzo de esta publicación com ercial informa sobre embarques, ventas, saturación de pro­ ductos, reemplazo e intercam bio y cifras de exp ortacio­ nes e im portaciones de los bienes de comsumo; la edición de abril cubre los aparatos electrodom ésticos principales. Fortune D ouble 5 0 0 Directory (Nueva York: Tim e Inc.) Ventas, activos, utilidades y otras estadísticas descripti­ vas de las 5 0 0 corporaciones industriales estadounidenses más grandes y las 5 0 0 organizaciones de servicio estadounidenses más grandes según se publican en Fortune. G uide to C onsum er M arkets (Nueva York: C onference Board) Com pilación anual de datos sobre el com portam iento del consumidor, incluyendo inform ación sobre empleo, gastos de consum o, ingreso y precios. M erchandising Statistical and M arketing Report (Nueva York: Billboard Publications) Informe anual de ventas, embarques, importaciones, exportaciones y otras estadísticas de los bienes de consum o duraderos; aparece en la edición de marzo de M erchandising. Moody's M anuals (Nueva York: Moody’s Investors Service) C onju nto de manuales para distintas industrias; se publican cada año y contienen las hojas de balances y los ingresos reunidos de las compañías y del gobierno.

de ventas al detalle de ciudades, condados y áreas estadísticas m etropolitanas de A m érica del N orte. Incluye un índice del poder de compra de las áreas estadísticas metropolitanas. S ourcebook o f Demographics and Buying Power fo r Every Zip C od e in the USA (Fairfax, V A : C A C I, Inc.) Lista de todos los códigos postales, ordenados por estado, e inform ación demográfica asociada (tamaño de la población, perfil de la población, estadísticas de ingreso y empleo, perfil de viviend a). También incluye el índice del potencial de compra, una medición estadística de la probabilidad de que los residentes de una área postal compren diversas categorías de productos y servicios. Standard and Poor’s C orporate Record (Nueva York: Standard and Poor’s Corp.) Lista de estadísticas financieras actuales, inform ación de antecedentes y artículos nuevos de las corporacio­ nes. Standard and P oor’s Industry Survey (Nueva York: Standard and Poor’s Corp.) Encuestas que analizan las industriales nacionales más importantes e informan sobre las tendencias actuales, las tablas y diagramas estadísticos y un panoram a de la industria. Standard and P oor’s Statistical Service (Nueva York: Standard and Poor’s Corp.) Datos estadísticos históricos sobre una variedad de temas industriales, que incluyen finanzas, producción, trabajo, ingreso y comercio. Standard R ate and D ata Service (Skokie, IL: N ational Register Publication Co.) Lista mensual de los índices publicitarios de las estacio ­ nes de radio y televisión estadounidenses, revistas del consumidor, publicaciones de negocios, periódicos y otras publicaciones periódicas. State D ata and D atabase Sou rcebook (Chevy Chase, M D : Inform ation U SA , Inc.) Cóm o obtener inform ación de los organismos estatales, con inform ación específica sobre los datos disponibles y su costo en cada estado. Statistical R eference Index: W orldcasts (Cleveland: Predicasts, Inc.) Proyecciones trimestrales de productos y regiones en todo el mundo. Survey o f World A dvertising Expenditures (M am aroneck, NY: Starch IN R A Hooper) Estimados anuales de los gastos en distintas categorías de medios en los países de todo el mundo.

Predicasts Forecasts (Cleveland: Predicasts, Inc.) Publicación cuatrim estral de pronósticos a corto y largo plazo para indicadores económ icos, industrias y productos, así com o inform ación estadística básica sobre empresas e industrias.

Fuentes gubernamentales

Rand M cN ally C om m ercial A tlas and M arketing G uide (Chicago: Rand M cN ally C o.) Publicación anual de mapas y datos demográficos, de ventas al detalle y de compras para el hogar de más de 100 0 0 0 ciudades de Estados Unidos.

Census C atalog and G uide Catálogo anual de toda la inform ación disponible del Census Bureau desde 1980, con números telefónicos incluidos.

Sales and M arketing M anagem ent Survey o f Buying Power (Nueva York: Sales and M arketing M anagem ent) Encuesta anual sobre ingreso familiar, población y datos

DATOS DEL CENSO Publicaciones por el U.S. Bureau of the Census: G overnm ent Printing Office, W ashington, D C, in ­ cluyen:

Census D ata Index Indice trimestral de los datos disponibles del Census Bureau enlistados por publicaciones, archivos de datos y tabulaciones especiales.

Census o f Agriculture Estadísticas sobre el número de granjas, tipos de gran­ jas, área en acres, prácticas de uso del suelo, empleo, ganado producido y productos y el valor de los productos por estado y condado. El censo, que se publica cada cinco años, está complementado con la publicación anual Agriculture Statistics and Com modity Yearbook. Census o f Construction Industries Estadísticas del valor de los inventarios, el empleo y los activos totales de las empresas que participan en la construcción por contrato, la construcción para ventas o la subdivisión de propiedades en lotes. Census o f G overnm ent Estadísticas sobre los gobiernos estatales y locales con respecto del empleo local, el tam año de la nómina, los presupuestos de operación y la cantidad de deuda. Census o fH ou sin g Censo que se publica cada 10 años y contiene datos estructurales, financieros, económ icos y de mobiliario sobre la vivienda (incluyendo casas y departamentos) en Estados Unidos. Los datos se presentan geográfica­ m ente y por áreas m etropolitanas importantes y se proporcionan por cuadras en las ciudades. Com plem entado por la A m erican Housing Survey anual. Census ofM an ufacturers Censo de compañías fabricantes, clasificadas por clases de producto y ubicación geográfica; contiene estadísti­ cas sobre el núm ero de compañías, cantidad y valor agregado de producción, empleo, gastos de capital, inventarios, ventas por clase de clientes y otras estadís­ ticas. Com plem entado por los A nnual Survey o f M an u factu ren and Current Industrial Reports. Census o f M ineral Industries Inform ación detallada sobre la industria minera dividi­ da en áreas geográficas en 5 0 segmentos de la industria aproxim adamente. Las estadísticas incluyen nivel de producción, valor de los embarques, gastos de capital, equipo eléctrico, costo de abastecim ientos y otras estadísticas. Com plem entado por elMmeraís Yearbook que publica el D epartm ent o f the Interior, aunque no son comparables. Census o f Population C enso de la población que se presenta por región geo­ gráfica. Proporciona una división detallada de varios tipos de inform ación social y demográfica. Está com ple­ m entado cada año por los Current Population Reports. Census o f Population and Housing C on base en el Census of Population; se editan tres publicaciones relacionadas con la vivienda y los datos demográficos de grupos de consumidores: 1) Block Statistics contien e datos de cuadras individuales en las ciudades; 2) Census Tracts incluye datos sobre los v e ­ cindarios en cada estado; y 3) Swmmar^ C haracteristics fo r G overnm ental Units sobre datos que pertenecen al gobierno. Census o f Retail Trade Estadísticas sobre tiendas al detalle, clasificadas por tipo de negocio, que incluyen ventas totales, empleo y núm ero de tiendas por condados, ciudades y áreas estadísticas m etropolitanas estándar. Com plem entado por Mont/ity Retail Trade. C ensus o f Service Industries C enso de establecim ientos de servicio que proporciona inform ación sobre el tipo de negocio, número de unida­ des y total de receptores por área geográfica.

C ensus o f Transportation C enso de establecim ientos en la industria del transporte, dividido en diversos tipos de transportistas y que incluye inform ación sobre viajes de pasajeros, inventario de camiones, autobuses, uso y transporte de productos. Census o f W holesale Trade Censo que cubre más de 150 tipos de establecim ientos de mayoreo y contiene inform ación sobre la función del negocio, ventas totales, gastos, espacio en bodegas y otras estadísticas divididas en condado, ciudad y área m etropolitana estándar. Com plem entado con M on thly W holesale Trade. County and City D atabook Estadísticas de diversos cenaos agrupadas por ciudad y condado. Incluye estadísticas demográficas, educativas y financieras, producción de datos, ventas al detalle y al mayoreo; así como estadísticas de la producción agrícola. County Business Pattems Lista anual de estadísticas de empleo y nóminas de las empresas indexada por condado. Existe un informe separado para cada estado y uno para el país en general. Directory o f Federal Statistics fo r L ocal Areas: A G uide to Sources Guía de las fuentes de estadísticas federales de ciuda­ des y condados. Directory o f Federal Statistics fo r States: A G uide to Sources Guía de fuentes federales de estadísticas de los estados. Directory o fN o n fe d er a l Statistics fo r State and L ocal Areas: A G uide to Sources Guía de fuentes privadas, locales y estatales de estadís­ ticas de ciudades y condados. Factfinder fo r the N ation Serie de publicaciones que presentan con detalle el m aterial disponible del Census Bureau sobre temas como población, vivienda y raza. G uide to Industrial Staústics Guía de programas e inform ación estadística disponi­ bles del Census Bureau y que tienen usos industriales. G uide to 19 90 Census D ata on the Elderly Guía que explica con detalle dónde en contrar informa­ ción del censo de 1990 sobre los ancianos. G uide to the 1987 Econom ic Censuses and Related Statistics Guía de los censos económ icos de 1987 que incluye inform ación sobre usos posibles, contenido, panorama, sistema de clasificación y detalles geográficos. D escrip­ ciones de cada censo y sus encuestas relacionadas. o f U.S. Export and Im port Trade Tablas mensuales del Bureau o f Custom s que propor­ cionan los datos desajustados y ajustados por tempora­ das sobre el com ercio internacional de Estados Unidos, ordenados por grupo de productos, país, uso del pro­ ducto, región aduanal de Estados Unidos y método de embarque.

Otras J>wbticaciones gubernamentales Aging A m erica -Trends and Projections (W ashington, D C : U.S. Sen ate Special Com m ittee on Aging and the A m erican A ssociation o f Retired Persons, U.S. G overnm ent Printing O ffice) Informe sobre el crecim iento y las características de la población de ancianos durante los próximos 3 0 años.

Gráficas y tablas que proporcionan inform ación sobre las características demográficas, el empleo, la salud y el ingreso. Agricultura! Statistics (W ashington, D C : U.S. D epartm ent o f Agriculture, U.S. G overnm ent Printing Office) Estadísticas anuales sobre costos, consumo, precios y producción de los productos agrícolas estadounidenses. A U ser’s G uide to B E A Inform ation (W ashington, D C : U.S. Bureau o f Econom ic Analysis, U.S. G overnm ent Printing Office) D irectory o f Bureau o f Econom ic Analysis Inform ation. Business A m erica (W ashington, D C : U.S. D epartm ent o f Com m erce, U.S. G overnm ent Printing O ffice) Revista quincenal de noticias sobre el com ercio n acio ­ nal e internacional. Business Conditions Digest (W ashington, D C : U.S. Governm ent Printing Office) Publicación mensual de los indicadores de la actividad actual en los negocios en forma de tahlas y diagramas. Business Statistics (W ashington, D C : U.S. D epartm ent o f Com m erce, U.S. G overnm ent Printing Office) Publicación de cada dos años que proporciona las tendencias históricas de los datos que aparecen en la Survey o fC u rren t Business. Econom ic Indicators (W ashington, D C: Council o f Econom ic Advisers, U.S. G overnm ent Printing O ffice) Publicación mensual de estadísticas económ icas gene rales útiles para medir las tendencias en las condiciones de los negocios. F ederal Reserve Bulletin (W ashington, D C : Federal Reserve System Board of Governors) Publicación m ensual de datos financieros, incluyendo bancos, ventas de tiendas de departamentos, tasas de interés, precios y ahorros. H an d book o f B asic E conom ic S tatistics (W ashington, D C : Econom ic Statistics Bureau) Publicación mensual de datos sobre la econom ía n acio­ nal compilados de más d e l 8 0 0 series estadísticas. H an d book o fC y clic a l Indicators (W ashington, D C : U.S. D epartm ent o f Com m erce, U.S. G overnm ent Printing Office) Publicación mensual de los indicadores de la actividad en los negocios y las condiciones económicas. Index to International Business Publications (W ashington, D C : U.S. Dom estic and International Business Adm inistration, U .S. G overnm ent Printing O ffice) Indice de informes del m ercado de exp ortacio­ nes, tendencias económ icas en el extranjero, encuestas del m ercado mundial e informes de negocios en el extranjero. Index to Publications (W ashington, D C: U.S. G overnm ent Printing O ffice) Publicación trimestral de extractos de docum entos del Congreso de todos los temas sobre los que éste investiga. M arketing Inform ation G uide (W ashington, D C: U.S. D epartm ent o f C om m erce, U.S. G overnm ent Printing O ffice) Lista mensual de los informes y estadísticas actuales sobre las prácticas de m ercado y distribución.

M easuring M arkets: A G uide to the Use o f Federal and State Statistical D ata (W ashington, D C : U.S. D epartm ent o f Com m erce, U.S. Governm ent Printing O ffice) G uía de fuentes federales y estatales de datos estadís­ ticos. M onthly L a bo r Review (W ashington, D C : U.S. Bureau o f Labor Statistics, U.S. G overnm ent Printing Office) Lista mensual de estadísticas sobre ganancias, empleo, horas trabajadas, rotación laboral, precios al detalle y al mayoreo e interrupciones laborales. Standard Industrial C lassification M anual (Springfield, V A : U.S. O ffice o f M anagem ent and Budget, U.S. G overnm ent Printing Office) M anual que contien e la clasificación internacional de los productos industriales que utilizan la industria y el gobierno. State and M atropolitan A rea D atabook (W ashington, D C : U.S. D epartm ent o f Com m erce, U.S. Governm ent Printing Office) Com plem ento del Statistical A bstract, que contien e datos básicos sobre e l gobierno, vivienda, fabricación, población, com ercio al detalle y al m ayoreo y servicios seleccionados agrupados por estado y área estadística m etropolitana estándar. Statistical A bstract o fth e United States (W ashington, D C : U.S. Bureau o f the Census, U.S. Governm ent Printing O ffice) Com pilación anual de más de 1 4 0 0 tablas estadísticas que cubren temas demográficos, económ icos, políticos y sociales. Statistics o fln c o m e (W ashington, D C : Internal R evenue Service, U.S. G overnm ent Printing Office) Serie de publicaciones que se preparan cada año de las ganancias del impuesto al ingreso federal y contien en inform ación sobre ingreso, gastos y activos. U na publi­ cación por cada categoría fiscal (corporaciones, propie­ tarios únicos y sociedades e individuos). Survey o fC u rren t Business (W ashington, D C : U.S. Bureau o f Econom ic Analysis, U.S. Governm ent Printing O ffice) Publicación m ensual de más de 2 6 00 series estadísti­ cas, que cubre indicadores de los negocios, com ercio nacional, precios de productos, bienes raíces, gastos de consumo personal por categoría, ingreso y empleo. United blations Statistical Yearbook (Nueva York: N aciones Unidas) Publicación anual de estadísticas sobre econom ía, fabricación, agricultura e indicadores sociales de los países m iembros de las N aciones Unidas. U S. Industrial O utlook (W ashington, D C : Industrial Trade Adm inistration, U.S. D epartm ent o f Com m erce, U.S. Governm ent Printing Office) Publicación anual que proporciona las tendencias y proyecciones recientes de más de 3 5 0 establecim ientos de fabricación y servicio. World A lm an ac and B o o k o f Facts (Nueva York: Newspaper Enterprise Association) Com pilación anual de hechos, q ue incluye tablas esta­ dísticas sobre las variables industriales, sociales, finan­ cieras y políticas.

En torno a la investigación exploratoria: investigación cualitativa

SUBC> SUBC>

Edit

Manip

Cale

MINITAB - CH8A.MTW - [Session] Stat Window Graph Editor Help

j▼ £ $ +

ñame el = 'a' c2 = 'b ' c3 = 'c' ££design 3 8; randomize; xmatrix el -c3.|

Full Factorial Design Factors: 3 Runs: 8 Blocks: none

Design: 3, 8 Replicates: 1 Center points: 0

¿11 terms are free from aliasing -

MTB > print 'a' - 'c' ROW 1 2 3 4 5 6 7

8

a

b

e

-1 -1 -1 1 -1 -1 -1 -1 1 1 - 1 1 - 1 1 1 1 1 - 1 1 1 1 -1 1 -1

MTB >

♦ J

I*

emplearse para cada grupo de sujetos que corra. El -1 indica la primera opción para cada celda (por ejemplo, bajo, cuando se presentan niveles de iluminación bajo e intermedio). Cuando a los tres factores se les asigna - 1 para la primera corrida del experimento, a los consumidores que van a probar esta combinación de ambiente se les conducirá a una habita­ ción con las siguientes características: nivel bajo de iluminación, ruido de estadio al aire libre y aroma de chocolate caliente. El investigador puede encontrar el diseño de este ejemplo y otros similares en el catálogo de la sección de diseños en el manual del MINITAB. MINITAB ofrece al investigador una variedad de capacidades para el análisis de datos. El formato de captura de datos para M INITAB se asemeja al de una hoja de trabajo, de modo que se hace referencia a las variables por medio de encabezados de columnas en las líneas de coman­ do. Aunque MINITAB conserva su antigua estructura de comandos tipo DOS, Release 9 pro­ porciona menús y cuadros de diálogo para quienes prefieren no tener que capturar los coman­ dos por medio del teclado. Los análisis deseados pueden seleccionarse al “señalar y hacer click” en la barra del menú. Así, los cuadros de diálogo pueden acelerar la realización de los comandos tipo DOS, ofreciendo al usuario las diversas opciones para los subcomandos requeridos para realizar el análisis deseado. También está disponible un software más especializado. Probe-PC de Concurrent Technologies es un paquete de series temporales y series tempo­ rales avanzadas para el análisis de datos de los diseños cuasiexperimentales. Puede enlazarse, de manera directa, con bases de datos públicas como Citibase e Ipsharp. Market Matching de Management Science Associates está diseñado para el análisis causal. Selecciona grupos de prueba y de control combinados (áreas geográficas o tiendas) con base en los datos de segui­ miento de ventas. Calcula las diferencias netas previas y posteriores a la prueba y los niveles de importancia correspondientes. Pulse/Rsamp, de Pulse Analytics, genera muestras aleato­ rias de diseño de bloques completas e incompletas. Calcula en forma automática el número, la posición y los pares. GENFRIED es un programa para analizar los datos de bloques no equilibrados.45 Por último, los simuladores como C H O ISIM toman los resultados experimen­ tales y realizan proyecciones sobre la participación en el mercado.46

R

esu m en

La idea científica de la causalidad implica que nunca podremos probar que X causa Y. En el mejor de los casos, sólo podremos deducir que X es una de las causas de Y, en el sentido de que hace que sea probable la ocurrencia de Y. Es preciso satisfacer tres condiciones antes de po­ der hacer deducciones causales: 1) variación concomitante, que implica que X y Y deben variar juntas en forma hipotética; 2) orden del tiempo de ocurrencia de las variables, que im­ plica que X debe preceder a Y; y 3) eliminación de otros factores causales posibles, que implica que deben eliminarse las explicaciones competentes. Los experimentos ofrecen las evidencias más convincentes de las tres condiciones. Un experimento se crea cuando el investiga­ dor manipula o controla una o más variables independientes y mide su efecto sobre una o más variables dependientes. En el diseño de un experimento, es importante considerar la validación interna y exter­ na. La validación interna se refiere a si la manipulación de las variables independientes causa en realidad los efectos sobre las variables dependientes. La validación externa se refiere a la capacidad de generalización de los resultados experimentales. A fin de que el experimento sea válido, el investigador debe controlar las amenazas que representan las variables extrínse­ cas, como historia, maduración, pruebas (efectos de pruebas interactivos y principales), ins­ trumentación, regresión estadística, tendencia en la selección y mortalidad. Existen cuatro formas de controlar las variables extrínsecas: aleatoriedad, comparación, control estadístico y control de diseño. Los diseños experimentales pueden clasificarse como preexperimentales, realmente experimentales, cuasiexperimentales y diseños estadísticos. Un experimento puede realizarse en un ambiente de laboratorio o en condiciones reales de mercado en un escenario de la vida real. Sólo los diseños causales que comprenden experimentación son apropiados para la de­ ducción de las relaciones de causa y efecto. A pesar de que los experimentos presentan limitaciones en términos de tiempo, costo y administración, cada vez son más populares en la mercadotecnia. La mercadotecnia de prue­ ba es una aplicación importante del diseño experimental. Por lo general, la validez interna y externa de los experimentos de campo que se reali­ zan en el extranjero es más baja que en Estados Unidos. El nivel de desarrollo de muchos países es más bajo y el investigador no tiene control sobre muchas de las variables del merca­ do. Los aspectos éticos que comprende la realización de la investigación causal incluyen ocultar el propósito del experimento. Los interrogatorios pueden utilizarse para resolver al­ gunos de estos problemas. Las computadoras son muy útiles en el diseño y análisis de los experimentos.47

A

c r ó n im o s

Los factores extraños que amenazan la validez interna y externa del experimento pueden describirse con el acrónimo TH REA TS: T H R E A T S

E

je r c ic io s

esting (pruebas) istoria egresión rrores en la medición: instrumentación ging: maturation (envejecimiento: maduración) erminación de las unidades de prueba: mortalidad elección, tendencia en la

P reg u n tas

1. ¿Cuáles son los requerimientos para deducir una relación causal entre dos variables? 2. Explique la diferencia entre la validez interna y externa. 3. Mencione cinco variables extrínsecas y dé un ejemplo para mostrar de qué manera cada una puede reducir la validez interna.

4. Describa los diversos métodos para controlar las fuentes de variación extrañas. 5. ¿Cuál es la característica clave que distingue a los diseños experimentales reales de los diseños preexperimentales ? 6. Mencione los pasos que comprende la adecuación del diseño de control de un solo grupo pos­ terior a la prueba. Represente el diseño con símbolos. 7. ¿Qué es un experimento de serie de tiempo? ¿Cuándo se utiliza? 8. ¿Cómo se diferencia un diseño de serie de tiempo múltiple de un diseño de serie de tiempo básico? 9. ¿Qué ventajas presentan los diseños estadísticos sobre los diseños básicos? 10. ¿Cuáles son las limitaciones del diseño de cuadrado latino? 11. Compare la experimentación de laboratorio con la experimentación de campo. 12. ¿La investigación descriptiva debe utilizarse para investigar las relaciones causales? ¿Por qué sí o por qué no? 13. ¿Qué es el mercado de prueba? ¿Cuáles son los tres tipos de mercado de prueba? 14. ¿Cuál es la diferencia principal entre un mercado de prueba estándar y un mercado de prueba controlado? 15. Describa cómo funciona el mercado de prueba simulado. P ro blem as

1. Un grupo quería probar la efectividad de un comercial en contra del aborto. En Atlanta, se seleccionaron dos muestras aleatorias, con 250 participantes cada una. A uno de los grupos se le presentó el comercial en contra del aborto. Después, se midieron las actitudes entre los participantes de ambos grupos. a. Identifique las variables independientes y dependientes en este experimento. b. ¿Qué tipo de diseño se utilizó? c. ¿Cuáles son las amenazas potenciales para la validación interna y externa en este experi­ mento? 2. En el experimento que acabamos de describir, suponga que los entrevistados se seleccionaron por conveniencia y no al azar. ¿Qué tipo de diseño resulta? 3. Considere la tabla siguiente donde se clasifican 500 entrevistados con base en el uso del pro­ ducto y su ingreso.

Ingreso Uso del producto

Alto

Medio

Alto Medio Bajo

40 35 25

30 70 50

Bajo 40 60 150

a. ¿Esta tabla indica variación concomitante entre el uso del producto y el ingreso? b. Describa la relación entre el uso del producto y el ingreso con base en la tabla anterior. 4. Mencione el tipo de experimento que se lleva a cabo en cada una las situaciones siguientes. En cada caso, identifique la amenaza potencial a la validación interna y externa. a. Un distribuidor importante de equipo para oficina considera un nuevo programa de pre­ sentación de ventas para sus vendedores. Se selecciona el territorio de ventas más grande, se implementa el nuevo programa y se mide el efecto sobre las ventas. b. Procter & Gamble quiere determinar si el nuevo diseño del empaque de Tide es más efecti­ vo que el actual. En Chicago, se seleccionan al azar 12 supermercados. En seis de éstos, elegidos de manera aleatoria, Tide se vende con el nuevo empaque. En los otros seis, el detergente se vende con el empaque antiguo. Durante tres meses, se supervisan las ventas en ambos grupos de supermercados. 5. Describa una situación específica en la que sean apropiados cada uno de los siguientes diseños experimentales. Explique su razonamiento.

a. Diseño de un grupo previo y posterior a la prueba b. Diseño de grupo de control previo y posterior a laprueba c. Diseño de grupo de control sólo posterior a la prueba d. Diseño de series temporales múltiples e. Diseño factorial

PARA COMPUTADORA 1. Consulte la bibliografía adecuada y escriba un ensayo corto sobre el papel de las computadoras en los experimentos controlados en la investigación de mercados.

1.

“Surveys Help Settle Trade Dress Infringem ent C ase”, en Q uirk’s M arketing R esearch Review (octu bre-noviembre de 19 8 7 ): pp. 1 6 ,1 7 ,3 3 .

2.

“P O P Radio Test Airs the Ads In -S to re”, en M arketing N ew s (24 de octubre de 1 9 8 6 ): p. 16.

3.

David A . Kenny, C orrelation and C ausality (Nueva York: Wiley, 1979), capítulo 1.

4.

Para varias referencias sobre el uso de los experimentos en m ercadotecnia, véase David M . Gardner y Russell W Belk, A Basic Bibliography on Experim ental Design in Marketing (Chicago: A m erican M arketing A ssociation, 1980).

5.

Claire Selltiz, M arie Jahoda, M orton D eutsch y Stu art W C ook, en R esearch M ethods in Social Relations (Nueva York: H olt, R inehart and W inston, 1959): pp. 83-88.

6.

Fortune (23 de noviembre de 1987): p. 12.

7.

Steven R . Brown y Law rence E. M ekm ed, Experim ental Design an d Analysis (Newbury Park, C A : Sage Publications, 1990).

8.

U n estudio reciente que utiliza diseños experimentales es Stephen J. H och, Xavier Dreze y Mary E. Purk, “ED LP H i-Lo, and Margin A rithm etic”, en Jou rn al o f M arketing 58 (octubre de 1 9 9 4 ): pp. 16-27.

9.

Robert W Shoem aker y Vikas Tibrewaia, “Relating Coupon Redem ption Rates to Past Purchasing o f the Brand”, en Jou rn al o f A dvertising R esearch 25 (octubre-noviem bre de 1 9 8 5 ): pp. 40-47.

10.

S. Banks, Experimentation in M arketing (Nueva York: M cGraw -Hill, 1965): pp. 168-79.

11.

Además de la validación interna y externa, existe tam bién la validación de constructor y de conclusión estadís­ tica. La validación de constructor h ace la pregunta: ¿qué constructor, o característica, se mide en realidad? y se estudia en el capítulo 9 sobre m edición y escalas. La validación de la conclusión estadística se refiere al grado e im portancia estadística de la covarianza que existe en los datos, y se estudia en los capítulos sobre el análisis de datos. V éase T D . C ook y D .T Campbell, Q uasi-Experim entation (Chicago: Rand M cNally, 1 9 7 9 ): pp. 5 2 -5 3 ; y D onald T. Campbell y Julián C . Stanley, Experim ental and Q uasi Experim ental Designs fo r R esearch (Chicago: Rand M cNally, 1966).

1 2 . Joh n G. Lynch, Jr., “O n the External Validity o f Experim ents in Consum er R esearch”, en Jo u rn a l o f C on su ­ m er Research, 9 (diciembre de 1982): pp. 225-44. 1 3 . J.G. Lynch, Jr., “T h e Role o f External Validity in T heoretical Research”, B.J. Calder, L .W Phillips y A lice Tybout, “Beyond External Validity”, y J.E . M cG rath y D. Brinberg, “External Validity and the R esearch Process”, en Jou rn al o f C onsum er R esearch (junio de 1983): pp. 1 0 9 - 1 1 ,1 1 2 -1 4 y 115-24. 14.

C. O ’Herlihy, “W hy Ad Experim ents Fail”, en Jou rn al o f Experim ental R esearch (febrero de 1980): pp. 53-58.

1 5 . T D . C ook y D.T. Cam pbell, Q uasi-Experim entation (Chicago: Rand M cNally, 1979): pp. 52-53. 16.

Steven R . Brown y Law rence E. M elamed, E xperim ental Design and A nalysis (Newbury Park, C A : Sage Publications, 1990).

17.

Andrew M. Tarshis, “N atural Sell-in Avoids Pitfalls o f C ontrolled Tests”, en M arketing N ew s (24 de octubre de 1986): p. 14.

1 8 . También están disponibles otros diseños experimentales. Véase R .S. Winer, “Analysis o f Advertising Experiments”, en Jou rn al o f A dvertising R esearch (junio de 1980): pp. 25-31. 19.

Para algunas aplicaciones de este diseño, véase Z.S. Demirdjian, “Sales Effectiveness o f Comparative Advertising”, en Jou rn al o f C onsum er R esearch (diciembre de 1983): pp. 3 6 2 -6 5 ; y C .P D un can y J.E Nelson, “Effects of Humor in a Radio Advertising Experim ent”, en Journal o f A dvertising (1 9 8 5 ): pp. 3 3 -4 0 .

20.

Para una aplicación del diseño de los cuatro grupos de Solom on, véase Richard W. Mizerski, N eil K . Allison y Step h en C alvert, “A Controlled Field Study of C orrective A dvertising Using M últiple Exposures and a Com m ercial Médium", en Jou rn al o f M arketing R esearch 17 (agosto de 1980): pp. 3 4 1 -4 8 .

21.

S. Banks, Experim entation in M arketing (Nueva York: M cGraw -Hill, 1965): pp. 168-79.

22.

Lakshm an Krishnam urti, Ja ck Narayan y S.P R aj, “Intervention Analysis o f a Field Experim ent to Assess the Buildup Effect o f Advertising”, en Jou rn al o f M arketing R esearch 23 (noviembre de 1986): pp. 3 3 7 -4 5 .

23.

V éase, por ejemplo, Am itava Chattopadhyay y Kunal Basu, “Humor in Advertising: T h e M oderating Role o f Prior Brand Evaluation”, en Journal o f M arketing R esearch 27 (noviembre de 1990): pp. 4 6 6 -7 6 .

24.

Para aplicaciones recientes de diseños factoriales, véase France Leclerc, Bernd H. Sch m itt y Laurette Dube, “Foreign Branding and Its Effects on Product Perceptions and A ttitudes”, en Jou rn al o f M arketing R esearch 31 (mayo de 1 9 9 4 ): pp. 263-70.

25.

A lbert C. Bemm aor y Dominique M ouchoux, “Measuring the Short-Term Effect o f In -Sto re Prom otion and R etail Advertising on Brand Scales: A Factorial Experim ent”, en Jou rn al o f M arketing R esearch 28 (mayo de 1 991): pp. 202-14.

2 6 . Jam es B. Miller, N orm an T Bruvoldy Jerom e B. Kernan, “Does C om petitive-Set Inform ation A ffect the Results o fC o n cep t Tests?”, en Journal o f A dvertising R esearch (abril-mayo de 1987): pp. 16-23. 2 7 . J.H. Barnes, Jr. y D T Seymour, “Experimenter Bias: Task, Tools, and T im e”, en Journal o fth e A cadem y o f M arketing Science (inviernode 1980): pp. 1-11. 2 8 . J. Lim y J.O . Summers, “A N on-Experim ental Investigation o f Demand A rtifacts in a Personal Selling Situation”, en Jou rn al o f M arketing R esearch (agosto de 1984): pp. 251-58. 2 9 . Jo h n G. Lynch, Jr., “O n the External Validity o f Experim ents in Consum er R esearch”, en Jou rn al o f C onsum er R esearch 9 (diciembre de 1982): pp. 225-44. 30.

EW . Farris y D.J. Reibstein, “Overcontrol in Advertising Experim ents”, en Journal o f Advertising R esearch (juniojulio de 19 8 4 ): pp. 37-42.

31.

M.J. H ouston y M .L. Rothschild, “Policy-Related Experim ents on Inform ation Provisión: A N orm ative Model and Explication”, en Journal o f M arketing R esearch (noviembre de 1980): pp. 4 3 2 -4 9 ; y A lan G. Sawyer, Parker M. W orthing y Paul E. Sendak, “T h e Role o f Laboratory Experim ents to Test M arketing Strategies”, en Journal o fM a rk etin g 4 3 (verano de 1 979): pp. 60-67.

32.

Hurbert M. Blalock, Jr., C au sal Inferences in N onexperimental Research (Chapel Hill: University o f N orth Carolina Press, 1 9 6 4 );y T D .C o o k y D T C a m p b e ll,Quasi-Experimentation (Chicago: R andM cN ally, 1 9 7 9 ),cap ítu lo 7.

33.

En algunas situaciones, las encuestas y los experimentos pueden complementarse entre sí y es posible utilizar ambos. Por ejemplo, los resultados obtenidos en experimentos de laboratorio pueden analizarse posteriorm ente en una encuesta de campo. Véase Wesley J. Joh n ston y Keysuk Kim, “Performance, Attribution, and Expectancy Linkagesin Personal Selling”, en Jou rn al o f M arketing 58 (octubre de 1994): pp. 68-81.

34.

Reimpresión con autorización de M arketing N ew s publicación de la A m erican M arketing A ssociation, Chicago, 1 de marzo de 1985: p. 15.

35.

“Tests M arketers on Target”, en Sales and M arketing M anagem ent (11 de marzo de 1985): pp. 8 1 -1 1 6 ; y “T h e Tim e Test o f Test M arketing is T im e”, en Sales and M arketing M anagem ent (14 de marzo de 1983): p. 74.

36.

Julie Franz, “Kraft Tests Dressings, Cheeses”, en Aduertising Age (25 de noviem bre de 1985): p. 43.

37.

“How to Improve Your C hances for Test-M arket Su ccess”, en M arketing N ew s (6 de enero de 1 9 8 4 ): p. 12.

38.

L. Adler, “Test M arketing - Its Pitfalls”, en Sales and M arketing M anagem ent (15 de marzo de 1982): p. 78.

39.

“Speeding Up Test M arketing”, e n M arketing C om m unications (junio de 1985): pp. 6 7 -7 0 .

40.

Para aspectos relacionados con la validación del m ercado de pruebas simulado, véase G len L. U rban y Gerald M. Katz, “Pre-Test M arket Models: Validation and M anagerial Im plications”, en Jou rn al o f M arketing R esearch 20 (agostode 1 9 8 3 ): pp. 22 1 -34.

41.

K. Higgins, “Sim ulated Test M arketing W inning A ccep tan ce”, en M arketing N ew s (1 de marzo de 1985): p. 15.

42.

Bruce Crumley, “French Cola W ars”, en Advertising Age (17 de diciem bre de 1990): p. 22.

43.

D.S. Holmes y D.H. Bennett, “Experiments to Answer Questions Raised by the Use if D eception in Psychological R esearch: I. Role Playing as an A lternative to D eception; II. Effectiveness o f Debriefing after a D eception; III. Effect o f Informed C onsent on D eception”, en Journal o f Personality and Social Psychology 29 (1 9 7 4 ): pp. 358-67.

44.

O.C. Ferrell y S.J. Skinner, “Ethical Behavior and Bureaucratic Structure in M arketing Research O rganizations”, en Jou rn al o f M arketing R esearch 25 (1 9 8 8 ): pp. 103-9.

45.

Cindi G. Sarosky y Gary M. M ullet, “G E N FR IED : A Program for the Analysis o f U nbalanced Block D ata”, en Jou rn al o f M arketing R esearch (noviembre de 1983): p. 444.

46.

David R . Lambert, Kamlesh M athur y N. M ohán Reddy, “Choisim: A First-C hoice Sim ulator for C onjoint D ata”, en Journal o f M arketing R esearch (mayo de 1985): pp. 219-21.

47.

Agradecemos la ayuda de Jam es Agarwal con el ejemplo de investigación de mercados internacionales, la ayuda de M ark Leach y G ina M iller en la redacción de la sección sobre ética y la ayuda de M ark Peterson en la redacción de la sección aplicaciones para computadora.

Medición y escalas: fundamentos y escalas comparativas “Guando aquelyue habla puede expresarlo sabe alg o de e llo ” SordD Celoin

O b je t iv o s Al finalizar la lectura de este capítulo, el estudiante podrá: 1. Presentar los conceptos de medición y escalas, y mostrar de qué manera las escalas pueden considerarse una extensión de la medición. 2. Analizar las escalas primarias de medición y diferenciar las escalas nominales, ordinales, de intervalos y de relación. 3 . Clasificar y analizar las técnicas de escalas como comparativas y no comparativas, así como describir las técnicas de comparación apareada, el orden de clasificación, la cantidad constante y las escalas de clasificación Q. 4 . Explicar el concepto de los protocolos verbales y analizar cómo podrían emplearse para medir la respuesta del consumidor a la publicidad. 5 . Analizar las consideraciones que comprende llevar a cabo las escalas prima­ rias de medición en un escenario internacional. 6. Comprender los aspectos éticos que comprende la selección de escalas de medición. 7. Analizar el uso de microcomputadoras y mainframes en la ejecución de escalas de medición.

P anoram a g en era l Una vez especificada la información que debe obtenerse y se determina el tipo de diseño de investigación (capítulos 3 a 7), el investigador puede pasar a la etapa siguiente del diseño de investigación: decidir sobre los procedimientos de medición y escalas. Este capítulo descri­ be los conceptos de escalas y medición, y estudia cuatro escalas primarias: nominal, ordinal, de intervalos y de relación. Describiremos tanto las técnicas de escalas comparativas como no comparativas y explicaremos con detalle las técnicas comparativas. Las técnicas no compara­ tivas se estudiarán en el capítulo 9. Se analizarán las consideraciones que comprende ejecutar las escalas primarias de medición al investigar mercados internacionales. Se identificarán va­ rios aspectos éticos que surgen en la medición y las escalas. El capítulo termina con un análisis del uso de las microcomputadoras y mainframes para ejecutar escalas primarias de medición. Para empezar, presentaremos algunos ejemplos de los usos de las escalas primarias de medición.

EJEMPLO Ganando votos con la investigación de mercados ___________________ Barna Research Group, con sede en Glendale, California, llevó a cabo una encuesta para identificar los problemas más importantes que enfrenta Estados Unidos durante la última década del siglo X X . De acuerdo con la encuesta, los tres problemas más significativos, en orden de importancia son: 1) la lucha contra el consumo de drogas, 2) la política internacio­ nal, y 3) la reducción de la deuda nacional. Este orden de importancia refleja una escala ordinal. Desde un punto de vista sustantivo, estos problemas se volvieron cruciales en las elecciones presidenciales de 1992.1 ♦

EJEMPLO Los centros comerciales en Estados Unidos ______________________ De acuerdo con la encuesta reciente Maritz Ameri-Poll, visitar el centro comercial de la locali­ dad se ha convertido en parte del estilo de vida estadounidense. Los resultados de esta encues­ ta indicaron que, en promedio, 40% de los adultos hacen sus compras en un centro comercial una o dos veces al mes. Otro 20% compra de tres a cuatro veces al mes, y 10% realiza de cinco a ocho visitas. “Nacidos para comprar” describe el 7% de las personas que, en promedio, ha­ cen sus compras en un centro comercial ocho o más veces al mes. La información proporcio^ nada por este medio en forma de porcentajes es la ilustración de una escala de cantidad constante. Esta información puede ser útil para las cadenas de tiendas de departamen­ tos en su planeación para la cantidad de lo­ cales en los centros comerciales.2 ♦ V isita r el c e n tr o c o m e r c ia l d e la lo c a lid a d se h a c o n v e rtid o e n p a rte d e l e s tilo d e v id a e s ta d o u n i­ d e n se . ♦ Bergen Malí, Nueva Jersey.

Las asignaciones de rangos de impor­ tancia a problemas preocupantes, y porcenta­ jes a categorías específicas de entrevistados, son sólo dos ejemplos del papel significativo de la medición y las escalas en la investiga­ ción de mercados.

M

e d ic ió n y esca la s

medición Asignación de números u otros signos a las características de los objetos, de acuerdo con ciertas reglas especi­ ficadas con anterioridad.

escala Generación de un continuo en el que se colocan los objetos medidos.

E

M edición significa asignar números u otros símbolos a las características de los objetos de acuerdo con ciertas reglas especificadas previamente.3 No medimos el objeto sino algunas de sus características. De manera que, no medimos a los consumidores, sino sólo sus percep­ ciones, actitudes, preferencias u otras características relevantes. En la investigación de merca­ dos, los números se asignan, casi siempre, por una de dos razones: primera, los números permiten el análisis estadístico de los datos resultantes. Segunda, los números facilitan la comunica­ ción de las reglas de medición y los resultados. El aspecto más importante de la medición es la especificación de las reglas para la asignación de los números a las características. El proceso de asignación debe ser isomórfico: debe haber correspondencia de uno a uno entre los números y las características a medirse. Por ejemplo, las mismas cifras en dólares se asignan a familias con ingresos anuales idénticos. Sólo así los números pueden asociarse con las características específicas del objeto medido y viceversa. Además, las reglas para la asignación de números deben estandarizarse y aplicarse de manera uniforme. No deben cambiar con los objetos ni el tiempo. Las escalas pueden considerarse una extensión de la medición. Las escalas compren­ den la creación de un continuo sobre el que se localizan los objetos medidos. Para ilustrar, considere una escala para ubicar a los consumidores de acuerdo con la característica “actitud hacia las tiendas de departamentos”. A cada entrevistado se le asigna un número que indica una actitud desfavorable (medida como 1), una actitud neutral (medida como 2) o una acti­ tud favorable (medida como 3). La medición es la asignación real de 1, 2 o 3 a cada entrevistado. Las escalas constituyen el proceso de ubicar a los entrevistados en un continuo con respecto de su actitud hacia las tiendas de departamentos. En nuestro ejemplo, la escala es el proceso por medio del cual los entrevistados se clasificarían como personas que tienen actitud desfa­ vorable, neutral o positiva.

sca la s d e m e d ic ió n p r im a r ia s Existen cuatro escalas de medición primarias: nominal, ordinal, de intervalos y de relación.4 Estas se ilustran en la figura 8.1, y sus propiedades se resumen en la tabla 8.1, y se analizan en las siguientes secciones.

Escala nominal escala nominal Escala cuyos números sirven sólo como etiquetas o señales para identificar y clasificar los objetos, con una correspondencia estricta de uno a uno entre los números y los objetos.

La escala nom inal es un esquema de etiquetado figurado en el que los números sirven sólo como etiquetas o señales para identificar y clasificar los objetos. Por ejemplo, los números que se asignan a los entrevistados en un estudio constituyen una escala nominal. Cuando una escala nominal se utiliza para propósitos de identificación, existe una correspondencia es­ tricta de uno a uno entre números y objetos. Cada número se asigna sólo a un objeto y cada objeto tiene un solo número asignado. Algunos ejemplos comunes incluyen los números de afiliación al seguro social y los números que se asignan a los jugadores de fútbol. En la inves­ tigación de mercados, las escalas nominales se utilizan para identificar entrevistados, marcas, atributos, tiendas y otros objetos. Cuando se emplean para propósitos de clasificación, los números de las escalas nomi­ nales sirven como etiquetas para las clases o categorías. Por ejemplo, puede clasificar el grupo de control como grupo 1 y el experimental como grupo 2. Las clases son mutuamente excluyentes y colectivamente exhaustivas. Los objetos en cada clase se consideran equiva­ lentes respecto de la característica que representa el número nominal. Todos los objetos en la misma clase tienen el mismo número y dos clases nunca tienen el mismo número. Los números en una escala nominal no reflejan la cantidad de la característica que po­ seen los objetos. Por ejemplo, un número alto de afiliación al seguro social no significa que la

Figura 8.1

Escala Nomina /

Núm eros asignados a los corredores

M eta

Ordinal

Orden de clasificación de los ganadores

M eta

Ilustración de las escalas primarias de la administración

Tercer lugar

De intervalos

Calificación del de­ sem peño con base en una escala de 0 a 10

8.2

De relación

Tiem po hasta la meta, en segundos

15.2

Segundo lugar

Primer lugar

9.6

13.4

14.1

persona sea de alguna manera superior a alguien que tiene un número más bajo ni viceversa. Lo mismo sucede con los números que se asignan a las clases. La única operación permisible con los números en una escala nominal es el conteo. Sólo se permite una cantidad limitada de estadísticas, las cuales se basan en los conteos de frecuencia. Estas incluyen porcentajes, modo, chi-cuadrada y pruebas binomiales (véase el capítulo 15). No tiene sentido calcular un número promedio de afiliación al seguro social, el sexo promedio de los entrevistados en

Tabla 8.1 Escalas primarias de medición

Escala

Características básicas

Ejemplos comunes

Ejemplos de mercadotecnia

Estadísticas permitidas Descriptivas

Deductivas

Números de afilia­ ción al seguro social, números de jugado­ res de fútbol Clasificaciones de calidad, clasificacio­ nes de los equipos en un torneo

Números de mar­ cas, tipos de tien­ das, clasificación por sexo Clasificaciones por preferencias, posi­ ción en el mercado, clase social

Porcentajes, modo

Chi-cuadrada, prueba binomial

Percentilio, mediana

Las diferencias entre los objetos pueden compararse; el punto cero es arbitrario

Temperatura (Fahrenheit, Celsius)

Actitudes, opinio­ nes, números en un índice

Rango, media, desviación estándar

Correlación, orden clasifica­ ción, ANOVA de Friedman Correlaciones producto-mo­ mento, pruebas t, ANOVA, regre­ sión, análisis de factores

El punto cero es fijo; las relaciones de los valores de la escala pueden calcularse

Longitud, peso

Edad, ingreso, costos, ventas, participación en el mercado

Media geo­ métrica, me­ dia armónica

Nominal

Los números identifican y clasifican los objetos

Ordinal

Los números indican las po­ siciones relativas de les ob­ jetos, pero no la magnitud de las diferencias entre éstos

De inter­ valos

De rela­ ción

Coeficiente de variación

una encuesta ni el número asignado a una tienda departamental promedio, como en el ejem­ plo siguiente.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Escala nominal_______________ En el proyecto de las tiendas departamentales, a las 10 tiendas que se incluyeron en el estudio se les asignaron números del 1 al 10 (véase la tabla 8.2). De este modo, la tienda 9 era Sears. Esto no implicaba que Sears fuera de ninguna manera superior o inferior a Neiman Marcus; que tenía el número 6 . Cualquier reasignación de los números, como transponer los números asignados a Sears y Neiman Marcus, no habría tenido algún efecto en el sistema de numeración, puesto que los números no re­ flejaban ninguna característica de las tiendas. Resulta significativo hacer afirmaciones como: “75% de los en­ trevistados compraron en Sears durante el mes pasado”. Aun cuando el promedio de los números asignados es 5.5, no tiene sentido afirmar que el número de la tienda promedio es 5.5. ♦ Ejemplo común y popular de una escala nominal son los nú­ meros que se asignan a los jugadores de fútbol. ♦ Tony Stone Images.

Escalas ordinales La escala ordinal es una escala de clasificación en la que los números se asignan a los objetos para indicar el grado relativo en el que los objetos poseen cierta carac­ terística. Una escala ordinal nos permite determinar si

Tabla 8.2 Ilustración de las escalas primarias de medición

Escala nominal

Escala ordinal

Escala de.intervalos

Escala de relación

Número

Clasificaciones por preferencia

Calificaciones de la preferencia 1-7 11-17

Dólares que se gastaron durante los dos meses pasados

1 2 3 4 5

6 7

8 9

10

Tienda Lord &. Taylor Macy’s Kmart Rich’s J.C. Penney Neiman Marcus Target Saks Fifth Avenue Sears Woolworth

5 7 7

3

79 25 82 30

1

10

5 9

53 95 61 45 115

7 5 4 5

7

2 8

6 4

10

6

6 2

15 17 17 16 17 15 14 15 16

12

0 200 0 100 250 35

0 100 0 10

escala ordinal Escala de clasificación en la que los números se asignan a los objetos para indicar el grado relativo con que se posee cierta característica. De modo que es posible determinar si un objeto tiene mayor o menor cantidad de la característica- que algún otro.

un objeto tiene más o menos cantidad de cierta característica que algún otro, pero no cuánto más o menos. De manera que, una escala ordinal indica la posesión relativa, pero no la mag­ nitud de las diferencias entre los objetos. El objeto que se clasifica en primer lugar tiene mayor cantidad de la característica, en comparación con el que ocupa el segundo lugar, pero se desconoce si este último posee una cantidad elevada o baja de la característica. Algunos ejemplos comunes de escalas ordinales incluyen clasificaciones de calidad, clasificaciones de los equipos en un torneo, clase socioeconómica y condición laboral. En la investigación de mercados, las escalas ordinales se utilizan para medir las actitudes, opiniones, percepcio­ nes y preferencias relativas. Las mediciones de este tipo incluyen juicios de “mayor que” y “menor que” por parte de los entrevistados. En una escala ordinal, al igual que en una nominal, los objetos equivalentes reciben la misma clasificación. Puede asignarse cualquier serie de números que conserve las relaciones ordenadas entre los objetos. Por ejemplo, las escalas ordinales pueden transformarse de cual­ quier manera siempre y cuando se conserve el orden básico de los objetos .5 En otras palabras, se permite cualquier transformación positiva monotónica (que conserve el orden) de la esca­ la, puesto que las diferencias en los números no representan nada más que el orden (véase el ejemplo siguiente). Por estas razones, además de la operación de conteo permitida para los datos en la escala nominal, las escalas ordinales permiten el uso de estadísticas con base en centilios. Tiene sentido calcular el percentilio, el cuartilio, la mediana (capítulo 15), la co ­ rrelación entre orden y clasificación (capítulo 17) o cualquier otra estadística de resumen a partir de los datos ordinales.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Escala ordinal _________________________________ ________ La tabla 8.2 presenta las clasificaciones de las preferencias de un entrevistado específico. Los participantes clasificaron 10 tiendas departamentales, en orden de preferencia, al asignar una clasificación de 1 a la tienda por la que tienen mayor preferencia, una clasificación de 2 a la segunda más preferida y así sucesivamente. Nótese que J.C. Penney (clasificación 1), se prefiere a Macy’s (clasificación 2), pero no sabemos cuánto se prefiere. Asimismo, no es n e­ cesario asignar números del 1 al 10 para obtener una clasificación de preferencias. La segun­ da escala ordinal, que asigna un número 10 a J.C. Penney, 25 a Macy’s, 30 a Rich’s y así sucesivamente, es una escala equivalente, ya que se obtuvo a partir de una transformación monotónica positiva de la primera escala. Las dos escalas dan como resultado el mismo orden de las tiendas de acuerdo con las preferencias. ♦

Escala de intervalos escala de intervalos Escala en la cual los nú­ meros se utilizan para clasificar objetos, de ma­ nera que las distancias numéricamente iguales en la escala representan distancias iguales en la característica que se mide.

En una escala de intervalos, las distancias numéricamente iguales en la escala representan valores iguales en la característica que se mide. Una escala de intervalo contiene toda la información de una escala ordinal, pero además permite la comparación de las diferencias entre los objetos. La diferencia entre dos valores cualesquiera de la escala es idéntica a la diferencia entre otros dos valores adyacentes en una escala de intervalo. Existe un intervalo constante o igual entre los valores de la escala. La diferencia entre 1 y 2 es la misma que la diferencia entre 2 y 3, que es igual a la diferencia entre 5 y 6 . Un ejemplo común de la vida cotidiana es una escala de temperatura. En la investigación de mercados, los datos de acti­ tudes obtenidos de las escalas de calificación se manejan con frecuencia como datos de inter­ valos.6 En una escala de intervalos, la ubicación del punto cero no es fija. Tanto el punto cero como las unidades de medición son arbitrarios. Por consiguiente, cualquier transformación lineal positiva de la especie y — a + bx conservará las propiedades de la escala. Aquí, x es el valor original de la escala, y es el valor transformado de la escala, b es una constante positiva y a es cualquier constante. Por tanto, dos escalas de intervalos que clasifiquen los objetos A, B, C y D como 1, 2, 3 y 4 o como 22, 24, 26 y 28 son equivalentes. Nótese que la última escala puede derivarse de la primera al utilizar a = 20 y b = 2 en la ecuación de transformación.

Puesto que el punto cero no es fijo, no tiene sentido calcular las relaciones de los valores de las escalas. Como puede verse, la relación del valor D con el B cambia de 2:1 a 7:6 cuando se transforma la escala. No obstante, se permiten las relaciones de las diferencias entre los valo­ res de las escalas. En este proceso, las constantes a y fe en la ecuación de transformación surgen en los cálculos. La relación de la diferencia entre D y B con la diferencia entre C y B es 2:1 en ambas escalas. Las técnicas estadísticas que pueden utilizarse en los datos de la escala de intervalos incluyen todas aquellas que pueden aplicarse a los datos nominales y ordinales, además de la media aritmética, la desviación estándar (capítulo 15), las correlaciones producto momento (capítulo 17) y otras estadísticas que se utilizan en forma regular en la investigación de mer­ cados. Sin embargo, ciertas estadísticas especializadas, como la media geométrica, la media armónica y el coeficiente de variación no son significativas en los datos de la escala de inter­ valos. El ejemplo de las tiendas departamentales ofrece una ilustración más detallada de una escala de intervalos.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Escala de intervalos_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ En la tabla 8.2, las preferencias de entrevistados por las 10 tiendas se expresan en una escala de calificación de siete puntos. Podemos ver que, a pesar de que Sears recibió una califica­ ción de preferencia de 6 y Woolworth de 2, no significa que Sears se prefiera tres veces más que Woolworth. Cuando las calificaciones se transforman a una escala equivalente de 11 a 17 (columna siguiente), las calificaciones para estas tiendas se convierten en 16 y 12 y la re­ lación ya no es 3:1. Por el contrario, las relaciones de las diferencias preferenciales son idén­ ticas en las dos escalas. La relación de la diferencia de preferencias entre J.C. Penney y Woolworth, con la diferencia de preferencias entre Neiman Marcus y Woolworth, es 5:3 en ambas escalas. ♦

Escala de relación escala de relación La escala más alta. Esta permite que el investi­ gador identifique o cla­ sifique los objetos, los coloque en orden de clasificación y compare los intervalos o diferen­ cias. También es adecua­ da para calcular las rela­ ciones de los valores de la escala.

La escala de relación posee todas las propiedades de las escalas nominal, ordinal y de interva­ los y, además, un punto cero absoluto. De esta manera, en las escalas de relación podemos identificar o clasificar los objetos, ordenarlos y comparar los intervalos o diferencias. Asimis­ mo, resulta significativo calcular las relaciones de los valores de la escala. La diferencia entre 2 y 5 no sólo es igual a la diferencia entre 14 y 17, sino también 14 es siete veces mayor que 2 en un sentido absoluto. Algunos ejemplos comunes de escalas de relación incluyen estatura, peso, edad y dinero. En la mercadotecnia, las ventas, los costos, la participación en el merca­ do y el número de clientes son variables, que se miden con base en una escala de relación. Las escalas de relación permiten sólo transformaciones proporcionadas de la especie y = bx, donde b es una constante positiva. No podemos sumar una constante arbitraria, como en el caso de una escala de intervalos. La conversión de yardas a pies (b = 3) proporciona un ejemplo de esta transformación. Las comparaciones entre los objetos son idénticas ya sea que se hagan en yardas o pies. Todas las técnicas estadísticas pueden aplicarse a los datos de relación. Éstas incluyen estadísticas especializadas como la media geométrica, la media armónica y el coeficiente de variación. La escala de relación se ilustra con mayor detalle en el contexto del ejemplo de las tiendas departamentales.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Escala de relación _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ En la escala de relación que se ilustra en la tabla 8.2, se pide a un entrevistado que indique la cantidad de dólares que gastó en cada una de las 10 tiendas durante los dos meses anterio­ res. Nótese que como este participante gastó 200 dólares en Macy’s y sólo 10 dólares en

Woolworth, gastó 20 veces más en Macy’s que en Woolworth. Asimismo, el punto cero es fijo, puesto que 0 significa que el entrevistado no gastó nada en esa tienda. Al multiplicar estos números por 100 a fin de convertir los dólares en centavos, obtenemos como resultado una escala equivalente. ♦ Las cuatro escalas primarias (que estudiamos aquí) no comprenden todas las categorías del nivel de medición. Es posible construir una escala nominal que proporciona información parcial sobre el orden (la escala ordenada en forma parcial). De modo similar, una escala ordinal puede proporcionar información parcial sobre la distancia, como en el caso de una escala métrica ordenada. Un análisis de estas escalas va más allá de lo que abarca este libro .7

U

n a c o m p a r a c ió n d e las t é c n ic a s d e esca la s

escalas comparativas Uno de dos tipos de técnicas de escalas en el cual hay una compara­ ción directa de los obje­ tos de estímulo entre sí.

Figura 8.2

Las técnicas de escalas que se utilizan con mayor frecuencia en la investigación de mercados pueden clasificarse en escalas comparativas y no comparativas (véase la figura 8.2). Las esca­ las comparativas comprenden la comparación directa de los objetos de estímulo. Por ejem­ plo, puede preguntarse a los entrevistados si prefieren Coca-Cola o Pepsi. Los datos de esta escala deben interpretarse en términos relativos y tienen sólo propiedades ordinales o de orden por clasificación. Por esta razón, las escalas comparativas se conocen también como escalas no métricas. Como se muestra en la figura 8.2, las escalas comparativas incluyen comparaciones apareadas, orden por clasificación, escalas de cantidad constante, clasifica­ ción Q y otros procedimientos. El beneficio principal de las escalas comparativas es que pueden detectarse las peque­ ñas diferencias entre los objetos de estímulo. Al comparar los objetos de estímulo, los entre­ vistados se ven obligados a elegir entre éstos. Además, los participantes consideran la tarea de calificación desde los mismos puntos de referencia conocidos. Como consecuencia, las escalas comparativas se entienden y pueden aplicarse con facilidad. Otras ventajas de estas escalas son que comprenden menos suposiciones teóricas y además tienden a reducir los efectos de halo y de remanente de un juicio al otro .8 Las desventajas más importantes de las

Técnicas de escalas

Clasificación de las técnicas de escalas

1

Likert

i* Diferencial semántico

1i

Stapel

escalas no comparativas Uno de dos tipos de técnicas de escalas en el cual cada objeto de estí­ mulo se evalúa en forma independiente de los demás objetos en el con­ junto de estímulos.

T

escalas comparativas incluyen la naturaleza ordinal de los datos y la incapacidad de generali­ zar más allá de los objetos de estímulo que se presentan en la escala. Por ejemplo, a fin de comparar RC Cola con Coca-Cola y Pepsi, el investigador tendría que realizar un nuevo estudio. Las técnicas de escalas no comparativas superan con mucho estas desventajas. En las escalas no comparativas, conocidas también como escalas métricas o monádicas, cada objeto se evalúa en forma independiente de los otros objetos del conjunto de estímulos. Por lo general, se supone que los datos que resultan se encuentran en una escala de intervalos o relación .9 Por ejemplo, puede pedirse a los entrevistados que evalúen Coke en una escala de preferencia de 1 a 6 (1 = no se prefiere, 6 = se prefiere en gran medida). Se obtienen evaluaciones similares para Pepsi y RC Cola. Como puede verse en la figura 8.2, las escalas no comparativas pueden ser escalas de calificación continua o por partidas. Las escalas de califi­ cación por partidas pueden clasificarse una vez más en escalas de Likert, de diferencial semántico o de Stapel. Las escalas no comparativas constituyen la técnica de escalas que se utiliza con mayor frecuencia en la investigación de mercados. Dada su importancia, el capí­ tulo 9 está dedicado a las escalas no comparativas. El resto de este capítulo se concentra en las técnicas de escalas comparativas.

é c n ic a s d e esca la s co m pa r a tiv a s

Escala de comparación apareada escala de comparación apareada Técnica de escalas comparativas en la que se presenta a un entrevistado dos objetos a la vez y se le pide que seleccione uno del par, de acuerdo con cierto criterio. Los datos que se obtienen son de naturaleza ordinal.

Figura 8.3 Obtención de las preferencias por los champús utilizando comparaciones aparea­ das

Como su nombre lo indica, en una escala de comparación apareada se presentan al entre­ vistado dos objetos y se le pide que seleccione uno de acuerdo con cierto criterio .10 Los datos obtenidos son de naturaleza ordinal. Una entrevistada puede afirmar que hace sus compras en J.C. Penney con mayor frecuencia que en Sears, prefiere el cereal Total al Product 19 de Kellogg’s o le gusta más Crest que Colgate. Las escalas de comparación apareada se utilizan con frecuencia cuando los objetos de estímulo son productos físicos. Coca-Cola reporta ha­ ber realizado más de 190 000 comparaciones apareadas antes de introducir New Coke .11 La escala de comparación pareada es la técnica de escalas comparativas que se utiliza con mayor frecuencia. La figura 8.3, muestra los datos de una comparación apareada obtenidos para evaluar las preferencias en champú de un entrevistado. Como puede verse, este participante realizó

Instrucciones Vamos a presentarle 10 pares de marcas tle cham pú. En cada par, indique por favor, cuál de las dos marcas de champú que form an el pai preferiría para uso personal.

Forma de registro

Jhirmack Jhirmack Finesse

Finesse

Vidal Sassoon

H ea d & S h o u ld ers

Pert

0

0

1

0

0

1

0

1a

1

Vidal Sassoon

1

1

H ea d & S h o u ld ers

0

0

0

Pert

1

1

0

1

N úm ero de veces que se prefirió15

3

2

0

4

1 0

1

aA 1 en un cuadro en particular significa que la marca en esa columna se prefirió a la m arca en el renglón correspondiente. A 0 significa que la marca del renglón se prefirió a la marca en la columna. bEI núm ero de veces que se prefirió una marca se obtiene al sumar los números 1 en cada columna.

transitividad de la prefe­ rencia Suposición que se hace para convertir los datos de una comparación apareada en datos de orden de clasificación. Implica que si la marca A se prefiere a la marca B y la marca B se prefiere a la C, entonces la marca A se prefiere a la C.

10 comparaciones para evaluar cinco marcas. En general, con n marcas, [n(n - l)/2] compa­ raciones apareadas incluyen todos los pares de objetos posibles.12 Los datos de la comparación apareada pueden analizarse de varias formas.13 El investiga­ dor puede calcular el porcentaje de entrevistados que prefieren un estímulo a otro al sumar las matrices de la figura 8.3 para todos los participantes, dividir la suma entre el número de entre­ vistados y multiplicarlo por 100. También es posible la evaluación simultánea de todos los objetos de estímulo. Bajo la suposición de la transición, es posible convertir los datos de la comparación apareada en un orden de clasificación. La transitividad de la preferencia impli­ ca que si la marca A se prefiere a la B, y la marca B se prefiere a la C, entonces la marca A se prefiere a la C. Para llegar a un orden de clasificación, el investigador determina el número de veces que se prefiere cada marca, al sumar las entradas de las columnas de la figura 8.3. Por tanto, el orden de las preferencias de este entrevistado, de la más a la menos preferida, es Head and Shoulders, Jhirmack, Finesse, Pert y Vidal Sassoon. También es posible derivar una esca­ la de intervalos de los datos de la comparación apareada utilizando el procedimiento del caso V de Thurstone. Consulte los textos apropiados para un estudio de este procedimiento .14 Se han sugerido varias modificaciones a la técnica de comparación apareada. Una com­ prende la inclusión de una respuesta neutral/no hay diferencia/sin opinión. O tra extensión

I n vestigació n en la prá ctica 8.1 Escalas de comparación apareada El método más común de las pruebas de sabor es la comparación apareada. Se pide al consumidor que pruebe dos productos diferentes y elija el que tenga el sabor más atractivo. La prueba se lleva a cabo en privado, ya sea en los hogares o en lugares determinados con anterioridad. Un mínimo de 1 000 respuestas se considera una muestra adecuada. Una prueba a ciegas para un refresco, en la que las imágenes, la percep­ ción de sí mismo y la reputación de la marca son factores muy importantes en la decisión de compra, por parte del consumidor, quizá no sea un indicador ade­ cuado del desempeño en el mercado. La introducción de New Coke ilustra este punto. New Coke fue muy favorecida en las pruebas de sabor a ciegas con comparación apareada, pero su introducción no tuvo éxito ya que la imagen tiene un papel importante en la compra de Coca. PniL-Kí de sn h 'r con comparación ap.ircaiLi. ♦ Ulrick m u i L í v id a .

son las comparaciones apareadas graduadas. En este método, se pregunta a los entrevistados cuál marca del par prefieren y cuánto la prefieren. El grado de preferencia puede expresarse por medio de cuánto más el entrevistado está dispuesto a pagar por la marca preferida. La escala que resulta es una escala métrica en dólares. Otra modificación de las escalas de com­ paración apareada se utiliza con frecuencia en la obtención de juicios de similitud en las escalas multidimensionales (véase el capítulo 2 1 ). Las escalas de comparación apareadas son útiles cuando el número de marcas es limita­ do, ya que se requiere de la comparación directa y la elección abierta. Sin embargo, con muchas marcas, el número de comparaciones se vuelve difícil de manejar. Otras desventajas son que pueden ocurrir violaciones a la suposición de la transición y que el orden en el que se presentan los objetos puede influir en los resultados.15 Las comparaciones apareadas ofrecen poca semejanza con la situación en el mercado, que comprende la selección entre alternati­ vas múltiples. Asimismo, es probable que los entrevistados prefieran ciertos objetos a otros, pero no les gusten en un sentido absoluto. El recuadro Investigación en la práctica 8.1 pro­ porciona un panorama más amplio de las escalas de comparación apareada.16

Escala por orden de clasificación escalas por orden de clasificación Técnica de escalas comparativas en la que se presentan, a los entrevistados, varios objetos en forma simultánea y se les pide que los ordenen o clasifi­ quen de acuerdo con cierto criterio.

Figura 8.4 P referencia por las marcas de pastas dentales con el uso de una escala por orden de clasificación

Después de las comparaciones apareadas, la técnica de escalas comparativas más popular es ésta. En la escala por orden de clasificación se presentan a los entrevistados varios objetos en forma simultánea y se les pide los ordenen o clasifiquen de acuerdo con cierto criterio. Por ejemplo, puede pedirse a los participantes que clasifiquen las marcas de pastas dentales de acuerdo con sus preferencias generales. Como se muestra en la figura 8.4, por lo regular, estas clasificaciones se obtienen pidiendo a los entrevistados que asignen 1 a la marca por la que tengan mayor preferencia, 2 a la segunda en preferencia y así sucesivamente, hasta que asig­ nen una clasificación de n a la menos preferida. Al igual que las comparaciones apareadas, esta estrategia tienen también una naturaleza comparativa y es probable que al entrevistado le disguste en un sentido absoluto la marca que clasificó como 1. Además, las escalas de orden de clasificación también dan como resultado datos ordinales. Véase la tabla 8.2, que utiliza una escala por orden de clasificación para derivar una escala ordinal.

Instrucciones Clasifique las distintas marcas de pastas dentales en orden de preferencia. Comience por elegir aquella marca que más le agrade y asígnele el numero 1. Despues, busque la segunda marca que prefiere y asígnele el número 2. Continúe este procedim iento hasta que haya clasificado todas las marcas de pastas dentales en orden de preferencia. A la marca que menos prefiere rlehe asignarle el número 10.

No debe asignar a dos marcas el mismo número de clasificación. El criteiio de preferencia depende por com pleto de usted. No hay respuestas correctas ni inco­ rrectas. Trate de ser consistente.

Marca 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.

Crest Colgate Aim Gleem Macleans Ultra Brite Cióse Up Pepsodent Plus White Stripe

Orden de clasificación

1111111111 l|¡|||gg||||l

Las escalas por orden de clasificación se utilizan regularmente para medir las preferen­ cias por las marcas, así como los atributos. Los datos del orden de clasificación se obtienen, con frecuencia, de los entrevistados en el análisis asociado (véase el capítulo 2 1 ), puesto que las escalas por orden de clasificación obligan al participante a discriminar entre los objetos de estímulo. Además, en relación con las comparaciones apareadas, este tipo de proceso de escalas se asemeja más al ambiente de compra. También se lleva menos tiempo y elimina las respuestas intransitivas. Si hay n objetos de estímulo, sólo es necesario tomar (n - 1) decisio­ nes en las escalas por orden de clasificación. Sin embargo, en las escalas de comparación apareada, se requiere de [n(n - l)/2] decisiones. O tra ventaja es que la mayoría de los entre­ vistados comprenden con facilidad las instrucciones para la clasificación. La ventaja princi­ pal es que esta técnica produce sólo datos ordinales. Por último, bajo la suposición de la transición, los datos por orden de clasificación pueden convertirse en datos de una comparación apareada equivalente y viceversa. La figura 8.3 ilustra este punto. Por consiguiente, es posible derivar una escala de intervalos de las clasificaciones mediante el uso del procedimiento del caso V de Thurstone. También se han sugerido otras estrategias para derivar escalas de intervalos de las clasificaciones .17

Escala de suma de constantes escala de suma de constantes Técnica de escalas comparativas en la que se pide a los entre­ vistados que distribuyan una cantidad constante de unidades como pun­ tos, dólares, vales, calco­ manías o fichas entre un conjunto de objetos de estímulo, con base en cierto criterio.

Figura 8.5 Importancia de los atributos de los jabones de tocador mediante el uso de una escala por suma de constantes

En las escala de suma de constantes, los entrevistados distribuyen una cantidad constante de unidades, como puntos, dólares o fichas, entre un conjunto de objetos de estímulo con respecto a cierto criterio. Como se muestra en la figura 8.5, puede pedirse a los entrevistados que distribuyan 100 puntos entre los atributos de un jabón de tocador de manera que reflejen la importancia que dan a cada atributo. Si un atributo no tiene ninguna importancia, el entrevistado le asigna cero puntos. Si un atributo es dos veces más importante que otro, recibe el doble de puntos. La suma de todos los puntos es 100. De ahí el nombre de la escala. Los atributos se colocan en la escala al contar los puntos que todos los entrevistados asignaron a cada uno y dividiendo esta cantidad entre el número de participantes. En la figura 8.5, estos resultados se presentan para tres grupos, o segmentos de entrevistados. El segmento I da gran importancia al precio. El segmento II considera que el poder limpiador tiene impor­ tancia primordial. El segmento III valora la espuma, la fragancia, el ingrediente humectante y el poder limpiador. Esta clase de información no podría obtenerse de los datos por orden de

Instrucciones A continuación, se presentan ocho atributos de los jabones de tocador. Favor de distribuir 100 puntos entre los atributos, de modo que su distribución refleje la importancia relativa que da a cada atributo. Cuantos más puntos reciba un atributo, es más importante. Si un atributo no tiene ninguna importancia, asígnele cero puntos. Si un atributo es dos veces más im portante que algún otro, debe recibir el doble de puntos.

RESPUESTAS PROMEDIO DE TRES SEGMENTOS Atributo 1. 2. 3. 4. 5. 6. 7. 8.

Suavidad Espuma Desgaste Precio Fragancia Empaque Humectante Poder limpiador Suma

Segmento 1

Segmento II

Segmento III

I I B M I M I I I I M l l l S l l l S I I I I i IIIIIIBIIIIMIMIIIII llillllllllllllM IB III Billlll|l|l|j|¡Wlll|llBllgl l l l l l l l l l l l l l l l l l l l l l l llllllfB lllllg a iB III|j||llllili8IMWIIIfl8lll81¡ ■ ¡ i l l l l l l l 53 ¡ ■ ■ ■ l i l i l í lllilllllllg l ¡ ¡ ¡ ¡ i l l l l l l l B illlllllllB Ill 19 ■ l l l l l l l l l l l illllllllllll ¡ IS IIlllllIll l l l l l l i i l l l l IIIIB IIllllilttH lIB IIM 20 _15 ja .6Q 100 100 100

|

El uso de escalas por suma de constantes para determinar la importancia relativa de los atributos de los jabo­ nes de tocador ha permi­ tido a Irish Spring desa­ rrollar un producto superior. ♦ ColgatePalmolive Company.

clasificación, a menos que se conviertan en datos de interva­ los. Nótese que la suma de constantes también tiene un cero absoluto; 10 puntos son el doble de 5 puntos y la diferencia l entre 5 y 2 puntos es igual a la diferencia entre 57 y 54 puntos, f Por esta razón, los datos de la escala de suma de constantes en ocasiones se manejan como métricos. Aun cuando esto puede ser apropiado en el contexto limitado de los estímulos en la escala, estos resultados no pueden generalizarse a otros estímu­ los no incluidos en el estudio. Por tanto, hablando en forma estricta, la suma de constantes debe considerarse una escala ordinal debido a su naturaleza comparativa y la falta de capa­ cidad de generalización resultante. Puede verse que la distri­ bución de los puntos en la figura 8.5 recibe la influencia de los atributos específicos que se incluyen en la tarea de evaluación. La ventaja principal de la escala de suma de constantes es que permite la discrimina­ ción apropiada entre los objetos de estímulo sin requerir de mucho tiempo. Sin embargo, presenta dos desventajas importantes. Es probable que los entrevistados distribuyan más o menos unidades que las que se especifican. Por ejemplo, un entrevistado puede distribuir 108 o 94 puntos. El investigador debe modificar de alguna manera esos datos o eliminar del aná­ lisis al entrevistado. Otro problema potencial es un error al redondear si se utilizan muy pocas unidades. Por otra parte, el uso de un número alto de unidades puede ser muy difícil para el entrevistado y provocar confusión o fatiga.

La clasificación Q y otros procedimientos escala de clasificación Q Técnica de escalas comparativas que utiliza un procedimiento de orden para clasificar los objetos con base en su similitud, de acuerdo con cierto criterio.

protocolo verbal Técnica que se utiliza para entender las res­ puestas cognoscitivas o los procesos de pensa­ miento de los entrevista­ dos, al pedirles que pien­ sen en voz alta mientras realizan una actividad o toman una decisión.

P

La escala de clasificación Q se desarrolló para discriminar con rapidez entre una cantidad relativamente elevada de objetos. Esta técnica emplea un procedimiento de orden de clasifi­ cación en el cual los objetos se clasifican en columnas, con base en la similitud respecto a cierto criterio. Por ejemplo, se proporcionan a los entrevistados 100 afirmaciones de actitud en tarjetas individuales y se les pide que las coloquen en 1 1 columnas, que van desde la “afirmación con la que estoy más de acuerdo” hasta la “afirmación con la que estoy menos de acuerdo”. El número de los objetos que deben clasificarse no debe ser menor de 60 ni mayor de 140; un rango razonable es de 60 a 90 objetos .18 El número de objetos que deben colocarse en cada columna, con frecuencia, se especifica con anterioridad para dar como resultado una distribución de objetos más o menos normal en todo el conjunto. O tra técnica de escalas comparativas es la estimación de la magnitud .19 En esta técni­ ca, se asignan números a los objetos de modo que las relaciones entre los números asignados reflejen las relaciones con base en el criterio que se especifica. Por ejemplo, puede pedirse a los entrevistados que indiquen si están de acuerdo o en desacuerdo con cada una de una serie de afirmaciones que miden la actitud hacia las tiendas departamentales. Después, asignan a cada afirmación un número entre 0 y 100 a fin de indicar la intensidad de su acuerdo o desacuerdo. Proporcionar este tipo de números señala un límite cognoscitivo para los entre­ vistados. Por último, debemos mencionar la escala de Guttman, o análisis de escalograma, un procedimiento para determinar si un grupo de objetos puede ordenarse en una escala unidimensional internamente consistente.

r o t o c o lo s v er b a les Una estrategia en particular útil para medir las respuestas cognoscitivas o los procesos de pensamiento consiste en los protocolos verbales. Se pide a los entrevistados que “piensen en voz alta” y expresen con palabras cualquier cosa que pase por su mente mientras toman una decisión o realizan una actividad.20 El investigador dice: “Si piensa en algo, dígalo en voz alta, no importa cuán trivial sea el pensamiento”. Incluso con esta indicación tan explícita, es probable que el entrevistado permanezca en silencio. En ese caso, el entrevistador dirá:

“Recuerde decir en voz alta cualquier cosa que piense”. Todo lo que dice el entrevistado se graba en una cinta. Esta grabación de los procesos de pensamiento que expresa el entrevista­ do se conoce como protocolo .21 Los protocolos se utilizan para medir las respuestas cognoscitivas de los consumidores en recorridos de compras reales, así como en ambientes de compras simulados. Un entrevis­ tador acompaña al participante y sostiene un micrófono en el que habla el entrevistado. Los protocolos recopilados de esta manera se utilizan para determinar los atributos y las señales que se utilizan en la toma de decisiones de compra, el comportamiento de uso del producto y el impacto del ambiente de compra en las decisiones del consumidor. El análisis de los pro­ tocolos también se emplea para medir la respuesta de los consumidores a la publicidad. In­ mediatamente después de ver un anuncio, se pide al entrevistado que mencione todos los pensamientos que vinieron a su mente mientras veía el anuncio. Se da al entrevistado una cantidad de tiempo limitada para que mencione los pensamientos a fin de reducir al mínimo la probabilidad de expresar pensamientos generados después del mensaje, y no durante éste. Después de que se recopilan los protocolos, los pensamientos o respuestas cognoscitivas del individuo se codifican en tres categorías.22

Categoría

Definición

Ejemplo

Argumento de apoyo

Apoya la afirmación que hace el mensaje Refuta la afirmación que hace el mensaje Opinión negativa acerca de la fuente del mensaje

“Diet Coke tastes great”

Argumento en contra Menosprecio de la fuente

“Diet Coke has an aftertaste” “Coca-Cola no es una compañía honesta”

Por lo regular, los protocolos resultan incompletos. El entrevistado tiene muchos pen­ samientos que no puede o no quiere expresar en forma verbal. El investigador debe tomar en cuenta la grabación incompleta y deducir una medida de la respuesta cognoscitiva subyacente.

I n v e s t ig a c ió n

d e m er ca d o s in t e r n a c io n a l e s

En las cuatro escalas primarias, el nivel de medición se incrementa de una escala nominal a una ordinal o de una escala de intervalos a una de relación. El incremento en el nivel de medición se obtiene a costa de la complejidad. Desde el punto de vista de los entrevistados, las escalas nominales son las más sencillas de utilizar, en tanto que las escalas de relación son las más complejas. Debido a una mayor educación y a los niveles de sofisticación de los consumi­ dores, los entrevistados en países desarrollados están acostumbrados a proporcionar respuestas con base en escalas de intervalos o de relación. Sin embargo, se argumenta que la formación de la opinión quizá no ha cristalizado muy bien en algunos países en vías de desarrollo. De ahí que estos entrevistados experimenten dificultad al expresar los grados que requieren las escalas de intervalos y de relación. Por tanto, las preferencias pueden medirse mejor con el uso de escalas ordinales. En particular, se recomienda el uso de escalas binarias (por ejemplo, preferido/no preferido), la forma más sencilla de las escalas ordinales.23 Por ejemplo, al medir las preferen­ cias por los pantalones de mezclilla en Estados Unidos, Levi Strauss and Company podría pedir a los entrevistados que calificaran sus preferencias por el uso de pantalones de mezclilla en ocasiones especiales mediante el uso de una escala de intervalos de siete puntos. Sin em­ bargo, a los consumidores en Papua Nueva Guinea podría mostrárseles unos pantalones de mezclilla y preguntárseles si los prefieren o no para usarlos en una ocasión específica (por ejemplo, para ir de compras, trabajar, relajarse en un día de descanso). La ventaja de seleccio­ nar las escalas primarias para adaptarse al perfil de los entrevistados meta se ilustra con la encuesta que realizaron los japoneses sobre las preferencias por los automóviles en Europa.

EJEMPLO Guerra de automóviles, los japoneses atacan _____________________ Por primera vez, los periodistas europeos habían otorgado el premio del automóvil del año a un modelo japonés, el Miera de Nissan de fabricación británica, un subcompacto de 10 000 dólares. Esto fue como un balde de agua fría para los fabricantes europeos que habían tratado de mantener a los japoneses fuera del mercado. “Cambiarán el equilibrio competitivo”, advirtió Bruce Blythe, jefe de estrategias de negocios de Ford of Europe, Inc. ¿Cómo lo lograron los japoneses? Nissan llevó a cabo una encuesta sobre las preferencias de los consumidores europeos por los automóviles, utilizando escalas de intervalo para captar la magnitud de las diferencias en las preferencias. El uso de las escalas de intervalos permitió a Nissan comparar las diferen­ cias entre las características de los automóviles y determinar cuáles eran las preferidas. Los descubrimientos revelaron preferencias distintivas entre los consumidores. De modo que los japoneses hicieron incursiones mediante cambios en la producción y la construcción de cen­ tros técnicos en Europa para adaptarse a los gustos y preferencias locales. Para 1995, los japo­ neses producían 775 000 automóviles al año en Europa, 75% de éstos en Gran Bretaña. Los japoneses están quitando participación a Renault en los mercados francés, italiano y español. Los fabricantes europeos necesitan ponerse en guardia ante esa competencia tan poderosa.24 ♦ Asimismo, debemos hacer notar que las escalas comparativas, excepto las comparacio­ nes apareadas, requieren comparaciones de múltiples objetos de estímulo y, por tanto, son difíciles para los entrevistados. Por el contrario, en las escalas no comparativas, cada objeto se evalúa en forma independiente de los demás estímulos en el grupo; es decir, los objetos se evalúan uno a la vez. Por consiguiente, las escalas no comparativas son más sencillas de apli­ car y más apropiadas para culturas en las que los entrevistados tienen menor educación o no están familiarizados con la investigación de mercados.

£

t ic a

EN LA INVESTIGACIÓN DE MERCADOS El investigador tiene la responsabilidad de utilizar el tipo de escalas apropiado a fin de obte­ ner los datos necesarios para responder las preguntas de investigación y probar las hipótesis. Considere, por ejemplo, un periódico como T he Wall Street Journal que desea obtener infor­ mación sobre los perfiles de personalidad de sus lectores y no lectores. La información sobre las características de la personalidad puede obtenerse mejor asignando a los entrevistados (lectores y no lectores) varios letreros de tela con nombres, cada uno de los cuales menciona una característica de la personalidad. Se les proporciona también un tablero de felpa en el que deben ordenar los letreros. Después, el investigador indica a los participantes que clasi­ fiquen las características de la personalidad, colocando primero aquellos que crean que des­ criban mejor su personalidad y al último aquellos que no los describan a ellos. Esto da como resultado datos ordinales. Aun cuando proporcionará un panorama amplio de las caracterís­ ticas de la personalidad al permitir que los entrevistados comparen las características, las desordenen, vuelvan a compararlas y las desordenen una vez más, estos datos no pueden utilizarse con facilidad en el análisis de variables múltiples. A fin de analizar las diferencias en las características de la personalidad de los lectores y no lectores y relacionarlas con las varia­ bles del comportamiento de otros consumidores, son necesarios los datos de la escala de intervalos. Como lo ilustra el ejemplo siguiente, es obligación del investigador obtener los datos más apropiados dadas las preguntas de investigación.

EJEMPLO Dilemas éticos de las escalas ________________________________ En un estudio diseñado para medir los juicios éticos de los investigadores de mercados, se utilizaron las partidas de una escala que se había desarrollado y probado con anterioridad. Sin

embargo, después de que se llevó a cabo una prueba previa en una muestra de 65 profesionales en mercadotecnia, se hizo evidente que algunas de las partidas originales de la escala estaban redactadas de forma que no reflejaban el uso actual. Por tanto, estas partidas se actualizaron. Por ejemplo, una partida que especificaba un género, como: “El señaló que. . .” se cambió por: “El gerente de proyecto señaló q u e.. . ” Se pidió a los entrevistados que mostraran su aproba­ ción o desaprobación de la acción (partida) de un director de investigación de mercados con respecto de escenarios específicos. Al darse cuenta de que una escala binaria o dicotómica sería demasiado restrictiva, la aprobación o desaprobación se indicó pidiendo a los entrevistados que proporcionaran datos del nivel de intervalo por medio de escalas de cinco puntos, con calificaciones descriptivas de: 1 = desaprobación, 2 = cierta desaprobación, 3 = neutral, 4 = cierta aprobación, y 5 = aprobación. De esta forma, se resolvieron los dilemas de las escalas.25 ♦ Después de que se recopilan los datos, deben analizarse en forma correcta. Si se recopi­ lan los datos de una escala nominal, deben emplearse las estadísticas permitidas para los datos de escala nominal. De modo similar, cuando se recopilan los datos de una escala ordinal, no deben utilizarse los procedimientos estadísticos desarrollados para emplearse con datos de escalas de intervalos o de relación. Las conclusiones que se basan en el uso equivocado de estadísticas son engañosas. En el ejemplo de The Wall Street Journal, se recopilarían datos ordinales. Si después de la recopilación el cliente desea saber de qué manera se diferencian los lectores de los no lectores, el investigador debe manejar estos datos en forma correcta y emplear técnicas no métricas para el análisis (se estudian en el capítulo 15). Cuando el in­ vestigador carece de la experiencia o el software de computación para calcular estas estadís­ ticas, surgen dilemas éticos. Los investigadores saben que deben admitir sus desventajas y observar que se calculen las estadísticas correctas. Es preciso contratar a un estadista externo o bien conseguir el software adecuado. No obstante, no es fácil admitir las propias limitaciones.

A

p l ic a c io n e s p a r a c o m p u t a d o r a Los administradores de bases de datos permiten a los investigadores desarrollar y probar va­ rias escalas diferentes a fin de determinar si son apropiadas para una aplicación específica. Por ejemplo, el autor ha desarrollado y probado configuraciones de escalas ordinales, de in­ tervalos y de relación mediante el uso de dBASE IV Los administradores de bases de datos están disponibles también para mainframes, que manejan con mayor rapidez cantidades de datos más elevadas. Asimismo, están disponibles varios paquetes fuera de anaquel. QUIK-POLL de Touch Base Computing de Rome, Georgia permite al usuario crear cuestionarios, capturar respuestas y después tabular y analizar los resultados. En el módulo para la creación de cuestionarios, puede seleccionarse el tipo de escala para cada pregunta, de modo que los datos para cada pregunta pueden analizarse posteriormente en forma co ­ rrecta mediante el uso de QUIK-POLL. Aun cuando los cuatro tipos principales de escalas (es decir, escalas nominal, ordinal, de intervalos y de relación) pueden ponerse en práctica en estas encuestas utilizando QUIK-POLL, se presentan ejemplos sólo de dos tipos (es decir, escala nominal y de intervalos). En la ilustración 8.1, puede verse la pantalla de creación de preguntas para una pre­ gunta sobre el estado civil en una encuesta entre consumidores acerca de las preferencias para desayunar. Aquí, se ofrecen a los entrevistados seis opciones para la variable del estado civil. El tipo de pregunta se indica con una S, señalando que se necesita una sola respuesta, en tanto que el método de numeración se indica con una A, señalando que cada una de las seis opciones tendrá una letra del alfabeto que la distinga (es decir, respuesta a, respuesta b, etc.). Puesto que esta pregunta tiene una escala nominal, sólo se necesita una etiqueta dis­ tintiva para registrar la respuesta única. Como resultado de ello, puede utilizarse un solo carácter. Estos caracteres no implican ninguna escala para ordenar las respuestas. La ilustración 8.2 muestra la pantalla de creación de preguntas para una pregunta que pide calificaciones para las bebidas en el desayuno. Aquí, el tipo de pregunta se indica con una R, señalando una pregunta de calificación. Cada bebida para el desayuno puede califi-

Ilustración 8.1 Medición del estado civil utilizando Q U IK -PO LL

SURUEV: Sh MPLE

QUESTION

4

ÍÍON WQRBING tal Status

1WE

OF QUESTION

MUHBEBÍHG HETHO»

0

ABBBEM, LftBEL Sing lt: Harried UidnuCer) D iuorc,ed Separated Other

U0RBIN6 OF CHQÍCES ingle Harried Uiduw(er) Diuormd Separated Gtlier

SKÍP TO ñlJJ) iJIil.ST. HEl’EfiT QUE. ERrtSi: i'ií:f.Ü PUL NT IJIIEST

Pi/Dü -FU e s c -h e n

Type the question in the three lines of space allotted. Press ESC cmly uhen f inished. Use arrows, backspace, Ins. and Del. keys to edit the uording.

carse de 1 a 5 con 1 indicando la mejor y 5 la peor. Éste es un ejemplo de pregunta con escala de intervalos. En esta pregunta, QUIK-POLL tabulará los conteos para cada bebida en el desayuno y desplegará o imprimirá una tabla que muestra la cantidad y el porcentaje de calificación para cada bebida en el desayuno, en cada nivel de la escala de 1 a 5. Las microcomputadoras se han utilizado para aplicar escalas de comparación apareada en las pruebas de sabor. Están disponibles varios programas para diseñar y aplicar escalas de comparación apareadas. EZPAIR de Barry Cohén puede diseñar escalas de comparación apareada y pruebas de comparación apareada de productos, mediante el uso de técnicas esta­ dísticas de control de calidad. Permite que las pruebas terminen con rapidez, sin comprome­ ter su confiabilidad, en caso de que sea evidente que un producto está ganando.

Ilustración 8.2 Calificaciones de las bebidas para el desayu­ no mediante el uso de Q U IK -PO L L

SURVEV: SAMPLE

QUESTION

TI011 WORDIMG the following breakfast drinks from 1 to 5, wit g uorst.

TiTE OF QUESTION UOBDIMG OF CHOICES

a

Iang Tea Hilk rrune Juice Tonato Ju ice Grapefruit Juico Ualer Gthcr

m

NUHREBIHG I1ETH0D

m

ABBBEM. LftBEL

Tang Tea Hilk Prune Jaice I Tonato Ju ic| Grapefruit Uater Uther

Í4 Kl.i'l 11T IjlJr.. F VER H 3 E 1‘ÍELH

Type the question in the three lines of spaee allotted. Press ESC o m y when finished. Use arrows, backspace, Ins. and Del. keys to edit the uording.

R

esu m en

La medición consiste en la asignación de números u otros signos a las características de los objetos, de acuerdo con reglas establecidas. Las escalas comprenden la generación de un continuo en el cual se localizan los objetos medidos. Las cuatro escalas primarias de medición son nominal, ordinal, de intervalos y de relación. De éstas, la escala nominal es la básica, en el sentido de que los números se utilizan sólo para identificar y clasificar los objetos. En la escala ordinal; la escala en el siguiente nivel, los números indican la posición relativa de los objetos pero no la magnitud de la diferencia entre éstos. La escala de intervalos permite una comparación de las diferencias entre los objetos. Sin embargo, debido a que tiene un punto cero arbitrario, no es adecuada para calcular las relaciones de los valores en una escala de intervalos. El nivel más alto de medición está representado por la escala de relación, en la cual el punto cero es fijo. El investigador puede calcular las relaciones de los valores mediante el uso de esta escala. La escala de relación incorpora todas las propiedades de las escalas de los niveles inferiores. Las técnicas de escalas pueden clasificarse en comparativas y no comparativas.^ Las escalas comparativas comprenden una comparación directa de los objetos de estímulo. Estas incluyen las escalas de comparación apareada, por orden de clasificación, por suma de constan­ tes y de clasificación Q. Los datos que se obtienen por medio de estos procedimientos tienen sólo propiedades ordinales. Los protocolos verbales, en los que se indica al entrevistado que hable en voz alta, pueden utilizarse para medir las respuestas cognoscitivas. Debido a una educación más avanzada y a los niveles de sofisticación de los consumi­ dores, los entrevistados en los países desarrollados están muy acostumbrados a proporcionar respuestas mediante escalas de intervalos y de relación. Sin embargo, en los países en vías de desarrollo, las preferencias pueden medirse mejor con el uso de escalas ordinales. Las con­ sideraciones éticas requieren que se utilice el tipo de escalas apropiado a fin de obtener los datos necesarios para responder las preguntas de investigación y probar las hipótesis. Es­ tán disponibles administradores de bases de datos, así como varios programas de computa­ ción especializados, para poner en práctica los diversos tipos de escalas .26

A

c r ó n im o s

Los cuatro tipos de escalas primarias se describen con el acrónimo FOUR: F igurativa: escala nominal O rdinal, escala U n punto cero sin restricciones: escala de intervalos R elación, escala de Las distintas^ escalas comparativas y no comparativas pueden representarse con el acrónimo SCALES:

s c A L E

S

E

je r c ic io s

emántico, escala de diferencial onstante, escala de suma rreglados en orden: escala de orden de clasificación ikert, escala de scala de comparación apareadas tapel, escala de

P regun tas 1. 2. 3. 4.

¿Qué es la medición? ¿Cuáles son las escalas primarias de medición? Describa las diferencias entre una escala nominal y una ordinal. ¿Cuáles son las implicaciones de tener un punto cero arbitrario en una escala de intervalos?

5. ¿Cuáles son las ventajas de una escala de relación sobre una escala de intervalos? ¿Estas venta­ jas son significativas? 6 . ¿Qué es una escala de calificación comparativa? 7 . ¿Qué es una comparación apareada? 8 . ¿Cuáles son las ventajas y desventajas de las escalas de comparación apareada? 9 . Describa la escala de sumas constantes. ¿En qué se diferencia de las otras escalas de calificación comparativa? 1 0. Describa la metodología de la clasificación Q. 1 1 . ¿Qué es un protocolo verbal? ¿Cómo se utilizan los protocolos verbales?

P ro blem as 1. Identifique el tipo de escala (nominal, ordinal, de intervalos o de relación) que se utiliza en cada uno de los casos siguientes. Explique su razonamiento.

a. Me gusta resolver crucigramas. En desacuerdo

1

b.

De acuerdo

2

3

4

5

¿Cuántos años tien e ?________

c. Por favor, clasifique, de 1 a 5, las actividades siguientes en términos de su preferencia. i. Leer revistas

________

ii. Ver televisión

________

iii. Salir con una persona

________

iv. Ir de compras

________

v. Comer fuera de casa

________

d. ¿Cuál es su número de afiliación al seguro social?______________________ e. En un día de la semana normal, ¿cuánto tiempo invierte en hacer su tarea y las asignaciones de clases? i.

Menos de 15 minutos

________

ii. 15 a 30 minutos

________

iii. 31 a 60 minutos

________

61 a 120 minutos v. Más de 120 minutos

iv.

________ ________

f. ¿Cuánto dinero gastó el mes pasado en diversiones?________ 2 . Suponga que cada pregunta de la a a la f se aplicó a 100 entrevistados. Identifique el tipo de análisis que debe realizarse para cada pregunta a fin de resumir los resultados.

E

je r c ic io s p a r a c o m p u t a d o r a 1. Utilizando un administrador de base de datos como dBASE IV, desarrolle configuraciones de escalas ordinales, de intervalo y de relación para medir las actitudes hacia los programas que maneja el centro de estudiantes de su universidad.

N

o ta s

1.

“Am ericans R ate N ation’s Woes”, enQ utrk’s Mar/cetmg R esearch Review (mayo de 1990): p. 14.

2.

“T h e M ailling o f Am erica”, enQuíWc’s Marketing Research Review (mayo de 1 9 9 0 ): p. 15

3.

W illiam R . D oucette y Joseph B. W iederholt, “Measuring Product M eaning for Prescribed M edication Using a M eans-End M odel”, en Journal o f H ealth C are M arketing 12 (marzo de 1992): pp. 4 8 -5 4 ; y ju m C. Nunnally, Psychometric T heory, 2a. edición (Nueva York: M cGraw -Hill, 1978): p. 3.

4.

Stanley S. Stevens, “M athem atics, M easurem ent and Psychophysics”, en Stanley S. S teven (editor), H andbook o f Experim ental Psychology (Nueva York: Wiley, 1951).

5.

Neil R . Barnard y Andrew S.C . Ehrenberg, “Robust Measures o f Consum er Brand Beliefs”, en Jou rn al o f M arket­ ing R esearch 27 (noviembre de 1990): pp. 4 7 7 -8 4 ; y W illiam D. Perreault, Jr. y Forrest W. Young, “A lternating Least Squares Optim al Scaling: Analysis of N onm etric D ata in M arketing Research”, en Jou rn al o f M arketing R esearch 17 (febrero de 1980): pp. 1-13.

6.

G. Albaum , R . Best y D .I. Hawkins, “M easurem ent Properties of Sem antic Scale D ata”, en Jou rn al o fth e M arket R esearch Society (enero de 1977): pp. 21-28; y M ark Taylor, “Ordinal and Interval Scaling”, en Jou rn al o ft h e M arket R esearch Society 2 5 (4 ): pp. 297-303.

7.

Para un análisis de estas escalas, consulte C.H . Coom bs, “Theory and M ethods o f Social M easurem ent”, en L. Festinger y D. Kats (editores), R esearch M ethods in the Behavioral Sciences (Nueva York: H olt, R inehart and W iston, 1953).

8.

Richard R . Bastell y Yoram W ind, “Product Developm ent: C urrent M ethods and N eeded D evelopm ents”, en Jou rn al o fth e M arket R esearch Society 8 (1980): pp. 122-26.

9.

Sin embargo, existe cierta controversia acerca de este problema. V éase Gary M. M ullet, “Itemized R ating Scales: Ordinal or Interval?”, en European R esearch (abril de 1983): pp. 49-52.

10 .

Kim P Corfman, “Comparability and Comparison Levels Used in C hoices among Consum er Products”, en Jou r­ nal o f M arketing R esearch 28 (agosto de 1991): pp. 3 6 8 -7 4 ; B.S. Buchanan y D .G. M orrison, “Taste Tests”, en Psychology and M arketing (primavera de 1984): pp. 69-91.

11.

“Coke’sF lip -F lo p U n d ersco resR isksof Consumer Taste Tests”, e n Wall Street Journal (18 de julio de 1985): p. 25.

12.

Sin embargo, no es necesario evaluar todos los pares de objetos posibles. Los procedimientos com o los diseños cíclico s pueden reducir en forma significativa el núm ero de pares que se evalúan. U n estudio de estos procedimientos puede encontrarse en N aresh K. M alhotra, A run K. Jain y C hristian Pinson, “T h e Robustness o f M D S Configurations in the Case o f Incom plete D ata”, en Journal o f M arketing R esearch 25 (febrero de 1988): pp. 95-102.

13.

Para una aplicación avanzada que comprende los datos de una com paración apareadas, véase W illiam R. Dillon, A jith Kumar y M elinda S. de Borrero, “Capturing Individual Differences in Paired Com parisons: A n Extended B T L M odel Incorporating D escriptor Variables”, en Journal o f M arketing R esearch 3 0 (febrero de 1993): pp. 42-51.

14.

L.L. T hu rstone, T h e M easurem ent o f Valúes (Chicago: University of Chicago Press, 1959). Para una aplicación del procedim iento del caso V véase M alhotra, N .K ., “M arketing Linen Services to Hospitals: A C onceptual Framework and an Empirical Investigation Using T hu rstone’s Case V Analysis”, en Jou rn al o f H ealth C are M ar­ keting 6 (marzo de 1986): pp. 43-50.

15.

P D aniles y J. Lawford, “T h e Effect o f O rder in the Presentation of Samples in Paired Com parison Tests”, en Jou rn al o fth e M arket R esearch Society 16 (abril de 1974): pp. 127-33.

16.

Tim Davis, “Taste Tests: A re the Blind Leading the Blind?”, en B everage World (abril de 1987): pp. 4 3 -4 8 , 85.

17.

W illiam L. Hays, Q uantification in Psychology (Belm ont, C A : Brooks/Cole, 1967): pp. 3 5 -3 9 .

18.

Fred Kerlinger, Foundations o f Behavioral Research, 3a. edición (Nueva York: H olt, R inehart and W inston, 1973): pp. 583-92.

19.

H .R . Moskowitz, B. Jacobs y N. Firtle, “Discrim ination Testing and Product D ecisions”, en Jou rn al o f M arketing R esearch (febrero de 1 980): pp. 84-90.

20.

Joh n R . Hayes, “Issues in Protocol Analysis”, en G .R . Ungson y D.N. Braunste (editores), D ecisión M aking: An Interdisciplinary lnquiry (Boston: Kent Publishing, 1982), pp. 61-77.

21.

Para una aplicación reciente de los protocolos verbales, véase S.F. Gardial, D .S. Clem ons, R .B . Woodruff, D .W Schum ann y M.J. Burns, “Comparing Consumere' R ecall o f Prepurchase and Postpurchase Product Evaluation Experiences”, en Jou rn al o f C onsum er R esearch 20 (marzo de 1994): pp. 548-60.

22.

David G len M ick, “Levels o f Subjective Com prehension in Advertising Processing and T h e ir R elations to Ad Perceptions, Attitudes, and Memory”, en Journal o f C onsum er R esearch 18 (marzo de 1992): pp. 4 1 1 -2 4 ; Peter L. Wright, “Cognitive Processes Mediating A cceptance o f Advertising”, en Journal o f M arketing R esearch 10 (febrero de 19 7 3 ): pp. 5 3 -6 2 ; y Peter L. Wright, “Cognitive Responses to Mass M edia Advocacy and Cognitive Choice Processes”, en R . Petty, T Ostrum y T Brock (editores), Cognitive Responses to Persuasión (Nueva York: M cGrawHill, 1978).

2 3 . N.K. M alhotra, “A Metholodogy for Measuring Consumer Preferences in Developing Countries”, en International M arketing Review 5 (otoño de 1988): pp. 52-66. 24.

Business W eek (14 de diciem bre de 1992).

25.

I.P Akaah, “Differences in R esearch Ethics Judgments Betw een M ale and Female M arketing Professionals”, en Jou rn al o f Business Ethics 8 (1989): pp. 375-81.

26.

Agradecemos la ayuda de Jam es Agarwal con el ejem plo de investigación de mercados internacionales, la ayuda de M ark Leach y G ina M iller en la redacción de la sección sobre ética y la ayuda de M ark Peterson en la redacción de la sección de aplicaciones para computadora.

CAPÍTULO

9

Medición y escalas: técnicas de escalas no comparativas J3as escalas deben eoaJuarse m eJianie e f anáfisis Je fa co n fia b ifiJa Jy oafiJez.

♦ Objetivos Al finalizar la lectura de este capítulo, el estudiante podrá: 1. Describir las técnicas de escalas no comparativas, distinguir entre escalas de calificación continuas, de partidas y explicar las escalas de Likert, de diferencial semántico y de Stapel. 2. Analizar las decisiones que comprende elaborar escalas de calificación de par­ tidas, con respecto del número de categorías de escalas equilibradas en com­ paración con las escalas no equilibradas, números nones o pares de categorías, elección forzada comparada con la no forzada, grado de la descripción verbal y forma física de la escala. 3. Analizar los criterios que se utilizan para la evaluación con escalas y explicar cómo evaluar la confiabilidad, validez y capacidad de generalización. 4. Analizar las consideraciones que comprende poner en práctica escalas en un escenario internacional. 5. Comprender los aspectos éticos que comprende el desarrollo de escalas no comparativas.

6 . Analizar el uso de las microcomputadoras y mainframes en la ejecución de escalas de calificación continuas y de partidas.

Panorama general Como se vio en el capítulo 8 , las técnicas de escalas se clasifican en comparativas y no compa­ rativas. También analizamos las técnicas comparativas, que consisten en escalas de compara­ ción apareada, por orden de clasificación, por suma de constantes y de clasificación Q. El tema de este capítulo son las escalas no comparativas, que se componen de escalas de calificación continua y de partidas. Analizaremos las populares escalas de calificación de partidas (escalas de Likert, de diferencial semántico y de Stapel), así como la elaboración de escalas de califica­ ción de partidas múltiples. Mostraremos cómo deben evaluarse las técnicas de escalas en tér­ minos de confiabilidad y validez, y consideramos de qué forma el investigador selecciona una técnica de escalas en particular. También presentaremos las escalas que se derivan matemáti­ camente. Se analizan las consideraciones que comprenden poner en práctica las escalas no comparativas al investigar mercados internacionales. Se identificarán varios aspectos éticos que surgen en la elaboración de escalas de calificación. El capítulo termina con un análisis del uso de microcomputadoras y mainframes en el desarrollo de escalas de calificación continuas y de partidas. Empezaremos con algunos ejemplos de técnicas de escalas no comparativas.

EJEMPLO Escalas de los extremos emocionales ___________________________ PEAC Media Research, una compañía con sede en Toronto, desarrolló una Computadora para el Análisis de Evaluación de Programas (PEAC) para ayudar en el registro de las em o­ ciones de los participantes en las sesiones de grupo. Esta computadora es un dispositivo ma­ nual con una hilera de botones o un disco, que registra las respuestas que van de negativas a neutrales y a positivas. Los participantes presionan los botones apropiados mientras ven un comercial. Este dispositivo permite el registro continuo, y sin tendencias, de las respuestas emocionales por parte de los miembros de una sesión de grupo. Hace poco se utilizó para medir las respuestas a una serie de comerciales de McDonald’s y los investigadores descubrie­ ron que madres e hijas respondían en forma diferente a las distintas imágenes en los comer­ ciales. Puesto que McDonald’s trata de diseñar comerciales “cotidianos” que sean atractivos para todos los segmentos, los investigadores emplearon la PEAC a fin de determinar qué aspectos de los comerciales atraían a qué segmentos. Los comerciales con el mayor atractivo emocional en todos los segmentos se seleccionaron para la campaña .1 ♦

EJEMPLO Supermercados _________________________________________ En una encuesta de la industria de servicios que realizó Gallup Organization, se pidió a los participantes calificaran los servicios con base en una escala tipo Likert de 10 puntos, con 1 igual a calidad baja y 10 igual a calidad muy alta. Más de la mitad de los entrevistados dieron a los supermercados una calificación de 8 o más alta. Los restaurantes y bancos también recibieron calificaciones altas. Los hoteles, tiendas de departamentos, compañías de seguros, compañías de reparación automotriz y líneas aéreas terminaron en la parte intermedia. Ha­ cia la parte inferior de la escala se encontraban el gobierno local, los transportes públicos y los bienes raíces. Por tanto, a fin de crear la buena voluntad y participación del público, el gobierno local, las autoridades del transporte público y las agencias de bienes raíces deben mejorar sus servicios y comunicar las mejoras a sus votantes y clientes .2 ♦ El ejemplo de PEAC ilustra una escala de calificación continua que se utilizó para medir la emoción y la encuesta de Gallup empleó una escala de calificación de partidas a fin de medir las percepciones. Ambos son ejemplos de técnicas de escalas no comparativas.

No es cuestión de suerte. Más bien los productos superiores y los servicios di-señados para cubrir las necesidades del cliente permiten que supermerca­ dos como Lucky obtengan altas calificaciones en calidad. ♦ Lucky Stores.

T

é c n ic a s d e esca la s n o co m pa r a tiv a s

escalas no compara­ tivas Uno de los dos tipos de técnicas de esca­ las, en el que cada objeto de estímulo se evalúa de manera independiente de los otros objetos en el conjunto de estímulos.

Los entrevistados que utilizan una escala no comparativa emplean cualquier estándar de ca­ lificación que les parezca apropiado. No comparan el objeto que califican ni con otro objeto ni con algún estándar específico, como “su marca ideal”. Evalúan sólo un objeto a la vez; de manera que, las escalas no comparativas se conocen como escalas monádicas. Las técnicas no comparativas consisten en las escalas de calificación continuas y de partidas, descritas en la tabla 9.1 y se estudian en las siguientes secciones.

Escala de clasificación continua En una escala de clasificación continua, también conocida como escala de calificación gráfica, los entrevistados califican los objetos escribiendo una marca en la posición apropiada sobre una

Tabla 9.1 Escalas básicas no comparativas Escala

Características básicas

Ejemplos

Escala de clasificación continua Escalas de clasificación de partidas Escala de Likert

Colocar una marca en una línea continua

Reacción a los comer­ Fácil de elabo­ ciales de televisión rar

La calificación puede ser confusa a menos de que sea por computadora

Grado de acuerdo con base en una escala de 1 (por completo en des­ acuerdo) a 5 (por com­ pleto de acuerdo) Escala de siete puntos con etiquetas bipolares Escala unipolar de 10 puntos, -5 a +5, sin un punto neutral (cero)

Medición de las acti­ tudes

Fácil de elabo­ rar, aplicar y comprender

Se lleva más tiempo

Imagen de marcas, productos y empresas Medición de las acti­ tudes e imágenes

Versátil

Controversias sobre si los datos son de intervalos Confusa y difícil de aplicar

Diferencial semántico Escala de Stapel

Ventajas

Fácil de ela­ borar, se apli­ ca por teléfono

Desventajas

escala de clasificación continua Escala de medi­ ción que pide a los entre­ vistados que califiquen los objetos al escribir una marca en la posición apropiada en la línea, que va de un extremo de la variable de criterio al otro. La forma puede variar considerablemente. También se conoce como escala de clasificación gráfica.

línea que va de un extremo de la variable de criterio al otro. De modo que los participantes no están limitados a seleccionar marcas que el investigador establece con anterioridad. La forma de una escala continua puede variar de modo considerable. Por ejemplo, la línea puede ser vertical u horizontal; los puntos de la escala pueden proporcionarse en forma de números o descripciones breves; y si se proporcionan, los puntos de la escala pueden ser pocos o muchos. A continuación se ilustran tres versiones de una escala de clasificación continua.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Escalas de clasificación continua _____________________________ ¿Qué clasificación daría a Sears como tienda departamental?

Versión1 I ...........................................................................................Quizá la mejor

Quizá la peor

Versión2 .................I ..................... - ............. - ...................................................Quizá la mejor 10 20 30 40 50 60 70 80 90 100

Quizá la peor 0

Versión3 Muy mala

Ni buena ni mala

Muy buena

Quizá la p eor......................... I ...................................- ...................................................... Quizá la mejor 0 10 20 30 40 50 60 70 80 90 100 ♦ Una vez que el participante proporciona las calificaciones, el investigador divide la línea en tantas categorías como desee y asigna las calificaciones con base en las categorías a las que perte­ necen .3 En el ejemplo del proyecto de las tiendas departamentales, el entrevistado muestra una actitud desfavorable hacia Sears. Por lo regular, estas escalas se manejan como datos de intervalos. La ventaja de las escalas continuas es que son fáciles de elaborar, aunque la calificación es confusa y poco confiable .4 Además, las escalas continuas proporcionan muy poca informa­ ción nueva. Por consiguiente, su uso en la investigación de mercados es limitado. Sin embar­ go, hace poco, con el incremento en la popularidad de las entrevistas personales asistidas por computadora y otras tecnologías, su uso se ha vuelto más frecuente ,5 como lo ilustra el recua­ dro Investigación en la práctica 9 .1 .6

E

sca la s d e c l a s if ic a c ió n d e p a r tid a s

escala de clasificación de partidas Escala de medición que tiene nú­ meros o descripciones breves asociados con cada categoría. Las cate­ gorías se ordenan en términos de su posición en la escala.

En una escala de clasificación de partidas se proporciona a los entrevistados una escala que tiene una descripción breve o un número relacionado con cada categoría. Las categorías se ordenan en términos de posición en la escala; y se pide a los participantes seleccionen la categoría específica que describa mejor el objeto a calificar. Las escalas de clasificación de partidas se utilizan con mucha frecuencia en la investigación de mercados y constituyen los componentes de escalas más complejas, como las escalas de clasificación de partidas múlti­ ples. Primero describiremos las escalas de clasificación de partidas que se utilizan en forma común (como las escalas de Likert, diferencial semántico y Stapel) y después analizaremos los aspectos principales del uso de estas escalas.

Escala de Likert La escala de Likert, que lleva el nombre de su creador, Rensis Likert, es una escala de clasi­ ficación que se utiliza con mucha frecuencia y pide a los entrevistados que indiquen un grado de acuerdo o desacuerdo con cada una de la serie de afirmaciones respecto a los objetos de

I n vestig ació n en la práctica 9.1 R A .T E : Rapid Analysis and Testing Environment Un instrumento de investigación relativamente nuevo, el analizador de la percep­ ción, ofrece una medición continua de la “reacción instintiva’'. A un grupo de hasta 400 entrevistados se les presenta anuncios de televisión o radio o copias de anuncios impresos. El dispositivo de medición consiste en un disco que con­ tiene un rango de 100 puntos. A cada participante se le da un disco y se le indica que registre en forma continua su reacción al material que se pone a prueba. Cada vez que el entrevistado gira el disco, ia información entra a una computado­ ra, que tabula los perfiles de respuesta segundo a segundo. Conforme la compu­ tadora registra los resultados, se superpo­ nen en una pantalla de video, permitien­ do al investigador ver las calificaciones de los participantes de inmediato. Las ca­ lificaciones también se almacenan en un archivo de datos permanente, para su uso en análisis posteriores. Las califica­ ciones de las respuestas pueden dividir­ se por categorías, como edad, ingreso, sexo o uso del producto.

Los sistemas como RATE de ORTEK permiten la medición continua de las reacciones ante el video de una empresa, un comercial o cualquier mate­ rial audio/visual. ♦ ORTEK Data Systems, Inc.

escala de Likert Escala de medición con cinco categorías de respuesta que van de “por completo en desacuerdo” a “por completo de acuerdo”, y pide a los entrevistados que indiquen un grado de acuerdo o desacuerdo con cada una de una serie de afirmaciones relacio­ nadas con los objetos de estímulo.

estímulo .7 Por lo regular, cada partida de la escala tiene cinco categorías de respuesta, que van de “por completo en desacuerdo” a “por completo de acuerdo”. Ilustramos este concepto con una escala de Likert para evaluar las actitudes hacia Sears en el contexto del proyecto de patrocinio a las tiendas departamentales. Para realizar el análisis, a cada afirmación se le asigna una clasificación numérica, que va, ya sea desde - 2 a + 2 o de 1 a 5. El análisis puede llevarse a cabo sobre una base de partida por partida (análisis de perfil) o puede calcularse una calificación total (sumada) para cada entrevistado por medio de la suma de todas las partidas. Suponga que la escala de Likert, en el ejemplo de las tiendas departamentales, se utilizó para medir las actitudes hacia Sears y J.C. Penney. El análisis de perfil comprendería la comparación de las dos tiendas en términos de las calificaciones promedio del entrevistado para cada partida: como calidad de la mercancía, servicio dentro de la tienda y combinación de marcas. La estrategia de suma se emplea con mayor frecuencia y, como resultado de ello, la escala de Likert se conoce también como escala sumada.8 Cuando se utiliza esta estrategia para determinar la calificación total de cada entre­ vistado en cada tienda, es importante emplear un procedimiento de calificación sólido, de modo que la calificación alta (baja) refleje una respuesta favorable (desfavorable) en forma consistente. Lo anterior requiere que las categorías que los entrevistados asignan a las afirma­ ciones negativas se califiquen revirtiendo la escala. Nótese que para una afirmación negativa,

un acuerdo refleja una respuesta desfavorable; en tanto que para una afirmación positiva, un acuerdo representa una respuesta favorable. Por consiguiente, una respuesta de “por completo de acuerdo” a una afirmación favorable y una respuesta de “por completo en desacuerdo” a una afirmación desfavorable recibirían calificaciones de cinco .9 En la escala que presentamos, si una calificación más alta debe indicar una actitud más favorable, las calificaciones de las partidas 2, 4, 5 y 7 se revertirán. El entrevistado, en el ejemplo del proyecto de las tiendas departamentales, tiene una calificación de actitud de 22. Se calcula la calificación total que cada entrevistado da a cada tienda. Un participante tendrá la actitud más favorable hacia la tienda con la calificación más alta. El procedimiento para desarrollar las escalas de Likert sumadas se describe más adelante en la sección sobre escalas de partidas múltiples.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Escala de Likert ________________________________________ Instrucciones A continuación, presentamos diversas opiniones sobre Sears. Favor de indicar si está de acuer­ do o en desacuerdo con cada una, marcando con X su elección en la escala siguiente: 1 = por completo en desacuerdo 2 = en desacuerdo 3 = no estoy de acuerdo ni en desacuerdo

4 = de acuerdo 5 = por completo de acuerdo

Por com ­

N o estoy de

Por com ­ pleto en

En desa­

acuerdo ni en

De

pleto de

desacuerdo

cuerdo

desacuerdo

acuerdo

acuerdo

1. Sears vende m ercancías de alta calidad.

1

2X

3

4

5

2. Sears tiene un servicio deficiente en sus

1 1

2X

3 3X

4

5 5

3

4 4X

tiendas. 3. M e gusta comprar en Sears.

1

2 2

1

2

3

4X

5

IX

2

3

4

5

1

2

3

4X

5

1

2

3

4X

5

1

2X

3

4

5 ♦

5

4. Sears no ofrece buenas com binaciones de diferentes marcas dentro de cada categoría de productos. 5. Las políticas de crédito de Sears son terribles. 6. Sears cuenta con tiendas en todo Estados Unidos. 7. N o me gusta la publicidad que usa Sears. 8. Sears vende una extensa variedad de m ercancías. 9. Sears carga precios adecuados.

La escala de Likert tiene varias ventajas. Es fácil de elaborar y aplicar y los entrevistados entienden cómo deben utilizarla, lo que la hace apropiada para las entrevistas en centros comerciales, telefónicas y personales. La desventaja principal de la escala de Likert es que lleva más tiempo realizarla que las otras escalas de calificación de partidas porque los entrevistados tienen que leer cada afirmación. El ejemplo siguiente muestra otro uso de la escala de Likert en la investigación de mercados.

EJEMPLO Satisfacción con el empleo: ¿intrínseca oextrínseca? ________________ Un estudio investigó la hipótesis de que la satisfacción intrínseca con el empleo (IJS) por parte de los vendedores se relaciona en forma positiva con el tiempo que permanecerán en una

empresa. Lasatisfacción intrínseca con el empleo se midió a través de una escala estándar de Likert .10 Una de las partidas utilizadas para medir la IJS es la siguiente: Por completo en desacuerdo

En desacuerdo

1

2

Mis sentimientos de realización me motivan para el trabajo.

Neutral 3

De acuerdo

Por completo de acuerdo

4

5

Los datos empíricos respaldaron la hipótesis. El estudio llegó a la conclusión de que los gerentes de ventas deben invertir más esfuerzo en el reclutamiento, capacitación y respaldo a los vendedores, de modo que se incremente la satisfacción intrínseca con el empleo y, de esta manera, se reduzca la rotación de la fuerza de ventas. ♦ Para reducir la rotación de la fuerza de ventas, es muy importante aumen­ tar la satisfacción intrín­ seca por el empleo. ♦ Rhoda Sidney.

Escala de diferencial semántico diferencial semán­ tico Escala de clasifi­ cación de siete puntos con puntos extremos asociados con nombres bipolares que tienen un significado semántico.

La escala de diferencial sem ántico es una escala de calificación con siete puntos, cuyos pun­ tos finales se relacionan con niveles bipolares que tienen un significado semántico. En una aplicación típica, los entrevistados califican los objetos con base en varias escalas de clasifica­ ción de partidas con siete puntos, limitadas en cada extremo con uno de dos adjetivos bipolares, como “frío” y “caliente ”.11 Ilustramos esta escala con la evaluación, por parte de un entrevis­ tado de Sears, con base en cinco atributos.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Escala dediferencial semántico ______________________________ Instrucciones Esta parte del estudio mide lo que significan para usted ciertas tiendas departamentales, al tener que juzgarlas con una serie de escalas descriptivas limitadas en cada extremo por uno de

dos adjetivos bipolares. Favor de marcar (X) el espacio que indique mejor con cuánta precisión un adjetivo u otro describe lo que la tienda significa para usted. Favor de asegurarse de marcar cada escala; no omita ninguna.

Forma

SEARSES: Poderoso Desacreditado Moderno Indiferente Cuidadoso

-X-:— : ■X-:— : -:-X -: X-:— : -X-

Débil Acreditado A la moda Cordial Descuidado ♦

Los entrevistados marcan el espacio que describe mejor la forma en que ellos describi­ rían el objeto que se califica .12 De este modo, en nuestro ejemplo, Sears se evalúa como débil en cierto aspecto, confiable, muy anticuado, cálido y cuidadoso. En ocasiones, el adjetivo o frase negativo aparece en el lado izquierdo de la escala y otras veces en la derecha. Es­ to controla la tendencia de los entrevistados, sobre todo aquellos con actitudes muy positivas o negativas, a marcar los lados izquierdo o derecho sin leer los adjetivos. El método para selec­ cionar los adjetivos de la escala y elaborar una escala de diferencial semántico ya se descri­ bió, al desarrollar una escala general de diferencial semántico para medir los conceptos de sí mismo, conceptos personales y conceptos del producto ,13 como se ilustra en el recuadro Inves­ tigación en la práctica 9.2. Las partidas individuales de una escala de diferencial semántico pueden calificarse ya sea de - 3 a + 3 o de 1 a 7. Por lo general, los datos que resultan se analizan a través de un análisis de perfil. En este perfil, los valores de las medias o medianas, en cada escala de califi­ cación, se calculan y comparan mediante un análisis de trazo o estadístico. Esto ayuda a deter-

I n v e s t i g a c i ó n en l a p r á c t i c a 9.2 Escala de diferencial semántico para medir el concepto de sí mismo, los conceptos personales y los conceptos del producto 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15.

Tosco:— - : — ¡Delicado :— :Tranquilo Excitable:— :— :— :— :In có m o d o :-:- : - : — - : — :— :Cómodo ¡Sumiso Dominante:— :— :— :— Ahorrativo:— :— :— :— — :— :— indulgente Agradable:— :— :— :— — :— :— :Desagradable Contemporáneo:— :— :— :— :— :— :— ¡Anticuado - : — :— :— :Desorganizado Organizado:— :— - : — :— ¡Emocional Racional:— :— :— - : — ¡Maduro Jovial:— :— Formal:— :— :— :— :— — :— ¡Informal Ortodoxo:— :— :— :— :—¡— :— :Liberal ¡Sencillo Complejo:— :— :— :— :— Incoloro:— :— :— :— : - -¡— ¡— ¡Colorido - ¡ — :— ¡Vanidoso Modesto:—

minar las diferencias y similitudes generales entre los objetos. A fin de evaluar las diferencias en todos los segmentos de entrevistados, el investigador puede comparar las respuestas medias de los distintos segmentos. A pesar de que la media se emplea, con mayor frecuencia, como una estadística de resumen, existe cierta controversia acerca de si los datos obtenidos deben manejarse como escala de intervalos.14 Por otra parte, en los casos en que el investigador necesita una comparación general de los objetos, como para determinar las preferencias por la tienda, las calificaciones de las partidas individuales se suman para llegar a una calificación total. Su versatilidad hace que la escala de diferencial semántico sea una escala de califica­ ción popular en la investigación de mercados. Se utiliza con frecuencia en la comparación de marcas, productos e imágenes de empresas. También se emplea para desarrollar estrategias de publicidad y promoción, así como en los estudios para el desarrollo de nuevos productos.15 Se han propuesto varias modificaciones a la escala básica .16

Escala de Stapel escala de Stapel Escala para medir las actitudes, que consiste en un solo adjetivo en el punto me­ dio de un rango de actitu­ des con número par.

La escala de Stapel, que lleva el nombre de su creador, Jan Stapel, es una escala de calificación unipolar con 10 categorías numeradas de - 5 a + 5 , sin un punto neutral (cero ) .17 Esta escala casi siempre se presenta en sentido vertical. Se pide a los entrevistados que indiquen, median­ te la selección de una categoría de respuesta numérica apropiada, con cuánta exactitud o inexactitud cada término describe el objeto. Cuanto más altos sean los números, el término describe el objeto con mayor exactitud, como se muestra en el proyecto de patrocinio a las tiendas departamentales.18 En este ejemplo, Sears se califica como una tienda que no tiene mercancía de alta calidad y ofrece un servicio inadecuado.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Escala de Stapel ________________________________________ Instrucciones Favor de evaluar con cuánta precisión cada palabra o frase describe cada una de las tiendas departamentales. Elija un número positivo para las frases que crea describen la tienda con exactitud. Cuanto más exacta considere sea la frase para describir la tienda, más alto debe ser el número positivo que seleccione. Debe elegir un número negativo para las frases que crea no la describen con precisión. Cuanto menos precisa considere que es la frase para describir la tienda, más bajo deberá ser el número negativo que elija. Puede seleccionar cualquier número, de + 5 para las frases que considere muy exactas a - 5 para las frases que considere muy inexactas.

Forma

Sears +5 +4 +3 4-2 +i Alta calidad

-1

+5 +4 +3 +2X +1 Servicio inadecuado

-1

Los datos que se obtienen mediante una escala de Stapel pueden analizarse de la misma forma que los datos de una escala de diferencial semántico. La escala de Stapel produce resultados similares a los de la escala de diferencial semántico .19 Las ventajas de la escala de Stapel son que no requiere de una prueba previa de los adjetivos o frases, a fin de asegurar la verdadera bipolaridad, y que puede aplicarse por teléfono. Sin embargo, algunos investigadores creen que la escala de Stapel es confusa y difícil de aplicar. De las tres escalas de partidas consideradas, la escala de Stapel se utiliza con menor frecuencia .20 No obstante, ésta merece más atención de la que recibe.

D

e c is io n e s so bre la s esca la s d e c l a s if ic a c ió n d e p a r t id a s n o c o m p a r a tiv a s Como es evidente por lo que hemos estudiado hasta el momento, las escalas de clasificación de partidas no comparativas no necesariamente deben utilizarse como se proponen originalmen­ te, sino que pueden adoptar diversas formas. El investigador debe tomar seis decisiones impor­ tantes al elaborar cualquiera de estas escalas. 1. 2. 3. 4. 5. 6.

El número de categorías en la escala que debe utilizar Escala equilibrada contra no equilibrada Número de categorías par o non Opción forzada comparada con opción no forzada Naturaleza y grado de la descripción verbal Forma física de la escala

Número de categorías en la escala Dos consideraciones problemáticas se presentan al decidir el número de categorías u opcio­ nes de respuesta en la escala. Cuanto mayor sea el número de categorías, será mejor la discri­ minación entre los objetos de estímulo. Por otra parte, la mayoría de los entrevistados no puede manejar más de unas cuantas categorías. Los lineamientos tradicionales sugieren que el número de categorías apropiado debe ser 7 4- o - 2 : entre 5 y 9 .21 Sin embargo, no existe un número óptimo. Al decidir el número de categorías deben tomarse en cuenta varios fac­ tores. Si los participantes se interesan en la labor de la escala y tienen conocimiento sobre los objetos, pueden emplearse muchas categorías. Por otra parte, si los entrevistados no tienen muchos conocimientos o no se involucran con la tarea, deben utilizarse menos categorías. De modo similar, también es importante la naturaleza de los objetos. Algunos no se prestan para la discriminación adecuada, de modo que es suficiente un número reducido de categorías. Otro factor significativo es el modo de la recopilación de datos. Si se llevan a cabo entrevistas telefónicas, es probable que muchas categorías confundan a los entrevistados. De manera si­ milar, las limitaciones de espacio pueden restringir el número de categorías en los cuestiona­ rios por correo. La forma en que los datos van a analizarse y utilizarse también influye en el número de categorías. En las situaciones en las que se reúnen varias partidas para producir una sola respuesta por parte de cada entrevistado, cinco categorías son suficientes. Lo mismo se aplica si el investigador desea hacer generalizaciones amplias o comparaciones de grupo. No obs­ tante, si se interesa en las respuestas individuales o si los datos van a analizarse mediante técnicas estadísticas avanzadas, quizá se requieran siete categorías o más. El tamaño del coe­ ficiente de correlación, una medida común de la relación entre las variables (capítulo 17), recibe la influencia del número de categorías en la escala. El coeficiente de correlación dismi­ nuye con la reducción en el número de categorías. Esto, a su vez, tiene un impacto en todo el análisis estadístico basado en el coeficiente de correlación .22

Escala equilibrada comparada con no equilibrada escala equilibrada Escala con un número igual de categorías favorables o desfavorables.

En una escala equilibrada, el número de categorías favorables y desfavorables es igual; en una escala no equilibrada, el número de categorías es desigual.23 En la figura 9.1, presentamos ejemplos de escalas equilibradas y no equilibradas. En general, a fin de obtener datos objetivos, la escala debe estar equilibrada. No obstante, si es probable que la distribución de las respues­ tas sea sesgada, ya sea de manera positiva o negativa, quizá sea apropiada una escala no equi­ librada con más categorías en dirección del sesgo. Si se utiliza una escala no equilibrada, en el análisis de datos deben tomarse en cuenta la naturaleza y el grado de desequilibrio.

Número de categorías par o impar Con un número de categorías impar, la posición intermedia de la escala se designa, por lo general, como neutral o imparcial.24 La presencia, posición y nombramiento de una ca te­ goría neutral puede tener una influencia significativa en la respuesta .25 La escala de Likert es una escala de calificación equilibrada con un número impar de categorías y un punto neutral. La decisión de emplear un número impar de categorías depende de si algunos de los entrevistados pueden ser neutrales en relación con la respuesta que se mide. Si es posible una respuesta neutral o indiferente por parte de algunos de los entrevistados, debe utilizarse un número impar de categorías. Si, por otro lado, el investigador desea forzar una respuesta o cree que no existe respuesta neutral o indiferente, debe emplearse una escala de calificación con un número par de categorías. Un aspecto relacionado consiste en si la opción debe ser forzada o no forzada.

Opción forzada comparada con no forzada escala de clasificación forzada Escala de clasifi­ cación que obliga a los entrevistados a expresar una opinión porque no se ofrece una opción de “sin opinión” ni “sin conocimientos”.

En las escalas de clasificación forzadas, se obliga a los entrevistados a que expresen una opinión porque no se ofrece opción en la que puedan reservarse su opinión. En ese caso, los entrevistados que no quieran dar una opinión deben marcar la posición intermedia en la escala. Si una proporción suficiente de los entrevistados no tiene una opinión sobre el tema, las marcas en la posición intermedia distorsionan las medidas de la tendencia central y la varianza. En las situaciones en que se espera que los participantes tengan una opinión, en oposición a la negativa de expresarla, la exactitud de los datos puede mejorar por medio de una escala no forzada que incluya una categoría de “sin opinión".26

Naturaleza y grado de la descripción verbal La naturaleza y el grado de la descripción verbal relacionada con las categorías de la escala varían en forma considerable y pueden tener un efecto en las respuestas.27 Las categorías en la

Escalas equilibradas

Escala equilibrada

Escala no equilibrada

JOVAN MUSK PARA CABALLERO ES

JOVAN MUSK PARA CABALLERO ES

En extremo buena

En extrpmo buena Muy buena

y no equilibradas Muv buena Mala

Buena D í alquna manera buuna

Muy mala

Mala

En extremo mala

Muv mala

Buena

escala pueden tener descripciones verbales, numéricas e incluso pictóricas. Además, el inves­ tigador debe decidir si nombrar todas las categorías en la escala, algunas de éstas o sólo las categorías extremas. De manera sorprendente, proporcionar una descripción verbal para ca­ da categoría quizá no mejore la exactitud o confiabilidad de los datos. No obstante, puede dar­ se un argumento para nombrar todas o muchas de las categorías a fin de reducir la ambigüedad de la escala. Las descripciones de las categorías deben colocarse tan cerca de las categorías de respuesta como sea posible.28 La fuerza de los adjetivos que se utilizan para respaldar la escala puede influir en la distribución de las respuestas. Con respaldos fuertes (1 = por completo en desacuerdo, 7 = por completo de acuerdo), es menos probable que los entrevistados utilicen las categorías extre­ mas de la escala. Esto da como resultado distribuciones de las respuestas menos variables y más extremas. Por el contrario, los respaldos débiles (1 = por lo general en desacuerdo, 7 = por lo general de acuerdo) producen distribuciones uniformes o planas. Se han desarrollado procedi­ mientos para asignar valores a las descripciones de las categorías de modo que den como resul­ tado escalas equilibradas o de intervalos iguales.29

Fonna física de la escala Están disponibles varias opciones respecto de la forma o configuración de las escalas. Éstas pueden presentarse en sentido vertical u horizontal. Las categorías pueden expresarse por medio de cuadros, líneas discretas o unidades en un continuo y pueden tener o no números asignados. Si se emplean valores numéricos, éstos pueden ser positivos, negativos o ambos. En la figura 9.2 se presentan varias configuraciones posibles. Dos configuraciones de escala de clasificación únicas, que se emplean en la investiga­ ción de mercados, son la escala del termómetro y la escala de caras sonrientes. Para la escala del termómetro, cuanto más alta sea la temperatura, más favorable es la evaluación. De modo similar, las caras más felices indican evaluaciones más favorables. Estas escalas son útiles en

F igura 9.2 Configuraciones de escalas de clasificación

Una variedad de configuraciones de escalas pueden utilizarse para medir ia suavidad del detergente Cheer. Algunos ejemplos incluyen: El detergente Cheer es: 1.

v!uy duro

2.

VIuy duro

1

—

—

—

—

—

—

Muy ¡¡l¡¡lii|* ¡# ii

2

3

4

5

6

7

Muy

3. • Muy duro

• Mi duro ni suave

• Muy suave 4, Muy duro

Dure

-3

-2

5. Muy duro

De alguna manera duro

Ni duro ni suave

ni suave

De alguna manera suave

Suave

Muy suave

J-2

-3

Muy suave

especial para los niños .30 En la figura 9.3 se muestran ejemplos de estas escalas. La tabla 9.2 resume las seis decisiones en el diseño de las escalas de clasificación.

F igura 9.3 Algunas configuradones únicas de escalas de clasificación

Escala de termómetro Instrucciones Favor de indicar cuanto le gustan las hambuiguesas d f M i Donald's roloreandti el interior del termó­ metro con pluma azul. Comience en la parte inferior v coloree hacia arriba hasta el nivel que mejor indica su preferencia por las hamburguesas de McDonald's.

Me gustan mucho

100 75 - 50 - 25

Me disgustan mucho

0

O Escala de carita sonriente Instrucciones Por favor, dime cuánto te gustó la muñeca Barbie señalando la carita que lo expresa meior. Si la munuca Barbie no te gustó nada, debes señalar la carita 1 Si te gusto mucho, debes señalar la carita 5. Ahora, dime ¿cuánto te gustó la muñeca Barbie?

^ÍlilWllwllllll¡B!!Íi!«BÍ8Íii!Bii¡llSllÍll!IÍ!lSilliiiÍlB!!l¡!lfillliliiS!H!l¡l8Siii8ÍB#8i81illiWlílÍÍHliBI

1

T abla 9.2 Resumen de las decisiones sobre las escalas de clasificación de partidas

1. Número de categorías 2. Equilibradas cóntra no equilibradas 3. Número impar o par de categorías

4. Forzadas contra no forzadas 5. Descripción verbal

6. Forma física

2

3

4

5

Aun cuando no hay un número óptimo, los lincamien­ tos tradicionales sugieren que debe haber entre cinco y nueve categorías. En general, la escala debe ser equilibrada para obtener datos objetivos. Si es posible una respuesta neutral o indiferente, al menos por parte de algunos entrevistados, debe utilizar­ se un número impar. En las situaciones en las que se espera que los entrevis­ tados no opinen, la precisión de los datos puede mejo­ rarse por medio de una escala no forzada. Puede darse un argumento para nombrar todas o mu­ chas de las categorías de la escala. Las descripciones de las categorías deben colocarse tan cerca de las respues­ tas como sea posible. Es preciso probar varias opciones y seleccionar la mejor.

E

sca la s d e p a r tid a s m ú ltiples El desarrollo de las escalas de clasificación de partidas múltiples requiere de experiencia técni­ ca considerable .31 La figura 9.4 es un paradigma para la elaboración de escalas de partidas múltiples. Con frecuencia, la característica que se mide se conoce como constructor. El desa­ rrollo de la escala se inicia con una teoría subyacente del constructor que va a medirse. Una teoría es necesaria no sólo para la elaboración de la escala, sino también para la interpreta­ ción de las calificaciones resultantes. El paso siguiente consiste en generar un conjunto ini­ cial de partidas. Por lo regular, éste se basa en la teoría, el análisis de la información secunda­ ria y la investigación cualitativa, A partir de este conjunto, el investigador, de acuerdo con su juicio, y otros individuos con conocimientos, generan un grupo reducido de partidas poten­ ciales. Se adopta cierto criterio cualitativo para respaldar su juicio. El conjunto reducido de partidas sigue siendo muy extenso para constituir una escala. De modo que, una reducción mayor se logra de manera cuantitativa. Los datos se recopilan a partir del grupo reducido de partidas potenciales por parte de una amplia muestra de entrevistados. Los datos se analizan mediante el uso de técnicas como correlaciones, análisis de factores, análisis de conjunto, análisis discriminatorio y pruebas estadísticas, que estudiaremos más adelante en este libro. Como resultado de estos análi­ sis estadísticos, se eliminan otras partidas más, dando como resultado una escala pura. La escala pura se evalúa en relación con la confiabilidad y validez al recopilar más datos de una muestra diferente (véase la sección siguiente). Con base en estas evaluaciones, se selecciona un conjunto final de partidas para la escala. Como puede verse en la figura 9.4, el proceso de desarrollo de una escala es interactivo y cuenta con varias retroalimentaciones .32

Un ejemplo de una escala desarrollada para utilizarse en la investigación de mercados se presenta en el ejemplo siguiente.

EJEMPLO Medición de avances técnicos con una escala técnicamente sofisticada _____ La siguiente escala de partidas múltiples mide los avances técnicos de una línea de productos.33 1. Técnica 2. Bajo contenido de ingeniería 3. Cambia con rapidez 4. No sofisticada 5. Comodidad 6. Unica 7. Compleja

1 1 1 1 1 1 1

2 3 2 3 2 3 2 3 2 3 2 3 2 3

5 5

4 4 4

5

4

5

4 4

5 5

4

5

6 7 6 7 6 7 6 7 6 7 6 7 6 7

No técnica Alto contenido de ingeniería Cambia con lentitud Sofisticada Adaptada Común Sencilla

Las partidas 1,3, 6 y 7 se revierten durante la calificación. Esta escala puede utilizarse en la mercadotecnia industrial para medir los avances técnicos de una línea de productos para el consumidor y para sugerir cambios, a fin de mejorar la calidad técnica. ♦

E

v a lu a c ió n d e la s esca la s Una escala de partidas múltiples debe evaluarse con respecto de su exactitud y aplicación .34 Como se muestra en la figura 9.5, esto incluye una evaluación de la confiabilidad, la validez y la capacidad de generalización de la escala. Las estrategias para evaluar la confiabilidad incluyen la confiabilidad de prueba-segunda prueba, la confiabilidad de las formas alternati­ vas y la confiabilidad de la consistencia interna. La validez puede evaluarse mediante el aná­ lisis de validez del contenido, validez de criterios y validez de los constructores. Antes de analizar la confiabilidad y validez, necesitamos comprender la exactitud de la medición; ésta es fundamental para la evaluación de las escalas.

Exactitud de la medición Como mencionamos en el capítulo 8 , una medición es el número que refleja alguna caracterís­ tica de un objeto. Una medición no es el valor real de la característica de interés, sino más

error de medición La variación en la informa­ ción que busca el investi­ gador y la información que genera el proceso de medición empleado.

bien, una observación de ésta. Gran variedad de factores pueden provocar un error de medi­ ción, que da lugar a que la calificación observada o la medición difieran de la calificación real de la característica medida (véase la figura 9.6). El modelo de calificación real propor­ ciona un marco para la comprensión de la exactitud de la medición .35 De acuerdo con este

modelo de calificación real Modelo matemático que proporciona un mar­ co para comprender la exactitud de una medi­ ción.

X q = X t + Xs + X r

error sistemático Error que afecta la medición de manera constante y representa los factores estables que afectan, de la misma forma, la califica­ ción observada cada vez que se realiza la medierror aleatorio Error que surge de diferencias o cambios aleatorios en los entrevistados o las situa­ ciones de medición. confiabilidad Grado en el cual una escala produ­ ce resultados consistentes si se realizan mediciones repetidas de las caracte­ rísticas. confiabilidad de pruebasegunda prueba Estra­ tegia para evaluar la confiabilidad en la cual se aplica a los entrevistados grupos idénticos de parti­ das en dos ocasiones diferentes, en condiciones tan equivalentes como sea posible.

Figura 9.6 Fuentes potenciales de error en la medición

modelo,

donde Xo = calificación o medida observada X j = calificación real de la característica

Xg = error sistemático Xr = error aleatorio Nótese que el error de medición total incluye el error sistemático, Xg, y el error aleato­ rio, Xr. El error sistemático afecta la medición en forma constante. Representa los factores estables que afectan la calificación observada de la misma manera cada vez que se realiza la medición, como los factores mecánicos (véase la figura 9.6). Por otra parte, el error aleatorio no es constante. Representa los factores transitivos que afectan la calificación observada de manera diferente cada vez que se realiza la medición, como los factores personales transitivos o de situación. La distinción entre el error sistemático y el aleatorio es crucial para la com­ prensión de la confiabilidad y validez.

Confiabilidad La confiabilidad se refiere al grado en el que una escala produce resultados consistentes si se llevan a cabo mediciones repetidas.36 Las fuentes de error sistemáticas no tienen un impac­ to adverso sobre la confiabilidad, porque afectan la medición en forma constante y no dan lugar a inconsistencias. Por el contrario, el error aleatorio produce inconsistencia, dando lugar a una confiabilidad más baja. La confiabilidad puede definirse como el grado en el que las mediciones están exentas de errores aleatorios, Xr. Si X r = 0, la medición es por completo confiable. La confiabilidad se evalúa al determinar la proporción de la variación sistemática en una escala. Esto se logra mediante la determinación de la asociación entre las calificaciones obte­ nidas de distintas aplicaciones de la escala. Si la asociación es alta, la escala produce resultados consistentes y, por tanto, es confiable. Las estrategias para evaluar la confiabilidad incluyen los métodos de prueba-segunda prueba, formas alternativas y consistencia interna. Confiabilidad de prueba-segunda prueba En la confiabilidad de prueba-segunda prueba, se aplican a los participantes grupos idénticos de partidas de la escala en dos ocasiones diferentes,

1. Otras características relativam ente estables del individuo que influyen en la calificación de la prueba, com o inteligencia, aceptación social y educación. 2. Factores personales a corto plazo o transitorios, com o salud, em ociones, fatiga. 3. Factores de situación, com o la presencia de otras personas, ruido y detractores. 4 . M uestreo de partidas que se incluyen en la escala: adición, r liminnción o cambios en las partidas

iI¡iliÍB¡Íl^iKB^!ÍÍ(ÍSfS!llÍiÍB¡IBlll¡lll¡MIÍÍ!ii¡l!(ll¡!¡i(Sll¡¡ÍÍiii¡l!ÍÍiÍÍIlÍ®Íli¡S!|illlBil¡llfllll¡i¡llllll¡llll¡llll¡lll¡llflÍII¡llli 5. Falta de claridad de la escata, incluyendo las instrucciones o las partidas mismas. 6. Factores m ecánicos, com o mala im presión, inclusión de demasiadas partidas en el cuestionario y diseño 7. Aplicación de la escala, com o las diferencias entre los entrevistadores. 8. Factores de analisis, com o las diferencias en la ratificación y p| análisis estadístico.

confiabilidad de formas alternativas Estrategia para evaluar la confiabilidad que requiere el uso de dos formas equivalen­ tes de una escala que se elabora y que los mismos participantes se midan en dos ocasiones diferentes. confiabilidad de consis tencia interna Estrategia para evaluar la consisten­ cia interna del grupo de partidas al sumar las con­ sistencias individuales para las partidas en el conjunto a fin de formar una calificación total para la escala. confiabilidad de división a la mitad Forma de confiabilidad de consis­ tencia interna en la que las partidas, que constitu­ yen la escala, se dividen a la mitad y las mitades que resultan se correlacionan. coeficiente alfa Medida de la confiabilidad de consistencia interna que es el promedio de todos los coeficientes de divi­ sión a la mitad posibles que resultan de distintas divisiones de las partidas de la escala.

en condiciones tan equivalentes como sea posible. El intervalo entre las pruebas o aplicaciones por lo regular es de dos a cuatro semanas. El grado de similitud entre las dos mediciones se determina mediante el cálculo de un coeficiente de correlación (véase el capítulo 17). Cuanto más alto sea el coeficiente de correlación, mayor es la confiabilidad. Varios problemas se relacionan con la estrategia de prueba-segunda prueba para deter­ minar la confiabilidad. Primero, es sensible al intervalo entre las pruebas. Si otros aspectos son iguales, cuanto más largo sea el intervalo, menor es la confiabilidad. Segundo, la medi­ ción inicial puede alterar la característica que se mide. Por ejemplo, la medición de la actitud de los participantes hacia la leche con bajo contenido de grasa puede provocar que adquie­ ran más conciencia de la salud y desarrollen una actitud más positiva hacia la leche baja en grasa. Tercero, quizá sea imposible realizar mediciones repetidas (por ejemplo, tal vez el tema de la investigación sea la reacción inicial de los entrevistados ante un producto nuevo). Cuarto, la primera medición puede tener un efecto remanente sobre la segunda medición o las subsecuentes. Es probable que los participantes traten de recordar las respuestas que die­ ron la primera vez. Quinto, la característica que se mide puede cambiar entre cada medición. Por ejemplo, la información favorable acerca de un objeto entre cada medición puede hacer que la actitud de los entrevistados sea más positiva. Por último, el coeficiente de confiabilidad de prueba-segunda prueba puede incrementar por la correlación de cada partida con sí misma. Estas correlaciones tienden a ser más altas que las correlaciones entre las distintas partidas de la escala en todas las aplicaciones. Por consiguiente, es posible tener altas correlaciones de prueba-segunda prueba, debido a las altas correlaciones entre las mismas partidas de la escala que se miden en diferentes ocasiones, aun cuando las correlaciones, entre las distintas partidas de la escala, sean bastante bajas. Debido a estos problemas, una estrategia de pruebasegunda prueba se aplica mejor en combinación con otras estrategias, como la confiabilidad de formas alternativas. C on fiabilidad de form as altern ativas En la confiabilidad de formas alternativas, se elabo­ ran dos formas equivalentes de la escala. Se mide a los mismos participantes en dos ocasiones diferentes, por lo general con un intervalo de dos a cuatro semanas. Las calificaciones de las aplicaciones de las formas alternativas de la escala se correlacionan para evaluar la confiabilidad .37 Esta estrategia presenta dos problemas principales. Primero, la elaboración de una for­ ma equivalente de la escala toma mucho tiempo y es costosa. Segundo, es difícil elaborar dos formas equivalentes de una escala. Ambas formas deben ser equivalentes respecto del conteni­ do. En un sentido estricto, esto requiere que los grupos alternativos de partidas de la escala tengan las mismas medias, varianzas e intercorrelaciones. Incluso si estas condiciones se satis­ facen, es probable que las dos formas no sean equivalentes en su contenido. De modo que una correlación baja puede reflejar ya sea una escala no confiable o formas no equivalentes. C on fiabilid ad d e consistencia interna La confiabilidad de consistencia interna se utiliza para evaluar la confiabilidad de una escala en la que se suman varias partidas para formar una calificación total. En una escala de este tipo, cada partida mide algún aspecto del constructor que mide la escala completa y las partidas deben ser consistentes en lo que indican acerca de la característica. Esta medida de la confiabilidad centra la atención en la consistencia inter­ na del grupo de partidas que forman la escala. La medición más sencilla de la consistencia interna es la confiabilidad de división a la mitad. Las partidas de la escala se dividen en dos y las calificaciones resultantes se correlacio­ nan. Las correlaciones altas entre las mitades indican una consistencia interna elevada. Las partidas de la escala pueden dividirse a la mitad con base en aquellas que tengan números impares y pares o de manera aleatoria. El problema es que los resultados dependerán de la forma en que se dividan las partidas de la escala. Una estrategia popular para superar este problema es utilizar un coeficiente alfa. El coeficiente alfa, o alfa de Cronbach, es el promedio de todos los coeficientes de división a la mitad que resultan de las diversas formas en que se dividen las partidas a la mitad .38 Este coeficiente varía de 0 a 1 y, por lo general, un valor de 0.6 o menos indica una confiabilidad de consistencia interna no satisfactoria. Una propiedad importante del coefi­

ciente alfa es que su valor tiende a incrementarse con un aumento en el número de partidas en la escala. Por tanto, el coeficiente alfa puede aumentarse en forma artificial, o inadecuada, al incluir varias partidas redundantes en la escala .39 Otro coeficiente que puede emplearse, en combinación con el coeficiente alfa, es el coeficiente beta. Éste ayuda a determinar si el proce­ so de promedio que se utiliza para calcular el coeficiente alfa oculta cualquier partida inconsis­ tente. Algunas escalas de partidas múltiples pueden incluir varios grupos de partidas diseñadas para medir distintos aspectos de un constructor con dimensiones múltiples. Por ejemplo, la imagen de una tienda es un constructor con dimensiones múltiples que incluye la calidad de la mercancía, la variedad y el surtido de la mercancía, la política de devolución y ajuste, el servicio del personal de la tienda, los precios, la conveniencia de la ubicación, la disposición de la tienda y las políticas de crédito y cuentas. Por consiguiente, una escala diseñada para m e­ dir la imagen de una tienda contiene partidas para medir cada una de estas dimensio­ nes. Puesto que estas dimensiones son de alguna manera independientes, una medida de la consistencia interna, que se calcula con todas éstas, puede ser inadecuada. No obstante, si se emplean varias partidas para medir cada dimensión, la confiabilidad de consistencia interna puede calcularse para cada dimensión, como en la Batería de Emociones de Beaumont.

EJEMPLO Una batería con muchas emociones ____________________________

validación Grado en el cual las diferencias en las calificaciones observadas de la escala reflejan las diferencias reales entre los objetos respecto de la característica medida, en lugar de errores sistemáti­ cos o aleatorios. validación del contenido Tipo de validación, que en ocasiones se conoce como validez de superfi­ cie; consiste en una eva­ luación subjetiva pero sistemática de la representatividad del contenido de una escala para la labor de medición que se realiza. validación de criterios Tipo de validación que analiza si la escala de medición tiene el desem­ peño esperado en relación con otras variables selec­ cionadas como criterios significativos.

Beaumont Organization, Ltd., desarrolló la Batería de Emociones de Beaumont para medir las respuestas emocionales ante la publicidad. Los entrevistados califican el anuncio o comercial que se les presenta en toda una batería de partidas que comprenden ocho emociones prima­ rias: aceptación, temor, sorpresa, tristeza, disgusto, enojo, presentimiento y alegría. La confiabilidad de consistencia interna de esta batería, que se mide en términos del alfa de Cronbach, se ha determinado para cada emoción primaria. Para las emociones que menciona­ mos, estos coeficientes de confiabilidad son 0 .7 3 ,0 .6 6 ,0 .6 3 ,0 .7 5 ,0 .7 2 ,0 .8 1 ,0 .7 9 y 0.85. Estos resultados indican una confiabilidad de consistencia interna satisfactoria para la batería de emociones de Beaumont .40 ♦

Validación La validación de una escala puede definirse como el grado en el cual las diferencias en las calificaciones observadas de la escala reflejan las diferencias reales entre los objetos con res­ pecto de la característica que se mide, en lugar del error sistemático o aleatorio. Una vali­ dez perfecta requiere que no existan errores de medición (Xo = X j, X r = 0, Xs = 0). Los investigadores pueden evaluar la validez de contenido, la validez de criterios o la validez de constructores .41 V alidación del contenido La validación del contenido, que en ocasiones se conoce como validez de faceta, es una evaluación subjetiva pero sistemática qué tan bien el contenido de una escala representa la labor de medición. El investigador u otra persona analiza si las partidas de la escala cubren en forma adecuada toda el área del constructor que se mide. De esta manera, una escala diseñada para medir la imagen de una tienda se consideraría inadecuada si omitiera cualquiera de las dimensiones principales (calidad, variedad, surtido de mercancía, e tc.). Dada su naturaleza subjetiva, la validez de contenido por sí sola no es una medida sufi­ ciente de la validez de una escala, no obstante ayuda en la interpretación de sentido común de las calificaciones de la escala. Una evaluación más formal puede obtenerse mediante el análisis de la validez de criterios. W id arió n de criterios La validación de criterios refleja si una escala tiene el desempeño esperado en relación con otras variables seleccionadas (variables de criterio) como criterios

validación de construc­ tores Tipo de validación que responde la pregunta sobre qué constructor o característica mide la escala. Se hace el intento de contestar preguntas teóricas sobre por qué funciona la escala y qué deducciones pueden ha­ cerse respecto de la teoría subyacente de la escala. validación convergente Medida de la validación de constructores que evalúa el grado en el que la escala se correlaciona en forma positiva con otras medidas del mismo constructor. validación discriminante Tipo de validación de constructores que evalúa el grado en el cual una medida no se correlaciona con otros constructores de los que se supone debe diferir. validación nomológica Tipo de validación que evalúa la relación entre los constructores teóricos. Busca confirmar las co­ rrelaciones significativas entre los constructores según las pronostica una teoría.

significativos. Las variables de criterios pueden incluir características demográficas y psicográficas, medidas de actitud y comportamiento o calificaciones que se obtienen de otras escalas. Con base en el periodo comprendido, la validez de criterios puede adoptar dos formas: validez concurrente y de predicción. La validez concurrente se evalúa cuando los datos sobre la escala a evaluar, y sobre las variables de criterios, se recopilan al mismo tiempo. A fin de evaluar la validez concurrente, un investigador puede desarrollar formas breves de instrumentos estándar de personalidad, como la Batería de Emociones de Beaumont. Los instrumentos originales y las versiones cor­ tas se aplicarían en forma simultánea a un grupo de entrevistados y se compararían los resul­ tados. A fin de evaluar la validez de predicción, el investigador recopila los datos sobre la escala en una ocasión y los datos sobre las variables de criterio en otra futura ocasión. Por ejemplo, las actitudes hacia las marcas de cereal pueden emplearse para predecir compras futuras de cereales por parte de los miembros de un panel de rastreo. Los datos sobre las actitudes se obtienen de los miembros del panel y se realiza un seguimiento de sus compras futuras con datos de rastreo. Las compras pronosticadas y reales se comparan para evaluar la validez de predicción de la escala de actitudes. V alidación d e constructores La validación de constructores responde la pregunta sobre qué constructor o característica mide en realidad la escala. Al evaluar la validación de constructo­ res, el investigador intenta responder preguntas teóricas acerca de por qué funciona la escala y qué deducciones pueden hacerse en relación con la teoría subyacente. De modo que, la vali­ dez de constructores requiere de una teoría importante de la naturaleza del constructor que se mide y cómo se relaciona con otros constructores. La validez de constructores es el tipo de validez más avanzado y difícil de establecer. Como muestra la figura 9.5, la validez de construc­ tores incluye la validez convergente, discriminante y nomológica. La validación convergente es el grado en el que la escala se correlaciona en forma positiva con otras medidas del mismo constructor. No es necesario que todas las medidas se obtengan con el uso de técnicas de escalas convencionales. La validación discrim inante es el grado en el cual la medida no se correlaciona con otros constructores de los que se supone que difiere. Comprenden la demostración de una falta de correlación entre los distintos cons­ tructores. La validación nomológica es el grado en el que la escala se correlaciona en formas teóricamente pronosticadas con las medidas de constructores diferentes, pero relacionados. Se formula un modelo teórico que lleva a más deducciones, pruebas e inferencias. De manera gradual, se construye una red nomológica en la que se interrelacionan varios constructores. Ilustramos la validez de constructores en el contexto de una escala de partidas múltiples dise­ ñada para medir el concepto de sí mismo.42

EJEMPLO Para que el yo sea realidad ------------------------------------------------Los descubrimientos siguientes ofrecen evidencias de la validez de constructores para una escala de partidas múltiples para medir el concepto de sí mismo: • Correlaciones altas con otras escalas diseñadas para medir el concepto de sí mismo con las clasificaciones que reportan los amigos (validez convergente) • Correlaciones bajas con constructores no relacionados de la lealtad a la marca y la búsqueda de la variedad (validez discriminante) • Se prefieren las marcas congruentes con el concepto de sí mismo del individuo, como lo postula la teoría (validez nomológica) • Nivel alto de confiabilidad ♦ Obsérvese que, en este ejemplo, nivel alto de confiabilidad se incluyó como evidencia á la validación de constructores. Esto ilustra la relación entre confiabilidad y validez.

Relación entre confiabilidad y validez La relación entre confiabilidad y validez puede comprenderse en términos del modelo de calificación real. Si una medida es perfectamente válida, también es por completo confiable. En este caso, X o = X-j-, X r = 0 y Xs = 0. De modo que, la validez perfecta implica confiabilidad perfecta. Si una medida no es confiable, no puede ser perfectamente válida, puesto que por lo menos X o = X j + X r . Además, quizá también esté presente un error sistemático; es decir, Xs ^ 0. De manera que, la falta de confiabilidad implica la invalidez. Si una medida es perfectamen­ te confiable, puede ser por completo válida o no porque es probable que aún así esté presente un error sistemático (X o = X j + X s). Aun cuando la falta de confiabilidad constituye una evidencia negativa para la validez, la confiabilidad por sí sola no implica validez. La confiabilidad es una condición necesaria, pero no suficiente, para la validez.

Capacidad de generalización capacidad de generali­ zación Grado en el que un estudio, basado en una muestra, se aplica a la población en general.

C

La capacidad de generalización se refiere al grado en el cual puede generalizarse a partir de las observaciones disponibles para un universo. El conjunto de las condiciones de medición con base en lo que un investigador desea generalizar es el universo de generalización. Estas condi­ ciones pueden incluir partidas, entrevistadores y situaciones de observación. Es probable que un investigador quiera generalizar una escala, desarrollada para utilizarse en entrevistas perso­ nales, a otros modos de recopilación de datos, como entrevistas por correo o telefónicas. De manera similar, quizá querramos generalizar de una muestra de partidas al universo de parti­ das, de una muestra de momentos de medición al universo de momentos de medición, de una muestra de observadores al universo de observadores y así sucesivamente .43 'En los estudios sobre capacidad de generalización, los procedimientos de medición es­ tán diseñados para investigar cada universo de interés a través de una muestra de condicio­ nes de medición de cada uno. Para cada universo de interés, se incluye en el estudio un aspecto de la medición conocido como faceta. Los métodos de confiabilidad tradicionales pueden considerarse como estudios de capacidad de generalización con una sola faceta. Una correlación de prueba-segunda prueba se ocupa de si las calificaciones obtenidas de una es­ cala de medición pueden generalizarse al universo de calificaciones en todas las ocasiones de medición posibles. Incluso, si la correlación de prueba-segunda prueba es alta, no podemos decir nada acerca de la capacidad de generalización de la escala a otros universos. A fin de generalizar a otros universos, es preciso emplear los procedimientos de la teoría de la capaci­ dad de generalización.

ó m o e l e g ir u n a t é c n ic a d e esca la s Además de las consideraciones teóricas y la evaluación de la confiabilidad y validez, de­ ben tomarse en cuenta ciertos factores prácticos al seleccionar las técnicas de escalas para un problema de investigación de mercados específico .44 Éstos incluyen el nivel de infor­ mación (nominal, ordinal, de intervalos o de relación) deseado, la capacidad de los entrevista­ dos, las características de los objetos de estímulo, el método de aplicación, el contexto y el costo. Por regla general, el uso de la técnica de escalas que produzca el nivel de información más alto posible, en una situación determinada, permitirá el empleo de la mayor variedad de análisis estadísticos. Asimismo, sin importar el tipo de escala utilizado, siempre que sea posible, varias partidas de la escala deberán medir las características de interés. Esto proporciona una medición más precisa que la escala de una sola partida. En muchas situaciones, se recomienda emplear más de una técnica de escalas u obtener mediciones adicionales con el uso de escalas derivadas matemáticamente.

E

sca la s d e r iv a d a s m a t e m á t ic a m e n t e Todas las técnicas de escalas que se estudian en este capítulo requieren que los entrevistados evalúen directamente las diversas características de los objetos de estímulo. Por el contrario, las técnicas de escalas matemáticas permiten a los investigadores inferir las evaluaciones que ofrecen los entrevistados a las características de los objetos de estímulo. Estas evaluaciones se deducen a partir de los juicios generales de los objetos por parte de los entrevistados. Dos técnicas de escalas derivadas matemáticamente populares son las escalas multidimensionales y el análisis asociado, que se estudiarán con detalle en el capítulo 2 1 .

I n v e s t ig a c ió n

d e m er c a d o s in t e r n a c io n a l e s

A l diseñar el formato de escala o de respuesta, es preciso tomar en cuenta los niveles educadvos o de alfabetismo de los participantes .45 Una estrategia consiste en desarrollar escalas panculturales o sin tendencias culturales. De las técnicas de escalas que hemos estudiado, podemos decir que la escala de diferencial semántico es pancultural, se ha probado en varios países y ha producido los mismos resultados en forma consistente.

EJEMPLO Copiando el nombre deXerox ________________________________ Xerox es un nombre que tuvo buena acogida en la antigua Unión Soviética desde finales de la década de los sesenta. De hecho, a la acción de copiar documentos se le llamó Xeroxing, término que se adoptó por el nombre de la compañía. Se trata del nombre de una marca que las personas identificaron con la calidad. Sin embargo, con la desintegración de la Unión Soviética en los Estados Independientes de la Commonwealth, las ventas de Xerox comenzaron a declinar. En un principio, la gerencia consideró que el problema era la competencia intensa con competidores fuertes como Canon, Ricoh Company, Mitsu­ bishi Electric Corporation y Minolta Camera Company. Los primeros intentos por hacer el producto más competitivo no ayudaron. Más adelante, se llevó a cabo una investigación de mercados para medir la imagen de Xerox y sus competidores. Se utilizaron escalas de diferen­ cial semántico, puesto que se consideran panculturales. Las etiquetas bipolares empleadas se pusieron a prueba a fin de asegurar que tenían el significado semántico esperado en el contex­ to ruso. Los resultados del estudio revelaron que el problema real era una percepción cada vez más negativa de los consumidores rusos hacia los productos de Xerox. ¿Qué pudo salir mal? El problema no era con Xerox, sino con varios procedimientos independientes de las máqui­ nas copiadoras que habían violado en forma ilegal los derechos de marcas registradas de Xerox. Con la desintegración de la Unión Soviética, la protección de estas marcas registradas fue confusa y la violación a éstas aumentó. Como resultado de ello, los clientes desarrollaron una percepción equivocada hacia Xerox, como fabricante de productos de baja calidad. Entre otras acciones, Xerox realizó una campaña corporativa en la televisión nacional y las cade­ nas de radio rusas, así como en medios impresos locales. La campaña enfatizó la posición de liderazgo de Xerox en los países de la comunidad donde la demanda de calidad era muy eleva­ da. Este fue un paso definitivo hacia la eliminación de ciertas percepciones erróneas de Xerox por parte de los consumidores rusos. Asimismo, Xerox registró sus marcas en cada repúbli­ ca por separado.46 ♦

A pesar de que la escala de diferencial semántico funcionó en forma adecuada en el contexto ruso, una estrategia alternativa consiste en desarrollar escalas que empleen una ñorma cultural autodefinida como punto de referencia. Por ejemplo, puede pedirse a los entrevis­ tados que indiquen su posición en relación con un conjunto de estímulos específicos culturalmente hablando. Esta estrategia es útil para medir las actitudes definidas en relación con las normas culturales (por ejemplo, la actitud hacia los papeles conyugales). En el desarro­ llo de formatos de respuesta, las escalas de calificación verbales parecen ser las más adecuadas. Incluso los entrevistados con un grado de educación más bajo pueden comprender y responder las escalas verbales. Es preciso prestar atención especial a la determinación de los adjetivos verbales en distintos idiomas y culturas. Los puntos extremos de la escala son particularmente propensos a interpretaciones distintas. En algunas culturas, 1 puede interpretarse como el mejor, mientras que en otras puede interpretarse como el peor, sin importar el significado que tenga en la escala. Es importante que los puntos extremos y los adjetivos de la escala se utilicen en forma consistente con la cultura. Por último, en la investigación de mercados internacionales, es crucial establecer la equivalencia de las escalas y mediciones que se emplean para obtener los datos de distintos países. Este tema es complejo y se estudia con mayor detalle en el capítulo 23.

J 7 T IC A E N L A IN V E S T IG A C IÓ N D E M E R C A D O S En la elaboración de escalas no comparativas pueden surgir problemas éticos. Considere, por ejemplo, el uso de los adjetivos de la escala. Los adjetivos empleados para enmarcar una escala pueden manipularse para presentar tendencias en los resultados en cualquier dirección. Pue­ den manipularse para generar un punto de vista positivo de la marca del cliente o una perspec­ tiva negativa de la marca de un competidor. Un investigador que quiere proyectar la marca del cliente, de manera favorable, puede pedir a los entrevistados que indiquen su opinión de la marca respecto a varios atributos mediante el uso de escalas de siete puntos con los adjetivos en extremo inadecuados a adecuados. El uso de un adjetivo muy negativo con uno ligeramente positivo tiene un efecto interesante. Siempre y cuando el producto no sea el peor, los entrevis­ tados se negarán a calificarlo como en extremo inadecuado. De hecho, los entrevistados que creen que el producto es mediocre terminarán por responder de manera favorable. Póngalo a prueba usted mismo. ¿Cómo calificaría los automóviles BM W de acuerdo con los atributos siguientes?

Confiabilidad: Desempeño: Calidad: Prestigio:

Horrible Muy malo Una de las peores Muy bajo

1 1 1 1

2 2 2 2

3 3 3 3

4 4 4 4

5 5 5 5

6 6 6 6

7 7 7 7

Buena Bueno Buena Bueno

¿Calificó los automóviles BM W en forma positiva? Con el uso de esta misma técnica, un inves­ tigador puede sesgar, de manera negativa, las evaluaciones de los productos competidores, al proporcionar adjetivos ligeramente negativos en comparación con adjetivos muy positivos. De esta manera, vemos qué tan importante es utilizar escalas equilibradas con adjetivos positivos y negativos comparables. Cuando este lincamiento no se pone en práctica, las res­ puestas presentan tendencias y deben interpretarse de acuerdo con éstas. Este problema tam ­ bién subraya la necesidad de establecer en forma adecuada la confiabilidad, validez y capaci­ dad de generalización de las escalas antes de utilizarlas en un proyecto de investigación. Las escalas que no tienen validez, confiabilidad, o no pueden generalizarse al mercado meta pro­ porcionan al cliente resultados y descubrimientos erróneos dando lugar así a problemas éticos graves. Como puede verse en el ejemplo siguiente, el investigador tiene la responsabilidad, tanto con el cliente como con los entrevistados, de asegurar la capacidad de aplicación y la utilidad de la escala.

EJEMPLO Una escala ética para medir la ética ____________________________ Aunque todos sabemos que la ética es importante, ¿cómo puede ésta medir las evaluaciones éticas de las actividades de mercadotecnia? Para responder esta pregunta, un grupo de investi­ gadores recurrió a los conceptos de filosofía moral (véase el capítulo 24) a fin de desarrollar una escala para medir las evaluaciones éticas. Obtuvieron 29 escalas bipolares de siete puntos, desarrolladas a partir de la filosofía moral y que van desde las justas a las injustas y de las eficientes a las ineficientes. Las pruebas de estas escalas, mediante su uso en la evaluación de diversos escenarios éticos, indicaron que su confiabilidad (medida con el alfa de Cronbach) era alta, y las medidas de validez señalaron un alto grado de validez de constructores. Por consiguiente, esta escala es útil en gran variedad de contextos para investigar aspectos éticos en la mercadotecnia .47 ♦

A

p l ic a c io n e s p a r a c o m p u t a d o r a Las microcomputadoras son útiles para desarrollar y probar escalas de clasificación continuas y de partidas, en especial las escalas de partidas múltiples. EZW RITER, un módulo del sistema de entrevistas telefónicas asistidas por computadora C-SURVENT^ utiliza una serie de pan­ tallas manejadas con un menú para dirigir al investigador de mercados en el proceso del desa­ rrollo de escalas. EZW RITER de Computers for Marketing Corporation (CfMC) de San Fran­ cisco puede adaptar las escalas para los cuestionarios impresos o para usarlas en las entrevistas telefónicas en pantallas, en una fracción del tiempo que requerirían sin la automatización. Para cada nueva escala, se presenta al investigador una pantalla que pide información sobre la escala deseada. Por ejemplo, si la pregunta pertenece a una escala no comparativa, el investigador indica que se busca un “número” de respuesta. Después, el investigador señala el rango de números válido. Después de esto, una segunda pantalla permitirá la formación de la escala en la pantalla como los entrevistados la verán durante la recopilación de datos. La ilustración 9.1 muestra una escala equilibrada para la variable de “sabor” con cinco categorías de respuesta en dos

I lustración 9.1 Construcción de una escala equilibrada

On a scale from one to five where one is very unpleasant and five is very tasty, how would you rate Caiorisimo's flavor? Very Unpleasant Neutral Very Tasty 1 ............. 2 ............3 ............4 .............. 5 5 4 3 2 1

Very tasty Somewhat tasty Neutral/not very tasty Unpleasant tasLing, or Very Unpleasant

— >b

[TASTES]*PRACT1CE

formas. En la primera forma, la escala para el sabor aparece en sentido horizontal con nombres para los extremos (es decir, muy agradable y sabor muy fuerte), así como para el punto inter­ medio (es decir, neutral). En la segunda forma, la escala para el sabor aparece en sentido vertical con un nombre para cada categoría de respuesta. Ambas formas de esta escala pue­ den guardarse para su uso posterior. El creador de la escala necesitará sólo una forma para una pregunta en el cuestionario y podrá elegir la forma deseada cuando compare la escala con la pregunta específica. EZW RITER incluye una característica llamada “diccionario”, donde pueden almace­ narse escalas escritas con anterioridad para recuperarlas posteriormente. Así, el investigador puede escribir escalas modelo, de manera que puede insertar una o dos partidas para obtener una escala terminada. Por ejemplo, la escala en la ilustración 9.1 recibe el nombre de “T A ST E 5”. Cada escala recibe un nombre antes de guardarse en el diccionario. Si el investiga­ dor quisiera una escala similar para “olor”, “T A S T E 5” puede recuperarse y modificarse al cambiar la palabra “sabor muy fuerte” por “aromático”. De hecho, de esta forma pueden pro­ ducirse con rapidez los bloques de las escalas y guardarse para recuperarse más adelante. Así, el desarrollo de escalas de partidas múltiples se acelera y se vuelve más eficiente. Además, pue­ den hacerse con facilidad cambios de último momento. Las dos pantallas manejadas por el menú que acabamos de estudiar llevan a cabo todo el trabajo de redacción y programación de las especificaciones. Además, una tecla de “ayuda” puede utilizarse en cualquier punto de la redacción de la escala para recibir una explicación de las opciones que ofrece el menú de EZW RITER. El programa verifica que la escala esté completa, sea exacta y que no tenga problemas de formato durante su desarrollo. Por ejem­ plo, un rango de respuestas inválido, para una pregunta de escala no comparativa, provocará que EZW RITER presente una advertencia al investigador. Están disponibles otros programas especializados para elaborar escalas de calificación de partidas. Attitude Scales de Persimmon Software elabora una variedad de escalas de cali­ ficación para medir las actitudes en la investigación de mercados y opiniones. Varios de los paquetes de diseño de cuestionarios, que estudiaremos en el capítulo 10 , pueden elaborar escalas comparativas y no comparativas.

R

esu m en

En las escalas no comparativas, cada objeto se evalúa en forma independiente de los otros objetos en el conjunto de estímulos. Por lo general, se supone que los datos resultantes perte­ necen a una escala de intervalos o de relación. Las escalas de calificación no comparativas pueden ser continuas o de partidas. Las escalas de calificación de partidas se clasifican a su vez en escalas de Likert, de diferencial semántico y de Stapel. Al utilizar las escalas de clasi­ ficación de partidas no comparativas, el investigador debe decidir el número de categorías en la escala, si maneja escalas equilibradas o no equilibradas, un número de categorías par o impar, opciones forzadas o no forzadas, la naturaleza, el grado de la descripción y la configu­ ración o forma física. Las escalas de partidas múltiples consisten en varias partidas de clasificación. Estas de­ ben evaluarse en términos de confiabilidad y validez. La confiabilidad se refiere al grado en el cual una escala produce resultados consistentes, si se llevan a cabo mediciones repetidas. Las estrategias para evaluar la confiabilidad incluyen prueba-segunda prueba, formas alternativas y consistencia interna. La validez, o exactitud de la medición, puede determinarse al evaluar la validez de contenido, la validez de criterios y la validez de constructores. La elección de las técnicas de escalas particulares, en una situación determinada, debe basarse en consideraciones teóricas y prácticas. Por regla general, la técnica de escalas utiliza­ da debe ser aquella que produzca el nivel de información más alto posible. Asimismo, deben obtenerse mediciones múltiples. En la investigación de mercados internacionales, debe prestarse especial atención a la determinación de los adjetivos verbales equivalentes en distintos idiomas y culturas. El uso equivocado de adjetivos en la escala da lugar a graves problemas éticos. El investigador tiene la responsabilidad, tanto con el cliente como con los entrevistados, de asegurar la capacidad de aplicación y utilidad de las escalas. Las computadoras son útiles para desarrollar y probar las escalas de clasificación continuas y de partidas, en especial las escalas de partidas múltiples.48

A

c r ó n im o s

Las decisiones sobre las escalas de clasificación pueden describirse con el acrónimo RATIN G: R A T I N G

E

je r c ic io s

espuesta: opción forzada o no forzada tractivo contra no atractivo: número de categorías equilibrado o no equilibrado otal: número de categorías mparcial o neutral: número de categorías par o impar atural y gradual la descripción verbal ráficas: forma física y configuración

P regun ta s 1. ¿Qué es una escala de diferencial semántico? ¿Para qué propósito se utiliza esta escala? 2. Describa la escala de Likert. 3. ¿Cuáles son las diferencias entre la escala de Stapel y la de diferencial semántico? ¿Cuál de las dos es más popular? 4. ¿Cuáles son las decisiones principales que comprende la elaboración de una escala de clasifica­ ción de partidas? 5. ¿Cuántas categorías deben utilizarse en una escala de clasificación de partidas? ¿Por qué? 6. ¿Cuál es la diferencia entre las escalas equilibradas y no equilibradas? 7. En una escala de clasificación de partidas, ¿debe utilizarse un número de categorías par o impar? 8. ¿Cuál es la diferencia entre las escalas forzadas y no forzadas? 9. ¿De qué forma la naturaleza y el grado de la descripción verbal afecta las respuestas en las escalas de clasificación de partidas? 10. ¿Qué son las escalas de partidas múltiples? 11. Describa el modelo de calificación real. 12. ¿Qué es confiabilidad? 13. ¿Cuáles son las diferencias entre la confiabilidad de prueba-segunda prueba y de formas alterna­ tivas? 14. Describa la idea de la confiabilidad de consistencia interna. 15. ¿Qué es validación? 16. ¿Qué es la validación de criterios? ¿Cómo se evalúa? 17. ¿Cómo evaluaría la validación de constructores de una escala de partidas múltiples? 18. ¿Cuál es la relación entre confiabilidad y validación? 19. ¿Cómo seleccionaría una técnica de escalas específica? P ro blem as

i. Desarrolle una escala de Likert, de diferencial semántico y de Stapel, para medir la lealtad hacia una tienda. Desarrolle una escala de partidas múltiples para medir las actitudes de los estudiantes hacia la internacionalización del currículum administrativo. ¿Cómo evaluaría la confiabilidad y validez de esta escala?

E

je r c ic io s p a r a c o m p u t a d o r a 1. Utilizando un administrador de base de datos como dBASE IV¡ desarrolle varias configuraciones de escalas de clasificación para medir las actitudes hacia los gimnasios.

N

o ta s

1.

R . Edel, “New Technologies Add Dim ensions to Copy Testing”, en Advertising A ge (24 de noviem bre de 1986).

2.

“Am ericans Voice Opinions on the Services Industry”, en M arketing N ew s (20 de noviem bre de 1987): p. 18.

3.

C .L. N arayana, “Graphic Positioning Scale: A n Econom ical Instrum ent for Surveys”, en Jou rn al o f M arketing R esearch 14 (febrero de 1977): pp. 118-22.

4.

A .O . Gregg, “Som e Problems C oncerning the Use o f R ating Scales for Visual Assessm ent”, en Jou rn al o f the M arket R esearch Society 8 (enero de 1980): pp. 29-43.

5.

Para argumentos en favor de las escalas de calificación gráficas, véase S.I. Lam pert, “T h e A ttitude Pollimeter: A New Attitude Scaling D evice”, en Jou rn al o f M arketing R esearch (noviembre de 1979): pp. 5 7 8 -8 2 ; y D.S. Tillinghast, “D irect M agnitude Scales in Public O pinión Surveys”, en Public O pinión Q uarterly (otoño de 1 980): pp. 3 7 7 -8 4 .

6.

O R T E K D ata Systems, Inc.

7.

Rensis Likert, “A Technique for the M easurem ent of Attitudes”, en Archines o f Psychology 140 (1 9 3 2 ). Para una aplicación reciente, véase R ajshekhar Javalgi y W Benoy Joseph, “Physicians’ A ttitudes and Behaviors toward Home H ealth Care Services”, en Jou rn al o f H ealth C are M arketing (diciem bre de 1991): pp. 14-21.

8.

A lien M. Weiss y Erin Anderson, “Converting from Independent to Employee Salesforces: T h e Role o f Perceived Sw itching Costs”, en Jou rn al o f M arketing R esearch 29 (febrero de 1 9 9 2 ): pp. 101-15.

9.

D elia A . Sum rall, N erm in Eyuboglu y Su ch eta S. Ahlaw at, “Developing a O rientation ”, en Journal o f H ealth C are M arketing (diciembre de 1991): pp. 39-50.

Scale to M easure Hospital Sales

10.

George H. Lucas, Jr., A . Parasuraman, R obert A . Davis y Ben M . Enis, “A n Em pirical Study o f Salesforce Turnover”, en Journal o f M arketing 51 (julio de 1987): pp. 3 4 -5 9 .

11.

Joh n D ickson y Gerald Albaum , “A M ethod for Developing Tailor-Made Sem antic D ifferentials for Specific M arketing C o n ten t A reas”, en Jou rn al o f M arketing Research 14 (febrero de 1977): pp. 8 7 -9 1 .

12. Eugene D. Jeffe e Israel D. Nebenzahl, “A lternative Q uestionnaire Formats for Country Image Studies”, en Journal of Marketing Research 21 (noviembre de 1984): pp. 4 6 3-71.

13. N aresh K . M alhotra, “A Scale to M easure Self-C oncepts, Person Concepts and Product C on cep ts”, en Jour­ nal o f M arketing R esearch 18 (noviembre de 1981): pp. 456 -6 4 . 14.

Sin embargo, existe una pequeña diferencia en los resultados con base en si los datos son ordinales o de intervalos. V éase Jo h n G aiton, “M easurem ent Scales and Statistics: Resurgence o f an O íd M isconception”, en Psychological Bulletin 87 (1980): pp. 564-67.

15.

S. M alhotra, S. Van Auken y S.C . Lonial, “A d jective Profiles in Televisión Copy Testing”, en Jou rn al o f A dvertising R esearch (agosto de 1981): pp. 21-25.

16. R .H . Evans, “T h e Upgraded Sem antic D ifferential: A Further Test”, en Jou rn al o f the M arket R esearch Society 2 (1 9 8 0 ): pp. 143-47; y J.E. Swan y C.M . Futrell, “Increasing the Efficiency o f the R eatiler’s Image Study”, en Jou rn al o f the A cadem y o f M arketing Science (invierno de 1980): pp. 51-57. 17.

Jan Stapel, “About 35 Years o f M arket Research in the N etherlands”, en M arkon derzock K w artaalschrift 2 (1 9 6 9 ): pp. 3-7.

18.

M ichael J. Etzel, Terrell G. Williams, Joh n C . Rogers y Douglas J. Lincoln, “T h e Com parability o f T h ree Stapel Scale Forms in a M arketing Settin g”, en Ronald F. Bush y Shelby D. H unt (editores), M arketing Theory: Philosophy o f Science Perspectives (Chicago: A m erican M arketing A ssociation, 1982), pp. 3 0 3 -6 .

19.

D el I. Hawkins, Gerald Albaum y Roger Best, “Stapel Scale or Sem antic D ifferential in M arketing Research?”, e n Jou rn al o f M arketing R esearch 11 (agosto de 1974): pp. 3 1 8 -3 2 2 ; y D ennis M enezes y N orbert F. Elbert, “A lternative Sem antic Scaling Formats for Measuring Store Image: A n Evaluation”, e n Jou rn al o f M arketing R esearch 16 (febrero de 19 79): pp. 80-87.

20. Gregory D. Upah y Steven C. Cosmas, “T h e Use o f Telephone Diais as Attitude Scales”, en Jou rn al o f the A cadem y o f M arketing Science (otoño de 1980): pp. 416-26.

21. Eli R C ox III, “T h e O ptim al N um ber o f Response A lternatives for a Scale: A Review”, en Jou rn al o f M arketing R esearch 17 (noviembre de 1980): pp. 40 7 -2 2 y F.D. Reynolds y J. Neter, “How Many Categories for Respondent Classification”, en Jou rn al o f the M arket R esearch Society (octubre de 1982): pp. 3 4 5 -4 6 ; y R.J. Lawrence, “Reply”, en Jou rn al o f the M arket R esearch Society (octubre de 1982): pp. 3 4 6 -4 8 . 22.

M .M . G ivon y Z. Shapira, “Response to Rating Scales: A T h eo retical M odel and Its A pplication to the Num ber o f Categories Problem”, en Jou rn al o f M arketing R esearch (noviembre de 1 9 8 4 ): pp. 4 1 0 -1 9 ; y D .E. Stem , Jr. y S. Noazin, “T h e Effects o f Number of O b jects and Scale Positions on G raphic Position Scale Reliability”, en R.H Lusch y otros, en 1985 A M A E ducators’ Proceedings (Chicago: A m erican M arketing A ssociation, 19 8 5 ), pp. 37 0 -7 2 .

23.

H. Schum an y S. Presser, Questions and Answers in A ttitude Surveys (Nueva York: A cadem ic Press, 1981): pp. 179-201.

24.

G.J. Spagna, “Q uestionnaires: W h ich A pproach Do You Use?”, en Jou rn al o f A dvertising R esearch (febreromarzo de 1 9 8 4 ): pp. 67-70.

25.

E.A . Holdaway, “D ifferent Response Categories and Q uestionnaire Response P atterns”, en Jou rn al o f Experi­ m ental E ducation (inviernode 1971): p. 59.

26.

G.F. Bishop, R .W O ldenrick y A .J. Tuchfarber, “Effects of Filter Q u estions in Public O pin ión Surveys”, en Public Opinión Q uarterly (invierno de 1983): pp. 5 2 8 -4 6 ; D .I. Hawkins y K .A . Coney, “Uninform ed R e ­ sponse Error in Survey Research”, en Journal o f M arketing Research (agosto de 1 9 8 1 ): pp. 3 7 0 -7 4 ; y K .C . Schneider, “Uninform ed Response R ate in Survey Research”, en Jou rn al o f Business R esearch (abril de 1985): pp. 1 53-62.

27. H.H. Friedman y J.R . Leefer, “Label versus Position in Rating Scales”, en Jou rn al o f the A cadem y o f M arketing Science (primavera de 1981): pp. 8 8 -9 2 ; y R .I. Haley y P.B. Case, “Testing T h irteen A ttitude Scales for A gree­ m ent and Brand D iscrim ination”, en Jou rn al o f M arketing (otoño de 1979): pp. 2 0 -3 2 ; y A .R . W ildt y M.B. Mazis, “D eterm inants o f Scale Response: Label versus Position”, en Jou rn al o f M arketing R esearch (mayo de 1978): pp. 26 1 -6 7 . 28.

F.M . Andrews, “C onstruct Validity and Error Com ponents o f Survey M easures”, en Public Opinión Quarterly (verano de 19 8 4 ): p. 432; Gilbert A . Churchill, Jr. y J.E Peter, “R esearch Design Effects on the Reliability of Rating Scales”, en Jou rn al o f M arketing R esearch (noviembre de 1 9 8 4 ): pp. 3 6 5 -6 6 ; y D .E . Stem , Jr., C .W Lamb, Jr. y D.L. M acLachlan, “Rem óte versus A d jacent Scale Q uestionnaire D esigns”, en Jou rn al o f the M ar­ ket R esearch Society (enero de 1978): pp. 3-13.

29. A . Schofield, “Adverbial Qualifiers for A djectival Scales”, en Jou rn al o f the M arket R esearch Society (julio de 1 975): pp. 2 0 4 -0 7 ; y P B artram y D. Yelding, “Reply”, en Jou rn al o f the M arket R esearch Society (julio de 1975): pp. 207-8. 30.

M .E. Goldberg, G.J. Gorn y W Gibson, “T V Messages for Sn ack and Breakfast Foods: Do T hey Influence Children’s Preferences?”, e n Jou rn al o f C onsum er R esearch 5 (septiembre de 1978): pp. 73-81r

31.

Para una elaboración reciente de una escala de partidas múltiples, véase A jay K. Kohli, Bernard J. Jaworski y A jith Kumar, “M A R K O R : A Measure of M arket O rientation”, en Jou rn al o f M arketing Research 31 (noviembre de 1 9 9 3 ): pp. 4 6 7 -7 7 . Una aplicación reciente puede encontrarse en Judy A. Siguaw, G en e Brown y R obert E. Widing II, “T h e Influence o f the M arket O rientation o f the Firm on Sales Forcé Behavior and A ttitu d e”, en Journal o f M arketing R esearch 31 (febrero de 1994): pp. 106-16.

32.

V éase, por ejemplo, N aresh K. M alhotra, “A Scale to Measure S e lf Concepts, Person Concepts, and Product C oncepts”, en Jou rn al o f M arketing R esearch 18 (noviembre de 1981): pp. 456 -6 4 .

33.

Erin Anderson, W ujin Chu y Barton Weitz, “Industrial Purchasing: A n Em pirical Exploration o f the Buyclass Framework”, en Journal o f M arketing 51 (julio de 1987): pp. 71-86.

34.

Eric A. Greenleaf, “Improving Rating Scale Measures by D etecting and C orrecting Bias Com ponents in Som e Response Styles”, en Jou rn al o f M arketing R esearch 29 (mayo de 1992): pp. 176-88.

35. El modelo de calificación real no es la única teoría de m edición. V éase F.M. Lord y M .R . N ovick, Statistical Theories o f M ental Test-Scores (Reading,.M A: Addison-Wesley, 1968).

36. W illiam D. Perreault, Jr. y Laurence E. Leigh, “Reliability o f N om inal D ata Based on Q ualitative Judgm ents”, en Jou rn al o f M arketing R esearch 25 (mayo de 1989): pp. 135 -4 8 ; y J. Paul Peter, “Reliability: A Review of Psychometric Basics and R ecen t Marketing P ractices”, en Jou rn al o f M arketing R esearch 16 (febrero de 1979): pp. 6 -17. 37.

M.N. Segal, “A ltern ate Form C on join t R eliability”, en Jou rn al o f A dvertising R esearch 4 (1 9 8 4 ): pp. 31-38.

38.

L.J. C ron b ach , “C o efficie n t A lpha and th e In fern al Stru ctu re o f Tests”, en P sychom etrika 16 (1 9 5 1 ): pp. 2 9 7 -3 3 4 .

39. R obert A . Peterson, “A M eta-Analyisis o f Cronbach’s C oefficient A tpha”, en Jou rn al o f C on su m er R esearch 21 (septiembre de 1994): pp. 381-91.

40. David M. Zeitlin y Richard A . Westwood, “Measuring Em otional R esponse”, en Jou rn al o f AAvertising R e­ search (octubre-noviem bre de 1986): pp. 34-44. 41.

Jagdip Singh y Gary K. Rhoads, “Boundary Role Ambiguity in M arketing-O riented Positions: A M ultidimensional, M ultifaceted Operationalization”, en Jou rn al o f M arketing R esearch 28 (agosto de 1 9 9 1 ): pp. 3 2 8 -3 8 ; y J. Paul Peter, “C onstruct Validity: A Review o f Basic Issues and M arketing P ractices”, en Jou rn al o f M arketing R esearch 18 (mayo de 1981): pp. 133-45.

42.

Para más detalles sobre validez, véase Rosann L. Spiro y Barton A . Weitz, “Adaptive Selting: Conceptualization, M easurem ent, and N om ological Validity”, en Journal o f M arketing R esearch 27 (febrero de 1 9 9 0 ): pp. 6 1 -6 9 ; y N. Sch m itt y D.M . Stults, “M ethodology Review: Analysis o f M ultitrait-M ultim ethod M atrices”, en Applied Psychological M easurem ent 10 (1986): pp. 1-22.

43.

Para un análisis de la teoría sobre la capacidad de generalización y sus aplicaciones en la investigación de m ercados, véase Joseph O . Rentz, “Generalizability Theory: A Com prehensive M ethod for Assesing and Improving the Dependability o f M arketing M easures”, en Journal o f M arketing R esearch 24 (febrero de 1987): pp. 19-28; y J. Paul Peter, “Reliability, Generalizability, and Consum er R esearch”, en W.D. Perreault, Jr. (edi­ tor), en A dvances in C onsum er R esearch, volumen 4, A tlanta: Association for Consum er R esearch, 1977: pp. 3 9 4 -4 0 0 ; y J. Paul Peter, “Reliability: A Review o f Psychom etric Basis and R ecen t M arketing P ractices”, en Jou rn al o f Marketing R esearch 16 (febrero de 1 9 7 9 ): pp. 6-17.

44.

D el I. Hawkins, Gerald Albaum y Roger Best, “Stapel S cale or S em antic D ifferential in M arketing R esearch?”, en Jou rn al o f M arketing R esearch 11 (agosto de 1974): pp. 3 1 8 -2 2 ; y R .I. Haley y P.B. Case, “Testing T hirteen A ttitude Scales for A greem ent and Brand Discrim ination”, e n Jou rn al o f M arketing (otoño de 1979): pp. 203 2 ; S.I. Lampert, “T h e Attitude Pollimeter: A New A ttitude Scaling D evice", en Jou rn al o f M arketing R e­ search (noviem bre de 1979): pp. 578 -8 2 ; y Dennis M enezes y N orbert F. Elbert, “A lternative Sem antic S cal­ ing Formats for M easuring Store Image: A n Evaluation”, en Jou rn al o f Marketing Research. 16 (febrero de 1979): pp. 8 0 -8 7 .

45.

Ingrid M. M artin y Sevgin Eroglu, “Measuring a M ultidimensional C onstruct: Country Im age”, en Jou rn al o f Business R esearch 28 (noviembre de 1993): pp. 191-210.

46.

Betsy M ckay, "X erox Fights Trademark B a ttle ”, en A dvertising A ge In ternational (27 de abril de 1 9 9 2 ): pp. 1-39.

47.

R .E . R eidenbach y Donald P Robin, “Som e Initial Steps toward Improving the M easurem ent of Ethical Evaluations o f M arketing A ctivities”, en Journal o f Business Ethics 7 (1 9 8 8 ): pp. 8 7 1 -7 9 ; y R . Eric R eindenbach y Donald R Robin, “A Response to ‘O n Measuring Ethical Judgm ents’ ”, en Jou rn al o f Business Ethics 14 (febrero de 1 995): pp. 159-62.

48.

Agradecemos la ayuda de Jam es Agarwal con el ejem plo de investigación de mercados internacionales, la ayuda de M ark Leach y G ina M iller en la redacción de la sección sobre ética y la ayuda de M ark Peterson en la redacción de la sección de aplicaciones para computadora.

CAPITULO

10

Diseño de cuestionarios y formas 0 La estadística de prueba apropiada es la estadística F

p _

SS

SSres/ ( n - 2) que tiene distribución F con 1 y n - 2 grados de libertad. La prueba F es una forma generali­ zada de la prueba t (véase el capítulo 15). Si una variable aleatoria tiene distribución t con n grados de libertad, entonces tz tiene distribución F con 1 y n grados de libertad. Por consi­ guiente, la prueba F para probar la significancia del coeficiente de determinación es equiva­ lente a la prueba de las hipótesis siguientes: H0: A = 0 H]:

* 0

H0: p = 0 H i: p * 0 En la tabla 17.2, podemos ver que 2_

105.9522 105.9522 + 14.9644

= 0.8762 que es igual al valor que calculamos antes. El valor de la estadística F es 105.9522 14.9644/10 = 70.8027 con 1 y 10 grados de libertad. La estadística F calculada excede el valor crítico de 4.96 que se determinó a partir de la tabla 5 del apéndice de estadísticas. Por tanto, la relación es importante en a = 0.05, corroborando los resultados de la prueba t. Si la relación entre X y Y es significativa, es importante proyectar los valores de Y con base en los valores de X y estimar la exactitud de la predicción.

Exactitud en la predicción Para estimar la exactitud de los valores proyectados, Y, es útil calcular el error estándar estimado, SEE. Esta estadística es la desviación estándar de los valores reales de Y a partir de los valores proyectados Y.

I(X -Y )2 SEE =

SEE =

T

- ^

r -

Í S S ¡7 V n -2

o, en forma más general, si hay k variables independientes,

SEE =

V n -k -1

SEE puede interpretarse como promedio residual o error promedio en la predicción de Y a partir de la ecuación de regresión.11 Pueden surgir dos casos de predicción. Es probable que el investigador desee predecir el valor de la media de Y para todos los casos con un valor dado de X, digamos Xo, o predecir el valor de Y para un solo caso. En ambas situaciones, el valor proyectado es el mismo y se da mediante Y, donde Y = a + bX 0 Pero el error estándar es diferente en las dos situaciones, a pesar de que en ambas es una función de SEE. En las muestras grandes, el error estándar para predecir el valor de la media de Y es S E E / Jñ , y para la predicción de los valores individuales de Y es SEE. Por consiguiente, la

construcción de los intervalos de confianza (véase el capítulo 12) para los valores proyectados varía, dependiendo de si se predice el valor de la media o el valor para una sola observación. Para los datos que se dan en la tabla 17.2, el SEE se calcula como sigue:

SEE =

14.9644 V

1 2 -2

= 1.22329 Los dos pasos finales en la realización de la regresión de dos variables: prueba de residuales y validación cruzada del modelo, se consideran más adelante, ahora, nos concentraremos en los supuestos subyacentes al modelo de regresión.

Supuestos El modelo de regresión realiza varios supuestos al estimar los parámetros y las pruebas de significancia, como se muestra en la figura 17.4: 1. El término del error tiene una distribución normal. Para cada valor fijo de X, la distribución de Y es normal.12 2. Las medias de todas estas distribuciones normales de Y, dada X, se encuentran sobre una línea recta con pendiente b. 3. La media del término del error es 0. 4. La varianza del término del error es constante. Esta varianza no depende del valor que asume X. 5. Los términos de error están correlacionados. En otras palabras, las observaciones se tomaron en forma independiente. Las conclusiones acerca del grado en el que se cumplieron estos supuestos pueden obtenerse por medio de la prueba de residuales, que se analiza en la sección siguiente respecto a la regresión múltiple.13

R

e g r e s ió n m ú lt ip le

regresión múltiple Téc­ nica estadística que desa­ rrolla simultáneamente una relación matemática entre dos o más variables independientes y una variable dependiente con escala de intervalo.

La regresión múltiple comprende una sola variable dependiente y dos o más variables indepen­ dientes. Las preguntas que surgieron en el contexto de la regresión de dos variables pueden responderse también mediante lá regresión múltiple al considerar variables independientes adicionales: • ¿La variación en las ventas puede explicarse en términos de la variación en los gastos de publi­ cidad, precios y nivel de distribución? • ¿La variación en la participación en el mercado puede tener la influencia del tamaño de la fuerza de ventas, los gastos de publicidad y el presupuesto de la promoción de ventas? • ¿Las percepciones de la calidad por parte de los consumidores están determinadas por sus per­ cepciones de los precios, la imagen de la marca y los atributos de ésta? Algunas preguntas adicionales también pueden responderse mediante la regresión múltiple: • ¿Qué parte de la variación en las ventas puede explicarse por los gastos en publicidad, los pre­ cios y el nivel de distribución? • ¿Cuál es la contribución de los gastos publicitarios en la justificación de la variación en las ventas cuando se controlan los niveles de precio y distribución? • ¿Qué niveles de venta pueden esperarse dados los niveles de los gastos publicitarios, los precios y el nivel de distribución?

EJEMPLO Marcas mundiales, anuncios locales ___________________________ Los europeos aceptan las marcas de otros países, pero cuando se trata de publicidad, prefieren la que se hace en sus propios países. Una encuesta realizada por Yankelovich and Partners y sus filiales descubrió que los comerciales favoritos de la mayoría de los consumidores euro­ peos son de marcas locales aun cuando son más propensos a comprar marcas extranjeras. Los entrevistados en Francia, Alemania y el Reino Unido mencionaron a Coca-Cola como el refresco que compran con mayor frecuencia. No obstante, los franceses seleccionaron como su comercial favorito el famoso anuncio ganador de un premio del agua embotellada Perrier de Francia. En forma similar, en Alemania, el anuncio favorito fue el de una cerveza sin alcohol de marca alemana, Clausthaler. En el Reino Unido, Coca-Cola fue el refresco favori­ to y también el anuncio preferido. En vista de estos descubrimientos, la pregunta importante es: ¿La publicidad ayuda? ¿Ayuda a incrementar la probabilidad de compra de la marca o sólo mantiene alta la calificación del reconocimiento de la marca? Una forma de saberlo es reali­ zando una regresión en la que la variable dependiente sea la probabilidad de compra de la marca y las variables independientes las evaluaciones de los atributos de la marca y las eva­ luaciones de la publicidad. Pueden presentarse modelos separados con y sin publicidad a fin de evaluar cualquier diferencia significativa en la contribución. Las pruebas t individuales también podrían examinarse para conocer cómo influyen los atributos de la marca y la publi­ cidad. Los resultados indicarán el grado en el cual la publicidad desempeña un papel impor­ tante en las decisiones de compra de la marca.14 ♦

modelo de regresión múltiple Ecuación que se utiliza para explicar los resultados del análisis de regresión múltiple.

La forma general del modelo de regresión múltiple es la siguiente: Y

=

fio

+

01^1 +

+ 0 3 ^ 3 + ••• +

fíiX -k

+ e

que se calcula por medio de la ecuación siguiente: Y = a + biXi + bz%2 + ^3^3 + ■•• + t’feXfc Al igual que antes, el coeficiente a representa la intersección, pero ahora las b son los coeficientes de regresión parcial. El criterio del menor número de cuadrados estima los pará­ metros de tal forma que minimiza el error total, SSres. Este proceso también maximiza la co­ rrelación entre los valores reales de Y y los valores proyectados de Y. Todas las suposiciones que se hicieron en la regresión de dos variables se aplican también en la regresión múltiple. Definiremos algunas estadísticas asociadas y después describiremos el procedimiento para el análisis de regresión múltiple.15

D

a to s e s t a d ís t ic o s r ela cio n a d o s c o n l a r eg r esió n m ú lt ip le La mayor parte de las características y términos estadísticos que se describen en la regresión de dos variables se aplican también en la regresión múltiple. Además, se utilizan las estadísti­ cas siguientes: R2 ajustado. R2, el coeficiente de determinación múltiple, se ajusta al número de variables independientes y al tamaño de la muestra para tomar parte en las regresiones en disminu­ ción. Después de las primeras variables, las variables independientes adicionales no hacen este tipo de contribución. Coeficiente de determinación múltiple. La fuerza de la asociación en la regresión múltiple se mide por medio del cuadrado del coeficiente de correlación múltiple, R2, que también se conoce como coeficiente de determinación múltiple.

Prueba E La prueba F se utiliza para probar la hipótesis nula de que el coeficiente de deter­ minación múltiple en la población, R2pop, es cero. Esta es equivalente a la prueba de la hipó­ tesis nula Ho: ¡1\ = /32 = /?3 = ••• = fik = 0. La estadística de prueba tiene una distribución F con k y (n - k - 1 ) grados de libertad. Prueba F parcial. La significancia de un coeficiente de regresión parcial, j3¡, de X¡ puede probarse con el uso de una estadística F incremental. La estadística F incremental se basa en el aumento en la suma explicada de los cuadrados que resultan de la adición de la variable independiente X, para la ecuación de regresión, después de que se incluyeron todas las demás variables independientes. Coeficiente de regresión parcial. El coeficiente de regresión parcial, b 1, indica el cambio en el valor proyectado, Y, por cambio de unidad e n X j cuando se mantienen constantes las otras variables independientes, X 7 a X&.

P

r o c e d im ie n t o d el a n á lis is d e r eg r e sió n m ú lt ip le Los pasos que comprende la realización del análisis de regresión múltiple son similares a aquellos del análisis de regresión de dos variables. El estudio se concentra en los coeficientes de regresión parcial, la fuerza de la asociación, las pruebas de significancia y la prueba de residuales.

Coeficientes de regresión parcial A fin de comprender el significado de un coeficiente de regresión parcial, consideremos un caso en el que hay dos variables independientes, de modo que Y = a + ¡?iXi + biX-i Primero, observe que la magnitud relativa del coeficiente de regresión parcial de una variable independiente es, en general, diferente de aquella de su coeficiente de regresión de dos varia­ bles. En otras palabras, el coeficiente de regresión parcial, b 1, será diferente del coeficiente de regresión, b, que se obtiene al regresar Y sólo en X j. Esto sucede porque X i y X 2 suelen ser correlacionadas. En la regresión de dos variables, no se consideró X 2 y cualquier variación en Y que compartían X j y X 2 se atribuyó a X[. Sin embargo, en el caso de las variables indepen­ dientes múltiples, esto ya no es verdadero. La interpretación del coeficiente de regresión parcial, bj, es que representa el cambio esperado en Y cuando X ¡ cambia una unidad, pero X 2 se mantiene constante o, de otra ma­ nera, controlada. De modo similar, b2 representa el cambio esperado en Y para un cambio de unidad en X 2 cuando X i se mantiene constante. De esta forma, resulta apropiado llamar coeficientes de regresión parcial a b\ y ¿>2. Podemos ver asimismo que los efectos combinados de X i y X 2 en Y son aditivos. En otras palabras, si X j y X 2 cambiaran una unidad cada una, el cambio esperado en Y sería (b 1 + b-¡). Conceptualmente, la relación entre el coeficiente de regresión de dos variables y el coeficiente de regresión parcial puede ilustrarse como sigue. Suponga que debemos eliminar el efecto de X 2 en X i . Podemos hacerlo al llevar a cabo una regresión de X i en X 2. En otras pa­ labras, calcularíamos la ecuación X i = a + bX 2 y estimaríamos el residual X r = (Xj - X\). El coeficiente de correlación parcial, b ¡ , es igual al coeficiente de regresión de dos variables, b, que se obtiene de la ecuación Y = a + bXr. En otras palabras, el coeficiente de correlación parcial, bu es igual al coeficiente de regresión, b, entre Y y los residuos de X i del cual se elimi­ nó el fecto de X 2. El coeficiente parcial, i>2, puede interpretarse también con líneas similares.

La extensión para el caso de k variables es directa. El coeficiente de regresión parcial, b\, representa el cambio esperado en Y cuando X j cambia en una unidad y se mantienen constantes X 2 a X^. Puede interpretarse también como el coeficiente de regresión de dos variables, b, para la regresión de Y en los residuales de X j, cuando el efecto de X 2 a Xk se elimina de X j. Los coeficientes beta son los coeficientes de regresión parcial que se obtienen cuando todas las variables (Y, X i, X 2, ..., Xj¡) se estandarizan en una media de 0 y y una varianza de 1 antes de estimar la ecuación de regresión. La relación de los coeficientes estandarizados con los no estandarizados es la misma de antes:

B ,=

b ,^ S

M Bk = h ^ ¿y

Los coeficientes de regresión parcial y de intersección se calculan al despejar un siste­ ma de ecuaciones simultáneas que se derivan al diferenciar y balancear las derivadas parcia­ les en 0. Ya que estos coeficientes se estiman automáticamente por medio de diversos progra­ mas de computación, no presentaremos los detalles. Sin embargo, vale la pena hacer notar que las ecuaciones no pueden despejarse si: 1) el tamaño de la muestra, n, es menor o igual al número de variables independientes, k, o 2) una variable independiente está correlacionada perfectamente con otra. Suponga que al explicar la actitud hacia la ciudad, introducimos ahora una segunda variable, la importancia que se da al clima. Los datos para los 12 entrevistados en la prueba acerca de la actitud hacia la ciudad, el tiempo de residencia y la importancia que se da al clima se presentan en la tabla 17.1. Los resultados del análisis de regresión múltiple se ilus­ tran en la tabla 17.3. El coeficiente de regresión parcial para el tiempo de residencia (X j) es ahora 0.4811, diferente de aquel del caso de dos variables. El coeficiente beta correspondien-

T abla 17.3 Regresión múltiple

R múltiple R2 R2 ajustado Error estándar

.97210 .94498 .93276 .85974 Análisis de varianza Suma de los cuadrados

df Regresión Residual F = 77.29364

Cuadrado de la media 57.13213 0.73916

2 114.26425 9 6.65241 Significancia de F = 0.0000

Variables en la ecuación Variable

b

SEb

Beta (fi)

T

Significancia de T

Significancia Tiempo de residencia (Constante)

0.28865 0.48108 0.33732

0.08608 0.05895 0.56736

0.31382 0.76363

3.353 8.160 0.595

.0085 .0000 .5668

te es 0.7636. El coeficiente de regresión parcial para la significancia que se da al clima (X¿) es 0.2887, con un coeficiente beta de 0.3138. La ecuación de regresión estimada es: (Y) = 0.33732 + 0.48108% ! + 0 .28865X Z o actitud = 0.33732 + 0.48108 (tiempo de residencia) + 0.28865 (importancia) La ecuación puede utilizarse para varios propósitos, que incluyen la predicción de las actitu­ des hacia la ciudad, dado un conocimiento del tiempo de residencia de los entrevistados en ésta y la importancia que dan al clima.

Fuerza de la asociación La fuerza de la relación que estipula la ecuación de regresión puede determinarse con el uso de medidas de asociación apropiadas. La variación total se divide como en caso de dos variables SS y = SS reg + SS res donde

S S,

= ¿ ( Y ¿- Y ) 2 i=l

SSreg = ¿ ( Y , - Y ) 2 ¿=1 n

ssre5 = ¡=i La fuerza de asociación se mide a través del cuadrado del coeficiente de correlación múltiple, R2, también conocido como coeficiente de determinación múltiple SS SSy El coeficiente de correlación múltiple, R, también puede considerarse como el coefi­ ciente de correlación sencilla, r, entre Y y Y. Vale la pena hacer notar varios puntos acerca de las características de R2. El coeficiente de determinación múltiple, R2, no puede ser menor que el coeficiente de dos variables más alto, r2, de ninguna variable independiente individual con la variable dependiente. Rz será más alto cuando las correlaciones entre las variables independientes sean bajas. Si las variables independientes lo son de manera estadística (no correlacionadas), R2 será la suma del coeficiente de dos variables r2 de cada variable indepen­ diente con la variable independiente. R2 no puede reducirse conforme se agregan más varia­ bles independientes a la ecuación de regresión. A pesar de las regresiones en disminución establecidas, después de las primeras variables, las variables independientes adicionales no tienen gran contribución.16 Por esta razón, R2 se ajusta al número de variables independien­ tes y al tamaño de la muestra con el uso de la fórmula siguiente:

R2 ajustado = R2 -

^ 3 ^ n -k -l

Para los resultados de la regresión que se dan en la tabla 17.3, el valor de R2 es:

r2 =

114.2643 114.2643 + 6.6524

= .9450 Este es más alto que el valor de r2 de 0.8762 que se obtuvo en el caso de dos variables. El r2 en el caso de dos variables es el cuadrado de la correlación sencilla (producto-momento) entre la actitud hacia la ciudad y el tiempo de residencia. El R2 que se obtiene en una regresión múltiple también es más alto que el cuadrado de la correlación sencilla entre la actitud y la importancia que se da al clima (que puede estimarse como 0.5379). El R2 ajustado se calcula como: R2 ajustado =

*

5 0 -310^9450) 12- 2 - 1

= .9328 Nótese que el valor del R2 ajustado es cercano a R2 y ambos son mayores que r2 para el caso de dos variables. Esto sugiere que la adición de la segunda variable independiente, la importan­ cia que se da al clima, realiza una contribución al explicar la variación en la actitud hacia la ciudad.

Prueba de significancia La prueba de significancia comprende la comprobación de la significancia de la ecuación de regresión general, así como los coeficientes de regresión parcial específicos. La hipótesis nula para la prueba general es que el coeficiente de determinación múltiple en la población, R2¡)0(,, es cero H0 : Es equivalente a la hipótesis nula siguiente:

H0:

fa = p 2=p3=

-

=

f

o

=0

La prueba general puede realizarse mediante el uso de una estadística F =

SSreg /k SSres ¡(n —k —1) R z /k

(1-R )/(n-/c-l) que tiene una distribución F con k y n — k — 1 grados de libertad.17 Para los resultados de la regresión múltiple que se dan en la tabla 17.3, F = M ±¿643/ 2 6.6524/9

=

que es significativo en a = 0.05. Si se rechaza la hipótesis nula general, uno o más coeficientes de regresión parcial en la población tienen un valor diferente de 0. Para determinar qué coeficientes específicos (/?,) son no cero, es necesario realizar pruebas adicionales. La prueba de significancia de los /?,puede realizarse de manera similar a aquella del caso de dos variables mediante el uso de pruebas t. La significancia del coeficiente parcial para la importancia que se da al clima pue­ de probarse por medio de la ecuación siguiente:

b

SEb 0.2887 0.08608 = 3.353 que tiene una distribución t co n n — k — 1 grados de libertad. Este coeficiente es significativo en a = 0.05. La significancia del coeficiente para el tiempo de residencia se prueba en forma similar y se descubre que es significativo. Así pues, tanto el tiempo de residencia como la importancia que se da al clima son significativos al explicar la actitud hacia la ciudad. Algunos programas de computación ofrecen una prueba F equivalente, que se conoce frecuentemente como prueba F parcial y comprende una división de la suma de los cua­ drados de la regresión total, SSreg, en componentes que se relacionan con cada variable in­ dependiente. En el planteamiento estándar, esto se hace al suponer que cada variable inde­ pendiente se agregó a la ecuación de regresión después de incluir todas las demás variables independientes. El incremento en la suma explicada de cuadrados, que resulta de la adición de una variable independiente, X¡, es el componente de la variación que se atribuye a esa va­ riable y se indica con SSX¡.18 La significancia del coeficiente de regresión parcial para es­ ta variable, ¡3¡, se prueba mediante el uso de una estadística F incremental F =

SSXI¡ 1 SSreJ ( n - k - l )

que tiene una distribución F con 1 y (n — k — 1) grados de libertad. En tanto que u nR 2 alto y los coeficientes de regresión parcial significativos son suficien­ tes, la eficacia del modelo de regresión debe evaluarse por medio de una prueba de residuales.

Prueba de residuales residual Diferencia entre el valor observado de Y¡ y el valor proyectado por la ecuación de regresión, Y i.

Un residual es la diferencia entre el valor observado de Y¡ y el valor proyectado por la ecua­ ción de regresión Y¡. Los residuales se utilizan en el cálculo de varias estadísticas asociadas con la regresión. Además, los diagramas de dispersión de los residuales (en donde los residua­ les se trazan en comparación con los valores proyectados, Y„ el tiempo o las variables de predicción) proporcionan conclusiones útiles al analizar la efectividad de los supuestos sub­ yacentes y el modelo de regresión ajustado.19 El supuesto de un término de error con distribución normal puede analizarse por medio de la construcción de un histograma de residuales. Una revisión revela si la distribución es normal. Pueden obtenerse evidencias adicionales al determinar los porcentajes de los resi­ duales que caen entre ± 1 SE o ± 2 SE. Estos porcentajes pueden compararse con los que han de esperarse en una distribución normal (68 y 95%, respectivamente). Una evaluación más formal puede llevarse a cabo al aplicar la prueba de una muestra de K-S. El supuesto de varianza constante del término de error puede analizarse al trazar los residuales en comparación con los valores proyectados de la variable dependiente, Y¡. Si el patrón no es aleatorio, la varianza del término de error no es constante. La figura 17.6 mues­ tra un patrón cuya varianza es dependiente de los valores Y¡. Un trazo de residuales en comparación con el tiempo, o la secuencia de observaciones, dejará en claro la suposición de que los términos de error no están correlacionados. Si esta suposición es verdadera, debe observarse un patrón aleatorio. Un trazo como el de la figura 17.7 indica una relación lineal entre los residuos y el tiempo. Un procedimiento más formal para analizar las correlaciones entre los términos de error es la prueba de DurbinWatson.zo El trazo de residuales en comparación con las variables independientes evidencia qué tan apropiado o inapropiado es el uso de un modelo lineal. Una vez más, el trazo debe dar como resultado un patrón aleatorio. Es preciso que los residuos caigan aleatoriamente, con

Trato de residuales que índica que la varianza no es constante

F igura 1 7 .7 Trazo que indica una relación lineal entre los residuales y el tiempo

una dispersión relativamente igual respecto de 0. No deben presentar tendencia alguna a ser positivos o negativos. A fin de analizar si debe incluirse cualquier variable adicional en la ecuación de regre­ sión, podemos realizar una regresión de residuales en las variables propuestas. Si cualquier variable explica una proporción significativa de la variación residual, debe considerarse su inclusión. La inclusión de las variables en la ecuación de regresión debe estar guiada por el criterio del investigador. De modo que, un análisis de residuales proporciona conclusiones valiosas respecto a lo apropiado de los supuestos subyacentes y el modelo ajustado. La figura 17.8 muestra un trazo que indica que los supuestos subyacentes se cumplen y que el modelo lineal es apropiado. Si un análisis de residuales indica que no se satisfacen los supuestos subya­ centes a la regresión lineal, el investigador puede transformar las variables en un intento por satisfacer las suposiciones. Las transformaciones, como realizar logaritmos, raíz cuadrada o recíprocos, pueden estabilizar la varianza, hacer que la distribución sea normal o lograr que la relación sea lineal. Ilustramos la aplicación de la regresión múltiple con un ejemplo.

F igura 1 7 .8 Trazo de residuales que indica que un modelo ajustado es apropiado

3 '(fí O cc -o

Valores proyectados de Y

EJEMPLO A ningún costo adicional __________________________________ Con frecuencia, se cree que los precios de las revistas para el consumidor están subsidia­ dos por la publicidad que presentan. Un estudio analizó cómo contribuye la publicidad al precio por copia de las revistas.

Se utilizó el análisis de regresión múltiple para examinar las relaciones entre el precio por copia y las páginas editoriales, la circulación, el porcentaje de circulación en puestos de periódicos, los gastos promocionales, el porcentaje de páginas a color y las rentabilidades de publicidad por copia. La forma del análisis fue: PPC = bo + Mpágs. ed.) + b2(circ.) + bj(% de circ. en puestos) + ¿>4(GP) + b¡(% de color) + í>6(rent. de la publicidad) donde PPC = precio por copia (en dólares) págs. ed. = páginas editoriales por publicación promedio circ. = el logaritmo de la circulación pagada promedio (en miles) % de circ.

en puestos=

porcentaje de circulación en puestos de periódicos

GP = gastos promocionales (en dólares) % de color = porcentaje de páginas impresas en color rent. de la

publicidad=

rentabilidades de la publicidad por copia (en dólares)

La tabla 1 muestra las correlaciones producto-momento de Pearson con orden cero entre las variables. Las correlaciones proporcionan respaldo direccional a las relaciones proyectadas y muestran que la colinearidad entre las variables independientes es suficientemente baja para no afectar la estabilidad del análisis de regresión. La correlación más alta entre las variables independientes se presentó en los gastos promocionales y la circulación (r = 0.42).

Tabla 1 Matriz de correlación de variables en el análisis con orden cero

Precio por página editorial Circulación Páginas editoriales Gastos de prom oción % de páginas a color % de circulación en puestos de periódicos Rentabilidad de la publicidad por copia

Precio por copia

Precio por página editorial

.60a - .2 1 a .52a -2 2 a .01 .46a

- ,4 2 a - ,3 0 a - .0 6 -.1 5 .17

,29a

- .0 4

Páginas editoriales

Gastos de pro­ moción

% de páginas a color

,29a ,42a ,33a .09

- .1 9 .19 ,31a

-.1 5 ,26a

.02

- .2 5 a

.30a

- .1 4

.15

Circulación

% de circulación en puestos de periódicos

.08

af> < 0 .0 5 .

Los resultados del análisis de regresión que utiliza el precio por copia como variable dependiente se dan en la tabla 2. De las seis variables independientes, tres eran significativas (p < 0.05): número de páginas editoriales, circulación promedio y porcentaje de circulación en puestos de periódicos. Las tres variables participan casi en todas la varianza explicada (R2 = 0.51; R 2 ajustado = 0.48). La dirección de los coeficientes era consistente con las expecta­ tivas: el número de páginas editoriales era positivo, la circulación negativa y el porcentaje de circulación en puestos de periódicos positivo. Esto era de esperarse, dada la estructura de la industria de publicación de revistas y confirma la relación hipotética. Se encontró que los gastos promocionales, el uso del color y las rentabilidades de la publicidad por copia no tienen ninguna relación con el precio por copia, después de que se controlaron en el análisis de regresión los efectos de circulación, porcentaje de circulación en puestos de periódicos y páginas editoriales.

Ya que el efecto de la rentabilidad de la publicidad por copia no era significativo, no se encontró ningún respaldo para la afirmación de que la publicidad reduce el precio por página editorial o el precio por copia de las revistas para el consumidor. Se llegó a la conclusión de que la publicidad en revistas se ofrece a los consumidores sin costo alguno pero no subsidia los precios.21

Tabla 2 Análisis de regresión utilizando el precio por copia como variable dependiente

Variable dependiente: precio por copia Variables independientes: Páginas editoriales Circulación Porcentaje de circulación en puestos de periódicos Gastos de promoción Porcentaje de páginas a color Rentabilidad de la publicidad por copia R2 total = 0.51

b

SE

0.0084 -0.4180 0.0067 0.1 3 - 0 4 b 0.0227 0.1070 df = 6,93

0.0017 0.1372 0.0016 0.0000 0.0092 0.0412

F

23.04a 9.29a 18.46a 0.59 0.01 0.07 F total= 16.19a

af> < 0.05. b El decimal se integra por cuatro ceros.

La publicidad en revistas se ofrece a los consumi­ dores sin costo alguno pero no subsidia los pre­ cios. ♦ Teri Stratford.

En el ejemplo anterior, no se encontró que los gastos promocionales, el porcentaje de páginas a color y las rentabilidades de la publicidad por copia estuvieran relacionados en forma significativa con el precio por copia de las revistas. Con frecuencia, algunas de las variables independientes que se consideran en un estudio resultan ser no significativas. Cuando

hay gran cantidad de variables independientes y el investigador sospecha que no todas son importantes, debe utilizarse la regresión discriminante.

R

e g r e s ió n d is c r im in a n t e

regresión discriminante Procedimiento de regre­ sión en el cual las varia­ bles dé predicción entran o salen de la ecuación de regresión una a la vez.

El propósito de la regresión discriminante es seleccionar, entre gran cantidad de variables de predicción, un pequeño subconjunto de variables que participan en la mayor parte de la variación en la variable dependiente o de criterio. En este procedimiento, las variables de predicción entran o se eliminan de la ecuación de regresión una a la vez.22 Existen varios planteamientos para la regresión discriminante. 1. Inclusión directa. En un principio, no hay ninguna variable de predicción en la ecuación de regresión. Las variables de predicción entran una a la vez, sólo si satisfacen ciertos criterios que se especifican en términos de la relación F. El orden en el que se incluyen las variables se basa en la contribución a la varianza explicada. 2. Eliminación retroactiva. Al principio, todas las variables de predicción se incluyen en la ecuación de regresión. Después, éstas se eliminan una a la vez con base en la relación F para la eliminación. 3. Solución discriminante. La inclusión directa se combina con la eliminación de las variables de predicción que ya no satisfacen los criterios específicos en cada paso. Los procedimientos discriminantes no dan como resultado ecuaciones de regresión óp­ timas, en el sentido de que produzcan el R2 más alto, para una cantidad determinada de variables de predicción.23 Debido a las correlaciones entre las variables de predicción, es probable que nunca se incluya una variable significativa o que entren a la ecuación variables menos significativas. A fin de identificar una ecuación de regresión óptima, tendríamos que calcular las soluciones de combinación en las cuales se analizaran todas las combinaciones posibles. Sin embargo, la regresión discriminante puede ser útil cuando el tamaño de la mues­ tra es grande en relación con el número de variables de predicción, como se muestra en el ejemplo siguiente.

EJEMPLO Pasear... en el centro comercial_____________________________ Se elaboró un perfil de los paseantes en centros comerciales regionales mediante el uso de tres conjuntos de variables independientes: datos demográficos, comportamiento de compra y variables psicológicas y de actitud. La variable dependiente consistió en un índice de pa­ seantes. En una regresión discriminante que incluyó los tres conjuntos de variables, se en­ contró que los datos demográficos fueron los indicadores más poderosos del comportamiento de los paseantes. La ecuación de regresión final, que contenía 20 de las 36 variables posibles, incluyó todos los datos demográficos. La tabla presenta los coeficientes de regresión, los erro­ res estándar de los coeficientes y sus niveles de significancia. Al interpretar los coeficientes, es preciso recordar que cuanto más pequeño sea el índi­ ce de paseantes (variable dependiente), mayor será la tendencia a presentar comportamien­ tos asociados con la acción de pasear. Los dos indicadores con coeficientes más altos son el sexo y la condición de empleado. Es más probable que los curiosos sean mujeres con empleo. También tienden a pertehecer a un nivel bajo, en comparación con otros patrones en centros comerciales, que presentan niveles inferiores de educación e ingreso (después de tomar en cuenta los efectos del género y su condición de empleado). A pesar de que los paseantes tienden a ser más jóvenes que las personas que compran, no necesariamente son solteros; aquellos que reportaron tamaño de familia más grande tendieron a estar asociados con valo­ res reducidos de índice de paseantes. El perfil de nivel bajo de paseantes, en relación con los patrones en otros centros co ­ merciales, indica que las tiendas especializadas en los centros comerciales deben marcar sus

Regresión por índice de paseantes en las variables de descripción y actitud por orden de entrada en la regresión discriminante Descripción de las variables

Coeficiente

SE

Significancia

Sexo (0 = hombre, 1 = mujer) Condición de empleado (0 = empleado) Confianza en sí mismo Educación Intención hacia la marca ¿Ve la televisión durante el día? (0 = sí) Tensión Ingreso Frecuencia de visitas al centro comercial Menos amigos que la mayoría Buen comprador Las opiniones de los demás son importantes Control de la vida Tamaño de familia Persona entusiasta Edad Número de compras realizadas Compras por tienda Compra con base en un presupuesto limitado Juicio excelente de la calidad Constante R2 general = 0.477

-0.485 0.391 -0.152 0.079 -0.063 0.232 -0.182 0.089 -0.130 0.162 -0.122 -0.147 -0.069 -0.086 -0.143 0.036 -0.068 0.209 -0.055 -0.070 3.250

0.164 0.182 0.128 0.072 0.028 0.144 0.069 0.061 0.059 0.084 0.090 0.065 0.069 0.062 0.099 0.069 0.043 0.152 0.067 0.089

.001 .003 .234 .271 .024 .107 .008 .144 .028 .054 .174 .024 .317 .165 .150 .603 .150 .167 .412 .435

productos con precios moderados. Esto puede explicar la baja tasa de fracaso en los centros comerciales entre este tipo de tiendas y la tendencia, por parte de las tiendas especializadas con precios altos, a ubicarse sólo en los centros comerciales de prestigio o para niveles socia­ les superiores.24 ♦

Es más probable que los paseantes sean mujeres empleadas y, de alguna manera, más jóvenes que muestran niveles infe­ riores de educación e ingresos. ♦ Laimute E. D ruskis.

M

u

L T IC O L IN E A R ID A D

multicolinearidad Esta­ do de intercorrelaciones elevadas entre las varia­ bles independientes.

La regresión discriminante y la regresión múltiple se complican con la presencia de la multicolinearidad. Casi todos los análisis de regresión múltiple que se realizan en la investigación de mercados comprenden indicadores o variables independientes relacionados entre sí. Sin embargo, la multicolinearidad surge cuando las intercorrelaciones entre los indicado­ res son muy altas.25 La multicolinearidad puede dar como resultado varios problemas, que incluyen los siguientes: 1. Los coeficientes de regresión parcial quizá no se calculen con precisión. Es probable que los errores estándar sean elevados. 2. Las magnitudes, así como los signos de los coeficientes de regresión parcial pueden cambiar en cada muestra. 3. Se torna difícil evaluar la importancia relativa de las variables independientes al explicar la fluctuación en la variable dependiente. 4. Las variables de predicción pueden incluirse o eliminarse incorrectamente en la regresión dis­ criminante. No siempre está claro qué constituye un alto grado de multicolinearidad, aunque en los textos de mercadotecnia se sugieren varias reglas generales y procedimientos. También se han sugerido procedimientos de variación de la complejidad para enfrentar la multicolinea­ ridad.26 Un procedimiento sencillo consiste en utilizar sólo una de las variables en un con­ junto de variables con correlación elevada. De manera alternativa, el conjunto de variables independientes puede transformarse en un conjunto nuevo de indicadores mutuamente in­ dependientes a través de técnicas como el análisis de los componentes principales (véase el capítulo 19). También pueden emplearse técnicas especializadas, como la regresión saliente y la regresión de raíz latente.27

S

ig n if ic a n c ia r e l a t iv a d e l o s in d ic a d o r e s Cuando está presente la multicolinearidad, se requiere especial atención al evaluar la significancia relativa de las variables independientes. En la investigación de mercados aplica­ da, resulta valioso determinar la significancia relativa de los indicadores. En otras palabras, ¿cuán importantes son las variables independientes en el cálculo de fluctuación en la variable de criterio o dependiente?28 Por desgracia, ya que los indicadores están correlacionados, no existe ninguna medida no ambigua de la significancia relativa de los indicadores en el análisis de regresión.29 No obstante, regularmente se utilizan varios planteamientos para evaluar la significancia relativa de las variables de predicción. 1. Significancia estadística. Si el coeficiente de regresión parcial de una variable no es significativo, como lo determina una prueba F incremental, esa variable se considera no significativa. Se hace una excepción a esta regla si existen fuertes razones por parte del investigador para creer que la variable es significativa. 2. Cuadrado del coeficiente de correlación sencillo. Esta medida, r2, representa la proporción de la variación en la variable dependiente explicada por la variable independiente en una relación de dos variables. 3. Cuadrado del coeficiente de correlación parcial. Esta medida, R2 yx¡. XjXfc, es el coeficiente de determinación entre la variable dependiente y la variable independiente, al controlar los efectos de las otras variables independientes. 4. Cuadrado del coeficiente de correlación de partes. Este coeficiente representa un incremento en R2 cuando una variable entra en una ecuación de regresión que ya contiene otras variables inde­ pendientes.

5. Medidas con base en coeficientes estandarizados o valores relativos beta. Las medidas que se utilizan con mayor frecuencia son los valores absolutos de los valores relativos beta, |/3¡ |, o los valores cuadrados, ¡3?. Ya que son coeficientes parciales, los valores relativos beta toman en cuenta el efecto de las otras variables independientes. Estas medidas se vuelven más confiables conforme aumentan las correlaciones entre las variables de predicción (se incrementa la multicolinearidad). 6. Regresión discriminante. El orden en el que los indicadores entran o se eliminan de la ecuación de regresión se utiliza para deducir su importancia relativa. Dado que los indicadores están correlacionados, por lo menos hasta cierto grado, en casi todas las situaciones de regresión, ninguna de estas medidas es satisfactoria. También es posible que las distintas medidas indiquen un orden de significancia diferente de los indicadores.30 No obstante, si todas las medidas se analizan en forma colectiva, pueden obtenerse conclusiones útiles respecto a la importancia relativa de los indicadores.

V

a l id a c ió n c r u z a d a

validación cruzada Prueba de validez que analiza si un modelo conserva datos compara­ bles no utilizados en la estimación original.

validación cruzada doble Forma especial de valida­ ción en la cual la muestra se divide en dos. Una mitad sirve como muestra de estimación y la otra como muestra de valida­ ción. Después se invierte el papel de las mitades de estimación y validación y se repite el proceso de validación cruzada.

R

Antes de evaluar la significancia relativa de los indicadores o llegar a cualquier otra deduc­ ción, es necesario realizar una validación cruzada del modelo de regresión. La regresión y otros procedimientos de variables múltiples tienden a aprovechar las variaciones en los da­ tos. Esto puede dar como resultado un modelo o ecuación de regresión excesivamente sensi­ ble a los datos específicos utilizados para calcular el modelo. Una estrategia para evaluar el modelo para éste y otros problemas asociados con la regresión es la validación cruzada. La validación cruzada analiza si el modelo de regresión conserva los datos comparables que no se utilizan en la estimación. El procedimiento típico de validación cruzada empleado en la investigación de mercados es el siguiente: 1. El modelo de regresión se estima mediante el uso de todo el conjunto de datos. 2. Los datos disponibles se dividen en dos partes, la muestra de estimación y la muestra de validación. Por lo general, la muestra de estimación contiene de 50 a 90% de la muestra total. 3. El modelo de regresión se estima mediante el uso de los datos de la muestra de estimación solamente. Este modelo se compara con el modelo estimado en la muestra completa a fin de determinar la concordancia en términos de los signos y las magnitudes de los coeficien­ tes de regresión parcial. 4. El modelo estimado se aplica a los datos en la muestra de validación para predecir los valores de la variable dependiente, Y¡, para las observaciones en la muestra de validación. 5. Los valores observados, Y¡, y los valores proyectados, Y¡, en la muestra de validación se correla­ cionan a fin de determinar el r2 sencillo. Esta medida, r2, se compara con R2 para la muestra total y con R2 para la muestra de estimación, con objeto de evaluar el grado de reducción. Una forma especial de validación se conoce como validación cruzada doble. En la vali­ dación cruzada doble, la muestra se divide a la mitad. Una mitad sirve como muestra de estimación y la otra se utiliza como muestra de validación al realizar la validación cruzada. Después se invierten los papeles de las mitades de estimación y validación y se repite la vali­ dación cruzada.31

e g r e s ió n c o n v a r ia b les d u m m y La validación cruzada es un procedimiento general que puede utilizarse incluso en algunas aplicaciones especiales de la regresión, como la regresión con variables dummy. Las variables nominales o categóricas pueden emplearse como indicadores o variables independientes al codificarlas como variables dummy. El concepto de variables dummy se presentó en el capí­ tulo 14. En este capítulo, explicamos de qué forma una variable categórica con cuatro cate-

Código de variables dummy Categoría de uso del producto

Código de variable original

No usuarios Usuarios esporádicos Usuarios medios Usuarios frecuentes

1 2 3 4

D¡D2D¡ 1 0 0 0

0 1 0 0

0 0 1 0

gorías (usuarios frecuentes, usuarios medios, usuarios esporádicos y no usuarios) puede codi­ ficarse en términos de tres variables simuladas: D], D 2 y D 3, como se muestra. Suponga que el investigador se interesa en realizar un análisis de regresión del efecto de la actitud hacia la marca en el uso del producto. Las variables simuladas D ¡, y D 3 se utili­ zarían como indicadores. La regresión con variables dummy se modelaría como sigue Y¡ = a + b¡D i + ¿>2^2 + bjD } En este caso, se seleccionaron como categoría de referencia a los usuarios frecuentes y no se les incluyó directamente en la ecuación de regresión. Nótese que para los usuarios frecuentes, D j, D z y asumen un valor de 0 y la ecuación de regresión se convierte en Yi = a Para los no usuarios, D j = 1 y D z = D 3 = 0 y la ecuación de regresión se convierte en Y¡ = a + bi De esta forma, el coeficiente b 1 es la diferencia en el Y¡ proyectado para los no usuarios, en comparación con los usuarios frecuentes. Los coeficientes Y ^3 tienen interpretaciones similares. A pesar de que los usuarios frecuentes se seleccionaron como categoría de referen­ cia, cualquiera de las otras tres categorías podría haberse elegido para este propósito .32

A

nálisis d e v a r i a n z a y c o v a r i a n z a c o n regresión La regresión con variables simuladas proporciona un marco de trabajo para la mejor com­ prensión del análisis de varianza y covarianza. A pesar de que la regresión múltiple con varia­ bles dummy ofrece un procedimiento general para el análisis de varianza y covarianza, mos­ tramos sólo la equivalencia de la regresión con variables^dummy para el análisis de varianza unidireccional. En la regresión con variables dummy, el Y proyectado para cada categoría es la media de Y para cada categoría. Para ilustrar lo anterior, utilizando el código de variable discriminante del uso del producto que acabamos de considerar, el Y y los valores de la media para cada categoría son los siguientes:

Categoría de uso del producto No usuarios Usuarios esporádicos Usuarios medios Usuarios frecuentes

Valor proyectado Y

Valor de la media Y

a + bi

a + b¡ a + bj a + a

a

Dada esta equivalencia, es fácil observar las relaciones posteriores entre la regresión con variables dummy y el ANOVA unidireccional.33

Regresión de variables dummy

ANOVA unidireccional

n

s s res

=

^

i - V

2

^ d e n tr o

i= l n

ssreg

=

£ ( y ; - y )2

-

cc

=

rj1

entre

i= l

R2

Prueba F general

- Prueba F

De esta manera, vemos que la regresión, en la cual la única variable independiente con c categorías se registró en c — 1 variables dummy, es equivalente al análisis de varianza unidi­ reccional. Con el uso de correspondencias similares, podemos ilustrar cómo el análisis de varianza en n direcciones y el análisis de covarianza pueden llevarse a cabo utilizando la regresión con variables dummy. El análisis de regresión, en sus diversas formas, es una técnica que se utiliza con mucha frecuencia. El recuadro Investigación en la práctica 17.1 ilustra una aplicación en el contex­ to de la investigación de mercados internacionales,34 y el recuadro Investigación en la prác­ tica 17.2 muestra la manera en que la regresión puede utilizarse en el estudio de la ética en la investigación de mercados.35

I n vestig ació n en la p rá ct ica 17.1 Viajeros frecuentes: vuelo desde las nubes hasta la claridad Durante mucho tiempo, las compañías aéreas de Asia se sintieron preocupadas y amenazadas ante la competencia de las empresas estadounidenses. Asían Airlines, golpeada por la recesión mundial y la competencia, se dio cuenta de la importancia de unir esfuerzos para incrementar la preferencia por el transporte («.uníOUM)

I

Los programas de via­ jeros frecuentes son muy importantes para hacer que los pasajeros escojan la línea aérea. ♦ Singapore Airlines.

I n v e s t i g a c i ó n e n l a p r á c t i c a 17. 1

(continuación)

aéreo. La información secundaria reveló que los factores importantes que llevan a los consumidores a seleccionar una línea aérea incluyen el precio, la puntuali­ dad, los destinos, las ofertas disponibles, el servicio de cocina y alimentos y el servicio a bordo. Asian Airlines ofrecía estos servicios en un nivel, si no mejor, igual que el de las líneas estadounidenses. De hecho, las investigaciones mos­ traron que los servicios a bordo y de cocina incluso quizá eran mejores. De manera que, ¿por qué sentían la presión competitiva? Las investigaciones cua­ litativas (en forma de sesiones de grupo) revelaron que el programa de viajeros frecuentes era un factor crucial para un amplio segmento en general y el seg­ mento de negocios en particular. Se realizó una encuesta entre pasajeros inter­ nacionales y se utilizó el análisis de regresión múltiple para estudiar los datos. La probabilidad de volar y otros medios de transporte sirvieron como variable dependiente y el conjunto de factores de servicio, incluyendo el programa de viajeros frecuentes, tuvieron un efecto significativo en la elección de una línea aérea. Con base en estos descubrimientos. Cathay Pacific, Singapore International Airlines y Malaysian Airline Systems introdujeron un programa cooperativo de viajeros frecuentes disponible para todos los pasajeros, llamado Passages. Esta era la primera vez que las líneas aéreas asiáticas ofrecían viajes sin costo a cambio de la preferencia regular. En 1993, se inició una campaña multimillonaria de mercadotecnia y publicidad para promover Passages. De esta forma, los viajeros frecuentes viajaron desde las nubes hasta la claridad y las líneas aéreas asiáticas experimentaron un incremento en el tránsito de pasajeros.

I n vestigació n en la prá ctica 17.2 Razones por las que los investigadores regresan al comportamiento no ético Dentro de la disciplina de la mercadotecnia, la investigación de mercados se considera fuente importante de problemas éticos. En particular, se culpa a los investigadores de mercados de engaño, conflicto de intereses, violación del anonimato, invasión de la privacía. falsificación de datos, diseminación de descu­ brimientos falsos de la investigación y el uso de la ésta como estrategia para vender mercancía. Se ha especulado que cuando un investigador elige participar en actividades no éticas, esa decisión puede tener la influencia de factores de organización. Por tanto, se diseñó un estudio que utiliza el análisis de regresión múltiple para examinar los factores de organización como determinantes en la incidencia de prácticas de investigación no éticas. Seis variables de organización se utilizaron como variables independientes: extensión de los problemas éticos dentro de la organización, acciones sobre ética por parte de la alta gerencia, código de ética, clasificación de la organización, categoría de la industria y papel de la organización. La evaluación, por parte del entrevistado, de la incidencia de prácticas no éticas en la investigación sirvió como variable dependiente. El aná­ lisis de regresión de datos sugirió que cuatro de las seis variables de organiza­ ción influyeron en la extensión de las prácticas de investigación no éticas: grado de los problemas éticos dentro de la organización, acciones sobre la ética por parte de la alta gerencia, papel en la organización y categoría de la industria.

A

p l ic a c io n e s p a r a c o m p u t a d o r a Los programas de computación disponibles para realizar el análisis de correlación se descri­ ben en la ilustración 17.1. En SPSS, CORRELATION S puede utilizarse para calcular las correlaciones producto-momento de Pearson, PARTIAL C O R R para las correlaciones par­ ciales y NONPAR C O R R para la de Spearman p y la de Kendall x. El programa C O R R de SA S puede emplearse para calcular las correlaciones de Pearson, de Spearman, de Kendall y las parciales. En BMDP, P8D calcula las correlaciones producto-momento de Pearson, P3S las correlaciones de Spearman y Kendall y P6R las correlaciones parciales. Como se describe en la ilustración 17.2, los paquetes para microcomputadoras y mainframes contienen varios programas para llevar a cabo un análisis de regresión, calcular las estadísticas asociadas, realizar las pruebas de significancia y trazar residuales. En SPSS, el programa principal es REGRESSION. En SAS, el programa más común es REG. También están disponibles otros programas especializados como RSREG, O RTH O REG , GLM y NLIN, pero a los lectores que no están familiarizados con los aspectos difíciles del análisis de regre­ sión les aconsejamos recurrir a REG al utilizar el SAS. En BMDP, PIR es el programa princi­ pal para llevar a cabo la regresión múltiple y de dos variables y P2R para la regresión discrimi­ nante. P 9R y P4R tienen una orientación especializada. Estos programas están disponibles en versiones para microcomputadoras y mainframes.36

KESU M EN

Ilustración 17.1 P rogram as d e com pu ­ tación p a ra las co rre­ lacion es

El coeficiente de correlación producto-momento, r, mide la asociación lineal entre dos variables métricas (con base en escalas de intervalo o relación). Su cuadrado, r2, mide la pro­ porción de variación en una variable explicada por la otra. El coeficiente de correlación parcial mide la asociación entre dos variables después de controlar, o ajustar, los efectos de

SPSS Ei program a CORRELATIONS calcula las correlaciones producto-m om ento de Pearson con los niveles fie significancia. También pueden solicitarse estadísticas de una variable, covdiianzd y desvidciuries cruzadas de producto. PARTIAL CORR cdlcula correlaciones paiciales. Los efectos de una o más variables confusas pueden controlarse mientras se describe la relación entre dos variables. NONPAR CORR puede utilizarse para calcular correlaciones no

CORR produce correlaciones métricas y no métricas entre las variables, incluye la correlación producto-m om ento de Pearson. También calcula correlaciones parciales.

P8D puede utilizarse para calcular correlaciones producto-m om ento de Pearson entre un conjunto de variables. Se im prim e una matriz de correlaciones. Están disponibles los procedi­ mientos para manejar datos com pletos. P3S es el program a prim ar o de analisis 110 paramétrico en BMDP P6R calcula las correlaciones parciales entre dos variables, despues de ajustar los efectos de un segundo conjunto de variables.

Paquetes para microcomputadoras Las versiones para microcomputadoras de SAS v BMDP son equivalentes a sus contrapartes para com putadoras de estructura principal. En el paquete de SPSS, la versión para microcom putadora, SPSS. PC + , no contiene PARTIAL CORR.

Ilustración 17.2

Los paquetes para mainframes y microcomputadoras contienen los mismos programas.

Programas de compu­ tación para regresión REGRESSION calcula ecuaciones ríe regresión múltiple y de dos variables, estadísticas asocia­ das y trazos. Permite una prueba sencilla de residuales. También puede realizarse regresión discriminante. Las estadísticas para la regresión pueden solicitarse con PLOT, que produce dia­ gramas de dispersión sencillos y algunos otros tipos de trazos.

ÍH!SÍS¡fflÍÍS¡!ÍÍ!¡8iilIl¡¡l!Si¡iÍi!S!!¡!ll¡lliilÍ!Sl!ll!l!lllÍ!l¡lllllIilS¡lli®¡llSÍi¡lfilISjl REG es un procedimiento de regresión para propósitos generales que se ajusta a modelos de regresión múltiple y de dos variables, utiliza el procedimiento del menor número de cuadrados. Se calculan todas las estadísticas asociadas y pueden trazarse residuales. Pueden instaurarse métodos discriminantes. RSREG, procedimiento más especializado que se ajusta a un modelo de superficie de respuesta cuadrática utilizando la regresión con ei menor número de cuadrados, es útil para determinar los niveles de factores que optimizan la respuesta. El procedimiento ORTHOREG se recomienda para la regresión cuando los datos se encuentran en condiciones inadecuadas. GLM emplea el método del menor número de cuadrados para ajustar los modelos lineales generales y puede usarse también para el análisis de regresión. NLIN calcula los parám e­ tros de un modelo no lineal mediante el uso de procedimientos de mínimos cuadrados o de míni­ mos cuadrados ponderados.

P1R calcula regresiones lineales múltiples y de dos variables. Pueden obtenerse estadísticas asociadas y trazos de residuales. P2R es un programa de regresión discriminante que propor­ ciona varías estrategias. El orden de entrada o eliminación do variables puede predeterminarse, especificarse en forma parcial o determinarse sólo por los criterios para la entrada y eliminación rJe variables. P9R lleva a cabo todas las regresiones de subconjuntos posihles. Identifica los "mejores" subconjuntos de indicadores o puede utilizarse para regresión múltiple sin seleccio­ nar subconjuntos. P4R calcula el análisis de regresión sobre un conjunto de com ponentes prin­ cipales que se obtienen a partir de variables independientes.

una o más variables adicionales. El orden de una correlación parcial indica cuántas variabes se ajustan o controlan. Las correlaciones parciales pueden ser muy útiles para detectar rela­ ciones ilegítimas. La regresión de dos variables despeja una ecuación matemática entre una sola variable métrica de criterio y una sola variable métrica de predicción. La ecuación se despeja en forma de línea recta mediante el procedimiento de mínimos de cuadrados. Cuando la regresión se realiza en datos estandarizados, la intersección asume un valor de 0 y los coeficientes de regresión se conocen como valores relativos beta. La fuerza de asociación se mide con el coeficiente de determinación, r2, que se obtiene al calcular una relación de SSreg con SSr El error estándar del estimado se utiliza para evaluar la exactitud de la predicción y puede inter­ pretarse como una clase de error promedio que se comete al predecir Y a partir de la ecuación de regresión. La regresión múltiple comprende una sola variable dependiente y dos o más variables independientes. El coeficiente de regresión parcial, b¡, representa el cambio esperado en Y cuando X i cambia una unidad y X^ a X|¡ se mantienen constantes. La fuerza de asociación se mide con el coeficiente de determinación múltiple, R2. La significancia de toda la ecua­ ción de regresión puede probarse mediante la prueba F general. La significancia de los coeficientes de regresión parcial individuales puede probarse con el uso de la prueba F incremental. Los diagramas de dispersión de residuales, en los cuales éstos se trazan en comparación con los valores proyectados, Y,-, el tiempo o las variables de predicción, son útiles para analizar la efectividad de los supuestos subyacentes y el modelo de regresión ajustado.

En la regresión discriminante, las variables de predicción entran o se eliminan de la ecuación de regresión una a la vez, con el propósito de seleccionar un subconjunto más pe­ queño de indicadores que tome en cuenta la mayor parte de la variación en la variable de criterio. La multicolinearidad, o intercorrelaciones muy elevadas entre variables de pre­ dicción, puede originar varios problemas. Ya que los indicadores están correlacionados, el análisis de regresión no ofrece alguna medida objetiva de la significancia relativa de éstos. La validación cruzada analiza si el modelo de regresión es verdadero para datos comparables no utilizados en el cálculo. Se trata de un procedimiento útil para evaluar el modelo de regresión. Las variables nominales o categóricas pueden utilizarse como indicadores al codificarlas como variables dummy. La regresión múltiple con variables dummy es un procedimiento general para el análisis de varianza y covarianza.37

A

c r ó n im o s

Las características principales del análisis de regresión pueden resumirse en el acrónimo REGRESSIO N : R E G R2 E S S

E

je r c ic io s

I

esiduos: su análisis es útil stimación de los parámetros: solución de las ecuaciones simultáneas eneral: el modelo lineal fuerza de la asociación rror: términos independientes y N(0, a l) tandardized regression coefficients (coeficientes deregresiónestandarizados) tandard error of estímate: prediction accuracy(error estándar de cálculo: exactitud de la predicción) ndividuales: coeficientes y pruebas F generales

O N

ptima: minimiza el error total en los coeficientes de regresión estandarizados

P regun ta s 1. ¿Cuál es el coeficiente de correlación producto-momento? ¿Una correlación producto-momento de 0 entre dos variables implica que las variables no están relacionadas entre sí? 2. 3. 4. 5. 6.

¿Qué es un coeficiente de correlación parcial? ¿Cuáles son los usos principales del análisis de regresión? ¿Cuál es el procedimiento de los mínimos cuadrados? Explique el significado de los coeficientes de regresión estandarizados. ¿Cómo se mide la fuerza de asociación en la regresión de dos variables? ¿En la regresión múltiple? 7. ¿Qué quiere decir exactitud de predicción?

8. 9. 10. 11. 12. 13. 14. 15. 16.

¿Cuál es el error estándar del cálculo? ¿Cuáles son las suposiciones subyacentes a la regresión de dos variables? ¿Qué es regresión múltiple? ¿En qué se diferencia de la regresión de dos variables? Explique el significado de un coeficiente de regresión parcial. ¿Por qué se llama así? Formule la hipótesis nula en la prueba de significancia de la ecuación de regresión general. ¿Cómo se prueba esta hipótesis nula? ¿Qué se obtiene mediante la prueba de residuales? Explique la estrategia de regresión discriminante. ¿Cuál es su propósito? ¿Qué es multicolinearidad? ¿Qué problemas pueden surgir debido a la multicolinearidad? ¿Cuáles son algunas de las medidas que se utilizan para evaluar la importancia relativa de los indicadores en la regresión múltiple?

17. Describa el procedimiento de validación cruzada. Describa el procedimiento de validación cru­ zada doble. 18. Demuestre la equivalencia de regresión con variables dummy con el ANOVA unidireccional. P roblem as 1.

Una cadena importante de supermercados quiere determinar el efecto de la promoción en la competitividad relativa. Se obtuvieron datos de 15 estados acerca de los gastos de promoción en relación con un competidor importante (gastos del competidor = 100) y acerca de las ven­ tas en relación con este competidor (ventas del competidor = 100).

Número de estado

Gastos de promoción relativos

Ventas relativas

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

95 92 103 115 77 79 105 94 85 101 106 120 118 75 99

98 94 110 125 82 84 112 99 93 107 114 132 129 79 105

A usted se le asignó la tarea de indicar al gerente si existe alguna relación entre los gastos de promoción relativos y las ventas relativas. a. Trace las ventas relativas (eje y) en comparación con el gasto de promoción relativo (eje x) e interprete este diagrama. b. ¿Qué medida utilizaría para determinar si existe una relación entre las dos variables? ¿Por qué? c. Realice un análisis de regresión de dos variables de las ventas relativas sobre el gasto relativo. d. Interprete los coeficientes de regresión. e. ¿Es importante la relación de regresión? f. Si la empresa igualara al competidor en términos del gasto promocional (si el gasto promocional relativo fuera 100), ¿cuáles serían las ventas relativas de la compañía? g. Interprete el r2 resultante. 2. Para comprender el papel de la calidad y el precio en la influencia para el patrocinio a las farmacias, se calificaron 14 tiendas importantes en un área metropolitana extensa en términos de: preferencia para comprar, calidad de la mercancía y precios justos. Todas las calificaciones se obtuvieron con base en una escala de 11 puntos, con los números más altos se indicó califica­ ción más positiva. Número de tienda 1 2 3 4 5 6

Preferencia 6 9 8 3 10 4

Calidad 5 6 6 2 6 3

Precio 3 11 4 1 11 1

7 8 9 10 11 12 13 14

5 2 11 9 10 2 9 5

4 1 9 5 8 1 8 3

7 4 8 10 8 5 5 2

a. Realice un análisis de regresión múltiple explicando la preferencia por las tiendas en térmi­ nos de la calidad de la mercancía y los precios. b. Interprete los coeficientes de regresión parcial. c. Determine la significancia de la regresión total. d. Determine la significancia de los coeficientes deregresión parcial. e. ¿Cree que la multicolinearidad sea un problema en este caso? ¿Por qué sí o por qué no? 3. Lee un artículo en una revista que reporta la relación siguiente entre los gastos anuales en comidas preparadas (PD) y el ingreso anual (INC) PD = 23.4 + 0.0031NC Se reporta que el coeficiente de la variable INC es importante. a. ¿Esta relación parece factible? ¿Es posible tener un coeficiente pequeño en magnitud y, sin embargo, importante? b. A partir de la información proporcionada, ¿puede decir qué tan adecuado es el modelo estimado? c. ¿Cuáles son los gastos esperados en comidas preparadasde una familia con ingreso de 30 000 dólares? d. Si una familia con ingreso de 40 000 dólares gastara 130 dólares anuales en comidas prepa­ radas, ¿cuál sería el residual? e. ¿Qué significa un residual negativo?

E

je r c ic io s pa ra c o m p u t a d o r a 1. Utilice un programa apropiado para microcomputadora o computadora de estructura principal (SPSS, SAS o BMDP) a fin de analizar los datos para a. Problema 1 b. Problema 2

Pradeep K. Korgaonkar y A lien E. Sm ith, “Shopping O rientation, D em ographic and M edia P reference Correlates o f E lectronic Shopping”, en Kenneth D. Bahn (editor), Developments in M arketing Science, volumen 11 (Blacksburg, V A : Academy o f M arketing S cien ce, 1988): pp. 52-55. Cyndee Miller, “Com puter Modeling Rings the Right Bell for Avon”, en M arketing N ew s (9 de mayo de 1988): p. 14. W. S. M artin, “Effects o f Scaling on the Correlation C oefficient: Additional C onsiderations”, en Jou rn al o f M ar­ keting Research, 15 (mayo de 1978): pp. 304-8; y K .A . Bollen y K.H . Barb, “Pearson’sR and Coarsely Categorized M easures”, en A m erican Sociological Review 46 (1981): pp. 232-39. Jo h n Neter, W illiam Wasserman y M ichael J. Kutner, Applied Lin ear Statistical M ethods, 2a. edición (Homewood, IL: Richard D. Irwin, 1 985): pp. 501-3. Aunque el tema no se estudia aquí, las correlaciones parciales tam bién pueden ser útiles en la ubicación de variables de intervención y la realización de ciertos tipos de deducciones causales. V éase H ubert M. Blalock, C au sal lnferen ce in N onexperim ental R esearch (Chapel Hill: University o f N orth Carolina Press, 1964) Ken Kasriel, “Hungary’s M illion-D ollar Slap”, en Advertising Age (8 de junio de 1992).

7.

O tra ventaja de la r es que puede generalizarse para un coeficien te de correlación parcial. V éase S. Siegel, N onparam etric Statistics fo r the B ehavioral Sciences (Nueva York: M cGraw -Hill, 1957): pp. 213 -2 9 .

8.

En sentido estricto, el modelo de regresión requiere que los errores de m edición estén asociados sólo con la variable de criterio y que las variables de predicción se midan sin errores.

9.

V éase cualquier libro sobre regresión, como Joh n Neter, W illiam Wasserman y M ichael H. Kutner, A pplied Linear Regression M odels (Homewood, IL: Richard D. Irwin, 1983).

10.

T écn icam en te, el numerador esb -/?. Sin embargo, ya que se formuló la hipótesis de/3 = 0.0, puede om itirse de la fórmula.

11.

C uanto más alto sea el SE E, menos adecuado será el ajuste de regresión.

12.

La suposición de niveles fijos de indicadores se aplica al modelo de regresión “clásico”. Si se cumplen ciertas condiciones, es posible que los indicadores sean variables aleatorias. Sin embargo, no se permite que su distribución dependa de los parámetros de la ecuación de regresión. Véase Joh n Neter, William Wasserman y M ichael H. Kutner, Applied Linear Regression Models (Homewood, IL: Richard D. Irwin, 1983): pp. 83-84; y Thomas H. W onnacott y Ronald J. W onnacott, Regression: A Second C ourse in Statistics (Nueva York: Wiley, 1981): pp. 49-50.

13 .

En una estrategia para m anejar las violaciones a estos supuestos, véase S.K . Reddy, Susan L. H olak y Subodh Bhat, “To Extend or N ot to Extend: Success D eterm inants of Line Extensions”, en Journal o f M arketing Research 31 (mayo de 1 9 9 4 ): pp. 243-62.

14.

Nancy Giges, “Europeans Buy O utside Goods, But Like Local A ds”, en Advertising Age International (27 de abril de 1992).

15.

Para otras aplicaciones recientes de la regresión múltiple, véase Nirmalya Kumar, Lisa K. S c h e e ry ja n -B e n e d ic t E.M . Steenkam p, “T h e Effects o f Supplier Fairness on Vulnerable R esellers”, en Jou rn al o f M arketing R esearch 32 (febrero de 19 9 5 ): pp. 5 4 -6 5 ; y Gregory T G undlach y Ernst R . C adotte, “Exchange Interdependence and Interfirm Interaction: Research in a Simulated Channel Setting”, en Journal o f M arketing R esearch 31 (noviembre de 1994): pp. 51 6 -3 2 .

16.

Sin embargo, otra razón para ajustar R 2 es que, com o resultado de las propiedades de optim ización del planteam iento de mínimos cuadrados, es un máximo. De modo que, hasta cierto grado, R 2 siempre sobreestim a la magnitud de una relación. Para aplicaciones recientes del R 2 ajustado, véase David G len M ick, “Levels of Subjective Com prehension in Advertising Processing and T h e ir R elations to Ad Perceptions, Attitudes, and M emory”, en Jou rn al o f Consumer Research 18 (marzo de 1992): pp. 4 1 1 -2 4 ; y Lauranne Bu chan an, “Vertical Trade Relationships: T h e Role of Dependence and Symmetry in A ttaining Organizational G oals”, en Jou rn al o f M arketing R esearch 29 (febrero de 1992): pp. 65-75.

17.

Si R 2pop es cero, la m uestra R 2 refleja sólo el error de muestreo y la relación F tenderá a ser igual a la unidad.

18.

O tra estrategia es el m étodo jerárquico, en el cual las variables se agregan a la ecuación de regresión en el orden que especifica el investigador. Para una aplicación reciente de la regresión m últiple, véase Kim E Corfm an, “Perceptions o f Relative Influence: Formation and M easurem ent”, en Journal o f M arketing R esearch 28 (mayo de 1991): pp. 125-36.

19.

D. Belsley, E. Kuh y R .E . Walsh, Regression Diagnostics (Nueva York: Wiley, 1980).

20.

La prueba de Durbin-W atson se estudia en casi todos los libros de texto sobre regresión. V éase, por ejemplo, N. R . D rapery H. Sm ith, Applied Regression Analysis (Nueva York: Wiley, 1981).

21.

Law rence Soleyy R . Kríshnan, “Does Advertising Subsidize Consum er Magazine Prices?”, en Jou rn al o f A dver­ tising 16 (primavera de 1987): pp. 4-9.

22.

Shelby H. M clntyre, David B. Montgomery, V Srinivasan y Barton A . Weitz, “Evaluating the Statistical Significance o f M odels Developed by Stepwise Regression”, en Jou rn al o f M arketing R esearch 20 (febrero de 1983): p p .1-11.

23.

Para una aplicación reciente de la regresión discrim inante, véase M ichael Laroche y R obert Sadokierski, “Role o f Confidence in a M ulti-Brand M odel of Intentions for a H igh-Involvem ent Service”, en Jou rn al o f Business R esearch 29 (enero de 1994): pp. 1-12.

24.

G len R . Jarboe y Cari D. M cD aniel, “A Profile o f Browsers in Regional Shopping M alls”, en Jou rn al o f the A c a d ­ emy o f M arketing Science (primavera de 1987): pp. 46-53.

25.

Chezy O fir y Andre Khuri, “M ulticollinearity in M arketing Models: D iagnostics and Rem edial M easures”, en In tern a tio n a lJou rn a lo f R esearch in M arketing3 (1 9 8 6 ): pp. 181-205.

26.

Los procedimientos posibles se dan en Charlotte H. M asón y W illiam D. Perreault, Jr., “Collinearity, Power, and Interpretation o f M últiple Regression Analysis", e n J o u r n a lo f M arketing R esearch 28 (agosto de 1991): pp. 2688 0 ; R .R . Hocking, “Developm ents in Linear Regression M ethodology: 1 9 5 9 -1 9 8 2 ”, en Tec/inometrics 25 (agosto de 19 8 3 ): pp. 2 1 9 -3 0 , y Ronald D. Snee, “Discussion”, enTechnom etrics 25 (agosto de 1 9 8 3 ): pp. 230-37.

27.

Albert R. W ildt, “Equity Estimation and Assessing Market Response”, en Journal o f M arketing Research 31 (febrero de 19 9 4 ): pp. 4 3 7 -5 1 ; y Subhash Sharm a y W illiam L. Jam es, “L aten t R oo t Regression: A n A lternative P ro ce­ dure for Estim ating Parameters in the Presence o f M ulticollinearity”, en Jou rn al o f M arketing R esearch (mayo de 1 981): pp. 154-61.

28.

Sólo puede determinarse la significancia relativa, ya que la significancia de una variable independiente depende de todas las variables independientes en el modelo de regresión.

29.

Paul E. Green, J. Douglas Carroll y Wayne S. D eSarbo, “A New Measure o f Predictor Variable Im portance in M últiple Regression”, en Journal o f M arketing R esearch (agosto de 1978): pp. 3 5 6 -6 0 ; y Barbara Bund Jackson, “Com m ent on A New M easure o f Predictor Variable Im portance in M últiple Regression’”, en Jou rn al o f M arket­ ing R esearch (febrero de 1980): pp. 116-18.

30.

En la rara situación en la que todos los indicadores son correlacionados, correlaciones sencillas = correlaciones parciales = correlaciones de partes = betas. Por consiguiente, los cuadrados de estas medidas producirán el mismo orden de clasificación de la significancia relativa de las variables.

31.

Para más inform ación sobre validación cruzada, véase Bruce Cooil, Russell S. W iner y David L. Rados, “CrossValidation for Prediction”, en Jou rn al o f M arketing R esearch (agosto de 1987): pp. 271 -7 9 .

32.

Para una aplicación reciente de la regresión de variables dummy, véase A radhna Krishna, “Effect o f D ealing Patterns on Consum er Perceptions of D eal Frequency and W illingness to Pay”, en Jou rn al o f M arketing Research 28 (noviembre de 1 991): pp. 441 -5 1 . Para un estudio más amplio de codificación de variables dummy, véase Jacob C ohén y Patricia C ohén, A pplied Múltiple Regression C orrelation Analysis fo r the B ehavioral Sciences, 2a. edición (Hillsdale, NJ: Lawrence Erlbaum A ssociates, 1983): pp. 181-222.

33.

Para una aplicación del análisis de regresión para llevar a acabo el análisis de covarianza, véase Peter A . D ancin y D aniel C. Sm ith, “T h e Effect o f Brand Portfolio C haracteristics on Consum er Evaluations o f Brand Extensions”, en Journal o f M arketing R esearch 31 (mayo de 1994): pp. 229-42.

34.

Andrew Geddes, “Asian Airlines Try Loyalty O ffers”, en Advertising Age (14 de diciem bre de 1992).

35.

I.E A kaah y E.A . Riordan, “T h e Incidence o f U n eth ical Practices in M arketing R esearch: A n Em pirical Investigation”, en Journal o f the A cadem y o f M arketing Science 18 (1 9 9 0 ): pp. 143-52.

36.

Para paquetes de mainframes, véase: SPSS Base Systems User’s G uide (Englewood Cliffs, N J: Prentice Hall, 1994). SAS Language and Procedure: Usage, V 6 (Cary, N C : S A S Institute, 1989). SAS Language and Procedure: Usage 2, V 6 (Cary, N C : SA S Institute, 1991). SAS Procedures G uide, V 6, 3a. edición (Cary, N C : S A S Institute, 1990). SAS Language: R eference, V 6 (Cary, N C : S A S Institute, 1990). BM D P Statistical Softw are M anual, volúmenes I y 2 (Berkeley: University o f California Press, 1990). Para paquetes de microcomputadoras, véase: SP S S / P C + ™ V 4-0 B A SE M A N U A L (Englewood Cliffs. NJ: Prentice Hall, 1990). S P S S /P C + A dvanced Statistics™ , V 4 .0 (Englewood Cliffs, NJ: Prentice Hall, 1990). SAS/STAT™ User Guide, V 6, 4a. edición, volúmenes 1 y 2 (Cary, N C : S A S Institute, 1990). El m anual de BM D P para microcomputadoras es el mismo que para las mainframes.

37.

Agradecem os la ayuda de Jam es Agarwal con el ejem plo de investigación de m ercados internacionales, la ayu­ da de M ark Leach y G ina M iller en la redacción de la sección de ética y la ayuda de M ark Peterson en la redacción de la sección aplicaciones en computadora.

CAPÍTULO

18

Análisis discriminante CjI a n álisis discrim inante se u tiliza p a ra selecciona r entre los grupos, m ediante e ía n á lisis de Jatos con una oa ria bíe dependiente categórica y variables independíenles con escaías de intervalo.

♦ O bjetivos Al finalizar la lectura de este capítulo, el estudiante podrá: 1. Describir el concepto del análisis discriminante, sus objetivos y aplicaciones en la investigación de mercados. 2. Describir los procedimientos para llevar a cabo un análisis discriminante incluyendo formulación del problema, estimación de los coeficientes de fun­ ción discriminante, determinación de la significancia, interpretación y vali­ dación. 3. Describir el análisis discriminante múltiple y la diferencia entre análisis dis­ criminante múltiple y de dos grupos. 4. Explicar el análisis discriminante unidireccional y describir el procedimiento de Mahalanobis.

P anorama general Este capítulo estudia la técnica del análisis discriminante. Empezaremos con un estudio de la relación de este procedimiento con el análisis de regresión (capítulo 17) y el análisis de va­ rianza (capítulo 16). Presentaremos un modelo y describiremos el procedimiento general para llevar a cabo el análisis discriminante, con énfasis en la formulación, estimación, deter­ minación de la significancia, interpretación y validación de resultados. El procedimiento se ilustra con un ejemplo de análisis discriminante de dos grupos, seguido por un ejemplo del

análisis discriminante múltiple (de tres grupos). También estudiamos el análisis discriminante discreto. Iniciamos el capítulo con algunos ejemplos que ilustran las aplicaciones del análisis discriminante múltiple y de dos grupos.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Análisis discriminante de dos grupos __________________________ En el proyecto de patrocinio a las tiendas, el análisis discriminante de dos grupos se utilizó para estudiar si los entrevistados que estaban familiarizados con las tiendas, en comparación con aquéllos que no lo estaban, dieron distinta significancia a los ocho factores del criterio de selección. La variable dependiente se constituyó por dos grupos de familiaridad, y las varia­ bles independientes fueron la significancia que se atribuye a los ocho factores del criterio de selección. La función discriminante general indicó diferencias significativas entre ambos gru­ pos. Los resultados indicaron que los entrevistados familiarizados dieron mayor importancia a la calidad de la mercancía, la política de devolución y ajuste, el servicio del personal de la tienda y las políticas de crédito y cuentas, que los entrevistados no familiarizados. ♦

EJEMPLO Amortización de rebajas ___________________________________ Se realizó un estudio con 294 consumidores para determinar las correlaciones de preferencia por los descuentos, o las características de los consumidores que responden de manera favo­ rable a las promociones de descuento. Las variables de predicción eran cuatro factores rela­ cionados con las actitudes y comportamiento de compra de las familias, y con características demográficas seleccionadas (sexo, edad e ingreso). La variable dependiente fue el grado de preferencia de los entrevistados hacia los descuentos, de los cua­ les se identificaron tres niveles. Los entrevistados que no repor­ taron ninguna compra promovida por los descuentos durante los 12 meses anteriores se clasificaron como no usuarios, aque­ llos que reportaron una o dos compras de este tipo fueron consi­ derados usuarios esporádicos y aquellos que realizaron más de dos compras se clasificaron como usuarios frecuentes. El análi­ sis discriminante múltiple se utilizó para analizar los datos. Surgieron dos descubrimientos principales. Primero, la worth percepción, por parte de los consumidores, de la relación es­ fuerzo/valor fue la variable más efectiva en la discrimina­ ción entre los usuarios frecuentes, esporádicos y no usuarios de los descuentos. Resultó evidente que los consumidores sensi­ bles a los descuentos relacionaron menor esfuerzo con la satis­ S u b sc rib e to B u sin ess W eek and y ou ’li b e c r e a u e u io r m e Í2 .5 0 co v er p r ic e o f o n e issue. You’ll g e t 2 8 issu es for only Í2 2 .4 5 facción de los requerimientos de la compra y están dispuestos a instead o f th e reg u lar b a s ic ra te o f * 2 4 .9 5 T h a t’s only 8(K per aceptar un reembolso relativamente menor que otros consumi­ issue. You save 10% o ff th e b a sic rate and 6 8 % o ff th e 1 2 .‘JO co v er p rice. dores. Segundo, los consumidores que están conscientes de los precios regulares de los productos, reconocen las ofertas y es m _________________________________ M r Ms Ñam e (pica.**: p r in t ) más probable que respondan a los descuentos que los otros.1 ♦

BusinessWeek

SUBSCRIBER REBATE

$2.50

M ym tfacíitrcr

-B. N o tvM u nu fa ciurcr Product tir Servil Pitase send Business VX'ctk tu □ hum e G lnisincv> ad ilress noted Ik Ii >v>

Pasmi-ni cndosedL )

Pleast allow 4'6 wccks forshipment offirsl issue. Ofít-r¡{uoiJ in U S. ant! pussession* In Orada: 28 weeksC*í5.9S price indudcs =i j= i

W, = i=i

w =W j +W 2 +W 3 + L +W G B' = T -W Defina el compuesto lineal D = b'¡X. Después, refiriéndose a D, las sumas de los cua­ drados entre y dentro de los grupos son b'¡Bb y b'¡W b, respectivamente. A fin de discriminar al máximo los grupos, la función discriminante se estima para maximizar la variabilidad entre éstos. Los coeficientes b se calculan para maximizar X, al despejar Max X =

b ’Bb b'W b

Tomando la derivada parcial respecto de X y estableciéndola igual a cero, con algunas simpli­ ficaciones, obtenemos

(B-XW)b = 0 A fin de despejar b, resulta más conveniente multiplicar previamente por W -1 y despejar la ecuación siguiente:

( W ^ B - k l)b = 0 El valor máximo de X es el valor específico más alto de la matriz W -1B y b es el vector específico asociado. Los elementos de b son los coeficientes discriminantes, o valores relati­ vos, relacionados con la primera función discriminante. En general, es posible calcular hasta las funciones discriminantes menores que G - 1 o k, cada una con su valor específico asocia­ do. Las funciones discriminantes se estiman en forma secuencial. En otras palabras, la prime­ ra función discriminante agota la mayor parte de la variabilidad entre los grupos, la segunda función maximiza la variación entre los grupos que no explicó la primera y así sucesivamente.

CAPITULO

19

Análisis factorial {jn eía n á fisis fa cto ria l, no existe ninguna distinción entre /a s oariaB /es dependiente e independiente;p a r eíco n tra rio , se estudia todo elcon/unto de re/aciones interdependientes entre ella s destacando /a s dim ensiones ofactores.

O bjetivos Al finalizar la lectura de este capítulo, el estudiante podrá: 1. Describir el concepto del análisis factorial y explicar cómo se diferencia del análisis de varianza, la regresión múltiple y el análisis discriminante. 2. Describir el procedimiento de realización del análisis factorial que incluye la formulación del problema, la construcción de la matriz de correlación, la selección del método apropiado, la determinación del número de factores, la rotación e interpretación de los factores. 3. Comprender la diferencia entre el análisis factorial de los componentes prin­ cipales y los métodos comunes del análisis factorial.

4. Explicar la selección de las variables sustituías y su aplicación enfatizando su importancia en el análisis subsecuente. 5. Describir el procedimiento para determinar el ajuste de un modelo de análi­ sis factorial al utilizar las correlaciones observadas y reproducidas.

P anorama general En el análisis de varianza (capítulo 16), la regresión (capítulo 17) y el análisis discriminante (capítulo 18), una de las variables se identifica claramente como la variable dependiente. Ahora nos ocupamos del procedimiento de análisis factorial, donde las variables no se clasi-

J

fican como independientes o dependientes. Por el contrario, se estudiará todo el conjunto de relaciones interdependientes entre las variables. Este capítulo estudiará el concepto básico del análisis factorial y ofrece una exposición del modelo de factores. Describiremos los pa­ sos del análisis factorial y los ilustraremos en el análisis de componentes principales. Para empezar, proporcionaremos algunos ejemplos con el fin de ilustrar la utilidad de este análisis.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Análisis factorial _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ En el proyecto de patrocinio a las tiendas departamentales, se realizó un análisis factorial, con base en las calificaciones que proporcionaron los entrevistados a 2 1 afirmaciones sobre el estilo de vida para determinar los factores subyacentes. Surgieron siete factores: preferencia por las tarjetas bancarias en comparación con las tarjetas de las tiendas, propensión al crédi­ to, evasión del crédito, orientación hacia el tiempo libre, favorecimiento de las tarjetas de crédito, conveniencia del crédito y conciencia del costo de las tarjetas de crédito. Se utilizaron estos factores junto con las características demográficas para elaborar un perfil de los segmentos que resultaron del agrupamiento. ♦

EJEMPLO El análisis factorial genera intereses en los bancos _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ ¿Cómo evalúan los consumidores a los bancos? En una encuesta, se pidió a los entrevistados que calificaran la importancia de 15 atributos de los bancos. Se utilizó una escala de cinco puntos que abarcaba desde “sin importancia” hasta “muy importante”. Estos datos se estudiaron mediante el análisis de sus componentes principales. El resultado fue una solución con cuatro factores, que se identificaron como: servicios tradicionales, conveniencia, notoriedad y competencia. Los servicios tradicionales incluían tasas de interés sobre préstamos, reputación en la comunidad, tasas bajas sobre cheques, ser-

Los consumidores eva­ lúan a los bancos utili­ zando los cuatro factores básicos de servicio tradi­ cional, conveniencia, visibilidad y compe­ tencia. ♦ Richard G. Winburn/Manufacturers Hanover Trust.

vicio amigable y personalizado, estados de cuenta mensuales accesibles y facilidad para obte­ ner créditos. La conveniencia estaba compuesta por: ubicación de las sucursales, ubicaciones de los cajeros automáticos, rapidez del servicio y horarios de servicio adecuados. El factor de notoriedad incluía recomendaciones a amigos y familiares, imagen atractiva de las oficinas, participación en la comunidad y facilidad para obtener créditos. La competencia consistía en habilidad de los empleados y disponibilidad de servicios bancarios auxiliares. Se llegó a la conclusión de que los consumidores evalúan a los bancos tomando en cuenta los cuatro factores básicos de servicios tradicionales, conveniencia, visibilidad y competencia .1 ♦

C

o n cepto s

análisis factorial Proce­ dimiento que se utiliza sobre todo para la reduc­ ción y el resumen de datos.

técnicas de interdepen­ dencia Técnica estadísti­ ca de variables múltiples en la que se analiza todo el conjunto de relaciones interdependientes. factor Dimensión subya­ cente que explica las correlaciones entre un conjunto de variables.

B Á S IC O S Análisis factorial es el nombre general que se da a una clase de procedimientos que se utili­ zan sobre todo para el resumen de datos. En la investigación de mercados pueden existir muchas variables, la mayor parte de las cuales están correlacionadas y deben sintetizarse para hacer más fácil su manejo. Las relaciones entre los conjuntos multivariables interrelacionados se analizan y representan en unos cuantos factores subyacentes. Por ejemplo, la imagen de las tiendas puede medirse al pedir a los entrevistados que las evalúen en una serie de aspectos, con base en una escala de diferencial semántico. Estas evaluaciones pueden analizarse a fin de determinar los factores subyacentes a la imagen de las tiendas. En el análisis de varianza, la regresión múltiple y el análisis discriminante, una variable se considera la variable dependiente o de criterio y las demás son variables independientes o de predicción. Sin embargo, en el análisis factorial no se hace ninguna distinción de este tipo. El análisis factorial es una técnica de interdependencia en la que se estudia todo un conjun­ to de relaciones interdependientes .2 El análisis factorial se utiliza en las siguientes circunstancias: 1. Para identificar los factores o dimensiones subyacentes, que explican las correlaciones entre un conjunto de variables. Por ejemplo, un conjunto de afirmaciones del estilo de vida puede utili­ zarse para medir el perfil psicográfico de los consumidores. Así, puede llevarse a cabo un análisis factorial de estas afirmaciones a fin de identificar los factores psicográficos subyacentes, como se ilustra en el ejemplo de las tiendas departamentales.3 2. Para identificar un conjunto nuevo y más pequeño de variables no correlacionadas que reem­ place al conjunto original de variables correlacionadas en el análisis de variables múltiples sub­ secuentes (regresión o análisis discriminante). Por ejemplo, los factores psicográficos que se identifican pueden utilizarse como variables independientes para explicar las diferencias entre los consumidores leales y no leales. 3. Para identificar un conjunto más pequeño de variables sobresalientes dentro de un conjunto más grande que se utilizará en el análisis de variables múltiples subsecuente. Por ejemplo, unas cuantas afirmaciones originales sobre el estilo de vida que tienen alta correlación con los facto­ res identificados pueden usarse como variables independientes para explicar las diferencias entre los consumidores leales y no leales. El análisis factorial tiene numerosas aplicaciones en la investigación de mercados, por ejemplo: • Puede utilizarse en la segmentación de mercados para identificar las variables subyacentes en las cuales deben agruparse los clientes. Los compradores de automóviles nuevos pueden agru­ parse con base en la importancia que dan a la economía, la conveniencia, el desempeño, la comodidad y el lujo. Esto puede dar como resultado cinco grupos: buscadores de economía, conveniencia, de desempeño, de comodidad y de lujo. • En la investigación de productos, el análisis factorial puede emplearse para determinar los atri­ butos de las marcas que influyen en la elección del consumidor. Las marcas de pastas dentales pueden evaluarse en términos de protección contra la caries, blancura de los dientes, sabor, aliento fresco y precio. • En los estudios de publicidad, el análisis factorial puede utilizarse para comprender los hábitos de consumo de medios del mercado meta. Los consumidores de alimentos congelados pueden ser espectadores frecuentes de televisión por cable, ver muchas películas o escuchar música country.

• En los estudios sobre precios, el análisis de factorial puede usarse para identificar las caracterís­ ticas de los consumidores susceptibles al precio. Por ejemplo, estos consumidores pueden ser metódicos, preocupados por la economía y caseros.

M

o d e l o d e a n á l is is f a c t o r ia l Matemáticamente, el análisis factorial es de alguna manera similar al análisis de regresión múltiple porque cada variable se expresa como una combinación lineal de factores subyacen­ tes. La cantidad de varianza que una variable comparte con las demás que se incluyen en el análisis se conoce como comunidad. La covariación entre las variables se describe de acuerdo con un número reducido de factores comunes, más un factor único para cada variable. Estos factores no se observan abiertamente. Si las variables son estandarizadas, el modelo factorial puede representarse como: = A ¡ i F i + A i2F 2 + A „ F 3 + ... + A imF m + V j U i

donde: X; = iésima variable estandarizada Ag = coeficiente estandarizado de regresión múltiple de la variable i en el factor común j F = factor común V¡ = coeficiente estandarizado de regresión de la variable i en el factor único i Uj = factor único para la variable i m = número de factores comunes Los factores únicos están correlacionados entre sí y con los factores comunes .4 Los factores comunes pueden expresarse como combinaciones lineales de las variables observadas F ¡ = W a X i + W ¡2X 2 + W a X 3 + ... + W f t X fc

donde: F¡ W¡ k

= estimado del ¡ésimo factor = coeficiente de la calificación del factor o valorrelativo = número de variables

Es posible seleccionar los coeficientes de la calificación del factor o valores relativos, de modo que el primer factor explique la parte más grande de la varianza total. Después, puede seleccionarse un segundo conjunto de valores relativos, de modo que el segundo factor represente la mayor parte de la varianza residual, siempre que no esté correlacionado con el primer factor. Este mismo principio podría aplicarse a la selección de valores relativos adicio­ nales para los factores adicionales. Los factores pueden estimarse de tal forma que sus califi­ caciones, a diferencia de los valores de las variables originales, no estén correlacionadas. Además, el primer factor representa la varianza más alta en los datos; el segundo factor, la siguiente más alta y así sucesivamente. En el apéndice 19A se presenta un tratamiento técni­ co del modelo del análisis factorial. Varias estadísticas están relacionadas con este análisis.

D

a t o s e s t a d ís t ic o s r e l a c io n a d o s c o n e l a n á l is is f a c t o r ia l Las estadísticas clave relacionadas con el análisis factorial son las siguientes: Prueba de esfericidad de Bartlett. La prueba de esfericidad de Bartlett es una estadística que se utiliza para estudiar la hipótesis de que las variables no están correlacionadas en la población. En otras palabras, la matriz de correlación de la población es una matriz de identidad; cada

variable se correlaciona en forma perfecta con ella misma (r = 1 ) pero rio tiene ninguna corre­ lación con las otras variables (r = 0). Matriz de correlación. Es una matriz de triángulo inferior que muestra las correlaciones sencillas, r, entre todos los pares de variables posibles que se incluyen en el análisis. Por lo general, se omiten los elementos diagonales, que son todos 1 . Comunidad. La comunidad es la cantidad de varianza que una variable comparte con las de­ más variables consideradas. Es también la proporción de la varianza que explican los factores comunes. Valor específico. El valor específico representa la varianza total que explica cada factor. Cargas factoriales. Estas son correlaciones sencillas entre las variables y los factores. Trazo de carga factorial. Es un trazo de las variables originales que utiliza las cargas factoriales como coordenadas. Matriz factorial. Una matriz factorial contiene las cargas de todas las variables y todos los facto­ res extraídos. Calificaciones factoriales. Son calificaciones compuestas que se calculan para cada entrevistado con base en los factores derivados. Medida de adecuación de la muestra de Kaiser-Meyer-Olkin (KMO). La medida de adecuación de la muestra de Kaiser-Meyer-Olkin (KMO) es un índice que se utiliza para estudiar qué tan apropiado es el análisis factorial. Los valores altos (entre 0.5 y 1.0) indican que este análisis es apropiado; los valores abajo de 0.5 indican que quizá no sea apropiado. Porcentaje de varianza. El porcentaje de varianza total que se atribuye a cada factor. Residuales. Son las diferencias entre las correlaciones observadas, como se dan en la matriz de corre­ lación de entrada, y las correlaciones reproducidas, como se calculan a partir de la matriz factorial. Trazo de ladera. El trazo de ladera es el trazo de los valores específicos en comparación con el número de factores en orden de extracción. En la sección siguiente, describiremos los usos de estas estadísticas en el contexto del procedimiento para la realización del análisis factorial.

C

ó m o r e a l iz a r e l a n á l is is f a c t o r ia l Los pasos que comprende la realización del análisis factorial se ilustran en la figura 19.1. El primer paso consiste en definir el problema para el análisis factorial e identificar las variables que van a analizarse. Después, se construye una matriz de correlación de estas variables y se selecciona un método de análisis factorial. El investigador decide el número de factores que han de extraerse y el método de rotación. A continuación, deben interpretarse los facto­ res girados. Dependiendo de los objetivos, pueden calcularse las calificaciones de los factores o seleccionarse las variables sustituías, a fin de representarlos en el análisis multivariable subsecuente. Por último, se determina el ajuste del modelo del análisis factorial. En las si­ guientes secciones estudiaremos estos pasos detalladamente.5

Formulación del problema La formulación del problema incluye diferentes tareas. Primero, deben identificarse los objeti­ vos del análisis factorial. Las variables que van a incluirse en éste deben especificarse con base en las investigaciones anteriores, la teoría y el criterio del investigador. Es importante que las variables se midan en forma apropiada con base en una escala de intervalo o razón. Debe utilizarse una muestra de tamaño adecuado. Como lincamiento aproximado, deberán existir por lo menos cuatro o cinco veces más observaciones (tamaño de la muestra) que las varia­ bles.6 En muchas situaciones de investigación de mercados, el tamaño de la muestra es peque­ ño y esta relación es menor. En estos casos, los resultados deben interpretarse con precaución.

A fin de ilustrar el análisis factorial, suponga que el investigador quiere determinar los beneficios subyacentes que buscan los consumidores en la compra de una pasta dental. Se entrevistó a una muestra de 237 personas con encuestas de intercepción en centros comer­ ciales. Se pidió a los participantes que indicaran su grado, de acuerdo con las siguientes afir­ maciones, mediante una escala de siete puntos (1 = totalmente en desacuerdo, 7 = total­ mente de acuerdo): Vi Es importante comprar una pasta dental que prevenga la caries. Vi Me agrada una pasta dental que deja los dientes brillantes. V3 Una pasta dental debe fortalecer las encías. V 4 Prefiero una pasta dental que refresque el aliento. V 5 La prevención del deterioro de los dientes debe ser beneficio importante en una pasta dental. V(¡ La consideración más importante al comprar una pasta dental es poder tener dientes atrac­ tivos. V7 Una pasta dental debe fortalecer los dientes. Se construyó una matriz de correlación con base en los datos sobre estas calificaciones. En la sección siguiente, estudiaremos el proceso de construcción.

Construcción de la matriz de correlación El proceso analítico se basa en una matriz de correlaciones entre variables. Del análisis de esta matriz pueden obtenerse conclusiones valiosas. Para que el análisis factorial sea adecua­ do, las variables deben estar correlacionadas. En la práctica, casi siempre éste es el caso. Si las correlaciones entre todas las variables son bajas, el análisis factorial quizá no sea apropiado.

También esperaríamos que las variables que tienen correlación muy alta entre sí la tengan con el mismo factor o factores. Están disponibles estadísticas formales para probar qué tan apropiado es el modelo fac­ torial. La prueba de esfericidad de Bartlett puede utilizarse para probar la hipótesis nula que dice que las variables no están correlacionadas en la población; en otras palabras, la matriz de correlación de la población es una matriz de identidad. En una matriz de identidad, todos los términos diagonales son 1 y todos los términos fuera de la diagonal son 0. La estadística de prueba para la esfericidad se basa en una transformación de ji cuadrada del determinante de la matriz de correlación. Un valor alto de la estadística de prueba favorecerá el rechazo de la hipótesis nula. Si esta hipótesis no puede rechazarse, deberá ponerse en duda lo adecuado del análisis factorial. Otra estadística útil es la medida de la adecuación de la muestra de Kaiser-Meyer-Olkin (KM O). Este índice compara las magnitudes de los coeficientes de corre­ lación observados con las magnitudes de los coeficientes de correlación parciales. Los valores bajos de la estadística KM O indican que las correlaciones entre los pares de variables no pueden explicarse por medio de otras variables y que quizá el análisis factorial no es apropiado. La matriz de correlación, que se construye a partir de los datos obtenidos para comprender los beneficios de las pastas dentales, se muestra en la tabla 19.1. Existen correlaciones relati­ vamente altas entre (prevención de la caries), V¡ (encías fuertes), V 5 (prevención del deterioro de los dientes) y V 7 (dientes fuertes). Esperaríamos que estas variables se correlacionaran con el mismo conjunto de factores. De manera similar, existen correlaciones relativamente altas entre (dientes brillantes), V 4 (aliento fresco) y Vg (dientes atractivos). También puede esperarse que estas variables se correlacionen con los mismos factores .7 Los resultados del análisis factorial se dan en la tabla 19.2. Se rechaza la hipótesis nula, que dice, mediante la prueba de esfericidad de Bartlett, que la matriz de correlación en la población es una matriz de identidad. El valor de la estadística KM O (0.61724) también es alto (> 0.5). De modo que puede considerarse que el análisis factorial es una técnica apro­ piada para analizar la matriz de correlación de la tabla 19.1.

Método de análisis factorial análisis de componentes principales Planteamiento para el análisis factorial que toma en cuenta la varianza total en los datos. análisis factorial común Planteamiento para el análisis factorial que estima los factores sólo con base en la varianza común.

M atriz de correlación

Una vez que se determina que el análisis factorial es una técnica apropiada para analizar los datos, debe seleccionarse un método adecuado. El planteamiento que se utiliza para derivar los valores relativos o coeficientes de calificaciones de factores diferencia los diversos m éto­ dos del análisis factorial. Los dos planteamientos básicos son el análisis de componentes prin­ cipales y el análisis factorial común. En el análisis de componentes principales, se toma en cuenta la varianza total en los datos. La diagonal de la matriz de correlación consiste en unidades y la varianza completa se incluye en la matriz factorial. El análisis de los componen­ tes principales se recomienda cuando el interés principal es determinar el número mínimo de factores que representarán la varianza máxima en los datos a utilizarse en el análisis de varia­ bles múltiples subsecuente. Los factores se conocen como componentes principales. En el análisis factorial com ún, los factores se calculan con base sólo en la varianza común. Los grupos de datos se insertan en la diagonal de la matriz de correlación. Este m éto­ do es apropiado cuando el interés principal es identificar las dimensiones subyacentes y resul­ ta importante la varianza común. Este método se conoce como factorización del eje principal.

Variables

V,

Vi V2 V3 V4 V5 V6 V7

1.00 .13 .67 .17 .70 .13 .56

v2

v3

1.00 .21

1.00

.71 .15 .69

.22

.19 .49 .16 .73

v4

v5

V6

1.00 .21

1.00

.72

.31

v7

1.00 .13 .69 .27

1.00

Tabla 19.2 R esultados d el an álisis de com pon en tes prin ci­ p ales

Prueba de esfericidad de Bartlett = 1009.2719, significancia = 0.00000 Medida de adecuación de la muestra de Kaiser-Meyer-Olkin = 0.61724 Estadísticas iniciales: Valor específico

Porcentaje de la varianza

7

3.38111 1.96150 .52851 .44928 .30112 .27965 .09883

48.3 28.0 7.6 6.4 4.3 4.0 1.4

100.0

*

Factor

Valor específico

Porcentaje de la varianza

Porcentaje acumulado

* * * * * * *

1 2

3.38111 1.96150

48.3 28.0

Variable

Comunidad

*

Factor

V! v2 V3 V4 V5 V6 V7

1.00000 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000

* * * * * * *

1 2 3 4 5

6

Porcentaje acumulado 48.3 76.3 83.9 90.3 94.6 98.6

Estadísticas finales: Variable V! v2 V3 V4 V5 V6 v7

Comunidad .73961 .80066 .70680 .80169 .72541 .78882 .77962

Matriz factorial: Factor 1

Factor 2

Vj V2 V3 V4 V5 V6 V7

-.45448 .68046 -.37952 .66977 -.42013 .65149 -.31362

.73011 .58106 .75017 .59422 .74088 .60364 .82538

Matriz factorial girada: Factor 1 Vi V2 V3 V4 V5 V6 V7

.85906 .09201 .83302 .10890 .84842 .12705 .85752

48.3 76.3

Factor 2 .04039 .89005 .11348 .88872 .07478 .87902 .21043

Matriz de coeficientes de calificaciones de factores: Factor 1 Factor 2 Vi V2 V3 V4 V5 V6 V7

.30931 -.05548 .29250 -.04918 .30199 -.04160 .29173

-.06814 .38315 -.03331 .38087 -.05191 .37478 .00697 (continúa)

Matriz de correlaciones reproducidas: Vi v2 (con tinu ación )

Vi V2 V3 V4 V5 V6 v7

.73961* .11499 .72020 .12945 .73186 .14464 .74516

.01501 .80066* .17765 .80103 .14462 .79407 .26620

v3

v4

v5

v6

v7

-.05020 .03235 .70680* .19157 .71524 .20559 .73821

.04055 -.09103 -.00157 .80169* .15885 .79504 .28040

-.03186 .00538 -.22524 -.02885 .72541* .17352 .74327

-.01464 -.10407 -.04559 -.10504 .03648 .78882* .29392

-.18516 -.04620 -.00821 -.01040 -.02327 .01608 .077962’

El triángulo inferior izquierdo contiene la matriz de correlaciones reproducidas; la diagonal, los grupos de datos; el triángulo superior derecho, los residuos entre las correlaciones observadas y las correlaciones reproducidas.

Están disponibles otros planteamientos para estimar los factores comunes. Éstos inclu­ yen los métodos sin ponderar de mínimos cuadrados, el menor número de cuadrados genera­ lizados, la probabilidad máxima, el método alfa y la factorización de imágenes. Estos métodos son complejos y no se recomienda a usuarios sin experiencia .8 La tabla 19.2 muestra la aplicación del análisis de los componentes principales en el ejemplo de pastas dentales. En las estadísticas iniciales, puede observarse que la comunidad para cada variable, V j a V 7, es 1.0 ya que las unidades se insertaron en la diagonal de la matriz de correlación. Los valores específicos para los factores se encuentran, como se esperaba, en orden decreciente de magnitud conforme avanzamos del factor 1 al 7. El valor específico para un factor indica la varianza total que se atribuye a ese factor. La varianza total que presentan los siete factores es 7.00, que es igual al número de variables. El factor 1 presenta una varian­ za de 3.38111, que es (3.38111/7) o 48.3% de la varianza total. De modo similar, el segundo factor representa (1.96150/7) o 28.0% de la varianza total y los primeros dos factores combi­ nados representan 76.3% de la varianza total. La determinación del número de factores que deben utilizarse en el análisis comprende diversas consideraciones.

Número de factores Es posible calcular tantos componentes principales como variables, pero al hacerlo, no se obtiene ningún beneficio. A fin de resumir la información que contienen las variables origi­ nales, debe extraerse un número menor de factores. La pregunta es: ¿cuántos? Se han sugeri­ do varios procedimientos para determinar el número de factores. Estos incluyen la determi­ nación a priori y los planteamientos con base en valores específicos, los trazos de ladera, el porcentaje de varianza representada, la confiabilidad dividida a la mitad y las pruebas de significancia. D eterm inación a priori En ocasiones, el investigador sabe con exactitud cuántos factores esperar y, de esta manera, puede especificar el número de factores que deben extraerse. La extracción de factores cesa cuando se cuenta con el número deseado. La mayor parte de los programas de computación permiten que el usuario especifique el número de factores, dando lugar a una instauración fácil de este planteamiento. D eterm inación con base en los v alores específicos En este planteamiento sólo se conservan los factores con valores específicos mayores que 1 .0 , los demás no se incluyen en el modelo. Un valor específico representa la cantidad de varianza relacionada con el factor. Por consi­ guiente, sólo se incluyen los factores con varianza mayor que 1.0. Los factores cuya varianza es menor que 1.0 no son mejores que una sola variable porque, debido a la estandarización, cada variable tiene varianza de 1.0. Si el número de variables es menor que 20, este plantea­ miento dará como resultado un número conservador de factores.

D eterm inación con base en el trazo de lad era Este trazo es el trazo de los valores específicos en comparación con el número de factores en orden de extracción. La forma del trazo se utiliza para determinar el número de factores. Por lo regular, el trazo tiene una interrupción distintiva entre la pendiente pronunciada de los factores con valores específicos altos y un desvanecimiento gradual relacionado con el resto de los factores. Este desvanecimiento gra­ dual se conoce como ladera. Las evidencias experimentales indican que el punto en el que empieza la ladera señala el número verdadero de factores. Por lo general, el número de facto­ res que determina un trazo de ladera será uno o unos cuantos más del que determina el criterio de los valores específicos. D eterm inación con base en el porcen taje de i>arian?:a En este planteamiento el número de factores que se extraen se determina de modo que el porcentaje acumulado de varianza que extraen los factores, alcanza un nivel satisfactorio. El nivel satisfactorio de las varianza de­ pende del problema. No obstante, se recomienda que los factores que se extraen representen por lo menos 60% de varianza. D eterm inación con base en la con fiabilid ad de división a la m itad La muestra se divide a la mitad y se realiza el análisis factorial en cada mitad. Sólo se conservan los factores que tienen alta correspondencia de cargas de factores en las dos muestras. D eterm inación con base en las pru ebas d e sign ifican cia Es posible determinar la significan­ cia estadística de los valores específicos separados y conservar sólo aquellos factores que sean estadísticamente importantes. Una desventaja es que con las muestras grandes (con tamaño mayor que 200), es probable que muchos factores sean significativos para la estadística; aun­ que desde el punto de vista práctico, representan sólo una pequeña parte de la varianza total. En la tabla 19.2, vemos que el valor específico mayor que 1.0 (opción de omisión) da como resultado la extracción de dos factores. Nuestros conocimientos previos indican que las pastas dentales se compran por dos razones principales. El trazo de ladera relacionado con este análisis se da en la figura 19.2. A partir de este trazo, una interrupción distintiva ocurre en tres factores. Por último, a partir del porcentaje acumulado de varianza, vemos que los primeros dos factores representan 76.3% de la varianza y que la ganancia que se obtiene al aumentar a tres factores es marginal. Además, la confiabilidad de la división a la mitad también indica que dos factores son apropiados. Dado el tamaño grande de la muestra, las pruebas estadísticas no son muy útiles; de modo que, dos factores parecen razonables en esta situación. La sección con el nombre de “estadísticas finales” de la tabla 19.2, proporciona infor­ mación relevante después de extraer el número deseado de factores. Muestra las comunida­ des para las variables, junto con la varianza que representa cada factor que se conserva. Las estadísticas de los factores son las mismas en las secciones “estadísticas iniciales” y “estadísti­ cas finales”. Este siempre es el caso en el análisis de componentes principales, pero los están­ dares para las variables son diferentes porque no se explican todas las varianzas relacionadas con las variables, a menos de que conserven todos los factores. Con frecuencia, la interpreta­ ción de la solución mejora con una rotación de los factores.

Rotación de factores Un resultado importante del análisis factorial es la matriz factorial, que también se conoce como matriz de patrón factorial. Esta matriz contiene los coeficientes utilizados para expresar las variables estandarizadas en términos de los factores. Estos coeficientes, cargas factoriales, representan las correlaciones entre los factores y las variables. Un coeficiente con un valor absoluto alto indica que el factor y la variable están estrechamente relacionados. Los coefi­ cientes de la matriz factorial pueden utilizarse para interpretar los factores. Aunque la matriz factorial inicial o sin rotación indica una relación entre factores y variables individuales, casi nunca da como resultado factores que puedan interpretarse por­ que están correlacionados con muchas variables. ¿Cómo debe interpretarse este factor? En una matriz compleja de este tipo, es difícil interpretarlos. Pero mediante la rotación, la matriz factorial se vuelve más sencilla y es más fácil de interpretar.

Trazo d e ladera

¡H 1.962 ai

O.

0.529 0.280

0.000

I 2

*

*

I

I

I

3

4

5

* I

Número de factores

rotación ortogonal Rotación de factores en la que los ejes se conser­ van en ángulo recto. procedimiento varimax Método ortogonal de la rotación de factores que reduce el número de variables con cargas elevadas en un factor y así mejora la capacidad de interpreta­ ción. rotación oblicua Rota­ ción de factores cuando los ejes no se conservan en ángulo recto.

En la rotación de factores, desearíamos que cada uno tuviera cargas o coeficientes no cero, o significativos, sólo para algunas de las variables. De modo similar, desearíamos que cada variable tuviera cargas no cero o significativas sólo con unos cuantos factores y, de ser posible, sólo con uno. Si varios factores tienen cargas altas con la misma variable, es difícil interpretarlos. La rotación no afecta los grupos de datos ni el porcentaje de varianza explica­ da. No obstante, el porcentaje de varianza que representa cada factor sí cambia. La varianza que explican los factores individuales se vuelve a distribuir por medio de la rotación. Por consiguiente, los distintos métodos de rotación pueden dar como resultado la identificación de diversos factores. La rotación se conoce como rotación ortogonal si los ejes se conservan en ángulos rectos. El método de rotación que se utiliza con mayor frecuencia es el procedimiento varimax. Se trata de un método de rotación ortogonal que minimiza el número de variables con cargas altas en un factor, mejorando así la capacidad de interpretación de los factores .9 La rotación ortogonal da como resultado factores no correlacionados. La rotación se llama rotación obli­ cua cuando los ejes no se conservan en ángulo recto y los factores están correlacionados. En ocasiones, permitir las correlaciones entre factores puede simplificar la matriz de patrón fac­ torial. La rotación oblicua debe utilizarse cuando es probable que los factores en la población tengan una correlación muy fuerte. En la tabla 19.2, al comparar la matriz factorial varimax girada con la matriz sin girar (con el nombre de matriz factorial) podemos ver de qué manera la rotación logra la simplicidad y mejora la capacidad de interpretación. Aun cuando las siete variables tenían una alta corre­ lación con el factor 1 en la matriz sin girar, sólo las variables Vi, V3, V5 y V7 tienen alta correla­ ción con el factor 1 después de la rotación. Las variables restantes (V¿, V4 y V¿) tienen alta correlación con el factor 2. Además, ninguna variable posee alta correlación con ambos facto­ res. La matriz factorial girada constituye la base para la interpretación de los factores.

Interpretación de los factores La interpretación se facilita con la identificación de las variables con cargas elevadas en el mismo factor. Éste puede interpretarse en términos de las variables con cargas elevadas. Otra ayuda en la interpretación es trazar las variables, usando las cargas de factores como coorde­ nadas. Las variables al final de un eje son aquellas que tienen cargas elevadas sólo en ese

factor y, por consiguiente, lo describen. Las variables cerca del origen tienen cargas reducidas en ambos factores. Las variables que no están cerca de ninguno de los ejes se relacionan con ambos factores. Si un factor no puede definirse con claridad en términos de las variables originales, debe señalarse como factor indefinido o general. En la matriz factorial girada, de la tabla 19.2, el factor 1 tiene coeficientes altos para las variables V\ (prevención de la caries), V3 (encías fuertes), V5 (prevención del deterioro de los dientes) y V7 (dientes fuertes). Por tanto, este factor puede designarse como un factor de beneficio para la salud. El factor 2 tiene alta relación con las variables Vi (dientes brillan­ tes), V4 (aliento fresco) y V(¡ (dientes atractivos). De modo que el factor 2 puede designarse como un factor de beneficio social. Un trazo de las cargas de los factores, que se muestra en la figura 19.3, confirma esta interpretación. Las variables Vi, V3, V5 y V7 (indicadas con 1 ,3 ,5 y 7, respectivamente) se encuentran al final del eje horizontal (factor 1), mientras que las variables V 2, V 4 y Vg (indicadas con 2 , 4 y 6) se encuentran al final del eje vertical (factor 2 ). Podríamos resumir los datos al afirmar que, al parecer, los consumidores buscan dos clases de beneficios principales en una pasta dental: para la salud y sociales.

Calificaciones de los factores

calificación de factores

Calificaciones compues­ tas que se estiman para cada entrevistado en los factores derivados.

Siguiendo la interpretación, las calificaciones de los factores pueden calcularse, en caso de ser necesario. El análisis factorial tiene un valor propio. No obstante, si la meta del análisis factorial es reducir el conjunto original de variables a un conjunto menor de variables com­ puestas (factores) para utilizarse en el análisis de variables múltiples subsecuente, resulta útil calcular las calificaciones de los factores para cada entrevistado. Un factor es simplemente una combinación lineal de las variables originales. Las calificaciones de factor para el t'ésimo factor pueden estimarse como sigue: F¡ = W ñX x + W a X 2 + Wa X 3 + ... + W^Xk donde los símbolos son como se definieron en este capítulo. Los valores relativos o coeficientes de calificación de factores utilizados para combinar las variables estandarizadas, se obtienen de la matriz de coeficientes de calificación de facto­ res. La mayor parte de los programas de computación permiten solicitar estas calificaciones. Sólo en el caso del análisis de los componentes principales es posible calcular las calificacio­ nes exactas. Además, en el análisis de los componentes principales estas calificaciones no

Figura 19.3

Factor 1 horizontal

Símbolo Variable

Factor 2 vertical *

Trato de las cargas de factores 7 3 5 1

* índica la ubicación de los símbolos 2 ,4 y 6

1 2 3 4 5 6 7

^1 ^4 ^5

vt V7

Coordenadas 0.859 0.092 0.833 0.109 0.848 0.127 0.858

0.040 0.890 0.113 0.889 0.075 0.879 0.210

están correlacionadas. En el análisis factorial común, se obtienen estimados de estas califica­ ciones y no hay alguna garantía de que los factores no se correlacionen entre sí. Las califi­ caciones de los factores pueden utilizarse en lugar de las variables originales en el análisis de variables múltiples subsecuente. Por ejemplo, utilizando la matriz de coeficientes de califica­ ción de factores de la tabla 19.2, podríamos calcular dos calificaciones para cada entrevista­ do. Los valores estandarizados de las variables se multiplicarían por los coeficientes de califi­ cación correspondientes a fin de obtener las calificaciones de los factores.

Selección de las variables sustituías En ocasiones, en lugar de calcular las calificaciones de los factores, el investigador desea seleccionar variables sustituías. La selección de las variables sustitutas comprende la elección de algunas de las variables originales para utilizarlas en el análisis subsecuente. Esto permite al investigador realizar el análisis subsecuente e interpretar los resultados en términos de las variables originales en vez de las calificaciones de los factores. Al estudiar la matriz factorial, podemos seleccionar para cada factor la variable con la carga más elevada en éste. Así, esta variable puede utilizarse como variable sustituta para el factor relacionado. Este proceso fun­ ciona de manera adecuada si una carga de factor para una variable es evidentemente más elevada que las demás cargas. Sin embargo, la elección no es fácil si dos o más variables tienen cargas similares. En ese caso, la elección entre estas variables debe basarse en conside­ raciones teóricas y de medición; por ejemplo, la teoría puede sugerir que una variable con carga ligeramente menor es más importante que otra con carga un poco más elevada. De igual modo, si una variable tiene una carga ligeramente menor pero fue medida con mayor precisión, debe seleccionarse como variable sustituta. En la tabla 19.2, las variables V i, V 3, V 5 y V 7 tienen cargas elevadas en el factor 1 y todas tienen una magnitud muy parecida. Si sabemos de antemano que la prevención de la caries dental es un gran beneficio, V 5 se selec­ cionará como la variable sustituta para el factor 1. Asimismo, la elección de una variable sustituta para el factor 2 no es directa. Las variables V2, V4 y V¿ tienen cargas elevadas com­ parables en este factor. Si el conocimiento previo sugiere que los dientes brillantes son el beneficio social más importante que se espera de una pasta dental, el investigador seleccio­ nará V2.

Ajuste del modelo El último paso en el análisis factorial comprende la determinación del ajuste del modelo. Una suposición básica subyacente al análisis factorial es que la correlación observada en­ tre las variables puede atribuirse a factores comunes. Por consiguiente, las correlaciones entre variables pueden deducirse o reproducirse a partir de las correlaciones estimadas entre las variables y los factores. A fin de determinar el ajuste del modelo, pueden estudiarse las diferencias entre las correlaciones observadas (como se dan en la matriz de correlación de entrada) y las correlaciones reproducidas (como se estiman a partir de la matriz factorial). Estas diferencias se conocen como residuos. Si hay muchos residuos elevados, el modelo de factores no ofrece un ajuste adecuado para los datos y debe reconsiderarse. En la tabla 19.2, vemos que sólo cuatro residuos son mayores que 0.1 y seis son mayores que 0.05, indicando un ajuste aceptable del modelo. El siguiente ejemplo ilustra con mayor detalle la factorización de los componentes prin­ cipales en el contexto de la promoción comercial.

EJEMPLO Fabricación de componentes de promoción _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ El objetivo de este estudio fue desarrollar un inventario más bien amplio de las variables de promoción comercial controladas por el fabricante, así como demostrar que existe una reía-

ción entre estas variables y la decisión de apoyo a la promoción por parte del detallista. El apoyo comercial o del detallista se definió operativamente como la actitud del comprador comercial hacia la promoción. Se realizó el análisis factorial en las variables explicativas con objeto de reducir los datos. El método de los componentes principales, utilizando la rotación varimax, redujo las 30 variables explicativas a ocho factores con valores específicos mayores que 1.0. Para la interpretación, cada factor quedó compuesto por las variables con cargas de 0.40 o mayores. En dos casos, en los que las variables tenían cargas de 0.40 o más en los dos factores, cada variable se asignó al factor en el que tenía la carga más elevada. Sólo una variable: facilidad de manejo/almacenamiento en las ventas al detalle, no tuvo una carga de por lo menos 0.40 en alguno de los factores. Los ocho factores explicaron 62% de la varianza total. La interpre­ tación de la matriz de cargas de factores fue directa. La tabla 1 presenta los factores en el orden en que se obtuvieron. Se llevó a cabo el análisis discriminante discreto con objeto de determinar cuál de los ocho factores proyectaba el respaldo comercial en un grado estadísticamente significativo. Las calificaciones para los ocho factores eran las variables explicativas. La variable depen­ diente consistió en la calificación general del comprador al detalle para el trato (califica­ ción), que se dividió en tres grupos de medidas (baja, media y alta) del respaldo comercial. Los resultados de los análisis discriminantes se muestran en la tabla 2. Los ocho factores participaron en las funciones discriminantes. Las medidas de adecuación del ajuste indicaron que, como grupo, los ocho factores discriminaban entre los niveles alto, medio y bajo de respaldo comercial. Las razones F de variables múltiples, que indicaban el grado de discrimi­ nación entre cada par de grupos, fueron significativas e n p < 0.001. Para el 65% de los casos se logró la clasificación correcta en las categorías alta, media y baja. Como se muestra en la tabla 3, el orden de entrada en el análisis discriminante se utilizó para determinar la impor­ tancia relativa de los factores como influyentes en el respaldo comercial.10

La importancia y los beneficios de los artícu­ los son los principales factores que influyen la decisión de respaldo a la promoción por parte de los detallistas. ♦ BIC Pen Corporation

F actores que influyen en el respaldo d e p rom oción com ercial

Factor Fi

Interpretación de factores (% de la varianza explicada) Importancia del artículo (16.3%)

Carga .77 .75

.66 .64 .59 .57

f2

Elasticidad de la promoción (9.3%)

F3

Respaldo a la marca del fabricante (8. 2%)

f4

Reputación del fabricante (7.3%)

.86 .82 .80 .70 .85 .81 .80 .75

Variables que se incluyen en el factor El artículo es suficientemente importante para garan­ tizar la promoción La categoría responde adecuadamente a la promoción Es probable que el competidor comercial más cercano promueva el artículo Importancia de la categoría del producto que se pro­ mueve Volumen de ventas regulares del artículo (sin tratos) El trato se ajusta a los requerimientos de promoción comercial El estimado de ventas del comprador se incrementa con base en: Reducción del precio y exhibición Sólo exhibición Sólo reducción del precio Reducción del precio, exhibición y publicidad Respaldo de la marca del fabricante en forma de: Cupones Publicidad en radio y televisión Publicidad en periódicos Promoción en el punto de compra (por ejemplo, exhi­ bición)

.55 .51

Reputación general del fabricante El fabricante coopera para satisfacer las necesidades de promoción comercial El fabricante coopera en los pedidos urgentes, el trans­ porte, etc. Calidad de la presentación de ventas Calidad general del producto del fabricante La categoría del producto recibe demasiada promoción El artículo recibe demasiada promoción

.72 .72 .64

f5

Agotamiento de la promoción (6.4%)

.93 .93

f6

Velocidad de las ventas (5.4%)

-.81 .69 .46

Clasificación de la participación en el mercado de la marca3 Volumen de ventas regulares del artículo3 Volumen de ventas regulares del artículo

f7

Beneficios del artículo (4.5%)

.79 .72 .49

Margen bruto regular del artículo Margen bruto regular del artículo3 Qué tan razonables son los requerimientos para la realización del trato

f8

Cantidad de incentivo (4.2%)

.83 .81

Cantidad absoluta de autorizaciones para el trato Autorizaciones para el trato como porcentaje del costo regular comercial3 Cantidad absoluta de las autorizaciones para el trato3

.49 3 Indica la medida de los objetivos (de archivos).

Tabla 2 R esultados del an álisis discrim inante: an álisis d e calificación y d esem peño (n = 5 6 4 ) Coeficientes discriminantes estandarizados Análisis de calificación Factor Fi f2 f3 f4 f5 f6 F? f8

r

Importancia del artículo Elasticidad de la promoción Respaldo a la marca del fabricante Reputación del fabricante Desgaste de la promoción Velocidad de las ventas Beneficios del artículo Cantidad de incentivo X de Wilk (para cada factor) Razones F de variables múltiples Porcentaje de casos clasificados en forma correcta

Función 1

Función 2

0.861 0.081 0.127 0.394 -0.207 0.033 0.614 0.461 Todos significativos en p < 0.001 Todos significativos en p < 0.001 65% correctos (t = 14.4, p < .001)

-0.253 0.398 -0.036 0.014 0.380 -0.665 0.357 0.254

Im portan cia relativ a de los factores que influyen en el resp ald o com ercial (com o se indican p or orden d e en trada en el an álisis discrim inante)

Orden de entrada

1 2 3 4 5

6 7

8

Análisis de calificación Nombre del factor Importancia del artículo Beneficios del artículo Cantidad de incentivo Reputación del fabricante Desgaste de la promoción Velocidad de las ventas Elasticidad de la promoción Respaldo a la marca del fabricante ♦

En la sección siguiente describimos el análisis factorial común y proporcionamos algu­ nas aplicaciones de este método.

A

p l ic a c io n e s d e l a n á l is is f a c t o r ia l c o m ú n La matriz de correlación que se muestra en la tabla 19.1 se analizó por medio del modelo del análisis factorial común. En lugar de utilizar unidades en la diagonal, se insertaron los grupos de datos. El resultado, que se presenta en la tabla 19.3, es similar al del análisis de componen­ tes principales que se muestra en la tabla 19.2. La tabla de estadísticas iniciales es la misma de la tabla 19.2, excepto que los grupos de datos para variables no mayores que 1.0. Con base en el criterio de los valores específicos, una vez más se extraen dos factores. Ya extraídos los factores, las estadísticas finales son diferentes de las inciales. El primer factor representa 43.6% de la varianza, en tanto que el segundo representa 23.4%, en cada caso un poco menos de lo que se observó en el análisis de los componentes principales.

Tabla 19.3 R esultados del an álisis fa cto ria l com ún

Prueba de esfericidad de Bartlett = 1009.2719, importancia = 0.00000 Medida de adecuación de la muestra de Kaiser-Meyer-Olkin = 0.61724 Estadísticas iniciales: Valor específico

Porcentaje de la varianza

7

3.38111 1.96150 0.52851 0.44928 0.30112 0.27965 0.09883

48.3 28.0 7.6 6.4 4.3 4.0 1.4

100.0 Porcentaje acumulado

Variable

Comunidad

*

Factor

Vi

.68263 .60376 .71310 .60594 .72173 .58597 .76372

* * * * * * *

1 2 3 4 5

v2 V3 V4 V5 V6 Vy

6

Porcentaje acumulado 48.3 76.3 83.9 90.3 94.6 98.6

Estadísticas finales: Variable

Comunidad

*

Factor

Valor específico

Porcentaje de la varianza

v, v2 V3 V4 V5 V6 V7

.63867 .70338 .60090 .70795 .62793 .67873 .73295

* * * * * * *

1 2

3.04960 1.64092

43.6 23.4

Matriz factorial: Factor 1

Factor 2

.68096 .56493 .69355 .57868 .69067 .58235 .79668

-.41829 .61987 -.34625 .61080 -.38846 .58275 -.31346

Vi v2 v3 v4 v5 v6 V7

Matriz factorial girada: Factor 1 Vi v2 V3 V4 V5 V6 V7

.79724 .09943 .76562 .11589 .78782 .13518 .83048

43.6 67.0

Factor 2 .05541 .83276 .12135 .83338 .08533 .81268 .20797

Matriz de coeficientes de calificaciones de factores: Factor 1 Factor 2 Vi v2 v3 V4 V5 V6 v7

.34295 -.02312 .15844 -.06357 .18444 -.04586 .42645

-.05898 .36321 -.02150 .36945 -.03433 .32517 .00095

(continúa)

Matriz de correlaciones reproducidas: (con tinu ación )

Vl V2 V3 V4 V5 V6 V7

Vi

v2

v3

.63867* .12541 .61711 .13857 .63281 .15280 .67362

.00459 .70338* .17718 .70553 .14939 .69022 .25576

-.05289 .03282 .60090* .18985 .61352 .20212 .66107

v4

.03143 .00447 .00015 .70795* .16241 .69294 .26956

v5

.06719 .00061 -.12352 -.03241 .62793* .17584 .67201

v 6

v 7

-.02280 -.00022 -.04212 -.00294 .03416 .67873* .28128

-.11362 -.03576 .06893 .00044 .04799 .02872 .73295*

El triángulo inferior izquierdo contiene la matriz de correlaciones reproducidas; la diagonal, las comunidades; el triángulo superior derecho, los residuos entre las correlaciones observadas y las correlaciones reproducidas.

Los valores de la matriz de patrón factorial sin girar, de la tabla 19.3, son ligeramente distintos de aquellos de la tabla 19.2, aunque el patrón del coeficiente es similar. Algunas veces el patrón de cargas para el análisis factorial común es diferente del análisis de compo­ nentes principales, con algunas variables que tienen cargas en distintos factores. La matriz factorial girada tiene el mismo patrón que el que muestra la tabla 19.2, llevando a una inter­ pretación similar de los factores. Concluiremos con otra aplicación del análisis factorial común, en la percepción de los descuentos por parte del consumidor.

EJEMPLO Percepciones “comunes” de los descuentos _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ Los descuentos son efectivos para captar nuevos usuarios y para provocar el cambio de mar­ cas y compras frecuentes entre los usuarios actuales. Se llevó a cabo un estudio para determi­ nar los factores subyacentes a la percepción de los descuentos por parte del consumidor; para ello, se creó un conjunto de 24 partidas que medían las percepciones. Se pidió a los entrevis­ tados que expresaran su grado de acuerdo con estas partidas, con base en escalas de Likert de cinco puntos. Los datos se recopilaron por medio de una encuesta telefónica que se realizó en el área metropolitana de Memphis. Se obtuvieron un total de 303 cuestionarios útiles. Las partidas que medían las percepciones de los descuentos se analizaron mediante el análisis factorial común. La solución inicial no reveló una estructura sencilla de percepcio­ nes subyacentes de descuentos. Por tanto, las partidas con cargas bajas se eliminaron de la escala y el análisis factorial se llevó a cabo con las partidas restantes. Esta segunda solución produjo tres factores que podían interpretarse. Las cargas de factores y los coeficientes de confiabilidad se presentan en la tabla siguiente. Los tres factores contenían cuatro, cuatro y tres partidas, respectivamente. El factor 1 parecía captar las percepciones de los consumido­ res acerca de los esfuerzos y dificultades relacionados con la recuperación de los descuentos (esfuerzos). El factor 2 se definió como una representación de la fe de los consumidores en el sistema de descuentos (fe). El factor 3 representó las percepciones de los consumidores de los motivos que tienen los fabricantes para ofrecer descuentos (motivos). Las cargas de las parti­ das en sus factores respectivos fluctuaban entre 0.527 y 0 .7 4 4 .11 Análisis factoria l de las percepciones de los descuentos Carga de factores Partidas de la escala2 Los fabricantes hacen que el proceso de descuento sea demasiado complicado Los descuentos por correo no valen los problemas que representan Toma demasiado tiempo recibir la nota de descuento del fabricante

Factor 1

.194 -.031 .013

Factor 2

.671 .612 .718

Factor 3

-.127 .352 .051

Los fabricantes podrían hacer algo más para facilitar el uso de los descuentos Los fabricantes ofrecen descuentos porque los consumidores los quieren15 Los fabricantes actuales tienen verdadero interés en el bienestar del consumidorb Por lo general, el beneficio del consumidor es la consideración más importante en las ofertas de descuentos1. En general, los fabricantes son honestos en sus ofertas de descuen­ tos a los consumidores15 Los fabricantes ofrecen descuentos para lograr que los consumido­ res compren algo que en realidad no necesitan Los fabricantes utilizan las ofertas de descuentos para inducir a los consumidores a comprar los artículos que se mueven con lentitud Los descuentos requieren de la compra de mayor cantidad de un producto de necesaria Valores específicos Porcentaje de la varianza explicada

.205

.616

.173

.660

.172

.101

.569

.203

.334

.660

.002

.318

.716

.047

-.033

.099

.156

.744

.090

.027

.702

.230 2.030 27.500

.066 1.344

.527 1.062 9.700

12.2

a Las categorías de respuesta para todos los artículos fueron totalm ente de acuerdo (1), de acuerdo (2), ni de acuer­ do ni en desacuerdo (3 ), en desacuerdo (4), totalm ente en desacuerdo (5) y no sé (6). Las respuestas “no sé” se excluyeron del análisis de datos. b Las calificaciones de estos artículos se invirtieron. ♦

Tres factores que carac­ terizan las percepciones de los descuentos, por parte de los consumido­ res, son fe en el sistema, esfuerzos relacionados con la recuperación y los motivos de los fabri­ cantes para ofrecerlos. ♦ D erechos reservados 1991 por D rakett Company. R eim ­ presión co n autorización.

FR0EW1NDEX'PROFESSIONMSTRBiGTHMAM CERTIFICATE jSSKSS sS k SSse . j

p™ v t 3X 3 + ¿>4X 4 + ¿>5X 5 + b¿X(,

T abla 2 1 .5 Datos de los zapatos deportivos codificados para la regresión de variables simuladas

Atributos

Calificaciones

de las preferencias

Suela

Y

Xi

X2

X3

x4

9 7

1 1 1 0 0

0 0 0 1 1

1 0 0 1 0

0 1 0 0 1

0 0 0 0

1 0 0 0

0 1 0 0

0 0 1 0

5 6 5

6 5 7

6

Precio

Forro

X5 1 0 0 0

0 1 0 1

0 1 0 1 0

0 0 0 0 1

Tabla 21.6 R esultados del análisis

Nivel Atributo

Número

Descripción

Utilidad

Suela

3

Hule Poliuretano Plástico Piel Manta Nylon $15.00 $30.00 $45.00

0.778 -0.556 - 0.222 0.445

2 1 Forro

3

2 1 Precio

3

2 1

Importancia

0.286

0 .111 -0.556

0.214

1.111 0.111 - 1.222

0.500

donde Xi, %2

= variables simuladas que representan la

suela

X 3, X 4

= variables simuladas que representan el

forro

X 5, X¿

= variables simuladas que representan el precio

Para la suela, los niveles de atributos se codificaron como sigue:

Nivel 1 Nivel 2 Nivel 3

Xi

X2

1 0 0

0 1 0

Los niveles de los otros atributos se codificaron en forma similar. Los parámetros se estimaron como sigue: bo = 4.222 b\ = 1.000 h

= -0 .3 3 3

h = 1.000 b4 = 0.667 b5 = 2.333 b(¡ = 1.333 Dada la codificación de las variables simuladas, en la que el nivel 3 es el de base, los coefi­ cientes pueden relacionarse con los valores parciales. Como se explicó en el capítulo 17, el coeficiente de cada variable simulada representa la diferencia en el valor parcial para ese nivel menos el valor parcial para el nivel de base. Para la suela, tenemos los siguientes: a u ~ a u ~ bi « 1 2 - « 1 3 = t>2

Para despejar los valores parciales, es necesaria una restricción adicional. Los valores parcia­ les se calculan con base en una escala de intervalo, de modo que el origen es arbitrario. Por tanto, la restricción adicional que se impone tiene la forma

Las ecuaciones para el primer atributo, la suela, son:

« 11-«13 =

1.000

«12 —#13 = —0.333 «11

+

«12

+

«13

=

0

Al despejar estas ecuaciones, obtenemos: « n = 0.778

«12 = -0 .5 5 6 a i 3 = - 0.222 Los valores parciales para los otros atributos que se presentan en la tabla 21.6 pueden calcularse en forma similar. Para el forro tenemos: «21 - « 2 3 «22 - « 2 3 «21

+

+

«22

«23

= = =

h ¿>4 0

Para el tercer atributo, el precio, tenemos: «31 - « 3 3 «32 - « 3 3 «31

+

+

«32

«33

= = =

^5

0

Los valores de la importancia relativa se calcularon con base en los rangos de los valo­ res parciales, como sigue: Suma de los rangos de los valores parciales = [0.778 - (-0.556)] + [0.445 - (-0.556)] + [1.111 - (-1.222)] = 4.668

Importancia relativa de la suela = , = 0.286 4.668

Importancia relativa del forro =

Importancia relativa del precio =

= 0-214

■■■■ = 0 .5 0 0

4 .6 6 8

El cálculo de los valores parciales y los valores de la importancia relativa proporciona la base para la interpretación de resultados.

In t e r p r e t a c i ó n

d e resultados

Para interpretar los resultados, es útil trazar las funciones de los valores parciales. La función de los valores parciales para cada atributo que se presenta en la tabla 21.6 se ilustran con una gráfica en la figura 21.10. Como puede verse en la tabla 21.6 y la figura 21.10, al evaluar los zapatos deportivos, este entrevistado tiene mayor preferencia por una suela de hule. Su se­ gunda preferencia es una suela de plástico, y una suela de poliuretano es la última preferen-

Figura 21.10 Funciones de los valores parciales

Suela

Forro

$15

$30 Precio

$45

cia. Un forro de piel es el que más prefiere, seguido por la manta y el nylon. Como se esperaba, el precio de 15.00 dólares tiene el beneficio más alto y el precio de 45.00 el más bajo. Los valores de utilidad que se presentan en la tabla 21.6 sólo tienen propiedades de escala de intervalo y su origen es arbitrario. En términos de la importancia relativa de los atributos, vemos que el precio es el número uno. El segundo más importante es la suela, seguido de cerca por el forro. Ya que el precio es con mucho el atributo más importante para este entre­ vistado, podría designarse como susceptible al precio.

Evaluación de la confiabilidad y la validez Están disponibles varios procedimientos para evaluar la confiabilidad y la validez de los resultados del análisis conjunto .33 1. Debe evaluarse la adecuación del ajuste del modelo estimado. Por ejemplo, si se utiliza la regre­ sión de variables simuladas, el valor de R2 indicará el grado en el que el modelo se ajusta a los datos. Los modelos con un ajuste inadecuado son sospechosos.

2. La confiabilidad de la prueba-segunda prueba puede evaluarse al obtener unos cuantos juicios repetidos más adelante en la recopilación de datos. En otras palabras, en una etapa posterior de la entrevista, se pide a los entrevistados que evalúen una vez más ciertos estímulos selecciona­ dos. Después, los dos valores de estos estímulos se correlacionan para evaluar la confiabilidad de la prueba-segunda prueba. 3 . Las evaluaciones para los estímulos propuestos o de validación pueden proyectarse por medio de las funciones de los valores parciales estimados. Después, las evaluaciones proyectadas pue­ den correlacionarse con aquellas que se obtuvieron de los entrevistados a fin de determinar la validez interna. 4 . Si se realizó un análisis en el nivel de conjunto, la muestra de estimación puede dividirse de varias maneras y realizar el análisis conjunto en cada submuestra. Los resultados pueden com ­ pararse en todas las submuestras con objeto de evaluar la estabilidad de las soluciones del aná­ lisis conjunto.

Al llevar a cabo un análisis de regresión con los datos de la tabla 21.5, se obtuvo un R2 de 0.934, que indica un ajuste adecuado. Las calificaciones de las preferencias para los nueve perfiles de validación se proyectaron a partir de los beneficios reportados en la tabla 2 1 .6 . Éstos se correlacionaron con las calificaciones de entrada para los perfiles que se obtuvieron del entrevistado. El coeficiente de correlación fue 0.95, el cual indica una capacidad de pre­ dicción adecuada. Este coeficiente de correlación es significativo en a = 0.05. El ejemplo siguiente ilustra con mayor detalle el procedimiento del análisis conjunto.

EJEMPLO Examen microscópico de los intercambios de microcomputadoras - - - - - - - - - - Se empleó el análisis conjunto para determinar de qué forma los consumidores realizan inter­ cambios entre los diversos atributos al seleccionar las microcomputadoras. Se eligieron cua­ tro atributos sobresalientes. Estos y sus niveles son los siguientes: Modo de captura

Tamaño de pantalla

• Teclado • R atón

• 13 pulgadas • 9 pulgadas

M onitor

Nivel de precio

• Blanco y negro • Color

• $1 000 • $1500 •

(2

X

$2 000

Todas las combinaciones posibles de estos niveles de atributos dan como resultado 24 2 X 2 X 3) perfiles de microcomputadoras. Uno de los ellos es el siguiente:

Modo de captura: M onitor: Tamaño de pantalla: Nivel de precio:

R atón Color 13 pulgadas $1500

Los entrevistados ordenaron por clasificación estos perfiles en términos de sus prefe­ rencias. Los datos de cada entrevistado pueden utilizarse para desarrollar las funciones de las preferencias. Se ilustran las funciones de las preferencias para un individuo.

Precio

Tamaño de pantalla

3

Modo de captura

Monitor

r

o 2

9"

13"

Blanco

Color

y

negro

Con base en las funciones de las preferencias o valores parciales derivados, puede esti­ marse la importancia relativa de los diversos atributos al determinar las preferencias de estos consumidores mediante la comparación de las funciones de los valores parciales, como sigue:

Importancia relativa Criterios de evaluación

Importancia

Modo de captura Monitor Tamaño de pantalla Nivel de precio

45% 5% 25% 25%

Para este consumidor, el modo de entra­ da es la característica más importante y el ra­ tón es la opción preferida. Aun cuando el precio y tamaño de la pantalla también son im­ portantes, el precio se convierte en un factor preponderante entre 1 500 y 2 000 dólares. Como se esperaba, se prefiere un tamaño de pantalla de 13". No importa mucho si el moni­ tor es blanco y negro o de color. La infor­ mación que proporcionan las funciones de los valores parciales y las ponderaciones de la im­ portancia relativa pueden utilizarse para agru­ par a los entrevistados con el fin de deter­ minar los segmentos de beneficios para las microcomputadoras.34 ♦

Los consumidores realizan intercambios entre los diversos atributos al comprar microcomputadoras. ♦ IBM.

Capítulo 2 1 Escalas multidimensionales y análisis conjunto

S uposiciones y lim itaciones del análisis conjunto A pesar de que el análisis conjunto es una técnica popular, como la M DS, lleva consigo varias suposiciones y limitaciones. El análisis conjunto supone que pueden identificarse los atribu­ tos importantes de un producto. También asume que los consumidores evalúan las alternati­ vas de elección en términos de estos atributos y realizan intercambios. Sin embargo, en las situaciones en las que es importante la imagen o el nombre de la marca, es probable que los consumidores no evalúen las marcas o alternativas en términos de sus atributos. Incluso si los consumidores toman en cuenta las características del producto, quizá el modelo de inter­ cambio no sea una representación adecuada del proceso de elección. Otra limitación es que la recopilación de datos puede ser compleja, sobre todo si están comprendidos muchos atri­ butos y el modelo debe estimarse en el nivel individual. Este problema se ha disminuido hasta cierto punto con los procedimientos como el análisis conjunto interactivo o de adaptación y el análisis conjunto híbrido. También debemos hacer notar que las funciones de los valores parciales no son únicas. Para más aspectos técnicos y las limitaciones del análisis conjunto, consulte la bibliografía .35

A

nálisis conjunto híbrido

análisis conjunto híbrido Forma de aná­ lisis conjunto que sim­ plifica la tarea de recopi­ lación de datos y estimar las interacciones selec­ cionadas, así como todos los efectos principales.

El análisis conjunto híbrido es un intento de simplificar la difícil tarea de la recopilación de datos necesaria en el análisis conjunto tradicional. Cada entrevistado evalúa gran cantidad de perfiles, aunque por lo general sólo se estiman las funciones de valores parciales sencillas, sin ningún efecto de interacción. En el modelo de los efectos principales o valores parciales sencillos, el valor de una combinación es simplemente la suma de los efectos principales separados (valores parciales sencillos). En la práctica, dos atributos pueden interactuar, en el sentido de que el entrevistado quizá dé mayor valor a la combinación que a la contribución promedio de las partes separadas. Se han desarrollado modelos híbridos que cumplan con dos propósitos principales: 1 ) simplificar la tarea de recopilación de datos al reducir la carga para cada entrevistado y 2 ) permitir el cálculo de interacciones seleccionadas (en el nivel de subgrupos), así como todos los efectos principales (o sencillos) en el nivel individual. En el planteamiento híbrido, los entrevistados evalúan un número limitado de estímu­ los asociados, por lo general no mayor de nueve, como los perfiles totales. Éstos se toman de un diseño maestro y distintos entrevistados evalúan diferentes conjuntos de perfiles, de modo que en un grupo de entrevistados se evalúan todos los perfiles de interés. Además, los entre­ vistados evalúan directamente la importancia relativa y la aceptación de los niveles de cada atributo. Al combinar las evaluaciones directas con aquellas que se derivan de las evaluacio­ nes de estímulos asociados, es posible calcular un modelo en el nivel de conjunto y aún así conservar algunas diferencias individuales.36 La M DS y el análisis conjunto son técnicas complementarias y pueden utilizarse en combinación, como muestra el ejemplo siguiente.

EJEMPLO

Eliminación dela competencia ---------------------------------------ICI Americas Agricultural Products no sabía si era necesario bajar el precio de Fusilade, su herbicida. Sabía que había desarrollado un herbicida potente, pero no estaba seguro que sobreviviera en un mercado consciente del precio. De modo que se diseñó un estudio para evaluar la importancia relativa de los distintos atributos al seleccionar un herbicida, así como medir y trazar las percepciones importantes en los mismos atributos. Se llevaron a cabo en­ trevistas personales con 601 agricultores de soya y algodón que tenían, por lo menos, 200 acres dedicados al cultivo de estos productos y que habían utilizado herbicidas durante la

temporada anterior. Primero, se utilizó el análisis conjunto para determinar la importancia relativa de los atributos que emplean los agricultores al seleccionar los herbicidas. Después, se empleó una escala multidimensional a fin de trazar las percepciones de los herbicidas por parte de los agricultores. El estudio mostró que el precio ejercía una gran influencia en la selección de herbicidas y los entrevistados se mostraban especialmente susceptibles cuando los costos eran de más de 18 dólares por acre. Pero el precio no era el único determinante. Los agricultores también tomaban en cuenta el control que ofrecía el producto. Estaban dispuestos a pagar precios más altos para mantener su tierra sin maleza. El estudio mostró que los herbicidas que ni siquiera controlaban una de las cuatro hierbas más comunes tendrían que ser muy económicos para lograr una participación razonable en el mercado. Fusilade prometía un control adecuado de la maleza. Además, la escala multidimensional indicó que uno de los competidores de Fusilade se consideraba muy costoso. Por consiguiente, ICI conservó su plan de precios original y no bajó el precio de Fusilade.37 ♦ Tanto la MDS como el análisis conjunto son útiles en la realización de investigación de mercados internacionales, como lo ilustran los recuadros Investigación en la práctica 21.1 38 y 21.2 .39 El recuadro Investigación en la práctica 21.3 presenta una aplicación de la M DS en la investigación de percepciones éticas .40

I nvestigació n en la práctica 21.1 Importancia de la herencia en Europa Los automóviles europeos se enfocan cada vez más hacia un atributo que los competido­ res no podrán comprar ni crear, la herencia. Para BMW, es su ingeniería superior. A. B. Volvo, de Suecia, tiene la reputación de fabricar automóviles seguros. Alfa Romeo de Italia tiene el orgullo de fabricar motores que han ganado numerosas carreras. La Renault de Francia cuenta con el "saber hacer". Por otra parte, los automóviles japoneses tienen una tecnología avanzada, pero no tienen clase ni herencia. Por ejemplo. Lexus e Infiniti son automóviles de alto desempeño, pero carecen de clase. Philip Gamba, vicepresiden­ te de mercadotecnia de Renault, cree que las marcas japonesas carecen del 'toque fran­ cés” del diseñoyla credibilidad de los fabricantes automotrices europeos. En la actuali­ dad, Renault crea un automóvil enfocado hacia la comodidad. BMW trata de enfatizar no

a £

_

.

Bajo

el prestigio de ser propietario de un automóvil de lujo, sino el "valor interno" de sus ca­ rros. Comunicar el valor en los automóviles es cada vez más importante. BMW tiene la ventaja de la herencia alemana. Va que el desempeño y la herencia son atributos o Alta dimensiones importantes en las preferencias por los au­ tomóviles de los europeos, mostraremos el posiciona­ • «B M W • Lexus miento de distintos automóviles europeos en estas dos Alfa • Mercedes Romeo dimensiones. Observe cómo BMW alcanza a tener una • Infiniti • Volvo mejor posición sobre ambas dimensiones. Durante la dé­ • Renault cada de los ochenta, la mayor parte de los automóviles Alto estadounidenses y japoneses enfatizaron la calidad, • FordTaurus confiabilidad y eficiencia. Sin embargo, para competir en el mercado europeo en la década de los noventa, los estadounidenses y japoneses enfrentan el desafío de una dimensión adicional, la herencia. Ésta requiere de nueBaja Herencia

vas estrategias de mercadotecnia por parte de los fabricantes automotrices estadounidenses y japoneses.

I nvestigació n en la práctica 21.2 Fab sostiene una batalla fabulosa por la espuma La competencia en el mercado de los detergentes creció en Tailandia. El detergente superconcentrado se convirtio con rapidez en el prototipo, con una participación en el mercado de más de 26% en la categoría de detergentes hacia finales de 1995. Las investigaciones del mercado potencial en Tailandia indicaron que los detergentes superconcentrados crecerían alrededor de 40% por año. Además, esta categoría ya domina otros mercados asiáticos com o Taiwán, Hong Kong y Singapur. Como conse­ cuencia, Colgate entró a esta nueva línea de competencia con Fab Power Plus a fin de captar 4% de la participación en el mercado. Los jugadores principales en el mercado eran Attack de Kao Corporation 0 4.6at>). Breeze Ultra de Lever Brothers (2.8%), Pao M. Wash de Lion Corporation (1.1%) y Orno de Lever (0.4%). Con base en la investigación cualitativa y la información secundaria. Colgate evaluó los factores cruciales para el éxito de sus detergentes superconcentrados. Algunos de estos factores fueron el cuidado del medio ambiente, la posibilidad de lavat a mano y en lavadora, capacidades de limpieza superiores, niveles óptimos de espuma para lavar a mano y prestigio de la marca. La inves­ tigación de mercados también revelo que ninguna marca tenía cualidades tanto para lavar a mano como en lavadora. Pao Hand Forcé estaba formulado para lavar a mano y Pao M. Wash era la versión para lavar en lavadora. El Breezematic de Lever estaba dirigido para utilizarse con lavadora. Por tanto, seria aceptada una fórmula que tuviera ambas capacidades. Se diseñó un estudio asociado y estos factores variaron de dos a tres niveles. Se recopilaron las calificaciones de las preferencias de los entrevistados y las funciones de los valores parciales para los factores se estimaron tanto en el nivel individual como en el de conjunto. Los resultados mostraron que el factor de cualidad para lavar en lavadora hacía una contribución sustancial que respaldaba las afirmaciones anteriores. Con ba­ se en estos descubrimientos, Fab Power Plus se introdujo con éxito como una marca efectiva tanto para lavar a mano com o en lavadora.

A

plicaciones para computadora A través de los años, se han desarrollado varios programas de computación para realizar el análisis de las MDS utilizando microcomputadoras y mainframes.41 El programa ALSCAL, disponible en las versiones para computadora de estructura principal tanto de SPSS como de SAS, incluye varios modelos de diferentes MDS y puede utilizarse para llevar a cabo análisis a nivel de conjunto o individual. Otros programas de la MDS se encuentran con facilidad y se utilizan con mucha frecuencia. La mayor parte de éstos están disponibles en versiones tanto para microcomputadoras como para computadoras de estructura principal. • MDSCAL 5M deriva un mapa espacial de las marcas en un número específico de dimensiones. Se utilizan los datos de similitud. Pueden adaptarse gran variedad de formatos para datos de entrada y medidas de distancia. • KYST realiza escalas métricas y no métricas, así como desdoblamiento con el uso de datos de similitud. • INDSCAL, que significa escala de diferencias individuales, es útil para realizar la MDS en el nivel de conjunto. Los datos de similitud se utilizan como entradas. • MDPREF lleva a cabo el análisis interno de datos de las preferencias. El programa desarrolla direcciones de vector para las preferencias y la configuración de las marcas o estímulos en un espacio común. • PREFMAP realiza el análisis externo de datos de las preferencias. Este programa utiliza un conocido mapa espacial de las marcas o estímulos para representar los datos de las preferencias de un individuo. PREFMAP2 lleva a cabo el análisis interno y externo.

I n vestigació n en la prá ctica 21.3 Percepciones éticas de las empresas de investigación de mercados Dos de los factores que han demostrado tener confiabilidad y validez aceptables en la medición del grado de cierta situación ética son: la dimensión de la igualdad moral con bases amplias (factor 1) y la dimensión relativista (factor 2). Estas dos dimensiones deben surgir en un análisis de escala multidimensional de la etica percibida por las empresas de investigación de mercados. Un trazo de las MDS de este tipo podría ob­ servarse a continuación. Aunque este ejemplo es hipotético, pueden hacerse algunas observaciones inte­ resantes. Los departamentos internos de investigación de mercados tienen las percep­ ciones eticas más elevadas en ambas dimensiones. Las empresas de servicios comple­ tos se perciben como más éticas en la dimensión relativista, en tanto que las compañías pequeñas son más éticas en el factor de la igualdad moral. Sucede lo mismo con las empresas de investigación de mercados internacionales en comparación con las com­ pañías nacionales. Igualdad moral con bases amplias Departamentos internos • Empresas nacionales • Servicio completo Empresas pequeñas • • Empresas externas Relativista • Servicio limitado

• Empresas grandes • Empresas internacionales

• PC-MDS contiene una variedad de algoritmos de escala multidimensional, que incluyen el análisis de factores, el análisis discriminante y algunos otros procedimientos de variables múltipies. Está disponible para la PC de IBM y computadoras compatibles. • APM (diagramación perceptual de adaptación) es un programa de escala de adaptación, dispo­ nible para microcomputadoras, que puede manejar hasta 30 marcas y 50 atributos. No hay límite en el número de entrevistados por estudio ni el número de computadoras que pueden utilizarse para recopilar datos. • MAPWISE de Market Action Research Software, Inc., es un software de diagramación perceptual para realizar el análisis de correspondencia. CORRESPONDENCE ANALYSIS de Beaumont Organization Ltd., lleva a cabo el análisis de correspondencia, los simulacros y el análisis del producto ideal. Otro programa para el análisis de correspondencia es SIMCA de Greenacre. Si la regresión ordinaria con el menor número de cuadrados se utiliza como procedi­ miento de cálculo en el análisis conjunto, estos programas están disponibles universalmente.

En particular, las versiones para microcomputadora y computadora de estructura principal de SAS, SPSS y BM DP tienen varios programas de regresión que se estudiaron en el capítulo 17. También están disponibles varios programas especializados para el análisis conjunto. M ONANOVA (análisis monótono de la varianza) es un procedimiento no métrico que uti­ liza los datos de los perfiles totales. Para los datos por pares de variables, puede emplearse el procedimiento TRADEOFF. Este también es un procedimiento no métrico que usa el orden de clasificación de las preferencias para los pares en el nivel de los atributos. Tanto el MONAN OVA como el TR A D EO FF están disponibles para computadoras de estructura principal y microcomputadoras. Otros programas populares incluyen el LINMAP y el A CA (análisis conjunto de adaptación). PC-M DS también contiene un programa para el análisis conjunto. Otros programas útiles incluyen el software de Bretton-Clark, que comprende C O N JO IN T D ESIGN ER, C O N JO IN T ANALYZER, C O N JO IN T LINMAI? SIM G R A F y BRIDG ER. P O SSE (Optimización del producto y evaluación de la segmentación seleccionada) de Robinson Associates, Inc., es un sistema generalizado para la optimización del producto y los diseños de servicios mediante el uso del análisis conjunto híbrido y los métodos de diseño experimental. Emplea simulacros de elección del consumidor, modelado superficial de res­ puestas y procedimientos de optimización para desarrollar configuraciones óptimas del pro­ ducto.

R

esumen

La escala multidimensional se utiliza para obtener representaciones espaciales de las percep­ ciones y preferencias de los entrevistados. Las relaciones percibidas o psicológicas entre los estímulos se representan como relaciones geométricas entre los puntos en un espacio multidimensional. La formulación del problema de la M DS requiere de una especificación de las marcas o estímulos que han de incluirse. El número y la naturaleza de las marcas seleccio­ nadas influye en la solución resultante. Los datos de entrada que se obtienen de los entrevis­ tados pueden relacionarse con las percepciones o preferencias. Los datos de las percepciones pueden ser directos o derivados. Los planteamientos directos son más comunes en la investi­ gación de mercados. La selección de un procedimiento de la MDS depende de la naturaleza (métrica o no métrica) de los datos de entrada y de si las percepciones o preferencias se encuentran en una escala. Otro factor determinante es saber si el análisis se realizará en el nivel individual o de conjunto. La decisión sobre el número de dimensiones en las que se obtiene una solución se basa en la teoría, la capacidad de interpretación, el criterio de recodo y la facilidad de uso de las consideraciones. La designación de las dimensiones es una tarea difícil que requiere del juicio subjetivo. Están disponibles varios lineamientos para la evaluación de la confiabilidad y validez de las soluciones de la MDS. Los datos de las preferencias pueden someterse al análisis externo o interno. Si los datos de entrada son de naturaleza cualitativa, pueden estu­ diarse por medio del análisis de correspondencia. Si se utilizan los planteamientos con base en atributos para recopilar los datos de entrada, también pueden obtenerse los mapas espa­ ciales a través de un análisis factorial o discriminante. El análisis conjunto se basa en la idea de que la importancia relativa que los consumi­ dores dan a los atributos sobresalientes, y las utilidades que adjudican a los niveles de los atributos pueden determinarse cuando ellos evalúan los perfiles de las marcas que se cons­ truyen, al utilizar estos atributos y sus niveles. La formulación del problema requiere de la identificación de los atributos sobresalientes y sus niveles. Los planteamientos por pares de variables y del perfil total se emplean con frecuencia para construir los estímulos. Están dis­ ponibles diseños estadísticos para reducir el número de estímulos en la tarea de evaluación. Los datos de entrada pueden ser no métricos (clasificaciones) o métricos (calificaciones). Por lo regular, la variable dependiente es la preferencia o intención de compra. A pesar de que están disponibles otros procedimientos para estudiar los datos del análisis conjunto, la regresión con el uso de variables simuladas se vuelve cada vez más im­ portante. La interpretación de los resultados requiere de un examen de las funciones de los valores parciales y las ponderaciones de la importancia relativa. Están disponibles va­ rios procedimientos para evaluar la confiabilidad y validez de los resultados del análisis conjunto .42

A

crónimos

Los pasos que comprende la realización de la escala multidimensional pueden representarse con el acrónimo SCALING: S C A L I N G

elección de estímulos: formulación del problema hoice of an MDS procedure (elección de un procedimiento de la MDS) ssessing reliability and validity (evaluación de la confiabilidad y validez) abeling dimensions (designación de las dimensiones) nput data: metric or nonmetric (datos de entrada: métricos o no métricos) úmero de dimensiones eométrica: representación e interpretación

Los pasos que comprende la realización del análisis conjunto pueden representarse con el acrónimo ANALYSIS: A N A L Y S I S

E jercicio s

P

ssessing reliability and validity (evaluación de la confiabilidad y validez) úmero y niveles de los atributos: formulación del problema tributos: determinación de su importancia evel of analysis: individual versus aggregate (nivel del análisis: individual contra de conjunto) ejes: valores de utilidad para los niveles de atributos timuli construction: full profile versus pairwise (construcción de los estímulos: perfil total contra pares de variables) nput data: metric or nonmetric (datos de entrada: métricos o no métricos) elección del procedimiento del análisis conjunto

regun tas

1. 2. 3. 4. 5. 6. 7.

8. 9. 10. 11. 12. 13. 14. 15. 16.

¿Para qué propósitos se utilizan los procedimientos de la MDS? ¿Qué significa mapa espacial? Describa los pasos que comprende la realización de la MDS. Describa los planteamientos directos y derivados para obtener los datos de entrada de la MDS. ¿Qué factores influyen en la elección de un procedimiento de la MDS? ¿Qué lineamientos se utilizan para decidir el número de dimensiones en las que se obtiene una solución de la MDS? Describa las formas en las que pueden evaluarse la confiabilidad y validez de las soluciones de la MDS. ¿Cuál es la diferencia entre el análisis externo e interno de los datos de las preferencias? Describa brevemente el análisis de correspondencia. ¿Qué comprende la formulación del problema del análisis conjunto? Describa el planteamiento del perfil total para construir los estímulos en el análisis conjunto. Describa el planteamiento por pares de variables para construir los estímulos en el análisis conjunto. ¿Cómo puede utilizarse el análisis de regresión para analizar los datos asociados? Ilustre en forma gráfica qué significan las funciones de los valores parciales. ¿Qué procedimientos están disponibles para evaluar la confiabilidad y validez de los resultados del análisis conjunto? Describa brevemente el análisis conjunto híbrido.

P roblem as 1. Identifique dos problemas de investigación de mercados en los que pueda aplicarse la MDS. Explique cómo aplicaría la MDS en estas situaciones. 2. Identifique dos problemas de investigación de mercados en los que pueda aplicarse el análisis conjunto. Explique cómo aplicaría el análisis conjunto en estas situaciones.

E jercicio s para computadora 1. Analice los datos de la tabla 21.1 utilizando un procedimiento apropiado de la MDS. Compare sus resultados con los que se dan en el texto. 2. Considere las 12 marcas siguientes de jabón de tocador: Jergens, Dove, Zest, Dial, Camay, Ivory, Palmolive, Irish Spring, Lux, Safeguard, Tone y Monchel. Forme los 66 pares posibles de estas marcas. Califique estos pares de marcas en términos de su similitud utilizando una escala de siete puntos. Analice los juicios de similitud que proporcionó para las 12 marcas de jabones de tocador. Utilice un procedimiento apropiado de la MDS, como ALSCAL o KYST Designe las dimensiones e interprete su propio mapa espacial. 3. Construya los nueve perfiles de zapatos deportivos que se muestran en la tabla 21.4. Califique estos perfiles en términos de sus preferencias utilizando una escala de calificación de nueve puntos. Emplee la regresión OLS para desarrollar las funciones de los valores parciales para los tres atributos de los zapatos deportivos, con los datos que proporcionó. ¿Cómo se comparan sus resultados con los que se dan en el texto?

1.

Paul E. G reen, Frank J. Carm one, Jr. y S co tt M. Sm ith, M ultidimensional Scaling: Concepts and A pplications (Bos­ ton: Allyn and Bacon, 1989): pp. 16-17.

2.

Mary Tonnenberger, “In Search o f the Perfect Plástic", enQuir/cs M arketing R esearch Review 5 (mayo de 1992): pp. 6 -7 ,3 7 .

3.

Para una revisión de los estudios de la M D S en m ercadotecnia, véase Lee G. Cooper, “A Review of Multidimensional Scaling in M arketing R esearch”, en A pplied Psychological M easurem ent 7 (otoño de 1983): pp. 427 -5 0 .

4.

U n estudio excelente sobre los diversos aspectos de la M D S puede encontrarse en M .L. D avison, M ultidimensional Scaling (Nueva York: W iley-Interscience, 1983); S.S. Schiffm an, M .L. Reynolds y F.W Young, Introduction to M ultidimensional Scaling: Theory, M ethods, and Applications (Nueva York: Academ ic Press, 1981) ; y J.B. Kruskal y M. W ish, M ultidimensional Scaling (Beverly Hills, C A : Sage Publications, 1978).

5.

Paul E . Green, Frank J. Carm one, Jr. y S co tt M. Sm ith, M ultidimensional Scaling: C oncepts and A pplications (Bos­ ton: Allyn and Bacon, 1989); y Joel H ubery Morris B. Holbrook, “Using A ttribute Ratings for Product Positioning: Som e D istinctions among Com positional Approaches”, en Journal o f M arketing R esearch 16 (noviembre de 1979): pp. 507-16.

6.

V éase N aresh K. M alhotra, A run K. Jain y Christian Pinson, “T h e Robustness o f M D S Configurations in the Case o f Incom plete D ata”, en Journal o f M arketing R esearch 25 (febrero de 1988): pp. 9 5 -1 0 2 ; P E. G reen, “O n the Robustness o f Multidimensional Scaling Techniques”, en Journal o f M arketing Research 12 (1975): pp. 73-81; y D.G. Weeks y P.M. Bentler, “A Com parison of Linear and M onotone M ultidim ensional Scaling M odels”, en Psychological Bulletin 86 (1979): pp. 349-54.

7.

V éase J.B. Kruskal y M. W ish, M ultidimensional Scaling (Beverly Hills: Sage Publications, 1978): pp. 89-92.

8.

El énfasis de Kruskal es quizá la medida que se utiliza con mayor frecuencia para la falta de ajuste. V éase J.B. Kruskal, “Multidimensional Scaling by Optimizing Goodness o f Fit to a N onm etric Hypothesis”, en Psychometrika 29 (marzo de 19 6 4 ): pp. 1-27.

9.

Véase N aresh K. M alhotra, “Validity and Structural Reliability o f Multidimensional Scaling”, en Journal o f M ar­ keting R esearch 24 (mayo de 1987): pp. 164-73.

10.

Para un análisis reciente de la confiabilidad y validez de las soluciones de la M D S, véase Jan -B en ed ict E.M . Steenkam p, Hans C.M . Van Trijp y Jos M.F. Ten Berge, “Perceptual Mapping Based on Idiosyncratic Sets of A ttributes”, en Journal o f M arketing R esearch 31 (febrero de 1994): pp. 15-27.

11.

Joseph F. Hair, Jr., Ralph E. Anderson, Ronald L. Tatham y W illiam C. Black, M ultivariate D ata Analysis with Readings, 4a. edición (Englewood Cliffs, NJ: Prentice Hall, Inc., 1995): pp. 4 8 4 -5 5 5 .

12.

V éase, por ejemplo, Wayne S. D eSarbo y D. Hoffman, “C onstructing M D S Jo in t Spaces From Binary Choice D ata: A New M ultidimensional Unfolding Threshold Model for M arketing R esearch”, en Jou rn al o f M arketing R esearch 24 (febrero de 1987): pp. 40-54.

13 .

YoramJ. W ind, Product Policy: Concepts, M ethods, andStrategy (Reading, M A : Addison-Wesley, 1982): pp. 83-88.

14 .

Para una aplicación reciente del análisis de correspondencia, véase Paul E. G reen y A bba M. Krieger, “A Simple Approach to Target M arket Advertising Strategy”, en Jou rn al o fth e M arket R esearch Society 35 (abril de 1993): pp. 161-70.

15.

Paul E. G reen, Frank J. Carm one, Jr. y S c o tt M. Sm ith, M ultidimensional Scaling: C oncepts and Applications (Bos­ ton: Allyn and Bacon, 1989): pp. 16-17.

1 6 . V éase M ich ael]. G reenacre, “T h e C arroll-G reen-Schaffer Scaling in Correspondence Analysis: A T h e o re tica l and Empirical Appraisal”, e n Journal o f M arketing Research 26 (agosto de 1989): pp. 358 -6 5 ; M ichael J. Greenacre, T heory and A pplications o f C orrespondence A nalyses (Nueva York: Academ ic Press, 1984); y D .L. H offm any G .R. Franke, “Correspondence Analysis: Graphical R epresentation o f Categorical D ata in M arketing R esearch”, en Jou rn al o f M arketing R esearch 23 (agosto de 1986): pp. 213-2717.

Para el uso del análisis factorial en la construcción de mapas espaciales, véase Larry Hasson, “M onitoring Social Change”, en Jou rn al o fth e M arket R esearch Society 3 7 (enero de 1995): pp. 69-80.

1 8 . Jo h n R . Hauser y Frank S. Koppelman, “A lternative Perceptual Mapping Techniques: R elative A ccuracy and Usefulness”, en Journal o f M arketing Research 16 (noviembre de 1979): pp. 4 9 5 -5 0 6 . Hauser y Koppelman llegan a la conclusión de que el análisis factorial es superior al análisis discrim inante. 19 .

Para aplicaciones recientes y aspectos del análisis conjunto, véase R ajeev Kohli y Vijay M ahajan, “A Reservation-Price M odel for Optim al Pricing o f M ultiattribute Products in C on join t A nalysis”, en Jou rn al o f M arketing R esearch 28 (agosto de 1991): pp. 3 4 7 -5 4 ; Paul E. G reen, A bba M. Krieger y M anoj K . Agarwal, “Adaptive C on join t Analysis: Som e Caveats and Suggestions”, en Jou rn al o f M arketing Research 28 (mayo de 1 9 9 1 ): pp. 2 1 5 -2 2 ; y Paul E. G reen y A bba M. Krieger, “Segm enting M arkets W ith C on join t A nalysis”, en Jou rn al o f M ar­ keting 55 (octubre de 1991): pp. 20-31.

20.

Para un panorama gerencial del análisis conjunto, véase Paul E. G reen y Yoram W ind, “New Way to Measure Consumers' Judgm ents”, en H arvard Business Review (julio-agosto de 1975): pp. 107-17.

21.

Para un panorama del análisis conjunto en la m ercadotecnia, véase Paul E. G reen y V Srinivasan, “C on join t Analysis in M arketing: New Developments with Im plications for R esearch and P ractice”, en Jo u rn a l o f M arket­ ing 54 (octubre de 19 9 0 ): pp. 3 -19; y P.E. G reen y V Srinivasan, “C on join t Analysis in Consum er Research: Issues and O utlook”, en Journal o f C onsum er R esearch 5 (septiembre de 1978): pp. 102-23.

22.

Las diversas aplicaciones del análisis conjunto se describen en Philippe C attin y D ick R . W ittin k, “Com m ercial Use o f C on join t Analysis: A Survey”, en Journal o f M arketing 4 6 (Primavera de 1982): pp. 4 4 -5 3 .

23.

D ick R . W ittink y Philippe C attin, “Com m ercial Use o f C onjoint Analysis: A n U pdate”, en Jou rn al o f M arketing 53 (julio de 19 8 9 ): pp. 9 1 -9 7 . Para el uso del análisis conjunto en la m edición de la susceptibilidad al precio, véase “M ulti-Stage C on join t M ethods to Measure Price Sensitivity”, en Saw tooth N ew s 10 (invierno de 199419 9 5 ): pp. 5-6.

24.

Estos tres atributos son un subconjunto de los cinco atributos que utilizan M ichael Etgar y N aresh K . M alhotra, “D eterm inants o f Price D ependency: Personal and Perceptual Factors”, en Jou rn al o f C on su m er R esearch 8 (septiembre de 1981): pp. 217-22.

25.

Gerard H. Loosschilder, Edward Rosbergen, M arco Vriens y D ick R . W ittin k, “P ictorial Stim uli in C on join t Analysis to Support Princing Styling D ecisions”, en Journal o fth e M arket Research Society 37 (enero de 1995): pp.

26.

V éase Sidney Addlem an, “O rthogonal M ain -E ffect Plans for A sym m etrical Factorial Experim en ts”, en Technometrics 4 (febrero de 1962): pp. 21-36; Paul E. Green, “O n the Design o f C h oice Experim ents Involving M ultifactor A lternatives”, en Jou rn al o f C onsum er R esearch 1 (septiembre de 1 9 7 4 ): pp. 6 1 -6 8 ; y W arren F. Kuhfeld, Randall D. Tobias y M ark G arratt, “Efficient Experim ental Designs with M arketing A pplications”, en Journal o f Marketing R esearch 31 (noviembre de 1994): pp. 545 -5 7 .

27.

También son posibles diseños asociados más complejos. V éase H arm en Oppewal, Jordán J. Louviere y Harry J.E Tim m ermans, “M odeling H ierarchical C on join t Processes with Integrated C h o ice Ecperim ents”, en Jou rn al o f M arketing R esearch 31 (febrero de 1 994):p p . 15-27.

28.

A run K. Jain, Franklin A cito, N aresh K. M alhotra y Vijay M ahajan, “A Com parison o f the Internal Validity o f A lternative Param eter Estim ation M ethods in Decom positional M ultiattribute Preference M odels”, en Journal o f M arketing R esearch (agosto de 1979): pp. 313-22.

29.

A run K. Jain, Franklin A cito, N aresh K. M alhotra y Vijay M ahajan, “A Com parison o f the Internal Validity o f A lternative Param eter Estim ation M ethods in Decom positional M ultiattribute Preference M odels”, en Jou rn al o f M arketing R esearch (agosto de 1979): pp. 3 1 3 -2 2 ; y D ick R . W ittink y Philippe C attin, “A lternative Estim a­ tion M ethods for C on join t Analysis: A M onté Cario Study”, en Jou rn al o f M arketing R esearch 18 (febrero de 1 981): pp. 101-6.

30.

W illiam L. M oore, “Levels o f Aggregation in C on join t Analysis: A n Em pirical Comparison”, en Jou rn al o f M ar­ keting R esearch 17 (noviembre de 1980): pp. 516-23.

31.

F.J. C arm on ey P E . Green, “M odel M isspecification in M ultiattribute Parameter Estim ation”, e n jo u m a l o f M ar­ keting R esearch 18 (febrero de 1981): pp. 87-93.

32.

Para una aplicación reciente del análisis conjun to utilizando la regresión O L S, véase Amy O strom y Dawn Iacobucci, “Consum er Trade-O ffs and th e Evaluation o f Services”, en Jou rn al o f M arketing 59 (enero de 1995): pp. 17-28.

33.

N aresh K . M alhotra, “Structural Reliability and Stability o f N onm etric C on join t Analysis”, en Jou rn al o f M ar­ keting R esearch 19 (mayo de 1982): pp. 199-207; Thom as W. Leigh, David B. M acKay y Jo h n O . Summers, “Reliability and Validity of C on join t Analysis and Self-Explicated Weights: A Com parison”, en Jou rn al o f M ar­ keting R esearch 21 (noviembre de 1984): pp. 4 5 6 -6 2 ; y M adhavN . Segal, “Reliability o f C o n join t Analysis Contrasting D ata Collection Procedures”, en Journal o f M arketing R esearch 19 (febrero de 1982): pp. 139-43.

17-34.

34-

D el I. Hawkins, Roger J. Best y Kenneth A. Coney, C onsum er Behavior Implications fo r M arketing Strategy, 5a. edición (Homewood, IL: Richard D. Irwin, 1992): pp. 503-5.

35.

Paul E. G reen y V Srinivasan, “C on join t Analysis in Consum er R esearch: Issues and O utlook”, en Jou rn al o f C onsum er R esearch (septiembre de 1978): pp. 103-23.

36.

Para una exposición de los modelos híbridos, véase Paul E. G reen, “Hybrid Models for C o n join t Analysis: A n Expository Review”, en Jo u m a lo fM a r k e tin g R e s e a r c h U (mayo de 1 9 8 4 ):p p . 155-69.

37.

D iane Schneidm an, “Research M ethod Designed to D eterm ine Price for New Products, Line Extensions”, en M arketing N ew s (23 de octubre de 1987): p. 11.

38.

Diana T Kurylko, “In Europe, Image Is Key”.

39.

David Butler, “T h a i Superconcentrates Foam”, en Advertising A ge (18 de enero de 1993).

40.

R .E . R eidenbach y D.E Robin, “Toward the D evelopm ent o f a M ultidim ensional Scale for Improving Evaluations o f Business Ethics”, en Jou rn al o f Business Ethics 9 (1 9 9 0 ): pp. 639 -5 3 .

41.

A .E M . C oxon, T h e U ser’s G uide to M ultidimensional Scaling (Londres: H einem ann, 1982).

42.

Agradecemos la ayuda de Jam es Agarwal con el ejemplo de investigación de m ercados internacionales, la ayuda de M ark Leach y G ina M iller en la redacción de la sección de ética y la ayuda de M ark Peterson en la redac­ ción de la sección de aplicaciones de computación.

I

P er spec t iv a s p r o fesio n a les L a lógica de las pruebas de significancia estadística M arket Facts, Inc. I n t r o d u c c i ó n __________________________________ Las pruebas de significancia estadística, o “pruebas de hipótesis”, juegan un papel importante en la investigación de mer­ cados. Estas pruebas se llevan a cabo en forma rutinaria con base en las medias de las muestras, las proporciones o porcen­ tajes, los coeficientes de correlación, las diferencias entre las medias o proporciones, etc. Cuando se utilizan en forma apro­ piada, este tipo de pruebas permiten al usuario controlar los riesgos de llegar a conclusiones o deducciones erróneas rela­ cionadas con las características de la población, con base en los datos obtenidos de una muestra representativa. Este informe describe la lógica subyacente a las pruebas de significancia estadística. La comprensión de esta lógica es crucial para intepretar correctamente los resultados de las pruebas y para llegar a deducciones válidas a partir de estos resultados. P anoram a

y e j e m p l o __________________________

La lógica básica que comprende una prueba de significancia estadística puede entenderse mejor en el contexto de un ejem­ plo. Todas las pruebas de significancia comienzan con una pregunta o hipótesis acerca de alguna característica de la población. Por ejemplo, quizás un investigador se interese en si la vida promedio real de una llanta en particular es de 40 000 millas, como afirma el fabricante. En este caso, la población de interés está constituida por todas las llantas del tipo espe­ cífico que produce ese fabricante y la hipótesis que deberá “probarse” es que la vida promedio real es 40 000 millas. La decisión sobre si rechazar o no esta hipótesis se basa­ rá en los resultados que se obtengan de una muestra aleato­ ria de dichas llantas. En este ejemplo, el tamaño de la mues­ tra es 100 llantas. Si la muestra produce una vida promedio “cercana” a las 40 000 millas, existen pocas razones para du­ dar de la validez de la afirmación del fabricante. (Necesaria­ mente, una definición numérica de “cercana” depende de los riesgos de llegar a una conclusión errónea que el investiga­ dor está dispuesto a tolerar, ya sea de rechazar la afirmación si es verdadera o de no rechazarla si es falsa. Estos riesgos se analizan con mayor detalle más adelante.) Por otra parte, si el promedio de la muestra difiere en forma sustancial de las 40 000 millas (un resultado poco probable si la afirmación es verdadera), entonces llegamos a creer que la afirmación es falsa y se rechaza la hipótesis de que la vida promedio real

es de 40 000 millas. En este caso, el investigador llegaría a la conclusión de que el promedio real es menor o mayor que 40 000 millas, dependiendo de los resultados que se observen en la muestra. Este ejemplo se utilizará en todo este informe para ilus­ trar los puntos específicos respecto de la lógica que compren­ den las pruebas de significancia. Aunque este ejemplo per­ tenece a una hipótesis de la media de una población, una lógica similar se aplica también a otras situaciones, como las pruebas sobre proporciones, correlaciones, diferencias entre las medias, etcétera.

H ip ó t e s is

n u l a y a l t e r n a t i v a _______________

Como ilustra el ejemplo anterior, el problema que incluye una prueba de significancia es de elección entre dos hipótesis res­ pecto al valor de la población en cuestión. La hipótesis que en realidad se prueba se conoce con frecuencia como “hipó­ tesis nula” y se indica con Ho (El término nula se utiliza con regularidad porque la hipótesis afirma que la media, propor­ ción, correlación, diferencia, etc., de la población no difiere del valor establecido.) En el ejemplo, la hipótesis nula es Ho: /ti = 40 000 (o Ho: fj, - 40 000 = 0), donde ¡x indica el prome­ dio de la población. Para el propósito de la prueba, se supone que esta hipótesis es verdadera. La hipótesis alternativa, que se indica con Ha, es aque­ lla que se aceptará si se rechaza la hipótesis nula. La hipótesis alternativa puede ser no direccional (por ejemplo, HA: ¡x * 40 000) o direccional (por ejemplo, Ha : /x < 40 000), depen­ diendo de la naturaleza de la pregunta que debe responderse. Es importante hacer notar que la hipótesis alternativa debe especificarse antes de revisar los datos de la muestra a fin de que los riesgos, previamente especificados, de llegar a una conclusión errónea sean válidos. Una alternativa no direccional permite que el usuario rechace la hipótesis nula si los resultados de la muestra difie­ ren del valor hipotético en cualquier dirección. En el ejem­ plo, la media de una muestra que es bastante menor o mayor que 40 000 puede llevar al rechazo de HoCuando se especifica una alternativa direccional, la hi­ pótesis nula puede rechazarse sólo si el resultado de la mues­ tra está en la dirección que especifica HA. En el ejemplo, si la afirmación del fabricante fuera que las llantas duran por lo menos 40 000 millas, sería apropiado especificar la hipó­

tesis alternativa como H^: ¡x < 40 000. En este caso, la hi­ pótesis nula podría establecerse como Ho: ¡x = 40 000. Nó­ tese que, en esta situación, no puede rechazarse la hipótesis nula si el promedio de la muestra es mayor que 40 000, sin importar la magnitud de la diferencia. Es decir, el investiga­ dor se ve forzado a ignorar cualquier diferencia en la direc­ ción no anticipada, sin importar el tamaño. Si la media de la muestra en el ejemplo resultara ser de 67 400 millas, muchos investigadores encontrarían difícil resistirse a la conclusión de que el promedio real es mayor que 40 000 millas, aun cuando esta conclusión no está garantizada si la hipótesis alternativa es H^: fx < 40 000. El tema de las pruebas de hipótesis direccionales en comparación con las no direccionales se analiza más adelante al final de este reporte.

T

i p o s d e e r r o r e s d e d e c i s i ó n ________________

Ya que la hipótesis nula es una afirmación acerca de una característica de la población, nunca sabremos, con base en los resultados de la muestra, si es verdadera o falsa. Por tanto, corremos el riesgo de rechazar la hipótesis nula si es verdadera o de no rechazarla si es falsa. No sabremos si se comete un error, pero el riesgo puede controlarse; el propósito de una prueba de significancia es controlar este riesgo. Los resultados posibles de una prueba de significancia estadística se presentan en la ilustración 1. Si la hipótesis nula es verdadera y la muestra produce un valor que difiere en forma sustancial del valor que se supone en Ho (es decir, un resultado que es poco probable si Ho es verdadera), se rechaza Ho y se comete un error tipo I. El riesgo de come­ ter este tipo de error se conoce como nivel de importancia de la prueba y se indica con a . El investigador establece el riesgo máximo tolerable de cometer este tipo de error. Des­ pués de llevar a cabo los cálculos de la prueba de significancia, el investigador también puede asegurar el riesgo real de cometer un error tipo I. Conforme se reduce el riesgo actual del error tipo I, el investigador confía más en que Hq debe rechazarse. Si el riesgo real es menor que el riesgo máximo, especificado en forma previa, se rechaza Ho; de otra manera, no se rechaza. En el ejemplo, si el in­ vestigador adoptara un nivel de riesgo máximo dea = 0.05, habría cuando mucho un riesgo de 5% de obtener un pro­ medio de la muestra que llevara al rechazo de Hq: ¡x = 40 000 si, realmente, Ho es verdadera. En otras palabras, H q se rechazaría sólo si el promedio obtenido de la mues­ tra se encuentra entre el 5% más extremo que se espera, si Ho es verdadera. Si la hipótesis nula es verdadera y se obtiene un resul­ tado de la muestra “cercano” al valor que especifica Ho, ésta no se rechaza, es una decisión correcta. La probabili­ dad de que esto suceda es la probabilidad de que no se co­

meta un error tipo I, o 1 - a . En el ejemplo, la probabili­ dad es 0.95 de que Ho: /ti = 40 000 no se rechace si es verdadera. Cuando la hipótesis nula es falsa pero el valor de la muestra no difiere sustancialmente del valor supuesto, no se rechaza Ho, éste seria un error tipo II. La probabilidad real de cometer este tipo de error (que se indica con ¡i) de­ pende del tamaño de la diferencia entre el valor real de la población y el valor que se supone en la hipótesis nula. Esta diferencia se conoce como tamaño del efecto.1 Cuanto más grande sea el tamaño del efecto, menor será el riesgo de un error tipo II (es decir, no detectar la diferencia). En el ejem­ plo, es menos probable que el investigador obtenga una media de la muestra cercana a 40 000 si el promedio real es 50 000, que si es 41 000. Nótese que ya que se desconoce el valor real de la población, la probabilidad real de cometer un error tipo II también se desconoce, aunque puede calcu­ larse para diversos tamaños del efecto específicos. En el ejem­ plo, podríamos calcular el riesgo de un error tipo II al supo­ ner que el tamaño del efecto es 1 000 millas, 2 000 millas y así sucesivamente. Por último, si la hipótesis nula es falsa y se rechaza, se toma una decisión correcta. El poder de la prueba representa la probabilidad de detectar la diferencia cuando en reali­ dad existe. Es la probabilidad de no cometer un error tipo II, o 1-/3. Ya que se desconoce la probabilidad real de un error tipo II, también se desconoce el poder real, aunque puede calcularse para los diversos tamaños del efecto de la deci­ sión. T

o m a d e u n a d e c i s i ó n ________________________

La decisión sobre si rechazar o no la hipótesis nula se basa en la probabilidad de obtener un resultado de la muestra por lo menos tan extremo como el resultado que se obtiene en rea­ lidad, con la suposición de que la hipótesis nula es verdadera. En el ejemplo, si la vida media para la muestra de 100 llantas es de 41 200 millas (suponiendo una prueba no direccional), la pregunta es: “¿Cuál es la probabilidad de obtener un pro­ medio de la muestra que difiere de 40 000, por lo menos 1 200 millas, dado que no se espera ninguna diferencia?” Dicho de otra manera: “¿Cuál es la probabilidad de obtener un prome­ dio de la muestra < 38 000 o > 41 200 si el promedio real es 40,000?” Si el promedio de la muestra obtenida se encuentra entre el 5% más extremo que se podría esperar, suponiendo que Hq es verdadera, se rechazará Hq.

1 Con frecuencia, el “tam año del efecto” se define en térm inos de las unidades de desviación estándar, en lugar de la escala original (millas, en el ejem plo). Sin embargo, para los propósitos de este informe, la diferencia no es importante.

DECISIÓN Hq se rechaza

Hq no se rechaza

Ho es verdadera

Probabilidad del error tipo I = a (Nivel de importancia)

Probabilidad de la decisión correcta = 1 - a

Hqes falsa

Probabilidad de la decisión correcta = 1 - / 3 (Poder de la prueba)

Probabilidad del error tipo II = /?

Situación real

Para responder esta pregunta, debemos determinar la verar que una media en este extremo ocurriría con una pro­ distribución de las medias de muestras aleatorias de 100 con babilidad de 0.018 aproximadamente, o 18 veces en 1 000 la suposición de que Ho es verdadera. En este caso, la teoría muestras, si Ho es verdadera. Por consiguiente, el riesgo real estadística indica que la distribución de las medias de las de un error tipo I (rechazar Hq si es verdadera) es 0.018. La muestras es aproximadamente normal con una media de conclusión de que Ho debe rechazarse generalmente se esta­ blecería a través de la hipótesis de que la diferencia entre la 40000 y una desviación estándar igual, a la desviación están­ dar de la población (a) dividida entre la raíz cuadrada del media de la muestra y la media hipotética es significativa “en tamaño de la muestra. Esta cantidad, o / J H , se conoce como el nivel 0.018”, o “con al menos 98.2% de confianza”. En el error estándar de la media. (El error estándar es una medi­ general, el nivel de confianza es 100 X (1 - riesgo de error da de la “incertidumbre” que se tiene acerca del valor real de tipo I). Debemos hacer notar que existe una correspondencia la población; cuanto más grande sea el tamaño de la mues­ tra, menos incertidumbre tendremos.) Cuando se desconoce directa entre las pruebas de significancia estadística y los in­ tervalos de confianza. Un intervalo de confianza especifica la desviación estándar de la población, la(s) desviación (es) estándar de la muestra puede (n) utilizarse como un estima­ un rango, que se toma del valor de una muestra, dentro del do. Si la desviación estándar de la muestra es 5 000 millas, el que se espera esté el valor real de la población con algún gra­ error estándar de la media (es decir, la desviación estándar do de confianza seleccionado. En forma específica, si una di­ estimada de las medias de las muestras de 100) es 5 000/ ferencia es estadísticamente importante en el nivel a (utili­ zando una prueba no direccional), entonces un intervalo de VT00 = 500. Con la media y el error estándar de la distribu­ ción de las medias de la muestra (40 000 y 500, res­ pectivamente), puede utilizarse una distribución t con Ilustración 2 n - l grados de libertad para determinar la probabili­ L a hipótesis nula es verdadera dad asociada con el resultado de la muestra. En este caso, si Ho es verdadera, 95% de las medias de la muestra caerán entre 40 000 ± 1.98 errores están­ dar, es decir, entre 40 000 ± 1.98 X 500 = 40 000 ± 990 millas, donde 1.98 es el valor t para 99 grados de libertad. De modo que, dado un riesgo máximo de error tipo I de 5%, cualquier media de la muestra < 3 9 0 1 0 o > 40 990 llevaría al rechazo de la hipó­ tesis nula. (Esta región de rechazo se muestra en la ilustración 2.) Ya que la media de la muestra obteni­ da se encuentra entre éstos, Hq puede rechazarse. En este caso, la media real de la muestra se encuentra 1 200/500 = 2.4 errores estándar arriba de 40 000. (40 000) A partir de una tabla de distribución t, podemos ase­

7-x 732 *'■. ‘j.7 ':k . 5 c*'í&

confianza de 100 (1 - a ) por ciento que se toma del valor de una muestra no comprenderá el valor hipotético de la pobla­ ción. En el ejemplo de las llantas, la diferencia entre la media de la muestra de 41 200 y la media hipotética de 40 000 es significativa en el nivel 0.05, de modo que un intervalo de confianza de 95% tomado de 41 200 no incluirá 40 000. Un intervalo de confianza de 95% para el ejemplo se extendería de (41 200 - 990) a (41 200 + 990), o de 40 210 a 42 190 millas. Cuando la hipótesis nula se ocupa de una característica de la población que no es una media (como la proporción o correlación de la población), el planteamiento es similar. Se calcula la estadística apropiada de la muestra y la teoría esta­ dística depende de que se determine la naturaleza de la dis­ tribución de esa estadística en muestras aleatorias repetidas, suponiendo que Hq es verdadera. I l u s t r a c ió n

g r á f ic a d e u n a p r u e b a

DE SIGNIFICANCIA_______________________________ Todos los conceptos que participan en una prueba de significancia (riesgos de error, poder, etc.) se muestran en las ilustraciones 2 y 3. Estas cifras se aplican en forma específica al problema para probar la hipótesis nula que dice que la media de la población es igual a algún valor específico, como en el ejemplo que se considera. Sin embargo, podrían hacerse grá­ ficas análogas para ilustrar las pruebas que se ocupan de las correlaciones, proporciones, varianzas, diferencias entre las medias, etc. La ilustración 2 representa el caso en que la hipótesis nula es verdadera y la ilustración 3 el caso en que es falsa. Las regiones de rechazo que se muestran en estas cifras se aplican al caso en el que se especifica una hipótesis alter­

nativa no direccional. Los números entre paréntesis perte­ necen específicamente al ejemplo de la vida de las llantas. En la ilustración 2, la hipótesis nula es verdadera, de modo que la distribución hipotética de las medias y la distri­ bución real de la muestra son iguales. Como dijimos, esta dis­ tribución es normal, con media = ¡x y desviación estándar = (j/ypñ. Para un riesgo de error tipo I de a = 0.05, la región de rechazo (sombreada) incluiría las medias de la muestra de 5% extremas. Nótese que con una prueba no direccional, el riesgo total de error tipo I se dividide entre los dos extremos (por lo general, en forma equitativa como se muestra, con a /2 en cada extremo). Si se especificara un riesgo más severo de error tipo I (por ejemplo, a = 0.01 ), las líneas de decisión serían 0.01 (con 0.005 en cada extremo). En la ilustración 3, la hipótesis nula es falsa, de manera que en realidad hay dos distribuciones de la muestra que de­ ben considerarse. La distribución hipotética de las medias de la muestra se centra en la media hipotética, ¡x (40 000 en el ejemplo), pero la distribución real (verdadera) de la muestra se centra en la media real de la población, jxK!¿. En la prácti­ ca, este valor se desconoce, como dijimos, el poder real y el riesgo de error tipo II también se desconocen. Para este ejem­ plo, supondremos que la vida real promedio para el tipo de llanta en cuestión es 41 100 millas, como se muestra en la figura. Por consiguiente, el tamaño real del efecto en este caso es 41 1 0 0 - 4 0 000 = 1 100 millas. Las líneas de decisión en la ilustración 3 son las mismas que aquellas de la ilustración 2 , ya que se determinan al su­ poner que la hipótesis nula es verdadera. Sin embargo, cuan­ do Ho es falsa, más de 5% de las muestras, que podríamos tomar, tendrían medias que caerían en la región de rechazo. La probabilidad real de rechazar la hipótesis nula (es decir, el

Ilustración 3 L a hipótesis nula es falsa

(40 000)

y*, real (41 100)

poder de la prueba) es la proporción de la distribución real de la muestra que cae en la región de rechazo. Esta es el área sombreada de la ilustración 3. Para los datos del ejemplo, el poder real de la prueba es la proporción de la distribución real que se encuentra a la derecha de 40 990 millas (más la proporción insignificante que se encuentra a la izquierda de 39 010 millas). El valor, 40 990, está 0.22 errores estándar debajo de la media real de 41 100; utilizando una tabla de distribución t, podemos determinar que 59% de la distribu­ ción real se encuentra a la derecha de este valor. Por consi­ guiente, el poder real es 0.59. Si la media de la población es 41 100 millas y la desviación estándar es 5 000 millas, las pro­ babilidades son aproximadamente 6 de 10 de que se obtenga una media de la muestra que difiera significativamente de 40 000. El riesgo real de error tipo II es 1 - 0.59 = 0.41. Ésta es la probabilidad real de no rechazar la hipótesis nula cuan­ do debería rechazarse. Errores

t ip o

I en

CON ERRORES TIPO

c o m p a r a c ió n

II___________________

Para un tamaño de muestra determinado, existe un intercam­ bio entre los riesgos de cometer un error tipo I y un error tipo II. Específicamente, adoptar un riesgo menor de error tipo I hace que aumente el riesgo de error tipo II y viceversa. En las ilustraciones 2 y 3, la reducción del riesgo de error tipo I re­ presenta mover las líneas de decisión más adelante de 40 000 haciendo que las regiones de rechazo (y, por tanto, el poder) sean menores. Por el contrario, permitir un mayor riesgo de error tipo I mueve las líneas de decisión más cerca de 40 000, incrementando así el tamaño de la región de rechazo (y el poder) y reduciendo el riesgo de un error tipo II. Existe una forma de reducir el riesgo de un error tipo II sin incrementar el riesgo de un error tipo I: aumentar el ta­ maño de la muestra. El efecto que provoca el incremento en el tamaño de la muestra es la reducción de la incertidumbre que tenemos acerca del valor de la población. Como señala­ mos antes, el error estándar, que determina la anchura de las distribuciones en las ilustraciones 2 y 3, proporciona una medida de esta incertidumbre. Por consiguiente, en estas re­ presentaciones, las distribuciones se hacen más angostas con­ forme aumenta el tamaño de la muestra. Si el tamaño de la muestra en el ejemplo se incrementara de 100 a 400, el error estándar de la media se reduciría a la mitad (de 500 a 250) sin afectar el riesgo de un error tipo I. Con un tamaño de muestra de 400, el valor t que correspon­ de al riesgo de un error tipo I de 5% es 1.96. Por consi­ guiente, la región de rechazo consiste en todos los valores que se encuentran a por lo menos 1.96 errores estándar, o 1.96 x 250 = 490 millas, de 40 000; es decir, todos los valo­ res abajo de 39 510 y arriba de 40 490 millas. El poder de la prueba sería la proporción de la distribución real de la mues­ tra que se encuentra en este rango, que es 0.99 aproximada­

mente, de modo que el riesgo de cometer un error tipo II se reduciría de 0.41 a 0.01. Ya que el tamaño de la muestra afecta el poder, es con­ veniente considerarlo al decidir el tamaño de la muestra que va a utilizarse. Aun cuando se desconocerá el poder real, po­ demos determinar el tamaño necesario para alcanzar algún grado de poder deseado para el menor tamaño del efecto que se considere que tiene alguna importancia práctica. Una muestra demasiado pequeña tendrá poder insuficiente para detectar un tamaño del efecto de interés, mientras que una muestra demasiado grande puede llevar a efectos triviales considerados estadísticamente significativos y con altos gra­ dos de confianza. C

o m p a r a c ió n e n t r e p r u e b a s

DIRECCIONALES Y NO DIRECCIONALES_________ En el ejemplo de las llantas, una hipótesis direccional es ra­ zonable si el fabricante afirma que están diseñadas para durar por lo menos 40 000 millas y esta afirmación se basa en los atributos físicos de la llanta (composición del hule, profundi­ dad del dibujo, etc.). Sin embargo, en la mayor parte de las situaciones de investigación de mercados, es difícil predecir la dirección de una diferencia antes de recopilar los datos de la muestra. Esto se debe a que, por lo regular, los datos constitu­ yen las actitudes y percepciones de los productos por parte de los entrevistados, en lugar de las características físicas de los productos mismos. Por ejemplo, en las pruebas de prefe­ rencias, los consumidores no están limitados a favorecer un producto respecto a otro, incluso si uno es una versión “mejorada” del otro. Un usuario de datos, que desea cambiar al “nuevo” producto sólo demostrando que existe mayor pre­ ferencia, puede especificar la hipótesis alternativa de que la preferencia por el producto mejorado es mayor que la del ori­ ginal. Sin embargo, otro usuario de los datos quizá desee cam­ biar al producto nuevo y sólo lo podrá hacer si demuestra que existe menor preferencia que el producto original, que corres­ pondería a la hipótesis alternativa de que la preferencia por el producto original es mayor. La única forma de manejar esta­ dísticamente ambas preguntas es especificar la hipótesis no direccional de que los productos no tienen igual preferencia. En la mayor parte de las situaciones se recomiendan las prue­ bas no direccionales ya que permiten al usuario mayor fle­ xibilidad en términos de las deducciones a las que puede llegarse. S ig n if ic a n c ia

e s t a d ís t ic a c o m p a r a d a

CON SIGNIFICANCIA PRÁCTICA__________________ Es importante reconocer que la “significancia estadística" de un efecto no tiene nada que ver con su “significancia prácti­ ca” o “importancia”. La significancia estadística se basa úni­ camente en las leyes de la probabilidad; un efecto estadísti­

camente importante es simplemente aquel que es “raro” si la hipótesis nula es verdadera. Como indican los comentarios de la sección anterior, la significancia estadística de un efec­ to es en gran medida una función del tamaño de la muestra; dada una muestra suficientemente grande, cualquier diferen­ cia, sin importar el tamaño, puede declararse “estadística­ mente significante”. El tamaño de una diferencia “significante en el aspecto práctico” debe determinarse sin recurrir a con­ sideraciones estadísticas, y la respuesta puede variar con cada

investigador. Sin embargo, una vez que se define el tamaño de una diferencia “significante en el aspecto práctico”, po­ demos utilizar esta definición para determinar el tamaño de la muestra que asegure un. poder adecuado al detectar las di­ ferencias reales de ese tamaño o mayores. Este m aterial es una reproducción de R esearch on R esearch, informe número 36 de M arket Facts, Inc., con autorización. La com pañía pue­ de proporcionar una copia del mismo.

Equilibrio de la confianza y el poder de la toma de decisiones Market Facts, Inc. I n t r o d u c c i ó n __________________________________ Las pruebas de las preferencias del consumidor se realizan para reducir riesgos para el fabricante. La formulación de un nuevo producto puede compararse con un producto existen­ te mediante el uso de este tipo de pruebas, que servirán para “mejorar” la línea de productos. La mejora puede venir de la utilidad incrementada, la participación existente o el aumen­ to de la participación. Inherente a cualquier cambio del pro­ ducto se encuentra la probabilidad de que esta modificación vaya en detrimento del fabricante. El fabricante corre el ries­ go de una pérdida en las ventas si el producto nuevo es peor que el actual. Por el contrario, existe el riesgo de perder la oportunidad de incremento en la utilidad si no se produce un producto más barato, aunque con una preferencia equita­ tiva. Por desgracia, los análisis estadísticos que se llevan a cabo, con los datos de las pruebas del producto, casi nunca toman en cuenta estos riesgos. Este informe presenta el ejem­ plo de una prueba de producto, que relaciona los riesgos monetarios con los niveles de significancia y poder de la prue­ ba de las preferencias por el producto. E je m p l o __________________________________________ Considere un fabricante que planea poner a prueba las prefe­ rencias del consumidor por dos productos: A, actualmente en el mercado, y B, una variación más barata de A. Si la gerencia puede fabricar el producto B sin afectar la franquicia de 100 millones de dólares, que se basa en las ventas del producto A, se ahorrará 1 millón de dólares al año en costos de produc­ ción. El objetivo de la prueba de las preferencias es determinar si el producto B tiene una preferencia por lo menos igual a la del producto A; la gerencia fabricará el producto B si su prefe­ rencia es por lo menos igual a la del producto A. Se aplicará una prueba a los consumidores, a fin de eva­ luar la diferencia en las preferencias. Los consumidores pro­ barán ambos productos y después se les pedirá que expresen sus preferencias, por el producto A o B. (Para simplificar la

exposición, no se permitirá una respuesta de “ninguna prefe­ rencia”.) Se comparará la proporción de entrevistados que prefieren cada uno. R

e s u l t a d o s _____________________________________

Una comparación de las proporciones de las preferencias pro­ duce tres resultados posibles: B es peor que A, B es mejor que A o los dos productos tienen igual preferencia. Sin embargo, el fabricante decidió introducir el producto B ya sea que la prueba indique que B tiene mayor preferencia que A o que no hay diferencia entre ambos. Por tanto, la producción fu­ tura para el fabricante puede determinarse al combinar estos resultados de modo que sólo es necesario considerar dos re­ sultados al realizar la prueba de significancia estadística: ( 1 ) B es peor que A contra (2) B es igual o mejor que A. En la teoría estadística, estos resultados se conocen como la hipó­ tesis alternativa y la hipótesis nula, respectivamente. Ade­ más, los resultados que van a probarse corresponden a una prueba de significancia unidireccional. Estas hipótesis pue­ den tomarse como conjeturas respecto a cómo se comparan realmente los productos entre todos los miembros de la po­ blación para los que se harán deducciones acerca de la prue­ ba del producto. Estas situaciones de la población tienen re­ ferencias cruzadas en los posibles resultados de la muestra de la tabla 1. Nótese que el efecto de la variabilidad de la mues­ tra puede llevar al fabricante a una conclusión diferente de la que debe obtener.

Errores

d e d e c i s i ó n ___________________________

Ya que la decisión del fabricante de reemplazar el producto A con el B se basará en los datos obtenidos de una muestra, existen elementos de riesgo, o error, relacionados con la in­ terpretación de los resultados de la prueba. Específicamente, hay dos errores que pueden cometerse, tipo I y tipo II, como se indica en la tabla.

Resultado de la muestra Situación de la población

B es peor que A (el fabricante se queda con A)

B es mejor o igual que A (el fabricante introduce B)

B es mejor o igual que A

Pierde la oportunidad de ahorrar 1 millón de dólares al año (error tipo I) Se protege de la introducción del producto con menor preferencia (decisión correcta)

Ahorra 1 millón de dólares al año (decisión correcta) Ahorra 1 millón de dólares al año y corre el riesgo de afectar la franquicia (error tipo II)

B es peor que A

El error tipo I se comete si los resultados de la prueba indican que el producto A tiene mayor preferencia que el B aunque en realidad, el producto B tiene mayor preferencia o no hay diferencia en las preferencias (es decir, se considera que el producto B tiene preferencia por lo menos igual a la del producto A), entonces se cometió un error tipo I. El cos­ to de este error puede ser más serio. Aquí, la gerencia ahorra­ rá 1 millón de dólares al año en costos de producción, es pro­ bable que las ventas bajen con la introducción del producto que tiene menor preferencia. Por ejemplo, si el fabricante ex­ perimentó una baja en las ventas de 4%, la pérdida será de 4 millones de dólares, aproximadamente, con base en la fran­ quicia de 100 millones de dólares. En esta situación, un error tipo II es más costoso que un error tipo I. Por desgracia, muchos investigadores no toman en cuen­ ta las pérdidas relacionadas con los errores tipo I y tipo II. Por lo regular, un fabricante llevará a cabo una prueba de pro­ ducto y aplicará una regla de decisión en el nivel del 95% para interpretar los resultados de la prueba. Este nivel tan alto de confianza limita el riesgo del error tipo I en un 5%. Sin embargo, no se toma en cuenta el error tipo II, que en este caso puede ser más costoso.

E je m p l o

r e v i s a d o ______________________________

Suponga que el fabricante tiene un presupuesto que permite una muestra de 200 consumidores para la prueba de produc­ to. Además, la gerencia está dispuesta a considerar que A y B tienen una preferencia casi igual, incluso si la preferencia por B es 10 puntos porcentuales más baja que A. Si 55% de los consumidores prefieren el producto A, 45% deben prefe­ rir el producto B (suponiendo que no se permite una res­ puesta de “ninguna preferencia”). Con un tamaño de muestra determinado, existe un in­ tercambio entre los riesgos de cometer un error tipo I y un error tipo II. Específicamente, para que disminuya el riesgo

del error tipo II, debe aumentar el riesgo del error tipo I y viceversa. Para una diferencia determinada en el interés, la única forma de reducir el riesgo del error tipo II, sin afectar el riesgo del error tipo I, es aumentar el tamaño de la muestra. Sin embargo, en esta situación (así como en muchos estudios de investigación), las restricciones monetarias impiden que el fabricante se dé este lujo. Dadas estas limitaciones, el poder de la prueba puede determinarse en forma estadística para diversos niveles de confianza por medio del uso de tablas de poder que se en­ cuentran en muchos libros sobre estadística. Regresando al ejemplo, si la gerencia elige el nivel de confianza típico de 95%, el poder de la prueba es sólo 42%. Es decir, si las pro­ porciones reales de la población para A y B son 0.55 y 0.45, respectivamente (para una diferencia de 10 puntos porcen­ tuales), y se utiliza la confianza de 95%, la diferencia se detectará y considerará significativa sólo 42% de las veces en muestras y pruebas repetidas con 200 consumidores de la misma población. En otras palabras, es difícil que la gerencia detecte una diferencia real de 0.10. Al considerar el gran ries­ go monetario relacionado con un error tipo II, conviene a la gerencia incrementar el poder. (Nótese que una diferencia entre las proporciones de la preferencia por el producto de 0. 10 , como se considera aquí, es mucho más grande de la que desea la mayoría de los investigadores. Aún así, el poder, la capacidad de detectar una diferencia de esta magnitud, es poco.)

P o d e r ____________________________________________ Como dijimos, para una diferencia y nivel de confianza da­ dos, el poder puede incrementarse (reducción del riesgo de error tipo II) con el aumento del tamaño de la muestra. Aun­ que, en este ejemplo, el tamaño de la muestra está limitado por el presupuesto. Como consecuencia, el poder de la prue­ ba sólo puede incrementarse al reducir el nivel de confianza.

Nivel de confianza (1 - error tipo I)

Podera (1 - error tipo II)

95% 90% 80% 60%

42% 53% 72% 88%

forme el poder aumenta. Para que la gerencia aumente el poder de la prueba a 88%, debe utilizarse un nivel de con­ fianza de 60% al probar la diferencia entre las proporciones de las preferencias. Este nivel de confianza es bastante más bajo que la regla típica del 95%. No obstante, el poder más alto relacionado con este nivel de confianza protegerá al fa­ bricante de arriesgar las ventas al introducir un producto “con preferencia mayor o igual” que, en realidad, tiene menor pre­ ferencia. De manera específica, con esta elección de confianza y poder, la gerencia consideraría que el producto A tiene mayor preferencia si la proporción que lo prefiere fuera ma­ yor que la del producto B y la diferencia fuera significativa con una confianza de 60% por lo menos.

a C o n b a se e n N = 200, diferencia = 0 .1 0

Para ilustrar esto, la tabla 2 presenta el poder relacionado con diversos niveles de confianza (dadas las restricciones que estudiamos antes). Al revisar esta tabla, el intercambio entre las dos proba­ bilidades, se hace evidente que la confianza se sacrifica con­

Este material es una reproducción de R esearch on Research, informe número 43 de M arket Facts, Inc., con autorización de la compañía. La empresa puede proporcionar una copia de este informe.

Una alternativa para la media Market Facts, Inc.

I n t r o d u c c i ó n __________________________________ Por lo general, la información sobre una población de interés se recopila al tomar una muestra de esa población. La distri­ bución de las respuestas de la muestra a una variable de inte­ rés se utiliza como una aproximación de la distribución de la población. Por lo regular, se calcula la media de la muestra, o respuesta promedio, y sirve como un estimado de la media real de la población. Así, esta estadística se considera como el valor que tipifica, o caracteriza, a la población de interés. Aunque esta práctica, en donde se depende de la media de la muestra para representar la población, es muy común, hay casos en los que no debe confiarse en la media. Este informe analiza el uso de una estadística alternativa y la mediana de la muestra, para esos casos.

E je m p l o

d e l c o n s u m o d e b e b i d a s ____________

Se tomó una muestra de los consumidores de cierto tipo de bebida de Market Facts’ Consumer Mail Panel, a fin de estu­ diar la cantidad de bebida que se consume. Se preguntó a los consumidores: “¿Cuántos vasos o copas de la bebida ha con­ sumido, tanto en casa como fuera de ésta, en los últimos sie­ te días?” El consumo promedio en la muestra durante ese periodo fue de 11.6 copas o vasos. La distribución de las 682 respuestas que se obtuvieron se muestra en la figura 1. Esta

sirve como una aproximación de la distribución del consumo para toda la población de consumidores. La distribución de la frecuencia es asimétrica. El extre­ mo de la distribución del lado derecho del trazo es muy pro­ nunciado, en comparación con el extremo del lado izquier­ do. Se conoce como distribución asimétrica, en este caso sesgada a la derecha, o con sesgo positivo, ya que el extremo más pronunciado se encuentra a la derecha o se extiende en la dirección de los valores positivos más altos. En esencia, existen unas cuantas observaciones muy altas, que no concuerdan con un número correspondiente de observaciones muy bajas, que den lugar a esta asimetría.

L A MEDIA: ¿UN VALOR TÍPICO?__________________ Un histograma de la distribución de la frecuencia de la mues­ tra (como el que se presenta en la figura 1 ) puede considerar­ se como un resumen “completo” de la información obtenida de la muestra, acerca de la variable de interés. La media de la muestra es una estadística descriptiva que regularmente puede proporcionar un resumen más conciso, o conveniente; la media de la muestra sirve como un estimado o medida de la ubicación del centro de la población. Como tal, la media se considera como el valor que caracteriza, o resume, mejor los valores de todos los entrevistados en la población (y, de manera más inmediata, de la muestra) sobre esa variable. La

Figura 1

300 i Mediana = 7

Distribución de frecuencia en el consumo de bebidas

Media = 11.6

200

100

r 0

5

10

15

20

25

30

35

40

45

50

55

60

65

70

75

i

□ 80

85

Consumo durante los últimos siete días

media puede servir también como un “valor esperado”: si no se cuenta con ninguna otra información sobre un miembro de la población de interés, la media puede ser la mejor aproxi­ mación del investigador al valor real de ese miembro.1 Como ya señalamos, la media representa el centro de las observaciones en la muestra o población. Para ilustrar lo an­ terior, presentamos un histograma de los equilibrios de distri­ bución de la frecuencia cuando se respaldan con la media. Si la distribución es normal (simétrica y en forma de campana) 0 sólo simétrica y de un modo, la media de las observaciones se encuentra en medio de la distribución, en la mayor con­ centración de observaciones, y puede considerarse en forma legítima como el valor típico. Con mucha frecuencia, la me­ dia de la muestra es útil como valor típico o representativo, ya que la distribución que se maneja en la práctica casi nun­ ca difiere en gran medida de la que tiene forma de campana. Sin embargo, ciertos tipos de datos que recopilan los investigadores de mercados tienden a presentar un extremo pronunciado a la derecha o a la izquierda. Esas distribuciones

1 La media es la mejor aproximación si el investigador elige reducir los errores cuadrados (véase la tabla 1), como la varianza de la muestra (s2).

asimétricas se encuentran cuando se manejan preguntas del consumo (por lo general con pocos entrevistados que consu­ men cantidades relativamente grandes del producto de inte­ rés), la frecuencia de uso del producto, el ingreso, etc. En general, cualquier variable que tenga un límite fijo, ya sea superior o inferior, tenderá a presentar una distribución asi­ métrica. Si una distribución de un modo tiene un sesgo muy marcado, la utilidad de la media se reduce; es decir, la media ya no sirve como resumen o valor típico más razonable.2 Para ilustrar lo anterior, considere primero una muestra muy pequeña (n = 5) de consumidores de la bebida, cuyos datos de consumo se presentan en la tabla 1. El consumo medio fue de 16.4 copas o vasos. Nótese, sin embargo, que la exclusión del quinto entrevistado reduciría en forma dramá­ tica la media a un valor de 5.5 durante siete días, que es un valor mucho más cercano a la mayor parte de las observacio­ nes y, por tanto, más representativo. La media es muy sensi-

2 Es probable que la media tam bién tenga una utilidad dudosa si la distribución es de modos múltiples. Sin embargo, una exposición más detallada y una alternativa en esos casos van más allá del objetivo de este docum ento.

Datos de la muestra pequeña en el consumo de bebidas

Entrevistado

1 2 3 4 5

Consumo durante los últimos siete días

0 5 7

10 60

DIFERENCIA ABSOLUTA DE LA

DIFERENCIA CUADRADA DE LA

Media (16.4)

Media (16.4)

16.4 11.4 9.4 6.4 43.6 87.2

ble a la tasa de consumo extrema que reporta el quinto en­ trevistado, haciendo que se convierta en un valor más alto y poco representativo. En general, la media es muy sensible a las observaciones extremas. Regresando al ejemplo original, el extremo derecho pro­ nunciado (asimetría) de la distribución tiene el mismo efec­ to en la media que la tasa de consumo extrema que reporta el quinto entrevistado en la muestra pequeña que estudiamos (tabla 1). La media es muy sensible a la presencia de datos en esos extremos tan marcados y se cambia (jala) en dirección de los valores extremos, comprometiendo el papel común de la media como valor típico. En este caso, como sucede siem­ pre con las distribuciones que tienen sesgos positivos, la me­ dia es un valor más alto que el que se consideraría como típi­ co, o resumen exacto, de la mayor parte de los datos. De modo que no se aconseja el uso de la media de la muestra como un estimado del valor “representativo” o típico.

U N A ALTERNATIVA: LA MEDIANA_______________ La mediana es otra estadística descriptiva que puede propor­ cionar un resumen conciso de la ubicación para una muestra y una población. La mediana se define como el valor (en una lista ordenada) que tiene un número igual de respuestas en cualquiera de sus lados, o como el valor relacionado con el entrevistado en el “punto intermedio” (50° percentilio) de la distribución. De modo que la mediana divide la distribución de la frecuencia en dos y, por esta razón, tiene un atractivo intuitivo como indicador de la ubicación. Por su definición, la mediana recibe mucho menos in­ fluencia por parte de los valores extremos que la media. Los valores de la muestra se clasifican, en un principio, con la observación intermedia definida como la mediana. El extre­ mo pronunciado de una distribución asimétrica corresponde

Mediana (7) 7

2 0 3 53 65

268.96 129.96 88.36 40.96 1900.96 2429.20

Mediana (7) 49 4

0 9 2809 2871

a la observación clasificada más alta (o más baja), que ignora en gran medida que estas observaciones son extremas. Ya que las clasificaciones no ofrecen ninguna indicación con res­ pecto del tamaño de las diferencias entre los valores de los datos, las observaciones extremas tienen poco efecto en la mediana. Regresando al ejemplo, el consumo mediano de la mues­ tra de consumidores fue de 7 copas o vasos. Las dos líneas de referencia que incluye la figura 1 representan el consumo mediano junto con el consumo medio o promedio reportado ( 11.6 durante siete días) para la muestra. Nótese que la media­ na se encuentra, de hecho, más cerca de la mayor concentra­ ción de datos en la distribución. Este es un resultado directo de las tasas de consumo elevadas poco frecuentes (aquellas en el extremo pronunciado de la derecha) que tienen mu­ cho mayor influencia en la media que en la mediana. De modo que, en este caso, la mediana es más representativa de la mayor parte de los datos que la media. Para demostrar que la mediana no tiene mucha influen­ cia de las observaciones extremas, recuerde la muestra pe­ queña de consumidores de la bebida que presentamos (tabla 1 ), contiene una observación extrema (consumo reportado de 60 copas o vasos durante siete días). En tanto que la me­ dia cambia en forma dramática dependiendo de si este valor se incluye o no (16.4 y 5.5, respectivamente), el consumo mediano es 7 para toda la muestra y 6 cuando se excluye la observación extrema, un cambio muy pequeño. En resumen, la mediana es una estadística de resumen más representativa que la media en los casos en que los datos son de un modo; aunque tiene una asimetría muy marcada y, por tanto, debe preferirse a la media en esos casos. Como ya demostramos, la media se ve afectada por las observaciones extremas (ya sean altas, como en el caso en el ejemplo del consumo, o bajas), pero la mediana no.

CUANTIFICACIÓN DE LO “TÍPICO ”______________ Hasta el momento, hemos descrito la media y la mediana como valores típicos cuando son resúmenes efectivos. El término típico se utiliza en un sentido más bien cualitativo, como cerca o en el punto intermedio de una distribución de datos. Una cuantificación de lo que queremos decir con típico produci­ rá una evaluación menos subjetiva de la adecuación de la media y la mediana como estadísticas de resumen. La esta­ dística más típica se considerará como el mejor resumen. La definición de una medida de la cercanía de cada ob­ servación a la media o la mediana es quizás el planteamiento más sencillo al evaluar qué tan “típica” puede ser cada una de estas estadísticas. Una medida razonable es la diferencia, sin importar la dirección, de cada valor desde la media o la mediana. La suma de estas diferencias absolutas en toda la muestra proporciona una evaluación general. Es evidente que la estadística que produce la suma más baja de las dife­ rencias absolutas es la más “típica”. Regresando primero a la muestra pequeña de consumi­ dores de la bebida (n = 5), las sumas que presenta la tabla 1 revelan que la mediana produce la suma más baja de las dife­ rencias absolutas (65, en comparación con 87.2 para la me­ dia) y, por tanto, se considera el mejor valor “típico”. Sucede lo mismo para el ejemplo original (682 consumidores de la bebida); la suma de las diferencias absolutas desde la media y la mediana es 5 906.5 y 5 476, respectivamente. En general, al comparar la media y la mediana sobre esta base, la media­ na siempre producirá un valor menor o cuando mucho igual al de la media. Como ya mencionamos, la suma de las diferencias abso­ lutas puede ser igual para la media y la mediana. Esto ocurre

cuando la distribución de los datos recopilados es de un modo y simétrica, porque en estos casos la media y la mediana son iguales. En estas circunstancias se prefiere la media porque tiene otras cualidades estadísticas deseadas (por ejemplo, las medias de las submuestras pueden combinarse para obtener una media de la muestra total). (De hecho, debido a esas características y en especial para propósitos analíticos, se pre­ fiere la media a menos que la suma de las diferencias absolu­ tas para ésta exceda en gran medida la suma para la mediana. Esto no ocurrirá con distribuciones muy próximas a la forma de campana, pero sí con distribuciones muy asimétricas.) R

e s u m e n _________________________________________

Por lo general, la media de la muestra se utiliza como un esti­ mado del valor que caracteriza, o representa, con precisión a la población en la variable de interés. Sin embargo, las varia­ bles que tienen una distribución asimétrica son casos en los que se prefiere la aplicación de la mediana a la de la media. La media se ve afectada en gran medida por las observacio­ nes en el extremo pronunciado de una distribución asimétri­ ca, al cambiar la media hacia el (los) valor (es) extremo (s), convirtiéndola en un valor no representativo. De modo que, en estos casos, no se aconseja el uso de la media como un estimado del valor típico. Por otra parte, la mediana casi no se ve afectada por esas observaciones y, por tanto, produce una medida más representativa que la media.

Este material es una reproducción de Research on Research, informe número 48 de M arket Facts, Inc., con autorización de la compañía. La empresa puede proporcionar una copia de este informe.

Interpretación de los resultados de las pruebas t Market Facts, Inc. U

n

EJEMPLO______________________________________

Se llevó a cabo un estudio para determinar la aceptación potencial en el mercado de dos variaciones de mantequilla de maní. Los productos, como conceptos, se presentaron para su evaluación a dos muestras de 150 entrevistados cada una. El grado de credibilidad se midió además del intento de com­ pra y el atractivo general. Para medir la credibilidad, se utilizó una escala de siete puntos (1 representó la calidad de totalmente increíble y 7 por completo creíble). La tabla 1 contiene las estadísticas descriptivas que resumen las respuestas.

Tabla 1 Estadísticas descriptivas para la credibilidad

Concepto uno Concepto dos Varianza agrupada: 2.875

Media

Varianza

Tamaño de la muestra

5.7 4.9

2.81 2.94

150 150

Una prueba t que se utilizó para medir la importancia de la diferencia entre las medias produjo un valor t de 4.09, esta­ dísticamente significativo con por lo menos 99% de confian­ za; el concepto uno se juzgó el más creíble.. Asimismo, resultó interesante estudiar la relación o fuer­ za de asociación entre la credibilidad y el intento de compra (probabilidad de compra). Se obtuvo un coeficiente de co­ rrelación de 0.23. Aun cuando esta correlación tiene una significancia estadística mayor que cero (una vez más, con por lo menos 99% de confianza), se consideró que era dema­ siado baja para tener una utilidad práctica; se pensó que no existía ninguna relación real. E s t u d io

d e l a n á l is is

Un “estándar doble” de interpretación surge al comparar las reglas de decisión para evaluar la significancia de las estadís­ ticas t de las diferencias medias y los coeficientes de correla­ ción. La significancia estadística y la significancia práctica de una diferencia entre dos medias frecuentemente se consi­ deran sinónimos. De hecho, algunos investigadores pueden concluir que deben tomarse acciones de mercadotecnia cuan­ do la diferencia entre dos medias tiene una confianza de por lo menos 95%. Se toma muy poco en cuenta la magnitud absoluta de la diferencia. Por otra parte, los coeficientes de correlación se eva­ lúan de manera muy diferente. Es el tamaño de la correla­ ción, y no la significancia estadística, el que constituye la base para evaluar de la significancia práctica. A menudo, los investigadores suponen que las correlaciones son estadís­ ticamente significativas (o ignoran por completo la prueba estadística). Después, pasan a una segunda etapa de inter­ pretación para evaluar el tamaño de la correlación. Como ta­ les, las correlaciones abajo de 0.4, aunque quizá sean signifi­ cativas en el aspecto estadístico, se interpretan como si no indicaran ninguna relación “importante”. Aquí se encuen­ tra el estándar doble: los investigadores casi nunca recurren a esta segunda etapa interpretativa donde se analiza el tama­ ño de las diferencias de las medias, al evaluar las estadísticas t de las pruebas de estas diferencias. Una regla valiosa para evaluar las diferencias de las me­ dias más allá de las pruebas de importancia comunes puede obtenerse al explotar este estándar doble: combinar las ven­ tajas estadísticas/probabilísticas de las pruebas de significancia y las ventajas interpretativas realistas al tomar en cuenta la magnitud de las diferencias de las medias. Esta combinación es posible mediante el uso y el conocimiento de la relación matemática entre las estadísticas t y los coeficientes de co­ rrelación.

Una estadística £ puede expresarse como una correla­ ción. Como tales, las estadísticas t pueden interpretarse en la escala de correlación de - 1 a + 1 , que quizá se compren­ de con mayor facilidad. Al analizar esta relación matemáti­ ca, será interesante mostrar que las correlaciones resultan­ tes de la expresión de las estadísticas t significativas pueden ser muy bajas. Puede garantizarse un cambio en la perspec­ tiva acerca de la interpretación de las correlaciones o esta­ dísticas t. L A RELACIÓN ENTRE LA t ESTADÍSTICA Y EL COEFICIENTE DE CORRELACIÓN__________ La t estadística es con mucho la forma más popular de es­ tandarizar la diferencia entre dos medias. La relación entre la t estadística (t) y el coeficiente de correlación (r) puede mostrarse en la aplicación de la idea de una diferencia es­ tandarizada. (En este sentido, estandarización significa di­ vidir algunas estadísticas entre una medida de su variabili­ dad, por lo regular su error estándar.) La t estadística tiene la forma t =

X1- X 2 A

1

1

----- h

Vn l

n2

donde el denominador es el error estándar de la diferencia entre las medias, utilizando un estimado de variabilidad agrupado, a . Una segunda forma de estandarizar la diferencia de las medias es la correlación del punto biserial, un coeficiente de correlación especial: X,-X2 rp b '

1 (N)(P,J(P2) donde r¡,¡, se conoce como la correlación del punto biserial N es el tamaño de la muestra total P¡ y P2 son las proporciones de entrevistados en los gru­ pos uno y dos, respectivamente y X 2 son las medias de los dos grupos

2 (Xy - X )2 es la suma de las desviaciones cuadradas de todas las calificaciones (X¡¿) de la media general Aun cuando las diferencias de las medias pueden ex­ presarse como una correlación utilizando r^, es un solo paso

hacia la demostración de la relación entre la £ estadística y el coeficiente de correlación. El segundo paso se lleva a cabo al notar que la significancia de la diferencia de cualquier coefi­ ciente de correlación de cero puede probarse mediante el uso de una t estadística. Empleando la correlación del punto biserial como un caso específico, la fórmula es rpb

donde df representa el número de grados de libertad relacio nados con el error estándar de la correlación. Una segunda expresión de la fórmula anterior para des pejar rp¡, nos da1

De modo que, dada una £ estadística calculada a partir de una prueba de las diferencias de las medias y sus grados de libertad asociados, es posible expresar esa £ estadística como coeficiente de correlación. Nota: La correlación del punto biserial también puede calcularse utilizando la fórmula común de la correlación pro­ ducto-momento de Pearson. La segunda variable que consis­ te en “unos” y “ceros” se construye y correlaciona con la va­ riable que contiene las cantidades de interés. Esta variable uno/cero, conocida como variable simulada, se crearía al asig­ nar en forma arbitraria una calificación de uno a uno en los dos grupos de entrevistados. El segundo grupo recibirá valo­ res cero. El valor absoluto de la correlación que se obtenga por este método coincidirá con el valor de la correlación del punto biserial. El signo de la correlación puede diferir depen­ diendo de qué grupo recibe qué código. R

e c o n s id e r a c ió n d e l e je m p l o a n t e r io r

Reconsidere el ejemplo y los datos que proporcionamos an­ tes. La t estadística es

(5 .7 -4 .9 )

iI2 .875UÍ —s o + —1501J = 4.09 con 298 grados de libertad. A continuación, la diferencia media de 0.8 (5.7 - 4.9), puede estandarizarse para dar la correlación del punto biserial:

1 rpb adopta el signo original ( + o - ) que tom a la t estadística antes de calcular el cuadrado.

904.75 (300) (.5) (.5) = .23 La relación entre la t estadística y la correlación puede mostrarse de dos maneras. La t estadística puede volver a ex­ presarse como una correlación:

(4.09)2 (4-09)2 +298 = .23 coincidiendo con el resultado del punto biserial. O bien, puede probarse la significancia de la correlación del punto biserial de 0.23 a partir de 0:

.23033 £

/1 —.0531 V 298 = 4.09

coincidiendo con los resultados £ (se utilizan más puntos de­ cidíales a fin de reducir el error al redondear). En ambos ca­ sos, los resultados son consistentes. I n t e r p r e t a c i ó n ________________________________ Junto con la expresión de las diferencias de las medias y sus t estadísticas asociadas como correlaciones surgen las trampas comunes de la interpretación. En este contexto, las correla­ ciones conservan su facilidad de interpretación. Especí­ ficamente, la correlación mide el grado de cambio sistemáti­ co en la respuesta, como indican las medias de los grupos, de un grupo al otro. El grado de cambio se representa a través de la magnitud absoluta de la correlación; una diferencia muy marcada, en relación con la variabilidad del error, pro­ duciría una correlación alta. Cuanto mayor sea la diferen­ cia, la correlación se acercará más a ± 1 , dependiendo de la dirección de la diferencia. Por el contrario, una correlación cero indicaría que no hay ningún cambio sistemático: las medias son iguales. Además, el cuadrado de la correlación conserva el sig­ nificado de “proporción de la variabilidad que se toma en cuenta”. Con una ligera adaptación para ajustarse a este con­ texto, r2 indica el porcentaje de la variabilidad total de la cantidad medida (“credibilidad" en el ejemplo anterior) que se debe al cambio sistemático en las respuestas promedio de cada grupo. Una vez más, si este porcentaje es bajo, la dife-

Coeficientes de correlación para los diversos tamaños de las muestras n

r 50

100 150

200 250 300 350 400 450 500

0.277350 0.158030 0.162221 0.140720 0.125988 0.115087 0.106600 0.099751 0.094072 0.089264

n 550 600 650 700 750 800 850 900 950

1000

r 0.085126 0.081514 0.078326 0.075485 0.072932 0.070622 0.068519 0.066593 0.064820 0.063182

rencia entre las medias también es pequeña (en relación con la variabilidad total). t ESTADÍSTICA: CONTINUACIÓN DE LA RELACIÓN DEL COEFICIENTE DE CORRELACIÓN________________________________ Considere el tamaño de las correlaciones que corresponden a un valor £ de 2.00 para los diversos tamaños de muestras (n) que se presentan en la tabla 2. Se selecciona el uso de 2.00 porque representa, en forma aproximada, un resultado esta­ dístico que es significativo con 95% de confianza, con un tamaño de la muestra de por lo menos 50. Aunque las di­ ferencias de las medias son suficientemente grandes para considerarse estadísticamente significativas, las correlacio­ nes correspondientes son bastante bajas, sugiriendo una significancia práctica limitada. Es evidente que las estadísti­ cas £ significativas no siempre corresponderán a las correla­ ciones de magnitud “aceptable”. De modo que la incorpora­ ción de las correlaciones en el dominio de las pruebas de las diferencias de las medias muestra que quizá sean recomenda­ bles las estadísticas t mayores.

las £ estadísticas significativas que corresponden a correla­ ciones bajas o respetar más las correlaciones bajas. La prime­ ra de estas alternativas puede ser más útil que la segunda porque puede identificar las diferencias de las medias con significancia estadística, que también son suficientemente grandes para tener una significancia práctica. A pesar de que no existen reglas específicas para determinar una correlación baja (o cuando una correlación deja de ser baja), la experien­ cia con las técnicas de correlación (análisis de regresión y factorial) sugiere que un valor de 0.4 se encuentra en el lími­ te. Una regla general puede desarrollarse al sustituir 0.4 en la fórmula de la prueba de significancia para las correlaciones: Tpb

Al establecer rp(, = 0.4 y volver a ordenar los términos se demuestra que el valor absoluto de la £ estadística es igual a (0.4364) Vd?". De manera que se consideraría que una £ esta­ dística refleja una diferencia de medias con uso práctico si tuviera una significancia estadística con un nivel razonable de confianza y/o mayor, en el tamaño absoluto, que 0.4 por la raíz cuadrada del número de grados de libertad asociados con la estadística. En el ejemplo que mencionamos, con 298 grados de li­ bertad, sería necesario que la £estadística fuera mayor de 7.53 para que se considerara una diferencia de las medias estadís­ ticamente significativa y con una utilidad práctica. R

e s u m e n _________________________________________

Es probable que no sea suficiente contar con una £ estadísti­ ca significativa para garantizar una conclusión de “dife­ rencia significativa” o “significancia práctica”. También es preciso tomar en cuenta la magnitud de la diferencia de las medias. El enlace de las correlaciones con las estadísticas £ es una forma sencilla de proporcionar cierta guía.

E v a lu a c ió n d e la s t e s ta d ís tic a s : UNA REGLA GENERAL____________________________ Un investigador puede juzgar la relación del coeficiente de correlación/t estadística de una de dos maneras: descontar

Este material es una reproducción en forma abreviada de R esearch on Research, informe número 24 de M arket Facts, Inc., con autorización de la compañía. La empresa puede proporcionar una copia de este in­ forme.

O c g

i / l

l

“

• JL

I

¡Peligro! Celebridad trabajando

Tradicionalmente, las empresas pagan precios muy altos a las celebridades por respaldar sus productos con testimonios y, por esta razón, tienen derecho a algo más que una cara bonita o al­ guien que simplemente lee un guión. Cuando las celebridades firman contratos para las campañas publicitarias, deben com­ prender las metas de la empresa y no limitarse a memorizar las palabras en el guión. Una campaña comprende no sólo transmi­ siones y publicidad impresa, sino también presentaciones en jun­ tas y convenciones de ventas. Por tanto, es probable que las ce­ lebridades tengan que tratar con los distribuidores del producto y hacerles sentir que se preocupan por éste y están ahí para ayu­ dar a los clientes. Un equipo de Hollywood que ha identificado con éxito a las celebridades con los productos es la agencia Heldfond and Rix. Identificaron a James Garner con Polaroid, Judd Hirsch con el yogurt Yoplait y Karen Grassle con ciertas galletas. Heldfond and Rix prefiere que las celebridades estén familiarizadas con los productos que respaldan de manera que comprendan mejor las metas de la compañía. Por ejemplo, Mariette Hartley consumió en su casa Celestial Seasonings, un producto que respaldó. Pero no todas las agencias comparten este punto de vista. Algunos ejemplos de combinaciones que realizaron esas agencias son el equipo Pepsi/Madonna que fue un fracaso y la alianza de Cybill Shepherd con la industria de la carne. Pepsi contrató a Madonna por varios millones de dólares para que apareciera en su campaña. La controversia sobre las imágenes religiosas en el video “Prayer” de Madonna llevó a la amenaza de un boicot por parte de los consumidores y Pepsi per­ dió 10 millones de dólares. El anuncio de Cybill Shepherd para la industria de la carne fracasó cuando ella admitió en público que raras veces comía carne roja. Estos ejemplos sólo son una muestra de los problemas que pueden surgir con los respaldos de las celebridades. Por desgracia, siempre han existido peligros ocultos al emplear celebridades, como lo ejemplifica la contra­ tación de O.J. Simpson para la publicidad de Hertz. En 1987, la calificación de los consumidores para la con­ tratación de las celebridades fue de sólo 17%. Desde entonces, las calificaciones para las celebridades aumentaron al 27% en 1992, y en 1993, alcanzaron el 28%. Pero en 1994, éstas dismi­ nuyeron. Se ha reportado que los aumentos en 1992 y 1993 se debieron a que los comerciantes se han vuelto más selectivos en el manejo de las celebridades y siguen exigiendo que a las estre­ llas que seleccionan para sus productos en realidad les gusten

éstos. Además, compañías como NutraSweet, que antes repre­ sentaba Cher y, en fechas más recientes, la actriz Lauren Hutton, dejó a un lado la publicidad con guiones y se inclina hacia la grabación de ciertos segmentos de una entrevista para anunciar sus productos. A principios de 1993, la tendencia era recurrir a aquellas celebridades cuya imagen no estuviera empañada por eventos sensacionalistas. Con esta inclinación, las compañías empezaron a recurrir a deportistas como Bo Jackson y mujeres como Candice Bergen para Sprint. Nancy Kerrigan, la medallista de plata estadounidense de patinaje sobre hielo en los Juegos Olímpicos de Invierno de 1994, firmó contratos multimillonarios para la publicidad de Disney World, Revlon, Campbell’s, Seiko, Ray-Ban y Reebok. La mayor parte de los contratos contenían cláusulas sobre moral, debido a los peligros potenciales de recu­ rrir a las celebridades. Quizás estos peligros fueron causa de la reducción en las calificaciones para las celebridades en 1994. David Vehedra, presidente de Video Storyboard Tests, una em­ presa de investigación de Nueva York, dice: “Debemos pregun­ tarnos si esta reducción tiene algo que ver con las celebridades como O.J. Simpson y Michael Jackson”. En 1994, sólo tres celebridades continuaron en la lista de popularidad de 1993: Cindy Crawford, Candice Bergen y Bill Cosby (tabla 1). Los tres cambiaron de posición. Cindy Crawford subió del cuarto al primer lugar; Candice Bergen bajó del primer al segundo lugar, y Bill Cosby bajó al tercero después de ocupar el segundo el año anterior. De modo que la popularidad de las celebridades es muy sensible al cambio. Si existen tantos peligros, ¿por qué utilizar celebridades? Muchos publicistas piensan que las estrellas hacen que un anun­ cio sea más efectivo. Pepsi Cola de PepsiCo y Revlon, por ejem­ plo, mejoraron la imagen de sus productos y sus ventas al contratar a Cindy Crawford para sus comerciales. Emplear cele­ bridades ha demostrado que produce un mejor recuerdo del anun­ cio. Otras evidencias que apoyan esto incluyen las investiga­ ciones que muestran que para el atractivo relacionado con los productos, las celebridades con atractivo físico producen al­ tas calificaciones de credibilidad y actitud en un anuncio. Michael Kamins, investigador de mercados, empleó técni­ cas para explorar la contratación de celebridades en la publici­ dad de manera más científica. Kamins afirma que tres procesos de influencia social determinan si un individuo adoptará la acti­ tud que el anunciante trata de comunicar: docilidad, identifica­ ción e internalización. Aunque el primero de estos factores no

Celebridades populares que respaldan productos por televisión clasificados por su atractivo para los consumidores Clasificación 1993 1994

1 2 3 4 5

4

1 2 -

6

-

7

-

8

-

9

-

10

-

Nombre

Productos que respaldan

Cindy Crawford Candice Bergen Bill Cosby Elizabeth Taylor Jerry Seinfeld Whitney Houston Shari Belafonte June Allyson Chevy Chase Cybill Shepherd

Pepsi-Cola, Revlon Sprint JelI-0 White Diamonds Perfume American Express AT&T Ultra Slim-Fast Depend Doritos LOreal

es relevante para el estudio de Kamins, los últimos dos tienen implicaciones considerables en este tipo de publicidad. La iden­ tificación, en la que los individuos tratan de imitar a otra perso­ na porque quieren ser como ella, es el factor más importante que determina la influencia de una celebridad en un anuncio. La internalización ocurre cuando los individuos imitan a otros porque perciben que la otra persona es sincera y tiene valores similares a los suyos. Pero, por lo general, este factor no está relacionado con las celebridades. Sin embargo, Kamins dedujo que si pueden lograrse tan­ to la identificación como la internalización, aumentará la efectividad publicitaria. Por tanto, estudió si las celebridades podían incrementar la efectividad de la publicidad por medio del componente de la identificación, y si la llamada realidad publicitaria (que funciona como publicidad en dos direcciones o publicidad que incluye aspectos positivos y negativos acerca de un producto) podía aumentar la efectividad mediante la internalización. Además, se preguntaba si la combinación de estas dos estrategias daría como resultado una efectividad aún mayor. Para investigar lo anterior, se adoptó un diseño de 2 X 2. La lateralidad (una dirección contra dos direcciones) y el tipo de locutor (celebridad contra no celebridad) eran los dos factores. Setenta y siete ejecutivos que participaban en un programa M.B.A. se asignaron de manera aleatoria a cuatro grupos: una dirección/no celebridad, una dirección/celebridad, dos direccio­ nes/no celebridad y dos direcciones/celebridad. Se elaboraron cuatro anuncios que correspondían a estos criterios y los miem­ bros de cada grupo evaluaron el anuncio apropiado con base en cuatro variables: actitud de valor esperado hacia la marca (A), actitud general hacia la marca (B), actitud general hacia el anun­ cio (C) e intención de compra (D). La actitud de valor esperado

hacia la marca representaba el grado en el cual el sujeto creía que el producto tenía un atributo que el anuncio afirmaba. La actitud general hacia la marca era la medida de qué tan atracti­ vo encontraban los sujetos al producto en el anuncio. La actitud general hacia el anuncio era una evaluación de la efectividad publicitaria. La intención de compra indicaba qué tan probable era que el sujeto comprara el producto cuando se presentara la oportunidad de hacerlo. La tabla 2 muestra la media ( x ) y los valores de la desvia­ ción estándar (sd), junto con el número de sujetos (n), para cada variable en todos los grupos del estudio de Kamins. Nótese que los resultados de los grupos relacionados pueden combinarse para proporcionar información sobre las características de cada gru­ po (en una dirección, en dos direcciones, no celebridad y cele­ bridad) por separado. La tabla 3 contiene los resultados del ANOVA para el efecto de las variables independientes de lateralidad (E) y el tipo de locutor (F). Estos resultados ofrecen información valiosa sobre la efectividad de los locutores céle­ bres en la publicidad. Aunque los resultados de la investigación son útiles, tam­ bién son muy específicos. La publicidad con celebridades puede investigarse de otras maneras. Por ejemplo, las estrellas ya falle­ cidas han demostrado ser efectivas, populares y seguras. No son económicas (los anunciantes deben pagar cuotas de autoriza­ ción a los herederos de las celebridades), pero son seguras por­ que no pueden hacer nada impredecible que ponga en peligro la imagen de un producto o avergonzar al patrocinador. Abbott y Costeño han anunciado cereales, Humphrey Bogart ha anun­ ciado teléfonos celulares y Diet Coke y Charlie Chaplin ha impulsado las computadoras IBM. Esto demuestra que, aun cuan­ do las estrellas hayan fallecido, su imagen en publicidad es duradera.

Variable Actitud del valor esperado hacia la marca (A)

Condición experimental

No celebridad

(i) (sd) (n) (5c) (sd) (n) (5) (sd) (n)

Celebridad

(sd) (n)

En una dirección/no celebridad

(sd) (n)

En una dirección

En dos direcciones

00

00

00

En una dirección/celebridad En dos direcciones/no celebridad

En dos direcciones/celebridad

(sd) (n) (30 (sd) (n) *) (sd) (n)

7.97 3.92 38 8.33 5.32 36 8.04 4.73 38 8.26 4.58 36 7.89 4.48 19 8.04 3.4 19 8.18 5.09 19 8.5 5.72 17

Actitud general hacia la marca (B)

Actitud general hacia el anuncio (C)

3.47 1.47 40 4.22 37 3.5 1.55 40 4.19 1.52 37 3.45 1.57

3.4 1.52 40 3.65 1.62 37 3.65 1.46 40 3.38 1.67 37 3.55 1.39

1.4 40 2.92 1.44 37 2.55 1.38 40 2.57 1.56 37 2.4 1.5

20

20

20

1.6

3.5 1.4

Intención de compra (D)

2.22

3.25 1.65

20

2.05 1.32

20

3.55 1.57

20

3.75 1.55

2.7 1.26

20

20

20

5 1.27 17

3.53 1.74 17

3.18 1.63 17

Resultados del ANOVA para las medidas dependientes

Variable

Efecto principal para la lateralidad (E)

Efecto principal para el locutor (F)

Interacción (E X F)

Actitud de valor esperado hacia la marca (A) Actitud general hacia la marca (B) Actitud general hacia el anuncio (C) Intención de compra (D)

F F F F

F F F F

F F F F

= = = =

0.013 10.876ia 0.209 4.845a

= = = =

0.035 4.355a 0.276 0.050

:= = = =

0.003 4.233a

0.001 1.868

a Indica la im portancia en p < 0.05.

P regun ta s 1. ¿Qué tipo de investigación de mercados pueden realizar las empresas para determinar si sus productos tendrán mejor desempeño con el respaldo de las celebridades? 2. Analice el papel de la escala multidimensional en la combinación de una celebridad con el producto ade­ cuado.

3. ¿Podría utilizarse el análisis conjunto para determinar si de­ ben contratarse las celebridades y, en caso de que así sea, qué celebridad debe elegirse? ¿Cómo podría emplearse el análisis conjunto? 4. ¿Qué precauciones o pruebas previas debe llevar a cabo el investigador para asegurarse de que las celebridades y los

5.

6. 7.

8.

anuncios (en dos direcciones) del experimento son apro­ piados? ¿Qué complicaciones o contaminaciones podrían presentarse en los resultados del experimento si no se to­ maran estas precauciones? Con base en los resultados que se presentan, ¿los anuncios en dos direcciones tienen alguna ventaja sobre los anun­ cios en una dirección? ¿Los anuncios con celebridades so­ bre los anuncios con personas que no son celebridades? ¿Qué tipo de anuncio es el más efectivo? ¿El menos efecti­ vo? (Sugerencia: consulte los resultados del ANOVA.) ¿El análisis de la varianza es una técnica apropiada para estudiar los datos que se obtienen en este estudio? ¿Por qué sí o por qué no? ¿Podría utilizarse el análisis de regresión para estudiar los datos que se obtienen en esta investigación? De ser así ¿cómo se utilizaría?

R e f e r e n c ia s

2. Kamins, Michael, “An Investigation into the ‘Match-Up’ Hypothesis in Celebrity Advertising: When Beauty May Be Only Skin Deep”, en Journal of Advertising 19(1), (1990): pp. 4-13. 3. Kamins M., M. Brand, S. Hoeke y ]. Moe, “Two-Sided Ver­ sus One-Sided Celebrity Endorsements: The Impact on Advertising Effectiveness and Credibility”, en Journal of Advertising 18(2), (1989): pp. 4-10. 4. Renker, Greg. “A Marketing Marriage: Celebs and Infomercials”, en Advertising Age (25 de enero de 1993): p. M8. 5. Vadehra, Dave, “My, How TV Spots Have Changed!”, en Advertising Age (16 de agosto de 1993): p. 16.

6. Miller, Cyndee, “Celebrities Hot Despite Scandals”, en Marketing News (28 de marzo de 1994): pp. 1-2, 5. 7. Miller, Cyndee, “Well-Known Winners Will Reap More Olympic Gold”, en Marketing News (28 de marzo de 1994): p. 2.

1. Kamins, Michael A., “Celebrity and Noncelebrity Advertising in a Two-Sided Context”, en Journal of Advertising Research (junio-julio de 1989): pp. 34-42.

8 . Goldman, Kevin, “Catch a Falling Star: Big Ñames Plummet From List of Top 10 Celebrity Endorsers”, en Wall Street Journal (19 de octubre de 1994): p. Bl.

14?

ímA El descubrimiento demográfico de la época

Las estadísticas para la década de los noventa indican que para el año 2010, 75 millones de personas, alrededor de 26% de la población de Estados Unidos, tendrán 55 años o más y una de cada siete personas tendrá 65 años o más. Se proyecta que este segmento será el propietario del 70%, aproximadamente, del ingreso discrecional del país, así como del 80% de todos los acti­ vos financieros de las instituciones de ahorro y préstamos y 65% de todos los activos del mercado de dinero. El mercado de personas maduras puede dividirse en cuatro segmentos. Están los llamados adultos maduros que tienen de 55 a 64 años de edad. Este grupo considera con seriedad la jubi­ lación. En 1991, había un estimado de 22 millones de personas en este segmento. El segundo segmento del mercado, las perso­ nas mayores, está constituido por aquellas que tienen de 65 a 74 años de edad. En 1991, eran 18 millones de personas. Los ancia­ nos, quienes tienen de 75 a 84 años, representaron un total de 10 millones y los muy ancianos, mayores de 85 años, representa­ ron un total de 3 millones aproximadamente. En los años venideros, el grupo de los muy ancianos tendrá el crecimiento más acelerado, incrementándose a 4 millones en 1995. Las personas mayores aumentarán a 12 millones y los an­

cianos a 20 millones. La población más anciana se reducirá 6% aproximadamente, aunque seguirá constituyendo el seg­ mento más grande del mercado maduro, o 37% del total. El mercado maduro aumentará de 53 millones en 1991 a 56 mi­ llones en 1995 y, por tanto, representará una quinta parte de la población estadounidense. Una revisión más detallada del grupo de adultos maduros revela que éstos se interesan en conservar una apariencia ju­ venil y constituyen el mercado meta principal para los apara­ tos para ejercicio, programas de salud, dietas, cosméticos, ciru­ gía plástica, ropa deportiva, ropa de diseñadores y una amplia variedad de servicios personales que mejoran la apariencia. Por llevar una vida activa y participar en actividades recreativas como tenis, golf, ciclismo, pesca, veleo, campismo y natación, representan un mercado para los viajes y actividades como es­ pectadores. Además, tienden a trabajar para vivir, en lugar de vivir para trabajar. Como resultado de ello, un número cada vez mayor de adultos maduros optan por la jubilación tempra­ na o cambian a trabajos nuevos o de medio tiempo. El grupo de personas mayores está compuesto por aque­ llos que ya se jubilaron. Tienden a presentar gran interés por

la salud y la nutrición y a preocuparse por la dieta, el consumo de sal, el colesterol, los alimentos fritos y las calorías. Con fre­ cuencia, beben menos cantidad de alcohol que la población más joven y constituyen un mercado adecuado para los productos destinados al cuidado de la piel, medicamentos, vitaminas y mi­ nerales, productos para la salud y la belleza y analgésicos, así como los medicamentos que ayudan a las personas a llevar a cabo las actividades cotidianas. Este grupo también hace ejercicio, aunque con menos rigor que el grupo de los adultos maduros. El grupo de los ancianos casi siempre tiene problemas de salud y motrices y, por tanto, requiere de los servicios para el cuidado de la salud e instalaciones para cuidados especiales. Los muy ancianos necesitan ayuda en sus labores cotidianas. Se les dificulta valerse por sí mismos y necesitan atención médica re­ gular y hospitales. Una vez más, representan un mercado muy amplio para las instalaciones al servicio de la salud. A pesar de que esta clasificación es útil, otra clasificación, que quizá sea mejor para propósitos publicitarios, se basa en las actitudes hacia ésta. Estos segmentos podrían perfilarse en tér­ minos de las variables psicográficas. Una de las preocupaciones principales de los anunciantes que se dirigen a estos consumi­ dores es la forma en que esta población utiliza y evalúa la infor­ mación publicitaria al tomar decisiones de compra. Un estudio reciente que realizaron Davis y French analizó el efecto de la publicidad en los consumidores mayores, como fuente primaria de información en las decisiones de compra. Los entrevistados se agruparon con base en las actitudes hacia la publicidad. Se desarrollaron perfiles psicográficos para cada uno de los segmen­ tos que se derivaron. Se utilizó una base de datos de los estudios anuales respec­ to al estilo de vida, a fin de obtener una muestra de 217 mujeres

casadas de 60 años o más que no tenían empleo fuera de casa. Se pidió a las entrevistadas que calificaran su grado de acuerdo con cada una de las 200 afirmaciones sobre actividades, intereses y opciones que comprendía el estudio. También se les pidió que calificaran cuatro afirmaciones de actitud que medían el uso de la información y las creencias acerca de la publicidad, así como la credibilidad de la fuente publicitaria. Davis y French utilizaron, para propósitos de réplica, información idéntica que se obtuvo de un estudio previo. Los datos sobre las cuatro afirmaciones (que se muestran en la tabla 1 ) que medían las actitudes hacia la publicidad se analizaron mediante el procedimiento de agrupación de Ward. Se identificaron tres grupos: consumidores comprometidos, au­ tónomos y receptivos. Las calificaciones de las medias para cada grupo se presentan en la tabla 1. A fin de probar la estabilidad, se intentó la réplica del análisis de grupo utilizando los datos obtenidos en el estudio anterior, los cuales se analizaron con el procedimiento de Ward. Una vez más, se obtuvieron tres grupos. En la tabla 1 se muestran también las medias de los grupos en cada una de las variables de agrupación para la muestra de la réplica (estudio anterior) que obtuvieron Davis y French. Para determinar las diferencias psicográficas entre los tres grupos, se llevaron a cabo dos pasos adicionales. Primero, se rea­ lizó el ANOVA unidireccional a fin de determinar las variables discriminantes. Los tres segmentos formaron la agrupación o la variable independiente y cada afirmación psicográfica sirvió como una variable dependiente. Se encontró que 41 de las 200 afir­ maciones psicográficas originales eran estadísticamente signifi­ cativas. Tomando en cuenta que algunas de estas variables sig­ nificativas medían quizá las mismas características, se llevó a cabo un análisis factorial de los componentes principales (con cuatro

Tabla 1 Calificaciones de las variables agrupadas por segmento Medias Variable agrupada

Segmento

Muestra de estudio

Réplica

La publicidad ofende mi inteligencia

Comprometido Autónomo Receptivo

5.24 (de acuerdo) 4-86 (de acuerdo) 2.20 (en desacuerdo)

4.35 (de acuerdo) 5.01 (de acuerdo) 2.10 (en desacuerdo)

La información publicitaria me ayuda a tomar mejores decisiones de compra

Comprometido Autónomo Receptivo

4.69 (de acuerdo) 3.65 (de acuerdo) 4-78 (de acuerdo)

4.88 (de acuerdo)

Con frecuencia, busco el consejo de mis amigos respecto a las marcas y los productos

Comprometido Autónomo Receptivo

4-55 (de acuerdo) 2.16 (en desacuerdo) 2.99 (en desacuerdo)

4.21 (de acuerdo) 1.87 (en desacuerdo) 3.02 (en desacuerdo)

No creo en el anuncio de una compañía cuando afirma que los resultados de las pruebas de­ muestran que su producto es mejor que los de la competencia

Comprometido Autónomo Receptivo

4.78 (de acuerdo) 4.85 (de acuerdo) 4.12 (de acuerdo)

4.25 (de acuerdo) 5.00 (de acuerdo) 4.94 (de acuerdo)

a 3.5 es el punto neutral.

3.30 (en desacuerdo)3 4.18 (de acuerdo)

factores que representaban 60.3% de la varianza) extraídos en una rotación varimax. Para cada uno de los tres segmentos, Davis y French calcularon las calificaciones de los factores, la tabla 2 muestra estas calificaciones, junto con las variables que presen­

taban cargas más elevadas en estos factores y las medias de las variables. Esta información puede utilizarse para ofrecer los per­ files psicográficos en cada uno de los tres segmentos identifica­ dos en el análisis de grupo.

Tabla 2 Calificaciones de factores de las medias de las muestras del estudio por g r u p o Factor Factor 1 Me interesan las culturas de otros países

Comprometido

Autónomo

Receptivo

0.45

- 0.11

- 0.21

4.41

3.92

3.87

4.29

3.74

3.45

4.89

4.31

4.55

0.29

-0.32

0.17

5.49

4.75

5.19

5.28

4.63

5.01

3.76

3.15

3.62

0.28

-0.26

0.10

4.89

4.36

4.59

4.13

3.53

3.72

3.47

2.81

3.19

0.26

0.14

-0.36

3.31

3.47

2.82

4.25

4.50

3.93

4.25

4.24

3.55

(carga = 0.58966) Obtengo satisfacción personal cuando uso cosméticos (carga = 0.48283) Disfruto al hojear revistas de modas (carga = 0.41592) Factor 2 Me gusta la repostería (carga = 0.70466) Me gusta cocinar (carga = 0.60793) Siempre improviso al cocinar (carga = 0.54404) Factor 3 Trato de elegir los alimentos adiciona­ dos con vitaminas y minerales (carga = 0.49480) Trato de comprar los productos de una compañía si apoyan la televisión edu­ cativa (carga = 0.43730) Por lo regular, me encuentro entre las primeras personas que prueban los nuevos productos (carga = 0.42521) Factor 4 Por lo general, las garantías de los fabricantes no valen ni el papel en las que están impresas (carga = 0.50313) La mayor parte de las compañías gran­ des salen adelante por sí mismas (carga = 0.47638) La publicidad por televisión es con­ descendiente con las mujeres (carga = 0.41031)

Los resultados de esta investigación y de estudios similares ayudan a los comerciantes a dirigirse a las personas mayores, un grupo en especial prometedor debido a los activos financieros que poseen. Una revisión de los activos financieros familiares en Estados Unidos mostró que los estadounidenses mayores de 50 años son el grupo de consumidores más ricos, controlando la mitad del ingreso discrecional del país y alrededor de 70% de sus activos. Para 2025, 113 millones de estadounidenses aproxima­ damente (alrededor de 40% de la población) tendrán más de 50 años de edad. Por consiguiente, el descubrimiento del mercado maduro representa una gran oportunidad para que los comer­ ciantes se dirijan a este segmento de una nueva manera.

1. Los estudios han descubierto que los segmentos de los adul­ tos maduros, personas mayores, ancianos y muy ancianos ne­ cesitan servicios e instalaciones adecuados para el cuidado de la salud. Describa detalladamente de qué manera las or­ ganizaciones para la atención de la salud pueden determinar, con efectividad, las diferencias en las necesidades de estos segmentos. ¿Qué tipo de información debe obtenerse? ¿Qué técnicas estadísticas deben utilizarse para analizar los datos? 2. ¿Cree usted que la estrategia para el análisis de datos que se adoptó en el estudio que se presenta en este caso es apro­ piada? ¿Por qué sí y por qué no?

A

5. ¿Cree usted que el estudio que se presenta en el caso debe­ ría haber empleado el análisis discriminante? Si su respues­ ta es afirmativa, ¿de qué manera?

6 . Sugiera una estrategia alternativa de análisis de datos para el estudio presentado.

R e f e r e n c ia s 1. Davis, B. y W. French, “Exploring Advertising Usage Segments among the Aged”, en Journal of Advertising Re­ search (febrero-marzo de 1989): p. 26.

P regun tas

S

3. Describa en forma cualitativa cada uno de los tres grupos, con base en la información de la tabla 1 . 4. Interprete cada factor de la tabla 2.

2. Rager, Les, “The Future Grows Older”, en Nation’s Business (marzo de 1991): pp. 48-49. 3. Hartman, C.R. “Diet Dishes to Go”, en D&B Reports (mayojunio de 1991): pp. 62-63. 4. Lunt, Penny, “The New Demographics”, en ABA Banking Journal (enero de 1994): pp. 34-38. 5. Maty, Joe, “Shifts in Population Signal End of the ‘Youth Sells’ Era”, en American Paint & Coatings Journal (27 de oc­ tubre de 1993): pp. 5-7.

O

! • ( /

La varita mágica de PepsiCo

¿Qué ha hecho que PepsiCo sea tan dinámica y diferente? Bebidas Consideremos primero los refrescos. La investigación de La respuesta: la varita mágica de PepsiCo, que reúne dos con­ ceptos básicos: técnicas de investigación de mercados y un sex­ mercado que llevó a cabo PepsiCo demostró que había un merto sentido. Conocida para muchos como la productora de Pepsi, el refresco de cola que se enfrentó a CocaCola en el Reto Pepsi, PepsiCo también es propie­ taria de Pizza Hut, KFC (antes Kentucky Fried V e n ta s netas y utilidades de operación (en millones de dólares) Chicken) y Taco Bell, así como las botanas FritoPorcentaje Lay. La tabla 1 define la posición financiera y com­ Utilidad de Porcentaje del total operación del total División Ventas petitiva de PepsiCo a fines de 1992. Informaciones recientes revelan que la división Pepsi de PepsiCo 32% $799 $7 606 35% Bebidas obtuvo 2 483.5 millones de dólares en ventas duran­ 29% $719 Restaurantes $8 232 37% te 1993. Aquí, describimos brevemente la historia 39% $985 28% Botanas $6 132 del éxito de PepsiCo en sus divisiones de productos 100% $2 503 100% $21 970 Total principales (bebidas, restaurantes y botanas).

cado para los refrescos de cola dietéticos fabricados con 100% de NutraSweet y también que los adolescentes eran los princi­ pales consumidores de refrescos con azúcar. En noviembre de 1984, PepsiCo lanzó al mercado su Diet Pepsi con 100% de NutraSweet sin siquiera realizar pruebas de mercado del producto, de modo que evitó poner sobre aviso a Coca-Cola. El sexto sentido y las investigaciones cualitativas del mercado indicaron a Pepsi que había llegado el momento oportuno para lanzar su producto con NutraSweet. Aunque las pruebas de sabor señalaron que los consumidores no podían detectar la diferencia entre una mezcla de sacarina y aspartano y el aspartano puro, presentaron una preferencia muy marcada por el producto con 100% de NutraSweet cuando se les explicó la diferencia. Además, las pruebas indicaron que su preferencia era tal que estaban dispuestos a pagar más por un refresco de cola dietético con 100% de NutraSweet. No fue sorpren­ dente que Diet Pepsi acaparara el mercado y que, en dos años, las ventas de Diet Pepsi fueran mayores de 1 mil millones de dólares. A fin de atraer el mercado de adolescentes, los anuncios de Pepsi presentaron a las superestrellas Michael Jackson y Lionel Ritchie con el tema “Choice of a New Generation”. Otras estrellas de la “Nueva Generación” que aparecieron en los anuncios de Pepsi incluyen a Don Johnson (de Miami Vice), Michael J. Fox (estrella de Back to the Future) y el comediante Billy Crystal. Una copromoción coji Nintendo para la tempo­ rada navideña de 1989 fue otro intento de atraer el mercado de adolescentes. Estos métodos fortalecieron de manera efec­ tiva la imagen de Pepsi. En fechas más recientes, la campaña “You’ve Got The Right One Baby, Uh Huh!” para Diet Pepsi ha tenido gran éxito. El cantante estrella de la campaña era Ray Charles. La campaña de Pepsi regular, que es más reciente, introdujo el tema “Gotta Have It” para su refresco. La compa­ ñía distribuyó las tarjetas “Gotta Have It”, que ofrecen a quien las tiene descuentos en gran variedad de productos. La tabla 2 presenta tanto las utilidades como las ventas para la división de bebidas a finales de 1992. Un tipo de promoción que Pepsi utiliza con frecuencia es la publicidad por televisión. Una forma de analizar el efecto publicitario en las ventas de Pepsi es mediante sus anuncios de

Tabla 2 V b it a s y utilidades para la división de bebidas: 1992

(en millones de dólares)

Ventas Porcentaje de cambio Utilidades Porcentaje de cambio

Nacional

Internacional

Total

$5 485 + 6% $687 - 8%

$2 121 + 22 % $ 112

$7 606 + 10 % $799 -7%

-4%

televisión por cable. Pueden generarse espacios compartidos de la escala multidimensional (MDS) en el nivel familiar para mostrar cómo se agrupan éstas a fin de formar segmentos ho­ mogéneos respecto a los puntos ideales. En otras palabras, pue­ den identificarse varios segmentos del mercado y sus puntos ideales, antes y después de los anuncios, pueden trazarse en un diagrama de dos dimensiones. Posteriormente las posiciones del producto, antes y después de los anuncios, pueden trazarse en el mismo diagrama. Un trazo se prepara para el grupo de con­ trol y otro para el grupo experimental. Puede analizarse para cada trazo el movimiento de los puntos desde sus posiciones antes del anuncio y sus posiciones después de éste, y pueden compararse ambos trazos para obtener una idea acerca de la efectividad publicitaria. La figura 1 muestra un trazo de las MDS para el movi­ miento de un grupo experimental desde la condición antes del anuncio (previa a la prueba) hasta la condición después de éste (posterior a la prueba). En este experimento que realizaron Winer y Moore, se conocía la información de la combinación de mercados sólo para la marca Pepsi y la publicidad en la tele­ visión por cable fue sólo para Pepsi. Por tanto, si una marca se acercaba a Pepsi, ocurrían más compras compartidas. Si Pepsi se acercaba más a un segmento (punto ideal), aumentaba la probabilidad de que alguna persona en ese segmento eligiera a Pepsi. La figura 1 muestra la forma en que la publicidad puede afectar las ventas del producto. Sin embargo, el incremento en las ventas del producto puede surgir por otros motivos, en espe­ cial por las introducción de nuevos productos. Por ejemplo, Pepsi pudo crear un segmento del mercado totalmente nuevo con la introducción de su línea de productos Slice. En un principio, cuando Pepsi sometió a Slice a pruebas de sabor, pidió a los con­ sumidores que lo calificaran comparándolo con otros refrescos sabor lima-limón. En repetidas ocasiones, Slice no pasó las prue­ bas de sabor. Por último, los investigadores decidieron decir a los participantes que Slice, a diferencia de otros refrescos con sabor lima-limón, contenía jugo de frutas. Así nacieron un nuevo seg­ mento del mercado y un producto exitoso. Desde entonces, Pepsi obtiene provecho de Slice amplian­ do su línea de productos con variedades como Orange Mandarín, Apple y Cherry Cola Slice. Pero la compañía pudo beneficiarse realmente de un segmento inesperado, el mercado de los refres­ cos dietéticos de cola. El contenido de jugo permitió que Pepsi obtuviera ventas de Diet Slice que representaron alrededor del 50% del total de las ventas de los productos Slice, en lugar del 35% de las ventas de la marca principal que representaban los productos dietéticos. Para 1992, Pepsi participaba en varios segmentos de bebi­ das nuevos. Pepsi entró al mercado nuevo y lucrativo del té he­ lado enlatado o embotellado, al constituir una sociedad con Thomas J. Lipton Company. En septiembre de 1992, lanzaron dos nuevos sabores de té helado: frambuesa y durazno. Con la reciente popularidad del agua embotellada, Pepsi ahora vende H2OI1! una nueva agua embotellada. Las ventas se han incre­ mentado desde el inicio del proyecto.

Refrescos: movimiento del grupo experimental que va del periodo previo a la prueba al posterior a ésta

En 1993, Pepsi introdujo Crystal Pepsi, su intento por par­ ticipar en el mercado de refrescos de cola transparentes. Pero en esta ocasión, Pepsi se equivocó. De hecho, Pepsi eligió el nom­ bre equivocado, el empaque equivocado, la publicidad equivo­ cada y el sabor equivocado. Sin embargo, Pepsi es perseverante y decidió no darse por vencido con Crystal Pepsi. Pepsi planea volver a lanzar el producto con publicidad, empaque y, lo que es más importante, sabor nuevos. Además, Crystal Pepsi se lla­ mará simplemente Crystal. Pepsi lanzará otra vez este producto como un refresco de cola cítrico para enfrentarse a sus rivales, Sprite y 7-Up. Restaurantes PepsiCo también es propietaria de varias cadenas de res­ taurantes. Las investigaciones demostraron que la cadena Pizza Hut no necesitaba del respaldo de ninguna superestrella en sus anuncios, sino del respaldo de alguien con quien sus clientes pudieran relacionarse. De modo que los anuncios de Pizza Hut presentan a personas como el comediante Martin Mull y el boxea­ dor Marvelous Marvin Hagler.

En Pizza Hut, se ponen a prueba las ideas de nuevos pro­ ductos constantemente por medio de la investigación de merca­ dos. En 1983, Pepsi introdujo la Personal Pan Pizza, que reducía el tiempo de espera a menos de cinco minutos. El producto au­ mentó las ganancias de Pizza Hut un 50% durante el primer año. Asimismo, entró al negocio de entrega a domicilio. Su investi­ gación mostró que el mercado de comida para llevar crecía con rapidez. Se agregaron varios cientos de tiendas dedicadas exclu­ sivamente a la entrega a domicilio. En fechas recientes, muchos de los restaurantes Pizza Hut introdujeron el buffet para el al­ muerzo, así como la pizza Big Foot. La pizza Big Foot está diseña­ da para competir con las ofertas de dos pizzas que ofrece la cade­ na Little Caesar’s. Entre 1991 y 1992, las ventas mundiales de Pizza Hut se incrementaron de 345 millones de dólares a 3.6 mil millones. PepsiCo también es propietaria de la cadena Taco Bell. Cuan­ do Taco Bell se convirtió en división de PepsiCo, un estudio mos­ tró que los clientes consideraban estos restaurantes como lugares de apariencia barata y se sentían ofendidos con el logotipo de la compañía: un mexicano dormido bajo un enorme sombrero. De

modo que Pepsi destinó 200 millones de dólares a un cambio y esfuerzo de expansión. Parte de este cambio incluyó reducciones en los precios y promociones especiales, como Tacos-to-Go. Al parecer, el cambio produjo beneficios, ya que Taco Bell se convir­ tió en la cadena de restaurantes con mayor crecimiento en el país. En 1992, las ventas mundiales de Taco Bell aumentaron 21% en comparación con 1991. El compromiso de Taco Bell de bajar los precios aumentó las ventas en las tiendas individuales 6% aproxi­ madamente. También amplió la influencia de Taco Bell a la ciudad de México al introducir varios quioscos en esta ciudad, llevando a México el estilo de la comida mexicana único de Taco Bell. El último restaurante que pertenece a PepsiCo es KFC. Durante la mayor parte de 1992, la franquicia de KFC estuvo en renovación. Se construyeron restaurantes nuevos y se mejora­ ron los que ya existían. Los nuevos productos predominan en la lucha de KFC por ganar clientes. Productos como Oriental Chicken Wings, Popcorn Chicken y Honey BBQ Chicken han aparecido durante breves periodos en determinados restauran­ tes de KFC para aumentar la satisfacción del cliente y ofrecer mayor variedad de productos para atraer clientes nuevos. En 1992, KFC empezó a ofrecer el pollo Rotisserie Gold como una alternativa al pollo de la receta secreta y el crujipollo. En abril de 1994, el Rotisserie Gold de KFC ganó uno de los premios 1993 Edison Best New Products de Marketing News. Su éxito se atribuye a la gran campaña de publicidad y el sabor superior. Su introducción atrajo clientes nuevos,y ayudó a que KFC conser­ vara el liderazgo en el segmento de los restaurantes de comida rápida que venden pollo. En general, el negocio de los restaurantes ha sido muy be­ neficioso para PepsiCo. Las siguientes tablas ilustran los benefi­ cios de las ventas combinadas de los restaurantes (tabla 3), así como las ventas individuales (tabla 4) en 1992. Botanas Por último, en la división Frito-Lay de PepsiCo, la investi­ gación de mercados ha producido ganadores como Fritos, Lay’s, Cheetos, Ruffles, Tostitos y Rold Gold Pretzels. Frito-Lay ha sido parte importante de la combinación PepsiCo, produciendo 40% aproximadamente de sus ganancias corporativas durante 1992.

Ventas y utilidades individuales de los restaurantes: 1992 (en millones de dólares)

Ventas Porcentaje de cambio Utilidades Porcentaje de cambio Ventas del sistema Porcentaje de cambio

Ventas Porcentaje de cambio Utilidades Porcentaje de cambio

Total

$7 115 +14% $598 + 25%

$1 117 + 29%

$8 232

$121 + 25%

+ 16% $719 + 25%

$3 604 + 11% $335 + 7% $5 700 + 8%

$2 460 + 2 1% $214 + 19% $3 300 + 18%

$2 169 + 18% $169 + 110 % $6 700 + 8%

1 . Analice el papel de la investigación de mercados en:

2. 3.

4.

6.

Internacional

KFC

P reg un ta s

Tabla 3

Nacional

Taco Bell

Por esta razón, PepsiCo seguirá utilizando las técnicas de inves­ tigación de mercados en su división Frito-Lay, así como en sus otras divisiones. No es sorprendente porque la varita mágica de la investigación de mercados y el instinto de la mercadotecnia funcionó en forma adecuada para Pepsi en el pasado y al parecer lo hará en el futuro.

5.

Ventas y utilidades combinadas de los restaurantes: 1992 (en millones de dólares)

Pizza Hut

a. La promoción del “Reto Pepsi”. b. El descubrimiento de un mercado para un refresco de cola dietético elaborado con 100% de NutraSweet. c. La introducción de las pan pizzas de Pizza Hut que se preparan en cinco minutos. Analice el papel de la MDS en la evaluación de la efectivi­ dad publicitaria. ¿La publicidad de Pepsi parece ser efectiva? (véase la figura 1). Si es así, ¿sobre qué productos o grupos tiene el mayor efecto? Con base en su respuesta a la pregunta 3 y el análisis de la figura 1, ¿los resultados parecen razonables? ¿Qué otros fac­ tores podrían dar lugar a una interpretación diferente de los resultados? ¿Cómo pueden utilizarse la MDS, el análisis factorial y el análisis discriminante para combinar las marcas con las ce­ lebridades? ¿Podría construirse un modelo de regresión para predecir las ventas de Pizza Hut a la hora del almuerzo? De ser así, ¿qué variables independientes deben incluirse en este mo­ delo? Exprese este modelo en forma de ecuación.

R e f e r e n c ia s 1. Winer, R.yVK Moore, “Evaluating the Effects of MarketingMix Variables on Brand Positioning”, en Journal of Adver­ tising Research (febrero-marzo de 1989): p. 42.

2. Deveny, Kathleen, “How Country’s Biggest Brands Are Faring at the Supermarket”, en Wall Street Journal (24 de marzo de 1994): pp. B l, B3. 3. Zinn, Laura, “Does Pepsi Have Too Many Products?”, en Business Week (14 de febrero de 1994): pp. 64-66.

5. Ono, Yumiko, “Pepsi, Coke Seek Territory Held by SportsDrink Leader Gatorade”, en Wall Street Journal (26 de abril de 1994): p. B10. 6 . Janofsky, Michael, “Pepsi Tries New Diet Cola Abroad”, en New York Times (2 de marzo de 1993): p. 15.

4. “1993 Edison Best New Products Awards Winners”, en Marketing News (25 de abril de 1994): p. E7.

¿Gleem puede brillar en el mercado de las pastas dentales? Procter & Gamble promovió su pasta dental renovada Gleem como una pasta que blanquea los dientes justo cuando la indus­ tria de 1.5 mil millones de dólares de las pastas dentales se en­ contraba acaparado por los dentríficos que controlan la placa bacteriana y el sarro. Gleem fue reempacada en una caja metáli­ ca dorada con letras brillantes en azul y naranja. Se promovió al mismo tiempo que se esperaba que Colgate-Palmolive introdu­ jera su marca Colgate para el control del sarro y P & G esperaba superar la introducción de Colgate. P & G invirtió alrededor de 7 millones de dólares en la campaña de Gleem, mucho menos que los 50 millones de dóla­ res que invirtió en la campaña de Crest Tartar-Control Formu­ la. Sin embargo, la compañía confiaba en que su campaña “re­ afirmara la superioridad de Gleem como una pasta dental que blanquea los dientes”. Esto era importante porque el mercado para Gleem estaba compuesto por personas que se preocupa­ ban por las propiedades de la pasta para blanquear los dientes. Este segmento del mercado tuvo el potencial de incluir a un gran segmento de la población de Estados Unidos. Las perso­ nas de este segmento se interesaban por su apariencia y por mejorar el color blanco de los dientes, tenía ingresos de inter­ medios a altos y casi siempre eran personas solteras y con una vida social activa. Asimismo, los consumidores de productos que manchan los dientes, como los bebedores de café y té y los fumadores, se inte­ resaban por este atributo en particular. La edad de este mercado varía de 16 a 60 años. El mercado para Gleem y otras pastas que blanquean los dientes se extiende en todo el país y comprende muchas personas y lugares diferentes. Aun cuando el mercado potencial era extenso, la partici­ pación real en el mercado de las pastas que blanquean los dien­ tes era pequeña en comparación con aquellas que tienen otros atributos: 10.5% de todo el mercado para las pastas dentales. A pesar de que Gleem tenía un segmento respetable, su participa­

ción en el mercado era baja en comparación con otras marcas que refrescan el aliento y en el mercado total para las pastas dentales. El desempeño de Gleem era inadecuado en compara­ ción con Crest, que era el único dentrífico de Procter & Gamble aparte de Gleem. Crest era líder del mercado, con una participa­ ción de 32.4% para sus cuatro variedades. De las diversas pastas dentales que blanquean los dientes, Gleem tenía 1% de la parti­ cipación. Sus competidores incluían Cióse-Up de Lever Brothers y Ultra Brite de Colgate, con 5 y 2% de la participación en el mercado, respectivamente (tabla 1 ). En 1993, el número total de anuncios promocionales de pastas dentales se había incrementado 23%. P & G, que todavía es el comerciante número uno, presentó 59 promociones en la primera mitad de 1993, en comparación con 38 de ColgatePalmolive, el número dos. Las promociones durante 1993 in­ cluyeron números telefónicos sin costo que invitaban a los consumidores a llamar sin costo para pedir información, así como insertos en revistas, anuncios en periódicos, cupones y envíos por correo directo. En forma específica, las promociones de P & G incluyeron ocho que utilizaron los cupones y 10 que men­ cionaban donaciones a obras de caridad. Gleem formó parte de una de las donaciones. Estas se hacían al Caring Program for Children cuando los consumidores compraban Gleem. P & G también ofreció suscripciones semanales gratis a USA Today con los comprobantes de compra de Gleem. Los datos más recientes indican que las ventas en dóla­ res de las marcas de pasta dental de P & G se incrementaron 1.9% en las 52 semanas que terminaron el 2 de enero de 1994. En la actualidad, Procter &. Gamble tiene alrededor de 34-4% del mercado en dentríficos (tabla 2). Por el contrario, la parti­ cipación de Colgate-Palmolive disminuyó 2.3% aproximada­ mente y las ventas en dólares se redujeron alrededor de 2.9%. El aumento en las ventas de Procter & Gamble se atribuye a las técnicas de publicidad y mercadotecnia innovadoras.

Las 10 m arcas p rin ­ cipales de pastas dentales

Marca 1 2 3 4 5

6 7

8 9 10

Crest Colgate Arm & Hammer Aqua-Fresh Cióse Up Sensodyne Rembrandt Ultra Brite Aim Marca privada Todas las demás Mercado total

Porcentaje de participación en el mercado 1992 1991

Publicidad medida 1992 1991

32.4%

34.3%

21.6

21.8

22.1

9.4 8.5 5.3 3.6

7.8 9.5 3.4 0.3

15.9 13.7 5.0 6.5 5.9

2.1 2.1

0.0 0.0

2.1 0.0 0.0

1.4

NA 19.5 $142.9

NA 19.6 $131.3

$54.3

6.1

2.1 2.1 1.8 1.6

11.2

11.4 $1 428.7

$1 297.8

$44.7 20.9 13.7 12.9 12.4 5.1

N ota: Las cifras del mercado total y los gastos publicitarios están en m illones de dólares.

Tabla 2 Panoram a de las v en ­ tas de pastas dentales durante 5 2 semanas, que term inaron el 2 de enero de 1 9 9 4 (ventas en millones de dólares)

Procter & Gamble Colgate -Palmolive Unilever Church & Dwight

Ventas

Porcentaje de cambio del año anterior

Porcentaje de participación de la categoría

$492.2 330.8 155.8 140.7

1.9 -2.9 16.1 5.9

34.4 23.1 10.9 9.8

Ya que el mercado está tan segmentado, es esencial que P r e g u n t a s los comerciantes se dirijan a un grupo en particular. Para lo­ 1. Describa la investigación de mercados que P & G podría grarlo, deben conocer la posición que tienen sus productos en haber realizado antes de la renovación de Gleem. el mercado. Una forma de que los comerciantes analicen esta 2. ¿Cómo puede utilizarse el análisis factorial para determinar posición, en relación con los productos de la competencia, es las dimensiones o atributos subyacentes con base en los mediante un diagrama de posicionamiento de las marcas gene­ cuales los consumidores evalúan las marcas de pastas den­ rado con las técnicas de la MDS. La figura 1, elaborada por tales? Shugan, es un diagrama de posicionamiento para cinco clases 3. Analice el papel del análisis de regresión al determinar la de pastas dentales en las dimensiones de textura, sabor y capa­ importancia relativa de las variables que utilizan los consu­ cidad para prevenir la caries. La figura 2 es un diagrama midores para evaluar las diversas marcas de dentríficos. perceptual de las marcas de pastas dentales, incluyendo Gleem, en las dimensiones de aliento fresco y prevención de la caries, así como de capacidad para blanquear los dientes y controlar el sarro. Estos diagramas han probado ser útiles para Cióse Up/A¡m Mint Figura 1 los comerciantes al decidir cómo posicionar un • • Aim Regular producto. Es probable que Gleem se dé cuenta D iagram a del mercado de que las técnicas de las MDS pueden ayudarle de las pastas dentales en el futuro, en especial porque recientemente • Aqua-Fresh se ha visto amenazada en el segmento de la blan­ cura. Cióse Up enfatiza su poder mejorado para blanquear y dar protección, así como los aspec­ tos cosméticos de frescura del aliento, blancura y atractivo. Con esta competencia tan cercana, queda por comprobar si Gleem puede opacar a Crest Cióse Up, Ultra Brite y otras marcas en este seg­ mento. Prevención de la caries

Aqua-Fresh

D iagram a perceptual de las m arcas de pastas dentales

0

Cióse Up

Gleem Aim Mint Control del sarro '

Blanquea los dientes 9 Aim •

Pepsodent

Colgate

i Crest Prevención de la caries

4. ¿Cómo utilizaría el análisis discriminante para determinar qué variables distinguen entre las marcas de pastas denta­ les que ofrecen protección contra la caries y aquellas que ofrecen blanquear los dientes? 5. Analice el papel del análisis conglomerados en el desarro­ llo de los segmentos para el mercado de pastas dentales.

6. ¿Cómo puede utilizarse el análisis conjunto para determi­ nar la importancia relativa de los diversos atributos que los consumidores emplean al evaluar las marcas de pastas den­ tales? 7. Analice el papel de la MDS para determinar las percepcio­ nes de Gleem por parte de los consumidores en relación con otras marcas de pastas dentales. ¿Cómo podría utilizar­ se la MDS para determinar las preferencias de los consumi­ dores por Gleem en relación con otras marcas de pastas dentales?

8. En la figura 1, ¿qué marca consideran los consumidores más alta en la dimensión de textura/sabor? ¿En la capacidad para

prevenir la caries? ¿Qué marca perciben los consumidores que incluye ambas dimensiones? 9. De acuerdo con la figura 2, ¿qué marcas son más similares? ¿Menos parecidas? ¿A qué deducciones cualitativas pode­ mos llegar con base en la figura 21 R e f e r e n c ia s 1. Shugan, S., “Estimating Brand Positioning Maps Using Supermarket Scanning Data”, en Journal of Marketing Re­ search (febrero de 1987): pp. 1-18. 2. Freeman, Laurie, “Leaders’ Ad Dollars Build Dental-Care Sales”, en Advertising Age (29 de septiembre de 1993): p. 6. 3. Aho, Debra, “Toothpaste Promos Shoot up 68%”, en Advertising Age (16 de agosto de 1993): p. 26. 4. Hwang, Suein L., “Some Colgate Brands Are Losing Market Share to Innovative Rivals”, en Wall Street Journal (19 de abril de 1994): p. B 6.

Matsushita vuelve a dirigirse a Estados Unidos Matsushita, un importante productor japonés de aparatos elec­ trónicos conocidos por sus marcas Panasonic, Quasar y Technics, exportaba computadoras personales a Estados Uni­ dos como parte de su programa general para este mercado. Este segmento del negocio del gigante electrónico japonés estaba manejado por el grupo de automatización de Panasonic Indus­ trial Company. Durante 1987, las computadoras de Panasonic

habían alcanzado sólo un éxito modesto en el mercado de Esta­ dos Unidos, que estaba dominado por IBM, Apple y Compaq. Sin embargo, en abril de 1987, el gobierno estadounidense empezó a cobrar impuestos sobre las computadoras fabricadas en Japón. Los impuestos hicieron que Panasonic no pudiera competir contra los fabricantes nacionales y se retirara del mercado ese mismo año.

A pesar de este retroceso, Panasonic seguía siendo un ele­ mento importante en los periféricos para computadora, en espe­ cial impresoras, pantallas y dispositivos de discos suaves. No obs­ tante, las ventas se estancaron en 1988 y la compañía decidió que tenía que regresar al mercado a fin de respaldar su posición en los periféricos. A fin de evitar la tarifa sobre la importación de computadoras japonesas, Panasonic acordó comprar ocho modelos de computadoras compatibles con IBM a Tandy Corporation de Ft. Worth, Texas. Las nuevas computadoras Panasonic estaban listas para su distribución en 1989. Matsushita siguió su expansión en Estados Unidos y construyó 12 plantas de fabricación y seis instalaciones de investigación y desarrollo en 1991. Con este acuerdo, una compañía japonesa compró, por pri­ mera vez, computadoras fabricadas en Estados Unidos para ven­ derlas en el mercado de ese país. Tandy y Panasonic tenían una relación benéfica para ambas empresas porque la cadena Radio Shack de Tandy era uno de los detallistas de Panasonic para las máquinas de fax y grabadoras de cintas y el nuevo acuerdo per­ mitió a ambas compañías satisfacer sus intereses en el mercado de computadoras de Estados Unidos. El acuerdo tuvo repercusiones positivas para Tandy en su lucha por convertirse en un elemento importante en el mercado de computadoras de Estados Unidos. Durante 1987 y 1988, Tandy había emprendido acciones decisivas para fortalecer su posición en el mercado. Adquirió nuevos canales de distribución aparte de sus 7 000 tiendas de Radio Shack y su enfoque tradicional hacia los detallistas. A fin de obtener acceso a contratos con el gobierno, adquirió una pequeña fábrica de computadoras con un largo historial de ventas al gobierno. Con objeto de llegar a los consumidores promedio en todo el país y ganar presencia en el mercado, puso a prueba la comercialización de computadoras Tandy en las tiendas Wal-Mart. A fin de incrementar la produc­ ción de máquinas más sofisticadas, acordó proveer computado­ ras a Digital Equipment Corporation para que se vendieran con

Figura 1 Ventas de Tandy Corporation

la etiqueta de DEC. En 1990, Tandy introdujo una computa­ dora nueva orientada hacia la familia, la 1000 RL, para vol­ ver a posicionarse en el mercado de las computadoras. Por último, para obtener una posición en Europa, Tandy adquirió las líneas Víctor y Micronic de Datatronic AB de Suecia. El acuerdo con Matsushita se firmó poco después del acuerdo con DEC y tenía el potencial de colocar a Tandy en una de las posiciones predominantes en la industria de las computadoras personales, según señaló Jack Freeman, ana­ lista sénior del Yankee Group. Durante mucho tiempo, las computadoras de Tandy habían sido consideradas de segunda clase en el mundo de las máquinas compatibles con IBM y habían presentado ventas muy bajas. El acuerdo con Matsu­ shita, que gozaba de gran prestigio, aumentaría la reputación de Tandy en toda la industria y daría lugar a ventajas signifi­ cativas en la producción y el precio por las compras de gran­ des volúmenes de chips de memoria de Matsushita. De esta manera, Tandy no sólo se relacionaría con un producto de calidad que tenía un inmenso potencial en el mercado, sino que los efectos de su marca, que ya era uno de los producto­ res con costos más bajos en la industria de las computadoras, sería signficativo. Esto ayudaría a provocar un cambio en Tandy (véanse las figuras 1 y 2). Después del acuerdo entre Tandy y Panasonic, el depar­ tamento de mercadotecnia del grupo de automatización de Panasonic diseñó una campaña promocional para sus nuevas computadoras. A pesar de que las computadoras estaban adaptadas tanto para el mercado familiar como para el de los negocios, dependiendo del modelo, Panasonic deseaba de­ terminar la voluntad que tenían los ejecutivos de comprar sus computadoras. En especial, la gerencia quería obtener información en tres áreas: las reacciones de las empresas de diversos tamaños, el impacto que tenía la familiaridad con las computadoras de Panasonic en la voluntad de compra y cómo utilizaban las empresas estadounidenses las computa-

H □

4.50

ai 2.50 c o

£ 2.00

a> a> 1.50 a> E 1.00

73

c

0.50 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 Ventas

Ingreso neto de Tandy Corporation

O □

300

Año com pleto Primer semestre

250

200 150

100 50

0 1984 1985 1986

1987 1988

-50

doras en el lugar de trabajo. Esto dio lugar a la pregunta relacio­ nada de si podían incrementarse las ventas de periféricos a los usuarios de computadoras técnicamente competentes. Para determinar estos aspectos, de una lista de suscriptores a la revista PC Week, se seleccionaron 1 080 compañías en Estados Unidos y se les envió un cuestionario diseñado para descubrir la voluntad de los ejecutivos para seleccionar una computado­ ra Panasonic, suponiendo que buscaban una en el mercado. Para propósitos de investigación, las empresas se clasificaron de acuerdo con tres variables: tamaño de la compañía, familiari­ dad con las computadoras Panasonic y aplicación de las compu­ tadoras en el negocio. Cada una de estas variables podía asumir uno de tres valores como se muestra a continuación. Variable Tamaño de la compañía Pequeña/empresarial Mediana/privada División de una corporación importante Familiaridad con las computadoras Panasonic Ninguna experiencia Ha comprado periféricos/no conoce las compu­ tadoras Panasonic Ha comprado o está familiarizada con las compu­ tadoras de Panasonic Aplicaciones en el negocio Sólo procesamiento de texto Procesamiento de texto y análisis de datos Procesamiento de texto, análisis de datos y red

1989 1990 1991

Ingreso neto

Valor

1 2 3

1 2 3

1 2 3

Cuarenta entrevistados se asignaron en forma aleatoria a cada una de las 27 combinaciones posibles de variables (40 en­ trevistados con calificaciones baja-baja-baja, 40 con calificacio­ nes baja-baja-media, etc.). La voluntad de los entrevistados de comprar una computadora Panasonic se midió con base en una escala de 11 puntos.

1992 1993

1994

I—

El diseño se eligió para permitir un análisis subsecuente de los datos. Utilizando SPSS, SAS o BMDP (o un paquete de soft­ ware para estadística similar), usted resultó elegido para escribir los archivos del programa y analizar los datos empleando los pro­ cedimientos siguientes. 1. Distribución de frecuencia. Asegúrese de que las distribucio­ nes de frecuencia de todas las variables son apropiadas para el análisis posterior. 2. Tabulaciones cruzadas. Vuelva a codificar la variable depen­ diente, la voluntad de compra, en tres grupos correspon­ dientes relativamente iguales (bajo, medio y alto). Lleve a cabo tabulaciones cruzadas en la variable dependiente con cada una de las variables independientes (tamaño de la com­ pañía, familiaridad y aplicación en el negocio) para las compu­ tadoras Panasonic. Después, realice tabulaciones cruzadas en la variable dependiente con la familiaridad hacia las computadoras Panasonic, controlando la aplicación en el negocio; en el tamaño de la compañía, controlando la apli­ cación en el negocio; y en el tamaño de la compañía, con­ trolando la familiaridad con las computadoras Panasonic. Interprete los resultados para la gerencia. 3. Regresión. Realice la regresión de la variable dependiente en dos variables simuladas para el tamaño de la compañía, la familiaridad con las computadoras Panasonic y la aplica­ ción en el negocio. (Nótese que cada variable independiente tiene tres categorías y, por tanto, estará representada por dos variables simuladas.) Interprete los resultados para la gerencia. 4. Análisis de varianza unidireccional. Explique la variación en la variable dependiente mediante las tres ANOVA análisis de la varianza de la variable dependiente con cada una de las variables de predicción (tamaño de la compañía, familiaridad con las computadoras Panasonic y aplicación en el negocio). 5. Análisis de la varianza en tres direcciones. Explique la varia­ ción en la variable dependiente mediante la realización de

un ANOVA en tres direcciones a fin de determinar los efec­ tos de la interacción entre las variables de predicción. 6. Análisis discriminante. Agrupe la variable dependiente en tres grupos relativamente iguales con base en la distribución, lleve a cabo el análisis discriminante en los datos agrupa­ dos con las variables simuladas que se crearon para la re­ gresión e interprete los resultados para la gerencia. Se proporcionan los datos para este caso. En los datos que se ofrecen, la primera variable representa la voluntad de com­ prar una computadora Panasonic. Las tres variables siguientes, en el orden que se menciona en el caso, representan las varia­ bles que se utilizan para clasificar las empresas. Cada campo ocupa seis columnas. El asesor principal de su empresa le pidió que analizara los datos utilizando un nivel de importancia de 0.05, que preparara un informe detallado de los resultados del análisis y ofreciera recomendaciones para la gerencia de Panasonic acerca de su programa promocional para las computadoras que fabrica Tandy. Recuerde que su mercado meta son los ejecutivos de las empre­ sas estadounidenses. Su misión, aunque no es imposible, sí es difícil: ayudar a Panasonic a dirigirse a este mercado.

1. “Tandy Corp., Matsushita Plan Computer Pact”, en Wall Street Journal (14 de noviembre de 1988): p. B4. 2. “Tandy in PC Deal with Matsushita”, en The New York Ti­ mes (15 de noviembre de 1988): p. D5. 3. “How a Picture Tube Made in the U.S.A. Is Helping Americans Enjoy A Brighter Picture of Life”, en Forbes (7 de enero de 1991): p. SI. 4. Lappen, Alyssa A., “We’re Still Here”, en Forbes (26 de no­ viembre de 1990): pp. 191-95. 5. McCartney, Scott, “Tandy, After Resisting Calis for CEO’s Head, Enjoys a Comeback”, en Wall Street Journal (18 de octubre de 1994): pp. A l, A13.

N ota: Este caso se preparó sólo para propósitos de análisis en clase y no representa las perspectivas de M atsushita, Tandy ni sus afiliadas. El e sce­ nario del problema es hipotético y los datos que se proporcionan son su­ puestos.

Pampers desarrolla una proliferación de nuevos productos Siempre ha parecido que la industria de los pañales desechables de 3.5 mil millones de dólares pertenece a una sola marca: Pampers. Procter & Gamble ha dominado el mercado desde los setenta y ochenta, con Pampers como su oferta principal. A fi­ nes de la década de los setenta, Luvs se agregó como segunda oferta para competir con la marca Huggies de Kimberly-Clark. Pero para 1985, Huggies controlaba 32.6% del mercado y repre­ sentaba una amenaza importante para el liderazgo de P & G en la industria. Para recuperar el dominio del mercado, P & G decidió mo­ dificar tanto Pampers como Luvs en 1985. Aceptando la creen­ cia tan extendida de que los consumidores pagarían más por pa­ ñales de mejor calidad, P & G invirtió 500 millones de dólares para actualizar su equipo de producción a fin de producir paña­ les curvos, una diferencia muy marcada con los pañales rectan­ gulares que siempre había ofrecido. Los nuevos Pampers, llama­ dos “Ultra Pampers”, se introdujeron con bombo y platillos en un hospital de la ciudad de Nueva York. Se citaron estudios cien­ tíficos sobre la erupción causada por los pañales, se anunció el respaldo de una asociación nacional de enfermeras pediátricas y

se llevaron a cabo pruebas simuladas de los pañales recién dise­ ñados a fin de comprobar su superioridad. El único aspecto ne­ gativo de Ultra Pampers fue su tamaño; eran más delgados que los pañales convencionales y provocaban la sensación de ser menos absorbentes a pesar de sus cualidades certificadas. Luvs también se modificó al agregarle atributos de una marca de primera clase, como mejor absorbencia, diseño curvo y empa­ que nuevo. Estas mismas modificaciones tuvieron gran éxito en la participación en el mercado de Ultra Pampers, pero gran par­ te de la ganancia fue a expensas de Luvs, en lugar de Huggies. Debido a que Luvs seguía con problemas, a pesar de la re­ novación, en 1988 P & G reemplazó Luvs con Luvs Deluxe, un pañal de colores pastel especial para cada sexo que ofrecía la tecnología más avanzada y mayor comodidad. A fin de aumen­ tar la absorbencia, los pañales rosa, para niñas, tenían relleno extra en el centro y los azules, para niños, tenían relleno extra al frente. Aun cuando estos cambios se promovieron mucho, los analistas de la industria no se dejaron impresionar con el último movimiento de P &. G. El sentimiento general era que P & G estaba indecisa sobre cómo posicionar mejor sus dos marcas en

comparación con Huggies y que la introducción de Luvs Deluxe era simplemente una medida temporal hasta que pudiera poner­ se en práctica una nueva estrategia. Además, Kimberly-Clark seguía siendo muy agresiva en el mercado e introdujo tres modi­ ficaciones significativas en el negocio de los pañales en 1989: la capa con pliegues múltiples para conservar seco el pañal; la ban­ da en la cintura de elástico; y los bordes reforzados. En 1989, las ventas confirmaron las conclusiones de los analistas: Luvs Deluxe sí se recuperó, pero a expensas casi por completo de Pampers porque los consumidores respondieron en forma favorable a los pañales específicos para cada sexo (véase la tabla 1). Pero, en una industria preocupada por la economía del espacio en los anaqueles, el manejo de dos líneas obligó a distribuidores y deta­ llistas a intercambiar el espacio de los anaqueles entre los pro­ ductos de P & G, en lugar de tomar el de Huggies. Es evidente que la estrategia de dos productos de P & G no tenía éxito en la competencia contra Huggies. Huggies aumentó la presión contra P & G en 1991, cuando introdujo su línea Huggies Baby Steps. Esta línea ofrecía cinco tamaños de pañales en lugar de los cuatro anteriores. En res­ puesta a esto, P & G se apresuró a introducir Pampers Phases, que tenía siete tamaños de pañales en lugar de los tres regulares. Sin embargo, Huggies no se dejaba derrotar y, a finales de 1991, introdujo Huggies Pull-Ups, una combinación entre pañal desechable y calzoncillo (en otras palabras, calzón entrenador desechable). Esta línea representó una innovación radical en el mercado de los pañales y una muy benéfica para Kimberly-Clark, porque los Pull-Ups se vendían al doble del precio de los pañales regulares para bebé y la competencia, incluyendo a P & G, no pudo introducir un producto similar. Las ventas de Pull-Ups al­ canzaron 500 millones de dólares al año en 1992. A mediados de 1993 se dio poca importancia a la mercadotecnia y los esfuerzos se concentraron en el precio. P & G empe­ zó a bajar los precios de su marca de primera clase Pampers, para competir con las entradas de marcas privadas, que ganaron te­ rreno durante la primera mitad del año. El otoño de 1992 fue testigo de la introducción por parte de P & G de una estrategia de precios bajos todos los días mientras que se eliminaban los cupones para el consumidor. Este movimiento fue una estrategia

directa contra las marcas privadas que habían tenido precios más bajos y adoptaban con rapidez los cambios del producto. P & G establece un “ambiente nuevo” con énfasis en los consumidores orientados hacia el costo como el impulso para su cambio re­ ciente en mercadotencia. En mayo de 1993, P & G adoptó una estrategia de precios en dos sentidos dirigida a hacer de Luvs una marca de oportuni­ dad, al reducir 16% el precio de lista. Las bajas de precios en Luvs se respaldaron con la eliminación de costos extra como la impresión en la parte posterior, las asas de los empaques, las promociones para el consumidor y una variedad de tamaños de paquetes. Pampers sigue manteniéndose como marca de línea superior y tiene un precio más alto con una baja marginal de precio de sólo 5% en 1993. Kimberly-Clark se ajustó con una baja en los precios de Huggies al mismo tiempo. Algunas nuevas líneas de productos han acompañado los cambios recientes en los precios y el posicionamiento. Pampers introdujo Pampers Ultra Dry Thins como respuesta a la primera entrada de Kimberly-Clark en el mercado de los pañales delga­ dos, Huggies UltraTrim, que empezó su distribución a nivel na­ cional en los últimos meses de 1992. Estos pañales más delgados proporcionan mejor absorbencia al tiempo que son menos volu­ minosos que otros. Se espera que también P & G introduzca un producto nuevo de “calzón entrenador” Pampers para competir con la entrada exclusiva de Kimberly-Clark con los Huggies PullUps. En este mercado cada vez más competitivo, el departamen­ to de mercadotecnia de P & G deseaba formular nuevos plan­ teamientos para la construcción y mercadotecnia de Pampers a fin de posicionarla en forma efectiva contra Huggies sin sacrifi­ car Luvs. Para lograrlo, se realizó un estudio entre 300 madres de infantes. A cada una se le dio una marca de pañales selecciona­ da de manera aleatoria (Pampers, Luvs o Huggies) y se le pidió que calificara el pañal en nueve atributos y que expresara su preferencia general por la marca. Estas calificaciones se obtu­ vieron con base en escalas de Likert de siete puntos. El estudio estaba diseñado de modo que cada una de las tres marcas apare­ ció 100 veces. El objetivo del estudio era saber qué atributos eran los más importantes para tener una influencia en la prefe­

Tabla 1 Participación en el m ercado de los pañales desechables (porcentajes)

Pampers Luvs Total de Procter & Gamble Huggies (Kimberly-Clark) Marcas privadas

1988

1989

1990

1991

1992

1993

29.0 17.8 46.8 30.7 *

24.8 22.3 47.1 30.1 *

24.4 23.2 47.6 30.9 *

27.2

29.2 14.3 43.5 37.2 14.3

28.0 13.1 41.1 38.4 15.6

20.0 47.2 36.3

12.1

N otas: *significa que no está disponible. Los totales no suman 100% debido a la participación en el m ercado de otras marcas.

rencia de compra (Y). Los nueve atributos que se utilizaron en el estudio fueron los siguientes: Variable

Atributo

Opciones de mercadotecnia

X2

Cantidad por caja Precio

x 3 x 4

Valor Unisex

X5

Estilo

x 6

Absorbencia

x 7

Escurrimiento

X8

Comodidad/tamaño

x 9

Cintas

¿Cantidad deseada por caja? ¿Paga un precio de primera clase? Promueve el valor alto Unisex contra pañales para cada sexo Impresiones/pañales de colo­ res contra lisos Regular contra super absorbencia Estrechos/entrepierna trian­ gular contra regular Relleno extra y pliegues que se ajustan a la forma Cintas repegables contra regulares

Los datos se recopilaron en un centro comercial suburbano utilizando la técnica de intercepción en los centros comerciales y se presentan aquí. La primera variable representa la preferen­ cia por la marca (Y). Las nueve variables siguientes representan las calificaciones de las marcas en los nueve atributos en el or­ den que se menciona en el caso (X¡ a X 9). Cada campo ocupa tres columnas. P reguntas Debe analizar los datos y preparar un informe para el departa­ mento de mercadotecnia. El memorándum de una página que recibió sugería que considerara los procedimientos siguientes:

lo hizo para las tabulaciones cruzadas. Realice un análisis de la varianza unidireccional en cada variable independiente con la preferencia por la marca. Explique los resultados a la gerencia. 5. Análisis discriminante. Reúna las preferencias por la marca en dos grupos relativamente iguales, con base en su distri­ bución. Realice el análisis discriminante en los datos agru­ pados e interprete los resultados para la gerencia. Repita este análisis al agrupar las preferencias por la marca en tres grupos relativamente iguales. 6 . Análisis factorial. Determine cualquier factor subyacente inherente a los datos al llevar a cabo el análisis factorial, utilizando la extracción de los componentes principales con la rotación varimax. Imprima todas las estadísticas disponi­ bles. Guarde las calificaciones de los factores y realice la regresión en la preferencia por la marca. Interprete estos resultados para la gerencia. 7. Análisis de grupo. Utilice un procedimiento no jerárquico para reunir a los entrevistados, con base en las variables independientes, en dos, tres, cuatro y cinco grupos. Ade­ más, realice un procedimiento jerárquico para obtener cin­ co grupos mediante el uso del procedimiento de Ward y la creación de un dendrograma. Interprete todos estos resul­ tados para la gerencia. Interprete los resultados del estudio y haga recomendacio­ nes al departamento de mercadotecnia con base en sus descu­ brimientos. Quieren conocer su opinión acerca de cuál de los nueve atributos valoran más las madres, así como sus ideas para las acciones específicas que pueden aumentar la participación de Pampers en el mercado actual. El departamento de mercado­ tecnia cuenta con sus recomendaciones para encontrar la ma­ nera de mejorar la imagen de Pampers y enfrentar la prolifera­ ción de nuevos productos por parte de los competidores.

1 . Distribución de la frecuencia. Muestre las gráficas de barras de todas las variables. 2. Tabulaciones cruzadas. Agrupe la preferencia por la marca como baja, media y alta con la fórmula: baja = 1 o 2 , me­ dia = 3 a 5 y alta = 6 o 7. Agrupe todas las variables inde­ pendientes como: baja = 1 a 3, media = 4 y alta = 5 a 7. Realice tabulaciones cruzadas de dos variables de las prefe­ rencias con cada variable independiente. Lleve a cabo las tabulaciones cruzadas de las tres variables siguientes: pre­ ferencia con conteo por caja, controlando el precio; prefe­ rencia con unisex, controlando el estilo; y preferencia con comodidad, controlando las cintas. Interprete estos resul­ tados para la gerencia. 3. Regresión. Encuentre una ecuación de regresión para la pre­ ferencia por la marca que incluya todas las variables inde­ pendientes para el modelo y describa qué tan significativo es. Interprete los resultados para la gerencia. 4. Análisis de la varianza unidireccional. Reúna todas las varia­ bles independientes en grupos de bajas, medias y altas como

R e f e r e n c ia s 1. Freeman, Laurie, “Procter & Gamble, Case Study: Pampers Disposable Diapers”, en Advertising Age (29 de enero de 1991): pp. 16-17. 2. “Kimberly-Clark Bets, Wins on Innovation”, en Wall Street Journal (22 de noviembre de 1991): p. A5(E). 3. “For the Record: Kimberly-Clark Corp.”, en Advertising Age (2 de septiembre de 1991): p. 41. 4. “P & G Rushes on Global Diaper Rollout”, en Advertising Age (14 de octubre de 1991): p. 6. 5. “In Diapers, It’s a Price Fight for P &.G, K-C”, en Advertising Age (29 de septiembre de 1993): p. 36.

N ota: Este caso se preparó sólo para propósitos de análisis en clase y no representa las perspectivas de P rocter & Gam ble ni sus afiliadas. El e sce­ nario del problema es hipotético y los datos que se proporcionan son su­ puestos.

§47 A* 9

Chrysler busca una nueva imagen

“Vendería en un minuto mi Corvette convertible para comprar este auto”, exclamó un observador emocionado en una demostración de los diseños de Chrysler Motors Corporation para la década de los noventa. Desde su batalla contra la bancarrota a fines de la década de los setenta, Chrysler continúa ocupando un distante tercer lugar en comparación con General Motors y Ford en el mercado automotriz de Estados Unidos, esa posición se vio amenazada por Honda en 1990 y 1992 (véase la tabla 1). A principios de la década de los ochenta, Chrysler reaccionó en forma dramática y ganó casi dos puntos porcentuales durante los primeros cinco años de esa década al agregar a su línea de sedanes de lujo, automóviles más económicos y de clase media. Pero el aumento de la competencia por parte de las importacio­ nes japonesas, la baja calidad de los productos y los diseños poco imaginativos llevaron a una reducción de la participación en el mercado durante la última mitad de la década. Sin embargo, Chrysler sí tuvo éxito con su minivan. Debi­ do a este triunfo, Chrysler estaba aún más determinada a tener éxito en el mercado automotriz, de manera que los ingenieros y gerentes trataron de diseñar automóviles que tuvieran la ima­ gen moderna y de alta calidad que Chrysler necesitaba. La em­ presa conservó su estrategia de enfocarse hacia la utilidad y no en la participación en el mercado, evitando las alianzas genera­ les y prosperando, a pesar de la escasez de capital. En 1989, Chrysler realizó una muestra de los conceptos automotrices pa­ ra la década de los noventa, que incluía un motor V-10 tanto para camiones como para automóviles. Se introdujeron dos con­ ceptos modernos aunque pragmáticos, el Chrysler Millennium y el diminuto Plymouth Speedster. Ambos automóviles tenían un diseño atractivo, pero no contaban con buen desempeño por­ que se basaban en la plataforma y el tren de poder tradicionales de Chrysler. No obstante, los analistas tomaron nota del auto­ móvil deportivo de dos plazas con tracción trasera, que se puso a la disposición en 1992 e incluía el motor V-10. Llamado en un principio por su código, Dodge TBD (To Be Determined) y des­ pués, Dodge Viper, parecía un Chevrolet Corvette, pero tenía un precio de 55 000 dólares. A pesar de que algunos calificaron al Dodge Viper como el automóvil “más sexy pero más absurdo”, parecía que era un éxi­ to. Aunque modestas, las ventas hasta noviembre de 1993 re­ presentaron un total de 1 199. En fechas recientes, el presidente de la Chrysler Corporation, John Lutz, afirmó que la compañía mantendrá la producción de Viper más baja que la cantidad de­ mandada. En la actualidad, la producción anual es de 2 000 aproximadamente al año, pero este número podría aumentar a

3 000, ya que al parecer la demanda del automóvil se ha incre­ mentado desde el momento de su introducción. Chrysler reveló también que ofrecerá el Viper en dos colores nuevos, verde es­ meralda y amarillo. Anteriormente, los primeros 250 automóvi­ les fueron rojos y el resto negros. También se planean mejoras para los interiores. Por ejemplo, Chrysler planea agregar siste­ mas de aire acondicionado de fábrica. La empresa considera tam­ bién la introducción de una versión cupé del Viper, que tendrá un techo y se llamará Prowler. Con el éxito del Dodge Viper, los automóviles LH, Concorde, Dodge Intrepid e Eagle Vision, Chrysler superó a Honda y Toyota para convertirse una vez más en la tercera empresa automotriz de Estados Unidos. Para continuar con su éxito, el Viper debe atraer consumi­ dores con alto nivel educativo, que prefieren los automóviles importados. Ya que este grupo sería la meta principal para un automóvil con un desempeño tan alto, Chrysler necesitaba ase­ gurarse de que podía competir en un mercado que tradicional­ mente estaba dominado por Corvette, Nissan 300-ZX y Porsche 944. Las principales preocupaciones de Chrysler eran superar la imagen de automóviles cuadrados con este grupo, determinar si

Tabla 1 Participación en el m ercado de los automóviles estadounidenses (porcentajes)

Año

Chrysler

Ford

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993

10.7

16.6 16.2 16.9 17.1 19.0 18.8 18.2

11.6 11.7

12.6 12.3 12.5

12.1 10.7 11.3 10.4 9.3

8.6 13.0 15.0

20.2 21.6 22.2 23.9 23.2 25.0 26.0

General Motors 46.8 44.5 44.0 44.2 44.3 42.5 41.0 36.5 36.1 34.9 35.5 35.0 34.0 34.0

Honda

Otros

4.3 4.3 4.5 4.4 4.9 5.0

21.6 23.4 22.9 21.7 19.5

6.1

21.2 22.6

7.2 7.3 7.8 9.4 9.8

25.4 23.7 24.7 21.9 23.4

6.0

22.0 20.0

5.0

debían recurrir al patriotismo u ofrecer incentivos en el Dodge Viper y concentrarse en la modernidad y el prestigio al promo­ verlo para este mercado. Para lograr esta tarea, se elaboraron 30 afirmaciones para medir las actitudes hacia estos factores y clasificar a los entrevis­ tados. Estos últimos utilizaron una escala de Likert de nueve pun­ tos (1 = definitivamente en desacuerdo, 9 = definitivamente de acuerdo). Los entrevistados se seleccionaron de las listas de correo de las revistas Car and Driver, Business Week e Inc. y una compañía investigadora independiente les llamó por teléfono a su casa. Las afirmaciones que se utilizaron en el estudio a 400 entrevistados se presentan a continuación.

26. Por lo general, me encuentro entre las primeras personas que prueban los nuevos productos. 27. Me gusta trabajar y jugar con ahínco. 28. Las predicciones escépticas son por lo regular equivocadas. 29. Puedo hacer todo lo que me proponga. 30. Dentro de cinco años, mi ingreso será mucho más alto que ahora.

5. La vida es demasiado corta para no aventurarse. 6. No me preocupa la capa de ozono.

Además, la variable de criterio, la actitud hacia el Dodge Viper, se midió al pedir a cada persona que respondiera a la afir­ mación: “Consideraría la posibilidad de comprar el Dodge Viper que fabrica Chrysler”. Esta afirmación se midió con base en la misma escala de nueve puntos que las 30 afirmaciones de pre­ dicción. Se proporcionan los datos para el caso. En la información que presentamos, la primera variable representa la actitud hacia un automóvil deportivo de Chrysler. Las 30 variables siguientes, en el orden que se presenta en el caso, representan las califica­ ciones de las afirmaciones del estilo de vida. Cada campo ocupa tres columnas.

7. Creo que el gobierno hace demasiado por controlar la con­ taminación.

P reg un ta s

1. Tengo una condición física muy buena. 2. Cuando debo elegir entre los dos estilos, por lo general vis­ to a la moda y no de acuerdo con la comodidad. 3. Tengo más ropa de moda que la mayoría de mis amigos. 4. Quiero verme ligeramente diferente a los demás.

8 . Básicamente, la sociedad actual está bien. 9. No tengo tiempo para trabajar como voluntario en obras de caridad. 10. Nuestra familia no tiene muchas deudas en la actualidad. 11. Me gusta pagar en efectivo todo lo que compro. 12. Gasto para el día de hoy y espero para ver qué me depara el futuro. 13. Utilizo las tarjetas de crédito porque puedo pagar las cuen­ tas con calma. 14. Raras veces utilizo los cupones cuando salgo de compras. 15. Las tasas de interés son suficientemente bajas para permi­ tirme comprar lo que quiero. 16. Tengo más confianza en mí mismo que la mayoría de mis amigos. 17. Me gusta que me consideren un líder. 18. Con frecuencia, otras personas me piden que les ayude a resolver un problema. 19. Los hijos son lo más importante en mi matrimonio. 20. Prefiero pasar una velada tranquila en casa que salir a una fiesta. 21. Los automóviles fabricados en Estados Unidos no pueden compararse con los fabricados en el extranjero. 22. El gobierno debería limitar las importaciones de productos de Japón. 23. Los estadounidenses siempre deberían tratar de comprar productos estadounidenses. 24. Me gustaría hacer un viaje alrededor del mundo. 25. Desearía poder dejar mi vida actual y hacer algo por com­ pleto diferente.

El director de mercadotecnia de Chrysler se interesa en conocer las características psicológicas de los consumidores con alto ni­ vel educativo para configurar el programa para el Dodge Viper. A usted le presentaron las respuestas del estudio que mencionamps antes. Analice los datos de acuerdo con los lineamientos siguientes: 1. Distribución de la frecuencia. Asegúrese de que cada variable es apropiada para el análisis con la realización de una dis­ tribución de frecuencia para cada variable. 2. Regresión. Mediante el uso de un análisis de regresión dis­ creto, ubique aquellas variables que expliquen mejor la va­ riable de criterio. Evalúe la fuerza del modelo y el impacto de cada variable incluida en la variable de criterio. 3. Análisis factorial. Determine los factores psicológicos subya­ centes que caracterizan a los entrevistados a través de un análisis factorial de las 30 variables independientes. Utilice la extracción de los componentes principales con la rota­ ción varimax para facilitar la interpretación. Guarde las calificaciones de los factores y lleve a cabo su regresión en la variable de criterio, procurando que todas las variables de predicción se incluyan en el análisis. Evalúe la fuerza de este modelo y compárelo con la regresión inicial. Utilice las calificaciones factoriales para agrupar a los entrevista­ dos en tres grupos. Analice la importancia de los grupos con base en los factores subyacentes. Repita este análisis para los cuatro grupos. 4. Análisis conglomerado. Agrupe a los entrevistados sobre las variables originales en tres y cuatro subgrupos. ¿Cuál es un mejor modelo? Compare estos resultados de agrupación con las calificaciones factoriales. ¿Cuáles son más fáciles de in­ terpretar? ¿Cuáles explican mejor los datos?

Con base en el análisis, prepare un informe para la gerencia explicando las características del consumidor con alto nivel edu­ cativo, haciendo recomendaciones para el diseño del Dodge Viper. Sus recomendaciones deben ayudar a Chrysler en el logro de lo que busca: una imagen para el Viper que sea atractiva para el consumidor con alto nivel educativo y que le ayude a superar a la competencia en el mercado automotriz.

3. “Two New Viper Colors”, en Industrial Finishing (julio de 1993): pp. 32-34. 4. Taylor, Alex, “Will Success Spoil Chrysler?”, en Fortune (10 de enero de 1994): pp. 88-92. 5. “1993 Edison Best New Products Awards Winners”, en Marketing News (25 de abril de 1994): p. E4. 6. Automotive News (10 de enero de 1994): p. 50.

R e f e r e n c ia s 1. “Viper Vitality”, en Automotive News (15 de febrero de 1993): p. 2.

2. McCormick, John, “Coupe De Viper Remains a Distinct Possibility”, en Ward’s Auto World (julio de 1993): p. 114.

N ota: Este caso se preparó solo para propósitos de análisis en clase y no representa las perspectivas de Chrysler ni sus afiliadas. El escenario del problema es hipotético y los datos que se proporcionan son supuestos.

PARTE

V

Comunicación del proyecto de investigación C a p ítu lo

22

Preparación y presentación del reporte PU N TO S DE VISTA D E LOS PR A C TIC A N TES PARA LA PARTE V CASO S PARA LA PARTE V

♦ La comunicación de la investigación mediante la preparación y presentación de un reporte formal constituye el sexto paso de un proyecto de investigación de mercados. Esta parte describe la importancia y el proceso de preparación y presentación de reportes. Escrita con una orientación práctica, ofrece los lineamientos para redactar los reportes y preparar las tablas y gráficas. Estudiaremos también la presentación oral del reporte y proporcionaremos varios consejos útiles.

Preparación y presentación del reporte S a ca lid a d d e lreporte y su preseniacián se utilizanfrecuentem ente com o indicadores im portantes de la calidadde todo e lproyecto de inoestigación de m ercados.

O bjetivos A l finalizar la lectura de este capítulo, el estudiante podrá: 1 . Describir los requerimientos básicos para la preparación de reportes, inclu­ yendo el formato del reporte, su redacción, gráficas y tablas. 2. Describir la naturaleza y el panorama de la presentación oral, así como los principios “tell ’em” (dígales) y “KISS ’em”. 3. Describir el planteamiento para el reporte de la investigación de mercados desde la perspectiva del cliente y los lineamientos para leer el reporte de la investigación. 4 . Explicar la razón para el seguimiento con el cliente y describir la ayuda que debe ofrecérsele, así como la evaluación del proyecto de investigación. 5. Comprender el proceso de preparación y presentación de reportes en la in­ vestigación de mercados internacionales.

6 . Identificar los aspectos éticos relacionados con la interpretación y el reporte del proceso de investigación, así como los descubrimientos para el cliente y el uso de resultados por parte de éste. 7. Explicar el uso de las microcomputadoras y computadoras de estructura prin­ cipal en la preparación y presentación de reportes.

P anorama general La preparación y presentación de reportes constituye el sexto y último paso del proyecto de investigación de mercados. Se lleva a cabo después de la definición del problema, el desa­ rrollo del planteamiento, la formulación del diseño de investigación, el trabajo de campo y la preparación y el análisis de datos. Este capítulo describe la importancia de este último paso, así como un proceso para la preparación y presentación de reportes. Ofreceremos lineamientos para la preparación de reportes, incluyendo la redacción del reporte y la ela­ boración de tablas y gráficas, y estudiaremos la presentación oral del reporte. Se describirá el seguimiento de la investigación, que incluye la ayuda al cliente y la evaluación del proce­ so de investigación. Se analizarán las consideraciones específicas para la preparación y presentación de reportes en la investigación de mercados internacionales y se identificarán los aspectos éticos relevantes. Terminaremos con una explicación del papel de las microcomputadoras y computadoras de estructura principal en la preparación y presentación de reportes. Empezaremos con algunos ejemplos que describen la naturaleza e importancia de la preparación y presentación de reportes.

PROYECTO DE PATROCINIO A LAS TIENDAS DEPARTAMENTALES Preparación y presentación de reportes _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ En el proyecto de patrocinio a las tiendas departamentales, se preparó un reporte formal para el vicepresidente de mercadotécnia del cliente. El primer volumen, el texto principal, tenía portada; contenido; resumen ejecutivo; detalles de la definición del problema, plan­ teamiento, diseño de la investigación, metodología utilizada para analizar los datos; resulta­ dos; limitaciones del proyecto; y conclusiones y recomendaciones. El volumen 2 contenía portada, lista de figuras, así como todas las figuras y gráficas. Por último, todos los detalles estadísticos, incluyendo las tablas, se proporcionaban en el volumen 3. La redacción del reporte contó con la influencia de las preferencias de estilo del vicepresidente de mercadotecnia y otros ejecutivos clave. El volumen 1 tenía una orientación no técnica y era fácil de leer. Además del reporte escrito, se realizó ante la alta gerencia una presentación oral del proyecto. Varias de las recomendaciones que se hicieron a la gerencia en el reporte se pusie­ ron en práctica más adelante. ♦

EJEMPLO El reporte intermedio produce satisfacción - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - La empresa de investigación de mercados Elrick and Lavidge midió la satisfacción de los consumidores con los productos y la fuerza de trabajo de una compañía de telecomunicacio­ nes en 20 mercados, por etapas. Cuando se había realizado la investigación en cuatro merca­ dos, se preparó un reporte intermedio acerca de los niveles de satisfacción y el uso de los productos en cada uno de los cuatro mercados. Este reporte identificaba los factores que afectaban los niveles de satisfacción y que eran comunes en todos los mercados. Se presentó al grupo gerencial del cliente, que consistía en el vicepresidente de mercadotecnia, el direc­ tor de investigación de mercados y otros gerentes. Como resultado de esta presentación y los análisis subsecuentes, se realizaron varias modificaciones al proyecto para los 16 mercados restantes .1 ♦ El ejemplo de las tiendas departamentales ilustra de qué manera el texto principal del reporte sigue el formato de los pasos iniciales del proceso de investigación de mercados. El ejemplo de Elrick and Lavidge destaca la importancia de los reportes intermedios.

I m portancia del reporte y su presentación Por las razones siguientes, el reporte y su presentación son partes im portantes del proyecto de investig ación de m ercados: 1. Son los productos tangibles del esfuerzo de investigación. Después de que el proyecto termina y la gerencia toma la decisión, existen pocas evidencias de documentos del proyecto aparte del reporte escrito. Este sirve como un registro histórico del proyecto. 2. Las decisiones de la gerencia están guiadas por el reporte y su presentación. Si los primeros cinco pasos del proyecto se realizan con precaución pero se presta atención inadecuada al sex­ to, el valor del proyecto se reducirá en gran medida para la gerencia. 3. La participación de muchos gerentes de mercadotecnia en el proyecto se limita al reporte escri­ to y la presentación oral. Estos gerentes evalúan la calidad de todo el proyecto con base en la calidad del reporte y su presentación. 4. Las decisiones de la gerencia de llevar a cabo investigaciones de mercado en el futuro o de volver a utilizar al proveedor particular de la investigación particular tendrá la influencia de la utilidad percibida del reporte y su presentación.

E

l proceso de preparación y presentación del reporte La figura 22.1 ilu stra la preparación y presentación de reportes. E l proceso se in ic ia con la in terp retació n de los resultados del an álisis de datos tom ando en cuenta el problem a de la in vestig ación de m ercados, el planteam iento, el diseño de la in vestig ació n y el trabajo de cam po. E n lugar de lim itarse a resum ir los resultados estadísticos, el investigador debe presentar los descubrim ientos de m anera que puedan utilizarse en form a directa com o in fo r­ m ación para la toma de decisiones. Siem pre que sea apropiado, debe presentar conclusiones y hacer recom endaciones. Las recom endaciones de­ ben ser susceptibles de ponerse en práctica. A n tes de escrib ir el reporte, el investigador debe analizar los descubrim ientos principales, las conclusiones y recom endaciones con las personas clave que tom an las decisiones. Estos an álisis desem peñan un papel im portante al confirm ar que el reporte satisface las necesidades del clien te y de que finalm ente se acep­ tará. Estos análisis deben confirm ar las fechas es­ pecíficas para la entrega del reporte escrito y otros datos. Todo el proyecto de in vestig ació n de m erca­ dos debe resum irse en un solo reporte escrito o en varios reportes dirigidos a distinto s lectores. Por lo general, una presentación o ral com plem enta los do ­ cum entos escritos. Es preciso dar al clien te la opor­ tunidad de leer el reporte. D espués de esto, el in ­ vestigador debe tom ar las acciones de seguim iento necesarias. Debe ayudar al clien te en la com pren­ sión del reporte, la in co rp o ració n de los descubri­ m ientos, la realizació n de investigaciones futuras y la evaluació n del proceso de in vestig ació n en re ­ trospectiva. E l ejem plo siguiente destaca la im por­ tancia que tiene que el investig ado r p articip e en gran m edida en el proceso de preparación y p re ­ sentación del reporte.

EJEMPLO

Los colaboradores anónimos delos moderadores en las sesiones degrupo puedenengañara los clientes ______________________ Thom as G reenbaum , presidente de una com pañía de in vestig ación de m ercados que se enfo­ ca h acia la investig ación cu alitativa, señala una tendencia m olesta en el sector del servicio de sesiones de grupo en años re cie n te s. G reenbaum de G ro up s P lus In c ., de W ilto n , C o n n e cticu t, afirm a que algunos m oderadores de sesiones de grupo m alinterpretan su traba­ jo para los clientes porque sus reportes están redactados por colaboradores anónim os que no p articip an en estas sesiones. De acuerdo con G reenbaum , quizá más de la m itad de los m oderadores u tiliza n co la­ boradores anónim os para desarrollar los reportes para sus clien tes; y éstos son, con frecuen­ cia, investigadores principian tes que aprenden el negocio o em pleados de m edio tiem po que escriben estos reportes. G reenbaum c ritic a esta costum bre porque las personas que sólo escu­ chan las cintas de audio o ven en video las sesiones de grupo no siem pre pueden in terpretar con precisión las reacciones no verbales de los participantes, o la sinergia del grupo. G reenbaum hace un llam ado a los m oderadores para que sean honestos con los clien tes acerca de los autores de estos reportes, y a los clientes para que sean más exigentes co n los equipos de in vestig ación que contratan. “A unque algunas personas en la in d u stria defienden la co n tratació n de colaboradores anónim os, diciendo que siem pre revisan los reportes antes de enviarlos al clie n te, o in cluso redactan ciertas secciones clave, los clientes que u tiliza n la in vestig ación con sesiones de grupo deben v ig ila r de cerca esta p ráctica”, d ijo G reenbaum . “S i los clien tes saben con a n ti­ cip ació n que sus reportes serán redactados por alguien más, es evidente que el problem a es m enor, pero aún así no obtienen el m ejor esfuerzo de sus asesores de in vestig ació n .” Adem ás de la probabilidad de m odificar un reporte, G reenbaum señala que el sistem a de colaboradores anónim os dem ora la presentación del reporte fin al. “Los m oderadores que re ­ dactan sus reportes tratan de term inarlos de 8 a 10 días después de la últim a sesión, de modo que, cuando lo escriben, la inform ación todavía está fresca en su m em oria” , afirm a Greenbaum . “S in embargo, la m ayor parte de los m oderadores (que em plean colaboradores anónim os) no pueden proporcionar a los clientes los reportes finales sino hasta tres o cuatro sem anas des­ pués de la últim a sesión, debido al proceso que u tilizan con los colaboradores anónim os.”2 ♦

P reparación del reporte Los investigadores difieren en la form a en que preparan un reporte de in vestig ació n . La per­ sonalidad, antecedentes, experiencia y responsabilidad del investigador, así com o la persona que tom a las decisiones (D M ), a q uien está dirigido el reporte, in te ractú an para dar a cada uno un carácter único. N o obstante, existen lineam ientos para el form ato, la redacció n y el diseño de tablas y gráficas.3 ♦

Formato del reporte Los form atos va ría n con cada investigador y em presa de in vestig ación de m ercados que lleva a cabo el proyecto, el clien te para q uien se realiza el proyecto y la naturaleza de éste. Por tanto, el siguiente es u n lineam iento con base en el cual un investigador puede d esarrollar un form ato para el proyecto de in vestig ación que lleva a cabo. La m ayor parte de los reportes de in vestig ación in clu yen los siguientes elem entos: I. Portada II. Carta de transmisión III. Carta de autorización IV Contenido

V. Lista de tablas V I. Lista de gráficas V II. Lista de apéndices V III. Lista de ilustraciones IX . Resumen ejecutivo a. Descubrimientos principales

b. Conclusiones c. Recomendaciones X . D efinición del problema a. Antecedentes del problema

b. Establecimiento del problema X I. Planteamiento del problema X II. Diseño de la investigación a. Tipo del diseño de investigación

b. Necesidades de información c. Recopilación de datos de las fuentes secundarias d. Recopilación de datos de las fuentes primarias

e. Técnicas de escalas f. Desarrollo y pruebas previas del cuestionario g. Técnicas de muestreo h. Trabajo de campo X III. Análisis de datos a. Metodología

b. Plan del análisis de los datos X IV

Resultados

XV. Limitaciones y advertencias X V I. Conclusiones y recomendaciones X V II. Ilustraciones a. Cuestionarios y formas

b. Resultados estadísticos c. Listas Este form ato sigue m uy de cerca los prim eros pasos del proceso de in vestig ació n de m ercados. Los resultados pueden presentarse en varios capítulos del reporte. Por ejem plo, en u n estudio n acio nal, el an álisis de datos puede llevarse a cabo para toda la m uestra y después analizar por separado los datos para cada región geográfica. S i es así, los resultados pueden presentarse en cin co capítulos en lugar de uno.

Portada

La portada debe in c lu ir e l títu lo d el reporte, la in fo rm ación (nom bre, d ire cció n y teléfono) sobre el investigador o la organización que realiza la in vestig ación , el nom bre del clien te para quien se preparó el reporte y la fecha de em isión. E l títu lo debe in d ica r la n atu ­ raleza del proyecto, com o se ilu stra en el recuadro In vestig ació n en la p ráctica 22.1.

Carta de transmisión

Por lo general, un reporte form al contiene una carta de transm isión que se entrega al clien te y resum e la experiencia general del investigador con el proyecto, sin m encionar los descubrim ientos. La carta debe id e n tificar tam bién la necesidad de acciones posteriores por parte del clien te, com o la instrum entación de los descubrim ientos o las fu tu ­ ras investigaciones que deberán realizarse.

I n v e s t i g a c i ó n e n l a p r á c t i c a 22.1 Lineamientos de Elrick and Lavidge sobre la portada Utilice el lenguaje del cliente en el título: “evite términos de los investiga-

"Prácticas a seguir en la selección de proveedores del servicio de larga distancia" es mejor que “Estudio del servicio de larga distancia” “Reacciones de los clientes hacia una relación de expansión financiera/seguros" es mejor que “Estudio de la relación"

©Derechos reservados Elrick and Lavidge, Inc., 198?. Todos los derechos reservados. Utilizado con autori-

C a rta de autorización E l clien te redacta una carta de autorización para el investigador antes de com enzar el trabajo del proyecto. Esta autoriza al investigador para que proceda con el proyecto y especifica su perspectiva y los térm inos del contrato. C o n frecuencia, es su fi­ ciente hacer referencia a la carta de autorización en la carta de transm isión. S in embargo, en ocasiones, es necesario in c lu ir en el reporte una copia de la carta de autorización.

Contenido

E l contenido debe lista r los temas que se cubren y los núm eros de página apro ­ piados. E n la m ayor parte de los reportes, se in clu yen sólo los título s y subtítulos principales. Después del contenido se presentan las listas de tablas, gráficas, apéndices e ilustracion es.

Resumen ejecutivo

E l resum en ejecutivo es una parte m uy im portante del reporte porque, con frecuencia, es la ú n ica sección de éste que leen los ejecutivos. E l resum en debe describir en form a concisa el problem a, el planteam iento y el diseño de in vestig ación que se adopta­ ron. U n a sección del resum en debe dedicarse a los resultados principales, las conclusiones y las recom endaciones. E l resum en ejecutivo debe redactarse después del resto del reporte.

Definición del problema

La sección de la d e fin ició n del problem a proporciona los antece­ dentes del m ism o; destaca las pláticas con quienes tom an las decisiones y los expertos de la in d u stria; y estudia el análisis de la inform ación secundaria, la in vestig ación cu a lita tiv a que se lle vó a cabo y los factores que se consideraron. Adem ás, debe contener un planteam iento claro del problem a de decisión gerencial y el problem a de investig ación de m ercados (véase el capítulo 2).

Planteamiento del problema

Esta sección debe analizar el planteam iento am plio que se adoptó al reso lver el problem a. Es preciso d escrib ir el proceso de desarrollo de u n plantea­ m iento, in cluyen do las pláticas con los ejecutivos, el an álisis de las situaciones análogas, el an álisis de la inform ación secundaria, la in vestig ación cu a litativa y las lim itacio n es pragm á­ ticas (véase el capítulo 2 ). Esta sección debe contener tam bién una descrip ció n de las bases teóricas que guiaron la investigación, cu alq u ier m odelo an alítico form ulado, preguntas de investig ación , hipótesis y factores que in fluyeron en el diseño de investig ación .

Diseño de la investigación

La sección sobre el diseño de la in vestig ación debe especificar los detalles de la form a en que ésta se realizó (véanse los capítulos 3 a 13 ). Debe in c lu ir la naturaleza del diseño de la in vestig ación que se adoptó, la inform ación necesaria, la recopila­

ció n de datos de las fuentes prim arias y secundarias, las técnicas de las escalas, el desarrollo y pruebas del cuestionario, las técnicas de m uestreo y el trabajo de cam po. Estos temas deben presentarse de m anera no técn ica y fá c il de com prender. Los detalles técnicos deben in clu irse en un apéndice. Esta sección del reporte debe ju stifica r los m étodos específicos que se se­ leccio n aro n .

Análisis de datos

Esta sección debe describir el plan de an álisis y ju stifica r la estrategia y las técnicas utilizadas. Las técnicas que se em plearon para el an álisis de datos deben describirse en térm inos sencillos y no técnicos.

Resultados

Por lo regular, la sección de los resultados es la parte más larga del reporte y puede com prender varios capítulos. C o n frecuencia, los resultados se presentan no sólo a n iv e l de conjunto, sino tam bién por subgrupos (segm ento del m ercado, área geográfica, e tc.). Los resultados deben organizarse en form a coherente y lógica. Por ejem plo, en un estudio de m ercado del cuidado de la salud en hospitales, los resultados se presentaron en cuatro cap ítu ­ los. U no presentaba los resultados generales, otro analizaba las diferencias entre las regiones geográficas, un tercer capítulo presentaba las diferencias entre los hospitales lu crativo s y no lu crativo s y el cuarto presentaba las diferencias de acuerdo con la capacidad de cam as. La presentación de los resultados debe adaptarse en form a directa a los com ponentes del pro b le­ ma de la investig ación de m ercados y las necesidades de info rm ación iden tificadas. Los deta­ lles deben presentarse en tablas y gráficas, analizando los descubrim ientos p rin cip ales en el texto.

Limitaciones y advertencias

Todos los proyectos de in vestig ación de m ercados tienen lim i­ taciones ocasionadas por el tiem po, el presupuesto y otras restriccio nes de organización. A d e ­ más, el diseño de in vestig ación adoptado puede estar lim itado, en térm inos de los diversos tipos de errores (véase el capítulo 3) y algunos de éstos quizá sean suficientem ente graves para garantizar el análisis. Esta sección debe redactarse con sum o cuidado y una perspectiva equilibrada. Por un lado, es preciso que el investigador se asegure de que la gerencia no confíe dem asiado en los resultados n i los u tilice para otros propósitos, com o proyectarlos a pobla­ ciones diferentes. Por otro lado, esta sección no debe red u cir su confianza en la in vestig ación n i m inim izar su im portancia.

C o n c lM s io n e s y recomendaciones

N o es suficiente la presentación de un resum en de los resultados estadísticos. E l investigador debe interpretarlos tom ando en cuenta el problem a que se m aneja, a fin de llegar a conclusiones im portantes. C o n base en los resultados y las conclusiones, el investigador puede hacer recom endaciones a quienes tom an las decisiones. E n ocasiones, no se pide a los investigadores de m ercados que hagan recom endaciones por­ que in vestigan sólo un área y no com prenden la perspectiva de la em presa del clien te. S i se hacen recom endaciones, deben ser factibles, prácticas, susceptibles de ejecutarse y útiles com o inform ación para la tom a de decisiones por parte de la gerencia. E l recuadro In ve stig ació n en la práctica 22.2 contiene los lineam ientos sobre las conclusiones y recom endaciones.

Redacción del reporte Lectores

U n reporte debe redactarse para un lecto r o lectores específicos: los gerentes de m ercadotecnia que u tilizarán los resultados. E l reporte debe tom ar en cuenta los co n o ci­ m ientos técnicos de los lectores y su interés por el proyecto, así com o las circu n stan cias en las que lo leerán y cóm o lo u tilizarán .4 Debe evitarse el lenguaje técnico. Com o expresa u n experto: “Los lectores de sus re ­ portes son personas ocupadas; y m uy pocos pueden sostener al m ism o tiem po u n reporte de in vestigación, una taza de café y un d iccio n a rio ” .5 E n lugar de térm inos técnicos com o p ro ­ babilidad m áxim a, heterosedasticidad y no param é trico , u tilice explicacion es descrip tivas. S i ciertos térm inos técnicos no pueden evitarse, defínalo brevem ente en u n apéndice. C uando

I n v e s t i g a c i ó n en l a p r á c t i c a 22.2 Lineamientos de Elrick and Lavidge sobre conclusiones y recomendaciones • Conclusiones Conclusiones acerca de, por ejemplo: comportamiento del cliente actitudes o percepciones de los clientes naturaleza de los mercados estudiados Por lo general, en los estudios con muestras diseñadas para representar el mercado Evite los resultados interesantes no relevantes para las conclusiones • Pueden ser en forma de afirmaciones o párrafos • Utilice subtítulos para identificar las conclusiones que cubren distintos temas o segmentos del mercado

RhC.V.'Ml:SPACin\T:S • Recomendaciones relacionadas con las acciones que deben tomarse o conside­ rarse con base en los resultados de la investigación: Agregar/eliminar un producto Qué decir en la publicidad; posicionamiento de la publicidad Segmentos del mercado que deben seleccionarse como metas primarias Cómo elegir el precio de un producto Debe considerarse una investigación posterior • Deben estar relacionadas con el propósito de la investigación • En ocasiones, deben omitirse, por ejemplo: El personal del cliente desea redactar las recomendaciones El estudio está diseñado sólo para que el cliente se familiarice con un mercado • La mayoría de los clientes se interesa por nuestras recomendaciones, aun cuan­ do no estemos familiarizados con los aspectos financieros internos ni otros facto­ res corporativos internos

©Derechos reservados Elrick and Lavidge, Inc., 1987. lodos los derechos reservados. Utilizado con autorización.

se trata de investigación de m ercados, algunas personas prefieren v iv ir con un problem a que no pueden resolver a aceptar una solución que no pueden com prender. A m enudo, el investigador debe satisfacer las necesidades de varias audiencias con distintos n iveles de conocim ientos técnicos e interés en el proyecto. Estas necesidades pue­ den cubrirse al in c lu ir en el reporte distintas secciones para los diferentes lectores, o realizar reportes por separado. E l reporte debe ser fá cil de leer.6 Debe estar estructurado en form a lógica y redac­ tado con claridad. E l m aterial, en especial el texto p rin cip al del reporte, debe estar estructurado de m anera lógica de modo que el lector pueda ver con facilidad las conexiones y enlaces in h e ­ rentes. Deben utilizarse títulos para los distintos temas y subtítulos para los subtemas.

Fácil de leer

U n a organización lógica tam bién da lugar a un reporte coherente. La clarid ad debe aum entarse con el uso de enunciados b ien estructurados que sean cortos y vayan directo al punto. Las palabras utilizadas deben expresar con exactitud lo que el investigador desea com unicar. Es preciso e vitar las palabras d ifícile s, los m odism os y las frases gastadas. U n a v e rifi­ cació n excelente de la claridad de un reporte consiste en pedir a dos o tres personas que no estén fam iliarizadas con el proyecto que lo lean y hagan com entarios crítico s. Tal vez sean necesarias varias revisiones antes de crear el docum ento fin al.

Apariencia presentable y profesional

La apariencia del reporte es im portante. Éste debe reproducirse en form a profesional con papel de calidad, escribirse a m áquina y encuader­ narse. La tipografía debe ser variada. La variació n en el tam año de los tipos y el h á b il uso de los espacios en blanco pueden co n trib u ir en gran m edida a la apariencia y facilid ad de lectura.

Objetividad

La objetividad es una virtu d que debe guiar la redacció n de los reportes. Los investigadores pueden sen tir tanta fascinación por su proyecto que pasan por alto su papel cie n tífico . Es preciso que el reporte presente con exactitud la m etodología, los resultados y las conclusiones del proyecto, sin alterar los descubrim ientos para adaptarlos a las expectati­ vas de la gerencia. Es poco probable que las personas que tom an las decisiones reciban con entusiasm o un reporte que refleja desfavorablem ente sus ju icio s o acciones. N o obstante, el investigador debe tener el va lo r de presentar y defender los resultados de m anera objetiva. La regla es “D ígalo tal com o es” .

Reforzar él texto con tablas y gráficas

Es im portante reforzar la inform ación clave en el texto con tablas, gráficas, fotografías, mapas y otros dispositivos visuales. Este m aterial puede fa cilita r la com unicación en gran m edida y dar clarid ad e im pacto al reporte. Los lin eam ien ­ tos para la presentación de tablas y gráficas se estudian más adelante.

Brevedad

U n reporte debe ser breve y conciso. Debe om itirse cu alq u ier aspecto que no sea necesario. S i se in clu ye dem asiada inform ación, pueden perderse puntos im portantes. E vite los análisis prolongados de los procedim ientos com unes. S in embargo, no debe sacrificarse un reporte com pleto en busca de la brevedad.

Lineamientos para la presentación de tablas Las tablas estadísticas son parte v ita l del reporte y m erecen especial atención. Ilustram os los lineam ientos para las tablas utilizando los datos sobre las ventas de autom óviles estadouni­ denses que se presentan en la tabla 22.1. Los núm eros entre paréntesis en los párrafos si­ guientes se refieren a los núm eros de las secciones de la tabla.

Titulo y número

C ad a tabla debe tener u n núm ero ( la ) y u n títu lo ( Ib ) . E l títu lo debe ser breve aunque d e scrip tivo de la in fo rm ació n que se p ro p o rcio n a. Los núm eros a rá b i­ gos se u tiliz a n para id e n tific a r las tablas de m odo que e l texto pueda h a ce r re fe re n cia a éstas.7

Orden de las partidas de datos

E l orden de las partidas de datos en una tabla debe enfatizar el aspecto más sign ificativo de los datos. D e m anera que, cuando éstos se refieren al tiem po, las partidas deben ordenarse de acuerdo con el periodo apropiado. C uan do el orden de mag­ n itu d es más im portante, las partidas de datos deben ordenarse de acuerdo co n éste (2 a ). S i la facilid ad para lo calizar las partidas es cru cia l, el orden alfabético es el más apropiado.

Base de medición

La base o unidad de m edición debe especificarse con clarid ad (3 a).

,3a

la ,

Tabla 22.1 Ventas de automóviles estadounidenses: 1 9 8 9 -1 9 9 3

VENTAS UNITARIAS 1990 1991

MFG G M . . / ....... ...

Ford ... ......... ... Chrysler..... ... Toyota ......... ... Honda......... Nissan......... ... Otros*......... ... TOTAL ...

3 437 2 177 1 019 676 783 510 1 172 9 777

086

866 693 939 102 371 388 445

3 308 1 935 860 779 854 454 1 106 9 300

983 531 834 208 879 250 526 211

2 909 1 636 702 742 803 413 967 8 174

460 050 518 021 367 733 537

686

1992 2 843 1 777 679 760 768 417 965 8 213

860 635 586 159 845 970 058 113

1993 2 908 1 878 834 741 716 482 955 8 517

689' 149 132 826 440 646 977 859

*Incluye a todos los demás productores. Fuente: 1994 Ward’s Automotive Yearbook, página 195.

G u ía s, líneas, espacios Las guías, puntos o guiones que se u tiliza n para guiar la lectura en sentido horizontal, dan uniform idad y fa cilita n la lectu ra (4 a). E n lugar de guiar la tabla en sentido horizontal o vertical, se u tilizan espacios en blanco (4b) para separar las partidas de datos. E l salto de renglones después de las distintas secciones de datos tam bién puede facilita r la lectura. Las líneas horizontales (4c) se utilizan con frecuencia después de los títulos.

Explicaciones y comentarios: títulos, matrices y notas al pie

Las explicacion es y los com en­ tarios que fa cilita n la com prensión de la tabla pueden proporcionarse en form a de leyendas, m atrices y notas al pie. Las asignaciones que se colocan sobre las colum nas verticales se conocen com o título s (5 a). Las asignaciones que se colocan en la colum na de la izquierda se llam an m atrices (5 b ). La inform ación que no puede in clu irse en la tabla debe explicarse por m edio de notas al pie (5 c ). Para estas notas, deben utilizarse letras o sím bolos en lugar de núm eros. Las notas al pie que son parte de la fuente o rig in a l deben colocarse después de la tabla p rin cip a l, pero antes de la nota de la fuente.

A pesar de la pérdida en las ventas y la participa­ ción en el mercado, Ge­ neral Motors sigue sien­ do el líder en la industria automotriz con automó­ viles como Saturn. ♦ General Motors.

Fuentes de información

S i la inform ación que in cluye la tabla es secundaria, debe m en­ cionarse la fuente de ésta (6 a ).

Lineamientos para la presentación de gráficas Por regla general, las gráficas deben usarse siem pre que tengan una u tilid a d práctica. La re ­ presentación gráfica de la inform ación puede com plem entar de m anera efectiva e l texto y las tablas, a fin de aum entar la claridad de la com unicación y provocar m ayor im pacto.8 Com o expresa el dicho: “una im agen vale más que m il palabras” . Los lineam ientos para la prepara­ ció n de las gráficas son sim ilares a los de las tablas. Por tanto, esta sección se enfoca h acia los diversos tipos.9 Ilustram os varias de éstas utilizand o los datos de las ventas de autom óviles estadounidenses de la tabla 22.1.

Mapas geográficos y otros

Los mapas geográficos y otros, com o los m apas de po sicio na­ m iento de productos, pueden com unicar la u b icació n re lativa y otra in fo rm ación com parati­ va. Los mapas geográficos pueden presentar países, estados, condados, territo rio s de ventas y otras divisiones. Por ejem plo, suponga que el investigador quiere presentar la info rm ación sobre el núm ero relativo de em botelladores de C o ca -C o la Com pany en com paración con los em botelladores de PepsiCo y otros com petidores en cada estado de Estados U n id o s. Esta inform ación podría com unicarse en form a efectiva a través de u n m apa, en el cu al cada esta­ do se d ivid ie ra en tres áreas, proporcionales al núm ero de em botelladores de C o ca -C o la , PepsiCo y otros, con cada área en un co lo r diferente. E l capítulo 21 m ostró ejem plos de los mapas de posicionam iento del producto.

gráfica de pastel Gráfica circular dividida en sec­ ciones.

gráfica de líneas Gráfica que conecta una serie de puntos de datos utilizan­ do líneas continuas.

Figura 22.2 Gráfica de pastel de las ventas de automó­ viles estadounidenses durante 1993

Gráficas circulares o de pastel

E n una gráfica de p astel, el área de cada sección, com o un porcentaje del área total de la circun feren cia, refleja e l porcentaje asociado con el va lo r de una variab le específica. U n a gráfica de pastel no es ú til para representar las relacio nes a través del tiem po n i las relaciones entre diversas variables. Com o lin cam ien to general, una gráfica de pastel no debe re q uerir más de siete secciones.10 La figura 22.2 m uestra una gráfica de pastel para las ventas de autom óviles estadounidenses.

Gráfica de líneas

U na gráfica de lín e a s conecta una serie de puntos de info rm ación por m edio de líneas continuas. Se trata de una form a atractiva de ilu stra r las tendencias y los

gráfica de nivel Con­ junto de gráficas de líneas en el que los datos se agrupan de manera suce­ siva. Las áreas entre las gráficas de líneas repre­ sentan las magnitudes de las variables relevantes. pictográfica Represen­ tación gráfica que utiliza dibujos pequeños o sím­ bolos para presentar los datos. gráfica de barras Gráfica que presenta los datos en barras colocadas en senti­ do horizontal o vertical. histograma Gráfica de barras verticales en la que la altura de las barras representa la frecuencia relativa o acumulada de la ocurrencia.

P

cam bios a través del tiem po. V arias series pueden com pararse en la m ism a gráfica y es posi­ ble m ostrar las proyecciones, in terpolacio nes y extrapo laciones. S i se representan varias series de m anera sim ultánea, cada lín ea debe tener un co lo r o form a d istin tivo s (véase la figura 2 2 .3 ).11 U na g ráfica de estratos es un conjunto de gráficas de líneas en el que los datos se agrupan en form a sucesiva en las series. Las áreas entre las gráficas de líneas representan las m agnitudes de las variables relevantes (véase la figura 22.4).

Pictográficas

U na p icto g rá fica u tiliza pequeños dibujos o sím bolos para representar los datos. Com o m uestra la figura 22.5, las pictográficas no ilu stra n los resultados con precisión. Por tanto, deben utilizarse con p recaución .12

H istogramas y gráficas de barras U na gráfica de b arras presenta los datos en distintas colum nas que pueden colocarse ho rizontal o verticalm ente. Estas gráficas pueden utilizarse para presentar m agnitudes, diferencias y cam bios absolutos y relativo s. U n histog ram a es una gráfica de barras verticales en la que la altura de éstas representa la frecuencia re lativa o acum ulada de o cu rrencia de una variab le específica (véase la figura 22.6).

Figuras esquemáticas y gráficas de flujo

Las figuras esquem áticas y gráficas de flu jo adop­ tan varias form as diferentes. Pueden utilizarse para presentar los pasos o com ponentes de un proceso, com o en la figura 22.1. O tra form a ú til de estas gráficas son los diagram as de c la sifi­ cación. E n el capítulo 4 (figuras 4.1 a 4 .4 ), se ofrecen ejem plos de gráficas de clasifica ció n para inform ación secundaria. U n ejem plo de gráfica de flu jo para el diseño de u n cuestiona­ rio se proporcionó en el capítulo 10 (figura 10 .2 ).13

resentación oral Todo el proyecto de in vestig ación de m ercados debe presentarse a la gerencia del clien te. Esta presentación ayudará a que los directivos com prendan y acepten el reporte escrito. E n esta presentación, puede contestarse cu alq u ier pregunta p relim in ar que tenga la gerencia. Ya que m uchos ejecutivos se form an la prim era y últim a im presiones acerca del proyecto con base en la presentación, su im portancia no puede exagerarse.14

Figura 22.3 Gráfica de líneas de las ventas totales de automóviles estadounidenses

- GM - Ford - Chrysler - Toyota -----A--- -

Honda Nissan Otros

9 000 000 -

[D Otros

000 000 J

|

] 6 000 000 \ 5 000 000 ¡ 4 000 000 ] 000 000 ]

I

Honda

■

Toyota

7 000 000

Nissan

I I Chrysler 0

Ford

■

GM

CO

Gráfica de niveles en las ventas totales de automóviles estado unidenses

10 000 0 0 0 -T

00

Figura 22.4

CM

000 000 j

1 000 000 J 1989

1990

1991

1992

1993

La clave para una presentació n efectiva es la preparación. U n guión o boceto deta­ llad o debe prepararse siguiendo e l form ato del reporte escrito . La presen tació n debe aju s­ tarse a la au d ien cia. Para este propósito, el in vestig ad o r debe d eterm inar los anteced en­ tes, intereses y p a rticip ació n de las personas en el proyecto, así com o e l grado en el que puede afectarlos. La presen tació n debe ensayarse varias veces antes de re a liza rla frente a la gerencia. Los apoyos visuales com o tablas y gráficas deben presentarse a través de varios m edios. Los pizarrones perm iten al investigador m anejar núm eros. Son en especial útiles al com unicar las respuestas a preguntas técnicas. A unque no son tan flexibles, los pizarrones m agnéticos y de fie ltro perm iten una presentación rápida del m aterial preparado con anterio ridad . Los rotafolios son cuadernos grandes de hojas blancas m ontados sobre un caballete. Los apo­ yos visuales se dibujan en las hojas con an ticip ació n y el orador pasa las hojas durante la presentación. Los proyectores pueden presentar gráficas sencillas, así com o superposiciones que se producen por las adiciones sucesivas de im ágenes nuevas en la pantalla. Están d ispo­ nibles varios program as de com putación para pro d ucir transparencias (hojas de acetato) atrac­ tivas. Tam bién pueden prepararse transparencias a colores. Las diapositivas son útiles para

Figura 22.5 Pictográfica para la s ventas de automóviles estadounidenses durante 1993

Cada símbolo equivale a 1 000 000 de unidades

Unidades 2 908 689 1 878 149 834 132 741 826 716 440 482 646

H istogram a de las ventas de automóviles estadounidenses durante 1 9 9 3

2 500 000

2 000 000

n

1 500 000

1 000 000

500 000

GM

Ford

Chrysler

Toyota

Fabricante

Burke ofrece a sus clien­ tes las mejores gráficas de barras en sus reportes. ♦ Burke Marketing Research.

Honda

Nissan

Otros

principio tell ’em Lineamiento efectivo para estructurar la presenta­ ción. Este principio esta­ blece: 1 ) dígales lo que vaya a decirles, 2) dígales, y 3) dígales lo que les dijo. principio KISS ’em Principio de la presenta­ ción de reportes que esta­ blece: hágalo sencillo y directo.

proyectar fotografías sobre la pantalla. Las reproductoras de video (VCR) y los proyectores de pantallas grandes son muy efectivos para las presentaciones en las sesiones de grupo y otros aspectos del trabajo de campo que tienen naturaleza dinámica. También pueden usarse los proyectores por computadora, que proyectan la imagen del monitor en la pantalla. Pueden utilizarse para llevar a cabo presentaciones controladas por computadora o para presentar información técnica como modelos analíticos. Es importante mantener un contacto visual e interactuar con la audiencia durante la presentación. Debe darse oportunidad suficiente para las preguntas, tanto durante la presen­ tación como después de ésta .15 La presentación debe ser interesante y convincente con el uso de relatos, ejemplos, experiencias y citas apropiados. No deben emplearse muletillas como “mmm” y “este”. El principio “tell ’em” (dígales) es efectivo para estructurar una presenta­ ción. Este principio establece: 1) dígales lo que vaya a decirles, 2) dígales, y 3) dígales lo que les dijo. Otro lineamiento útil es el principio “K IS S ’em”, que establece: Keep It Simple and Straightforward (Hágalo sencillo y directo), de ahí el acrónimo KISS. Debe emplearse el lenguaje corporal. Las gesticulaciones descriptivas se utilizan para enfatizar lo que se dice; éstas son representaciones de las ideas y emociones. Las gesticulacio­ nes de interrogación se usan para dar lugar a una respuesta de la audiencia. Mientras habla, el orador debe variar el volumen, tono, calidad de voz, articulación y ritmo. La presentación debe terminar con un cierre impactante. Para enfatizar su importancia, un gerente de nivel superior de la organización del cliente debe patrocinar la presentación, como en el ejemplo siguiente.

EJEMPLO Llegando a la cima - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Elrick and Lavidge realizó un proyecto de investigación para medir la efectividad relativa de la televisión, prensa y radio como medios publicitarios para una empresa cliente. Además, se

L a im p o r ta n c ia d e la p r e s e n ta c ió n o ra l n o p u ed e e n fa tiz a r se d e m a ­ siad o , y a q u e , c o n b a se e n ésta , m u c h o s e je c u tiv o s fo r m a n su p rim e ra y ú lti­ m a im p re sió n a c e r c a del p ro y e c to . ♦ Elrick and Lavidge.

evaluó la efectividad de 10 comerciales de televisión, de radio y anuncios impresos. Dada la naturaleza del proyecto, la presentación oral del reporte era muy importante para informar los descubrimientos. Además de un proyector elevado y uno de diapositivas, se utilizaron una reproductora de video (para los comerciales de televisión), una reproductora de cintas (pa­ ra reproducir los comerciales de radio) y un cartel (para mostrar los anuncios impresos). La presentación se llevó a cabo para los funcionarios corporativos del cliente (grupo que consis­ tía en el presidente, los vicepresidentes y los asistentes de los vicepresidentes) en una de las juntas mensuales.16 ♦ Después de la presentación, debe darse tiempo para que los ejecutivos clave en la em­ presa lean el reporte de manera detallada. Están disponibles algunos lineamientos para la lectura de reportes.

L

ectu ra del reporte de in vestigació n La Advertising Research Foundation desarrolló los lineamientos para la lectura del reporte y la evaluación del proyecto de investigación de mercados.17

Cómo establecer el problema El problema debe identificarse con claridad y proporcionarse la información relevante sobre sus antecedentes. La organización que patrocina la investigación, así como la que la lleva a cabo, también deben identificarse en forma clara. El reporte no debe suponer que el lec­ tor tiene un conocimiento previo del problema, sino que debe ofrecer toda la información relevante. Un reporte que no proporciona esa información pierde su objetivo, así como los lectores.

Diseño de investigación El diseño de investigación debe describirse en forma clara con términos no técnicos. Si los lectores en la audiencia meta del reporte no pueden comprender el procedimiento del diseño de la investigación, la falla es del investigador. El reporte debe incluir un análisis de las nece­ sidades de información, los métodos de recopilación de datos, las técnicas de las escalas, el diseño y pruebas previas de los cuestionarios, las técnicas de muestreo y el trabajo de campo. Es preciso justificar el uso de los métodos específicos. Los reportes que no contienen los detalles de la metodología, o los proporcionan de alguna otra manera, deben considerarse con precaución.

Ejecución de los procedimientos de investigación El lector debe prestar especial atención a la forma en que se llevan a cabo los procedimientos de investigación. Las personas que trabajan en el proyecto deben estar calificadas y tener capacitación adecuada. Es preciso contar con la supervisión apropiada y deben seguirse pro­ cedimientos de control. Esto resulta en especial importante en relación con la recopilación de datos, la preparación de éstos y el análisis estadístico.

Números y estadísticas El lector debe examinar con detenimiento los números y estadísticas que se reportan en tablas y gráficas. Los números y estadísticas inapropiados pueden ser muy confusos. Conside­ re, por ejemplo, los porcentajes con base en muestras pequeñas o las medias que se reportan para los datos ordinales. Por desgracia, no es poca la frecuencia de este tipo de estadísticas erróneas en los reportes.

Interpretaciones y conclusiones Los descubrimientos deben informarse objetiva y honestamente. Es preciso diferenciar la interpretación de los resultados básicos de los resultados en sí. Cualquier suposición que se haga al interpretar los resultados debe identificarse con claridad. Deben analizarse las limita­ ciones de la investigación. El lector deberá manejar con precaución cualquier conclusión o recomendación que se haga sin especificar los supuestos o limitaciones subyacentes.

Capacidad de generalización Es responsabilidad del investigador proporcionar evidencias con respecto de la confiabilidad, validez y capacidad de generalización de los descubrimientos. El reporte debe identificar en forma clara la población meta a la cual se aplican los descubrimientos. Los factores que limi­ tan la capacidad de generalización de los descubrimientos (como la naturaleza y representatividad de la muestra, el modo y tiempo de las recopilaciones de datos y las diversas fuentes de error) deben identificarse de manera clara. El lector no debe tratar de generalizar los descu­ brimientos del reporte sin la consideración explícita de estos factores.

Declaración Por último, el lector debe analizar con detenimiento si el espíritu con que se escribió el re­ porte muestra una declaración honesta y completa de los procedimientos y resultados de la investigación. Es muy importante que se den a conocer los procedimientos (por ejemplo, aquéllos que se utilizaron para el manejo de los valores faltantes o para la ponderación) que requieren del juicio subjetivo por parte del investigador. Si se obtuvo algún descubrimiento negativo o inesperado, es preciso que se reporte sobre éste. El lector debe tener la libertad de pedir cualquier información relevante que no se encuentre en el reporte. Una lectura detallada del reporte utilizando estos lineamientos ayudará al cliente a participar en forma efectiva en el seguimiento de la investigación.

S eguim iento

de la in vestigació n La tarea del investigador no termina con la presentación oral. Quedan por realizar otras dos actividades. El investigador debe ayudar al cliente a comprender e instrumentar los descubri­ mientos y mantener una acción de seguimiento. La segunda tarea consiste en que, mientras el investigador tiene fresco el recuerdo del proyecto de investigación de mercados, éste debe evaluarse.

Ayuda al cliente Después de que el cliente lee el reporte de manera detallada, pueden surgir varias preguntas. Partes del reporte, en especial aquellas que se refieren a los aspectos técnicos, quizá no sean fáciles de comprender y el investigador debe ofrecer la ayuda necesaria. En ocasiones, el investigador ayuda a instrumentar los descubrimientos. A menudo, el cliente le pide que participe en la selección de un nuevo producto o una agencia de publicidad, el desarrollo de una política de precios, la segmentación del mercado u otras acciones de mercadotecnia. Una razón importante para que el cliente realice el seguimiento es la posibilidad de proyectos de investigación posteriores. Por ejemplo, el investigador y la gerencia pueden acordar repe­ tir el estudio después de dos años. Por último, el investigador debe ayudar a la empresa cliente para que la información generada en el proyecto de investigación forme parte del sistema de información de mercados (MIS) de la compañía o el sistema de apoyo a las decisiones (D SS ), como se estudió en el capítulo 1 .

Evaluación del proyecto de investigación Aunque la investigación de mercados es científica, también comprende creatividad, intui­ ción y experiencia. Por consiguiente, cada proyecto de investigación ofrece una oportunidad de aprendizaje y el investigador debe evaluar todo el proyecto en forma crítica a fin de obte­ ner nuevas conclusiones y conocimientos. La pregunta clave es: “¿Este proyecto podría ha­ berse realizado de manera más efectiva o con mayor eficiencia?” Desde luego, esta pregunta da lugar a otras preguntas más específicas. ¿El problema podría haberse definido de manera diferente de modo que aumentara el valor del proyecto para el cliente o redujera los costos? ¿Un planteamiento distinto podría haber producido mejores resultados? ¿El diseño utilizado en la investigación es el mejor? ¿Qué podemos decir de la recopilación de datos? ¿Deberían haberse utilizado entrevistas por intercepción en los centros comerciales en lugar de las en­ trevistas por teléfono? ¿El plan de la muestra que se utilizó fue el más apropiado? ¿Se antici­ paron correctamente las fuentes de errores de diseño posibles y se mantuvieron controladas, por lo menos en el sentido cualitativo? Si no, ¿qué cambios podrían haberse hecho? ¿Cómo podría cambiarse la selección, capacitación y supervisión de los encuestadores a fin de m ejo­ rar la recopilación de datos? ¿La estrategia del análisis de datos fue efectiva en la producción de información útil para la toma de decisiones? ¿Las recomendaciones y conclusiones fueron apropiadas y útiles para el cliente? ¿El reporte se redactó y presentó de manera adecuada? ¿El proyecto se terminó dentro del tiempo y presupuesto establecidos? Si no, ¿qué salió mal? Las conclusiones que se obtienen de este tipo de evaluación beneficiarán al investigador y los proyectos subsecuentes que realice.

I n vestigació n de mercados internacionales Los lineamientos que presentamos al principio de este capítulo se aplican también a la inves­ tigación de mercados internacionales, aunque la preparación del reporte puede complicarse debido a la necesidad de preparar reportes para la gerencia en distintos países y en diversos idiomas. En ese caso, el investigador debe preparar versiones diferentes del reporte, adaptan­ do cada una a los lectores específicos. Los distintos reportes deben ser comparables, aun cuando pueden diferir los formatos. Los lineamientos para la presentación oral también son similares a los que presentamos antes, con la característica adicional de que el orador debe ser sensible a las normas culturales. Por ejemplo, las bromas, que se hacen en Estados Unidos, no son apropiadas en todas las culturas. La mayor parte de las decisiones de mercadotecnia se toman con base en los hechos y las cifras que surgen de la investigación de mercados. Pero estas cifras tienen que pasar la prueba de la lógica, la experiencia subjetiva y el sexto sentido de quienes toman las decisiones. La experiencia subjetiva y el sexto sentido de los gerentes puede variar mucho en cada país, de modo que necesitan distintas recomendaciones para la instrumentación de los descubrimientos de la investigación en países diferentes. Esto es muy importante cuando se hacen recomendaciones innovadoras o creativas como las campañas de publicidad.

EJEMPLO

El pollo deCamryvenceaFord ---------------------------------- ---La campaña publicitaria diseñada para Toyota Camry en Australia era muy distinta a la de Japón. “¿Por qué el pollo cruzó el camino?” Toyota hace una serie de preguntas para los co ­ merciales de televisión que hace poco salieron al aire en Australia. La respuesta: “Para ven­ der más automóviles Toyota Camry, desde luego”. Los anuncios que mostraban un pollo ani­ mado tratando de cruzar el camino y perdiendo plumas por un Camry que pasa fue creado por Saatchi and Saatchi Advertising. Cuando Bob Miller, gerente general de mercadotecnia de Toyota, trató de explicar el anuncio a sus colegas en Japón, pensaron que estaba loco. Tal

vez sea cierto, pero el comercial funcionó increíblemente bien. A pesar de que se trata de una broma muy antigua, el chiste ayudó a que Toyota derrotara el dominio de Ford en Australia. Como era una serie de episodios, el anuncio siguiente mostraba al pollo sin plumas sentado a la mitad del camino empollando un montón de huevos mientras pasaba el Camry a toda velocidad. A pesar de que ese humor habría ofendido a los japoneses, provocó una respuesta favorable de los australianos.18 ♦

£ T I C A E N L A IN V E S T IG A C IÓ N D E M ER C A D O S Muchos aspectos relacionados con la integridad de la investigación surgen durante la prepa­ ración y presentación del reporte. Un estudio de 254 investigadores de mercado descubrió que 33% creía que los problemas éticos más difíciles que enfrentan tienen que ver con aspectos en la integridad de la investigación. Estos aspectos incluían ignorancia de los datos pertinentes, diseño comprometedor de la investigación, mal uso deliberado de las estadísti­ cas, falsificación de las cifras, alteración de los resultados de la investigación e interpretación errónea de los resultados con objeto de respaldar un punto de vista personal o corporativo, así como la retención de la información .19 Es importante que los investigadores manejen estos aspectos de modo satisfactorio y preparen un reporte que explique con precisión los detalles de todos los procedimientos y descubrimientos. La objetividad debe conservarse en todo el proceso de investigación. Por ejemplo, cuando se analizan los datos y no se encuentran resultados significativos, los investigadores se ven tentados a presentar descubrimientos que no respalda el análisis. Un ejemplo es la interpreta­ ción de que una ecuación de regresión es importante cuando todas las variables son no signi­ ficativas (capítulo 17). En estos casos, pueden surgir dilemas éticos. A los investigadores se les paga por su experiencia en la interpretación de datos y ¿no pueden decir nada importan­ te? “Llegar a alguna conclusión razonable, lógica y convincente es mucho más satisfactorio en el aspecto intelectual que admitir que los descubrimientos son inconsistentes e inconclu­ sos; no es sorprendente que nos encontremos seleccionando y dando forma de historia cohe­ rente y bien definida a algo que, de otra manera, sería ilógico .”20 Es preciso resistirse a esas tentaciones a fin de evitar una conducta no ética. AI igual que los investigadores, los clientes también tienen la responsabilidad de una divulgación completa y precisa de los descubrimientos de la investigación y están obligados a utilizarlos de manera honesta. Por ejemplo, el público puede verse afectado en forma negati­ va por un cliente que distorsiona los descubrimientos de la investigación para desarrollar una campaña de publicidad por televisión más favorable. El código de ética de la American Marketing Association reprueba estas actividades. “Un usuario de la investigación no deberá divulgar las conclusiones de un proyecto o servicio que no sean consistentes con los datos o no estén garantizados por éstos.”21 También surgen aspectos éticos cuando las empresas clientes, como las compañías tabacaleras, utilizan los descubrimientos de la investigación de merca­ dos para formular programas de mercadotecnia dudosos.

EJEMPLO La industria tabacalera es un “arma humeante” _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ El estudio de las fuentes de información secundaria puso al descubierto el hecho de que el tabaquismo es responsable del 30% de todos los fallecimientos por cáncer en Estados Unidos y es una de las causas principales de enfermedades del corazón, además de estar relacionado con problemas como resfriados, úlcera gástrica, bronquitis crónica y enfisema. ¿Las compa­ ñías tabacaleras comparten una responsabilidad ética de esta situación? ¿Es ético que estas empresas utilicen la investigación de mercados para crear una imagen elegante para los ciga­ rrillos y que además son muy atractivas para el mercado meta? Se calcula que la publicidad de la industria tabacalera, con base en la investigación sistemática, desempeña un papel impor­

tante en el surgimiento de más de 3 000 adolescentes fumadores al día en Estados Unidos. La publicidad de los cigarrillos Camel mediante los anuncios con la caricatura de Oíd Joe au­ mentó la participación de Camel de 0.5 a 32.8% en el segmento del mercado ilegal de ciga­ rrillos entre los niños, representando un estimado de ventas de 476 millones de dólares al año. Estos efectos negativos no se limitan a Estados Unidos. La industria tabacalera no sólo alienta a los niños a que fumen, sino que además se dirige a otras poblaciones menos informa­ das como los países del Tercer Mundo porque es la manera en que las compañías tabacaleras reemplazan a los fumadores que dejan de fumar o mueren .22 ♦

A

plicacio nes para computadora La preparación y presentación de reportes puede beneficiarse en gran medida con el uso de microcomputadoras y mainframes. En un principio, la aplicación principal de las microcomputadoras era el procesamiento de texto. Sin embargo, con los grandes avances en la tecnología del software y los procesadores, ha surgido una variedad de procesadores de texto y otros instrumentos que permiten la preparación y presentación profesional de los reportes de investigación de mercados a un costo razonable. Por ejemplo, el software de procesamiento de texto como Microsoft Word y WordPerfect no sólo incluye diccionario, enciclopedia y correctores de gramática, sino que además tienen la capacidad de incorporar gráficas, tablas e imágenes creadas con otro software como hojas de trabajo, paquetes de gráficas e instrumentos de procesamiento de imágenes. Para una ma­ yor flexibilidad en el diseño del texto y el formato de las imágenes, pueden utilizarse los programas de formato de páginas como QuarkXPress y PageMaker. Los programas de formato de páginas permiten al usuario manipular la posición de los cuadros en el texto y se utilizan con mucha frecuencia en el diseño de anuncios impresos. A menudo, los programas de pro­ cesamiento de texto y formato de páginas incluyen plantillas para diseñar reportes que sólo necesitan modificarse al agregar la información relevante para el estudio de mercadotecnia que se lleva a cabo. Además de los paquetes de procesamiento de texto, están disponibles varias novedades de software y hardware para una mejor presentación del reporte. Los programas de hojas de trabajo como Microsoft Excel o Lotus 1-2-3 permiten el desarrollo y presentación de tablas, como se estudió en este capítulo. Las versiones más recientes de estos programas de hojas de trabajo cuentan con instrumentos integrados de análisis estadístico para analizar y presentar los datos. Además, los programas de hojas de trabajo tienen la capacidad de crear la mayor parte de las gráficas que se estudiaron en este capítulo. Todas estas partidas se transmiten con facilidad a uno de los documentos de procesamiento de texto o formato de páginas. Otro aspecto importante de los reportes y presentaciones es la inclusión de gráficas. Estas pueden ser en forma de clip art, imágenes rastreadas y manipuladas y gráficas originales. Varias compañías ofrecen una multitud de imágenes de clip art, disponibles para la distribu­ ción de reportes sin derechos de autor. Sin embargo, si las imágenes que necesitan incluirse en un reporte no están disponibles como clip art, pueden rastrearse mediante el uso de un rastreador y un paquete de modificación de imágenes como Adobe Photoshop o Aldus Photostyler. Con estos dispositivos, no sólo puede copiarse una fotografía en la computadora, sino que puede modificarse con el software de modificación de imágenes en varias formas para lograr una presentación impactante. Finalmente, si es necesario, pueden crearse imáge­ nes no existentes mediante el uso de cualquier cantidad de paquetes de gráficas que incluyen CorelDraw, Canvas, Harvard Graphics y muchos otros. Por último, están disponibles gran número de programas de software para desarro­ llar con facilidad presentaciones sobresalientes. Por ejemplo, Microsoft Powerpoint permite el desarrollo de una demostración de diapositivas a manera de presentación. El proceso del desarrollo es muy sencillo, pero el producto final puede ser muy complicado. Algunos de los instrumentos disponibles con el software de presentaciones incluyen una variedad de transi­ ciones entre diapositivas que comprenden desvanecimiento, desaparición gradual, movimiento en diversas direcciones y muchos otros efectos visuales. Además, algunos programas de pre-

sentación permiten la inclusión de sonido y video clips para una representación más comple­ ta de los datos. Esto significa que pueden agregarse a la presentación reportes de noticias o comentarios con audio. Con un poco más de esfuerzo, el software de presentación como Director o Authorware puede utilizarse para animar la presentación. La animación se logra a través de una línea de tiempo u otro escenario de programación y da a la presentación una dimensión más allá de la exhibición de diapositivas. Como sucede con la mayor parte de los programas de software de procesamiento de texto, las gráficas, las tablas y el texto pueden importarse con facilidad a cualquiera de estos paquetes de presentación. La mayor parte de estos programas permiten que la presentación se imprima en papel o transparencias. Sin embargo, con la reducción de costos de las microcomputadoras laptop y el equipo de proyección, es factible realizar una presentación directamente de la computado­ ra con color, animación y audio para un mayor impacto. Asimismo, la tecnología de control remoto infrarrojo permite que la presentación se lleve a cabo desde cualquier lugar de la sala. Las versiones para computadoras de estructura principal y microcomputadoras de los tres paquetes de estadística principales cuentan con procedimientos para los reportes. En SPSS, el programa R EPO RT puede utilizarse para presentar los resultados en el formato de­ seado. TA BLE(S) es en especial adecuado para el formato de datos para una presentación en páginas. En SAS, los procedimientos como PRINX FORM S, CH ARTS, PLOTj CALENDAR y TIM EPLO T presentan la información para reportes. El párrafo PRIN T en BM DP permite controlar la anchura del formato del panel de resultados de los datos impresos y la presenta­ ción oral de los datos. Las tablas y gráficas que producen estos paquetes pueden incorporarse de manera directa al reporte.

R

esu m en

La preparación y presentación del reporte es el último paso del proyecto de investigación de mercados. Este proceso empieza con la interpretación de los resultados del análisis de datos y lleva a conclusiones y recomendaciones. Después, se escribe el reporte formal y se realiza la presentación oral. Después de que la gerencia lee el reporte, es preciso que el investigador lleve a cabo un seguimiento, ayudando a la gerencia y realizando una evaluación detallada del proyecto de investigación de mercados. En la investigación de mercados internacionales, la preparación del reporte puede ser más complicada debido a la necesidad de preparar reportes para la gerencia en distintos paí­ ses y en idiomas diferentes. Son pertinentes varios aspectos éticos, en particular aquellos que están relacionados con la interpretación y el reporte del proceso de investigación y los descu­ brimientos para el cliente, así como el uso de estos resultados por parte del cliente. El uso de microcomputadoras y computadoras de estructura principal facilita en gran medida la prepa­ ración y presentación de reportes .23

A

crónimos

Los lineamientos para la redacción de reportes pueden expresarse con el acrónimo REPORT: R E P O R T

edactado para lectores específicos ntenderlo debe ser fácil resentable y profesional bjetividad eforzar el texto con tablas y gráficas iene que ser breve y conciso, pero completo

Los lineamientos para la elaboración de tablas pueden describirse con el acrónimo TABLES: T A B L E S

ítulo y número rreglo de las partidas de datos ases de medición íneas, guías y espacios xplicaciones y comentarios: títulos, matrices y notas al pie ources of data (fuentes de datos)

GRAPH S puede utilizarse como acrónimo en los lineamientos para la elaboración de gráficas: G R A P H S

eográficos y otros mapas ound or pie chart (gráfica circular o de pastel) ssembly or Une charts (gráficas de ensamblaje o de líneas) ictográficas istogramas y gráficas de barras chematic figures and flow charts (figuras esquemáticas y gráficas de flujo)

Los lineam ientos para realizar una presentación pueden resumirse con el acrónimo PRESENTATION: P R E S E N T A T I 0 N

reparación evise su presentación 1 contacto visual e utilizan historias, experiencias, ejemplos y citas quipo: multimedia inguna muletilla ell ’em: el principio de “díselos” nálisis de la audiencia ermine de modo impactante nteractúe con la audiencia utline or script should be prepared (debe prepararse un boceto o guión) úmero uno: nivel del gerente que debe patrocinarla

Los lineamientos para la lectura y evaluación de un reporte pueden especificarse con el acrónimo READING: R E A D 1 N G

E

jercicio s

esearch design (diseño de la investigación) jecución de los procedimientos de investigación ddresses the problem (solución del problema) ivulgación nterpretación y conclusión úmeros y estadísticas eneralización

P re g u n ta s 1. Describa el proceso de la preparación del reporte. 2. Describa un formato que se utilice con frecuencia para redactar los reportes de investigación de mercados. 3. Describa las siguientes partes de un reporte: portada, contenido, resumen ejecutivo, definición del problema, diseño de la investigación, análisis de datos, conclusiones y recomendaciones. 4. (Por qué se incluye en el reporte la sección “limitaciones y advertencias”? 5. Analice la importancia de la objetividad al redactar un reporte de investigación de mercados.

6 . Describa los lineamientos para la redacción de reportes. 7. ¿Cómo deben ordenarse las partidas de datos en una tabla?

8. ¿Qué es una gráfica de pastel? ¿Para qué tipo de información es adecuada? ¿Para qué tipo de información no es adecuada? 9. Describa una gráfica de líneas. ¿Qué tipo de información se presenta regularmente en estas gráficas? 10. Describa la función de las pictográficas. ¿Cuál es la relación entre las barras de las gráficas y los histogramas? 1 1 . Cuál es el propósito de una presentación oral? ¿Qué lineamientos deben seguirse en una pre­ sentación oral? 12. Describa los principios “tell ’em” y “KISS ’em”. 13. Describa la evaluación de un proyecto de investigación de mercados en retrospectiva.

P roblem as 1. El párrafo siguiente pertenece a un reporte de investigación de mercados que se preparó para un grupo de impresores y litógrafos sin mucha educación formal que manejan un pequeño ne­ gocio familiar. Para medir la imagen de la industria de la impresión, se utilizaron dos técnicas de escala diferen­ tes. La primera consistía en una serie de escalas de diferencial semántico. La segunda en un conjunto de escalas de Likert. El uso de dos técnicas diferentes para la medición puede justifi­ carse con base en la necesidad de evaluar la validez convergente de los descubrimientos. Los datos que se obtuvieron mediante estas dos técnicas se manejaron en una escala de intervalo. Se calcularon las correlaciones de producto-momento de Pearson entre los conjuntos de califi­ caciones. Las correlaciones resultantes fueron altas, indicando un nivel elevado de validez con­ vergente. Vuelva a redactar este párrafo de modo que sea adecuado para su inclusión en el reporte. 2. Ilustre en forma gráfica el proceso de toma de decisiones por parte del consumidor que se des­ cribe en el párrafo siguiente: Primero, el consumidor toma conciencia de su necesidad. Después, busca en forma simultánea la información de varias fuentes: detallistas, publicidad, transmisión oral y publicaciones inde­ pendientes. A continuación, desarrolla un criterio para evaluar las marcas disponibles en el mercado. Con base en esta evaluación, selecciona la marca con mayor preferencia.

E jercicio s para computadora 1. Para los datos que se proporcionan en la tabla 22.1, utilice un paquete de gráficas o una hoja de trabajo, como Lotus 1-2-3 o Excel, y elabore las gráficas siguientes: a . Gráfica de pastel b . Gráfica de líneas c. Gráfica de barras 2. Utilizando uno de los programas de generación de reportes que se estudian en este capítulo o un paquete similar, redacte un reporte explicando los datos y las tablas que se elaboraron en el ejercicio 1 para microcomputadora.

Inform ación proporcionada por Roger L. B acik, vicepresidente sénior, Elrick and Lavidge, A tlan ta. Thom as Greenbaum , “Using 'G hosts’ to write Reports Hurts Viability o f Focus Group”, en M arketing News 2 7 (1 9 ) (13 de septiembre de 1993): p. 25. B.D . Sorrels, Business C om m unication Fundamentáis (Nueva York: M errill Publishing, 1984). K enneth Rom án y Joel Raphaelson, Writing T h a t Works (Nueva York: HarperCollins, 1985). S.H . B ritt, “T h e W riting o f Readable R esearch Reports”, en Jou rn al o f M arketing R esearch (mayo de 1971): p. 265. Jo c k E llio tt, “H o w H a rd lt Is to W rite Easily”, en Viewpoint: By, For, and A bou t Ogilvy & M ather 2 (1 9 8 0 ): p. 18. A .S.C . Ehrenberg, “Rudiments ofN u m eracy”, e n Jou rn al o f t h e Royal Statistical Society, serie A , 140 (1 9 7 7 ): pp. 2 7 7 -9 7 ; y A .S.C . Ehrenberg, “T h e Problem o fN u m eracy”, en American Statistician 35 (mayo de 1981): pp. 6 7-71. H. Takeuchi y A .H . Schm idt, “New Promise o f Com puter G raphics”, en H arvard Business Review (enero-febrero de 1 9 8 0 ): pp. 122-31. W illiam Jackson Lord, Jr. y Jessam on Dawe, Functional Business C om m unication, 3a. ed ición (Englewood Cliffs, NJ: P rentice H all, 1983). Edward R . Tufte, T h e Visual Display o f Q uantitative Inform ation (Cheshire, C T Graphics Press, 1983). G ene Zelazny, Say It with C harts (Homewood, IL: Business O n e Irwin, 1991). Patricia Ramsey y Louis Kaufman, “Presenting Research D ata: How to M ake W eak Numbers Look G ood”, en Industrial Marketing 67 (marzo de 1982): pp. 66, 68, 70, 74. Para un ejem plo de cómo las gráficas pueden m ejorar la presentación de los descubrim ientos de una investiga­ ción, véanse las figuras 1 y 2 de Eugene W Anderson, Claes Fom ell y D onald R . Lehm ann, “Custom er Satisfac-

tion, M arket Share, and Profitability: Findings from Sweden”, en Jou rn al o f M arketing 5 8 (julio de 1994): pp. 53-66. 14.

H .A . Murphy y H.W. H ildebrandt, Effective Business C om m unications, 5a. edición (Nueva York: M cGraw -Hill, 1988).

15 .

Dorothy Sam off, Never be N ervous Again: Time-TestedTechniques fo r the F oolproof C ontrol (Nueva York: Ivy Books, 19 8 9 ); y Dorothy Sam off, Malee the Most o f Your Best: A C om plete Program fo r Presenting Yourself an d Your Ideas with C on fiden ce and Authority (G ardenC ity, NY: Doubleday, 1983).

16 .

Inform ación proporcionada por Roger L. Bacik, vicepresidente sénior, Elrick and Lavidge, A tlanta.

17.

Public Affairs Council, G uidelines fo r the Public Use o f M arket and Opinión R esearch (Nueva York: Advertising Research Foundation, 1981).

18.

Geoffrey Lee M artin, “Aussies Chicken Fríes Ford”, e n A dvertising A ge (18 de enero de 1993).

19.

S.D . H unt, L.B. Chonko y J.B. W ilcox, “Ethical Problems o f M arketing R esearchers”, en Jou rn al o f M arketing R esearch 1 (1 9 8 4 ): pp. 30 9-24.

20.

R .L . Day, “A Com m ent on ‘E thics in M arketing R esearch”1, en Jo u rn a l o f M arketing R esearch 2 (1 9 7 4 ): pp. 2 32-33.

21.

Com o se presenta en el apéndice 3 A de G ene R . Laczniak y Patrick E. Murphy, Ethical M arketing Decisions: T he H ig h erR oad (N eedham H eights, M A : Allyn & B a c o n , 1993): pp. 76-77.

22.

S. Rapp, “Cigarettes: A Q uestion of E thics”, en Marketing (5 de noviem bre de 1992): p. 17.

23.

Agradecemos la ayuda de Jam es Agarwal con el ejemplo de investigación de mercados internacionales, la ayuda de M ark Leach y Gina M iller en la redacción de la sección de ética y la ayuda de M ark Peterson en la redac­ ción de la sección de aplicaciones en computadora.

I P er spec t iv a s pr o fesio n a les Preparación y presentación del reporte C

o n c e n t r á n d o s e e n l a d e c is ió n

DE MERCADOTECNIA______________

sentación. Suponga que realiza una presentación para la alta gerencia y uno de los gerentes le pregunta lo siguiente: “Ahora que ya me señaló ese hecho, ¿de qué manera propone que lo utilice para tomar mi deci­ sión?” Si no puede responder esta pregunta, ese hecho en particular no debe incluirse en la presentación.

No puede enfatizarse demasiado la importan­ cia de tener en cuenta el problema de deci­ sión de la gerencia y de investigación de mercados durante el desarrollo del reporte de investigación. La mayoría de los practi­ cantes de la investigación de mercados diría U t il ic e u n p l a n t e a m ie n t o que están de acuerdo con esta afirmación e JERÁRQUICO PARA LA REDACincluso argumentarían que es evidente por sí misma. Sin embargo, la razón más frecuente CIÓN DEL REPORTE_________________ por la que los estudios de investigación no Es difícil enfatizar la importancia de la breve­ contribuyen en forma productiva a la deci­ dad y el lenguaje no técnico del reporte, si el sión de un negocio es que este principio se ol­ investigador desea que el estudio tenga un Joe Whelchel vida en algún momento después de la primera impacto significativo en quienes en realidad junta de planeación de la investigación. Joe Whelchel es consultor toman las decisiones. Al mismo tiempo, el in­ A menudo, los investigadores sin expe­ sénior de Weber Managevestigador quiere mostrar que realizó un traba­ riencia se concentran demasiado en los i t ic ííi Cunsultant, /nc i : n jo completo, que se estudiaron todos los ángu­ aspectos relacionados con la “ciencia” meto­ el momento de escribir este los del problema y que se emplearon los artículo. era director de dológica de la investigación de mercados du­ métodos estadísticos y analíticos apropiados. contabilidad en Elrick and rante la etapa del diseño de ésta y pierden Un formato de redacción que funciona Lavidge, y trabajaba con contacto con el proceso básico y los criterios clientes en el diseño y puesta adecuadamente es aquel que tiene una es­ que utilizará la persona que toma las deci­ en marcha de proyectos de tructura de tres partes. La primera página, o siones. Por lo regular, esa orientación preva­ investigación cuantitativa. las dos primeras páginas (no más), debe ser lece en el reporte y la presentación. Con­ Anti-s de imii\e a Elrick un resumen ejecutivo conciso diseñado para forme los investigadores obtienen mayor and Lavidge, Whelchel que la alta gerencia lo lea con rapidez. Este tenía 15 años de experiencia experiencia pasan más tiempo, durante la resumen puede incluir las referencias a las en investigación de mercaetapa de la definición del problema, senta­ secciones o los números de páginas en el tex­ dos, ciencias de la admi­ dos con las personas que toman las decisio­ nistración y planeación to principal del reporte donde pueden en­ nes y tratando de comprender los criterios estratégica en la industria contrarse los detalles. Por ejemplo: en que se basan para hacerlo. de refrescos y suministro Je El reporte y la presentación deben re­ • El primer anuncio de prueba generó el ni­ alimentos. Durante 1.1 años, flejar este énfasis en el problema de decisión desempeñó puestas en estas vel más alto de recuerdo y de intención de de la gerencia y en las variables relevantes a tres ¿ivas ai la Cuca-Cola prueba entre los tres anuncios que se es­ Company en Atlanta. Pos­ éste. Con frecuencia, los investigadores tien­ tudiaron (páginas 12-14 y apéndice 2). teriormente, dirigió durante den a analizar con detalle cada variable ma­ dos años e! grupo de investi­ Así, el lector puede decidir si desea obte­ nejada en la investigación, sin tomar en gación de mercados y la ner más información sobre ese punto en par­ cuenta si contribuyó a las conclusiones o no, planeación estratégica de ticular. sólo por lograr que el reporte esté completo. (.iencral Mills Restaurants, El resumen ejecutivo está diseñado para En muchos casos, algunos de los aspectos y en Orlando, Florida. la alta gerencia. La segunda sección, un re­ variables en el diseño de la investigación no porte más detallado de los descubrimientos son útiles y deben eliminarse del reporte y la y conclusiones, por lo regular está dirigido a los gerentes de presentación o relegarse a un apéndice. A fin de conservar esta disciplina, debe aplicarse un prin­ nivel intermedio: gerentes de marca, gerentes de publicidad, cipio sencillo a todo lo que se incluya en el reporte y la predirectores de publicidad. Esta sección debe tener el formato

de un reporte tradicional, incluyendo gráficas y tablas. Sin embargo, esta sección no debe comprender las explicaciones técnicas detalladas acerca de los aspectos analíticos de la in­ vestigación. Estas deben relegarse a la tercera parte, una se­ rie de apéndices al final del reporte. Una vez más, el texto debe incluir referencias cruzadas para el apéndice apropiado. Por ejemplo, los aspectos del diseño estadístico, el análisis técnico o los detalles relacionados con el diseño de la mues­ tra deben cubrirse en los apéndices. En el texto principal del reporte, debe ofrecerse una explicación del diseño y la

metodología de la investigación, orientada hacia la geren­ cia; con objeto de reservar el lenguaje técnico para los apén­ dices. Este formato de tres partes, junto con el énfasis eviden­ te del problema de decisión de la gerencia y el problema de investigación de mercados, ayudarán a que el investigador prepare un reporte coherente y significativo. Un reporte de este tipo se prestará a una presentación impactante, misma que, en combinación con el reporte, proporcionará al cliente una base sólida para tomar las decisiones gerenciales.

Preparación y presentación del reporte de investigación de mercados En la redacción y presentación del reporte, aplicamos todo el arte y la ciencia de la investigación de mercados y no sólo tratamos de interpretar lo que significan, sino también de comunicarlos a las personas que se encuentran fuera de nues­ tra área de experiencia, personas que quizá dependen de esta información para tomar decisiones que representan muchos millones de dólares. El capítulo 22 de este libro es un marco de trabajo exce­ lente dentro del cual el estudiante o practicante profesional de la investigación de mercados puede encontrar dirección y guía para redactar y organizar reportes y presentaciones efecti­ vos. A menudo, existen limitaciones pragmáticas que afectan el reporte final. Aunque estas limitaciones pueden ser mo­ lestas, es posible superarlas de manera creativa y producir un reporte profesional que cubra las necesidades de la gerencia. Estas limitaciones incluyen restricciones de tiempo, de pre­ supuesto, toma de decisiones descentralizada, indiferencia de la gerencia y aumento del panorama y complejidad de los proyectos de investigación. Estas limitaciones se estudian primero. Después, un ejemplo ilustra cómo pueden superarse sin sacrificar la calidad ni la utilidad del reporte. L im it a c io n e s

d e t i e m p o _______________________

En la era actual de la comunicación, nosotros como provee­ dores de información nos vemos presionados para apresurar los resultados de un estudio y reducir la formalidad. El tiem­ po para la toma de decisiones es cada vez más limitado. La gerencia espera respuestas específicas por parte del proyecto de investigación de mercados y las quiere con rapidez. Con mucha frecuencia, el ambiente competitivo mundial hace que la gerencia se mueva con mayor rapidez de la que cualquiera de nosotros desearía, corriendo el riesgo de tomar decisiones a partir de información no analizada por completo. L im it a c io n e s

d e l p r e s u p u e s t o ______________

Este problema en particular se presenta en dos áreas. La pri­ mera es que la competencia mundial y la reciente ola de com­

pras con apalancamiento ejercen una presión extrema para que las corporaciones tomen conciencia del costo y, como consecuencia, reduzcan el tamaño del personal corporativo, incluyendo el de investigación de mercados. No obstante, sigue existiendo tanta presión como antes para entregar re­ sultados oportunos y susceptibles de ponerse en práctica. La segunda es que los presupuestos disponibles para los proyectos de investigación también son objeto de un escrutinio corpo­ rativo. Aun cuando se incrementan las necesidades de infor­ mación en la mayor parte de las empresas, se pide al investi­ gador que haga más con el mismo presupuesto e incluso con uno menor. Para equilibrar estas presiones, existe una ten­ dencia a reducir la perspectiva, la profundidad, o ambos, del reporte final y la presentación.

T

o m a d e d e c is io n e s d e s c e n t r a l iz a d a

Muchos de nuestros clientes han realizado reorganizaciones significativas durante los últimos años. El objetivo principal de la reorganización es empujar la toma de decisiones hasta el gerente de línea de nivel más bajo posible dentro de un grupo identificable de productos, servicios o negocios. Estos gerentes se interesan sobre todo por la información que dé respuesta a sus preguntas específicas y les ayude a tomar una decisión que les permita avanzar. Ya que tienen la responsa­ bilidad de la utilidad de la línea inferior, con frecuencia a estos gerentes no les agradan los reportes de investigación formales con apariencia corporativa, y se preguntan si vale la pena el dinero que se invierte para producir un reporte de este tipo.

I n d if e r e n c ia

g e r e n c i a l _______________________

En ocasiones, el esfuerzo que se invierte en un reporte de investigación formal pasa inadvertido para la gerencia. Para evitar que esto suceda, los investigadores de mercados deben hacer que la información que transmiten a los gerentes sea fácil de comprender y digerir, utilizando un mínimo de pala­

bras y un máximo de gráficas, diagramas y tablas con los da­ tos relevantes. El objetivo es hacer que el reporte hable por sí mismo y su valor sea evidente.

niveles de gerencia dos semanas después del cierre de cada periodo trimestral. Fue necesario diseñar un esquema de reporte que co­ municara en forma satisfactoria los resultados de los estudios trimestrales. Era importante ilustrar el progreso logrado por A u m e n t o d e l a s p e r s p e c t iv a s las estaciones de servicio detallistas de nuestro cliente con el Y LA COMPLEJIDAD DE LOS PROYECTOS aumento de la satisfacción de sus clientes. Estos reportes se­ rían utilizados por tres niveles de gerencia: propietarios/ DE INVESTIGACIÓN______________________________ gerentes de las estaciones de servicio, re­ El antiguo adagio que dice: “Mientras más presentantes de mercadotecnia de campo y sé, sólo sé que no sé nada”, es verdadero. En gerentes corporativos a cargo de las ope­ el área de la investigación de mercados, la raciones detallistas. Ninguno de ellos era tendencia es hacer todas las preguntas y ob­ investigador de mercados profesional. tener todas las respuestas posibles de un Dadas las limitaciones, era necesario estudio de investigación. Cuanto más inte­ crear documentos que pudieran comprender ligentes son los gerentes, más preguntas y utilizar tanto un gerente de estación, como hacen. La gerencia, en un esfuerzo por obte­ también un funcionario corporativo. Nuestra ner el mayor provecho posible, con frecuen­ respuesta a este dilema se muestra en las figu­ cia trata de incluir varios proyectos en un ras 1 y 2. Los datos se transfirieron direc­ solo estudio del mismo grupo de entrevista­ tamente a un sistema automatizado de elabo­ dos. Esto significa que el investigador se ve ración de gráficas diseñado por Burke. Las tentado a reducir el proceso del reporte for­ figuras son dos ejemplos de las gráficas que di­ Michael i?. Kuhn mal y la presentación. señamos para mostrar los resultados de los Michael Kuhn es el gerente estudios trimestrales de los clientes. Se propor­ regional del grupa de liegocionó una explicación breve por escrito, indi­ S u p e r a c ió n d e l a s cu s Jet ueste de Burke cando cómo leer la gráfica e interpretar la Marketing Research. y LIMITACIONES: UN EJEMPLO información para la toma de decisiones y el administra todas las activi­ A pesar de que las limitaciones pueden ser dades de servido al cliente desarrollo del programa. Las gráficas corpora­ de esa empresa, en Arizona, molestas, los investigadores deben evitar la tivas incluían resúmenes de esta misma infor­ Colorado, Norte de Califor­ tendencia a reducir el proceso de preparación mación por región y para todo Estados Uni­ nia y en el noroeste del y presentación del reporte. Con frecuencia, dos. En estas gráficas, los gerentes podían leer Pacífico. Ha practicado la el investigador puede superar las restric­ la siguiente información clave del desempeño: investigación de mercados ■Ác^de que iriocyi a Rurfu.' ciones de manera creativa sin sacrificar la como gerente de proyecto en calidad profesional del reporte y transmitir 1. Frecuencia de presentación de proble­ 1971. Kuhn ha nahajado la información de modo que pueda utilizarse mas en este periodo para diversos clientes en directamente para la toma de decisiones. Ci­ compañías de mercancía 2 . Tendencia del desempeño en cada pro­ tamos un ejemplo para ilustrar este punto. para el consumidor, empre­ blema, durante éste y cuatro periodos sas de manufactura indus­ Un cliente pidió a Burke que diseñara e anteriores trial de alta tecnología, así instrumentara un estudio que rastreara el 3. Desempeño en relación con el mismo como las relacionadas con nivel de satisfacción y los problemas de los viajes y diversiones. Actual­ periodo hace un año clientes para una compañía importante de mente funge como director 4. Desempeño en relación con las normas de ¡os programas de Burke gasolina. La compañía operaba estaciones de grupo para lograr la satisfacción de servicio detallistas en 40 mercados prin­ de los clientes y el control de cipales y deseaba que se realizara un estudio calidad en los estados del entre los clientes de sus estaciones de servi­ oeste (Estados Unidos). C o m e n t a r i o s f in a l e s cio en todos los mercados, con una base tri­ Las consideraciones de tiempo y costo segui­ mestral. Para complicar más las cosas, las es­ taciones de servicio se encontraban en seis configuraciones rán intensificándose y ejercerán una presión cada vez mayor diferentes de propietarios y prestación de servicios. Algunas sobre el profesional en investigación de mercados, para que eran propiedad de distribuidores, mientras que otras estaban se vuelva más creativo y eficiente al transmitir la informa­ administradas por la compañía. Algunas ofrecían sólo gasoli­ ción de investigación, que sea fácil de comprender y digerir. na, en tanto que otras tenían tiendas o bahías de autoservi­ Esta información debe ser un instrumento que la gerencia pueda utilizar con confianza para mejorar las decisiones de cio. Tuvimos que realizar estudios en un total de3 950 esta­ ciones de servicio en 40 mercados y presentar reportes a tres mercadotencia y producción de la empresa.

La estación no está limpia

A n á lisis del impacto

Conf. Intvl (+ /-)

El servi­ El automó­ Los emplea- No revisan Las bom­ No fun­ cio es vil no quedó dos no son las llantas bas no fun­ cionan las demasia­ reparado la amables (servicio cionan ade­ bombas de do lento primera vez completo) cuadamente aire/agua

—

Bay Area de San Francisco: Bahía de servicio propiedad del distribuidor

23

21

23

15

16

20

13

(Tamaño de la base)

145

150

45

150

25

145

120

Mercado: San Francisco/San José Bay Area Tipo de tienda: Bahía de servicio propiedad del distribuidor

Figura 2 Análisis de la tenden cia de los problemas

Problema: "La estación no está limpia"

19

18

17

Bay Area de San Francisco: Bahía de servicio propiedad del distribuidor

23

24

24

22

19

(Tamaño de la base)

145

150

145

142

125

Norma del grupo de distribuidores — Conf. Intvl (+ /-)

16

18

18

18

16

19

14

8

137

144

139

—

851 X

New Coke fracasa

Mediante las innovaciones en mercadotencia, empaque y distri­ bución, Coca-Cola Company ha evolucionado desde sus oríge­ nes, en 1886, a una de las empresas internacionales con mayor prestigio en el mundo. En 1992, las ventas de Coke fueron de 2 890.0 millones de dólares, en tanto que en 1993, las ventas fueron de 2 808.1 millones de dólares aproximadamente. Las ventas de la empresa Minute-Maid fueron de 1 076.1 millones de dólares aproximadamente en 1992 y 1 808.5 millones de dó­ lares en 1993, que representa un incremento de 1.1% sobre las ventas de 1992. La marca Coca-Cola es quizás una de las más exitosas en la historia de la mercadotecnia. Las marcas de la empresa incluyen Coca-Cola, Fanta, Sprite, Diet Sprite, Tab, Tab sin cafeína, Fresca, Mr. Pibb, Mello Yello, Diet Coke, Diet Coke sin cafeína, Cherry Coke, Diet Cherry Coke, New Coke, Minute-Maid y Hi-C. Estas marcas han estado al alcance de casi todos los clientes nacionales, así como de la mayoría de los clien­ tes internacionales. Ochenta por ciento de las ganancias de Coke se derivan del extranjero. En la actualidad, Coke opera en 160 países. La historia de las innovaciones en Coca-Cola, en cuanto a su publicidad y mercadotecnia se refleja en su control total del mercado durante los últimos años del siglo XIX. Sin embargo, en 1899, se introdujo Pepsi. Los 13 años de liderazgo de Coke sobre Pepsi le dieron el liderazgo en la industria del refresco. Coke evolucionó hasta los últimos años de la década de los sesenta, sin que la superara ninguna otra compañía de refrescos de cola. Sin embargo, para finales de la década de los setenta, a pe­ sar de que Coke seguía vendiendo más que Pepsi a nivel interna­ cional, su participación en el mercado disminuía con rapidez. El éxito cada vez mayor de Pepsi se basaba primordialmente en sus tácticas de mercadotecnia agresivas. Pepsi se enfocó en el crecien­ te mercado de bebedores de refrescos de cola de la generación más joven, un grupo que Coca-Cola Company había pasado por alto. En 1977, Pepsi introdujo la campaña el “Reto Pepsi”, que desafiaba a los consumidores de cualquier edad a probar y des­ pués decir si preferían Coke o Pepsi. Esta táctica de mercadotec­ nia agresiva obligó a Coke a rediseñar sus productos y técnicas de mercadotecnia. Por lo general, las empresas realizan una investigación de mercados y pruebas del sabor a ciegas y posteriormente llevan a cabo pruebas de mercado del producto, antes de lanzarlo a nivel nacional. Pero el nuevo producto de Coca-Cola, New Coke, no pasó por estas etapas. En realidad, el concepto de New Coke se

había concebido algunos años atrás, cuando los químicos de Coca-Cola obtuvieron por accidente un jarabe cuyo sabor era “más suave” que el de la Coke regular. Durante dos años y me­ dio, se gastaron 4 millones de dólares en alrededor de 180 000 a 200 000 pruebas a ciegas, comparando tres o más fórmulas nue­ vas de Coca-Cola con la tradicional, así como con su gran rival Pepsi-Cola. Algunas pruebas dieron lugar a preguntas como: “¿Qué tal si éste es un nuevo sabor de Coke?” Sin embargo, no se realizó ninguna investigación para estudiar las reacciones de los consumidores ante el reemplazo de la Coke regular con la New Coke. Roy Stout, vicepresidente sénior de investigación de mer­ cados de Coca-Cola USA, indicó que sólo de 30 000 a 40 000 de estas pruebas a ciegas incluían en realidad la fórmula específica de New Coke. Además, de las cuatro sesiones de pruebas que se llevaron a cabo, sólo una identificaba los refrescos que se proba­ ban. En el resto no existía ningún vínculo con el nombre de la marca. En mayo de 1985, la investigación de mercados de CocaCola mostró que los consumidores preferían el sabor “más sua­ ve” de New Coke. Por consiguiente, con toda la pompa y gran­ deza que caracteriza al rey de los refrescos de cola, Coca-Cola lanzó su nuevo producto, New Coke, en el 99 aniversario de la compañía. El presidente Roberto Goizueta introdujo New Coke como “el avance más significativo en la historia de la compa­ ñía”. Y agregó: “Lo mejor se ha mejorado aún más”. Los expertos de Coke pensaron que estaban frente a un ganador. Ofrecían a los consumidores lo que deseaban iy finalmente Coke había ga­ nado el Reto Pepsi! Sin embargo, la gerencia de Coke se enfrentaría a una ho­ rrible pesadilla. La sede de Coca-Cola en Atlanta recibió un to­ tal de 1 500 llamadas al día y notas de protesta por parte de con­ sumidores enojados, como por ejemplo: “Querido jefe tonto: ¿qué ignorante decidió cambiar la fórmula de Coke?” El tema más común de las quejas era que New Coke era insípida y sabía muy parecido a la Pepsi. La creciente indignación durante un perio­ do de tres meses hizo que Brian Dyson, entonces presidente de Coca-Cola USA, creyera que “la gente se había enamorado del recuerdo de Coke” y, por tanto, deseara tener el menor trato posible con New Coke. Al enfrentar las peticiones en aumento de los seguidores de Coke, los altos ejecutivos se hicieron las preguntas siguientes: “¿Cuándo terminará esto? ¿Es lógico? ¿Cómo lo solucionamos?” Los estudios mostraron que sólo 30%

de los consumidores preferían New Coke. A pesar de todo el tiempo, dinero y habilidad que se invirtieron en la investigación de mercados, Coke no había previsto los vínculos emocionales con el refresco que durante 99 años había sido el favorito. CocaCola resolvió el problema regresando a Coke regular con un nombre nuevo: “Coca-Cola Classic”. Su participación en el mer­ cado aumentó de 6 a 28.4% en 1989. La participación en el mercado de New Coke bajó de 15%, en el momento de su intro­ ducción, a 1.5 en 1989. Más adelante, Coca-Cola consideró el relanzamiento de New Coke con el nombre de Coke II, con una publicidad que destacara que Coke II ofrece un “sabor de cola verdadero” con la dulzura de Pepsi. Esto se hizo con la esperanza de que un nombre y apariencia nuevos permitieran a Coca-Cola hacer lo que había querido en 1985: desafiar directamente el sabor más dulce de Pepsi, que había obsesionado a los ejecutivos de Coke durante más de una década. Todo esto sirve para mostrar que la investigación de merca­ dos, las pruebas del sabor a ciegas y las pruebas de mercadotec­ nia deben realizarse e interpretarse correctamente para que ten­ gan importancia. Para empezar, las pruebas del sabor a ciegas mostraron que 61% de los consumidores preferían el nuevo sa­ bor de Coke. Por desgracia, Coke no hizo más pruebas ni vio con exactitud qué porcentaje de estos amantes del nuevo sabor eran antiguos adictos a Coke y qué porcentaje de los consumidores leales de Coke constituía el 39% que prefería el sabor antiguo. Los expertos de la industria creen que las pruebas del sabor de Coke no discriminaron entre los amantes de Coke y los consu­ midores ocasionales. De hecho, la gerencia ignoró por completo a los partidarios leales. De acuerdo con un observador: “Los re­ sultados del sabor no eran consistentes de una serie a la otra. Los resultados reportados de que 61% preferían New Coke en comparación con 39% para la Coke tradicional, no se mantu­ vieron durante las cuatro series de pruebas”. Parte de la razón de los errores de cálculo de Coke fue que padeció la enfermedad de “un hombre, un voto”. Con frecuen­ cia, 20% de los compradores consumen 80% del volumen en una categoría de producto. Si Coke hubiera ponderado los re­ sultados de manera adecuada, habría descubierto que el 39% que no aceptaba la fórmula nueva era mucho mayor y el nuevo sabor habría sido rechazado. Además, Coke no realizó ninguna investigación para deter­ minar la actitud de los consumidores hacia el reemplazo de la Coke tradicional. Ignoraron la importancia de los vínculos emociona­ les que la gente tenía con el producto que siempre consideraron como “The Real Thing”. La gerencia no anticipó cómo reaccio­ naría el público ante el final de un símbolo del espíritu estadouni­ dense que tenía 99 años. El diseño de la investigación de Coke pasó por alto el elemento humano; los vínculos emocionales y los aspectos psicológicos del consumidor. La defensa de Coke era que no podían determinar las actitudes de los consumidores hacia New Coke sin revelar que New Coke reemplazaría a Coke regular, un hecho que deseaba mantener en secreto. Sin embargo, esto confunde a los investigadores de merca­ dos porque existen maneras de medir cuantitativamente la im­

portancia emocional y simbólica de las marcas. La gerencia de Coke limitó mucho su investigación, aun cuando invirtió mu­ cho dinero en ésta y entrevistó a muchas personas. Coke podría haber resuelto el problema al desarrollar una batería de afirma­ ciones de actitud con las que los entrevistados estuvieran de acuerdo o no. Su estudio podría haber incluido afirmaciones como: “Me gustaría que me ofrecieran la opción de ambos sabo­ res en el supermercado”, “Me sentiría muy molesto si no pudiera encontrar la Coke que consumo” o “No me importa qué sabor vendan”. Las técnicas de investigación disponibles podrían ha­ ber identificado los vínculos emocionales que la gente tenía con la Coke tradicional. De modo similar, la investigación tendría que haber mostrado actitud negativa de los consumidores. Los productos de todas las empresas cambian con los años para me­ jorar en beneficio del consumidor y enfrentar la competencia y no es poco común utilizar la investigación para determinar la actitud del consumidor hacia la nueva marca y el vínculo con la antigua. Si Coke hubiera empleado algunas técnicas cualitativas, como las sesiones de grupo, las entrevistas a fondo o el psicodrama, podría haber previsto el desastre que ocurrió. Por ejem­ plo, en un psicodrama se da a los consumidores una lista de refrescos, se les pide que elijan uno y después que se describan ellos mismos y su comportamiento como esa bebida. Estas técni­ cas pueden proporcionar información acerca de por qué los con­ sumidores prefieren un producto en particular. Por ejemplo, si las señales de empaque o visuales dan lugar a sus conclusiones, el fabricante no querrá alterar el empaque ni otras señales so­ bresalientes. En fechas más recientes, Coca-Cola USA introdujo Coke II en los mercados principales como competidor directo de Pepsi. El primer mercado de prueba fue Spokane, Washington, y el segundo fue Chicago. Ambas ciudades mostraron resultados fa­ vorables para Coke II y, como el segundo mercado de prueba presentó resultados positivos, se planea entrar en las ciudades del estado de Nueva York de Albany, Syracuse, Utica y Watertown. Coca-Cola afirma que continuarán respaldando el refresco y buscando mercados nuevos en los que puedan posicionarlo contra Pepsi. A mediados de 1992, Coke II tenía 0.6% aproximadamente de la participación en el mercado na­ cional. Las introducción en el mercado de Coke II estuvo res­ paldada por comerciales de televisión que afirmaban tenía “el verdadero sabor de cola, más la dulzura de Pepsi”. En el reporte anual de Coca-Cola de 1992, la compañía reveló que los productos como Coke, Diet Coke y Coke II, re­ presentaban alrededor de 73% del volumen de cajas de refrescos de la empresa. De esta cantidad, la compañía vendió aproxima­ damente seis mil millones de cajas de Coca-Cola (Coke II) y Coca-Cola Classic. En 1992, se vendieron alrededor de un mil millones y cuarto de cajas de Diet Coke. El 27% restante del volumen de cajas resultó de las ventas de las marcas afiliadas de la empresa, que incluyen Sprite, Diet Sprite, Tab, Fanta, Fresca, Mr. Pibb, Hi-C, Mello Yello, Diet Mello Yello, Ramblin’ root beer y las marcas extranjeras especializadas.

En 1994, Coke introdujo su nueva campaña de mercado­ tecnia que costó 600 millones de dólares, “Always Coca-Cola”. En el lanzamiento, el jefe de mercadotecnia Sergio Zyman dejó en claro que Coke tenía en mente mucho más que esa publi­ cidad. De hecho, “Always Coke” no siempre significaría pu­ blicidad. Uno de los anunciantes más grandes del mundo resta importancia a los anuncios tradicionales impresos y por televi­ sión y se enfoca en un arsenal de nuevas estrategias de merca­ dotecnia. Una nueva forma de estrategia de mercadotecnia consiste en la promoción interactiva en las tiendas. Hasta el momento, muchos de sus embotelladores han tenido reacciones favorables. Durante 1994, las ganancias de Coca-Cola, para el primer trimestre, aumentaron alrededor de 18%. Se informó que el in­ greso neto fue de 521 millones de dólares o 40 centavos de dólar por acción. Las ganancias se incrementaron 9.5% a 3.35 mil millones de dólares. Una frase muy escuchada dentro de Coca-Cola Company es que Coke es “la esencia de Estados Unidos: algo decente, que se hace con honestidad, se distribuye a nivel universal y se mejo­ ra a conciencia con los años”. Quizá esta satisfacción es la razón por la que la gerencia de Coke no consideró en forma adecuada los resultados de la investigación para New Coke y creyó que Coca-Cola era simplemente un líquido para quitar la sed. Espe­ ramos que la gerencia de Coke evite esos errores en el futuro con el desarrollo de productos que se sometan a pruebas más estrictas a fin de asegurar el aumento de las ventas de Coke en lugar de reducirlas.

1. Escriba un reporte detallado acerca de la investigación que realizó Coca-Cola Company. Siga el formato que se sugiere en el libro. Su reporte debe cubrir todas las facetas del pro­ ceso de investigación de mercados. Las secciones de defi­ nición del problema, el planteamiento y el diseño de la in­ vestigación deben basarse en la perspectiva que adoptó Coca-Cola Company. Las secciones del análisis e interpre­ tación de los datos deben concentrarse en los resultados de las pruebas del sabor. Su reporte debe analizar con claridad las limitaciones de la investigación que llevó a cabo CocaCola Company. La sección de conclusiones y recomenda­ ciones debe presentar sus puntos de vista personales. R e f e r e n c ia s 1. Fahey, Alison, “Coke II Sneaks into Cola Combat Zone”, en Advertising Age (11 de mayo de 1992): p. 1. 2. “Company Lines of Business”, Coca-Cola Company 1992 Annual Report (1992): Financial Topics Supplement. 3. Deveny, Kathleen, “How Biggest Brands Are Faring at the Supermarket”, en Wall Street Journal (24 de marzo de 1994): pp. B l, B3. 4. Mallory, Maria, “At Coke, Marketing Is It”, en Business Week (21 de febrero de 1994): p. 39. 5. “Coca-Cola Co.’s lst Quarter Earnings Increased 18%; Revenues Rose 9.5%”, en Wall Street Journal (19 de abril de 1994): p. B3.

El dinero no puede comprar una imagen, pero sí puede ayudar a crearla Con la gran cantidad de fracasos en cuentas de ahorros y présta­ mos bancarios durante los últimos años de la década de los ochen­ ta y principios de los noventa, la recesión económica estadouni­ dense que comenzó a presionar a toda la industria financiera. Los reportes de pérdidas, despidos, cierres y consolidaciones en la industria financiera empezaron a aparecer casi todos los días en los periódicos de negocios. La competencia siempre había sido fuerte, pero ahora era feroz. Al igual que muchas industrias, la financiera sufrió una rápida desregulación. Antes de ésta, los bancos estadounidenses se encontraban aislados de los otros mer­ cados mundiales, pero ahora ya no existían esas fronteras. La

serie de consolidaciones comenzó a obligar incluso a los jugado­ res más importantes a concentrarse en las necesidades de sus clientes y desarrollar mercados y relaciones a largo plazo, así como a superar una imagen negativa. La industria se dio cuenta de que al hacer de la mercadotecnia una parte integral de su cultu­ ra encontraría una ventaja competitiva sustancial, especialmente a través del manejo de la imagen. CivicBank of Commerce, un banco independiente ubicado en el corazón de la región East Bay de San Francisco, ofreció una variedad de servicios bancarios y creció desde una base de activos de 212 millones de dólares en 1988 hasta aproximada­

mente 400 millones de dólares en 1995. Llevó a cabo un estudio de la imagen en cooperación con la facultad de administra­ ción de Berkeley, de la Universidad de California, para recopilar información que pudiera utilizar en sus esfuerzos de mercadotecnia y ventas. Era importante que el banco supiera no sólo “¿Cómo vamos?”, sino también “¿Cómo vamos en relación con otros bancos?” Saber qué imagen tiene un banco, qué imagen desea tener y cómo crear esa imagen es crucial en la industria bancaria porque los productos que ofrecen a los clientes son in­ tangibles, Un banco puede distinguirse de otros sólo con una imagen única y atractiva. En la época del estudio, CivicBank tenía cuatro años de existir y había experimentado un crecimien­ to continuo. Su mercado meta eran los propietarios y operado­ res de negocios que tenían ventas anuales de 500 000 a 30 mi­ llones de dólares. El estudio de la imagen se llevó a cabo mediante una en­ cuesta a una muestra aleatoria de clientes actuales y prospectos de CivicBank. El origen de la encuesta se ocultó al pedir califi­ caciones para dos bancos estatales adicionales y dos bancos in­ dependientes. CivicBank envió por correo 1 875 encuestas y tuvo un índice de respuesta de 219, o 11.5%. el estudio reveló que la mayor parte de las empresas en los diversos sectores de la indus­ tria tenían ventas anuales entre 500 000 y 25 millones de dóla­ res. Habían estado en el negocio durante más de cinco años. Cuarenta por ciento de las empresas estaban relacionadas con los servicios, 10 % con la construcción, 16% con las ventas al detalle, 7% con las ventas al mayoréo, 16% con la fabricación, 4% con el transporte y las comunicaciones y 7% con otros. La sección de la relación de los bancos del estudio pedía a los entrevistados que clasificaran la importancia de diversas ca­ racterísticas al seleccionar un banco. Los resultados revelaron el siguiente orden de importancia: 1 ) respuesta, 2) atención per­ sonal, 3) amabilidad, 4) seguridad de los fondos, 5) ubicación conveniente, y 6) base de capital. Estos resultados contradecían la creencia de que la conve­ niencia, la seguridad de los fondos y una base de capital fuerte eran los factores determinantes primordiales para la elección de un banco. La respuesta y la atención personal probaron ser mu­ cho más importantes para los clientes que el tamaño del capital y

la ubicación. Además, el estudio reveló que los dos bancos estata­ les obtuvieron calificaciones bajas en todas las áreas excepto la conveniencia. Estos bancos tenían muchas sucursales. En el otro extremo, los bancos independientes obtuvieron calificaciones al­ tas en áreas como atención personal, respuesta y amabilidad. El estudio reveló también que muchos negocios estaban insatisfechos con sus relaciones previas con los bancos y que 51% había cambiado de banco durante los últimos tres años. Casi tres cuartas partes de los entrevistados dijeron que tenían inten­ ciones de cambiar de banco al año siguiente: 37% planeaba la adición de otra relación bancaria, 25% planeaba dejar uno o más de los bancos que utilizaba y 10% planeaba cambiar toda la rela­ ción con los bancos al año siguiente. Con base en esta infor­ mación, CivicBank pudo crear una imagen propia y diseñar la publicidad y las promociones adecuadas para sus clientes. Esto sirve para mostrar que, aunque una imagen no puede comprar­ se, puede dar dinero a los bancos. P reg un ta s 1. Escriba un reporte detallado acerca de la investigación que llevó a cabo CivicBank of Commerce. Modifique el for­ mato que se sugiere en el libro, según sea necesario. Su reporte debe cubrir todas las etapas del proceso de investi­ gación de mercados. La sección de las conclusiones debe abarcar el problema de si la investigación que realizó CivicBank fue efectiva. Sus recomendaciones deben con­ centrarse en la investigación futura que el banco podría lle­ var a cabo. R e f e r e n c ia s 1. “How a California Bank Uses Image Research”, en Bank Marketing (marzo de 1989): pp. 20-22. 2. Gridley, H.M. y N.L. Brenner, “Trust Marketing: It Should Start with Consumer Research”, en Bank Marketing (abril de 1991): pp. 56-57. 3. Tynan, K.B., “Staying Alive in a Hostle Environment”, en Bank Marketing (mayo de 1991): pp. 38-39.

PARTE

VI

Dimensiones internacional y ética C a p ítu lo 23

Investigación de mercados internacionales

C a p ítu lo 2 4

La ética en la investigación de mercados PUNTOS DE VISTA DEL PRACTICANTE PARA LA PARTE VI CASOS PARA LA PARTE VI

♦ Esta última parte se ocupa de las dimensiones internacional y ética de la investigación de mercados. Aunque estos dos temas se han estudiado en los capítulos anteriores, esta parte presenta detalles adicionales. Analizaremos el complejo proceso de la investigación de mercados internacionales. Presentaremos un marco de trabajo conceptual para la investigación de mercados internacionales e ilustraremos, detalladamente, de qué manera el ambiente que prevalece en los países, unidades culturales o mercados internacionales que se investigan influyen en la forma en que debe llevarse a cabo el proceso de la investigación de mercados. Resaltaremos, asimismo, la necesidad de la ética en la investigación de mercados y estudiaremos algunos de los métodos principales para ayudar a gerentes e investigadores por igual en la toma de decisiones éticas. Se propondrá un marco de trabajo para la ética en la investigación de mercados. Se analizará la forma en que la ética influye en cada etapa del proceso de investigación de mercados. Al igual que en el resto del libro, nuestra orientación sigue siendo aplicada y gerencia.

Investigación de mercados internacionales ertad

W

)

A reas del extrem o superior .25

.10

.05

.025

.01

.005

1

1.0000

3.0777

6.3138

12.7062

31.8207

63.6574

2

0.8165

1.8856

2.9200

4.3027

6.9646

9.9248

3

0.7649

1.6377

2.3534

3.1824

4.5407

5.8409

4

0.7407

1.5332

2.1318

2.7764

3.7469

4.6041

5

0.7267

1.4759

2.0150

2.5706

3.3649

4.0322

6

0.7176

1.4398

1.9432

2.4469

3.1427

3.7074

7

0.7111

1.4149

1.8946

2.3646

2.9980

3.4995

8

0.7064

1.3968

1.8595

2.3060

2.8965

3.3554

9

0.7027

1.3830

1.8331

2.2622

2.8214

3.2498

10

0.6998

1.3722

1.8125

2.2281

2.7638

3.1693

11

0.6974

1.3634

1.7959

2.2010

2.7181

3.1058

12

0.6955

1.3562

1.7823

2.1788

2.6810

3.0545

13

0.6938

1.3502

1.7709

2.1604

2.6503

3.0123

14

0.6924

1.3450

1.7613

2.1448

2.6245

2.9768

15

0.6912

1.3406

1.7531

2.1315

2.6025

2.9467

16

0.6901

1.3368

1.7459

2.1199

2.5835

2.9208

17

0.6892

1.3334

1.7396

2.1098

2.5669

2.8982

18

0.6884

1.3304

1.7341

2.1009

2.5524

2.8784

19

0.6876

1.3277

1.7291

2.0930

2.5395

2.8609

20

0.6870

1.3253

1.7247

2.0860

2.5280

2.8453

21

0.6864

1.3232

1.7207

2.0796

2.5177

2.8314

22

0.6858

1.3212

1.7171

2.0739

2.5083

2.8188

23

0.6853

1.3195

1.7139

2.0687

2.4999

2.8073

24

0.6848

1.3178

1.7109

2.0639

2.4922

2.7969

25

0.6844

1.3163

1.7081

2.0595

2.4851

2.7874

26

0.6840

1.3150

1.7056

2.0555

2.4786

2.7787

27

0.6837

1.3137

1.7033

2.0518

2.4727

2.7707

28

0.6834

1.3125

1.7011

2.0484

2.4671

2.7633

29

0.6830

1.3114

1.6991

2.0452

2.4620

2.7564

30

0.6828

1.3104

1.6973

2.0423

2.4573

2.7500

31

0.6825

1.3095

1.6955

2.0395

2.4528

2.7440

32

0.6822

1.3086

1.6939

2.0369

2.4487

2.7385

33

0.6820

1.3077

1.6924

2.0345

2.4448

2.7333

34

0.6818

1.3070

1.6909

2.0322

2.4411

2.7284

35

0.6816

1.3062

1.6896

2.0301

2.4377

2.7238

36

0.6814

1.3055

1.6883

2.0281

2.4345

2.7195

37

0.6812

1.3049

1.6871

2.0262

2.4314

2.7154

f

.

.

.„ .

(continuación)

Grados

de

libertad

Áreas del extremo superior

______________________________________________ .25

.10

.05

.025

.01

.005

38

0.6810

1.3042

1.6860

2.0244

2.4286

2.7116

39

0.6808

1.3036

1.6849

2.0227

2.4258

2.7079

40

0.6807

1.3031

1.6839

2.0211

2.4233

2.7045

41

0.6805

1.3025

1.6829

2.0195

2.4208

2.7012

42

0.6804

1.3020

1.6820

2.0181

2.4185

2.6981

43

0.6802

1.3016

1.6811

2.0167

2.4163

2.6951

44

0.6801

1.3011

1.6802

2.0154

2.4141

2.6923

45

0.6800

1.3006

1.6794

2.0141

2.4121

2.6896

46

0.6799

1.3002

1.6787

2.0129

2.4102

2.6870

47

0.6797

1.2998

1.6779

2.0117

2.4083

2.6846

48

0.6796

1.2994

1.6772

2.0106

2.4066

2.6822

49

0.6795

1.2991

1.6766

2.0096

2.4049

2.6800

50

0.6794

1.2987

1.6759

2.0086

2.4033

2.6778

51

0.6793

1.2984

1.6753

2.0076

2.4017

2.6757

52

0.6792

1.2980

1.6747

2.0066

2.4002

2.6737

53

0.6791

1.2977

1.6741

2.0057

2.3988

2.6718 2.6700

54

0.6791

1.2974

1.6736

2.0049

2.3974

55

0.6790

1.2971

1.6730

2.0040

2.3961

2.6682

56

0.6789

1.2969

1.6725

2.0032

2.3948

2.6665

57

0.6788

1.2966

1.6720

2.0025

2.3936

2.6649

58

0.6787

1.2963

1.6716

2.0017

2.3924

2.6633

59

0.6787

1.2961

1.6711

2.0010

2.3912

2.6618

60

0.6786

1.2958

1.6706

2.0003

2.3901

2.6603

61

0.6785

1.2956

1.6702

1.9996

2.3890

2.6589

62

0.6785

1.2954

1.6698

1.9990

2.3880

2.6575

63

0.6784

1.2951

1.6694

1.9983

2.3870

2.6561

64

0.6783

1.2949

1.6690

1.9977

2.3860

2.6549

65

0.6783

1.2947

1.6686

1.9971

2.3851

2.6536

66

0.6782

1.2945

1.6683

1.9966

2.3842

2.6524

67

0.6782

1.2943

1.6679

1.9960

2.3833

2.6512

68

0.6781

1.2941

1.6676

1.9955

2.3824

2.6501

69

0.6781

1.2939

1.6672

1.9949

2.3816

2.6490

70

0.6780

1.2938

1.6669

1.9944

2.3808

2.6479

71

0.6780

1.2936

1.6666

1.9939

2.3800

2.6469

72

0.6779

1.2934

1.6663

1.9935

2.3793

2.6459

73

0.6779

1.2933

1.6660

1.9930

2.3785

2.6449

74

0.6778

1.2931

1.6657

1.9925

2.3778

2.6439

75

0.6778

1.2929

1.6654

1.9921

2.3771

2.6430

76

0.6777

1.2928

1.6652

1.9917

2.3764

2.6421

77

0.6777

1.2926

1.6649

1.9913

2.3758

2.6412

78

0.6776

1.2925

1.6646

1.9908

2.3751

2.6403

79

0.6776

1.2924

1.6644

1.9905

2.3745

2.6395

80

0.6776

1.2922

1.6641

1.9901

2.3739

2.6387

81

0.6775

1.2921

1.6639

1.9897

2.3733

2.6379

82

0.6775

1.2920

1.6636

1.9893

2.3727

2.6371

,

.

.„ .

(continuación)

Grados

¿e

Áreas del extremo superior

______________________________________________

libertad

.25

.10

.05

.025

.01

.005

83

0.6775

1.2918

1.6634

1.9890

2.3721

84

0.6774

1.2917

1.6632

1.9886

2.3716

2.6356

85

0.6774

1.2916

1.6630

1.9883

2.3710

2.6349

86

0.6774

1.2915

1.6628

1.9879

2.3705

2.6342

87

0.6773

1.2914

1.6626

1.9876

2.3700

2.6335

88

0.6773

1.2912

1.6624

1.9873

2.3695

2.6329

89

0.6773

1.2911

1.6622

1.9870

2.3690

2.6322

90

0.6772

1.2910

1.6620

1.9867

2.3685

2.6316

91

0.6772

1.2909

1.6618

1.9864

2.3680

2.6309

92

0.6772

1.2908

1.6616

1.9861

2.3676

2.6303

93

0.6771

1.2907

1.6614

1.9858

2.3671

2.6297

94

0.6771

1.2906

1.6612

1.9855

2.3667

2.6291

95

0.6771

1.2905

1.6611

1.9853

2.3662

2.6286

96

0.6771

1.2904

1.6609

1.9850

2.3658

2.6280

97

0.6770

1.2903

1.6607

1.9847

2.3654

2.6275

98

0.6770

1.2902

1.6606

1.9845

2.3650

2.6269

99

0.6770

1.2902

1.6604

1.9842

2.3646

2.6264

100

0.6770

1.2901

1.6602

1.9840

2.3642

2.6259

2.6364

110

0.6767

1.2893

1.6588

1.9818

2.3607

2.6213

120

0.6765

1.2886

1.6577

1.9799

2.3578

2.6174

130

0.6764

1.2881

1.6567

1.9784

2.3554

2.6142

140

0.6762

1.2876

1.6558

1.9771

2.3533

2.6114

150

0.6761

1.2872

1.6551

1.9759

2.3515

2.6090

oo

0.6745

1.2816

1.6449

1.9600

2.3263

2.5758

Para una com binación particular de grados de libertad de numeradores y denominadores, la entrada representa los valores críticos de F correspondientes a un área específica del extrem o superiores.

Distribución F

N u m erador d fj D en o m in ad o r df2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120

oo

1

2

3

4

5

6

7

8

9

10

12

15

20

24

30

40

60

120

00

251.1 252.2 253.3 254.3 161.4 199.5 215.7 224.6 230.2 234.0 236.8 238.9 240.5 241.9 243.9 245.9 248.0 249.1 250.1 19.35 19.43 19.45 19.45 19.46 19.47 19.48 19.49 19.50 18.51 19.00 19.16 19.25 19.30 19.33 19.37 19.38 19.40 19.41 8.85 9.55 9.28 9.12 9.01 8.89 8.81 8.79 8.70 8.66 8.62 8.59 8.55 8.53 10.13 8.94 8.74 8.64 8.57 6.39 6.26 6.16 6.09 6.00 5.96 5.91 5.86 5.80 5.75 5.72 6.59 5.77 5.69 5.66 5.63 7.71 6.04 6.94 5.05 4.95 4.82 4.62 4.56 4.53 5.79 5.19 4.88 4.77 4.68 4.50 4.46 4.43 4.36 6.61 4.74 4.40 5.41 4.15 4.76 4.53 4.39 4.28 4.21 4.10 4.06 4.00 3.87 3.81 3.77 3.70 3.67 5.99 5.14 3.94 3.84 3.74 4.35 4.12 3.79 3.73 3.68 3.51 3.38 5.59 3.97 3.87 3.57 3.30 3.23 3.64 3.44 3.41 3.34 3.27 4.74 3.35 3.22 3.15 3.12 3.69 3.58 3.50 3.39 3.28 3.08 3.01 2.93 5.32 4.46 4.07 3.44 3.84 3.04 2.97 3.86 3.63 3.48 3.29 3.23 3.18 3.01 2.90 2.86 2.83 5.12 4.26 3.37 3.07 2.79 2.75 3.14 2.94 2.71 3.33 3.22 3.02 2.85 2.70 3.07 2.98 2.91 2.77 2.66 2.62 4.96 4.10 3.48 3.71 2.74 2.58 2.54 3.14 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.79 2.72 2.65 2.61 2.53 2.57 2.49 2.45 2.40 4.84 3.11 2.85 2.75 2.62 4.75 3.89 3.49 3.26 3.00 2.91 2.80 2.69 2.51 2.43 2.38 2.30 2.54 2.47 2.34 3.18 3.03 2.92 2.83 2.60 2.53 2.46 2.42 2.38 2.21 3.81 2.77 2.71 2.67 2.30 2.25 4.67 3.41 2.34 2.70 2.65 2.60 2.35 2.31 4.60 3.11 2.96 2.85 2.76 2.53 2.46 2.39 2.22 2.18 2.13 2.27 3.74 3.34 2.25 3.68 3.29 3.06 2.90 2.79 2.59 2.48 2.40 2.33 2.29 2.20 2.16 2.11 2.71 2.07 4.54 2.64 2.54 3.63 3.01 2.85 2.59 2.49 2.42 2.35 2.28 2.19 2.15 2.11 4.49 2.66 2.06 2.01 2.74 2.54 2.24 3.24 2.55 2.49 2.45 2.38 2.31 2.19 2.15 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.23 2.10 2.06 2.01 1.96 2.15 3.55 3.16 2.93 2.66 2.58 2.51 2.46 2.19 2.11 2.06 2.02 1.92 2.77 2.27 2.41 2.34 1.97 4.41 3.52 2.63 2.48 2.42 2.38 2.31 2.23 2.16 2.11 2.03 4.38 3.13 2.90 2.07 1.98 1.93 1.88 2.74 2.54 2.39 2.12 3.49 3.10 2.60 2.51 2.45 2.35 2.28 2.20 2.08 1.99 1.95 1.90 4.35 2.87 2.71 2.04 1.84 2.68 2.49 2.42 2.32 2.25 2.18 2.10 2.05 2.01 1.96 1.92 4.32 3.47 2.57 2.37 1.81 3.07 2.84 1.87 2.82 2.55 2.15 2.03 3.05 2.66 2.46 2.40 2.30 2.23 2.07 1.98 1.89 1.78 4.30 2.34 1.94 3.44 1.84 2.32 3.03 2.80 2.53 2.20 2.13 2.05 2.01 1.96 1.91 1.86 1.76 4.28 3.42 2.37 2.27 1.81 2.64 2.44 2.78 2.62 2.51 2.42 2.36 2.30 2.25 2.11 2.03 1.98 1.89 4.26 3.40 3.01 2.18 1.79 1.73 1.94 1.84 1.96 1.92 3.39 2.99 2.76 2.60 2.49 2.40 2.28 2.16 2.09 2.01 1.82 2.34 1.87 1.71 4.24 2.24 1.77 2.98 2.59 2.39 2.32 2.22 2.15 1.99 1.95 1.90 1.85 1.69 4.23 3.37 2.47 2.27 2.07 1.80 1.75 2.74 3.35 2.25 2.13 2.06 1.93 1.88 4.21 2.96 2.73 2.46 2.31 2.20 1.97 1.79 1.73 2.57 2.37 1.84 1.67 2.29 2.12 1.96 1.82 2.95 2.56 2.45 2.36 2.19 1.91 1.65 4.20 2.71 2.04 1.87 1.77 1.71 3.34 2.24 3.33 2.70 2.55 2.43 2.35 2.28 2.22 2.18 2.10 2.03 1.90 1.85 1.81 1.75 4.18 2.93 1.94 1.70 1.64 2.21 2.09 2.01 1.93 1.89 1.62 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.16 1.79 1.68 1.84 4.17 1.74 2.12 1.92 3.23 2.61 2.45 2.25 2.18 2.08 2.00 1.79 1.69 1.58 4.08 1.84 1.51 2.84 2.34 1.74 1.64 2.25 2.10 1.99 1.92 1.75 1.70 1.65 1.59 3.15 2.76 2.53 1.53 1.39 4.00 2.37 2.17 2.04 1.84 1.47 2.02 1.96 1.75 1.66 1.61 1.55 2.68 2.45 2.29 2.09 1.91 1.83 1.50 1.43 1.35 1.25 3.92 3.07 2.17 1.52 2.21 2.10 2.01 1.88 1.83 1.75 1.46 1.39 1.32 1.22 1.00 3.00 2.60 2.37 1.67 1.57 1.94 3.84

859

(continúa)

860

Tabla 5 (continuación)

Numerador dfi Denom inador df2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120

oo

1

2

3

4

5

6

7

8

9

10

12

15

20

24

30

40

60

120

00

1018 1010 997.2 :1001 1006 1014 647.8 799.5 864.2 899.6 921.8 937.1 948.2 956.7 963.3 968.6 976.7 984.9 993.1 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39 39.40 39.41 39.43 39.45 39.46 39.46 39.47 39.48 39.49 39.50 13.90 14.12 14.08 14.04 13.99 13.95 14.17 14.42 14.34 14.25 14.62 14.54 14.47 16.04 15.44 15.10 14.88 14.73 17.44 8.31 8.26 8.36 8.51 8.46 8.75 8.66 8.56 8.41 8.98 8.90 9.36 9.20 9.07 8.84 9.60 12.22 10.65 9.98 6.12 6.02 6.23 6.18 6.07 6.28 6.52 6.43 6.33 6.68 6.62 6.85 6.76 7.39 7.15 6.98 8.43 7.76 10.01 4.85 4.90 5.01 4.96 5.12 5.07 5.52 5.46 5.27 5.17 5.70 5.60 5.37 5.99 5.82 6.23 8.81 7.26 6.60 4.25 4.20 4.42 4.31 4.14 4.36 4.76 4.57 4.82 4.67 4.47 5.29 5.12 4.99 4.90 5.52 5.89 8.07 6.54 3.78 3.73 3.67 3.95 3.89 4.10 4.00 3.84 4.30 4.20 4.43 4.36 4.82 4.65 4.53 6.06 5.42 5.05 7.57 3.33 3.51 3.45 3.39 3.56 3.61 3.96 3.77 3.67 4.03 3.87 4.32 4.20 4.10 4.72 4.48 7.21 5.08 5.71 3.08 3.20 3.26 3.52 3.31 3.14 3.62 3.42 3.37 3.78 3.72 3.95 3.85 5.46 4.83 4.07 4.47 4.24 6.94 2.88 3.06 3.00 3.12 2.94 3.33 3.23 3.17 3.43 3.59 3.53 3.88 3.76 3.66 4.28 6.72 5.26 4.63 4.04 2.72 2.85 2.79 3.02 2.91 2.96 3.28 3.18 3.07 3.61 3.51 3.37 4.12 3.89 3.73 3.44 5.10 6.55 4.47 2.72 2.66 2.60 2.78 2.89 3.05 2.95 3.25 3.15 2.84 3.31 3.60 3.48 3.39 4.35 4.00 3.77 4.97 6.41 2.49 2.55 2.61 2.95 2.79 2.73 2.67 3.05 3.21 3.15 2.84 3.38 3.29 3.89 3.66 3.50 4.86 6.30 4.24 2.52 2.46 2.40 2.59 2.70 2.86 2.76 3.12 3.06 2.96 2.64 3.29 3.20 3.58 4.15 3.80 6.20 3.41 4.77 2.32 2.45 2.38 2.51 2.79 2.68 2.63 3.05 2.89 2.57 3.22 3.12 2.99 3.73 3.50 6.12 4.69 4.08 3.34 2.25 2.38 2.32 2.72 2.62 2.56 2.50 2.92 2.82 2.44 2.98 3.16 3.06 3.28 4.62 4.01 3.66 3.44 6.04 2.32 2.26 2.19 2.38 2.56 2.50 2.67 2.44 3.01 2.93 2.87 2.77 3.22 3.10 3,61 3.38 5.98 4.56 3.95 2.13 2.20 2.33 2.27 2.62 2.51 2.45 2.39 2.82 2.72 2.88 3.05 2.96 3.56 3.33 5.92 4.51 3.90 3.17 2.09 2.22 2.16 2.29 2.35 2.46 2.68 2.57 2.41 3.01 2.91 2.77 3.29 3.13 2.84 3.51 4.46 3.86 5.87 2.18 2.11 2.25 2.04 2.42 2.31 2.53 2.37 2.80 2.73 3.25 2.64 3.48 3.09 2.97 2.87 5.83 4.42 3.82 2.00 2.08 2.21 2.33 2.14 2.50 2.39 2.27 2.76 2.70 2.60 3.22 2.93 3.05 2.84 4.38 3.78 5.79 3.44 2.11 1.97 2.18 2.04 2.36 2.30 2.47 2.24 2.73 2.67 2.57 3.18 3.02 2.90 2.81 4.35 3.75 5.75 3.41 2.08 2.01 2.21 2.15 1.94 2.33 2.27 2.70 2.44 2.99 2.78 2.54 3.72 3.38 3.15 2.87 2.64 5.72 4.32 1.91 2.12 2.05 1.98 2.18 2.51 2.30 2.61 2.85 2.75 2.68 2.41 2.24 3.13 4.29 3.35 2.97 5.69 3.69 1.88 2.03 1.95 2.09 2.22 2.16 2.49 2.39 2.28 2.82 2.65 2.59 3.10 2.73 3.33 2.94 5.66 4.27 3.67 1.85 2.00 1.93 2.19 2.13 2.07 2.36 2.25 2.92 2.80 2.63 2.57 2.47 3.08 2.71 3.65 3.31 5.63 4.24 1.83 1.98 1.91 2.11 2.05 2.45 2.23 2.17 2.61 2.55 2.34 3.06 2.90 2.78 2.69 4.22 3.29 5.61 3.63 1.89 1.81 2.03 1.96 2.32 2.21 2.15 2.09 2.43 2.59 2.53 2.76 2.88 2.67 4.20 3.61 3.27 5.59 3.04 1.79 2.01 1.87 2.31 2.20 1.94 2.07 2.75 2.65 2.51 2.14 3.25 3.03 2.57 2.41 2.87 4.18 3.59 5.57 1.80 1.72 1.88 1.64 2.01 2.29 2.18 2.45 2.39 2.07 1.94 2.62 2.53 3.13 2.90 5.42 4.05 3.46 2.74 1.48 1.58 1.82 1.67 2.06 1.88 1.74 2.51 2.33 2.27 2.17 1.94 3.01 2.79 2.63 2.41 5.29 3.93 3.34 1.53 1.43 1.31 1.61 1.82 1.76 1.69 2.22 2.16 2.05 2.30 1.94 2.52 2.39 2.89 2.67 5.15 3.80 3.23 1.00 1.39 1.48 1.27 1.83 1.57 2.11 2.05 1.71 1.64 2.29 2.19 1.94 2.79 5.02 3.69 3.12 2.57 2.41

( con tin ú a )

(continuación)

Numerador dfj L^eiiuiniiLdULu

df2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 60 120 “

1

2

3

4

5

6

7

8

?

10

12

15

20

24

30

40

60

120

00

5625 :5764 5982 (5022 i6 056 i5106 i5157 i5235 i5261 i5287 4052 ■4999.5 :5403 :5928 i5209 i5339 i5366 i5313 '5 859 99.36 99.39 99.46 99.25 9 9 .3 0 99.33 99 .4 0 99.42 99.43 9 9 .45 98 .5 0 99.00 99.17 99.37 99.47 99.47 99.48 99 .4 9 99 .5 0 27.91 27.67 27.49 27.35 27.23 27.05 26.69 26.60 26.32 34.12 30.82 29.46 28.71 26.87 2 6 .5 0 26.22 28.24 26.41 26.13 15.21 14.98 14.55 14.20 14.02 13.93 18.00 16.69 15.98 15.52 14.80 14.66 13.75 13.65 21.20 14.37 13.56 13.46 13.84 9.72 11.39 10.46 10.29 10.16 10.05 9.89 9.55 9 .2 9 12.06 10.97 10.67 9.47 9.38 9.20 9.11 9.02 16.26 13.27 9.15 8.26 7.98 7.72 7.56 7.40 7.31 10.92 9.78 8.75 8.10 7.87 7.23 13.75 8.47 7.06 6.88 7.14 6.97 6.99 7.85 7.19 6.72 6.62 6.31 6.16 6.07 5.91 5.82 12.25 9.55 8.45 7.46 6.47 5.99 5.65 6.84 5.74 7.01 6.18 5.91 5.52 5.36 5.28 5.12 8.65 7.59 6.63 6.03 5.81 5.20 5.03 11.26 6.37 5.67 4.95 4.86 4.73 6.06 5.80 5.61 5.35 5.26 5.11 4.96 4.81 4.65 8.02 6.99 6.42 5.47 4.57 4.48 4 .4 0 4.31 10.56 5.20 4.56 4.33 6.55 5.99 5.39 5.06 4.85 4.71 4.25 4.08 7.56 4.94 4.41 4.17 4 .0 0 3.91 5.64 10.04 4.02 5.32 4.89 4.63 4.25 4 .1 0 3 .8 6 7.21 6.22 5.67 5.07 4 .4 0 3.78 9.65 4.74 4.54 3.94 3.69 3 .6 0 3 .78 3.62 5.95 5.06 4.82 4.50 4.39 4 .3 0 4.16 4.01 3.86 3.70 9.33 6.93 4.64 3.45 3.36 5.41 3 .5 4 3.82 3.59 3.66 3.51 3.43 5.21 4.86 4.62 4.19 4 .1 0 6.70 4.30 3.96 3.25 3.34 3.17 4.44 9.07 5.74 4.28 4.03 3.66 3.51 3.43 4.46 3.80 3 .35 3 .18 6.51 5.56 4 .69 3 .9 4 3.27 3.09 3 .0 0 8.86 5.04 4.14 3.52 3.29 3.21 3.13 3.05 4.89 4.32 3.89 3.80 6.36 4.56 4.00 3.67 3.37 2.96 2.87 8.68 4.14 5.42 4.03 3.26 3.18 3.02 5.29 4.20 3.89 3.78 3 .6 9 3.55 3 .1 0 2.93 2.75 8.53 6.23 4.77 3.41 4.44 2.84 3.93 3.08 2.92 4.10 3.79 3.68 3.59 3.46 3.31 3.16 3 .0 0 2.83 5.18 4.67 2.75 2.65 8 .40 6.11 4.34 3.60 3.51 3.23 3.08 3 .0 0 2.92 5.09 4.58 4.25 4.01 2.75 8.29 6.01 3.84 3.71 3.37 2.84 2.66 2.57 3.15 2.92 4.50 3.63 3.52 3.43 3 .3 0 3 .0 0 2.76 5.93 5.01 4.17 3.77 2.67 2.58 2.49 8.18 3.94 2.84 3.70 3.46 3.09 2.86 2.69 5.85 4.43 4.10 3.56 3.37 3.23 2.78 2.61 2.52 8.10 3.87 2.94 2.42 4 .94 3.03 2.88 2.80 3.81 3.51 3.40 3.31 2.72 2.55 8.02 5.78 4.37 3.64 3.17 2.46 2.36 4.87 4.04 2.64 3.76 3.59 3.35 3 .2 6 3.12 2.98 2.83 2.75 2.58 5.72 4.82 4.31 3.99 3.45 2.50 2.40 2.31 7.95 2.67 3.21 2.93 2.78 2.70 3.30 2.62 2.45 7.88 5.66 4.76 4.26 3.71 3.54 3 .0 7 2.54 2.35 2.26 3 .94 3.41 4.72 3.50 3 .26 3.03 2.89 2.66 2.49 2.40 2.31 5.61 4.22 3.90 3.67 3.36 3.17 2.58 2.21 7.82 2.74 2.62 3.46 3.22 2.85 2.70 2.45 3.85 3.63 3.32 3.13 2.99 2.36 4.68 4.18 7.77 5.57 2.54 2.27 2.17 2.58 3.82 3.59 3.42 3.18 3.09 2.96 2.81 2.66 2.50 2.42 2.33 5.53 3.29 2.23 2.13 7.72 4.64 4.14 2.55 3.39 3.15 3.06 2.78 2.63 2.38 4 .60 3.78 3.56 3.26 2.93 2.29 2.20 2.10 7.68 5.49 2.47 4.11 3.36 3.12 2.75 2.60 2.52 2.35 3.75 3.53 3.23 3.03 2.90 2.26 5.45 4.07 2.06 4.57 2.44 2.17 7.64 3.33 3.09 3 .0 0 2.73 2.49 2.33 5.42 3.73 3.50 3.20 2.87 2.57 2.23 2.03 7.60 4.04 2.41 4.54 2.14 3.30 2.70 2.55 2.30 2.21 4.02 3.70 2.98 2.47 2.39 2.11 2.01 5.39 4.51 3.47 3.17 3.07 2.84 7.56 2.52 2.29 3.12 2.89 2.80 2.66 2.37 2.20 2.11 2.02 4.31 3.83 3.51 3.29 2.99 1.92 1.80 7.31 5.18 2.12 2.95 2.72 2.35 2.20 3.65 3.12 2.82 2.63 2.50 2.03 1.73 1.60 4.98 4.13 1.94 1.84 7.08 3.34 2.19 1.95 2.79 2.66 2.56 2.03 1.86 1.76 1.66 3.95 3.48 2.96 2.47 1.53 1.38 6.85 4.79 3 .17 2.34 2.32 1.88 1.79 1.70 1.59 3.32 3.02 2.80 2.51 2.18 1.47 1.32 1.00 6.63 4.61 3.78 2.64 2.41 2.04

861

índice temático A ABI/Inform (base de datos), 128 ABI/In/orm Onciisc, 142,157 Abogados, investigación de mercados por parte de, 5 Abreviaturas para preguntas, 449 Abuso de posición por parte del investigador, 826 ACA (software), 225 Aceptación social, 211 Acondicionador Agree, 57 Acondicionador Clairol, 57 Actitudes de las mujeres diseño de investigación para detectar las tendencias en, 99 hacia los detergentes, 179 de los negocios hacia el acceso equitativo, 329 hacia las líneas aéreas, 176 hacia los sistemas de prestación de servicios de salud, 634-35. medición de las, 810 Actividades, intereses y opiniones (AIO), 130 Adaptación a través de la publicación simultá­ nea, 134 Aderezo Hidden Valley Ranch, 258, 259 Aderezo para ensalada Rancher’s Choice, 258-59 Aderezo Seven Seas, 258 Aderezos para ensalada, 258-59 Administración del experimento, 256-57 Adobe Photoshop (software), 785 Adolescente mundial, 842-43 Adultos mayores, 747 Advertencias en el informe, 772 Advertising Research Service, 246 Afiliación de países, credibilidad de los comer­ ciales de T V y, 559-60 Afirmación (es) dobles, 335 para contrarrestar las tendencias, 328 Afirmaciones contra la desviación, 328 Afirmaciones dobles, 335 Afluencia, definiciones de, 102 Agencias de investigación, 69 de publicidad, 68

Agency for International Development, 146 Aging America -Trends and Projections, 159 Agricultural Statistics, 159 Agriculture Statistics and Commodity Yearbook, 158 Agrupación con k medias (agrupación no jerárquica), 6 7 9 ,6 8 3 ,6 8 5 -8 7 Agrupación divisible, 677 Agrupación jerárquica, 677, 680, 682-83, 684-85 Agrupación no jerárquica, 679, 683,685-87 Agua embotellada H 20h!, 752 Agua embotellada Perrier, 593 Air line (zapato deportivo), 75 Aldus Photostyler (software), 785 Aleatoriedad, 243 Alimentos congelados, preferencias de los consumido­ res por, 485 consumo de leche, 108-9 industria de alimentos congelados, 426-27 “malos para usted”, 181-82 para llevar, 44 restaurantes de comida rápida, 44, 73-75, 5 2 0 ,5 2 1 ,8 0 7 -8 ,8 4 4 -4 5 tendencias en el comportamiento alimenti­ cio, 93 Alimentos congelados Hidden Valley, 427 Alimentos congelados, preferencias del consu­ midor por los, 485 Almanac o f Business and Industrial Financial Ratios, 157 Alternativa de dirección, 730-31 Alternativa implícita, 334 Alternativa no direccional, 730 Ambiente campo, 255 económico, 46-4 7 ,8 0 6 estructural, 806 gobierno, 805 informativo y tecnológico, 806 investigación de mercadotecnia internacio­ nal y, 803-8,842-43 laboratorio, 255 legal, 46, 805-6 mercadotecnia, 803-5 sociocultural, 59,806-7 definición del problema y, 46-47 Ambiente estructural, 806 Ambiente gubernamental, 805

Ambiente informativo y tecnológico, 806 Ambiente legal, 46, 805-6 Ambiente sociocultural, 59, 806-8 Ambiente tecnológico y de información, 806 American Lauryer, The, 340 American Marketing Association Bibliography Series, 125, 155* American Marketing Association International Membership Directory & Marketing Services Guide, 155 American Statistics Index, 157 Ameritech Complete MasterCard, 696 Analgésico Aleve, 848 Analgésico Tylenoi, 845-48 Análisis asociado híbrido, 721-22 Análisis asociado, 696, 709-25 análisis multidimensional en comparación con, 709 aplicaciones de computación, 725 aplicaciones del, 709 conceptos básicos en el, 709 confiabilidad y validez del 719-20 elaboración de estímulos, 712-13 estadísticas y términos relacionados con el, 709-10 forma de datos de entrada, 713-14 formulación de problemas en el, 710-11 híbrido, 721-22 interpretación de los resultados del, 717-20 modelo de, 714-15 selección de procedimientos, 714-17 suposiciones y limitaciones del, 721 “Análisis Continuo de Hábitos de Compra” (CASH), 200 Análisis de clasificación. Véase Análisis de conjunto Análisis de cohorte, 93-94 Análisis de conjunto, 670-92 agrupación de variables, 688 aplicaciones de computación, 689-90 aplicaciones del, 6 7 3-74,685-87 concepto básico del, 672-73 confiabilidad y validez del, 683-85 de aglomeración, 677-79 j del mercado maduro, 748-50 divisorio, 677 estadísticas asociadas con el, 674 formulación de problemas en el, 675-76 interpretación y perfil de conjuntos, 683 jerárquico, 6 7 7 ,6 8 2 -8 3 ,6 8 4 -8 5 no jerárquico, 679, 683,6 8 5 -8 7

número de conjuntos, 682-83 para explicar las diferencias en las percepciones éticas, 689 selección del procedimiento de agrupación, 677-82 Análisis de correspondencia, 707-8 Análisis de covarianza (ANCOVA), 244» 560-61 con regresión, 606-7 definido, 548 relación con otras técnicas, 548 Análisis de datos, 22, 37, 106. Véase también Análisis de la varianza (ANOVA); Análisis de la covarianza (ANCOVA); Análisis de conjunto; Análisis aso­ ciado; Correlación (es); Tabulaciones cruzadas; Análisis discriminatorio; Análisis de factores; Distribución de la fre­ cuencia; Comprobación de hipótesis; Escala multidimensional (M DS); Análisis de regresión aspectos éticos en el, 493, 835 error en el, 103 informes sobre, 772 niveles de, en la investigación de mercadotecnia interna­ cional, 491-92 secundario, 41-42 selección de la estrategia de, 486-88 teoría y, 51 Análisis de escalograma (escalas de Guttman), 281 Análisis de factores, 643-69 adaptación del modelo en el, 655-58 aplicaciones de computación, 663-64 aplicaciones del, 645, 658-63 calificaciones de los factores, 647,654-55 común, 651, 658-63 concepto básico del, 645 construcción de una matriz de correlación, 6 4 7 ,6 4 8 -4 9 ecuaciones fundamentales del, 667-69 escala multidimensional y, 708 estadísticas asociadas con el, 646-47 formulación de problemas en el, 647-48 interpretación de los factores, 654 método del, 649-51 modelo de, 646 número de factores en el, 651-53 rotación de factores en el, 65354 variables indirectas, 655 Análisis de factores comunes, 651, 658-63

Análisis de la varianza en una dirección de KruskalWallis, 565-66 Análisis de las tendencias, 406, 793 Análisis de los componentes princi­ pales, 649-51 en el contexto de la promoción comercial, 656-58 en la investigación de mercados internacionales, 662 Análisis de precios, 697 Análisis de protocolo, 342 Análisis de rastros, 218-19, 220 Análisis de regresión, 582-609 análisis de la varianza y covarianza con, 606-7 análisis discriminatorio y, 618-19 aplicaciones de computación, 6 0 9 ,6 1 0 bivariado, 583-92 cálculo de parámetros, 586-87 coeficiente de regresión estan­ darizado, 5 8 3 ,5 87 definido, 583 diagrama de dispersión y, 583, 584-85,598 estadísticas asociadas con el, 583 exactitud de la proyección, 591-92 fuerza e importancia de la asociación, 588-91 modelo de gresión bivariado, 583, 586-92 pruebas de la importancia, 588 suposiciones del, 592 con variables modelo, 605-7, 715-16 definido, 582 en dirección a los pasos, 602-3, 605 importancia relativa de los indi­ cadores, 604-5 multicolinearidad y, 604 múltiple, 574, 592-602 análisis de las cantidades residuales, 598-602 coeficientes de regresión parciales, 594-96 definido, 592 estadísticas asociadas con el, 593-94 forma general del modelo, 593 fuerza de la asociación, 596-97 pruebas de la importancia, 597-98 relación con otras técnicas, 548-49 validación cruzada, 605 Análisis de todas las culturas, 492 Análisis de unidad cultural, 492 Análisis de varianza (ANOVA), 546-60 análisis discriminante y, 618-19 aplicaciones en computación, 5 6 7 ,568 con n formas, 548, 557-60 con regresión, 606-7

con una forma, 548, 549-55 aplicaciones del, 553-55 conducción del, 550-53 estadísticas asociadas con el, 549 Kruskal-Wallis, 565-66 interpretación del, 561-64 medidas repetidas, 564-65 multivariado (MANOVA), 566-67 no métrico, 565-66 relación con otras técnicas, 547-49 suposiciones en el, 555-56 Análisis del contenido, 217-18, 2 19,220 Análisis del impacto, 793 Análisis del perfil, 296-97 Análisis dentro del país, 492 Análisis discriminatorio, 616-42, 673 aplicaciones de computación, 636-38 cálculo de los coeficientes, 623, 624-25,629-32 concepto básico del, 618 de dos grupos, 617, 618, 619, 621-29,637 determinación de la importancia del, 623-25,629-32 en la dirección .de los pasos, 6 23,636 escala multidimensional y, 708 estadísticas asociadas con, 61920 ética y, 637 formulación de problemas en el, 620-23,629 interpretación de los resultados del, 625-27,632-33 modelo de, 619 múltiple, 618,629-35 relación con la regresión y ANOVA, 618-19 suposiciones en el, 620 validación del, 627-29, 634 Análisis discriminatorio de dos grupos, 617, 618, 619, 621-29,637 Análisis discriminatorio en direc­ ción a los pasos, 623, 636 Análisis discriminatorio múltiple, 618,629-35 Análisis en el nivel individual, 491-92 Análisis en grupo del desarrollo de nuevos productos a fin de identificar las oportuni­ dades para, 674 escalas multidimensionales y, 697 Análisis externo de las preferencias, 105-7 Análisis interno de las preferencias, 705 Análisis intracultural, 492 Análisis pancultural, 492 Análisis simbólico, 176 Analista, 19

Analista de la investigación, 19 Analista de la percepción, 293 Analista júnior, 19 Analista sénior, 19 Analistas del tono de voz, 216 Ancianos, 747-48 consumo televisivo por, 628 fragancias para, 433 movilidad y comportamiento condescendiente, 530 Anonimato ética de conservar el anonimato de los entrevistados, 223-24 percibido, 210-11 ANOVA con n direcciones, 548, 557-60 ANOVA en dos direcciones, 558 ANOVA en una dirección. Véase en Análisis de la varianza (ANOVA) ANOVA multivariada (MANOVA), 566-67 ANOVA no métrica, 565-66 Antecedentes del problema, 105 Antiácidos, publicidad de, 546-47 Aparición de informes, 774 Apéndices en la propuesta de investigación, 106 Aplicaciones de computación, 27-28 aspectos éticos en las, 837-38 en ANOVA, 567, 568 en el análisis asociado, 725 en el análisis de conjunto, 689-90 en el análisis de factores, 663-64 en el análisis de regresión, 609, 610 en el análisis del contenido, 218 en el análisis discriminatorio, 636-38 en el diseño de la investigación, 108-10 en el muestreo, 381-83 en el trabajo de campo, 456-58 en la comprobación de hipótesis, 540 en la definición de problemas, 61-63 en la determinación del tamaño de la muestra, 409-10, 411 en la escala multidimensional, 723-24 en la escala, 284-85 en la experimentación, 263-64 en la información secundaria, 149-51 en la investigación cualitativa, 187-90 en la investigación de mercados internacionales, 814-16 en la observación, 225-27 en la preparación de datos, 493-95 en las correlaciones, 609 en las distribuciones de la fre­ cuencia, 539-40

en las encuestas, 225-27 en las escalas no comparativas (monádicas), 311-12 en las tabulaciones cruzadas, 540 en los cuestionarios, 347-50 en los informes, 785-86 en los planteamientos para un problema, 61-62 mercadotecnia de bases de datos, 123-24 tecnología de computación con base en la pluma, 225 APM (software), 724 Apoyos visuales, 778-80 Arabia Saudita, mercadotecnia en, 807-8 Aromacología, 433 Are o f Asking Questions, The (Payne), 320 Artefactos, demanda de, 255 Asimetría de la distribución, 509, 738-39 Asociación fortaleza e importancia de la, 5 2 1 ,5 2 3 -2 5 ,5 8 8 -9 1 importancia estadística de lo observado, 521-23 prueba de chi cuadrada, 521-23 suprimida, 519-20 Asociación de palabras, 42, 178-80, 18 4 ,186, 188, 189 Aspecto, definición del, 332 Atributos, importancia relativa de los, 709 Attitude Scales (software), 312 Audímetro, 1 3 5,136, 215 Audiorregistros, 135 Auditivo, 217, 219, 220, 227 problema, 39-40, 58 Auditoría de despensa, 217 Auditoría del problema, 3 9 -4 0 ,5 8 Aumento de los fondos, 26, 224, 284 Auntjem im a Bu tterL ite (jarabe), 81 Aunt Jemima Lite (jarabe para hot cakes), 81 Automóvil Camaro, 706-7 Automóvil Capri, 706-7 Automóvil Concorde, 762 Automóvil Continental, 706-7 Automóvil Dart, 706-7 Automóvil de lujo Lexus, 77-78 Automóvil Eagle Vision, 762 Automóvil Firebird, 706-7 Automóvil Jaguar, 707 Automóvil MonteCarlo, 706-7 Automóvil Vega, 706-7 Automóviles, 283, 762-64 automóviles de lujo, 77-78 mapa M DS de marcas selectas de, 706-7 nivel de educación y valor de los, 518-19 Automóviles marca Buick, 706-7 Automóviles marca Cadillac, 706-7 Automóviles marca Chevrolet, 706-7

Automóviles marca Mercedes, 706-7 Automóviles marca Volkswagen, 706-7 Autorización, carta de, 771 Aviation Week & Space Technology, 203

B Banco Mundial, 147 Bancos, 796-97 evaluación por parte del consu­ midor de los, 644-45 BAR/LNA Multi-Media Service, 157 Barra Cookies ‘n’ Mint Chocolate, 429 Barra de chocolate Golden, 430 Base de datos en línea, 61, 128 Base de datos Profit Impact of Market Strategies (PIMS), 129 BaseLine, 129 Bases de datos en línea, 61, 128 información secundaria de, 149-51 por computadora, 127-30, 142 problema de 1a privacía y, 149 Bases de datos bibliográficas, 128 Bases de datos computarizadas, 127-30,142 Bases de datos de directorios, 129 Bases de datos de texto completo, 129 Bases de datos fuera de línea, 128 Bases de datos numéricas, 128-29 Bases de datos para propósitos especiales, 129 Batería de Emociones de Beaumont, 3 0 6 ,3 0 7 Bebida Snapple, 81 Beetle, Volkswagen, 662 Bentley College, Centro para Etica en los Negocios de, 831 Bibliographic Index: A Cumulative Bibliography o f Bibliographies, 157 Biz*File, CompuServe, 150 BMDP análisis de factores con, 663-64 análisis de grupo con, 690 análisis discriminatorio con, 638 ANOVA y ANCOVA con, 568 comprobación de hipótesis con, 540 correlaciones con, 609 distribuciones de la frecuencia c o n ,539, 540 informes con, 786 modelado matemático con, 61 preparación de datos con, 495 regresión con, 609, 610, 724-25 simulaciones con, 381 tabulación cruzada con, 540 Bolas de nieve, sesiones de grupo y, 172 Books in Print (base de datos), 61

Bradford’s Director)>o f Marketing Research Agencies and Management Consultants in the US and the World, 155 Breck Creme Rinse, 57 Bridger (software), 725 Buena suerte, sesiones de grupo y, 172 Business America, 127, 160 Business Conditíons Digest, 127, 160 Business Index, 126, 157 Business Information Sources, 125, 155 Business Information: How to Find It, How to Use It, 155 Business Organizations, Aígencies and Publications Directory, 155 Business Periodicals Index, 126, 157 Business Services and Information: The Guide to the Federal Government, 155 Business Statistics, 127, 160 Business Week, 539

c C-SURVEN T (software), 311 Cadbury Dairy Milk Chocolate, 429 Cadena de compras en el hogar, anuncios en, 581 Café Brim, 46 Café Butternut, 95 Café Folger’s Flakes, 259 Café Folgers, 95 Café High Yield, 259 Café Maxwell House, 46, 95 Café Sanka, 46 Cálculo de la magnitud, 281 Cálculo de la varianza agrupada, 528-29 Cálculo(s) de la magnitud, 281 en las respuestas, 335 error estándar de (SEE), 583, 591-92 sesgo sin respuesta, subjetivo, 406 varianza conjunta, 528-29 Cálculos subjetivos de la tendencia a no dar respuesta, 406 Calidad de dependiente, de la información secundaria, 119,121-22 Calificaciones de los factores, 647, 654-55 Calificaciones discriminatorias, 620 Cámaras de Comercio Internacio­ nales, 147 Cámaras en el lugar, 216 Cámaras, en el lugar, 216 Campaña “True hotel stories”, 428 Campañas “Mudslinging”, políticas, 187 Campañas políticas “detractoras”, 187 Campo definido, 475 Camry, Toyota, 783-84

Canadá, T LC y, 802-3 Cantidad de errores cuadrados, 583 Cantidades residuales, 598-602, 647, 656 Canvas (software), 785 Capacitación de los trabajadores de campo, 447-50 CAPI. Véase Entrevistas personales asistidas por computado­ ra (CAPI) Carácter anónimo percibido, 210-11 Características relevantes, 56-57 Cargas canónicas Cargas (discriminatorias), 626 Cargas factoriales, 647, 653 Carousel Pizza, 195 CarousePs International Sausages, 195 Carriles de salida computarizados, 47 Carros, Véase Automóviles Carta de autorización, 771 Carta de transmisión, 770 Cartas de estratos, 777, 778 Cartas de flujo, 777 Cartas de líneas, 776-77 Cartas de pastel (redondas), 776 Cartas redondas (de pastel), 776 Casa Blanca, investigación de mercado que utiliza la, 4 CASH (“Continuing Analysis of Shopping Habits”), 200 Caso para estudio de una exposi­ ción, 245-46 Casos para estudio, 245-46 Catálogos de video, 556 Categorías para los cuestionarios, 477-78 que se utilizan en la información secundaria, 120-21 Categorías de respuesta, 328 Category Pertmaster (software), 110 CATI. Véase Entrevistas por teléfo­ no asistidas por computa­ dora (CATI) CATPAC (software), 188-90 Causalidad, experimentación y, 234-37 ausencia de otros factores causa­ les posibles, 237 concepto de causalidad, 234-35 orden de ocurrencia de las varia­ bles y, 236 papel de la evidencia, 237 variación concomitante y, 235-36 Celebridades, respaldo del producto por parte de, 744-47 Censo, 359-60 comparación internacional de, 147 Censo de Agricultura, 158 Censo de Com ercio al Detalle, 1 26.159 Censo de Fabricantes, 126, 159 Censo de Gobierno, 158 Censo de Industrias de la Construcción, 158 Censo de Industrias de Servicios, 126.159

Censo de Industrias Mineras, 159 Censo de Población, 122, 126, 159 de 1 9 8 0,120 de 1 9 9 0 ,1 2 0 ,1 2 6 -2 7 Censo de Población y Vivienda, 159 Censo de Transportes, 159 Censo de Vivienda, 126, 159 Censo del Comercio al M ayoreo, 126, 159 Censos de población, comparación internacional de los, 147 Census C atalogand G uide, 158 Census Data índex, 158 Centroides de grupo, 619, 625, 634, 635 Centros comerciales, 270 perfil de los visitantes en, 602-3 Centros de conjuntos, 674, 685, 686 distancias entre, 674, 685-87 Cereal caliente Quaker MultiGrain, 81 Cereal Cap’n Crunch, 80-81 Cereal Cap’n Quaker, 80-81 Cereal Life, 80-81 Cereal Quaker 100% Natural, 8 0 ,8 1 Cereal Quaker Toasted Oatmeal, 81 Cereal Total, 138, 262 Cerveza sin alcohol Clausthaler, 593 Ci2 (software), 2 2 5 ,3 4 8 Ci3 (software), 2 2 5 ,3 4 8 ,4 5 6 -5 8 Cigarrillos Camel, 785 Clasificaciones de las preferencias, 6 9 7 ,7 0 0 Clean-a-List (software), 225 Cliente como contribuyente, 826-27 que ayuda en la comprensión del informe, 782 Clientes. Véase Consumidores Code of Ethics (American Marketing Association), 829 Codificación, 21 8 ,4 7 5 -7 8 de las preguntas, 476-78 de los cuestionarios, 478, 479 definida, 475 libro de códigos, 476, 478 por colores, 341 Codificación por colores, 341 Código Internacional de Mercadotecnia y Práctica de la Investigación Social, 224 Código universal de producto (UPC), 137, 216 Códigos de campos fijos, 476-77 Coeficiente alfa (de Cronbach), 305-6,311 Coeficiente beta (ponderación), 5 8 7 ,5 9 5 -9 6 ,6 0 4 -5 Coeficiente beta, 306 Coeficiente de contingencia, 523-24 Coeficiente de correlación (correla­ ción de momento del producto), 575 -7 9 ,5 8 2 , 609 relación entre la estadística t y el, 741-42,743

Coeficiente de correlación bivariada (correlación de producto momento), 575-79,582 Coeficiente de correlación de las partes, 580-81 cuadrado del, 604 Coeficiente de correlación de Pearson (correlación de producto momento), 5757 9 ,5 8 2 ,6 0 9 cuadrado del, 604 Coeficiente de correlación múltiple (R2), cuadrado del, 593, 596 Coeficiente de correlación parcial, 579-80 cuadrado del, 604 Prueba F parcial, 594, 598 Coeficiente de correlación sencillo (correlación producto momento), 575-79,582, 609 cuadrado del, 604 Coeficiente de determinación (r2), 583,588-89 Prueba F para probar la impor­ tancia del, 590-91 Coeficiente de determinación múltiple, 593, 596 ajustado, 593,5 9 6 -9 7 Coeficiente de regresión, 583 Coeficiente de regresión estandari­ zado, 5 8 3 ,5 8 7 Coeficiente de variación, 508 Coeficiente lambda, 524-25 Coeficiente phi (/), 523 (Coeficiente) alfa de Cronbach, 305-6,311 Coeficientes de la función discrimi­ natoria, 620, 625-26 cálculo de los, 641-42 estandarizados, 620 Coeficientes de regresión parcial, 549-96 Coeficientes estandarizados, 604-5 Coeficientes estandarizados de la función discriminatoria, 620 Colaboradores anónimos, uso de, 769 Comentarios neutrales, 449 Comentarios neutrales y objetivos, 449 Comentarios objetivos, 449 Comercial “Big Business” de MCI, 162 Comerciales, 133. Véase también nombres y temas de comercíales específicos credibilidad de, afiliación de países y, 559-60 duración de, 533 Comercio internacional, obstáculos éticos para el, 836 Comida para llevar, 44 Comidas congeladas Healthy Choice, 426

Comission o f the European Community to the Uni­ ted States, 147 Commission on Profes$ional and Hospital Activities (CPHA), 129 Commodity Yearbook, 157 Communications Abstracts, 157 Comparación, 244 Comparación de las muestras por medio de la diversidad, 380 Comparison Shopping Service (CSS), 146-47 Compass (software), 151 Componente de conjunto, 688 Componentes específicos del pro­ blema, 49, 50 Comportamiento de compra análisis de grupo para compren­ der el, 674 definición del problema y, 45-46 Compra, electrónica, 546, 575 Compradores de investigaciones, 68 Compras de alimento para perro, 254 Compras de ropa a la moda, estado civil y, 518-519 Compras de ropa, estado civil y, 51 8 ,5 1 9 Compras electrónicas, 54 6 ,5 7 5 Compras no planeadas, 221-22 Compras por catálogo, 502-3 Comprobación de hipótesis, 501, 509-15, 730-35 aplicaciones de computación, 540 conclusión a la que llega la, 514 direccional contra pruebas no direccionales, 734 estadística contra importancia práctica, 734-35 ilustración gráfica, 733-34 no paramétrica, 526, 533-40 con dos muestras indepen­ dientes, 534-35, 537 con muestras unidas, 536-38 con una muestra, 533-34, 537 paramétrica, 525-33 con dos muestras indepen­ dientes, 528-32 con muestras unidas, 532-33 con una muestra, 527-28 pasos en la, 510-15 procedimiento general para la, 510-15 conclusión, 514 elección del nivel de impor­ tancia, 512 formulación de hipótesis, 51112

recopilación de datos, 513 selección de la prueba apropia­ da, 512 valor crucial (probabilidad) y, 514 relacionada con las diferencias, 525-40 resumen de la, 537 toma de decisiones, 731-33

Comprobación de hipótesis no paramétricas. Véase Comprobación de hipó­ tesis Comprobación de hipótesis paramétrica. Véase Comprobación de hipó­ tesis Computación, Análisis para Evalua­ ción de Programas de, 290 Comunal, 6 4 6 ,6 4 7 ,6 5 1 Comunicación, interacción entre la investigación y las perso­ nas que toman las deci­ siones y, 40 Concepto de sí mismo, escalas para medir escalas con parti­ das múltiples, validez del constructor para, 307 escala semántica diferencial, 296 Conceptos del producto, escala semántica diferencial para medir, 296 Conceptos de la persona, escala semántica diferencial para medir los, 296 Conclusiones del informe, 772, 773, 782 Condescendencia, 104 C onference Board Cumulative Index, 157 Confiabilidad de la consistencia interna, 305-6 de la división a la mitad, 305, 652 de las escalas con partidas múlti­ ples, 304 -6 ,3 0 8 de las escalas multidimensionales, 704 de las formas alternativas, 305 de prueba-segunda prueba, 3045 ,7 1 9 del análisis asociado, 719-20 del análisis en grupo, 683-85 relación entre la validez y la, 308 Confiabilidad de formas alternati­ vas, 305 Confiabilidad de la consistencia interna, 305-6 Confiabilidad de la división a la mitad, 3 0 5 ,6 5 2 Confiabilidad de prueba-segunda prueba, 304-5, 719 Confianza, interacción entre la investigación y las perso­ nas que toman las deci­ siones y, 40 Confusión de las variables, 243 Conjoint Analyzer (software), 725 Conjoint Designer (software), 725 ConjointLinm ap (software), 725 Conjunto de estimaciones, 714 Conjunto extendido, 714 Conjuntos definidos, 672 Conjuntos ortogonales, 710, 712-13 Conocimiento a priori, 701

Conquest (software), 151 Conquest D irect Express (software), 225 Consentimiento informado, 825-26 Construcción, 302 Consultants and Consulting Organizations Directory, 125, 156 Consumer Mail Panels, 204, 424 Consumidores actitudes hacia los sistemas de prestación de servicios de salud, 634-35 de comida rápida, 483-84 evaluación de los bancos, 644-45 japoneses, 106-7, 186 percepciones de las rebajas, 617, 660-62 preferencias por la comida con­ gelada, 485 selección de microcomputadoras por parte de los, 719-20 Consumidores de comida rápida, 483-84 Consumo de bebidas, 737-40 Consumo de café, 46 Consumo de leche, 108-9 Contact and Cooperation Rate Adjustment (software), 409 Contacto inicial, 447-48 Contenido de los informes, 771 Contexto ambiental del problema. Véase Definición del problema Contexto de preguntas, 327 Continuidad, interacción entre la investigación y las perso­ nas que toman las deci­ siones y, 40 Contrastes, 564 Contrastes a posteriori, 564 Contrastes a priori, 564 Contrastes ortogonales, 564 Contribuyentes en la investigación de mercadotecnia, 26, 823-28 Control de la falsificación, 451 diseño, 244 estadístico, 244 muestra, 207-9 muestreo, 451 Control por parte de la oficina central de los trabajado­ res de campo, 451 Cooperación, interacción entre la investigación y las perso­ nas que toman las deci­ siones y, 40 Coordinados, 697 CorelDraw (software), 785 Corn Flakes de Kellogg’s, 238 Corrección de población finita, 389, 391 Correlación biserial de puntos, 741-42 Correlación canónica, 619

Correlación de producto-momento, 575-79, 5 8 2 ,6 09 cuadrado de la, 604 Correlación no métrica, 581-82, 609 Correlación parcial, 579-81 Correlación (es), 575-82 aplicaciones de computación, 609 canónica, 619 de la estructura, 620 de momento del producto (t), 5 7 5 -7 9 ,5 8 2 ,6 0 9 de punto biserial, 741-42 no métricas, 581-82, 609 parcial, 579-81 Correlaciones de las estructuras, 620 Correo directo, 124 Corvette, Chevrolet, 706-7, 762 Costo (s) de experimentación, 256 del proyecto de investigación, 106 evaluación del trabajador de campo y, 452-53 Country and City Databook, 159 Country Business Pattems, 159 Courtyard Hotels, 428 Covariados, 548,560-61 Covarianza, 576 análisis de (ANCOVA), 244, 5 4 8 ,5 6 0 -6 1 ,6 0 6-7 definida, 576 Cover Story (sistemaexperto), 150 Cramer’s V, 524 Creatividad, interacción entre la investigación y las perso­ nas que toman las deci­ siones y, 40 Criterios del codo, 701 Cuadrado del coeficiente de corre­ lación de las partes, 604 Cuadrado del coeficiente de corre­ lación parcial, 604 Cuadrado del coeficiente de corre­ lación sencillo, 604 Cuenta bancaria Young Leaders Club (YLC), 117-18 Cuestionamiento sobre un aspecto oculto, 176 Cuestionamiento, aspecto oculto, 176 Cuestionario precodificado, 3 39,340 Cuestionario(s), 6 ,3 1 7 -4 2 . Véase también Entrevistas; Preguntas; Encuestas aplicaciones de computación, 347-50 aspectos éticos en el uso del, 346-47 autoaplicado, tendencia en el orden del, 424-25 cantidad de datos del, 209 codificación del, 478, 479 definición del, 318-19 desarrollo del, 56 descartar el, 475 diseño del, 320, 321 índices de negativa y, 403 lista de verificación, 343-44 tendencias y, 424-25 edición del, 342, 45 1 ,473-75

en la investigación de mercados internacionales, 345-46 información necesaria en el, 32021 método de entrevista y, 321-23 objetivos del, 319 por correo, 322 precodificado, 3 3 9 ,3 4 0 prueba previa del, 3 4 1 -4 2 ,3 4 6 reproducción del, 339-41 revisión del, 472-73 tipo de información que se obtie­ ne en el, 336 Cuestionarios divididos, 347 Cultura con referencia a sí misma (SRC), 58 Cupones efectividad de los, 93 valor aparente de los, 238-39 Currículum en la investigación de mercados, 69 Currículum, investigación de mer­ cados, 69 Chain Store Age (General Merchandise Edition), 142 Champús, preferencias de marcas para los, 277-78 China (República Popular China) ambiente de los negocios en, 844-45 empresas de investigación en, 801,803 información secundaria que se utiliza en, 148 mercado de líneas aéreas en, 407-9 recopilación de datos en, 805 Chocolate Almond Joy, 429 Chocolate Bar None, 431 Chocolate Big Blocks, 431 Chocolate Five, 430-31 Chocolate Golden Almond Nuggets, 431 Chocolate Golden Pecan, 431 Chocolate Grand Slam, 430 Chocolate Hugs with Almonds, 429.431 Chocolate Hugs, 429, 431 Chocolate Nibs, 431 Chocolate Peter Paul Mounds, 429 Chocolate Reeses Pieces, 431 Chocolate Skor, 430 Chocolate Solitaire, 430 Chocolate Symphony, 431 Chocolate Twizzlers, 431 Chocolates Kisses with Almonds, 429.431 CHOISIM (software), 264

D Data Sources for Business and Market Analysis, 125,155 Datos ajuste estadístico de los, 482-86 análisis de conjunto para reducir los, 674

calidad de los, 209-10 características conocidas de los, 487 clasificación de, 164 cruzados, 96 de actitud, 307 de las preferencias, 700-701, 705-7 del Censo, 126-27, 142, 158-59 depuración de, 472, 480-82 disposición en tablas, 774 estadísticos no gubernamentales, 126-27,142 longitudinales, 9 6 ,1 0 8 -9 métricos, 489 no confidenciales, 827 no métricos, 489 panel de, 96-97 percepción de los, 698-700 primarios, 4 1,163-65 rastreador de, 1 37,150 secundarios. Véase Información secundaria, fuentes de, en el informe, 776 sin ética, 148-49 Datos de actitudes, 307 Datos de las preferencias, 700-701, 705-7 Datos de percepción, 698-700 Datos del censo, 126-27, 142, 158-59 Datos del rastreador, 137, 150 Datos del rastreo del volumen, 131, 132,137 Datos estadísticos no gubernamen­ tales, 1 2 6 ,1 4 2 ,1 5 7 -5 8 Datos longitudinales, 96, 108-9 Datos métricos, 489 Datos no confidenciales, 827 Datos no métricos, 489 Days Inn, 428 d B A SE IV (software), 284 Dealerscope Merchandising: Statistical and Marketing Report, 158 Decisión del canal, 697 Decisiones de compra, punto de com­ pra (POP), 233-34, 237 Dedicado (tipo de entrevistador), 447 Definición del problema, 21, 33-67, 72 aplicaciones de computación, 61-63 apropiada, 71 aspectos éticos en la, 59-61, 835 comportamiento del comprador, 45-46 ambiente económico, 46-47 ambiente legal, 46 habilidades de mercadotecnia y tecnológicas, 47 información pasada y proyec­ ciones, 43-44 internacional, 57-59 objetivos, 45 recursos y limitaciones, 44-45 contexto ambiental del problema y, 43-47

cultura de autorreferencia y, 58 en la investigación de mercados internacionales, 57-59 en la propuesta de investigación, 105 errores en la, 48-49 importancia de la, 36-37 informes sobre la, 771 por parte de la persona que toma las decisiones (DM), 70-71 por parte del investigador, 71 problema de decisión de la geren­ cia, 39, 47-48 problema de investigación de mercados, 47-50 proceso de la, 37-38, 72 tareas comprendidas en la, 38-43 análisis con las personas que toman las decisiones, 38-40 análisis de la información secundaria, 41-42 entrevistas con los expertos de la industria, 40-41 investigación cualitativa, 42 Deformación. Véase también Error(es) de la observación, 220 de la recopilación de datos con papel y lápiz, 419 de la selección, 243, 247, 248 del análisis de datos, 220 del cuestionario, 104, 424-25 del entrevistador, 103, 104, 211, 329 del interlocutor, 104 del intérprete, 184 maduración, 137 orden (posición), 3 3 0 ,4 2 4 -2 5 respuesta, 97, 102-3, 137, 319, 3 3 2 ,3 3 3 sin respuesta. Véase Tendencia/ error sin respuesta Demografía, industria de la comida rápida y, 73 Dendrograma (gráfica de árbol), 6 7 4 ,6 8 2 Deontología, 833, 834 híbrido de la teología y, 833-34 Desarrollo moral cognoscitivo (CM D), 832 Descomposición de la variación total, 5 5 0 ,5 5 1 -5 2 ,5 6 5 , 589 Descripción verbal, 299-300, 301 Descripción verbal de las categorías de escalas, 299-300, 301 Descripciones de la escala, 310 Descubrimientos, teoría e integra­ ción de los, 51 Descuentos, percepciones por parte del consumidor de los, 660-62 Desdoblamiento, 697, 705 Desregulación, 79 Desviación en el análisis de datos, 220

Desviación estándar de la muestra, 732 Desviación estándar de la pobla­ ción, 732 Desviación (es) estándar, 391, 508 cálculo de la, ética y, 408 de la muestra, 732 de la población, 732 del grupo, 620 Desviaciones estándar de grupo, 620 Detalle, 68 Detallistas, información disponible para los, 138-40 Detección de errores, 326 Detergente líquido Joy, 238 Detergente Surf Superconcentrate, 59 Detergente Tide, 238, 566 Detergentes, actitudes de las m uje­ res hacia los, 179 Determinación a priori, 651 Determinación del tamaño de la muestra, 3 6 3 ,387-417 ajuste del tamaño de la muestra que se determinó estadísticamente, 399-400 aplicaciones de computación, 409-10,411 aspectos éticos en la, 408-9 comprobación de hipótesis, 513 definiciones y símbolos, 389-90 distribución del muestreo, 390-91 en la investigación de mercados internacionales, 407-8 para las características y paráme­ tros múltiples, 398 para otras técnicas de muestreo por probabilidad, 399 planteamiento de los intervalos de confianza para, 392-98 medias, 393-96 proporciones, 394,3 9 6-98 planteamiento estadístico para la, 392 Diagrama de carámbanos, 674, 680 Diagrama de dispersión, 583, 5848 5 ,5 9 8 ,6 3 2 ,6 3 3 Diferencias culturales, toma de decisiones ética y, 836. Véase también Investiga­ ción de mercadotecnia internacional Diferencias genéricas en los juicios éticos, sistemáticas, 381 Dinámica de la población, precisión de ía información secun­ daria y, 119 Director de investigación, 19 Director del trabajo de campo, 19 Director, trabajo de campo, 19 Directories in Print, 125, 156 Directorios Sección Amarilla, 129 Directorios telefónicos, 207 Directorios, 1 2 5 ,1 4 2 ,1 5 5 -56 de bases de datos, 130, 142 telefónicos, 207,4 2 2 -2 4 Directory o f American Research and Technology, 156

Directory o f Corporate Affiliations, 156 Director? o f Federal Statistics for Local Areas: A Guide to Sources, 159 Directory o f Industry Data Sources, 156 Directory o f Nonfederal Statistics for State and Local A reas: A Guide to Sources, 159 Directory o f Online Databases, 130, 156 Disco por correo (DBM), 203n38 Discos CD-ROM , 128 Diseño de cuestionarios, 320, 321 de investigación. Véase Muestreo del diseño de la investi­ gación. Véase Muestreo Diseño anterior y posterior a la prueba de un grupo, 246 Diseño casi experimental, 245, 24950 Diseño de bloques aleatorio, 252 Diseño de cuadrado latino, 252-53 Diseño de cuatro grupos de Solomon, 248-49 Diseño de grupo de control anterior y posterior a la prueba, 247-48 Diseño de grupo de control sólo posterior a la prueba, 248-49 Diseño de investigación causal, 87, 88, 97-98, 101,256. Véase también Experimento(s) Diseño de investigación concluyen­ te, 87, 88, 90-98 causal, 87, 88, 97-98, 101,256 descriptiva, 87, 88, 90-97, 256. Véase también Observa­ ción; Panel(es); Encues­ tas diseños de muestras representati­ vas, 85 ,9 2 -9 4 , 95-97 diseños longitudinales, 85, 86, 94-97,108-9 Diseño de la investigación, 21-22, 84-113. Véase también Experimento(s); Diseño experimental; Observa­ ción; Investigación cualitativa; Información secundaria aplicaciones de computación, 108-10 aspectos éticos en el, 107-8, 835 clasificación del, 86-88, 98-100 componentes (tareas) del, 86 de conclusión, 87, 88, 90-98 causal, 8 7 ,8 8 , 97-98, 101,256 diseño descriptivo, 87, 88, 909 7 ,1 0 1 ,2 5 6 definido, 86 elaboración del presupuesto y programación del proyec­ to y, 105

104 error de muestreo aleatorio, 1 02,109 error sin muestreo, 102-4,10910 punto de vista del practicante y, 104 exploratoria, 4 2 ,8 6 -9 0 ,9 8 -9 9 , 101 informes sobre el, 771-72 lecturas acerca del, 781 para detectar las tendencias en las actitudes de las muje­ res, 99 propuesta de investigación de mercados y, 105-6 selección del, 98-99 teoría y selección del, 51 Diseño de la investigación descrip­ tiva, 8 7 ,8 8 ,9 0 -9 7 , 101, 256. Véase también Obser­ vación; Encuestas longitudinales, 85, 86, 94-97, 108-9 para la determinación de la muestra, 85, 92-94, 95-97 Diseño de muestra representativa, 8 5 ,9 2 -9 4 ,9 5 -9 7 Diseño de series de tiempos, 249 múltiple, 250 Diseño de serie de tiempos múlti­ ples, 250 Diseño estadístico, 245, 250-54 Diseño experimental, 239, 244-54 aplicaciones de computación, 263-64 cuasiexperimental, 245, 249-50 clasificación del, 244-45 definido, 238 diseños no experimentales con­ tra, 256 estadístico, 245, 250-54 diseño de bloques aleatorios, 252 diseño de cuadrado latino, 252-54 diseño factorial, 253-54 ética en el, 263 fuentes potenciales de invalidez del, 251 preexperimental, 244-47 verdadero, 245, 247-49 diseño de cuatro grupos de Solomon, 248-49 diseño de grupo de control anterior y posterior a la prueba, 247-48 diseño de grupo de control posterior a la prueba, 248-49 Diseño factorial, 253-54 Diseño longitudinal, 85, 86, 94-97, 108-9. Véase también Panel(es) papel de la microcomputadora en el, 108-9

Diseño posterior único (caso para estudio de una tentativa, 245-46 Diseños cíclicos, 710 Diseños cruzados múltiples, 92-93 Diseños de directorios de dígitos aleatorios, 207, 208 Diseños experimentales reales, 245, 247-49 diseño de control de grupo ante­ rior y posterior a la prue­ ba, 247-48 diseño de cuatro grupos de Solomon, 248-49 diseño de grupo de control sólo posterior a la prueba, 248-49 Diseños factoriales fracciónales, 7 1 0 ,7 1 2 Diseños no experimentales, diseños experimentales contra, 256 Diseños preexperimentales, 244-45, 247 Diseños sencillos cruzados, 92-93 Disposición de las preguntas, 338-39 Disposición de llamadas, 457 Dissertation Abstracts International, 157 Distancia de bloques urbanos (M anhattan), 676 Distancia de Chebychev, 676 Distancia euclideana, 676 Distancia M anhattan (bloques urbanos), 676 Distribución asimétrica, 509, 738-39 de chi cuadrada, 522-23 de la frecuencia. Véase Distribu­ ción de la frecuencia del muestreo, 390-91 F, 529 normal, 388-415 simétrica, 509 t, 526-27 Distribución de chi cuadrada, 522-23 Distribución de la frecuencia, 501, 503-9, 737-39 aplicaciones de computación, 539-40 asimétrica, 738-39 definida, 503-4 estadísticas asociadas con la, 506-9 medidas de la forma, 508-9 medidas de la variabilidad, 507-8 medidas de ubicación, 506-7 Distribución del muestreo, 390-91 Distribución F, 529 Distribución normal, 388, 415 Distribución simétrica, 509 Distribución T, 526-27 Diversidad, comparación de la muestra por medio de la, 380 Dun’s Consultants Directory, 156

E Econo Lodge, 428 Economic Indicators, 160 Economic Literature Index (base de datos), 61 Edad consumo de caramelos de acuer­ do con la, 429, 430 de los entrevistadores, 446 deseo de viajar al extranjero y, 519-20 Edición del cuestionario, 342, 451, 473-75 Editor and Publisher M arket Guide, 155 Efecto de las pruebas interactivas (IT), 242, 247, 249 Efecto del tratamiento (TE), 247,249 Efecto general, importancia del, 557-58 Efecto principal de las pruebas (M T), 242 Efectos de las pruebas, 241-42 Efectos, medida de, 552 Eficiencia del muestreo, 369-70 Eficiencia, muestreo, 369-70 Egoísmo, 833, 834 EIS Nonmanufacturing Establishments, 129 Elaboración de la escala de actitu­ des, 697 ELCAP, 139-40 Elemento, 361, 362 Eliminación en dirección al par, 482 Eliminación hacia atrás, 602 Eliminación, inversa, 602 Emparedado Big Bacon Classic, 73 Emparedado BK Broiler, 73 Emparedado Lean 1, 73 Emparedado McLean Deluxe, 73 Emparedado Whopper, 73 Empresas de recopilación de datos, 462 Encabezados en las tablas, 775 Encuesta de American Chicle Youth, 33 6 ,3 5 8-59 Encuesta de la Actitud del Cliente (CAS), 3 Encuesta de Lectura de Starch, 17, 133 Encuesta directa estructurada, 197 Encuesta Nacional de Proyección de Viajes de American Express, 372 Encuestas de salida de los votantes, 405 Encuestas personales, 195-96, 200202 Encuestas piloto, 42 Encuestas políticas, 408-9 encuesta de salida, 405 Encuestas por correo, 198, 202-5, 206, 209, 222, 225 cuestionarios, 322 en la investigación de mercados internacionales, 810 entrevistas, 202-4

incentivos en efectivo para aumentar la respuesta, 420-22 incremento de la respuesta a, 403 páneles, 95, 204-5, 209-10, 222, 810,811 Encuestas por teléfono. Véase Entrevistas por teléfono Encuestas sobre licencias, 215 Encuestas, 6, 130-34,196-213. Véase también Entrevis­ tas; Cuestionario (s) aplicaciones de computación, 225-27 aspectos éticos, 223-24 clasificación por modo de aplica­ ción, 198 de licencias, 215 de psicografía y estilos de vida, 130-33 definidas, 196 en la investigación de mercados internacionales, 222-23, 808-13 estructuradas directas, 197 evaluación comparativa de las, 205-11 generales, 133-34 métodos de las, 196-98 para la evaluación de la publici­ dad, 133 para vender los productos, 824 personales, 195-96, 200-202 piloto, 42 por correo. Véase Encuestas por correo por parte de los servicios, 130-34 por teléfono. Véase Entrevistas por teléfono selección de las, 212-13 usos de las, 134 ventajas y desventajas de las, 134,197 Encyclopedia o f Associations, 125,156 Encyclopedia o f Business Information Sources, 125, 155 Encyclopedia o f Information Systems andServices, 130, 156 Endulzante NutraSweet, 744, 750-51 Entradas Eating Right, 426 Entremeses congelados Right Course, 426 Entremeses Michelina, 427 Entrevista incompetente, 104 Entrevistas. Véase también Entrevis­ tas personales; Investiga­ ción cualtitativa; Cuestionario (s); Entre­ vistas por teléfono; En­ cuestas asistidas por computadora, 322. Véase también Entrevistas personales asistidas por computadora (CA PI); Entrevistas por teléfono asistidas por computado­ ra (CATI)

calidad de las, 453 con expertos en la industria, 40-41 de grupo, 42 incompetentes, 104 índices de negativa para las, 401-3 lineamientos sobre las, 453-54 terminadas, 402 término de las, 402, 450 Entrevistado(s). Véase también Cuestionario (s) calificación del, 336 como contribuyente, 824-26 eliminación de los entrevistados no satisfactorios, 474-75 errores de respuesta que comen­ ten los, 103 esfuerzo que se requiere de los, 327 evocar el esclarecimiento por parte de ios, 449 grabación de las respuestas del, 449-50 impulso y seguridad de los, 449 informes sobre sí mismo del, 134-35 . invasión de la privacía del, 824-25 mejoramiento de los índices de respuesta, 401-4 motivación del, 402-3 negativas por parte de los, 401-3 índices de, 401-3, 420-22, 443-44 no informado, 825-26 repetición de la respuesta del, 448 Entrevistados. Véase también Traba­ jadores de campo, edad de los, 446 experiencia de los, 446 papel en las entrevistas a fondo, 176 perfil psicográfico de los, 447 sexo de los, 446 tendencias de los, y errores por parte de los, 103, 104» 2 11,329 Entrevistas de grupo, 42. Véase también Sesión(es) de grupo Entrevistas en el hogar, 200-201, 2 05 ,2 0 6 , 2 0 9 ,2 1 1 ,2 1 2 ,

222 en la investigación de mercadotecnia internacional, 809 Entrevistas en profundidad, 42, 163, 174-78,185 aplicaciones de las, 177 aspectos éticos en las, 186-87 características de las, 174-75 definidas, 174 técnicas paralas, 175-76 ventajas y desventajas de las, 177 Entrevistas en sesiones de grupo, 4 2 ,1 6 2 ,1 6 6 -7 4 aplicación de las, 173-74

características de las, 166-68 ética de las, 224 definidas, 166 índices de negativa para las, 401, otras variaciones en las, 171-72 402 planeación y conducción de las, investigación de mercados inter­ 166-71 nacionales con, 808-9 telesesiones, 172 personas que no se encuentran ventajas y desventajas de las, en casa y, 404 172-73 tradicionales, 198, 205, 209, Entrevistas personales, 211, 321, 210,211 341 Entrevistas por teléfono asistidas asistidas por computadora por computadora (CATI), (C A PI). Véase Entrevis­ 2 0 5 ,2 0 6 ,2 1 1 ,3 2 2 , 809 tas personales asistidas ambiente de recopilación por computadora (CAPI) de datos de las, 209 carácter anónimo de los entrevis­ calidad de los datos de las, 210 tados en, 210-11 descripción de las, 199-200 costos de las, 211 flexibilidad de las, 205 en el hogar, 200-1, 205, 206, 209, precodificación integrada, 339 2 1 1 21 2, 222 trabajo de campo y, 456-58 en la investigación de merca­ verificación de datos en las, 480 dotecnia internacional, Epsilon Insight (software), 27 809 Equivalencia conceptual, 812 por intercepción en los centros Equivalencia de categoría, 812 comerciales, 195, 201-2, Equivalencia de construcción, 206, 2 0 9 ,2 1 1 ,2 2 2 811 en la investigación de merca­ Equivalencia de escalas, 812 dos internacionales, 810 Equivalencia de operación, 812 índices de negativa para, Equivalencia de partida, 812 401-2 Equivalencia escalar, 812 Equivalencia funcional, 812 Entrevistas personales asistidas por Equivalencia lingüística, 812 computadora (CAPI), 4, Error (es) 2 0 5 ,2 0 6 ,2 1 1 ,3 2 2 ,8 1 0 aleatorios, 304 ambiente de recopilación de datos de las, 209 de decisión, tipos de, 731, 735-36 calidad de los datos de las, 209 T ip o l, 409, 512, 513, 731, descripción de las, 202 733, 734, 736 flexibilidad de las, 205 Tipo II, 4 0 9 ,5 1 2 ,5 1 3 ,7 3 1 , para las preferencias hacia los 734, 736 refrescos, 196 de falsificación, 103, 104, 451 precodificación integrada, 339 de incapacidad, 325-26 ventajas y desventajas de las, de medición, 303-4 419-20 de perforación de tarjetas de infor­ verificación de datos en las, 480 mación, 4 78-80,493-95 Entrevistas personales en centros de respuesta, 97, 102-3, 1 37,319 comerciales, 195, 201-2, de traducción, 812 2 0 5 ,2 0 6 , 2 0 9 ,2 1 1 ,2 2 2 detección a distancia, 326 en ANOVA, 556 en la investigación de mercados internacionales, 810 en el diseño de la investigación, índices de negativa para las, 100-104,109-10 401-2 en el marco del muestreo, 361-62 en el muestreo aleatorio, 102, Entrevistas por teléfono, 198-200, 206,3 2 1 -2 2 109,360 en la creación, 326 asistidas por computadora (CA TI), 205, 206, 211, en la definición de problemas, 3 2 2 ,8 0 9 48-49 ambiente de recopilación en la regresión múltiple, 598-99 de datos de ías, 209 estándar, 391, 583, 588 cantidad de datos de las, 210 indisponibilidad, 326-28 con precodificación integrada, por omisión, 326 339 precisión de datos secundarios, descripción de las, 199-200 118-20 flexibilidad de las, 205 punto de vista del practicante y, trabajo de campo y, 456-58 104 verificación de datos en las, sin muestreo, 102-4,109-10, 480 359-60 dígitos aleatorios contra técnica sin respuesta, 210, 3 3 2 ,4 01-7 de marcar usando el sistemáticos, 304 total de, 100, 109 directorio, 422-24

,

Error aleatorio, 304 Error de creación, 326 Error de cuestionamiento, 103 Error de definición de la población, 102 Error de falsificación, 103 control de, 451 del entrevistador, 104 Error de incapacidad, 103,325-26 Error de información indirecta, 102 Error de muestreo aleatorio, 102, 109,360 Error de registro, 103 Error de selección del entrevistado, 103 Error en el marco del muestreo, 103,361-62 Error estándar, 391 ,5 8 3 , 588 de cálculo (SEE), 583, 591-92 de la media, 391, 732 Error involuntario, 103,326-28 Error sin muestreo, 102-4, 109-10, 359-60 Error sistemático, 304 Error tipol, 409, 512, 513, 731, 733, 734, 736 Error tipo II, 4 0 9 ,5 1 2 ,5 1 3 , 731, 734, 736 Error total, 100,109 Errores cuadrados, cantidad de, 583 Escala comparativa (no métrica). Véase Técnicas de escalas Escala de calificación continua, 290, 291-92 Escala de cara sonriente, 300, 301 Escala de diferencial semántica, 2 9 1,295-97,309-10 Escala de intervalo, 271, 272, 27475,283 Escala de relación, 272, 275-76 Escala de Stapel, 291, 297-98 Escala de suma constante, 280-81 Escala del termómetro, 300-301 Escala en orden de clasificación, 279-80 Escala equilibrada, 299, 301, 310, 311-12 Escala Guttman (análisis de escalograma), 281 Escala Likert (resumida), 291, 29295, 299 Escala no equilibrada, 299, 301 Escala nominal, 271, 272-73 Escala ordinal, 2 7 1 ,2 7 2 ,2 7 3 -7 4 Escala resumida (de Likert), 291, 292-95,299 Escala(s), 270-88. Véase también Técnicas para las escalas aspectos éticos en las, 283-84 comparativas (no métricas), 276-77 con partidas múltiples, 302-8 de cara sonriente, 3 00,301 de intervalo, 271, 272, 274-75, 283 de Likert (resumida), 291, 29295, 299 de relación, 272, 275-76

del termómetro, 300-301 derivadas en forma matemática, 309 diferenciales semánticas, 291, 295-97,309-10 en la investigación de mercados internacionales, 282-83, 811-12 equilibradas, 2 9 9 ,3 0 1 , 310, 311-12 equivalencia de las, 811-12 escala de calificación continua, 290, 291-92 escala de calificación por parti­ das, 290, 292-98 forma o configuración de las, 300-301 forzadas, 299,301 grupo inicial de partidas en las, 302 métricas ordenadas, 276 no comparativas (monádicas), 277 no equilibradas, 299, 301 no forzadas, 299, 301 nominal, 271, 272-73 número de categorías, 298, 299, 301 ordenadas en forma parcial, 276 ordinales, 271, 272, 273-74 panculturales, 309-10 preguntas estructuradas contra, 331 Stapel, 291,297-98 transformación de las, 485-86 Escalas con partidas múltiples. Véase Escalas no compa­ rativas (monádicas) Escalas de calificación continuas, 290, 291-92 forzadas, 2 99,301 por partidas, 290, 292-98 Escalas de calificación (gráficas) por partidas. Véase Escalas no comparativas (monádicas) Escalas de calificación forzadas, 299,301 Escalas de calificación gráficas (por partidas). Véase Escala no comparativa (monádica) Escalas de clasificación Q, 281 Escalas de comparación unidas, 277-79 Escalas derivadas en forma matemá­ tica, 309 Escalas métricas. Véase Escalas no comparativas (monádicas) Escalas métricas ordenadas, 276 Escalas métricas y multidimensionales, 701 Escalas monádicas. Véase Escalas no comparativas (monádicas) Escalas multidimensionales (M DS), 694-708 análisis asociado contra, 709

análisis de correspondencia, 707-8 aplicaciones de computación, 723-24 aplicaciones de las, 697 conceptos básicos en las, 696-97 confiabilidad y validez de las, 704 configuración, interpretación de la, 702-4 designación de las dimensiones, 702, 703 en combinación con el análisis asociado, 721-22 escalas de datos sobre las prefe­ rencias, 705-7 estadísticas y términos asociados con las, 697 formulación de problemas en las, 698 número de dimensiones, 701-2 obtención de datos de entrada, 698-701 procedimiento de selección, 701 relación entre el análisis de factores, el análisis discri­ minatorio y las» 708 suposiciones y limitaciones de las, 704-5 Escalas multidimensionales no métricas, 701 Escalas no comparativas (monádicas), 277, 289316 aplicaciones de computación, 311-12 aspectos éticos en el uso de las, 310-11 elección de las técnicas, 308 en la investigación de mercados internacionales, 309-10 escala de calificación continua, 290, 291-92 escalas con partidas múltiples, 302-8 capacidad de generalización de las, 308 confiabilidad de las, 304-6, 308 desarrollo de, 302-3 evaluación de las escalas, 303-8 precisión de la medición y, 303-4 validez de las, 306-8 escalas de calificación por parti­ das (gráficas), 290, 29298 decisiones en la elaboración de las, 298-301 diferencial semántico, 292, 295-97 escala de Likert (resumida), 2 9 1 ,2 9 2 -9 5 ,2 9 9 escala de Stapel, 291, 297-98 escalas derivadas en forma m ate­ mática, 309 Escalas no forzadas, 2 9 9 ,3 0 1 Escalas no métricas (comparativas). Véase Técnicas de escalas

Escalas panculturales, 309-10 Escalas parcialmente ordenadas, 276 Escalonamiento, 175 Escrutinio científico, sesiones de grupo y, 172 Esfericidad, prueba de Bartlett de la, 646, 649 Espacios en las tablas, 775 Especialista en procesamiento de datos, 19 Especialización, sesiones de grupo y, 172 Espontaneidad, sesiones de grupo y, 172 Esquematización por computadora, 143-46 Esquematización por computadora, 143-46 Establecimiento del problema, 49 Estadista, 19 Estadística, 359 en el análisis asociado, 709-10 en el análisis de factores, 646-47 . en el análisis de grupo, 674 en el análisis de regresión bivariado, 583 múltiple, 593-94 en el análisis discriminatorio, 619-20 en la ANOVA en una sola direc­ ción, 549 en la distribución de la frecuen­ cia, 506-9 en las escalas multidimensionales, 697 en las tabulaciones cruzadas, 521-25 que se informa en tablas y gráfi­ cas, análisis de la, 781 Estadística de chi cuadrada (c2), 5 01,521-23 Estadística de Kruskal-Wallis H, 566 Estadística de pruebas, 512 valor crítico de la, 514 Estadística F, 5 2 9 ,5 4 9 ,5 9 0 ,5 9 7 Estadística t, 526, 527, 583 evaluación de la, 743 relación entre el coeficiente de correlación y la, 741-42, 743 Estadística U, 620 Estadística z, 512, 513 Estadística, definida, 389 Estado civil, compras de ropa de moda y, 518, 519 Estados Unidos aspectos más importantes que enfrenta, 270 Bureau of the Census, 18, 42, 1 1 7 ,1 2 1 ,1 2 6 ,1 2 7 ,1 2 8 , 129,360 Department o f Agriculture, 146 Department of Commerce, 146 Department o f Labor, 115,146 Department of State, 146 estrategia de mercadotecnia en, 684 publicidad en revistas en, 218

Estandarización, 48 6 ,5 8 7 Estilos de vida, 130-33 Estimación de los coeficientes de la función discriminatoria, 641-42 Estimado de la varianza, común, 528-29 Estimulación, sesiones de grupo y, 172 Estímulos físicos, 205, 206 Estrategia de arriba hacia abajo para la investigación de mer­ cados, 801 Estrategia de detener la puerta con el pie, 210, 402, 40 3 ,4 4 8 Estrategia de embudo, 337 Estrategia de mercadotecnia de prueba, 260 entre empresas estadounidenses, japonesas y británicas, 684 estrategia de mercadotecnia de prueba, 260 papel de la investigación de mercados en la, 536 Estrategia del embudo invertido, 337 Estrategia del portazo, 40 2 -3 ,4 4 8 Estrategia. Véase Estrategia de mercadotecnia Estructura corporativa, tecnología y,

68

Estructura, sesiones de grupo y, 172 Estudios de análisis de ventas, 92 Estudios de impacto de Gallup and Robinson Magazine, 17, 133 Estudios de la distribución, 92 Estudios de la imagen, 92 Estudios de mercado, 92 Estudios de participación de merca­ do, 92, 709 Estudios de precios, 92 análisis de factores en los, 645 Estudios de uso del producto, 92 Estudios publicitarios, 92 análisis de factores en los, 645 Eta2 (h2), 549 múltiple, 557 Etica en la investigación de merca­ dos, 22-4, 820-41 análisis de factores de las prácti­ cas no éticas, 662-63 análisis de regresión y, 608 análisis discriminatorio y, 637 aplicaciones de computación y, 837-38 contribuyentes y, 823-28 cuestionarios y formas de obser­ vación y, 346-47 definición de problemas y desa­ rrollo de estrategias y, 59-61,835 definida, 822 en la preparación y análisis de datos, 492-93 en la publicidad, 505-6 escalas no comparativas (monádicas) y, 310-11

escalas y, 283-84 estudio de la frecuencia de la investigación no ética, 566 etapa de diseño de la investiga­ ción y, 107-108,835 experimentación y, 262-63 importancia de la, 821-23 información secundaria y, 148-49 investigación cualitativa y, 186-87 investigación de mercados inter­ nacionales y, 813, 814, 836-37 investigación y observación con encuestas, 223-24 juicios éticos y genéricos, 567 lineamientos para la toma de decisiones éticas, 828-31 marco de trabajo ético, 831-35 muestreo y, 380-81 determinación del tamaño de la muestra, 408-9 percepción de la, 689, 823 percepción pública de la, 539 preparación y presentación de informes y, 784-85,835 proceso de investigación de mercados y, 835 trabajo de campo, 444-4 5 ,4 5 5 5 6 ,8 3 5 Europa Oriental, detalleo en, 848-49 Europa, productos estadounidenses favorecidos, 454-55 European Union, 801 Evaluación(es) de dos factores, 712 de factores múltiples, 712 de los trabajadores de campo, 452-54 del proyecto de investigación, 783 Evaluaciones de dos factores, 712 Evaluaciones de factores múltiples, 712-13 Evidencia causalidad y, 237 objetiva, 51 Evidencia objetiva, 51 Evitando el lenguaje técnico, 77273 Excel (software), 61, 785 Executives, 156 ExPair (software), 409-10,411 Expansión internacional, 800-1 Experiencia de los entrevistadores, 446 Experimento de campo de la publi­ cidad en televisión por cable dividida ADTEL, 250 Experimento(s), 97, 232-68 aplicación de la prueba de merca­ do, 257-60 estrategia, 260 mercado de prueba controla­ do, 259

mercado de prueba estándar, 257-59 mercado de prueba simulado, 259-60 aplicaciones de computación en los, 263-64 causalidad y, 234-37 de campo, 261 de laboratorio contra, 255-56 definiciones y conceptos, 237-39 definidos, 238 limitaciones de los, 256-57 símbolos que se utilizan en los, 239-40 validez en los, 240-41 variables extrañas (EV), 238, 239, 241-44, 2 4 7 ,2 4 9 Experimentos de campo, 261 experimentos de laboratorio contra, 255-56 Experimentos de laboratorio, expe­ rimentos de campo contra, 255-56 Expertos de la industria, entrevistas con, 40-41 Expertos, entrevistas con la indus­ tria, 540-41 Export-Import Bank of the United States, 146 EzPair (software), 285 EZW RITER (software), 311-12

F Factfinder for the Nation, 159 Factores, 548, 560 definidos, 645 importancia del efecto principal de cada, 558-59 importancia relativa de los, 563-64 interacciones entre, 557 Factorización del eje principal, 651 Fatiga del entrevistado, 104 Federal Communications Commission (FCC), 438 Federal Database Finder, The, 155 Federal Reserve Bulletin, 160 Federal Statistical Directory: The Guide to Personnel and Data Sources, 156 Federal Trade Commission (FTC), 18 Figuras esquemáticas, 777 FINDEX; The Directory o f M arket Research Reports, Studíes andSurveys, 1 2 5 ,156 Finesse, 467 Florida Department of Tourism, 364 Florida Department of Transportation, 5 FocusFM S (software), 187-88 Fondo Monetario Internacional (FMI), 147 Forecast Pro for Windows (soft­ ware), 108-9 Forma de preguntas, 338-39 Forma, medidas de la, 508-9

Formas. Véase también Cuestionario(s) de observación, 342-45 de respuesta marcada, 478 edición de, 451 Formas de observación, 342-45 aspectos éticos en las, 346-47 Formas para marcar las respuestas, 478 Formato de informes, 768-72 Formulación de problemas en el análisis asociado, 710-11 en el análisis de factores, 647-48 en el análisis de grupo, 675-76 en el análisis discriminatorio, 620-23 en el análisis discriminatorio múltiple, 629 en las escalas multidimensionales, 698 Fortune 500 Directory, 156 Fortune Double 500 Directory, 158 Fragmentos en las tablas, 775 Francia, investigación cualitativa en, 185 Frankly Speaking, 195 Fuentes gubernamentales de infor­ mación secundaria, 1262 7 ,1 4 2 ,1 5 8 -6 0 Fuentes secundarias externas publi­ cadas, 125-27,142-43, 155-60 fuentes gubernamentales, 126-27 información general de negocios, 1 2 5 -2 6,142,155-58 Fuerza de la asociación de la regresión múltiple, 596-97 en la regresión bivariada, 588-90 Fuerza del campo, control de la, 209 Funciones de utilidad, 709, 711, 7 1 5 ,7 1 6 -1 7 ,7 1 8 ,7 2 0 Funciones (de utilidad) del valor de las partes, 709, 711, 715, 7 1 6 -1 7 ,7 1 8 ,7 2 0 Funciones discriminatorias, 618,621

G Gamma, 525 Gatorade, 81 Generación de ventas, 26, 224, 824 Generalización de las escalas con partidas múlti­ ples, 308 de los descubrimientos de la investigación, 782 Generalizaciones en ías preguntas, 335 GENESYS-Plus, 382-83 GENFRIED (software), 264 Geodemografía, 671 Gerente de proyecto, 19 asistente del, 18 sénior, 19 Gerente de proyecto sénior, 19 Global Sean (encuesta), 810 Grabación de video aspectos éticos en la, 187

de las entrevistas en sesiones de grupo, 166 Grados de libertad (df)> 522, 528 Gráfica de árbol (dendrograma), 674, 682 Gráficas en los informes, 774, 776-77 Gran Bretaña, estrategia de merca­ dotecnia en, 684 Great Hamburguer Experience, The, 195 Great Hot Dog Experience, The, 195 Grupo de aglomeración, 677-79 Grupo de control (CG), 246-47 previo a la prueba y posterior a la prueba, 247-48 sólo posterior a ía prueba, 248-49 Grupo de edad, 747, 748 Grupo de personas muy ancianas, 747,748 Grupo estático, 246-47 Grupo experimental (EG), 246, 247 Guerra Fría, mercados que se desa­ rrollaron desde el final de la, 801-3 Guías, 125, 142, 155 Guide to American Directories, 155 Guide to Consumer Markets, 126, 158 Guide to Economic Census, 126 Guide to Industrial Statistics, 159 Guide to 1990 Census Data on the Elderly, 159 Guide to the 1987 Economic Censuses and Related Statistics, 159

H h2 múltiple, 557 Habilidades para la mercadotecnia, definición de problemas y, 47 Habilidades tecnológicas, definición del problema y, 47 Hábitos de compra, 200 Hampton Inns, 428 Handbook o f Basic Economic Statistics, 160 Handbook ofC yclical Indicators, 160 Handbook on the Use o f Government Statistics, A , 155 Harvard Graphics (software), 785 Harvard Project Manager (soft­ ware), 110 Herbicida Fusilade, 721-22 Heurística cognoscitiva, 821 Heurística cognoscitiva, investiga­ ción sobre, 821 Heurística de la disponibilidad, 821 Híbrido de teleología y deontología, 833-34 “High Touch”, 115 Highlights ofV .S . Export and Impon Trade, 159 Hipótesis (H), 54-56 alternativas, 511, 730-31, 735 formulación de, 511-12 nulas, 511, 730-31, 735

Hipótesis alternativa, 511, 730-31, 735 Hipótesis de dirección, 734 Hipótesis no direccional, 734 Hipótesis nula, 511, 730-31, 735 Histogramas, 504-6, 777, 779 Historia, 241, 249 Hogares, datos sindicados de, 130-38 encuestas, 130-34 páneles diarios, 130, 131, 132, 134-37,143 servicios de rastreador electróni­ co, 130, 131, 137-38 Home videotex, 575 Horario, 106 Hospitales, investigación de merca­ dos que utilizan los, 5 Hot Dogs & More, 195 Hoteles Crowne Plaza, 428 Hoteles Embassy Suites, 428 Hoteles Red Roof, 428 How to Ftnd Information About Companies: The Corporate Intelligence Source B ook, 155 Huggies Pull-Ups, 760 Humor en la publicidad, 252

I Identificación de la información, 9 Identificadores de mercado, 140 Igualdad de marcas, internacional, 538 Igualdad de marcas internacionales, 538 Imagen de la tienda, 306 Imparcialidad, interacción entre la investigación y la persona que toma las decisiones y, 40 Imperativo categórico, de Kant, 83 3 ,8 3 4 Importancia comprobación de hipótesis e, 512 de la correlación productomomento, 578-79 del efecto de la interacción, 558 del efecto general, 557 del efecto principal de cada factor, 558-59 determinación de factores con base en la, 652 en ANOVA con una sola direc­ ción, 552-53 en el análisis discriminatorio, 623-25 en el análisis discriminatorio múltiple, 632 en la regresión bivariada, 588, 590-91 en la regresión múltiple, 597-98 estadística contra práctica, 734-35 lógica subyacente a las pruebas de la, 730-35 nivel de, 512, 731

para evaluar la importancia relativa de los indicado­ res, 604 Imputación, 407 Incentivos para la reducción de los índices de negativa, 403 Inclusión hacia adelante, 602 Independiente (tipo de entrevista­ dor), 447 Index o f Economic A nieles, 157 Index to International Business Publications, 160 Index to Publications, 127, 160 Indice de ajuste, 704 Indice de búsqueda de información (US), 484 Indice de poder de compra (BPI), 143,144-45 Indice de respuesta, 210, 453 ajustado para la falta de respues­ tas, 404-7 índice de terminación, 399-400 índices, 126, 142, 157 índices de negativas, 401-3 incentivos para reducir los, 403, 420-22 nivel y naturaleza de los, 443-44 Indiferencia de la gerencia, 791-92 INDSCAL (software), 723 Industria de la generación de ener­ gía eléctrica, 79 Industria de las computadoras personales, 217 Industria de las fragancias, 432-35 Industria de las líneas aéreas, 407-8 actitudes hacia las líneas aéreas, 176 Industria de los alimentos congela­ dos, 426-27 Industria del caramelo, 429-32 Industria financiera, 796-97 Industria hotelera, 427-29 Industria tabacalera, publicidad por parte de la, 784-85 Inferencia estadística, 390 Infomark (software), 151 Información de clasificación, 336 Información de identificación, 336 Información de negocios, general, 1 2 5 -2 6 ,1 4 2 ,1 5 5 -5 8 Información de una sola fuente, 140-41 Información demográfica, marco principal de la esquematización de la, 151 Información estadística, no guber­ namental, 126-27,142 Información primaria, 4 1 ,1 6 3 -6 5 información secundaria contra, 116-17 Información secundaria, 4 1 ,1 1 4 -6 0 análisis de la, 41-42 aplicaciones de computación, 149-51 aplicaciones de la, 143-46 clasificación de la, 122 criterios de evaluación de la, 118-22

de una sola fuente, 140-41 definida, 117 desventajas de la, 118 en la investigación de mercados internacionales, 146-48 ética en el uso de la, 148-49 externa, 122 bases de datos por computado­ ra, 127-30,142 de las instituciones, 130, 131 encuestas, 130-34 fuentes de publicación simul­ tánea, 15 ,1 6 -17,130-40, 143 fuentes publicadas, 125-27, 142-43,155-60 páneles diarios, 130, 131, 1343 7 ,1 4 3 servicios de auditoría, 138-40, 143 servicios de rastreador electró­ nico, 137-38 información primaria contra, 116-17 interna, 122,123-24 ventajas y usos de la, 117-18 Información secundaria externa. Véase Información secundaria Información secundaria interna, 122,123-24 Información sensible, 211, 327 Información. Véase también Datos análisis de la, 9 anterior, 43-44 clasificación de la, 336 de identificación, 336 de MIS, 12 divulgación de la, 9 fuentes publicadas de, 6 identificación de la, 9 necesaria en los cuestionarios, 320-21 psicográfica, 130-33 recopilación de, 9 sensible, 211, 327 sistema Wade de evaluación de las fuentes de, 831 Information Catalog, 157 Information Industry Marketplace, 130 Informe incompleto, 823 Informes, 1-7 automáticos, 458 equivocados, 824 incompletos, 823 Informes, 766-93 aplicaciones de computación, 785-86 importancia de los, 763, 764 internos, 763 lectura de los, 781-82 preparación de, 22, 768-77, 790-93 aspectos éticos en la, 784-85, 835 en la investigación de merca­ dos internacionales, 78384

formato de la, 768-72 gráficos, 774, 776-77 proceso de, 768-69 redacción de la, 772-74, 790-91 tablas, 774-76 presentación oral de, 22, 768, 777-81,783-86 Informes automáticos, 458 Informes de Dodge, 140 Informes de sí mismos, de los entre­ vistados, 134-35 Informes equivocados, 824 Informes internos, 763 Ingreso intermedio, 121 Ingreso, mediana, 121 Input/Output Matrix Reports, 140 Inquire/Text (software), 61 Inserto de corte SALT, 61-63 Inserto de corte SAM A, 61-63 Instalación SidePad, 225 Instituciones, información de ventas de, 130 servicios de auditoría, 131, 132, 138-40,143 servicios de ventas de productos industriales, 132 Instrumentación (I), 242 Integridad de la investigación, 837 Integridad política, 837 Interacción disordinal en cruzada, 5 62.563 Interacción no ordinal, 562, 563 Interacción no ordinal no cruzada, 5 62.563 Interacción ordinal, 562, 563 Interacciones, 557,561-63 importancia del efecto de la interacción, 558 no ordinales, 562, 563 ordinales, 562, 563 Intercambios, procedimiento del análisis asociado con base en los, 696 International Directory o f Corporate Affiliations, 156 International Directory o f Marketing Research Houses and Services, 156 Interpretación de datos, teoría y, 51. Véase también Análi­ sis de datos Interpretación de los resultados de la prueba t, 740-43 del análisis asociado, 717-20 del análisis de factores, 654 del análisis de grupo, 683 del análisis discriminatorio múltiple, 632-33 del análisis discriminatorio, 625-27 Interpretaciones del informe, 782 Interrogatorio, 262-63,342 Intervalos de confianza, 389, 39298,732-33 ramificaciones éticas de la comu­ nicación equivocada, 408-9

Interviewer (software), 814-16 Intrepid, Dodge, 762 Invasión de la privacía, 824-25 Investigación con desviación, 824 Investigación cualitativa, 42, 16193,418-19 aplicaciones de computación, 187-90 clasificación de los procedimien­ tos de la, 165-66 definida, 164 en la investigación de mercados internacionales, 185-86 entrevistas a fondo, 42, 163, 174-78 aplicaciones de las, 177 características de las, 174-75 definidas, 174 técnicas para las, 175-76 ventajas y desventajas de las, 177 entrevistas en sesiones de grupo, 4 2 ,1 6 2 ,1 6 6 -7 4 aplicaciones de las, 173-74 características de las, 166-68 definidas, 166 otras variaciones en las, 171-72 planeación y realización de las, 166-71 telesesiones, 172 ventajas y desventajas de las, 172-73 ética e, 186-87 investigación cuantitativa con­ tra, 163-65 razonamiento para el uso de la, 165 técnicas de proyección, 163, 17885 aplicaciones de las, 184-85 definidas, 178 técnicas de asociación, 178-80 técnicas de construcción, 18182 técnicas de expresión, 183 técnicas de terminación, 18081 ventajas y desventajas de las, 184 Investigación de mercados, 2-32. Véase también Proyecto de patrocinio a las tiendas departa­ mentales aplicaciones de computación, 27-28 aspectos éticos en la. Véase Etica en la investigación de mercados carreras en la, 18-21 clasificación de la, 10-12 contribuyentes de la, 26, 823-28 definición de la, 8-9 en Japón, 215 evaluación de la profesión de, 68-70 imagen negativa de la, 456

incremento del panorama y la com­ plejidad de los proyectos de investigación, 792 juicios genéricos y éticos, 567 labor de la, 7 naturaleza de la, 6-8 panorama de la, 3-6 papel de la, 7 en la formulación de estrate­ gias, 536 en M IS y D SS, 12-13 planteamiento de arriba hacia abajo de la, 801 proceso de la, 21-23, 835 proveedores y servicios, 13-17 Investigación de mercados interna­ cionales, 24-25, 798-819 ambiente y, 80 3 -8 ,8 4 2 -4 3 análisis de grupo en la, 688-89 análisis de los componentes principales en la, 662 análisis de regresión en la, 607-8 análisis discriminatorio en la, 637 aplicaciones de computación, 814-16 aspectos éticos, 813, 814, 836-37 cuestionarios en la, 345-46 definición del problema en la, 57-59 desafío de la década de 1990, 842-43 determinación del tamaño de la muestra en la, 407-8 diseño de investigación para la, 106-7 encuestas en la, 222-23, 809-13 escalas no comparativas (moná­ dicas) en la, 309-10 experimentos en la, 260-61 información secundaria en la, 146-48 investigación cualitativa en la, 185-86 medición y escalas en la, 282-83, 811-12 mercados que se desarrollaron desde que terminó la Guerra Fría, 801-3 preparación y análisis de datos en la, 490-92 preparación y presentación de informes en la, 783-84 proceso del diseño del muestreo en ia, 379-80 tipos de, 800-1 trabajo de campo en la, 454-55 Investigación de prueba del sabor, 6 0 ,2 7 8 Investigación de todas las culturas, 2 5 ,8 0 0 ,8 1 3 -1 6 Investigación del jurado, 5 Investigación del producto, análisis de factores en la, 645 Investigación exploratoria, 4 2 ,8 6 9 0 ,9 8 -9 9 , 101. Véase también Investigación cualitativa; Información secundaria

Investigación extranjera, 25, 800 Investigación internacional, 800 Investigación multinacional, 25, 800 Investigación para la identificación de problemas, 10, 12 Investigación para la solución de problemas, 11-12 Investigación. Véase también Pro­ yecto de patrocinio a las tiendas departamentales con tendencias, 824 costos de, 106 cualitativa. Véase Investigación cualitativa del jurado, 5 evaluación de la, 783 exploratoria, 42 identificación de problemas en la, 10, 12 innecesaria, 826 presentación equivocada de la, 827 procedimientos, lectura acerca de la ejecución de los, 781 seguimiento de la, 782-83 solución de problemas en la,

11-12 Investigador(es) antecedentes y filosofía del, 487 como contribuyente, 827-28 definición del problema por parte del, 71 errores por parte del, 102 no calificado, 826

J Jabones, 177-78,280-81 Japanese External Trade Organi­ zation (JETRO ), 147 Japón actitudes de los consumidores hacia los países extranje­ ros en, 186 escalas comparativas que se utilizan en, 283 estrategia de mercadotecnia en, 684 investigación de mercados en, 215 mercado de almendras en, 39-40 mercado de solidificador de petróleo en, 345-46 mujeres consumidoras en, 106-7 publicidad en las revistas en, 218 restaurantes de comida rápida en, 74 Journal o f Smott Business Manage­ ment, 836 Jugo V-8, 141 Juicio equivocado de los resultados de las sesiones de grupo, 172 Juicios de la similitud, 697, 699 Juicios, similitud de, 697, 699

K Kurtosis, 509 KYST (software), 723

L Lambda asimétrica, 524 Lambda simétrica, 524-25 Lápiz labial Colorstay, 467 Latencia de las respuestas, 216-27 Lealtad del cliente, 428 Lectores, redacción de informes para lectores específicos, 772-73 Lectura de informes, 781-82 Legitimidad de las preguntas, 327 Lenguaje corporal, 780 Lenguaje de programación ABase, 225 Ley de Colorado para la protección al consumidor, 821 Leyes de la distribución, 806 Leyes de precios, 806 Leyes sobre el producto, 805-6 Leyes sobre la privacía de los datos, 814 Libertad, grados de (df). 522, 528 Library and Information Manager ’s Guide to Online Services, The, 155 Líderes en las tablas, 775 Limitaciones de tiempo, 791 Limobus, 201 Línea Clean & Clear, 467 Línea de comida para solteros, 465 Línea de productos, avance técnico de la, 303 Línea de regresión, 585 Lineamientos, del moderador, 16970 Líneas WATS, 198 Lista de valores (LOV), 813 Listas alemanas de valores (GLOV), 814 Listas de correo, 208 Loción Wondra, 259 Lotus 1-2-3 (software), 6 1 ,1 0 8 ,3 8 1 , 785 Llamadas repetidas, 404, 456 Lluvia de ideas, 101

M M/A/R/C Telno System, 404 MacProject, 110 Maduración, 241, 249 Magic Wand, 17 Magnitud del efecto, 731 Maillti (software), 225 Management Contents (base de datos), 61, 128 Management Information Guides, 155 Map-Master (software), 151 Mapa espacial, 696, 697, 701, 703, 708 Mapa territorial, 6 32,633

Mapas espaciales, 696, 697, 701, 703, 708 geográficos, 776 territoriales, 6 3 2 ,6 3 3 Mapas geográficos, 776 M APW ISE (software), 724 Maquillaje Age Defying, 467 Maquillaje Clarion, 467 Maquillaje ColorStyle, 468 Maquillaje Cover Girl, 467 Marca International Coffees de General Foods, 46 Marca WishBone, 258 Marcar dígitos aleatorios (RDD), 2 0 7 ,3 8 1 ,4 0 4 ,4 2 2 -2 4 Marcas con mayor preferencia, determinación de la composición de las, 709 Marco de trabajo objetivo, 51-52 Marco de trabajo prima facie de Ross, 834 Marco de trabajo teórico, 51-52 Marco del muestreo, 207 determinación del, 361-62 en la investigación de mer­ cados internacionales, 379-80 especificación por computadora del, 3 8 1 ,3 8 2 Marcos principales. Véase Aplica­ ciones de computación Market Matching (software), 264 Market*America (software), 151 Marketing Economics G uidet 155 Marketing Information, 155 Marketing Information Guide, 160 Marketing News, 150 Markstrat2 (software), 6 1 ,6 2 Matriz de clasificación, 620 Matriz de coeficientes de similitud/ distancia, 674 Matriz de confusión, 620 Matriz de correlación análisis de factores, 6 4 7 ,6 4 8 -4 9 combinada en el grupo, 620, 623 total, 620 Matriz de correlación dentro del grupo, 6 2 0 ,6 2 3 Matriz de correlación total, 620 Matriz de factores, 647-653 Matriz de identidad, 649 Matriz de predicción, 620 Mayoristas, datos de publicación simultánea disponibles para los, 138-39 MDPREF (software), 723 MDS. Véase Escalas multidimensionales (MDS) M D SCA L5M (software), 723 Measuring M arkets: A Guide to the Use o f Federal and State Statistical D ata, 160 Media cuadrada, 549 Media de la muestra, 737-40

Media (s), 506 comprobación de hipótesis con dos muestras independientes en relación con la, 528-30 de grupo, 620 de la muestra, 737-39 determinación del tamaño de la mufestra para la, 393-96 distribución del muestreo de la, 390 error estándar de la, 391, 732 Mediana de la muestra, 737, 739-40 Mediana, 507 de la muestra, 737, 739-40 Medición de la imagen, 697 Medición. Véase también Escala (s) de los efectos, 552 definida, 271 en la investigación de mercados internacionales, 282-83, 811-12 error en la, 102, 303-4 escalas primarias de, 271-76 protocolos verbales de la, 281-82 unidades de, 120-21 Medida de distancia, 676-77 Medida de la similitud, 676-77 Medida de lo adecuado del mues­ treo de Kaiser-MeyerOlkin (KM O), 647, 649 Medida del estrés, 697, 701-2, 704 Medidas repetidas ANOVA, 564-65 Medidores de personas, 215 Medios de grupo, 620 Membresía del conjunto, 674, 681, 6 8 2 ,6 8 6 Mercacotecnia de bases de datos, 123-24 Mercado de almendras, 39-40 percepción de las almendras por parte del consumidor, 800 Mercado de helados, 490-91 Mercado de la pluma “Limited edition", 90 Mercado de las computadoras, investigación con en­ cuestas en, 197-98 Mercado de pañales, 759-61 Mercado de plumas, 89-90 Mercado de prueba controlado, 259 Mercado de prueba simulado (prue­ ba de laboratorio), 259-60 Mercado de solidificadores del petróleo, 345-46 Mercado de teléfonos portátiles en Europa, 25 Mercado de videos para el hogar, 216 Mercado farmacéutico, 432 Mercado hispano, 42-43 Mercado maduro. Véase también Ancianos análisis de grupo del, 748-50 clasificación del, 747-50 Mercados de minorías para las fragancias, 433

Mercados de prueba análisis de grupo para seleccio­ nar, 674 electrónicos con distribución controlada, 244 Mercados de prueba electrónicos con distribución contro­ lada, 244 Mercados de prueba, 257-60 controlada, 259 criterios para la selección de mercados de prueba, 257 estándar, 257-59 simulada, 259-60 Merchandising Statistical and Marketing Report, 158 Método de enlace promedio, 678 Método de enlace sencillo, 678 Método de optimización de la división, 679 Método de Trayectoria Crítica (CPM), 105 Método de umbral paralelo, 679 Método de umbral secuencial, 679 Método de unión perfecta, 678 Métodos de enlace, 678 Métodos de la varianza. Véase también Análisis de la varianza (ANOVA); Análisis de la covarianza (ANCOVA) México, TLC y, 801-3 Microcomputadoras, selección de los consumidores de, 719-20 Microsoft Project (software), 110 Microsoft Word (software), 785 Millenium, Chrysler, 762 MiííionDolíarDtrector}, 156 Minisesiones de grupo, 172 M INITAB (software), 263-64 Minute-Maid, 794 Modelo de calificaciones reales, 304 Modelo de efectos aleatorios, 555 Modelo de efectos combinados, 555 Modelo de efectos fijos, 555 Modelos analíticos, 52-53 Modelos gráficos, 52, 53 Modelos matemáticos, 52, 53 Modelos verbales, 52, 53 Moderador de sesiones de grupo, 1 6 6 ,1 6 7 -6 8 ,1 7 2 ,1 8 5 , 418-19, 769 Modo, 507 Módulo Business Database Plus, CompuServe, 149-50 Módulo Business Dateline, CompuServe, 150 Módulo European Company Library, CompuServe, 150 Módulo Marketing/Management Research Center, CompuServe, 149 Módulo Neighborhood Report, CompuServe, 150 Monitores de rastreo ocular, 216

Monte Cario Simulations (soft­ ware), 110 Monthty Labor Review, 160 Mood^’s Manuals, 156,158 Moral (MO), 243, 248 de los miembros del panel, 97 Motel 6, 428 Muestra de análisis (estimación), 6 0 5 .6 2 1 .6 2 2 .6 2 7 Muestra de estimación (análisis), 6 0 5 ,6 2 1 ,6 2 2 Muestra de validación (propuesta), 6 0 5 .6 2 1 .6 2 2 .6 2 7 Muestra extendida (de validación), 6 0 5 .6 2 1 .6 2 2 , 627 Muestra para análisis, 627 Muestra (s) cálculo (análisis) de la, 605, 621, 622.627 definida, 359 independientes, comprobación de hipótesis con, 528-32, 536-38 proposición (validez) de la, 605, 621.622, 627 teoría y selección de, 51 unidas, comprobación de hipóte­ sis con, 532-33, 536-38 Muestras independientes, compro­ bación de hipótesis con, 528-32,534-35,537 Muestras unidas, comprobación de hipótesis con, 532-33, 536-38 Muestreo aleatorio sencillo (SRS), 370, 372, 373, 3 7 4 ,3 7 6 , 399. Véase también Determina­ ción del tamaño de la muestra Muestreo aleatorio, sencillo, 370, 3 7 2 ,3 7 3 ,3 7 4 ,3 7 6 ,3 7 7 , 399 Muestreo con base en el juicio, 3666 7 ,3 7 6 Muestreo de área con etapas múlti­ ples, 374-75 Muestreo de área en una sola etapa, 374 Muestreo de bolas de nieve, 369, 3 7 6 ,3 8 0 Muestreo de conjuntos, 374-76, 37 7 ,3 9 9 Muestreo de conveniencia, 366, 276 Muestreo de cuota, 367-69, 376, 380 Muestreo de grupo de una etapa, 374 Muestreo de grupo en dos etapas, 374-75 Muestreo de la probabilidad pro­ porcional al tamaño (PPS), 374,375-76 Muestreo de probabilidad. Véase Muestreo Muestreo doble (en dos etapas), 378

Muestreo en dos etapas (doble), 378 Muestreo estratificado, 372-73,376, 399 Muestreo estratificado despropor­ cionado, 372, 73 Muestreo estratificado proporciona­ do, 372 Muestreo más uno, 207, 208 Muestreo por zonas, 374-75 Muestreo secuencial, 378 Muestreo sin probabilidad. Véase Muestreo Muestreo sistemático, 3 7 0-71,376, 381 Muestreo, 357-86 aplicaciones de computación, 381-83 aspectos éticos, 380-81 aspectos sin respuesta en el, 401-7 ajustes para, 404-7 mejoramiento de los índices de respuesta, 401-4 censo contra, 359-60 clasificación de las técnicas, 364-66 con reemplazo, 362 consideraciones estadísticas. Véase también Búsqueda de las probabilida­ des que corresponden a los valores conocidos, 415-16 búsqueda de los valores que corresponden a las proba­ bilidades conocidas, 416-17 definiciones de las, 389 Determinación del tamaño de la muestra distribución del muestreo, 390-91 distribución normal, 388, 415 símbolos, 390 de no probabilidad, 104, 362, 3 6 4 -6 9 ,3 7 6 ,3 7 8 -7 9 muestreo de bolas de nieve, 3 6 9 .3 7 6 .3 8 0 muestreo de conveniencia, 36 6 ,3 7 6 muestreo de cuota, 367-69, 3 7 6 .3 8 0 muestreo de juicio, 366-67, 376 muestreo de probabilidad contra, 378-79 usos del, 379 de probabilidad, 362,365-66, 369-79,399 muestreo de grupo, 374-76, 3 7 7 .3 9 9 muestreo de no probabilidad contra, 378-79 muestreo doble (en dos eta­ pas), 378 muestreo estratificado, 372-73, 3 7 6 .3 7 7 .3 9 9

muestreo secuencial, 378 muestreo sencillo aleatorio (SRS), 3 7 0 ,3 7 2 ,3 7 3 , 3 7 4 ,3 7 6 ,3 7 7 ,3 9 9 muestreo sistemático, 370-71, 3 7 6 ,3 7 7 ,3 8 1 procedimientos para la realiza-ción deí, 377 usos del, 379 en la investigación de mercados internacionales, 379-80 fortalezas y debilidades del, 376 más uno, 207, 208 proceso deí diseño, 360-64 definición de la población meta, 360-61 determinación del marco del muestreo, 361-62 determinación del tamaño de la muestra, 363 ejecución, 363-64 selección de las técnicas, 362 sin reemplazo, 362 Mujeres actitudes de las diseño de investigación para detectar las tendencias en las, 99 hacia los detergentes, 179 consumidoras japonesas, 106-7 papel que desempeñan en los negocios, 140 Multicolinearidad, 604, 625, 627 Música, publicidad internacional que utiliza, 261-62

N NABSCAN, 137 Naciones Unidas, 147 National Energy Policy Act, 79 National Menú Census, 134 National Neighborhood Panel (Marketing and Research Counselors), 204 National Purchase Dairy Panel (NPD), 135, 143 National ScanTrack, 137 National Total Market Audit, 139 Necesidades del cliente, identifica­ ción y satisfacción de las, 7 Needham, Estudio del Estilo de Vida de Harper y Steers, 133 Negativa de las amas de casa, 219 Negativa, en los hogares, 219 Negativas, 401-3 Negocios pequeños que operan a nivel mundial, problemas éticos de los, 836 New York Convention & Visitors Bureau, 394 New York Times Index, 126, 157 Nielsen Retail Index, 139, 143 Nielsen Televisión Index (N TI), 16, 135-36

Nivel de confianza, 388, 389 poder de ía prueba y, 736-37 Nivel de importancia, 512, 731 Nivel de precisión, 389 Nivel educativo, propiedad de automóviles costosos y, 518-19 Niveles de atributos, 709, 710-11 Norma cultural autodifinida, escalas que utilizan, 310 Notas al pie en las tablas, 775 Notificación previa, 402 Números, en la tabla, 774, 781 Nutrición, industria de la comida rápida y, 73 O Objetividad en la redacción de informes, 774, 784 Objetivismo, 834-35 Objetivos de la investigación, 105 de la recopilación de datos, 119, 120 de los cuestionarios, 319 definición de problemas y, 45 tipos de, 45 Objetivos de organización, 45 Objetivos personales de la persona que toma las decisiones, 45 Observación, 213-22 análisis de contenido, 217-18, 219, 220 análisis de rastros, 218-19, 220 aplicaciones de computación, 225-27 auditorías de, 217 clasificación por modo de admi­ nistración, 214-19 disimulada contra no disimulada, 214 estructurada contra no estructu­ rada, 213 ética de la, 224 evaluación comparativa de los métodos, 219-20 mecánica, 215-17, 219, 220 métodos de encuestas contra, 221-22 natural contra artificial, 214 personal, 214-15, 219, 220 Observación artificial, 214 Observación disfrazada, 214 Observación estructurada, 213 Observación mecánica, 215-17, 219, 220 Observación nacional, 214 Observación no disimulada, 214 Observación no estructurada, 213 Observación personal, 214-15, 219, 220 Office of Economic Coordination and Development, 12829 Oil of Olay, 467 Omega cuadrada (w2), 563-64

Omisión, errores de, 326 OmniTeí, 372 Opiniones, de los votantes, 94 Orden asociado con las correlaciones parciales, 580 de las preguntas, 335-38 Orden cronológico de ocurrencia de las variables, 236 Organizaciones de investigación de mercados, 15-6 Organizaciones, de investigación de mercadotecnia, 151-56 Organization for Economic Cooperation and Deve­ lopment (OECD), 147 Ositos de goma Amazin’ Fruit, 429 Ovaltine, 11,12

P Pacific Rim, 801,844-45 Pagemaker (software), 785 Página del título, 770, 771 Pago de los miembros del panel, 97 Panel de fondos, MRCA, 135 Panel Market Facts, 210 Panel(es), 95-97- Véase también Ventajas y desventajas de las encuestas de, 95-97 auditoría por computadora, 13940 diarios, 130, 134-37,143 rastreador, 137 Market Facts, 210 por correo, 95, 204-5, 209-10, 2 2 2 ,8 1 0 ,8 1 1 Paneles auditivos computarizados, 139-40 Paneles de compra diarios, 132, 135 Paneles de medios diarios, 132, 13536 Paneles diarios, 130, 131, 134-37, 143 rastreador de, 131, 132, 137 Páneles diarios de rastreador, 137 con televisión por cable, 132, 137-38 Pañales Huggies, 759-60 Pañales Huggies Baby Steps, 760 Pañales Huggies Ultra Trim, 760 Pañales Luvs, 759-60 Pañales Pampers, 759-60 Pañales Pampers Phases, 760 Pañales Pampers Ultra Dry Thins, 760 Pañales Ultra Pampers, 759 Papel de los sexos en la publicidad, 501-2 Paquetes de computación estadísti­ cos, necesidad de capaci­ tación en el uso de, 838 Paquetes estadísticos, 27. Véase también BMDP; SAS; SPSS Parámetro (s) de la población, 359 definido, 389

en el análisis de regresión, cálcu­ lo de, 586-87 múltiple, 398 Paridad percibida del producto, 688-89 Partida sin respuesta. Véase Tenden­ cia/error sin respuesta Pasta de dientes Aim, 238, 698-706, 755 Pasta de dientes Aqua-Fresh, 698706, 755 Pasta de dientes Arm &. Hammer, 755 Pasta de dientes Close-Up, 698-706, 754, 755 Pasta de dientes Colgate, 538, 698706, 755 Pasta de dientes Crest, 698-706, 754, 755 Pasta de dientes Dentagard, 698706 Pasta de dientes Gleem, 698-706, 754-56 Pasta de dientes Macleans, 698-706 Pasta de dientes Pepsodent, 698706 Pasta de dientes Rembrandt, 755 Pasta de dientes Sensodyne, 755 Pasta de dientes Ultra Brite, 698706, 754, 755 Pastas de dientes, 698-706, 754-56 preferencias de marcas para las, 279 Pausa durante la entrevista, 449 PC Globe Maps ‘n’ Facts (software), 8 1 4 ,8 1 6 PC-M DS (software), 724, 725 PCpunch (software), 493-95 Penetración del teléfono, a nivel mundial, 808-9 Percepción de la ética en la investi­ gación de mercadotecnia, 6 89,823 PercepTrac (base de datos), 5 Perfil característico, 627 Perfiles completos, 710, 712-13, 714 Perfiles de zapatos deportivos, 71118 Perforación de tarjetas, 478-80, 493-95 Perfume Vanilla Fields, 432 Perfumes Chanel, 55-56 Periódicos comerciales, 142 Persona que toma las decisiones (DM) definición del problema por parte de la, 70-71 discusiones con, 38-40 objetivos personales de la, 45 problema de investigación de mercadotecnia y, 70-72 Personas que no se encuentran en su casa, 404 Petición, crucial, 210, 402-3 Phone*File, CompuServe, 150 Pictográficas, 777, 778 Planteamiento amplio del problema, 49-50

Planteamiento bayesiano, 362 Planteamiento del problema. Véase Problema, planteamiento del Planteamiento indirecto, 165-66 Planteamiento jerárquico para la redacción de informes, 790-91 Planteamientos derivados, 700 Planteamientos directos, 165, 197 para calcular el coeficiente de la función discriminatoria, 623 para recopilar datos de percep­ ción, 698-99, 700 Pluma Meisterstuck, 90 Pluma Royale, 90 Población, 359 correlación de producto momen­ to para, 578 meta, 360-61 Población meta, 360-61 Poder de una prueba, 512, 731, 736-37 Políticas de crédito, familiaridad y, 555 Pollo Rotisserie Gold, 753 Ponderación, 4 0 6 -7 ,4 8 3 -8 4 Porcentaje de la varianza, 647, 652 Porceso de elección del consumidor, 710-11 Port Authority o f New York and New Jersey, 146 Portadores de teléfonos, indepen­ dientes, 438-40 Positivismo, 192n6 POSSE (software), 725 Powerpoint (software), 785 Prácticas engañosas, 825 Precedencia de los lineamientos éticos, 836-37 Precios de oferta, aspectos éticos que comprenden los, 821-22 Precisión de datos secundarios, 118-20 de escalas de artículos múltiples, 303-4 de regresión bivariada, 591-92 Precisión, 369-70 Precisión del muestreo, medida Kaiser-Meyer-Olkin (KMO) de la, 647, 649 Predicasts F& S Index: Europe, 157 Predicasts F