Algunos usos del biplot en mercadeo

 

Un mapa perceptual es una herramienta del análisis multivariado usada para describir y retratar las diferencias entre grupos sobre atributos múltiples. El término mapa perceptual es un término general usado para referirse a un conjunto de técnicas estadísticas entre las que se encuentra el análisis discriminante, escalonamiento multidimensional, gráficos de medias grupales, componentes principales, análisis factoriales o una nueva técnica llamada el biplot. El biplot, a diferencia de otras técnicas de mapeo provenientes del análisis multivariado, puede ser usado con diversos tipos de datos como medias, porcentajes, conteos de frecuencias. 

En mercadeo es de vital importancia plasmar las relaciones que existen en la mente del consumidor. Es así como un biplot permite determinar agrupaciones de las marcas a distintos atributos de la categoría. Para esto las columnas de la matriz de datos deben corresponder a los atributos propios de la categoría y las filas las marcas de la misma. Hasta ahora el mayor énfasis de los biplots ha sido puesto en examinar las diferencias entre grupos sobre los atributos de la categoría. Sin embargo, esta técnica es muy general y permite otros usos potenciales.

Primero, las columnas en la matriz de datos no deben ser necesariamente atributos de la categoría. Se podría tener una matriz de datos cuyas filas fueran características demográficas de la población encuestada, por ejemplo grupo de edad. Por otro lado las columnas de la matriz de datos corresponderían a las marcas de la categoría y las entradas de la matriz indican la frecuencia de uso de las marcas en cada grupo de edad. Para las categorías que contienen demasiadas marcas, como por ejemplo la categoría de vinos, un biplot plasmaría olas diferencias entre grupos de edad más clara y eficientemente que una enorme tabla con números.
Para los conjuntos de datos que no son demasiado extensos, el biplot puede ser usado para crear agrupaciones (clusters) de individuos. En este caso la matriz de datos debería tener a los individuos en las filas y los atributos como columnas. Los atributos pueden ser afirmaciones de actitud o de uso, marcas, etc. Si las columnas son marcas, las entradas de la matriz de datos podrían indicar frecuencia de uso o puntuaciones generales (overall ratings).
Se podría examinar el biplot para distintos clusters de individuos y entonces usar la información del atributo para caracterizarlos. Esencialmente, la interpretación de la información es la misma que al reemplazar clusters por respondientes. En este caso el resultado del biplot es el mismo que al realizar un análisis factorial (por medio de componentes principales) de los atributos y construir un gráfico mostrando las relaciones de los atributos con los factores y los puntajes de cada factor por individuos.
Adaptado de Market Facts Volumen 29.

Leave a Reply