2006 Obilinovic Antonio

Pontificia Universidad Catlica de Valparaso
Facultad de Ciencias Econmicas y Administrativas

Escuela de Ingeniera Comercial
ANLISIS DE POSICIONAMIENTO A TRAVS DEL USO

DE MTODOS MULTIVARIADOS PARA BANCOS
ORIENTADOS A CRDITOS DE CONSUMO, EN LAS
CIUDADES DE VALPARASO Y VIA DEL MAR, A
SEPTIEMBRE DE 2006
Memoria para optar al grado de

Licenciado
en
Ciencias
en
la
Administracin de Empresas y al ttulo
de Ingeniero Comercial
Antonio Francisco Obilinovic Peric
Anlisis de posicionamiento a travs del uso de mtodos multivariadas para bancos orientados a crditos de
consumo, en las ciudades de Valparaso y Via del Mar, a Septiembre de 2006.
1. INTRODUCCION .................................................................................................. 5
1.1 Razones Personales para la seleccin del Tema ........................................................ 5
1.2 Planteamiento del problema de investigacin ........................................................... 5
1.2.1 Marketing Bancario ...................................................................................... 5
1.2.1.2 El Marketing Mix en la Comercializacin de Servicios Financieros ......... 10
1.2.1.3 Segmentacin y posicionamiento de servicios financieros........................ 11
1.2.2 Pequeos bancos y divisiones de consumo orientados a segmentos medios y
bajos ................................................................................................................... 13
1.2.3 Aplicacin del anlisis multivariado en la investigacin de mercados y la gestin
del marketing ...................................................................................................... 16
1.2.4 Percepcin y preferencias ........................................................................... 19
1.2.5 El problema ................................................................................................ 20
1.3 Objetivos de la Investigacin.................................................................................. 21
1.4 Descripcin del diseo metodolgico ..................................................................... 21
1.5 Limitaciones del estudio ......................................................................................... 23
2. MARCO TEORICO............................................................................................... 24
2.1 Posicionamiento ..................................................................................................... 24
2.1.2 Concepto de posicionamiento ..................................................................... 24
2.1.3 Tipos de posicionamiento ........................................................................... 26
2.1.4 Proceso de determinacin del posicionamiento ........................................... 27
2.1.5 Marketing estratgico ................................................................................. 29
2.1.5.1 Macrosegmentacin ................................................................................. 29
2.1.5.2 Microsegmentacin.................................................................................. 30
2.1.5.3 Tipos de segmentacin............................................................................. 31
2.1.5.4 Criterios de una segmentacin eficiente ................................................... 32
2.1.5.6 Atractivo y competitividad....................................................................... 33
2.1.5.7 Eleccin de estrategias de desarrollo ........................................................ 33
2.1.6 Marketing operativo ................................................................................... 34
2.1.6.1 Estrategias de posicionamiento ................................................................ 35
2.1.6.2 Bases de un posicionamiento ................................................................... 36
2.1.6.3 Procedimiento de seleccin de un posicionamiento .................................. 37
2.2 Escalamiento multidimensional de las preferencias................................................. 38
2.2.1 Introduccin ............................................................................................... 38
2.2.2 Antecedentes .............................................................................................. 39
2.2.3 Concepto .................................................................................................... 40
2.2.4 Modelo de Escalamiento Multidimensional ................................................ 41
2.2.5 Consideraciones en la realizacin de escalas multidimensionales................ 46
2.2.6 Seleccin de escalas de Medicin ............................................................... 47
2.2.7 Nmero de Dimensiones............................................................................. 47
2.2.8 Designacin de las dimensiones.................................................................. 49
2.2.9 Confiabilidad y Validez .............................................................................. 49
2.2.10 Escalas de Datos de las preferencias ......................................................... 50
2.2.11 Modelo Vectorial de Escalamiento externo de las preferencias ................. 51
2.2.12 Complementos del anlisis externo de las preferencias.............................. 53
2.3 Anlisis de Cluster ................................................................................................. 54
2.3.1 Introduccin ............................................................................................... 54
2.3.2 Antecedentes .............................................................................................. 54
2.3.3 Concepto .................................................................................................... 55
2.3.4 Modelos de seleccin de conglomerados..................................................... 57
2.3.5 Medidas de distancia .................................................................................. 60
2.3.6 Decisin del nmero de grupos................................................................... 64
2.3.7 Interpretacin y perfil de los grupos............................................................ 65
2.3.8 Determinacin de confiabilidad y validez ................................................... 65

2.3.9 Supuestos y consideraciones del Anlisis de Cluster ................................... 67
3. PRESENTACIN DE LOS HALLAZGOS..................................................... 68

3.1 Recopilacin de informacin .................................................................................. 68
3.1.2 Fuentes de informacin............................................................................... 70
3.1.3 Recoleccin de datos .................................................................................. 70
3.2 Caracterizacin de la muestra ................................................................................. 70
3.2.1 Gnero........................................................................................................ 71
3.2.2 Pertenencia a GSE ...................................................................................... 71
3.2.3 Edad ........................................................................................................... 72
3.3 Determinacin del posicionamiento y segmentacin a travs del anlisis externo de
las preferencias. ........................................................................................................... 73
3.3.1 Obtencin de mapas de percepcin ............................................................. 74
3.3.1.2 Anlisis de los componentes principales .................................................. 74
3.3.1.2.1 Interpretacin de los ejes del ACP mediante el uso del crculo de
correlaciones ....................................................................................................... 77
3.3.2 Anlisis de cluster de encuestados segn preferencias................................. 78
3.3.2.1 Descripcin de los clusters obtenidos....................................................... 81
3.3.3 Modelo vectorial de anlisis externo de las preferencias ............................. 83
3.3.3.1 Datos de entrada del modelo vectorial de anlisis externo de las preferencias
............................................................................................................................ 83
3.3.4 Salida del modelo vectorial de anlisis externo de las preferencias.............. 84
3.3.5 Sntesis de los resultados obtenidos en trminos de segmentacin y
posicionamiento .................................................................................................. 87
3.4 Interpretacin de resultados obtenidos a partir de la segmentacin de la muestra .... 89
3.5 Interpretacin del posicionamiento obtenido por institucin financiera a partir de la
aplicacin del escalamiento externo de las preferencias................................................ 90
3.6 Nichos de mercado no cubiertos ............................................................................. 92
4. CONCLUSIONES ................................................................................................. 93
4.1 Conclusiones respecto del modelo de escalamiento externo de las preferencias ...... 93
4.2 Conclusiones respecto del posicionamiento obtenido por las instituciones bancarias
en anlisis .................................................................................................................... 94
4.3 Conclusiones relativas a los objetivos de la investigacin ....................................... 96
4.4 Recomendaciones y posibles lneas de investigacin a futuro ................................. 97
Bibliografa .................................................................................................................. 98
Referencias electrnicas ..........................................................................................100
Anexos..........................................................................................................................101
Anexo 1: Encuestas ........................................................................................... 101
Anexo 2: Grupos socioeconmicos.................................................................... 103
Anexo 3: Procedimiento de escalamiento externo de las preferencias ................ 111
1. INTRODUCCION
1.1 Razones Personales para la seleccin del Tema
El autor ha seleccionado como tema de investigacin la determinacin del posicionamiento

y segmentacin a travs de mtodos multivariados, en un esfuerzo por demostrar la
interrelacin que existe entre diferentes modelos aplicados en el campo de la investigacin
de mercados.
Uno de los objetivos personales al momento de tomar la decisin de realizar la
investigacin, fue realizar un aporte equilibrado en trminos tericos y prcticos, y de
inters para alumnos de pregrado y postgrado, los cuales sern los mejores jueces de la
utilidad de esta.
Por ltimo, el alumno espera que en un futuro cercano se intensifique y concentre el inters
por el rea de investigacin de mercados por parte de los alumnos y de los docentes, en
miras de un sueo personal que es la creacin del Instituto de Investigacin de Mercados
de la
Escuela de Ingeniera Comercial. Esto permitira en conjunto con una permanente
investigacin en el rea, el acercamiento de nuestra escuela con la empresa y la integracin

necesaria de la teora con la tcnica.
A juicio del alumno quien mejor conozca el mercado ser quien tenga la clave para
maximizar los ingresos de la empresa, generando informacin de alto valor econmico para
la toma de decisiones.
1.2 Planteamiento del problema de investigacin

1.2.1 Marketing Bancario
El sector bancario ha sufrido una profunda transformacin en las ltimas dcadas lo que se
explica por factores como la tecnologa, globalizacin e intensidad de la competencia los
cuales han provocado importantes cambios en la manera se enfrenta al mercado.
La industria bancaria ha centrado importantes esfuerzos en la redefinicin de sus propuestas
de calidad total al cliente y sus posicionamientos, impulsando su valor de marca y
avanzando, desde el marketing objetivo hasta el personalizado a travs del estudio del
comportamiento histrico de su clientela y posterior diseo de ofertas, productos y

promociones que aprovechando el uso de diferentes sistemas informticos, que brindan un
alto grado de respuesta y xito de estas.
Dentro de los diversos planes de marketing la variable relativa a las comunicaciones no se
conceptualiza solo como publicidad, sino de una manera integrada en la que el marketing
directo adquiere cada vez mayor relevancia1 a travs de relaciones pblicas, promocin,
correo, telemarketing, Internet y E-mail marketing (mailing), lo que denota una mayor
agresividad en la tarea de defender o ganar cuotas del mercado.
Matathia y Salzman (2000) definen a un nuevo tipo de cliente que ha evolucionado en
trminos generales como una persona con mayor conciencia de la relacin calidad/precio,
con recursos pero con falta de tiempo, que entiende de marketing, exigente, con conciencia
social y habituado a comprar las 24 horas del da los 7 das de la semana. Este nuevo
comprador aprende de la experiencia, cotizando en ms de una institucin, siendo sensible
a los incentivos, y reclama cuando no se siente satisfecho por los servicios recibidos2.
Histricamente el sector financiero aunque con posterioridad a otros sectores, ha adoptado
gradualmente la filosofa de marketing. Hoy en da la cantidad de empresas de servicios
financieros no es la misma de hace 20 aos, ni tampoco el tamao y la agresividad de estas
lo que es posible de apreciar en el crecimiento de las colocaciones (ver figura 1), de los
ltimos 15 aos.
Serie de Tiempo: Colocaciones del Sistema Bancario (1990-2005)
Fuente: Banco Central
$ 35.000
colocaciones totales
en m oneda nacional
$ 30.000
mm$
$ 25.000
$ 20.000
$ 15.000
$ 10.000
$ 5.000
$0
1990
1995
2000
2005
Ao
Figura 1: Colocaciones del sistema bancario (1990-2005)
Barritua, Jos Maria. Marketing Bancario en la era de la informacin. Editorial Pirmide 2002.
Marshall, Enrique. Presentacin gerentes del sistema financiero de la V regin, de la SBIF. Noviembre
2003.
Las altas tasas de crecimiento en trminos de colocaciones, han hecho muy atractivo el
ingreso de nuevas instituciones a la industria, lo que se materializ entre los aos 2000 y
2004, con la inclusin de nuevos bancos asociados al retail, que contaban con experiencia
en el mbito crediticio con varios millones de tarjetas de crdito emitidas en el pas. Entre
estos se encuentran los bancos Ripley, Falabella y Paris.
Por su parte la banca tradicional, concret mega-fusiones durante el ao 2002, de bancos
que generaron instituciones, cuyo tamao jams se haba presenciado en el sistema
bancario del pas.
La situacin de la industria bancaria se presenta en la Tabla 1, (excluyendo al banco del

Estado, y a aquellas sucursales de bancos extranjeros) a travs de la participacin de
mercado calculada como una proporcin de las colocaciones totales.
Bancos establecidos en Chile Colocaciones Totales (mm) Participacin de Mercado

Santander-Chile
$ 8.936.721
28,11%
De Chile
$ 6.769.412
21,29%
De Crdito e Inversiones
$ 4.705.181
14,80%
Bilbao Vizcaya Argentaria, Chile
$ 2.960.610
9,31%
Corpbanca
$ 2.484.115
7,81%
Del Desarrollo
$ 1.432.297
4,51%
Security
$ 1.216.150
3,83%
Scotiabank Sud Americano
$ 1.204.759
3,79%
Bice
$ 1.013.947
3,19%
Falabella
$ 269.875
0,85%
ABN Amro Bank (Chile)
$ 192.096
0,60%
HSBC Bank (Chile)
$ 137.351
0,43%
Internacional
$ 123.483
0,39%
Pars
$ 110.851
0,35%
Ripley
$ 104.551
0,33%
HNS Banco
$ 91.491
0,29%
Deutsche Bank (Chile)
$ 17.849
0,06%
Monex
$ 14.898
0,05%
Penta
$ 4.329
0,01%
Tabla 1: Colocaciones y participaciones de mercado a Febrero del 2005
Fuente:SBIF
Como se aprecia en la Tabla 1, es posible identificar diferentes participantes del negocio en

trminos de tamao de acuerdo a las colocaciones realizadas. Este estudio toma como base
de segmentacin la clasificacin de la consultora Feller Rate3:
Bancos Pequeos: Participacin de mercado menor o igual a un 1%.
Bancos Medianos: Participacin de mercado mayor a un 1% y menor o igual a un

10%.
Grandes Bancos: Participacin de mercado mayor a un 10%.
El gran tamao de estos mega-bancos no ha impedido el desarrollo de una amplia oferta de

servicios financieros, especializados en diferentes segmentos de mercado y necesidades
especficas dentro de estos. Es as como se han desarrollado a modo de ejemplo bancos
especializados en inversiones , en consumo , en pequeas y medianas empresas , o bien
divisiones especializadas en ciertos GSE.
Esta evolucin ha generado una mayor intensidad de la competencia, por lo que ha surgido
la necesidad de adoptar nuevas prcticas y mtodos de rubros en los cuales la intensidad de
la competencia sea alta como es el caso del retail. MacGoldrick y Greenland (1992)
reconocen adaptaciones dentro de la gestin de marketing bancario de caractersticas
particulares de la comercializacin de retail (asociado a bienes de consumo rpido), lo que
se justifica como una alineacin entre ambas. La tabla 2, resume los aspectos especficos de
los servicios financieros y tambin las caractersticas comunes con el retail.
Fuente: Claudia Labb .Subgerente de Estudios de Instituciones Financieras. Feller-Rate Chile.
Tabla 2.Caractersticas propias de la comercializacin de servicios financieros y venta de FMCG (Fast

Moving Consumer Goods)
Caractersticas tpicas del sector de servicios financieros

Compra planificada: El cliente adquirir los productos, con un periodo de planificacin de varias semanas o
incluso meses, y comparacin entre ofertas.
Productos Intangibles: Los productos bancarios como tarjetas de crdito, chequeras, crditos en sus diversas
formas y seguros entre otros, se denominan intangibles.
Inexistencia de satisfaccin instantnea: Los productos intangibles, no se consumen de manera inmediata, en
todos los casos, inclusive consumindose semanas o meses despus de ser adquiridos.
Elevado precio de entrada: Este aspecto se presenta en cuotas de inversin mnima o bien rentas mnimas
exigidas para acceder a los productos.
Elevada fidelidad: Los clientes muestran una fidelidad por las empresas a las cuales se adhieren, siendo difcil
un cambio de institucin financiera.
Niveles reducidos de prueba: No existen numerosas chances de probar los diferentes productos bancarios, por
ejemplo en el caso de un crdito hipotecario no es probable adquirir ms de dos en la vida, para una persona
promedio.
Compra nica: Este tipo de adquisiciones no se realizan de manera peridica, conllevan un largo proceso de
compra pues se adquieren generalmente, compromisos de largo plazo entre cliente e institucin.
Intervencin en la decisin de compra: Generalmente en la decisin de compra interviene el cnyuge o pareja.
Reducido inters para el consumidor: La adquisicin de productos bancarios no genera, el mismo inters que
productos de moda, es ms bien por necesidades bsicas, como de vivienda, salud y educacin.
Falta de homogeneidad de los productos: Existe una gran diversidad de productos con un grado de
homogeneidad bajo, en trminos de tasas, plazos, y montos entre los diferentes integrantes de la industria.
Productos complejos: El grado de sofisticacin de algunos productos financieros puede llegar a ser muy
complejo y dificultoso para entender por clientes que no tengan una preparacin adecuada en el tema.
Caractersticas normalmente compartidas de los servicios financieros y los FMCG

Existencia de marcas: Ambos tipos de productos, son respaldados por grandes marcas reconocidas por el
mercado, que entregan confianza y respaldo.
Dependencia del posicionamiento del producto: En la medida que el posicionamiento favorezca a las
empresas, estas registran mayores ventas y mejores resultados.
Envasado: Los productos tangibles son envasados, al igual que intangibles como Chequeras, Tarjetas de
Crdito, de Debito, Tarjetas de Ahorro, etc.
Segmentacin de mercados: La alta competencia obliga a segmentar los mercados, para obtener los mejores
resultados al satisfacer a los clientes, tomando en cuenta las fortalezas y debilidades de la empresa.
Creciente inters en productos que satisfacen un nicho de mercado: Ciertos nichos son capaces de generar
grandes retornos, en la medida que la empresa posea las capacidades abordarlo y obtener los mejores
resultados de su gestin. En la medida que esto se logra, existe la seguridad de que a otras empresas les ser
difcil ingresar al mismo nicho.
Importancia de la publicidad: La publicidad permite mantener o mejorar el posicionamiento, al acceder a
grandes segmentos de mercado entregando mensajes que identifiquen a clientes con los productos.
Sensibilidad en los precios: El mercado responde ante variaciones de los precios de primas de seguros, tasas
de inters o gastos de representacin, entregndole preferencia a ciertas marcas.
Utilizacin creciente de ofertas y otras actividades promocionales: Ciertas pocas del ao como vacaciones,
entrada de clases o festividades, crean un momento ideal para promocionar y generar ofertas ad-hoc.
Deseo de ofrecer un valor aadido: Hoy existe una preocupacin en generar relaciones de largo plazo entre la
empresa y sus clientes, por lo que la calidad de los productos y servicios es un aspecto primordial, para
mantener la base de clientes y atraer ms de ellos.
Fuente: Hill,P.,en ESOMAR (eds.) How to market financial services in an increasing competitive
environment, Amsterdam,71-85
La adopcin de prcticas de la gestin del Marketing de Retail, hoy en da se grfica en:
Campaas publicitarias: Durante ciertas pocas del ao se intensifica la difusin de

campaas por diferentes medios asociadas a la entrada a clases, fiestas nacionales
y navideas, vacaciones, etc.
Promocin en el punto de venta: Hoy en da las sucursales bancarias, cuentan con

promocin en el punto de venta que apoya el mensaje de las campaas
publicitarias, al igual que por ejemplo los supermercados.
Ventas Personales: Realizadas por lo general va telefnica, pretenden aumentar la

cantidad de productos de los clientes, a travs de promociones e incentivos.
1.2.1.2 El Marketing Mix en la Comercializacin de Servicios Financieros

Hoy en da la similitud entre el marketing de retail y financiero es importante, y se grafica
en la mezcla de marketing que se realiza en ambos casos. MacGoldrick y Greenland
(1992) analizan los siete elementos relevantes del Mix de servicios financieros, destacando
problemticas propias de estos, a travs de la siguiente topologa:
1.-Variedad de Productos: A pesar de los procesos de diferenciacin que se han generado
en esta industria, es muy difcil para las entidades financieras diferenciar sus gamas de
productos, puesto que por la naturaleza de estos productos su imitacin en caso de xito es
fcilmente replicable. De hecho ciertos autores critican la expresin supermercado
financiero debido a la similitud de los productos entre empresas.
2.- Fijacin de precios: Los consumidores suelen ser poco concientes a las tasas aplicadas a
las tarjetas de crdito o por ejemplo de gastos de mantencin de productos. Sin embargo
recientemente la fijacin de precios ha adquirido un renovado inters, lo que se refleja por
ejemplo en cuentas corrientes remuneradas, o bien en tasas insuperables de crditos
hipotecarios.
3.- Promocin: Actualmente las empresas que ofrecen servicios financieros, realizan
esfuerzos por obtener un posicionamiento exclusivo, a travs del uso intensivo de la
publicidad4 en diversos medios de comunicacin.
4.- Venta personal: La complejidad y variedad de los servicios que se ofrecen, en conjunto
con los niveles de riesgo, hacen necesario un grado de venta personal. Conforme aumenta
4
Lo que se refleja en Chile en pocas especificas del ao, como Marzo y Navidad por ejemplo.
la venta cruzada de servicios a los clientes existentes, aumenta la necesidad de personal

capacitado y calificado.
5.- Servicio: Esta extensa rea abarca muchos tipos de servicios personales y electrnicos,
como el uso de la banca Internet, cajeros automticos y la banca telefnica. Bateson (1985)
seala que una de las problemticas mas importantes en los servicios es identificar cuales
son los mas demandados por la clientela objetivo, pues dependiendo del grupo etareo
variar la preferencia.
6.- Entorno: El diseo de la sucursal actualmente es considerada como parte de la funcin
de venta/servicio que desempea un papel fundamental a la hora de facilitar la
diferenciacin de la imagen de la empresa.
7.- Localizacin: Muchos Investigadores y directores reconocen que la localizacin es
crucial para este tipo de empresas, pues se pierden y ganan clientes en base a este aspecto.
Lo anterior
se basa en la evolucin y comportamiento observado de las diferentes
industrias bancarias de pases desarrollados, las que se caracterizan por ser altamente
competitivas con una oferta de proporciones ampliamente mayores a la de nuestro pas, en
donde las tasas de crecimiento son muy inferiores, siendo la preocupacin central la
satisfaccin de un cliente cada vez mas exigente y que cuenta con una amplia gama de
marcas productos de donde elegir5.
En este sentido la gestin de Marketing debe entregar informacin que apoye la toma de
decisiones y que retroalimente las decisiones de carcter tctico y estratgico,
respondiendo preguntas como: Cul es el posicionamiento logrado por la marca o
producto?Es este positivo?Puede ser mejorado?, y tambin responder una pregunta
fundamental: Cul(es) es(son) el(los) segmento(s) mas rentable(s)?Es(son) a los que
actualmente dirige la empresa sus esfuerzos?.
1.2.1.3 Segmentacin y posicionamiento de servicios financieros
Mediante la segmentacin las empresas dividen el mercado, en segmentos pequeos a los
cuales la empresa se puede dirigir de manera eficiente, con productos y servicios
congruentes con las necesidades especficas del target buscado. Criterios para realizar esta
divisin varan segn las necesidades de la empresa y los productos que esta fabrica,
5
Sin ir ms lejos la superintendencia de bancos e instituciones financieras, registra la existencia de un total

de 26 bancos. Esto sin considerar financieras y cooperativas de ahorro, entre otras instituciones que otorgan
servicios financieros.
11
algunos de estos son de carcter demogrficos, de gnero, ingresos, ocasiones de uso, entre
otros. Importante es que estos segmentos sean medibles, accesibles y rentables de manera
de no desperdiciar recursos en un plan de marketing que no tendr los resultados
esperados.
La gran cantidad de oferentes de servicios financieros obliga hoy en da, a elegir con
especial cuidado aquellos mercados meta, donde los esfuerzos de marketing sean rentables.
Por esta razn los bancos en Chile han definido claramente sus intenciones en torno al tipo
de clientes que desean capturar, que varan entre empresas clasificadas segn tamao en
pequeas, medianas y grandes, y personas naturales las cuales son segmentadas segn la
pertenencia a grupos socio-econmicos.
Esta segmentacin permite planificar el tipo de posicionamiento en el mercado meta, que
deber tener concordancia con las fortalezas y debilidades de la empresa. El
posicionamiento se logra a travs de la ejecucin del plan de marketing en el cual la
interaccin de sus variables de decisin: producto, precio, publicidad, distribucin,
personas, procesos y la disposicin del local, generan una imagen en la mente de los
consumidores, de la cual como objetivo de Marketing se debe procurar que sea buena en
comparacin con la competencia, pues esto esta en directa relacin con los resultados de la
empresa en el mercado meta.
Si bien el marco normativo actual permite ofrecer una amplia gama de productos al
mercado , la obtencin de rentabilidad hace necesario el posicionamiento en mercados
especficos a travs de una oferta selectiva. (Laroche y Taylor 1988).
En el mbito de los servicios financieros es particularmente difcil la diferenciacin entre
marcas, productos individuales, y familias de productos para los consumidores. Esto no
slo se debe a que las caractersticas de los productos genricos son fcilmente copiables,
sino tambin a que tradicionalmente la mayora de las entidades financiera han prestado
poca atencin a la diferenciacin6.
McGoldrick, Greenland. Comercializacin de servicios financieros.1ra edicin. MacGraw-Hill.Pag 90.
12
1.2.2 Pequeos bancos y divisiones de consumo orientados a segmentos medios y bajos

Durante los ltimos aos la industria de servicios financieros Chilena, ha visto la inclusin
de bancos pequeos7, que compiten por GSE medios-bajos como son C1, C2 y C3
asumiendo un nivel de riesgo financiero superior al de la banca tradicional.
Sin embargo , en sus inicios la industria bancaria chilena se encontraba lejos de este tipo de
estratos , enfocndose principalmente en los segmentos mas altos de la poblacin siendo
tarea del Banco del Estado, el proveer de servicios financieros a aquellos grupos de
menores recursos, en las dcadas de los 70 y 80. Tmidamente pequeas instituciones
financieras incursionaron en este terreno durante ese periodo de tiempo, otorgando crditos
a personas que los bancos consideraban como riesgosas en trminos crediticios.
Las multitiendas generaban en ese entonces sus propias tarjetas de crdito, lo que les
permiti generar grandes utilidades por concepto de ventas en cuotas. Durante los 90 los
ingresos no operacionales de las grandes tiendas, demostraron ser la principal fuente de
resultados de estas empresas por lo que se generaron simultneamente iniciativas para
formar parte del negocio bancario, hecho que se concret en los ltimos cinco aos, con la
entrada de 3 nuevos bancos ligados al Retail.
Por su parte los grandes bancos se enfocaron histricamente a los segmentos mediosbajos, a travs de divisiones de consumo que competan con financieras por las cuotas del
mercado, sin embargo hoy en da la situacin es completamente diferente pues el nfasis
por la conquista de los segmentos es muchsimo mayor. Es as como se han producido
reestructuraciones, adquisiciones e incluso cambios de marca, con la pretensin de
posicionarse con fuerza en los segmentos de consumo.
A continuacin se presentar una sntesis de aquellas instituciones, que sern analizadas en
el presente estudio. Entre estas encontramos a los bancos asociados al retail, y
las
divisiones de consumo, de tamao pequeo y con localizacin en las ciudades de

Valparaso y Via del Mar:
Banco Falabella: Este banco inicia sus operaciones en el ao 2000, y es parte de la

matriz Falabella SACI, lder de retail tanto en Chile como en Per. Su modelo de
negocios consiste en puntos de venta livianos y localizados y adaptados para captar
La clasificacin de bancos pequeos es tomada de Feller-Rate en la que la consideracin de pequeo, se

realiza en base al porcentaje de participacin de mercado (que se considera como los activos de la empresa
v/s el total de activos de los bancos establecidos en chile), cuando se tiene una participacin menor al 1% del
total. Fuente: Claudia Labb .Subgerente Instituciones Financieras. Feller-Rate Chile.
13
clientes de las tiendas, lo que lo ha posicionado entre los principales originadores

de prstamos de consumo del pas8. Banco Falabella se orienta a financiar mediante
crditos de consumo, a personas de los estratos C1, C2 y C3 de la poblacin,
principalmente clientes de las tiendas por departamento Falabella y la cadena de
distribucin de materiales para la construccin y mejoramiento del hogar Sodimac,
donde ha localizado gran parte de sus 56 oficinas y puntos de venta.
Banco Ripley: Inicia sus operaciones en el ao 2002, y forma parte de grupo de

empresas Ripley Corp. El banco sigue una estrategia de nicho enfocada
principalmente a ofrecer servicios financieros a los clientes de tiendas Ripley,
ubicados preferentemente en los estratos socio-econmicos C1, C2 y C3. No
obstante, sta fue recientemente ampliada para abarcar una gama de servicios ms
integral, a la vez que expande su cobertura hacia otros segmentos. As, se incluyen
personas de estratos ms altos y las pequeas y medianas empresas. Su red de
distribucin est en su mayora asociada a las tiendas Ripley, con 30 sucursales a lo
largo del pas.
Banco Paris: Inicia sus operaciones el ao 2004, conformando las empresas

asociadas a Empresas Almacenes Paris S.A. Este proyecto se gener de una
operacin en marcha que fue a travs de la adquisicin de la divisin de consumo
del banco Santander-Santiago, Santiago Express. La estrategia del banco consiste
en explotar la base de clientes activos de la tarjeta de Almacenes Pars, centrado en
los segmentos C2 y C3 de la poblacin, y, al mismo tiempo, ofrecer sus productos a
la base de clientes provenientes de Santiago Express. Sus sucursales son 38 y se
extienden a lo largo del pas.
Banco Credichile: Se integra como marca el ao 2004, pues no existe una nueva
licencia bancaria de por medio, siendo un rea de negocios del Banco ChileEdwards. Se enfoca al segmento de las personas C1, C2 y C3, compitiendo
directamente con los bancos asociados al retail. Su red de distribucin consta de 49
sucursales que se localizan a lo largo del pas.
Banco Nova: Se integra como marca el ao 2005, pues no existe una nueva
licencia bancaria de por medio, dando por terminada la integracin del Banco
Conosur a la corporacin del Banco de Crdito e Inversiones. El lanzamiento de
Banco Nova es la respuesta al ingreso de los bancos ligados al retail, por parte de
Feller Rate. Informe de Clasificacin de Riesgo de Bonos del Banco Falabella.
14
BCI, reforzando su presencia en el segmento de consumo. Se espera que la empresa

se posicione en los segmentos C1, C2 y C3 con una amplia gama de productos, y
proyectndose como uno de los lideres del mercado de consumos. Cuenta con 60
sucursales distribuidas a lo largo del Pas.
Atlas Citibank: Tiene mas de 25 aos en el mercado, y conforma la divisin de

consumo del Banco Citibank. Apunta hacia segmentos de consumo medios bajos,
conformados por segmentos C1, C2 y C3. Cuenta con 76 oficinas distribuidas a lo
largo del pas.
Santander_Banefe: Divisin de consumo del Banco Santander Santiago, que nace

el ao 2004 a travs de la financiera Fusa y Fincard. Cuenta con 103 oficinas
distribuidas a lo largo del pas.
Se aprecia en los ltimos aos, el inters por conquistar estos segmentos de mercado antes
ignorados, en gran parte por la positiva experiencia vivida por sectores del retail en el
mbito crediticio, que alentados por importantes ventajas competitivas como una amplia
base de clientes con buen comportamiento crediticio y la posibilidad de generar ventas
cruzadas, generaron el inters por ingresar al sistema bancario.
Por su parte los grandes bancos hacen sentir su presencia en estos segmentos, a travs de
Atlas-Citibank, Banco Nova y Banco Credichile. Estas son conocidas como las divisiones
de consumo de la banca tradicional, que pretenden defender su posicin en el mercado de
consumo, con agresivas campaas publicitarias, lneas de productos y promociones
atractivas para el mercado, en conjunto con localizaciones cercanas a grandes centros
comerciales del pas.
De este grupo de bancos, se presentan altas rentabilidades como la del Banco Falabella a
diciembre del 2004 que obtuvo la rentabilidad ms alta de los bancos establecidos en Chile
con un 26,7%, publicada por la Superintendencia de Bancos e Instituciones Financieras.
Esto en conjunto con la inclusin de nuevas marcas e instituciones en la industria, indica
que este sector del mercado tiene un altsimo atractivo y potencial de desarrollo.
15
1.2.3 Aplicacin del anlisis multivariado en la investigacin de mercados y la gestin

del marketing
En el pasado la cantidad de informacin manejada por diferentes ramas cientficas, era
reducida en comparacin con los millones de registros por da que se generan en los
sistemas informticos empresariales en la actualidad. Por esta razn para trabajar de
manera eficiente con grandes muestras de informacin, es
necesario usar mtodos
estadsticos y software con un poder de procesamiento adecuado apropiados para esta

labor .
1.2.3.1 Clasificacin no exhaustiva de modelos multivariados

La aplicacin de modelos multivariados depende de los sets de datos con los que cuente el
investigador y de los objetivos que se persigan. A nivel multivariado existe la posibilidad
de trabajar con mltiples sets de datos, a travs de diferentes tcnicas que se presentan a
continuacin en una clasificacin no exhaustiva.
Figura 2: Clasificacin de tcnicas multivariadas no exhaustivas.

Fuente: Abdi, Herv. Multivariate Analysis [en lnea]: The University of Texas at Dallas. [Consulta: 30 Julio
2005]. http://www.utdallas.edu/~herve/Abdi-MultivariateAnalysis-pretty.pdf
Un set de datos:
16
Anlisis Factorial: Es uno de los mtodos mas verstiles, para descomponer datos
de una tabla que contiene informacin correlacionada. Esta descomposicin se lleva
a cabo a travs del mtodo de los componentes principales (generalmente), el cual
entrega factores que representan una sntesis de aquellos componentes que explican
la mayor parte de la varianza.
Anlisis de correspondencia, Anlisis de Correspondencia Mltiple: Este anlisis es

una generalizacin del mtodo de los componentes principales, en tablas de
contingencia. Los factores obtenidos entregan una descomposicin del estadstico
Chi Cuadrado asociado a la tabla, representndose tanto columnas como filas.
Cuando un gran nmero de variables son analizadas el anlisis de correspondencia
se generaliza en un anlisis de correspondencia mltiple.
Similaridad o distancia; Escalamiento Multidimensional, Anlisis de Cluster: Estas

tcnicas se utilizan cuando los datos estn expresados en una medida de distancia o
similaridad, representando grficamente estas distancias o similaridades. El EMD
busca graficar en un espacio euclidiano, distancias a travs del modelo clsico
(Mtodo de los componentes principales), y similaridades a travs del escalamiento
no mtrico. El anlisis de Cluster usa la distancia entre los datos y forma
agrupaciones a partir de esta.
Dos sets de datos; un set de variables independientes y un set de variables dependientes:
Anlisis de Regresin Mltiple: En este tipo de anlisis diversas variables

independientes son usadas, para predecir a travs del mtodo de los mnimos
cuadrados una variable dependiente. Si las variables dependientes estn
correlacionadas, su grado de correlacin es determinado a travs del coeficiente
parcial de correlacin. Un problema que se puede generar a partir de las variables
independientes, es la multicolinealidad en el cual una de las variables se puede
predecir a partir de otras, en este caso el anlisis de regresin mltiple no es posible
de aplicar.
Anlisis Mltiple de Varianza: Este tipo de anlisis es usado para predecir a partir
de variables independientes, un grupo de variables dependientes. Este anlisis
conocido como MANOVA, calcula una serie de combinaciones lineales de las
variables dependientes, con la restriccin de que el primer factor genere el
estadstico F ms grande usado en un anlisis de varianza ANOVA.
17
Anlisis Discriminante: Este tipo de anlisis es equivalente matemticamente al

anlisis mltiple de la varianza, es usado para predecir el grupo al cual una unidad
dada, pertenece. (que es una variable dependiente nominal)
Dos sets de datos; un set de variables independientes y dos o ms sets de variables

dependientes:
Anlisis de Correlacin Cannica: Combina las variables dependientes para

encontrar nuevas combinaciones de pares, que tengan la ms alta correlacin. Sin
embargo pese a que se encuentran estos pares altamente correlacionados entre si,
no necesariamente explican una alta porcin de la varianza.
Anlisis Factorial Mltiple: Combina muchas tablas de datos en un solo anlisis,

siendo el primer paso realizar un anlisis de componentes principales en cada una
de las tablas, luego cada tabla es normalizada a travs de la divisin de todos los
datos de esta por el valor propio (Eigen Value) ms alto. De esta manera se
estandariza el peso de cada tabla en la solucin final, posibilitando el anlisis
simultneo, de diversas tablas heterogneas de datos.
Anlisis de correspondencia mltiple: Sirve para comparar datos provenientes de

diversas tablas de contingencia. Es una generalizacin del anlisis de
correspondencia simple.
18
1.2.4 Percepcin y preferencias

Una buena percepcin acerca de un bien o servicio es esencial para la gestin de marketing
pues se alinea con el objetivo de generar una rentabilidad sostenible en el largo plazo.
Kotler (2003) en la figura 3 describe la conducta del comprador en un proceso que se inicia
con los estmulos de las mezclas de marketing de los diferentes componentes de la
industria (en conjunto con factores econmicos, tecnolgicos, polticos y culturales) ,
pasando luego a la caja negra del consumidor y finalizando con una respuesta del
consumidor en la que expresa su preferencia por un bien o servicio.
Estmulos de Marketing y
de otro tipo
Producto
Precio
Plaza
Promocin
Caja negra del consumidor
Econmicos
Tecnolgicos
Polticos
Culturales
Caractersticas del
comprador
Respuestas del comprador
Proceso de
decisin de
compra
Seleccin de producto,
marca, distribuidor,
momento y monto de la
compra
Figura 3. Modelo de la conducta del comprador
En un comienzo las empresas y el entorno generan estmulos que son captados de manera
directa o indirecta por el consumidor el cual segn diferentes factores culturales, sociales,
personales y psicolgicos, toma decisiones en base a las percepciones generadas segn
caractersticas personales especificas.
La percepcin se enmarca dentro de los factores psicolgicos del modelo dentro de los
cuales encontramos tambin la motivacin, aprendizaje, creencias y actitudes. La
percepcin es el proceso por el que las personas seleccionan, organizan e interpretan la
informacin para formarse una imagen inteligible del mundo, vindose influenciada por los
estmulos de marketing y caractersticas personales del consumidor. Una vez formada una
percepcin sobre una serie de opciones de compra el consumidor procede a decidir y
ejercer sus preferencias sobre u bien o servicio.
Sin embargo la percepcin no necesariamente se relaciona de manera directa con las
preferencias, lo que se explica en el hecho de que en un mercado especfico los productos
ofrecidos se encuentran en diferentes etapas de su ciclo de vida, siendo a la vez stos parte
de diferentes planes de marketing. Es as como un consumidor puede percibir a un
notebook Sony como moderno, de buen diseo, funcional y sin embargo preferir un
notebook HP por tratarse de una marca consolidada en la industria.
19
Por esta razn es que el investigador de mercados debe estudiar percepciones y

preferencias de manera separada estableciendo relaciones y midiendo los cambios que se
producen en distintos periodos de medicin de manera de realizar ajustes a la mezcla de
marketing operativa y as generar una rentabilidad sostenible en el tiempo. La medicin
aislada carece de sentido para la toma de decisiones pues solamente entrega datos y no
informacin.
1.2.5 El problema
El sistema bancario ha mostrado durante los ltimos aos un profundo inters, por los
segmentos del mercado medios-bajos, particularmente por su gran volumen y capacidad de
pago, lo que se refleja en la gran cantidad de empresas que compiten por las preferencias
de estos grupos de consumidores. El xito de nuevos bancos ligados al retail en trminos
de rentabilidad, es un signo de lo beneficioso que han resultado estos segmentos, por los
cuales antiguamente no exista un alto grado de inters. Esto implica como sugieren
algunos autores que la gestin de marketing de los servicios financieros, ha tomado
muchos aspectos del marketing de productos de consumo, por caractersticas comunes
entre ambos, pero manteniendo la orientacin propia del negocio. Dentro de estas
caractersticas comunes, se seala una alta dependencia al posicionamiento de la marca.
Los estudios de posicionamiento de bancos e instituciones financieras, se vienen realizando
desde hace ms de una dcada por diferentes consultores en la ciudad de Santiago, sin
embargo a nivel de las ciudades de Valparaso y Via del Mar, son escasos los esfuerzos al
respecto lo que abre la oportunidad de determinar cuales son las instituciones bancarias
mejor posicionadas en trminos de preferencias y percepciones, y tambin de determinar y
describir segmentos mediante el uso de modelos estadsticos multivariados para este
propsito.
20
1.3 Objetivos de la Investigacin
1. Determinar como percibe la poblacin en estudio a los diferentes bancos en

anlisis, a travs de sus preferencias y percepciones.
2. Determinar y caracterizar los segmentos, a los cuales se dirigen los esfuerzos de
este grupo de bancos, en las ciudades de Valparaso y Via del Mar.
3. Determinar posibles nichos de mercado, que no hallan sido cubiertos por las
instituciones actuales.
4. Presentar la relacin operativa de las tcnicas multivariadas de escalamiento
multidimensional y de anlisis de cluster, desde la perspectiva de la investigacin
de mercados.
1.4 Descripcin del diseo metodolgico
1.- Los estudios de posicionamiento del sector bancario, y especficamente hablando de los
pequeos bancos no son algo nuevo en el pas , sin embargo en lo que respecta a la Quinta
Regin los antecedentes son escasos y no hacen una referencia directa al tema, por esta
razn el tipo de investigacin a realizar ser exploratoria y descriptiva. Esto implica
inicialmente una investigacin bibliogrfica, que haga referencia a pequeos bancos,
anlisis de posicionamiento y utilizacin de tcnicas multivariadas en la investigacin de
mercados, para de esta manera compilar el sustento terico de esta investigacin, y luego
trasladar la investigacin a terreno (campo) lo que permitir generar informacin de fuente
primaria a travs de encuestas, que permitan concretar los objetivos de la investigacin,
planteados anteriormente.
2.- Para la presente investigacin se consideraran aquellos bancos cumplan con las
siguientes condiciones:
Segmentos objetivos: Instituciones bancarias,
cuyos segmentos objetivos
pertenezcan a GSE medios-bajos, especficamente hablado C1, C2 y C3.
Localizacin: Comprender aquellas instituciones que se ubiquen en las ciudades

de Valparaso y Via del Mar.
21
Tamao: Solamente se consideraran bancos pequeos, de acuerdo a la clasificacin

realizada por Feller-Rate, que corresponde a aquellos con menos de un 1% de
participacin de mercado.
Esto reduce el grupo de anlisis a las siguientes empresas: Banco Falabella, Banco Ripley,
Banco Paris, y tambin a divisiones de consumo de grandes bancos Atlas-Citibank, Banco
Credichile, Banco Nova y Santander - Banefe.
3.- El Universo o poblacin bajo estudio se conforma de residentes en las ciudades de
Valparaso y Via del Mar, pertenecientes a estratos socio econmicos C2, C3 y D,
mayores de 18 aos, con una permanencia superior a 2 aos en su trabajo actual y con
renta liquida superior a $100.000. Esto se explica por las exigencias que realizan el grupo
de bancos en anlisis a sus clientes para la adquisicin de productos.
La asignacin de los encuestados a determinados grupos socioeconmicos ser realizada
en base al ingreso familiar.
Al no contar con la posibilidad de efectuar un muestreo aleatorio estratificado, se
proceder a realizar un muestreo por conveniencia de 100 personas lo que se considera un
nmero relativamente grande.
4.- El instrumento de observacin consta de un cuestionario dividido en dos partes:
Primera parte: Otorga una descripcin socio-demogrfica que generar variables

duras, para la
descripcin y determinacin de segmentos del mercado,
contemplndose tambin variables blandas, extradas de factores que son

relevantes en la eleccin de una institucin u otra, lo que permitir enriquecer el
anlisis de los grupos de consumidores. Los factores relevantes para la confeccin
de la encuesta sern los usados por Adimark, en su estudio de imagen y
posicionamiento de financieras y divisiones de consumo, el cual se realiza
peridicamente en la cuidad de Santiago.
Segunda parte: Consta de preguntas de preferencia respecto de las instituciones

bancarias bajo anlisis y adems las percepciones de los encuestados respecto de
los factores relevantes, usados para evaluar al grupo de bancos. Esta informacin
permitir realizar un escalamiento multidimensional conocido como el anlisis
externo de las preferencias, que representa percepciones y preferencias en un plano
cartesiano.
22
5.- La aplicacin de la encuesta ser realizada en sectores de las ciudades de Valparaso y

Via del Mar que concuerden con la descripcin de los GSE chilenos.
6.- Una vez realizadas las encuestas sern tabuladas para luego proceder a su anlisis. En
una primera instancia se aplicarn las tcnicas de escalamiento multidimensional (EMD), y
de anlisis de Cluster. (Ambos modelos sern descritos en el capitulo siguiente).
7.- Una vez realizado el anlisis multivariado se procede a extraer las conclusiones acerca
del posicionamiento y segmentacin, hallados en la investigacin acerca del grupo de
bancos en anlisis.
1.5 Limitaciones del estudio
La encuesta es realizada durante Septiembre del 2006 por lo que el posicionamiento

obtenido representa los juicios y preferencias en un determinado espacio temporal.
Se realiza un muestreo por conveniencia, por lo que los datos son de carcter
referencial y no proyectivos
Los resultados en torno al posicionamiento no son de naturaleza exacta pues

reflejan la representacin cognitiva de los objetos en anlisis que cambia a travs
del tiempo, en base a las diferentes acciones de marketing realizadas.
La informacin relativa al marketing mix de cada institucin financiera es de

carcter confidencial por lo no es posible establecer relaciones entre los cambios de
variables de las estrategias comerciales de las respectivas instituciones financieras
en anlisis. De esta manera no es posible analizar el posicionamiento buscado por
cada institucin, determinndose solamente el posicionamiento obtenido.
23
2. MARCO TEORICO
En este capitulo se abarcarn conceptos desde un punto de vista terico, tratados en esta
investigacin como son el posicionamiento, y tcnicas estadsticas multivariadas como
el anlisis de cluster y escalamiento de las preferencias. Con esto el lector podr
asimilar los aspectos fundamentales que se consideran en el capitulo de hallazgos que
procede al marco terico.
2.1 Posicionamiento
El anlisis de posicionamiento es una actividad realizada regularmente por los
departamentos de marketing , y tambin por consultoras especializadas que permite
medir cual ha sido el desarrollo de marca o productos en comparacin con su
competencia, de acuerdo a atributos que son relevantes para el grupo de compradores.
Este tipo de investigaciones permiten contrastar el posicionamiento buscado con el
posicionamiento efectivamente producido en la mente de los consumidores.
2.1.2 Concepto de posicionamiento

Ries y Trout (1992) definieron el posicionamiento como la ubicacin en la mente de
los consumidores de un producto o servicio, con respecto a la competencia.
Este concepto se refiere al diseo de una oferta de producto(s) que ocupe(n) un lugar
claro y apreciado en la percepcin general del mercado meta, adquiriendo un
significado determinado para segmento(s) del mercado, ya sea a travs de caractersticas
propias o mediante la imagen que las comunicaciones logren asociar con este9.
El posicionamiento se relaciona estrechamente con las comunicaciones, pues constituye
la herramienta mas importante y eficaz para dar a conocer lo que una compaa pretende
La imagen asociada puede ser una fuente de diferenciacin del producto pues tiene influencia en la
preferencia de los compradores. Chamberlin (1950) seala .poco importa si la base de la diferencia es
real o ilusoria siempre y cuando tenga importancia para los consumidores, y lleve a escoger una variedad
de productos por sobre otra.
Anlisis de posicionamiento a travs del uso de mtodos multivariadas para bancos orientados a
crditos de consumo, en las ciudades de Valparaso y Via del Mar, a Septiembre de 2006.
que se conozca de ella y sus productos, a travs de distintos medios o canales, los cuales
son usados segn la categora de producto que se trate y el mercado al cual esta dirigido.
La percepcin esta dada no solo por las caractersticas tangibles del producto, sino
tambin por sus atributos objetivos y sujetivos (o intangibles). De acuerdo a esto es
posible definir diferentes niveles de producto, para algn producto o servicio en
particular, en una integracin de dimensiones como beneficios, tangibles y aadidos. Un
ejemplo de lo anterior, se presenta en el siguiente diagrama usando como referencia el
crdito hipotecario Hipotecario Total del Banco de Chile:
Asesora
Solicitud va Internet
Beneficios
del producto
Financiamiento
Hipotecario
Producto
Tangible
Banco de Chile:
Hipotecario total
Seguros
Cargo a cuenta corriente
Producto
Ampliado
Figura 4.Niveles de producto.
Los Beneficios del ncleo del producto, son aquellos substanciales o bsicos, que se
entrega al momento de adquirir un producto o servicio, en el ejemplo de la figura 4 se
define el beneficio del producto la necesidad de financiar la adquisicin de una
vivienda. En el siguiente nivel de producto tangible, incluimos a aquellos aspectos
asociados con el beneficio substancial o bsico, considerndose aspectos como la
marca, envase, calidad y estilo, en el ejemplo de la figura 4 incluye en este nivel la
marca Banco de Chile para el producto intangible que es Hipotecario Total.
Finalmente el tercer nivel o producto ampliado son elementos asociados al producto
tangible, que sirven como apoyo a este, donde encontramos los servicios al cliente,
servicio tcnico, garantas, etc. En el ejemplo de la figura 4 el Hipotecario Total
25
cuenta con ampliaciones de producto como asesora profesional, seguros asociados ,

cargo a cuenta corriente y solicitud va Internet.
2.1.3 Tipos de posicionamiento
Posicionamiento Buscado: Corresponde al posicionamiento planeado por la

empresa, desarrollado en el proceso de confeccin de la estrategia de marketing
operativo. Es as como el posicionamiento se convierte en una decisin
estratgica, que pretende influenciar en el proceso de compra que realizan los
clientes apuntando hacia una fidelizacin de este a la marca o empresa.
Posicionamiento Logrado: Se refiere al posicionamiento real, que es

determinado a travs de estudios de posicionamiento. Son los resultados de la
gestin de marketing efectuada por la empresa, evaluados a travs de los juicios
del mercado obtenidos de encuestas con una representatividad suficiente para
poder generar conclusiones validas. Su determinacin es parte de la
investigacin de mercados.
Posicionamiento Ideal: Se refiere a aquel posicionamiento considerado

exitoso, en comparacin con la competencia, o bien a la coincidencia entre lo
planificado y lo logrado a travs de los esfuerzos de marketing. Este es el
resultado de un plan de marketing efectivo en el que las variables clsicas:
Precio, Distribucin, Promocin y Publicidad han sido planteadas y aplicadas de
manera correcta de acuerdo a las caractersticas de la empresa, industria y
mercado.
26
2.1.4 Proceso de determinacin del posicionamiento

La determinacin del posicionamiento se nutre de informacin y planes generados
dentro de un proceso de planificacin estratgica, especficamente del marketing
estratgico cuya funcin es orientar a la empresa de acuerdo a sus recursos hacia
oportunidades que ofrezcan crecimiento y sustentabilidad, situndose en un mediano a
largo plazo. Su funcin esencial es el anlisis de la diversidad de necesidades, para as
encontrar productos-mercados y segmentos dentro de estos, a los cuales determinar su
rentabilidad potencial a travs de un anlisis cuantitativo, y en trminos dinmicos por
la duracin de su vida econmica representada por el ciclo de vida, lo que permite elegir
una estrategia de desarrollo. Esto constituir la base del diseo de un plan de Marketing
Operativo.
Una vez que la empresa realiza el proceso de anlisis interno y externo que supone el
marketing estratgico, debe plasmar en su plan de marketing operativo las directrices
obtenidas, eligiendo uno o varios segmentos objetivos, diseando un plan de marketing,
presupuestos y la implementacin del plan y control de este. Es en el contexto del plan
de marketing donde se determinan objetivos, posicionamiento y la tctica a utilizar.
El flujo de informacin entre ambas instancias de aplicacin del marketing se produce a
travs de la informacin extrada de los estudios de marketing estratgico, y por los
datos provenientes de la ejecucin del plan de marketing, que se generan en la gestin
de marketing operativo referente al nivel de venta, canales, clientes y gastos entre otros.
A continuacin se describirn los pasos contemplados en estas dos caras del marketing
(estratgico y operativo) de la figura 5, con el fin de entregar un panorama general de
las etapas contempladas en el diseo de un posicionamiento. Esto se realizar de manera
sintetizada para que el lector, logre visualizar el proceso que genera un posicionamiento
especfico.
27
Marketing Estratgico
Anlisis de las necesidades
Mercado de referencia
Macro y Micro segmentacin
Marketing Operativo
Informacin:
-Ventas
-Canales
-Clientes
-Gestin
Anlisis del atractivo

Mercado potencial CVP
Anlisis de competitividad
Ventaja defendible
Eleccin de una estrategia
de desarrollo
Eleccin del segmento

objetivo
Plan de Marketing
(objetivos, posicionamiento)
Marketing Integrado 4P
Presupuesto de Marketing
Informacin:
-Segmentos
-Industria
-CVP
-Estrategia
Puesta en marcha de un
plan y control
Figura 5. Las dos caras del marketing. Lambin, Jean Jaques. Marketing Estratgico.
28
2.1.5 Marketing estratgico
2.1.5.1 Macrosegmentacin
El proceso10 de posicionamiento requiere de una Macrosegmentacin del mercado, pues
se reconoce la dificultad de satisfacer con un slo producto a todo un mercado, pues en
este coexisten una importante variedad de necesidades y expectativas. Un buen punto de
partida para cualquier empresa, ser definir una misin que se oriente hacia el mercado
(Por muy obvio que pudiera ser esto), para luego proceder a definir el mercado de
referencia en el cual se identificarn macrosegmentos conocidos como: Las
necesidades, los compradores y las tecnologas existentes, en otras palabras el que,
quien, y el como. Grficamente se representa de acuerdo a lo expuesto en la figura
6.
Necesidad
Consumidores
Tecnologa
Figura 6.Mercado de referencia
Cada cubo que se forma en la figura 6 corresponde a un mercado (consumidores y

necesidad) satisfecho por una tecnologa. Esta etapa de anlisis es an muy amplia pues
entrega lneas generales de la industria, con lo que se hace necesario generar un mayor
nivel de profundidad en el anlisis.
10
Cabe mencionar que el desarrollo de este proceso es terico, y es posible que en muchas empresas se
realicen procesos de posicionamiento, en los que la consecucin de las actividades descritas no sea
estricta, pudiendo establecer un posicionamiento (bueno o malo) sin el apoyo de una planificacin
estratgica de ningn tipo.
29
2.1.5.2 Microsegmentacin
La Microsegmentacin, se realiza para estudiar las mltiples necesidades al interior de
los productos-mercados identificados en la etapa del anlisis de la Macrosegmentacin.
Lambin seala: los consumidores o los clientes industriales que forman parte del
producto-mercado11 buscan en los productos la misma funcin de base......, pueden sin
embargo, tener expectativas o preferencias especificas en torno a la manera de obtener
la funcin buscada o en los servicios suplementarios que acompaan al servicio base12.
En este sentido, dentro de un producto-mercado heterogneo la segmentacin se enfoca
en la divisin de grupos homogneos que buscan un mismo conjunto de atributos. De
esta manera se identifican las necesidades de los consumidores dentro de un segmento
las cuales se pretenden satisfacer13, mediante el diseo de estrategias que se concentren
en atraer y satisfacer a estos grupos reducidos. Un ejemplo podra ser segmentar el
mercado en base a los GSE, como se aprecia en la figura 7.
Macro segmentacin
Necesidad
Micro segmentacin
Necesidad
Especifica
A
B
C
1
Consumidores
Tecnologa
Tecnologa
Propia de la
empresa
C
2
C
3
Grupo de
Consumidores
Figura 7. Segmentacin del mercado de referencia
11
O tambin tecnologa-mercado.
Lambim,Jean Jaques. Marketing Estratgico. Editorial McGraw-Hill 3ra Edicin. Pag.193-194
13
Stanton, William. Fundamentos de Marketing. Editorial McGraw-Hill. 5ta Edicin 1992. Pg. 93
12
30
Sin embargo antes de proceder a la segmentacin se deben tener claros los criterios con
los que se realizar esta divisin del mercado, como tambin los criterios de una
segmentacin eficiente.
2.1.5.3 Tipos de segmentacin
Las principales variables usadas en la segmentacin de mercado, (Kotler, Armstrong
1998) son de tipo Geogrficas, Demogrficas, Psicogrficas y Conductuales.
Segmentacin Geogrfica: Consta en la divisin de un mercado en diferentes

unidades geogrficas como naciones, estados, regiones, condados, ciudades, y
vecindarios. De acuerdo a esta separacin una empresa podra optar a cubrir
todos los segmentos, o bien de acuerdo a sus ventajas competitivas seleccionar
un grupo reducido de uno o ms segmentos sobre los cuales diseara su
estrategia de marketing operativo.
Segmentacin Demogrfica: Las variables demogrficas son las ms usadas en

la segmentacin de mercados, por tratarse de variables de fcil medicin cuya
informacin se encuentra disponible en censos de poblacin. En este grupo
encontramos variables como la edad, sexo, tamao de la familia, ciclo de vida
familiar, ingreso, ocupacin, educacin, religin, raza, nacionalidad.
Segmentacin Psicogrfica: Este tipo de segmentacin divide a los compradores

en diferentes grupos segn la clase social, estilo de vida o personalidad. Cabe
destacar que la clase social es un referente poderoso, de acuerdo a Engel,
Blackwell y Minniard (1986), debido a que es la base de la interaccin social y
una forma de separacin de otros miembros de la sociedad14.
Segmentacin Conductual: Se refiere a la segmentacin de un mercado

basndose en conocimientos, respuestas o actitudes hacia un producto o servicio.
Las variables de este tipo de segmentacin incluyen ocasiones, beneficios,
posicin del usuario, ndice de utilizacin y la lealtad del usuario entre otros. La
segmentacin por ocasiones divide el mercado segn las ocasiones en que los
14
Engel, Blackwell, Milliard. Consumer Behavior.Editorial Harcourt Press. Novena Edicin.
31
compradores tienen la idea de adquirir un producto, hacen efectiva la compra, y

utilizan lo obtenido. Cuando se segmenta por beneficios se toma en cuenta que
aspectos favorables busca el consumidor al momento de adquirir un producto.
La posicin de los usuarios se refiere a segmentar entre personas no usuarios,
usuarios potenciales, usuarios por primera vez y usuarios regulares. El ndice de
utilizacin es la tasa de uso que se le da a un producto o servicio especifico, y se
puede expresar como usuarios mnimos, medianos y excesivos.
La forma mas comn en que se segmentan mercados consiste en combinar algunas
variables de segmentacin en lugar de depender de una base de segmentacin
(Schiffman, Lazar 2000), pues de esta manera se enriquecen las definiciones de los
segmentos en mira, logrando una mayor precisin en la descripcin de este. Figuran
entre estos:
Perfiles Psicogrficos-Demogrficos: Se trata de enfoques complementarios que

enriquecen la informacin del mercado objetivo, generando una mayor claridad
en torno a la caracterizacin del segmento. Comn es la combinacin de
pertenencia a una clase social y con datos demogrficos.
Segmentacin Geodemogrfica: Se fundamenta en la semejanza que tienen las

personas que viven cerca unas de otras en trminos de medios econmicos,
hbitos de consumo y estilo de vida.
2.1.5.4 Criterios de una segmentacin eficiente

El desafo al momento de segmentar es lograr que las variables en uso sean
identificables, lo que puede parecer obvio en este tipo de proceso, sin embargo una
variable como el estilo de vida es difcil de identificar y de observar, no as las variables
demogrficas. Un segmento objetivo atractivo para quien pretenda ingresar a competir
por el, debe contar con un nmero de personas suficientes que lo hagan rentable.
Adems es conveniente seleccionar segmentos estables que no tengan un alto grado de
movilidad, pues los esfuerzos de marketing se diluyen en productos y servicios con
32
ciclos de vida cortos. Otro factor de importancia es la accesibilidad del segmento de

manera
eficiente dado su impacto en trminos econmicos, en aspectos como la
publicidad y la distribucin.
2.1.5.6 Atractivo y competitividad

Los segmentos del mercado identificados representan una oportunidad econmica cuyo
atractivo debe ser medido. El atractivo de un producto-mercado se mide en trminos
cuantitativos a travs del concepto de mercado potencial y en trminos dinmicos por la
duracin de su vida econmica que se representa a travs del ciclo de vida.
El mercado potencial se divide en dos aspectos el actual y potencial absoluto. El
mercado potencial actual es el nivel de demanda en un determinado periodo de tiempo,
mientras que el potencial absoluto es el nivel mximo de demanda de un producto o
servicio 15.
Por su parte el modelo de ciclo de vida del producto (CVP) mide la importancia
econmica que representa un producto mercado. El atractivo es medido a travs de
modelos cuantitativos, complementndose con una evaluacin dinmica o la evolucin
de la demanda en el tiempo.
2.1.5.7 Eleccin de estrategias de desarrollo

Porter (1982) considera que existen tres grandes estrategias bsicas de desarrollo
posibles para una empresa frente a la competencia:
Liderazgo en Costos: Esta estrategia se apoya en la productividad. Los gastos

en ventas y publicidad son reducidos, pues el acento esta puesto en la obtencin
de un costo unitario bajo.
15
Bajo la hiptesis de que todos los usuarios potenciales son usuarios efectivos, y ello a la tasa de
consumo unitario ptima.
33
Diferenciacin: Esta estrategia tiene por objetivo dar al producto cualidades

distintivas importantes para el comprador y caractersticas que lo diferencien de
los competidores.
Estrategia del Especialista: El especialista se concentra en un grupo especfico

de consumidores, sin pretender dirigirse al mercado entero. Esta concentracin
en un segmento brinda niveles de atencin superior en comparacin con
empresas que abarcan mayores cuotas de mercado.
2.1.6 Marketing operativo

Booms y Bitner (1981)
reconocen la ampliacin de las cuatro p clsicas del
marketing, a 7 p en el caso de los servicios, a travs de lo que se acusa como una

sobre simplificacin de lo que realmente involucra la gestin del marketing.
Las p adicionales son:
Personas: Todas aquellas personas involucradas en el proceso de prestacin del

servicio.
Proceso: Procedimiento, mecanismo y flujo de actividades, a travs de las cuales

los servicios son consumidos.
Evidencia Fsica: Es el entorno en el cual se presta el servicio. Incluye los bienes

fsicos que ayudan a comunicar y realizar el servicio.
Estas variables en conjunto con el precio, producto, publicidad y la distribucin

conforman las variables relevantes en la gestin de marketing de servicios.
En el marketing de servicios y especficamente el financiero se designan productos
intangibles a tarjetas de crdito, prestamos, hipotecarios y seguros entre otros.
Una vez realizado el proceso que exige el marketing estratgico, en el cual se
determinan estrategias, atractividad y competitividad se procede a plasmar en un plan de
marketing operativo los resultados obtenidos.
34
2.1.6.1 Estrategias de posicionamiento

Una vez que se realiza la segmentacin del mercado referencia de acuerdo a los criterios
mas convenientes para cada organizacin, se procede a determinar e identificar cuales
son las posibles ventajas competitivas de la oferta que se realiza y que pudieran atraer a
un grupo considerable de compradores del segmento. Esto responde a la necesidad de
efectuar planteamientos que sean atractivos para el mercado, y a la vez realista para la
infraestructura y personal con que cuenta la empresa.
El consumidor buscar en los productos que adquiere, aquellos que proporcionen el
mayor valor por lo que paga. Este hecho es clave para determinar los atributos buscados
en el producto o servicio, por los diferentes segmentos objetivos seleccionados por la
empresa, y comprender sus necesidades y procesos de compra.
Las posibles ventajas competitivas pueden entregarle a una compaa diferencias a
nivel de producto, servicio entregado, personal, imagen de la empresa o marca, entre
otros.
Esta decisin es importante pues servir como directriz en el establecimiento del
programa de marketing. El posicionamiento define como la marca o empresa desea ser
percibida frente al mercado objetivo (previamente estudiado y segmentado), buscando
la obtencin de un lugar privilegiado y diferente al de la competencia.
35
2.1.6.2 Bases de un posicionamiento

La base del posicionamiento se refiere a aquellas caractersticas distintivas de un
producto o servicio, a travs de las cuales es posible generar un posicionamiento
sustentable.
La formacin de un posicionamiento se apoya en: cualidades distintivas del producto,
ventajas en la solucin aportada, oportunidad de utilizacin, orientar hacia una categora
de usuarios, en relacin a una marca competidora, entre otros. A continuacin se
describen algunos de estos:
Cualidades Distintivas del Producto: Consiste en centrar la atencin del cliente

en una caracterstica especifica del producto, que lo diferencie favorablemente
de la competencia.
Ventajas del Producto: El producto se asocia con ventajas que resultan de su

consumo o utilizacin, y que son favorables para el estilo de vida del usuario.
Oportunidad de Uso: Destaca la ocasin en que se le da uso al producto, como

algo deseable para el mercado meta. Esta ocasin puede referirse a un momento
del ao, celebraciones familiares, ocasiones laborales, dietas entre otros.
Categora de Usuario: Se identifican categoras de usuarios con caractersticas

comunes entre ellos, apuntando a factores psicolgicos de estos como imgenes
de xito, salud y belleza.
Posicionamiento en relacin a competidores: Esta opcin supone posicionar el

producto en relacin a su competencia, como una opcin de mayor calidad y de
mejor relacin precio/calidad para de esta manera obtener cuotas de mercado
pertenecientes al lder.
Categora de productos: Implica un posicionamiento en base a una clase distinta

de productos de los que actualmente, estn en el mercado.
36
2.1.6.3 Procedimiento de seleccin de un posicionamiento

Para proceder validamente a la seleccin de un posicionamiento, deben reunirse un
cierto nmero de condiciones previas16:
-
Conocimiento del posicionamiento que ocupa la marca en el grupo de

compradores al cual se aboca la empresa.
Conocer adems el posicionamiento que han obtenido las marcas

competidoras, en particular de aquellas que las que se compite
directamente.
Escoger un posicionamiento y seleccionar el argumento ms adecuado y

creble para justificar el posicionamiento adoptado.
Evaluar la rentabilidad potencial del posicionamiento seleccionado

desconfiando de falsos nichos o almenas inventadas por creativos
publicistas o identificados por un estudio cualitativo no validado por una
gran muestra.
Verificar si la marca detenta la personalidad requerida para conseguir y

mantener el posicionamiento buscado.
Medir la vulnerabilidad del posicionamiento buscado Se tienen los

recursos necesarios para ocupar y mantener la posicin buscada?
Asegurar una coherencia entre el posicionamiento escogido y las otras

variables del marketing operativo.
Lo principal de esta etapa es disponer de informacin precisa acerca del

posicionamiento escogido, y as evitar mayores dificultades en la
implementacin o modificacin de un programa de marketing.
16
Lambin, Jean-Jaques. Marketing Estratgico. Mc Graw-Hill. Tercera Edicin. Pg.220
37
2.2 Escalamiento multidimensional de las preferencias
2.2.1 Introduccin
El escalamiento multidimensional (EM), es una de las herramientas del anlisis
multivariado usadas para representar datos en una baja dimensionalidad facilitando la
interpretacin de grandes sets de datos, a travs de la configuracin de mapas. En la
presente seccin de este captulo se describirn los antecedentes del modelo,
definindolo conceptualmente y explicando de manera general su estructura algortmica.
En la ltima seccin, se describe el EM de las preferencias, tcnica mediante la cual se
interrelacionan preferencias y atributos relevantes, en un esfuerzo por entender de qu
manera eligen los consumidores diferentes productos, y cual es el orden de preferencias
de estos. Tambin se incluye una descripcin de cmo se complementa este modelo con
otras tcnicas del anlisis multivariado.
Esto es de gran importancia para los equipos de Marketing los cuales pueden, recabar
informacin acerca de la efectividad de su gestin (o de la competencia) en trminos del
producto comercializado, posibilitando reforzar o modificar ciertos aspectos de la
gestin comercial, como tambin de la investigacin y desarrollo de productos.
38
2.2.2 Antecedentes
El escalamiento multidimensional tiene su origen en la investigacin de Torgeson
(1952), a travs de la propuesta de un escalamiento mtrico, en el cual fue capaz de
representar grupos de datos mtricos, en un espacio euclidiano de menor
dimensionalidad. Un ejemplo prctico de este modelo, es la capacidad de configurar un
mapa de las ciudades de un pas en un plano bidimensional, solamente a travs de las
distancias de estas entre si, con una alta precisin respecto del plano original.
Sin embargo, el gran aporte para las ciencias sociales se produce con la introduccin del
escalamiento multidimensional no mtrico. Shepard (1962) desarrolla un modelo en el
cual se representan percepciones llamadas (dis)similitudes mediante la transformacin
de estas en distancias euclidianas, Kruskal (1964) por su parte le entrega al modelo una
mayor robustez matemtica y estadstica, con la generacin de la medida de Stress
(Ajuste del modelo), que permite una reduccin drstica de la varianza no explicada por
el modelo.
El siguiente avance es el escalamiento de las diferencias individuales, en el cual se
representa en un plano bidimensional a cada uno de los sujetos participan en la
investigacin, pudiendo determinar con cual de las dimensiones se relacionan en mayor
o menor medida, en este sentido Tucker & Messick (1963), en conjunto con Bloxom
(1968) entregan los fundamentos de este modelo conocido como INDSCAL en los
paquetes computacionales, el cual fue desarrollado y programado por Carrol & Chang
(1970).
Hoy en da la investigacin y desarrollo en materia de escalamiento multidimensional,
ha permitido generar programas computacionales de alta potencia que combinan
diferentes entradas de datos, modelos y transformaciones como ALSCAL y
PROXSCAL.
39
2.2.3 Concepto
El escalamiento multidimensional (EMD), es conformado por una serie de
procedimientos para capturar las percepciones y preferencias, a travs de
representaciones geomtricas conocidas como mapas espaciales.
Los ejes representan las dimensiones subyacentes con las que los encuestados forman
su percepcin y preferencias sobre un producto, marca o servicio entre otros muchos
aspectos posibles de medir. Estas dimensiones son posibles de obtener a travs del
anlisis factorial.
Su usos principales permiten por una parte para determinar el numero y la naturaleza de
las dimensiones que utilizan los consumidores para evaluar las distintas marcas en un
mercado, y tambin medir el posicionamiento de estas, estableciendo cual sera una
marca ideal para los consumidores, informacin relevante para la toma de decisiones de
marketing.
Malhotra (1997) clasifica los diferentes usos del EMD:
- Medicin de la imagen: Se puede comparar la imagen que tiene la empresa tanto
con clientes y no clientes, contrastando con la imagen que tiene la empresa de si
misma. De esta manera se podra determinar que tan adecuado es el enfoque con el
que se atiende a los clientes, y si es necesario realizar cambios que posicionen de
mejor manera a la empresa.
- Segmentacin del mercado: Tanto consumidores como marcas se pueden agrupar
en segmentos o grupos homogneos.
- Desarrollo de nuevos productos: Las distancias en este tipo de mapas permiten
determinar el xito potencial que tendra un nuevo producto, comparndolo con
productos ya existentes.
40
- Efectividad publicitaria: Los mapas preceptales son un instrumento de medicin

que permitir determinar si el posicionamiento buscado por la publicidad fue
efectivamente logrado.
- Precios: Se puede determinar el impacto del los precios en el posicionamiento de
una marca.
- Distribucin: Mediante esta tcnica se puede determinar en que tipo de tiendas se
produce una mayor concordancia entre el distribuidor y el producto, siendo til para
determinar cual es el canal de distribucin mas adecuado.
2.2.4 Modelo de Escalamiento Multidimensional

El escalamiento multidimensional es parte de una familia de modelos a travs de los
cuales la informacin contenida en sets de datos es representada como un grupo de
puntos en el espacio. Es importante tomar atencin a tres aspectos bsicos al usar el
EMD; los datos, el modelo en si, y la transformacin. Kruskal (1968) explica cada uno
de estos aspectos:
- Datos: Entregan una relacin emprica de cmo los objetos o estmulos se
relacionan entre si. En el EMD no mtrico los datos toman la forma de una matriz
rectangular, de dos dimensiones, cuyas entradas indican que tan similares o
disimilares son cualquiera de los pares de puntos17. Por convencin la entrada de
una fila i y una columna j se denomina
y el objeto j.
, entregando la distancia entre el objeto i
Como la matriz es simtrica (
) solamente se presenta el
triangulo inferior, ignorndose la diagonal y el triangulo superior.

- Modelo: Aunque pueden ser usadas, muchos tipos de distancia para medir la
(dis)similitud lo mas frecuente es usar el modelo de distancia Euclidiana. Cabe
recalcar que para un escalamiento no-mtrico los datos
se asumen como si
fueran distancias; no las distancias exactas sino estimaciones de estas. La solucin
17
A este tipo de datos se los denomina en ingles como SS2W (square simmetric 2 way)
41
del modelo, conocida como configuracin final consiste en la organizacin de

puntos en una baja dimensionalidad, de manera tal que la distancia entre los puntos
iguale a la (dis)similitud entre los objetos de la manera mas precisa posible.
-Transformacin: El EMD no mtrico asume como uno de los datos ms
importantes el ranking de las entradas
de la matriz original, pues a partir de esta
ordenacin se transforman cada uno de los datos
en distancias d (i, j) las cuales
respetan el orden original de la manera mas precisa posible. En este sentido la

funcin de transformacin debe ser monotnica18 y lograr una solucin que
conserve el orden de la configuracin original de los datos, y de reducida
dimensionalidad.
El EMD se realiza a travs de tres etapas generando inicialmente una configuracin
original que representa una primera tentativa de cmo debera ser la solucin, luego se
testea el ajuste de los datos originales v/s la configuracin en que se realiz la
transformacin, y finalmente si el ajuste es deficiente se mejora la configuracin para
testearla nuevamente mientras que si el ajuste es bueno se detiene el proceso. Este
procedimiento es el que se realiza en los programas computacionales de escalamiento
no mtrico. La figura 8, presenta el algoritmo del EMD de una manera ms detallada.
18
Un incremento monotnico es aquel que no decrece nunca, por lo tanto una transformacin
monotnica mantiene y preserva el orden original.
42
Inicio
Configuracin
Inicial (i)
Normalizacin de la
Configuracin (ii)
Cambio de
configuracin (viii)
Clculo de las
distancias (iii)
Clculo del factor de correccin
Ajuste de
Disparidades (iv)
Algoritmo de Kruskal:
determinacin de la gradiente. (vii)
Clculo del Stress (v)
Solucin final,
configuracin
definitiva. Fin
Si
Es el Stress
suficientemente bajo? (vi)
No
Figura 8. Sntesis del proceso Iterativo de EMD. Fuente: Coxon, Anthony. Users guide to EMD. 1982
London. Heinemann Educational Books.
El algoritmo contempla la realizacin de diferentes etapas, para completar, el proceso de

EMD:
i)
Configuracin inicial: La creacin de una configuracin inicial debe ser una

buena estimacin de la solucin final para as reducir el nmero de
iteraciones y reducir la probabilidad de terminar con una solucin en la que
el ajuste del modelo es sub ptimo.
ii)
Normalizacin de la configuracin: Con esto se logra que la configuracin

tenga una dispersin constante.
43
iii)
Clculo de las distancias: Cada vez que se cambia la configuracin se calcula

un nuevo grupo de distancias, de acuerdo a la medida Euclidiana.
iv)
Ajuste de disparidades: Se compara la solucin (distancias en la

configuracin respectiva) con los datos originales, a travs de disparidades
que al igual que los datos son de orden monotnico.
v)
Calculo del Stress: El stress se refiere al grado de ajuste de los datos con las
distancias obtenidas de las diferentes configuraciones que se generan en este
proceso. El indicador ms usado es el Stress de Kruskal :
Donde:
-
corresponde a la distancia de entrada entre el objeto i y el objeto j.

corresponde a la distancia calculada a partir de las coordenadas
obtenidas segn el procedimiento de EMD.

- m corresponde al nmero total de individuos.
vi)
Es el stress suficientemente bajo?: Existen diferentes criterios que dan

trmino a este proceso, siendo el ms importante que el valor del stress sea
igual a cero, tambin que el valor sea aceptablemente cercano a cero, o que
la reduccin del stress entre iteraciones sea marginal.
vii)
Clculo del Factor de correccin: Este factor indica la medida de mejora

en la reduccin del stress. Lo importante para el lector ms que las formulas
44
de correccin, es el hecho de que en las primeras iteraciones se producen las

ms
altas
mejoras
de
la
configuracin,
reduciendo
el
stress
significativamente, mientras que en las iteraciones finales la correccin es

mnima.
viii)
Cambio de configuracin: Cuando todos los factores de correccin han sido

calculados y el stress es minimizado se reconfigura de acuerdo a la formula
de correccin general, y cada punto se mueve en una mayor conformidad
con los datos. De esta manera, el ciclo iterativo es completado.
La configuracin final, en la mayora de los modelos de EMD, es rotada antes de

acuerdo a los componentes principales de los datos antes de generar los resultados. Esto
no afecta en nada a la configuracin respectiva, solamente entrega ejes de referencia que
facilitan la interpretacin de los datos.
45
2.2.5 Consideraciones en la realizacin de escalas multidimensionales

En general la formulacin del problema tiene una gran relevancia al tratarse del primer
paso para realizar un EMD, en este sentido la recopilacin de los datos de entrada es
clave pues vara segn el tipo de escalamiento a realizar. Tambin se debe especificar
cuales y cuantas son las marcas y estmulos que incluir el anlisis.
Los datos a obtener son de percepciones o de preferencias. Los datos de las
percepciones son los primeros en estudiarse, en este sentido estos pueden ser obtenidos
de manera directa o indirecta.
- Obtencin de datos directa: Bajo este tipo de recopilacin se determina que tan
similares son determinadas marcas o estmulos a travs de juicios propios. Esto
puede realizarse a travs de encuestas de escalas Likert o clasificando pares desde el
mayor parecido al menor. Tambin es posible tomar cada una de las marcas de
referencia y realizar una clasificacin en trminos de similitud. De esta manera no
se requiere identificar a priori un conjunto de atributos significativos, pues la
similitud es realizada de acuerdo al criterio de cada entrevistado.
- Obtencin de datos Derivadas: Esta forma de obtencin difiere de la directa al
utilizar datos provenientes de los atributos identificados en etapas previas de la
investigacin, o provenientes de fuentes secundarias. Su ventaja es que permite
agrupar a los entrevistados con percepciones homogneas, de manera relativamente
sencilla.
46
2.2.6 Seleccin de escalas de Medicin

Las escalas de medicin al momento de realizar un EMD, son un factor determinante,
pues la naturaleza de los datos de entrada afecta el resultado obtenido. En el caso de un
EMD no mtrico los datos son ordinales, pero entregan un resultado mtrico dado que
las distancias en el mapa espacial se suponen que se encuentran en una escala de
intervalo.
Las EMD mtricas requieren de datos de entrada mtricos, y as se asegura un resultado
mtrico que tiene una relacin muy fuerte entre este y los datos de entrada.
2.2.7 Nmero de Dimensiones

La idea de un procedimiento de representacin multidimensional es graficar una
situacin en un momento determinado, en la menor cantidad de dimensiones posibles.
El ajuste o stress de estos mapas, se calcula de manera que este mejore a medida que el
nmero de dimensiones aumenta. La medida de ajuste se conoce como nfasis el cual
representa la carencia de este a travs de valores altos.
El Criterio de Recodo, es una forma de medir el ajuste del EMD, para determinar el
nmero de dimensiones, formando un trazo del nfasis en comparacin con las
dimensiones. Esto se representa grficamente a travs del diagrama de Shepard como se
observa en la figura 2, en el cual el eje horizontal representa el nmero de dimensiones,
mientras que el eje vertical el nivel de stress.
47
Figura 9. Diagrama de Shepard
En la figura 9, se observan cuatro diferentes transformaciones, en diferentes sets de

datos que realiza el modelo de EMD. A primera vista se concluye que no en todos los
sets son posibles de ser representados en una baja dimensionalidad, pues solamente los
sets 3 y 4 reducen su stress (grado de ajuste del modelo) cuando su dimensionalidad es
menor a tres, mientras que para los sets 1 y 2 el ajuste del modelo se produce cuando la
dimensionalidad es muy alta, lo que dificulta la interpretacin de la configuracin
resultante. Al doblez que se produce en el diagrama de Shepard, en el que el stress del
modelo se reduce drsticamente se le denomina el criterio de recodo.
48
2.2.8 Designacin de las dimensiones

Esta etapa del procedimiento requiere del juicio subjetivo del investigador para realizar
una interpretacin adecuada del significado de la dimensiones.
El uso de mtodos estadsticos como la regresin permite ajustar los puntos de atributos
en el mapa espacial obtenindose vectores, los que pueden ayudar a designar a las
dimensiones al comparar el grado de alineacin entre ambos.
Los entrevistados tambin juegan tambin un papel importante en la designacin de las
dimensiones pudiendo recurrir a indagar acerca de los criterios usados para realizar sus
evaluaciones, adems mediante la presentacin de los mapas espaciales
se puede
solicitar la revisin de las configuraciones y posterior designacin de estas.
2.2.9 Confiabilidad y Validez

Los resultados obtenidos en un EMD, dependen de la variabilidad aleatoria de los datos
de origen. De esta manera es necesario revisar la confiabilidad y validez de las
soluciones del EMD. Algunas formas de llevar a cabo esta revisin son:
- ndice de Ajuste R cuadrado: Indica que tan bien se ajustan los datos de
entrada al modelo. Es una medida de ajuste.
- nfasis: Es una medida de inadecuacin del ajuste, de la proporcin de la
varianza de los datos que no es tomada en cuenta en el modelo de EMD.
49
2.2.10 Escalas de Datos de las preferencias

Las preferencias son importantes de analizar pues a travs del estudio de las
percepciones, se puede determinar similitud en trminos de atributos pero no
necesariamente en trminos de preferencias. Dos ciudades podran poseer atributos
similares y ser percibidas as tambin, pero la preferencia por una u otra podra resultar
diferente.
Por esta razn se realiza el anlisis de preferencias como parte del EMD, a travs de
dos tipos de anlisis de datos internos o externos. Cuando se realiza un anlisis de
preferencias a travs de datos internos se configura un mapa que se deriva solo a travs
de los datos de las preferencias, mientras que el anlisis externo se apoya adems en la
informacin obtenida de las percepciones y aplicada a un mapa espacial.
Las percepciones por alguna marca o producto, en un anlisis de preferencias externo
estn representadas por los puntos del mapa generados a travs del escalamiento,
mientras que las preferencias de un individuo o grupo de individuos, se representan
mediante vectores en el plano. De esta manera la cercana de un vector de preferencia
hacia un punto, indica una alta correlacin entre ambos.
50
2.2.11 Modelo Vectorial de Escalamiento externo de las preferencias

El modelo vectorial de escalamiento externo de las preferencias permite relacionar las
preferencias mostradas por grupos de consumidores con caractersticas de los productos
(fsicas, qumicas, sensoriales u econmicas) traducidas en percepciones. Esta
aproximacin al EMD permite contar con una base de trabajo para los equipos de
marketing y de desarrollo de productos en la adaptacin o creacin de productos que
concuerden con las expectativas de los consumidores. El modelo vectorial requiere de
dos tipos de entrada:
-
Preferencias de consumidores: Expresin de favoritismo por los diferentes

objetos en anlisis, a travs de escalas de preferencia.
Percepciones de objetos en estudio: Los consumidores expresan la percepcin

que tienen de los objetos en estudio, de acuerdo a atributos relevantes, o
caractersticas descriptoras de estos.
Es importante mencionar estas dos fuentes de informacin del modelo, pues lo

diferencian del anlisis interno de las preferencias el cual solo requiere de las
preferencias de los encuestados. Matemticamente el modelo en su versin vectorial19,
es el siguiente:
i
Ylj = ali X ij + cl
i =1
Donde:
Ylj :
Preferencias de un sujeto j, o grupo de sujetos de una variable de percepcin o
descriptora l.
ali :
19
Posicin del vector, en la i-sima dimensin, de la variable descriptora l.
Existe otras versiones del modelo como la cuadrtica y cbica.
51
X ij :
Posicin del sujeto j en la dimensin i, obtenida de la solucin del escalamiento
de las percepciones.
cl :
Constante del modelo.
Este modelo permite como se muestra en la figura 3, representar los vectores de

preferencias de los grupos de consumidores en el mapa generado a partir de las
percepciones de los atributos de los objetos de estudio (de los mismos consumidores).
El tamao de los vectores se relaciona con el coeficiente de correlacin R 2 , mientras
mayor sea este indicador mayor ser el tamao del vector en el mapa, y por supuesto
mejor ser el ajuste de los datos. La preferencia del(los) consumidor(es), se incrementa
mientras menos distancia exista entre la punta del vector y los objetos. Por el contrario
un vector pequeo, indica una considerable dispersin de los datos, siendo su
interpretacin riesgosa.
Figura 10. Escalamiento Externo de las preferencias
Como se observa en la figura 10, el modelo
nos entrega una salida grfica de
preferencias (Vectores) y objetos (Puntos), adems de un ranking de preferencias para

cada grupo en estudio, el cual permite determinar cuales son los objetos mejor
52
posicionados en la mente de los diferentes individuos o grupos de individuos, segn la

cercana de los diferentes puntos a la punta de los vectores. Como ya se mencion un
R 2 , bajo implica que el modelo vectorial no se ajusta bien a los datos en anlisis, y en la
grfica observamos que solamente los vectores de los grupos 1,3y 6 son lo
suficientemente largos para interpretarlos correctamente.
2.2.12 Complementos del anlisis externo de las preferencias

Cuando se realiza un anlisis externo de las preferencias, se debe tomar en cuenta que el
modelo puede ser complementado a travs del uso de otras tcnicas estadsticas en su
confeccin, como se demostrar en la aplicacin prctica de esta gua de estudio.
En efecto, una de las entradas necesarias del modelo son los puntajes factoriales de las
percepciones de los encuestados en relacin a los objetos en estudio (a travs de factores
relevantes); esto es posible de obtener a travs de diferentes mtodos que tienen una raz
comn: el anlisis de los componentes principales (Principal Component Analysis,
PCA). Por lo tanto la obtencin de estos factores se puede realizar a travs del EMD,
Anlisis de Correspondencias, Anlisis Factorial o aplicando directamente un PCA.
Otra consideracin respecto de: las preferencias sobre los objetos en estudio, es la
eficiencia en la aplicacin de un anlisis de cluster al grupo de encuestados,
reducindolo a un nmero de grupos designado por el investigador con caractersticas
comunes en trminos de preferencias.
Si se grafican los resultados obtenidos del PCA, tanto de objetos como atributos es
posible luego visualizar, la relacin que existe entre la preferencia de ciertos grupos y
los atributos que tienen una mayor significancia en la eleccin de los objetos20. De esta
manera es posible no solo obtener el orden de preferencia que tendrn los grupos que se
incluyen en el anlisis, sino tambin cuales son los atributos ms importantes en su
eleccin.
20
Los datos de entrada del PCA y EMD deben ser estandarizados para posibilitar la comparacin entre
mapas cuyos ejes sean iguales.
53
2.3 Anlisis de Cluster
2.3.1 Introduccin
El anlisis de cluster (conglomerados), es una de las herramientas del anlisis
multivariado, que permite agrupar diferentes objetos, sintetizndolos en grupos que
poseen atributos similares entre si pero diferentes entre ellos. Esto permite estructurar la
informacin facilitando el entendimiento de ella.
En este captulo se describirn los antecedentes del modelo, definindolo
conceptualmente. Tambin se describirn los diferentes modelos de seleccin de
conglomerados, en conjunto con consideraciones tcnicas como la medida de distancia,
el nmero e interpretacin de los grupos obtenidos, y la determinacin de la validez y
confianza de los resultados.
2.3.2 Antecedentes
El Anlisis Cluster, tambin conocido como Anlisis de Conglomerados, Taxonoma
Numrica o Reconocimiento de Patrones, al igual que el anlisis factorial pertenece a la
familia de las tcnicas estadsticas multivariantes.
El termino anlisis de Cluster fue usado por primera vez por Tyron (1939), quien
describi una serie de algoritmos de clasificacin para objetos similares en sus
respectivas categoras. Su uso en la actualidad es amplio, abarcando diferentes reas
como son la biologa, gentica, medicina, psicologa, matemtica, investigacin de
mercados, data mining, entre otros.
54
2.3.3 Concepto
El anlisis de cluster responde a la necesidad de organizar datos observados en
estructuras que tengan sentido para el investigador. Estos objetos tienden a ser similares
entre si y diferentes a los objetos en otros grupos, los cuales se denominan
conglomerados.
Este tipo de anlisis se ocupa de la clasificacin y no existe informacin anterior que
sugiera la participacin de un objeto en algn conglomerado en particular, pues los
datos sugieren los grupos. Punj y Steward (1983)
sealan que en el campo del
marketing, el anlisis de cluster se utiliza para diversos propsitos entre los cuales se
encuentran:
Segmentacin de Mercado: Los consumidores se pueden agrupar en base a los

beneficios que buscan en la compra de un producto. Estos beneficios deben ser
relativamente homogneos, lo que se conoce como segmentacin por beneficios.
Comprensin del comportamiento del consumidor: En la bsqueda de entender

el proceso de compra de los consumidores, se los puede agrupar segn la
importancia que se les da a los factores que influyen en el criterio de adquisicin
de bienes, o las preferencias que se tienen sobre algunas marcas por sobre otras.
Introduccin de nuevos productos: La agrupacin de marcas y productos,

permite identificar conglomerados que tengan una intensidad competitiva mayor
que la de otros ante la gran acumulacin de objetos en el. De esta manera una
empresa puede analizar sus ofertas en comparacin con la competencia a fin de
identificar oportunidades potenciales de nuevos productos.
Seleccin de mercados de prueba: Al dividir las ciudades en grupos

homogneos, es posible seleccionar ciudades comparables a fin de testear
diferentes estrategias de marketing.
55
Reduccin de datos: El anlisis de Cluster puede ser usado en la reduccin

general de datos a fin de desarrollar subgrupos de datos que sean ms fciles de
manejar que las observaciones individuales.
A continuacin se presentan ejemplos de cada uno de estos propsitos, en el

siguiente cuadro:
Segmentacin de Mercados
Comprensin del comportamiento del

consumidor
Introduccin de nuevos productos
Agrupar consumidores segn atributos relevantes en

la adquisicin de un bien o servicio como son el
precio, cantidad, envase, sabor, atencin, servicio
tcnico, etc. Tambin se puede complementar el
anlisis con datos demogrficos.
En estos casos, se agrupa para determinar cual es el

comportamiento
del
consumidor,
ante
un
determinado producto. Por ejemplo, agrupar segn
atributos a un cierto nmero de consumidores en
relacin a una marca especfica, o bien en torno a
preferencias frente a varias marcas.
Cuando se desea introducir un producto al mercado,
se realiza un anlisis de cluster para agrupar
productos o marcas, segn variables como por
ejemplo: La participacin de mercado, precio y
calidad. De esta manera, se determinan
conglomerados con una mayor intensidad
competitiva, o menor segn la cantidad y tipo de
productos, empresas o marcas en cada cluster.
Seleccin de Mercados de Prueba
Cuando en un pas se desean determinar distintos

mercados de prueba, se pueden agrupar diferentes
ciudades para determinar mercados de prueba. Un
ejemplo sera determinar un grupo de ciudades con
caractersticas similares a la cual se desea introducir
un producto, que tengan un tamao menor.
Reduccin de Datos
La agrupacin de por si, permite reducir el tamao de

los datos. Por ejemplo de 100 encuestados se pueden
formar 4 grupos.
Tabla 3. Ejemplos de aplicaciones del anlisis de cluster
56
2.3.4 Modelos de seleccin de conglomerados

Dentro de los mtodos de clasificacin de conglomerados se encuentran aquellos de tipo
jerrquico y no jerrquico. Malhotra (1997) en la figura 11 propone el desglose de los
modelos de seleccin de conglomerados.
Procedimientos de Agrupacin
Jerrquico
Aglomeracin
No Jerrquico
Divisin
Umbral
Secuencial
Mtodos de
enlace
Mtodos de
varianza
Umbral
paralelo
Divisin para
optimizacin
Mtodos
centroides
Mtodo de
Ward
Enlace sencillo
Enlace
completo
Enlace
promedio
Figura 11. Clasificacin de los procedimientos de cluster.

Fuente: Malhotra, Naresh. Investigacin de Mercados. 1997. Prentice-Hall Segunda Edicin.
Los mtodos jerrquicos se caracterizan por formar una estructura ordenada en forma de
rbol. Estos mtodos pueden realizarse de dos formas:
57
Aglomeracin: Cada objeto se separa como un grupo, y se forman

conglomerados en la medida en que se agrupan estos objetos y se reduce la
cantidad de conjuntos. Esto se repite hasta que se forma solo un grupo, como
muestra la figura 12.
A
A, B, C
B
C
B, C
A, B, C, D, E, F
D
E
D, E
F, D, E
F
Figura 12. Mtodo de agrupacin por aglomeracin.
Divisin: Todos los objetos se consideran un solo conjunto, el que se divide

hasta que cada objeto es un grupo por si mismo, como muestra la figura 13.
A, B
A
B
A, B, C, D
C
C, D
Figura 13. Mtodo de agrupacin por divisin.
Dentro de los mtodos de aglomeracin se ubican los mtodos de enlace que agrupan
los objetos de acuerdo a la distancia entre ellos. Entre estos se encuentran el enlace
sencillo, completo y el promedio. El enlace sencillo toma como procedimiento la
formacin de conglomerados de acuerdo a la distancia mas corta que exista entre los
58
objetos, luego se calcula la siguiente distancia mas corta y se determina la formacin de

un nuevo conglomerado o se suma el objeto al conglomerado existente, y as
sucesivamente hasta generar un solo conglomerado. El enlace completo funciona de
manera similar al enlace sencillo solo que los conglomerados se forman en base a la
distancia mxima. En el caso del enlace promedio se procede a promediar la distancia
que existe entre todos los pares de objetos.
Tambin dentro de los mtodos de aglomeracin se incluyen los mtodos de varianza y
los mtodos centroides. Los mtodos de varianza cumplen la funcin de conformar
grupos en los que la varianza dentro de estos se reduce, Ward (1963) desarrolla un
mtodo usado frecuentemente que busca reducir la suma de las distancias cuadradas
euclidianas de los conglomerados a travs de cada etapa, llamado el mtodo centroide.
En este se establece que la distancia entre dos grupos es la distancia entre sus centroides
o media para todas sus variables.
Respecto de los mtodos no jerrquicos, tambin conocidos por su nombre K means, se
puede mencionar que usan la distancia Euclidiana para establecer los grupos o clusters,
en base a centros de grupos predeterminados. Cada iteracin se realiza al encontrar al
caso ms cercano a la media de estos centroides predeterminados (cuyo trmino es
determinado por un valor determinado de corte), en base a un nmero de grupos K
que determina el investigador, los que incluyen los siguientes procedimientos de
aglomeracin:
Umbral secuencial: Mtodo en que se selecciona un centro de grupo y se

agrupan los objetos de acuerdo a un valor especifico, determinado previamente a
partir del centro.
Umbral paralelo: Mtodo en que se seleccionan varios centros de grupo

paralelamente, y los objetos dentro del umbral se agrupan con el centro ms
prximo.
Divisin para optimizacin: Mtodo de agrupacin que permite la reasignacin

posterior de los objetos a los grupos, para lograr mejorar un criterio general para
estos fines.
59
2.3.5 Medidas de distancia

El anlisis de cluster tiene como objetivo agrupar objetos similares, por lo que se debe
seleccionar la medida de distancia con la que se
juntaran estos, de acuerdo a lo
establecido por el investigador.

Uno de los mtodos de similitud mas usados es el de la distancia entre dos objetos, el
cual sugiere que mientras mayor cercana entre ellos mayor similitud, y por el contrario
a menor distancia entre si menor es el parecido. Existen diversas medidas de distancias,
entre las cuales se encuentran:
Distancia Euclidiana: Probablemente una de las distancias mas usadas, es

simplemente la distancia geomtrica en el espacio multidimensional. Su formula
es:
( x , y ) = ( x i y i ) 2
i
1
2
Distancia Euclidiana Cuadrada: La distancia Euclidiana estndar se puede

ajustar con el
fin de entregar una ponderacin progresivamente mayor en
objetos que se encuentren mas separados unos de otros. Su formula es:
( x, y ) = ( xi yi ) 2
i
Distancia Manhattan (City Block): Esta distancia es la diferencia promedio entre

dimensiones. En la mayora de los casos entrega distancias similares a la
Euclidiana, pero se debe notar que el efecto de las grandes distancias se atena
al no estar elevadas al cuadrado. Su formula es:
( x, y ) = xi yi
i
60
Distancia Chebychev: Esta medida de distancia es mximo de la distancia que se

produce entre la diferencia de los vectores X e Y, en el caso de que esto ocurra
en alguna de las dos dimensiones. Esta medida es muy sensible a puntos
extremos (outliers). Su formula es:
( x, y) = Max xi yi
Power Distance: Se la define como distancia de poder y se la usa en

circunstancias en las que se desea aumentar o reducir la ponderacin progresiva,
otorgada a cada objeto.
( x, y ) = ( xi yi )
p
1
r
Donde p y r son parmetros definidos por el investigador. El parmetro p

controla la ponderacin progresiva de las diferencias entre dimensiones,
mientras que el parmetro r es usado en la ponderacin progresiva de las
diferencias dimensinales de mayor tamao. Cabe mencionar que si p y r
equivalen a 2 entonces la distancia es igual a la Euclidiana.
Para facilitar la comprensin, de las diferencias entre el uso de las diferentes medidas de
distancia, en la figura 14 se presenta en un plano bidimensional (X como eje horizontal
e Y en el vertical) 4 puntos A, B, C y D los cuales sern medidos bajo las cinco
frmulas anteriores.
61
6
4
2, 4
6, 3
2
5, 1
0
-10
-5
-2
10
-4
-6
-8
-7, -9
-10
Figura 14. Plano bidimidensional de puntos
Donde:
A=(2,4)
B=(-7,-9)
Distancia Euclidiana
Distancia Euclidiana Cuadrada
Manhattan
Chevichev
Power Distance (p=3;r=2)
C=(6,3)
D=(5,1)
Distancia
A-B
Distancia
C-D
15,81
250
21
13
96,23
2,24
5
3
2
5,19
Como se aprecia en la figura 14, la distancia entre X1 e Y1 es mayor que la que existe
entre X2 e Y2, lo que se demuestra en las cinco formas diferentes de medir la distancia,
las cuales magnifican en mayor o menor medida las separaciones entre puntos. El caso
de magnificacin mas extremo sera la distancia Euclidiana cuadrada y la Power
Distance, puesto que la versatilidad de esta ltima puede maximizar mas an esta
diferencia (incrementando el parmetro p). La distancia Euclidiana clsica y la
Manhattan presentan distancias similares en este caso. La distancia Chevichev es
aquella mayor diferencia en los vectores X e Y, que para el caso de la distancia entre AB se produce en el vector Y, al igual que en la distancia que existe entre C-D.
Tambin es posible medir la similitud que existe entre dos objetos, entendindose que
casos parecidos comparten una alta aproximacin y que lo que se pretende medir es que
tan semejantes son entre si. Para esto se usan mtodos de:
62
Correlacin: Esta relacin puede ser usada como mtodo de distancia entre dos
objetos. Al transponer la matriz normal, en la que las columnas representan los
atributos y las filas los casos o personas, se puede calcular la correlacin entre
casos, datos que luego alimentarn una matriz de similitudes, a partir de la cual
se aplica el anlisis de cluster.
Comparacin binaria: Es otro tipo de medida de similitud, donde el nmero 1

indica una coincidencia entre pares de objetos, mientras que el nmero 0 indica
que no existe tal coincidencia. Generalmente existen mltiples coincidencias de
atributos (columnas), siendo el puntaje de similitud el nmero de coincidencias
dividido por el nmero de atributos procesados.
La unidad de medida tiene especial importancia en el anlisis de cluster pues, si las

variables se miden en unidades muy diferentes, afectar la forma en que se agrupan los
objetos. Una solucin es la estandarizacin, con una media cero y desviacin estndar
igual a uno eliminando la influencia de la unidad de medida. Sin embargo podra reducir
las diferencias entre los grupos en las variables que pueden discriminar mejor los
clusters.
La eleccin de una medida de distancia afecta el resultado de la agrupacin de este
procedimiento por lo que se deben comparar los diferentes resultados antes de continuar
con los procedimientos subsecuentes.
63
2.3.6 Decisin del nmero de grupos

No existe ninguna regla establecida en este sentido, sin embargo se pueden considerar
los siguientes aspectos:
En el caso de conglomerados jerrquicos las mismas distancias obtenidas pueden

ser criterios para generar un cierto nmero de grupos.
Para el caso del anlisis cluster no jerrquico, se puede trazar un grfico que
compare el nmero de grupos con la relacin entre la varianza total de los
grupos y la varianza entre los grupos. El punto del grfico donde se presente un
doblez marcado indicar el nmero apropiado de grupos.
Tambin se deben tener presente consideraciones de tipo prctico que sugiera un cierto
nmero de grupos, o bien investigaciones anteriores que sealen una cierta cantidad de
conglomerados.
En general, el investigador obtiene la informacin para tomar la decisin del nmero de
grupos a partir de:
Medias y Varianzas: Tablas que resumen las medias y varianzas de cada uno de
los clusters, y muestran la diferencia entre estos respecto de las variables
originales.
Pertenencia de Grupos: Este tipo de tabla de resumen muestra los casos como
filas y las columnas como un nmero alternativo de clusters en la solucin,
mientras que cada celda muestra la pertenencia de un caso a un grupo especifico.
Dendograma o diagrama de rbol (tree diagrams): Este tipo de diagrama es

usado para representar los resultados del anlisis. El rbol es representado
horizontalmente y tambin verticalmente, en donde cada fila es un caso
indicando el grado de similaridad o disimilaridad entre casos.
64
2.3.7 Interpretacin y perfil de los grupos

La interpretacin y el perfil de los grupos comprenden el anlisis de los centroides de
grupo, que representan los valores medios de los objetos que contiene en conjunto cada
una de las variables y nos permiten describir cada grupo al asignarle un nombre.
El objetivo de esta etapa es, esencialmente, examinar la variacin de los clusters para
asignar etiquetas que describan su naturaleza de forma clara. Para elaborar el perfil de
los grupos, se deben considerar de las variables utilizadas en las encuestas como los
datos demogrficos, los psicogrficos, uso del producto, uso de los medios u otras
variables.
El perfil de los grupos, no es ms que la descripcin de las caractersticas de cada
cluster para explicar como podran inferir en dimensiones relevantes. Para conseguir
esto, se recurre normalmente al empleo del Anlisis Discriminante o a algn otro
estadstico apropiado.
En resumen, el anlisis de perfiles se enfoca a describir no a lo que determinan
directamente los clusters sino (una vez se han determinado los distintos grupos) a sus
caractersticas propias. Por ello, se hace especial nfasis en las caractersticas que
definen los grupos y en la capacidad de los miembros de cada conglomerado para
predecir una actitud particular del cluster en cuestin.
2.3.8 Determinacin de confiabilidad y validez

La validacin intenta asegurar que los clusters obtenidos sean representativos de la
poblacin original y que sean generalizables a otros objetos y estables a lo largo del
tiempo.
Los siguientes procedimientos ofrecen revisiones adecuadas de la calidad de los
resultados de la agrupacin:
65
Realizar el AC con los mismos datos y utilizar distintas medidas de distancia.

Comparar los resultados con todas las medidas a fin de determinar la estabilidad
de las soluciones.
Utilizar diversos mtodos de conglomerado y comparar los resultados.
Dividir los datos a la mitad de forma aleatoria. Realizar el AC por separado en

cada mitad (submuestra). Comparar las soluciones de los dos anlisis y evaluar
la correspondencia de los resultados o bien comparar los centroides de grupo de
las dos submuestras.
Eliminar las variables de forma aleatoria. Realizar la agrupacin basndose en el

conjunto reducido de variables. Comparar los resultados basados en el conjunto
completo con los que se obtuvieron al realizar el conglomerado.
En el conglomerado no jerrquico la solucin puede depender del orden de los

casos en el conjunto de datos. Para estudiar esto, es recomendable llevar a cabo
corridas mltiples y utilizar distintos rdenes de los casos hasta estabilizar la
solucin.
66
2.3.9 Supuestos y consideraciones del Anlisis de Cluster

El anlisis de Cluster, esta sujeto a ciertos supuestos:
Los datos se encuentran en intervalos de orden, o son de tipo dicotmico,

tanto para la agrupacin jerrquica como para el mtodo
K-means.
Las observaciones son independientes entre si.
La estandarizacin de las variables no es requerida, pero si se recomienda

usar para que todas las variables tengan el mismo peso en el clculo de las
distancias.
Estas tres condiciones son las mismas que se plantean en otros procedimientos de
anlisis multivariado, sin embargo, para el caso del procedimiento K-Means es prudente
tener en cuenta ciertos aspectos que pueden producir variaciones en sus resultados.
Entre estos se encuentran:
Trabajar con muestras superiores a 200 observaciones.
Eliminar valores extremos, por la sensibilidad del modelo a este tipo de

observaciones.
Tener en cuenta que este tipo de anlisis genera diferentes soluciones,

dependiendo de la secuencia de observaciones del set de datos.
67
3. PRESENTACIN DE LOS HALLAZGOS

En este capitulo se presentan los hallazgos de la investigacin realizada, exponiendo
inicialmente los procedimientos de recopilacin de la informacin y caracterizacin de
la muestra, siendo explicada luego la determinacin del posicionamiento y
segmentacin a travs del anlisis externo de las preferencias, cuya aplicacin prctica
es el aspecto central de este estudio. Se detallan tambin cada uno de los procedimientos
y modelos que alimentan a este tipo de escalamiento, entregando finalmente las
conclusiones relevantes en el mbito del marketing estratgico que son extrables de
este tipo de anlisis.
3.1 Recopilacin de informacin

El punto de partida de esta investigacin fue la obtencin de las variables relevantes en
la determinacin de la calidad de servicio de las entidades bancarias en anlisis. Para
esto el investigador opt por utilizar las doce variables, que se consideran en los
estudios peridicos pblicos de la empresa de investigacin de mercados ADIMARK21 ,
que en adelante sern abreviados como A1, A2, A3, A4, A5, A6, A7, A8, A9, A10, A11
y A12. Estos son:
(A1) Mayor facilidad para aprobar crditos: Se refiere a las exigencias que
efectan las instituciones para aprobar un crdito, y como afectan estas al tiempo
total del proceso de aprobacin.
(A2) Mejores tasas de inters: Representa el precio al cual se otorga el crdito en

comparacin con otras instituciones financieras consideradas en el anlisis.
(A3) Mejor calidad de atencin al cliente: Es la capacidad de la empresa para

otorgar en trminos generales calidad en la atencin de sus clientes.
(A4) Mayor flexibilidad con los atrasos en los pagos: Se refiere al nivel de
tolerancia de la institucin en la aceptacin de posibles atrasos en los pagos de
cuotas, y a la renegociacin de crditos que no han sido pagados.
21
Estas variables de evaluacin de la calidad del servicio, son usadas desde 1992 por la empresa en los
estudios de imagen y posicionamiento de financieras y divisiones de consumo. Este grupo de variables
fueron generadas a travs de la opinin de los clientes de la consultora, los cuales a travs de los aos
convergieron en doce atributos que son de importancia para la direccin y gestin de las empresas.
Fuente: Claudio Garca. Subgerente de Estudios Adimark.
68
(A5) Mayor cantidad de productos ofrecidos: Nmero de productos que ofrecen

las instituciones a sus clientes. (Crditos, seguros, tarjetas, ahorro, cuentas
corrientes, etc.)
(A6) Mayor transparencia en la entrega de informacin sobre sus productos: Es

la capacidad de informar a los clientes de manera transparente, todos los
aspectos que involucran la obtencin de productos financieros.
(A7) Consideracin de las necesidades de sus clientes al ofrecer sus productos:

Es el grado de consideracin del cliente en el diseo de los productos, en
trminos de plazos, garantas, tasas, etc.
(A8) Mayor experiencia en el rubro: Se refiere a la experiencia de las

instituciones en anlisis, en el rubro financiero, no necesariamente asociada al
nmero de aos en la industria.
(A9) Mayor respeto por los derechos del consumidor: Es el nivel de

correspondencia de la gestin con el marco legal que la regula, y de la
preocupacin para que esto suceda, de manera de no sobrepasar los derechos del
consumidor.
(A10) Reconocimiento de errores cuando estos se producen: Es la aceptacin y

reparacin de errores producidos, como resultado de una mala gestin.
(A11) Educa y aconseja a sus clientes: Se refiere a la preocupacin por parte de

las empresas en anlisis, en que sus clientes comprendan de mejor manera los
productos intangibles que se ofrecen, y la adecuacin de estos a sus necesidades.
(A12) Mayor grado de preparacin del personal: Es el grado de preparacin del

personal de las plataformas comerciales y de atencin a pblico, para responder
de manera eficiente a los requerimientos y necesidades de los clientes.
La obtencin de estas variables permite reducir los procedimientos de la investigacin,

pues se debera en caso de no contar con estas de realizarse, entrevistas y focus groups
para determinar aquellos atributos de importancia en la calidad del servicio.
69
3.1.2 Fuentes de informacin

En esta investigacin se aplicaron dos encuestas, que alimentan al modelo de
escalamiento externo de las preferencias:
Encuesta de preferencias: En esta encuesta se midieron las preferencias que

estableci la muestra sobre una institucin financiera u otra, determinndose
tambin datos demogrficos de esta.
Encuesta de percepcin del servicio: Esta encuesta considera los factores

relevantes en la calidad del servicio otorgado por las instituciones financieras
descritos en el punto 3.1.
Ambas encuestas se presentan en el anexo 2.

3.1.3 Recoleccin de datos
La recoleccin de datos fue realizada en las ciudades de Via del Mar y Valparaso, a
travs de una encuesta, durante el mes de Septiembre del ao 2006.
3.2 Caracterizacin de la muestra

El tipo de muestreo utilizado para esta investigacin fue hecho por conveniencia, ante la
limitacin de no poder realizar un muestreo aleatorio pues es necesario contar con la
identificacin de todos los GSE de las ciudades de Valparaso y Via del Mar,
generando aleatoriamente la muestra con un cierto nivel de error asociado. Ciertas
consideraciones fueron hechas al momento de generar la muestra, siendo la primera
componerla de un nmero elevado de encuestas que en este caso ascendi a 100
(asociado a la varianza de las preguntas) , mientras que la segunda fue la inclusin solo
de encuestados pertenecientes a los GSE que componen el principal mercado objetivo
de las entidades financieras en estudio22. De esta manera solo se encuest a personas
22
Fuente: Claudio Garca. Subgerente de estudios Adimark.
70
pertenecientes a los segmentos C3D, C3, C3C223. (Para una descripcin detallada de los
segmentos ver el Anexo 2)
3.2.1 Gnero
En trminos de gnero la muestra esta compuesta por un nmero relativamente
balanceado de hombres y mujeres, con un 44% y 56% respectivamente.
Gnero
Masculino
Femenino
Nmero de encuestados
44
56
Grfico 3.1 Composicin por gnero de la

muestra
44%
Masculino
56%
Femenino
3.2.2 Pertenencia a GSE

La muestra esta compuesta por un nmero mayoritario de personas pertenecientes a los
grupos C3D y C3 con 37% y 46% del total respectivamente. En tanto aquellos
encuestados del grupo C3C2 representan un 16% del total.
GSE
C3D
C3
C3C2
37
47
16
23
La clasificacin de los GSE de esta investigacin toma como referencia lo descrito por la consultora
Gemines. Una descripcin exhaustiva de los segmentos C3D, C3, C3C2 se presenta en el anexo 2.
71
Grfico 3.2 Composicin por GSE de la muestra
16%
37%
C3D
C3
C3C2
47%
3.2.3 Edad
Los grupos etarios de la muestra fueron categorizados en 4 clases, las cuales van desde:
20-35, 36-45, 46-60 y 61 aos o ms. Los grupos mas jvenes son aquellos que
componen un mayor porcentaje de la muestra, representando en conjunto las categoras
20-35 y 36-45 un 76% del total de encuestados.
Edad
20-35
36-45
46-60
61 o ms
34
42
18
6
Grfico 3.3 Composicin etarea de la muestra
6%
18%
34%
20-35
36-45
46-60
61 o ms
42%
72
3.3 Determinacin del posicionamiento y segmentacin a travs del anlisis externo

de las preferencias.
Cuando se realiza un anlisis externo de las preferencias la base de partida es la
ejecucin de un anlisis de componentes principales y un anlisis de cluster los cuales
servirn de fuente de alimentacin de este, y son tambin pieza fundamental para la
determinacin del posicionamiento y la segmentacin:
Posicionamiento: Se determina en base a la generacin de mapas perceptuales

usando el anlisis de los componentes principales, para luego determinar el
posicionamiento dentro de cada uno de los segmentos en la etapa final de
aplicacin del anlisis externo de preferencias a travs del modo vectorial.
Segmentacin: Se determina a travs de un anlisis de cluster de tipo conductual

(Ver 2.1.5.3).
En un plano tcnico el anlisis externo de las preferencias requiere para este estudio de
datos de entrada , que son por un lado las preferencias que expresan en este caso los 100
encuestados pertenecientes a los GSE C3D, C3 y C3C2, y las percepciones de estos en
torno a variables relevantes en la calidad de servicio descritos en 3.1 La diferencia entre
la percepcin y la preferencia radica en que esta ltima es el resultado de la formacin
de una excelente percepcin que se traduce en la adquisicin del bien o servicio. El
separar estos conceptos responde al hecho de que el consumidor muchas veces puede
percibir un producto como bueno, pero no necesariamente preferirlo. (ver 1.2.4)
Teniendo esto en cuenta, lo que realizar el modelo es llevar a un plano bidimensional
ambas fuentes de datos estandarizadas con el fin de determinar la relacin que existe
entre preferencias y percepciones determinando los bancos y divisiones de consumo
mejor posicionados de acuerdo a los favoritismos de cada grupo, asociando estas
preferencias a aspectos especficos de la calidad de servicio. Esto permite concluir por
que aspecto(s) especfico(s) se manifiestan las preferencias.
73
Para llevar a cabo el proceso se utilizar el programa XLstat24 , programa que a juicio
del investigador cuenta con el software mas eficaz para realizar este proceso25, usando
una aplicacin especifica llamada XLstat MX que permite realizar este anlisis de una
forma amigable para el usuario26. En orden de facilitar el entendimiento del modelo y de
la ejecucin para llevarlo a cabo, se incluirn los procedimientos de XLstat en el
anexo 3.
3.3.1 Obtencin de mapas de percepcin
Los mapas de percepcin representan el punto de partida para la obtencin del
escalamiento externo de las preferencias, pues entregan una imagen de la posicin que
ocupan las diferentes entidades financieras en un espacio bidimensional estandarizado.
Para esto se presentan a continuacin la tabla 4 el resumen de las percepciones
promedio de los cien encuestados, cuya escala se midi de 10 a 70, en donde 10 es la
peor evaluacin respecto de un atributo y 70 es la mejor.
Paris
Ripley
Falabella
Credichile
Santander-Banefe
Nova
Atlas
A1
62
64
66
55
53
55
59
A2
34
34
35
47
46
42
39
A3
48
52
55
52
50
45
42
A4
45
45
46
40
38
37
41
A5
54
50
57
57
58
48
51
A6
42
44
48
48
45
38
41
A7
37
37
42
44
43
38
36
A8
40
32
43
60
60
44
53
A9
37
38
40
52
50
46
41
A10
42
38
46
44
44
42
36
A11
36
35
39
39
39
34
28
A12
40
39
51
53
52
49
45
Tabla 4. Matriz de percepciones promedio de encuestados de segmentos C3D, C3 y C3C2.
3.3.1.2 Anlisis de los componentes principales

El anlisis de los componentes principales (ACP), es la base de gran parte de los
modelos de escalamientos multidimensionales, pues reduce la dimensionalidad de los
datos sin que estos pierdan el orden de su configuracin original, de esta manera es
24
http://www.xlstat.com
Este procedimiento puede ser realizado tambin en SPSS y SAS, pero estos no cuentan con alguna
aplicacin integrada (hasta la fecha) para realizar el escalamiento externo de las preferencias, por lo que
la ejecucin posee un mayor grado de complejidad.
26
En orden de facilitar el entendimiento del modelo y de la ejecucin para llevarlo a cabo, se incluirn los
procedimientos de XLstat, en el anexo 3.
25
74
posible llevar esta informacin a planos bidimensionales. El ACP forma parte

adems, del anlisis factorial y del anlisis de correspondencias.
El espacio dispuesto es la base de la configuracin del posicionamiento, pues expresa
en un plano bidimensional las percepciones acerca de las instituciones bancarias en
anlisis, obtenidas a travs de las encuestas.
La fuente de alimentacin que entrega el ACP al anlisis externo de las preferencias
son los puntajes factoriales de la muestra, pues estos representan las coordenadas en
el plano bidimensional estandarizado.
Tambin se grafican los atributos de calidad de servicio, representndolos en el plano
como vectores de igual longitud (otros programas los representan como puntos), lo
que en una primera instancia permite relacionar objetos y atributos, entregando luego
la posibilidad de interpretar preferencias como se ver mas adelante27.
Una vez realizado el procedimiento se obtiene la tabla 5, con los puntajes factoriales
los cuales son el resultado del ACP (una representacin de las observaciones
originales estandarizadas y expresadas en una menor dimensionalidad a travs de
factores) y la consiguiente representacin espacial de estos.
Paris
Ripley
Falabella
Credichile
Santander-Banefe
Nova
Atlas
F1
-2,019
-2,751
0,681
3,478
3,169
-0,423
-2,136
F2
0,994
1,276
3,183
-0,034
-0,731
-2,470
-2,218
Tabla 5. Puntajes Factoriales de encuestados
27
El ACP es posible de realizarse tanto por filas como por columnas, por lo que en este caso se realiz
una representacin grfica de objetos y de atributos, similar al anlisis de correspondencias. En este caso
se obtienen rectas en el mapa que representan la direccin desde el origen que marca el atributo.
75
Observaciones (ejes F1 y F2: 87,92 %)

4
Falabella
3
F2 (33,76 %)
2
Ripley
P aris
1
0
Credichile
SantanderB anefe
-1
-2
A tlas
No va
-3
-6
-5
-4
-3
-2
-1
F1 (54,16 %)
Figura 15 Mapa perceptual de objetos en anlisis.

Variables (ejes F1 y F2: 87,92 %)
1
A3
A4
A1
A6
0,75
A11
A5
A10
0,5
F2 (33,76 %)
A7
0,25
0
A12
-0,25
A8 A9
-0,5
A2
-0,75
-1
-1
-0,75
-0,5
-0,25
0,25
0,5
0,75
F1 (54,16 %)
Figura 16. Mapa perceptual de vectores atributos o circulo de correlaciones.
Se aprecia en las figuras 15 y 16, diferentes configuraciones de posicionamiento

correspondiente a las percepciones de objetos y de atributos.
76
En la figura 15 se pueden observar la configuracin de los objetos en anlisis a travs

de la transformacin efectuada por el escalamiento multidimensional en la cual varias
dimensiones son sintetizadas y representadas en un plano bidimensional, de esta
manera al observar el mapa perceptual es posible percatarse que los encuestados
perciben a las instituciones de manera diferenciada agrupando a los bancos Ripley y
Paris (ligados al retail) ubicndose en el cuadrante superior izquierdo del mapa ,
Banefe y Credichile (ligados a mega-bancos) en el cuadrante inferior derecho ,Nova
y Atlas, y finalmente a Falabella en el cuadrante superior derecho de manera separada
al resto.
Este mapa es la base del anlisis del posicionamiento de las instituciones bancarias, y
permite al investigador realizar una primera inspeccin visual de la forma en que se
organizan los objetos en estudio.
3.3.1.2.1 Interpretacin de los ejes del ACP mediante el uso del crculo de
correlaciones
Es preciso mencionar que con el solo uso del mapa perceptual de la figura 15 no es
posible determinar o interpretar con que variables se relacionan los factores F1 y F2
extrados del ACP. Por esta razn es que en este procedimiento el programa genera
automticamente un mapa perceptual de las variables de evaluacin del servicio (Ver
figura 16) en forma de vectores proyectados desde el origen, cuya correlacin con la
direccin del mapa se mide de acuerdo a la cercana a la correlacin total (equivalente
a 1), la cual se grafica en el crculo de correlaciones. En este mapa el tamao del
vector tendr una gran influencia en la interpretacin:
Vectores cercanos al origen: Es arriesgado emitir opiniones, pues los objetos

comparten en forma relativamente similar el atributo en cuestin.
Vectores lejanos al origen y cercanos al crculo de correlacin: En este caso

si los vectores se encuentran cercanos al crculo de correlacin interpretan
como correlacionados positivamente en torno a la direccin siendo posible
asociar la direccin de la variable y los objetos. Por el contrario si los
vectores se encuentran en direcciones opuestas se interpreta como
correlacionados negativamente.
77
Teniendo esto en cuenta la figura 16 no muestra una fuerte asociacin para el factor F1
con ninguna variable pudiendo esbozarse una cierta relacin con los atributos A3 y A4
que representan la calidad de servicio al cliente y la flexibilidad en los pagos
respectivamente, mientras que en el caso del factor F2 se presenta una fuerte
correlacin con el atributo A12 que representa el grado de preparacin del personal
para la atencin eficiente de pblico. As es como mediante el uso del crculo de
correlaciones es posible interpretar los ejes, siendo este procedimiento til cuando no
se cuenta con una nocin clara del significado de estos. La direccin opuesta a la que
apunta cualquier vector es su significado contrario.
Mas adelante estos vectores sern aprovechados en establecer correlaciones entre
preferencias y atributos.
3.3.2 Anlisis de cluster de encuestados segn preferencias
Una vez conformada la primera entrada de datos del modelo en base a las percepciones
de atributos de calidad, se procede a generar la segunda entrada de datos, conformada
por las preferencias de los encuestados. En este caso en particular se realizar un
anlisis de cluster de los encuestados28 que sintetizar la informacin relativa a las
preferencias a partir de las respuestas obtenidas en grupos de favoritismos similares.
Este tipo de segmentacin se caracteriza por ser de tipo conductual, la cual como ya se
mencion, se basa en conocimientos, respuestas o actitudes hacia un producto o
servicio, usando como variable de separacin a las preferencias expresadas.
Para esto se optar por una clasificacin ascendente jerrquica, usando como medida de
disimilitud a la distancia Euclidiana29. El primer resultado obtenido es el histograma que
grafica el grado de disimilitud que se produce en cada nodo del anlisis, lo que se
presenta en la figura 17. Cuando el aumento en heterogeneidad de los nodos sea muy
alto, XLstat determina el nmero de grupos apropiado de manera automtica30.
28
De lo contrario el anlisis externo de las preferencias graficara cien vectores diferentes (uno para cada
encuestado), lo que dificultara el anlisis de los resultados en el plano bidimensional estandarizado. Por
esta razn se opta por la agrupacin de encuestados mediante este mtodo.
29
Pues es uno de los mtodos de calculo de la distancia con mayor frecuencia de uso.
Sin embargo las barras verticales claras de histograma de la figura 3.3, indican en que nodos del
anlisis se produjeron fuertes incrementos de la disimilitud, dato que puede ser de gran utilidad para el
30
78
Diagrama de los niveles

101
108
115
122
129
Nodo
136
143
150
157
164
171
178
185
192
199
0
50
100
150
200
250
Nivel
Figura 17. Histograma de los niveles de disimilaridad de los nodos
Por su parte la figura 18, muestra la forma en que se agruparon los encuestados a travs
del tipo de anlisis de Cluster utilizado, truncndose el anlisis al momento de
conformar cuatro grupos que se presentan en el dendograma.
Dendrograma
250
Disimilitud
200
150
100
50
Figura 18. Dendograma de la clasificacin jerrquica ascendente.

investigador, al proponer distintos niveles de truncamiento en los que el nmero de grupos aumentara. (al
tratarse de una clasificacin ascendente jerrquica)
79
La clasificacin ascendente jerrquica arroja la formacin de cuatro grupos los cuales

son posibles de describir a travs de los resultados que entrega XLStat, como se
observa en la tabla 6 la cual describe el nmero que se le asign a cada encuestado, con
lo que es posible luego describir a los grupos.
Cluster 1
Pertenencias a Clusters
Cluster 2
Cluster 3
Cluster 4
37
41
21
10
23
42
22
11
24
45
25
12
26
49
27
13
29
51
28
14
31
52
30
15
34
59
32
16
35
69
33
17
39
36
18
53
38
19
55
40
20
58
43
60
62
44
64
46
65
47
66
48
67
50
68
54
70
56
72
57
73
61
74
63
75
71
76
83
77
88
78
91
79
96
80
98
81
99
82
84
85
86
87
89
90
92
93
94
80
95
97
100
Tabla 6 Composicin de los clusters
3.3.2.1 Descripcin de los clusters obtenidos

Los grupos o clusters muestran diferencias en trminos de composicin, y de los datos
obtenidos de los encuestados es posible obtener una mejor descripcin de estos
aprovechando la informacin que fue recabada.
De esta manera los cuatro clusters luego de agruparse segn las preferencias de los
entrevistados, presentan las siguientes caractersticas demogrficas:
Cluster 1: Este grupo se conforma del 15% del total de la muestra.

Presenta una composicin etarea con una mayor cantidad de mujeres y
una predominancia en trminos de GSE del segmento C3D. Cuenta con
una fuerte presencia del grupo etareo mas joven correspondiente al tramo
comprendido entre los 36 y 45 aos.
Composicin por gnero
Composicin GSE
Composicin etarea
Cantidad
Cantidad
Cantidad
Hombres
40%
C3D
53%
20-35
34%
Mujeres
60%
C3
13%
36-45
60%
C3C2
34%
46-60
7%
total
15
total
15
60- y ms
total
15
Cluster 2: Este conjunto compone el 44% de la muestra. Se compone de

un nmero equivalente de hombres y mujeres, una predominancia del
estrato C3 con un 55% del total. En trminos de edad predomina con un
45% el tramo de 36 hasta 45 aos.
81
Hombres
Mujeres
total
Composicin GSE
Cantidad
22
50%
22
50%
44
Composicin etaria
Cantidad
C3D
15
C3
24
5
C3C2
total
%
34%
Cantidad
15
34%
55%
36-45
20
45%
11%
46-60
7%
14%
44
60- y ms
total
20-35
44
Cluster 3: Este pequeo grupo se compone de un 10% del total de la

muestra. Contiene una cantidad levemente superior de mujeres de un
60% y con una composicin por GSE mayoritaria del segmento C3. En
trminos etareos se compone solamente de los dos grupos mas jvenes
menores o iguales a 46 aos, careciendo de personas con edades por
sobre esta.

Hombres
Mujeres
total
Composicin GSE
Cantidad
60%
40%
10
Composicin etaria
Cantidad
C3D
%
30%
20-35
50%
C3
60%
36-45
50%
C3C2
10%
46-60
0%
0%
total
10
60- y ms
total
Cantidad
10
Cluster 4: Este grupo se compone de un 31% del total de los

encuestados. En trminos de gnero es compuesto por una cantidad
superior de mujeres correspondiente a un 61% del total. En tanto el GSE
C3 rene un 48% de los integrantes del grupo, mientras que el grupo de
edad dominante se ubica en el tramo que va desde los 36 a los 45 aos
con un 42%.
Composicin GSE
Composicin etaria
Cantidad
Hombres
12
39%
C3D
11
35%
20-35
29%
Mujeres
19
61%
C3
15
48%
36-45
13
42%
16%
46-60
29%
0%
total
31
Cantidad
C3C2
total
31
Cantidad
60- y ms
total
31
82
3.3.3 Modelo vectorial de anlisis externo de las preferencias

Una vez realizados los procedimientos anteriormente descritos (ACP y Cluster), es
posible iniciar el anlisis externo de las preferencias propiamente tal.
El modelo vectorial (Ver 2.2.11) aplicado, presenta la siguiente configuracin:
i
Ylj = ali X ij + cl
i =1
Donde:
Ylj :
Matriz de clusters de preferencias de los cuatro grupos.
ali :
X ij :
Posicin del vector, en las dos dimensiones del EMD.

Matriz de la configuracin de las percepciones.
cl :
Constante del modelo.
La solucin del modelo es la obtencin de ali que representa las coordenadas de los
cuatro vectores que se generarn en el plano bidimensional. (Un vector por cluster o
grupo)
3.3.3.1 Datos de entrada del modelo vectorial de anlisis externo de las

preferencias
Los resultados que alimentan al anlisis externo de las preferencias son los centroides
del anlisis de cluster y los puntajes factoriales del ACP, al encontrarse ambos sets de
datos estandarizados.
ACP: Como ya se mencion en el punto 3.3.1.2 al ejecutar el ACP, se generar

un mapa perceptual en base a los puntajes factoriales obtenidos y que se
muestran en la tabla 3.3, lo que equivale a X ij .
83
Paris
Ripley
Falabella
Credichile
Santander-Banefe
Nova
Atlas
F1
-2,019
-2,751
0,681
3,478
3,169
-0,423
-2,136
F2
0,994
1,276
3,183
-0,034
-0,731
-2,470
-2,218
Cluster: En el caso del anlisis de cluster la informacin de entrada relevante

para el anlisis externo de las preferencias, esta representada por los centroides
de cada grupo que se aprecian en la tabla 731. Es importante mencionar que los
centroides, se encuentran estandarizados para ingresar de manera adecuada al
espacio perceptual32. Esta matriz de entrada equivale en el modelo a Ylj .
Paris
Ripley
Falabella
Credichile
S-Banefe
Nova
Atlas
Cluster 1
Cluster 2
Cluster 3
-1,426
0,320
-0,139
-1,770
0,144
0,346
-1,878
0,240
0,626
-0,733
0,384
-1,478
-0,825
0,483
-1,740
-0,982
0,849
-0,943
-1,043
0,706
-0,260
Tabla 7. Tabla de centroides de las clases
Cluster 4
0,280
0,540
0,366
0,287
0,274
-0,426
-0,413
3.3.4 Salida del modelo vectorial de anlisis externo de las preferencias

Los resultados obtenidos al ingresar los datos, son vectores en el plano evaluados
estadsticamente a travs del indicador R el cual determinar el largo del vector a travs
de una relacin directa y el grado de ajuste del modelo vectorial de anlisis externo de
preferencias. La tabla 8 entrega la informacin de los vectores que obtuvo el modelo, en
la primera columna se identifican los cuatro clusters predefinidos anteriormente, las
columnas F1 y F2 representan la posicin de los vectores en el plano, luego se presenta
la longitud del vector desde el origen y finalmente el p-value del anlisis de varianza
ANOVA.
31
La tabla se presenta transpuesta, para ingresarla en el anlisis externo de las preferencias.

De conservarse los resultados en la escala original (1 a 7), los centroides no seran expresados en
trminos estandarizados, lo que generara resultados con interpretaciones errneas al realizar regresiones
entre listas de datos de distintas escalas de medida.
32
84
Y
R
F
Pr > F
0,007
Cluster 1
0,919
22,796
0,033
Cluster 2
0,817
8,932
0,014
Cluster 3
0,882
14,983
0,072
Cluster 4
0,731
5,436
Tabla 8. Tabla de resumen del modelo vectorial
Y
F1
F2
Cluster 1
0,564
-0,775
Cluster 2
0,031
-0,903
Cluster 3
-0,722
0,600
Cluster 4
0,191
0,833
Tabla 9. Coeficientes del modelo
Para contrastar la hiptesis nula de que todos los coeficientes obtenidos pudieran ser
iguales a cero utilizamos el estadstico F y su probabilidad asociada Pr. Esto permite
rechazar la hiptesis nula, estableciendo estadsticamente que los coeficientes son
diferentes de cero, es decir son significativos para los cuatro clusters dado un nivel de
significancia de 0,1.
La solucin del modelo de escalamiento externo de las preferencias se presenta en la
figura 19, donde se ha incluido en el mapa de percepcin de calidad de servicio de los
bancos y divisiones de consumo, los vectores representativos de los clusters agrupados
en base a las preferencias de los encuestados.
85
Mapa de las preferencias

2
Falabella
1,5
1
Cluster 4
Ripley P aris
0,5
F2
Cluster 3
0
-3
-2,5
-2
-1,5
-1
-0,5
0,5
-0,5
Credichile
1,5
2
2,5
S-B anefe
Cluster 1
Cluster 2
-1
A tlas
Nova
-1,5
-2
F1
Figura 19. Escalamiento externo de las preferencias.
La salida del escalamiento permite apreciar que existen diferencias en trminos de

preferencias entre los grupos, lo que se determina a travs de la distancia que existe
entre la punta de los vectores y los puntos que representan las instituciones financieras
en anlisis. De esta manera se establece un ranking de preferencias ascendentes para
cada cluster, segn muestra la tabla 10. en el cual podemos a primera vista apreciar que
la mayor preferencia del Cluster 1 es el banco Santander Banefe, Banco Nova para el
Cluster 2, Banco Ripley para el Cluster 3 y Banco Falabella para el Cluster 4.
1
2
3
4
5
6
7
Cluster 1 Cluster 2 Cluster 3

Falabella Falabella S-Banefe
Ripley
Ripley
Credichile
Paris
Paris
Nova
Atlas
Credichile
Atlas
Credichile S-Banefe Falabella
Nova
Atlas
Paris
S-Banefe
Nova
Ripley
Cluster 4
Atlas
Nova
S-Banefe
Credichile
Ripley
Paris
Falabella
Tabla 10. Ranking de preferencias ascendentes, para los cuatro clusters
86
En base a estos resultados es que finalmente es posible determinar cual es el

posicionamiento que han obtenido este grupo de empresas en anlisis, en los diferentes
segmentos o clusters de la muestra, estableciendo a travs de las preferencias cuales son
los bancos mejor posicionados, cumpliendo as con el primer objetivo de esta
investigacin.
Tambin una vez finalizado el anlisis externo se puede apreciar la interaccin que han
tenido los diferentes modelos ACP, Cluster y de escalamiento externo para generar un
posicionamiento de las empresas en base a las preferencias, logrando el cumplimiento
del cuarto objetivo de la investigacin.
3.3.5 Sntesis de los resultados obtenidos en trminos de segmentacin y

posicionamiento
Los resultados hasta ahora obtenidos se deben sintetizar para lograr una mejor
interpretacin de estos, lo que se puede observar en la figura 20 la cual recaba la
informacin obtenida por cluster.
87
Cluster
Composicin del
segmento
Ranking de Preferencias
Atributos
correlacionados con las
preferencias del cluster
Cluster 1
- Genero: Varones
40%, Damas 60%
- GSE: Grupo
predominante C3D
con un 53%
- Grupo etario:
Mayoritariamente se
presentan personas con
edades entre los 36-45
aos, con un 60%.
1 S-Banefe
2 Nova
3 Credichile
4 Atlas
5 Paris
6 Falabella
7 Ripley
El vector representativo
de las preferencias del
cluster 1, se correlaciona
con los vectores de
mejores tasas de inters
(A2)
Cluster 2
- Genero: Varones
50%, Damas 50%
- GSE: Grupo
predominante C3 con
un 55%
- Grupo etario:
Mayoritariamente se
presentan personas con
edades entre los 36-45
aos, con un 45%.
1 Nova
2 Atlas
3 S-Banefe
4 Credichile
5 Paris
6 Ripley
7 Falabella
cluster 2, no se
correlaciona con ninguno
de los vectores de
manera significativa.
Cluster 3
- Genero: Varones
60%, Damas 40%
- GSE: Grupo
predominante C3 con
un 60%
- Grupo etario:
Presenta solamente
personas con edades
entre los 20-45 aos.
1 Ripley
2 Paris
3 Falabella
4 Atlas
5 Nova
6 Credichile
7 S-Banefe
con el vector de mayor
facilidad para aprobar
crditos(A1)
Cluster 4
- Genero: Varones
39%, Damas 61%
- GSE: Grupo
predominante C3 con
un 48%
- Grupo etario:
Mayoritariamente se
presentan personas
con edades entre los
36-45 aos, con un
42%.
1 Falabella
2 Paris
3 Ripley
4 Credichile
5 S-Banefe
6 Nova
7 Atlas
con el vector de calidad
de atencin al cliente
(A3)
Figura 20. Sntesis del modelo de escalamiento de las preferencias
88
3.4 Interpretacin de resultados obtenidos a partir de la segmentacin de la

muestra
Los resultados que se exhiben en la figura 3.6 muestra la informacin que es posible de
extraer del anlisis externo de las preferencias, cumpliendo as con el segundo objetivo
de la investigacin referente a la caracterizacin de segmentos. En este sentido la
aplicacin del anlisis de cluster en la muestra segmentada presenta las siguientes
caractersticas:
Cluster 1: Demogrficamente presenta un nmero relativamente

equilibrado de hombres y mujeres con una leve mayora de las ltimas
con un 60%. Predomina el GSE C3D con un 53% y se compone en
trminos etareos de un 60% de personas del estrato entre 36-45 aos. Los
bancos que ocupan los primeros tres lugares de preferencia como son SBanefe, Nova y Credichile. Las preferencias de este grupo se
correlacionan con los atributos de mejores tasas de inters.
Cluster 2: Demogrficamente presenta un nmero equilibrado de mujeres

y hombres, con una predominancia del GSE C3 y se compone
mayoritariamente en trminos etareos del estrato de 36 - 45 aos. En
trminos de preferencia al igual que el cluster 1 los bancos que ocupan
los primeros tres lugares de preferencia son: Nova, Atlas y S-Banefe. No
existen correlaciones que se asocien a las preferencias de este.
Cluster 3: Demogrficamente presenta un nmero mayor de mujeres por

sobre los hombres con un 59%, con una predominancia del GSE C3D y
se compone mayoritariamente en trminos etareos de personas entre los
20 - 45 aos. En trminos de preferencia los bancos ligados al retail
ocupan los primeros lugares de preferencia: Ripley, Paris y Falabella.
Las preferencias de este cluster se correlacionan con la facilidad de
aprobacin de crditos por parte de las instituciones financieras.
Cluster 4: Demogrficamente presenta un nmero mayor de mujeres por

sobre los hombres, con un 48%, con una predominancia del GSE C3 y se
89
compone mayoritariamente en trminos etareos de personas entre los 36 45 aos. En trminos de preferencia los bancos ligados al retail ocupan
los primeros lugares de preferencia: Falabella, Paris y Ripley. Las
preferencias se correlacionan con la calidad de atencin al cliente
percibida.
3.5 Interpretacin del posicionamiento obtenido por institucin financiera a partir

de la aplicacin del escalamiento externo de las preferencias
En conjunto con la interpretacin de los resultados obtenidos en la segmentacin

tambin es posible realizar un anlisis sobre el posicionamiento33 que ha obtenido cada
banco luego de la aplicacin del escalamiento de las preferencias.
Banco Credichile: El banco Credichile se encuentra en el cuadrante inferior del

mapa de posicionamiento
al
igual que S-Banefe.
En
trminos
de
posicionamiento el banco Credichile presenta una fuerte asociacin con el vector

A12 que representa el mayor grado de preparacin del personal para enfrentar
los requerimientos de sus clientes. En la encuesta presentada en la tabla 15
recibe tambin buenas calificaciones en trminos de experiencia en el rubro,
respeto por los derechos del consumidor, variedad de productos y en tasas de
inters. De la muestra no recibe altos puestos de preferencia, salvo en el Cluster
1 de donde recibe el tercer puesto en las preferencias, por lo que se deduce un
buen posicionamiento en trminos de percepciones pero bajo en preferencias.
Banco Santander Banefe: Esta institucin presenta un buen posicionamiento en

lo que se refiere a una mayor experiencia en el rubro y respeto de los derechos
del consumidor. En la encuesta presentada en la tabla 15 recibe tambin buenas
calificaciones en trminos de experiencia en el rubro, respeto por los derechos
del consumidor, variedad de productos y en tasas de inters lo que se repite en el
caso del banco Credichile reflejndose en el mapa perceptual por la cercana de
33
Mediante la el grado de alineacin de los vectores de atributos y los puntos representativos de los
objetos o instituciones financieras (en este caso especfico), que se presentan en la figura 3.2.
90
ambos. En trminos de preferencias tiene un buen posicionamiento en los

Clusters 1 y 2.
Banco Falabella: Este banco se posiciona en buenos trminos a travs del factor
de calidad de atencin a sus clientes y se aleja de sus pares del retail de manera
positiva. En la encuesta presentada en la tabla 15 recibe tambin buenas
calificaciones en trminos de facilidad para aprobar crditos y preparacin del
personal. De acuerdo a las preferencias el Banco Falabella tiene un buen
posicionamiento dentro de los Clusters 3 y 4.
Banco Ripley y Paris: Ambas instituciones se posicionan en el mapa con los

factores de facilidad para aprobar crditos y de flexibilidad con los atrasos en los
pagos de cuotas. En trminos de preferencias muestran una fuerte presencia en
los clusters 3 y 4.
Atlas y Banco Nova: No presentan correlacin con ninguno de los doce atributos
que se evalan. Ambas instituciones son preferidas por el cluster 2. Esto
probablemente se explique por la falta de atributos que expliquen la preferencia
no incluidos dentro de los presentes en este estudio.
91
3.6 Nichos de mercado no cubiertos

Al inspeccionar el crculo de correlaciones presentado en la figura 16 y el escalamiento
externo de las preferencias que se presenta en la figura 19 es posible apreciar que en el
cuadrante superior derecho del mapa no existen empresas posicionadas. Esta zona se
correlaciona con los atributos de transparencia de la informacin, consideracin de las
necesidades de sus clientes, reconocimiento de errores de gestin y educar y aconsejar a
sus consumidores.
Este es un nicho el cual ninguna de las instituciones ha logrado alcanzar, sin embargo en
trminos de preferencias ninguno de los clusters muestra una orientacin hacia el nicho,
lo que refleja la diferencia entre percepcin y preferencia. De esta manera se cumple
con el objetivo nmero tres de la presente investigacin.
92
4. CONCLUSIONES
4.1 Conclusiones respecto del modelo de escalamiento externo de las preferencias
Los modelos de escalamiento permiten sintetizar informacin de manera

eficiente: Como se ha visto en el desarrollo del capitulo tres, la utilizacin de
escalamientos multidimensionales que en esta investigacin fue generado a
travs del ACP (existiendo otros mtodos que tienen al ACP como base) es til
para la investigacin de mercados, pues
permite sintetizar en un mapa
bidimensional la agrupacin de los objetos en estudio y los atributos por los

cuales son medidos, lo que es particularmente til cuando se evalan como en
este caso doce atributos para cinco instituciones financieras. Una de sus
principales virtudes es conservar el orden original de los elementos en la
transformacin ejecutada por lo que en los nuevos espacios bidimensionales
generados, si el grado de ajuste del modelo es satisfactorio se representa una
imagen sintetizada que no pierde la calidad del orden de los datos originales.
La aplicacin del modelo de escalamiento externo de las preferencias

permite separar las percepciones de las preferencias: Al aplicar el anlisis
externo de las preferencias el investigador genera un modelo que toma como
fuentes de informacin separadas a las percepciones y las preferencias, basado
en la premisa que la percepcin no esta relacionada necesariamente de manera
directa con las preferencias de los consumidores. Eventualmente podra suceder
que un consumidor opine que Toyota, General Motors y Ford hacen buenos
automviles, pero que prefiere entre los tres a Toyota en el caso de comprarse un
vehculo. Es as como en esta investigacin las percepciones se explicaron de
acuerdo a la correlacin de estas con atributos de calidad de servicio como
tambin las preferencias.
93
Existe una interesante interaccin de modelos los cuales alimentan el

escalamiento externo de las preferencias, y que permiten generar una
segmentacin y posicionamiento: En este anlisis fue posible obtener una
segmentacin de tipo conductual de la muestra a travs del anlisis de cluster
realizado sobre las preferencias expresadas, y a la vez determinar el
posicionamiento de las instituciones en estudio de acuerdo a las percepciones de
los factores relevantes de calidad de servicio como tambin a travs de las
mismas preferencias.
4.2 Conclusiones respecto del posicionamiento obtenido por las instituciones

bancarias en anlisis
A travs de las percepciones de los encuestados sobre los doce atributos

relativos a la calidad de servicio se aprecia una clara separacin entre
las entidades bancarias: Tras la realizacin del ACP y posterior obtencin
del mapa perceptual, es posible apreciar una diferenciacin entre bancos. En
primer lugar los peor evaluados fueron la divisin de consumo Atlas y el
Banco Nova siendo percibidos como muy cercanos entre si, lo que tambin
sucede en el caso de los bancos Credichile y S-Banefe y tambin con los
bancos Ripley y Paris. Caso aparte es el banco Falabella que se separa de sus
pares del retail como una institucin nica en su clase.
Se aprecian falencias en trminos de un buen posicionamiento en torno

a la transparencia y otros atributos relacionados: En trminos de
posicionamiento las instituciones bancarias analizadas presentan un factor
comn que es una evaluacin deficitaria en torno a atributos relacionados
con la transparencia, consideracin de necesidades de sus clientes,
reconocimiento de errores, y de educar y aconsejar a sus clientes. Esto
probablemente se explique por tres factores propios de los servicios
financieros mencionados en la tabla 2 que son un reducido inters para el
consumidor en la adquisicin de estos, una falta de homogeneidad entre los
intangibles ofrecidos que desprovee al consumidor de una base comparativa
clara y el grado de sofisticacin de estos.
94
Los primeros lugares de preferencias en torno a las tasas de inters

favorecen a instituciones con mayor antiguedad en la industria mientras
que la calidad de atencin y la mayor facilidad para aprobar crditos
favorece a instituciones de reciente incorporacin: Al obtener el anlisis
externo de las preferencias fue posible apreciar a clusters con preferencias
por instituciones de mayor antigedad presentaban una alta correlacin de
estas con tasas de inters convenientes, como fue en el caso del cluster
numero uno, grupo caracterizado por tener una predominancia del estrato de
mayor ingresos de la muestra C3D, y de personas entre los 36-45 aos de
edad. En el caso del cluster dos si bien expres claramente sus preferencias
no fue posible apreciar alguna correlacin con los atributos evaluados y
explicar de alguna manera este comportamiento. El cluster tres present un
grupo en trminos etareos una distribucin similar entre los tramos de edad
de 20-35 y 36-45 correlacionando sus preferencias por lo bancos de retail
con una mayor facilidad para aprobar crditos, siendo el GSE predominante
el C3. Finalmente el cluster nmero cuatro mostr al igual que el cluster
nmero tres preferencias por el sector del retail correlacionando estas con un
mejor nivel de atencin al cliente y caracterizndose por una predominancia
del GSE C3 y mayoritariamente con edades que rondan los 36-45 aos.
95
4.3 Conclusiones relativas a los objetivos de la investigacin
Percepcin y posicionamiento: La determinacin de cmo se posicionan las

instituciones financieras en anlisis a travs de las percepciones de los atributos
de calidad de servicio y de las preferencias de los consumidores en estudio se
constituy como el primer objetivo de esta investigacin. A travs del desarrollo
de la aplicacin del anlisis externo de las preferencias fue posible traspasar los
datos de las encuestas de percepcin y posicionamiento a un espacio
bidimensional en el cual fue fcil distinguir la posicin de estos en el espacio. Es
as como a travs de la comparacin de la figura 3.1 con la figura 3.2 se apreci
la cercana de los vectores de atributos a las instituciones bancarias, entregando
segn su alineacin un mejor o peor posicionamiento. Respecto de las
preferencias en el punto 3.5 se ha sintetizado los resultados del anlisis externo
de las preferencias en el cual se separ por clusters el ranking de estas
entregando las instituciones mejor posicionadas bajo este concepto. As se
cumpli con el primer objetivo del estudio.
Caracterizacin de los segmentos: El segundo objetivo de esta investigacin

fue la determinacin y caracterizacin de los segmentos. En este sentido se
realiz una aplicacin de un anlisis de cluster basado en las preferencias
expresadas por el grupo de bancos en anlisis, lo que gener cuatro grupos a
travs de una segmentacin conductual. Luego de separar la muestra fue posible
describir tanto a nivel demogrfico como en trminos de preferencias los grupos
obtenidos, cumpliendo as con el objetivo de la descripcin y caracterizacin de
los segmentos.
Relacin operativa de modelos multivariados: Uno de los puntos ms

interesantes de la presente investigacin a juicio del autor es la interaccin de
modelos multivariados a travs de la cual fue posible alimentar el anlisis
externo de las preferencias. La partida fue generar el espacio multidimensional a
travs del ACP graficado por filas y columnas, para luego generar cuatro grupos
segn las preferencias de los encuestados a travs del anlisis de cluster lo que
condujo a la obtencin de las matrices necesarias para efectuar el anlisis
96
externo de las preferencias, utilizando as operativamente tres modelos

multivariados que interactan entre si para generar el resultado final buscado. De
esta manera se cumpli con el cuarto objetivo de la investigacin.
Nichos de mercado no cubiertos: Respecto de los nichos de mercado no

cubiertos se aprecia que ninguno de los bancos en anlisis ha logrado
posicionarse en segmentos de mercado que busquen una mayor transparencia de
la informacin, consideracin de las necesidades de sus clientes, reconocimiento
de errores ni tampoco en educar y aconsejar a sus consumidores.
4.4 Recomendaciones y posibles lneas de investigacin a futuro
A travs de este trabajo el autor interrelacion modelos multivariados que con

frecuencia son conceptualizados como de utilizacin individual, por lo que es
recomendable que futuros esfuerzos en esta materia sigan esta direccin. Pese a
que existe una amplia literatura en torno a la descripcin terica de modelos, son
escasas las alusiones a la interaccin entre estos.
Al ser este una aproximacin inicial para determinar relaciones entre

percepciones y preferencias, sera interesante el desarrollo de la relacin que
existe entre las percepciones, preferencias y la compra efectiva de los productos
o servicios. En este sentido se abarcara una problemtica central en cualquier
estrategia de marketing operativa que es la maximizacin de los ingresos y
mantencin de estos, pudiendo establecer relaciones entre atributos y compra
efectiva.
Finalmente cabe mencionar que la realizacin de este tipo de estudios ganan poder al
aplicarse estandarizadamente y por periodos de tiempo sucesivos careciendo de sentido
aplicarlos solo una vez.
97
Bibliografa
1. Bateson, J. E. G. (1985). "Perceived Control and the Service Encounter." J. A.
Cecile, C. A. Surprenant, & M. R. Solomon (Eds).
2. Barritua, Jos Maria. Marketing Bancario en la era de la informacin. Editorial
Pirmide 2002
3. Bloxom, Individual differences in multi-dimensional scaling, Educational
Testing Service, Princeton (N.J.), Research bulletin (1968)
4. Booms, B.H. and Bitner, M.J. (1981), Marketing strategies and organization
structures for service firms.
5. Chamberlin, E.H. (1950). Product Heterogeneity and Public Policy,
American Economic Review, Vol 40.
6. Coxon, A. Users guide to EMD. 1982 London. Heinemann Educational
Books.
7. Engel, Blackwell y Minniard (1986) Consumer Behavior.Editorial Harcourt
Press. Novena Edicion.
8. Hair, J, R. Anderson, R. Tatham y W. Black, "Anlisis Multivariante ",
Prentice Hall, 1999.
9. Hill,P.,en ESOMAR (eds.) How to market financial services in an increasing
competitive environment, Amsterdam,71-85
10. Kotler, Armstrong. Fundamentos de Mercadotecnia. 4 Edicin. Prentice Hall.
Mxico. 1998.
11. Kruskal (1964) Nonmetric multidimensional scaling: a numerical method.
Psychometrika, journal of cuantitative psychology . Nro. 29, Pgs.115-129
12. Lambin, J. Marketing Estratgico. 3 edicin. Madrid: McGraw-Hill, 1995
13. Laroche,Taylor 1988How intangibility affects perceived risk Journal of
Services Marketing, 2003
14. Malhotra, N. (1997) Investigacin de Mercados: un enfoque prctico. Editorial
Prentice Hall. Segunda edicin. 1997.
15. Marshall, E. Presentacin gerentes del sistema financiero de la V regin, de la
SBIF. Noviembre 2003.
16. Matathia, I.; Salzman, M. "Tendencias. Estilos de vida para el nuevo milenio",
Planeta, Barcelona 2000.
98
17. McGoldrick y Greenland. Comercializacin de servicios financieros,

McGraw Hill, Madrid 1996.
18. Porter, M. Estrategia Competitiva. Ed. CECSA. Mxico 1997
19. Punj & Steward (1983). Cluster analysis in marketing research: Review and
suggestions for application. Journal of Marketing Research, 20, 134-148.
20. Ries y Trout (1992). Posicionamiento, Ed. McGraw-Hill, Mxico, 1992.
21. Schiffman, Lazar. Comportamiento del consumidor . Pearson Educacin,
Mxico 2000.
22. Shepard (1962) The analysis of proximities: multidimensional scaling with
unknown distance function. Psychometrika, journal of cuantitative psychology
Nro. 27.
23. Stanton, William. Fundamentos de Marketing. Editorial McGraw-Hill. 5ta
Edicin 1992. Pg. 93.
24. Torgeson (1952) Psychometrika, journal of cuantitative psychology. Nro. 17,
Pgs. 401-419.
25. , Pgs. 125-140.
26. Tucker L.R & S. Messick (1963) An individual differences model for
multidimensional scaling, Psychometrika, 28.
27. Tyron RC. Cluster analysis. Ann Arbor, MI: Edwards Brothers, 1939.
28. Ward (1963). Hierarchical grouping to optimize an objective function. J. Am.
Statist. Assoc. 58, 236-244.
99
Referencias electrnicas
- Sitio del curso de diseo de metodologa de la investigacin cuantitativa, del
departamento de psicologa de la Universidad de Nebaska.
http://www-class.unl.edu/psycrs/
- Sitio del curso de EMD,
del profesor Forrest W.Young, del departamento de
psicologa de la Universidad de North Carolina.

http://forrest.psych.unc.edu
-Sitio del curso de mtodos cuantitativos avanzados, del profesor Anthony Coxon del
departamento de estudios sociales y polticos de la Universidad de Edimburgo.
http://www.tonycoxon.com/Edinburgh/Dimensional/aqm_menu.htm
- Sitio del banco central de Chile.
http://www.bcentral.cl
-Sitio de la Superintendencia de Bancos e Instituciones Financieras
http://www.sbif.cl
-Sitio del programa XL STAT
http://www.xlstat.com
100
Anexos
Anexo 1: Encuestas
Encuesta de calidad de servicio prestado por pequeos bancos.
Tiene el personal mas capacitado
Educa y aconseja a sus consumidores
Reconocimiento de errores cuando se producen
Mayor respeto los derechos del consumidor
Mayor experiencia en el rubro
Consideracin de las necesidades de sus clientes al ofrecer sus productos.
Mayor transparencia en la entrega de informacin sobre productos.
Mayor cantidad de productos ofrecidos
Mayor flexibilidad con los atrasos en los pagos
Mejor calidad de atencin al cliente
Mejores tasas de inters
Mayor facilidad para aprobar los crditos
Seale cual es su percepcin, respecto de los siguientes atributos relacionados con la

calidad del servicio prestado por las siguientes instituciones bancarias y divisiones de
consumo. Responda usando una escala que va desde 1 a 7, en donde 1 representa la
calificacin mas baja y 7 representa la calificacin ms alta:
Paris
Ripley
Falabella
Credichile
Santander-Banefe
Nova
Atlas
Encuesta de preferencias relativas a instituciones financieras
101
Seale el grado de preferencia por alguna de las siguientes instituciones financieras ,
a travs de una escala de 1 a 7, donde 1 es poco preferido y 7 muy preferido.
Nota
Paris
Ripley
Falabella
Credichile
Santander-Banefe
Nova
Atlas
Datos Encuestado
m
20-35
36-45
46-60
61 o ms
C3D
C3
C3C2
Sexo
Edad
Ingreso Mensual
300m-400m
400m-700m
700m-1000m
102
Anexo 2: Grupos socioeconmicos

A continuacin se presenta la segmentacin socioeconmica georreferenciada de los
G.S.E. usada por la consultora Gemines, a Junio del 2004 con descripciones relativas a
los habitantes de Santiago.
Descripcin Estrato AB (Alto Alto)
Porcentaje del GSE: 0,3%
Numero de hogares: 34.740
Ingreso mensual promedio: US $10.000 y ms
Comunas: Las Condes (San Damin, Los Dominicos), Vitacura (Sta. Mara de
Manquehue),
La
Reina,
Lo
Barnechea
(La
Dehesa-Arrayn),
muy
excepcionalmente en otras Comunas por Ejemplo: Huechuraba (Sector

Pirmide), Colina (Sector Chicureo), La Florida (Sector Lo Caas, y
Precordillera)
Valor vivienda: 15.000 U.F.
Descripcin vivienda: Mansiones de gran tamao, con amplios jardines y/o

parques. Pueden ocupar hasta una manzana. Finas terminaciones. Excelente
construccin y mantencin. Rejas muy altas y cubiertas que no permiten mirar
hacia adentro. Murallas altas. Portero elctrico, citfonos, piscina.
Distribucin vivienda: Bastantes habitaciones, espaciosas de uso especfico,

biblioteca, sala de juegos, sala de estar, escritorio, uno o ms salones, recibidor,
etc.
Mobiliario y decoracin: Muebles exclusivos, finos de estilo. Decoracin

artstica, cuadros originales (muchos de coleccin), porcelanas finas, cristales.
Lmparas finas, exclusivas, alfombras importadas, cortinajes de diseos propios.
Posesiones del hogar: Todo tipo de artefactos electrodomsticos y electrnicos

de uso corriente, lo ms sofisticado del mercado.
Automvil: La totalidad (100%) poseen ms de un automvil, modernos, de

marcas de alto costo, Mercedes Benz, BMW, Volvo, Audi, Jaguar, o bien otras
marcas importadas exclusivamente para su uso. La mayora tiene chofer
profesional.
103
Telfono: La totalidad (100%) poseen telfono residencial, en muchos casos con

una segunda lnea para uso Internet. Poseen planta o central telefnica. Todos
los mayores de edad poseen aparatos celulares.
Descripcin de persona: De aspecto muy distinguido, su vestuario es elegante de

buena calidad, tienen modelos selectivos y exclusivos, usan telas de origen
natural.
Educacin de jefe de familia: Profesional Universitario. Con 18 o ms aos de

estudios.
Profesin: Grandes empresarios, Industriales, Agricultores, Profesionales con

varios aos en el ejercicio de la profesin, Ejecutivos de gran nivel, Grandes
Comerciantes, Funcionarios de organismos Internacionales.
Vacaciones: Las realizan fuera del pas, principalmente en Europa, y el Caribe.

Poseen propiedades en balnearios del gse: Zapallar, Sectores de Cachagua,
Pucn.
104
Descripcin Estrato C1 (Alto Bajo)
Porcentaje del GSE: 0,7%
Ingreso mensual promedio: De US$5 Mil a US$20.mil
Comunas: Principalmente en Providencia, Las Condes, Vitacura, La Reina, Lo

Barnechea, uoa, La Florida (Lo Caas).
Valor vivienda: U.F. 2.500 a 15.000
Barrio: Generalmente homogneas, con reas verdes muy bien cuidada
Descripcin vivienda: Viviendas amplias, o Departamentos en Edificios de lujo

o
de construcciones nuevas, rodeadas de jardines bien mantenidos,
estacionamientos privados, citfonos. La pintura siempre en buen estado,

detalles de terminaciones son de buen gusto y calidad.
Distribucin vivienda: Varias habitaciones, algunas de uso especfico, recibidor,

biblioteca, comedor, etc. Por lo general ms de dos baos, pieza de servicio
completa.
Mobiliario y decoracin: Muebles de buena calidad, alfombras finas, cortinas de

buena calidad, adornos de muy buen gusto no industriales o en serie o
reproducciones, bastantes plantas de interior.
Posesiones del hogar: Poseen todos los electrodomsticos de uso corriente,

equipos electrnicos de marcas de prestigio.
Automvil: El 100% posee automvil de los ltimos cinco aos de marcas:

Mercedes Benz, BMW, Volvo, Peugeot, Toyota, Honda, Alfa Romeo,
Chevrolet, Subaru, Mazda, Ford, Volkswagen, en muchos casos poseen ms de
un vehculo por hogar.
Telfono: El 100% posee telfono residencial, el jefe de familia y la duea de

casa poseen telfono celular.
Descripcin de persona: Aspecto distinguido, modales y lenguaje reflejan una

buena educacin, cultura, tienen buen gusto para vestirse y su vestuario es de
buena calidad.
Educacin de jefe de familia: 18 aos promedio
Profesin: Profesionales Universitarios, ejecutivos, industriales, empresarios,

comerciantes, agricultores.
105
Vacaciones: En Norteamrica y el Caribe. En el pas toman vacaciones en casa

propia en Zapallar, Cachagua, Reaca, Pucn, Las Tacas-Serena, Rocas de
Santo Domingo.
Descripcin Estrato C2 (Medio Alto)
Porcentaje del GSE: 20%
Ingreso mensual promedio: De US$2 MIL a US$6 mil
Comunas: Principalmente en Santiago, Barrios Antiguos-clsicos y Grandes

edificios del Centro, La Florida, uoa, Macul, Providencia, Sectores de Las
Condes, La Reina y Lo Barnechea.
Valor vivienda: U.F. 2.000 a 3.500 U.F.
Barrio: Sectores tradicionales de la ciudad o en caso de ser construcciones

nuevas, normalmente son conjuntos de muchas viviendas, se ubican a gran
distancia del centro, hay preocupacin por el aseo y ornato de calles y veredas.
Descripcin vivienda: En caso de ser vivienda nueva pareada, esta es de muy

buena calidad tanto el primer piso como el segundo, amplio ante jardn, cmoda
entrada de auto con capacidad para dos automviles. Lo usual es que
correspondan a viviendas aisladas. Vivienda de regular tamao, bien mantenida,
con vigilancia tipo ronda o portera.
Distribucin vivienda: Generalmente living comedor en un solo ambiente, dos,

tres y cuatro dormitorios, pueden tener dos o ms baos.
Mobiliario y decoracin: Muebles modernos de produccin industrial, o de

importacin masiva en los Mall, de buena calidad, decoracin sobria, ambiente
acogedor, se advierte orden, bien aseado, artefactos de cocina y bao modernos,
plantas de interior.
Posesiones del hogar: Poseen electrodomsticos de uso corriente, equipos

modulares con CD, Lavadora automtica, Centro de cocina, etc., Marcas de
buena calidad sin ser las de ms alto precio.
Automvil: Poseen modelos relativamente modernos, como. Chevrolet, Ford,

Susuki, Renault, Fiat, Toyota, Nissan, todos aos 1987 en adelante, de cilindrada
hasta 1.600 cc.
106
Telfono: El 92% posee.
Descripcin de persona: Apariencia sobria no ostentosa, sobriedad en el

vestuario, (elegancia moderna), lenguaje y modales revelan educacin y cultura.
Educacin de jefe de familia: 15 aos promedio.
Profesin: Algunos profesionales jvenes, Ejecutivos de nivel medio, pequeos

industriales, comerciantes, contadores, profesores, tcnicos, empleados de nivel
medio.
Vacaciones: En los principales balnearios del pas, como: El Quisco, El Tabo,

Mirasol, Papudo, Chilo, Zona Norte del Pas, etc.
Descripcin Estrato C3 (Medio Bajo)
Ingreso mensual promedio: De US$1 mil a US$2.500 Mx.
Comunas: Se ubican en: uoa, Macul, Pealoln, La Florida, San Joaqun,

Estacin Central, Recoleta, Independencia, Puente Alto (sectores en direccin a
la Florida), San Bernardo.
Valor vivienda: U.F. 600 a 1.500
Barrio: Sectores habitacionales denominados como de clase media, mezclados

con algunos "C2" como tambin con algunos "D". Generalmente se agrupan en
poblaciones de alta densidad habitacional. Relativa preocupacin por el ornato,
reas verdes. Son las tpicas villas de casas pareadas en ladrillo princesa sin o
con segundo piso de material ligero. Para barrios de edificios estos son los
clsicos Block de cuatro pisos sin balcones. S este barrio esta ubicado en medio
de la ciudad corresponde a sectores antiguos de la ciudad que muestran una
declinacin en la mantencin de las vivienda y barrios.
Descripcin vivienda: En villas de casa pareadas, estas son de material slido

(generalmente ladrillo princesa) en paredes exteriores del primer piso y las
divisiones interiores son de tabiques, al igual que el segundo piso en caso de
poseerlo. Tienen antejardn y pequea entrada de autos. Las viviendas ubicadas
en medio de la ciudad (barrios antiguos) denotan deterioro en la pintura y
materiales de la pared de fachada.
107
Distribucin vivienda: Pocas habitaciones. Generalmente dos dormitorios, un

bao. Piso de flexit, cermica roja.
Mobiliario y decoracin: Muebles de tipo econmico o pasados de moda.

Decoracin modesta, sin estilo determinado. En poco espacio distribuyen
Living-Comedor y otros. Artefactos de cocina y bao, antiguos o econmicos en
regular estado.
Posesiones del hogar: Poseen electrodomsticos de tipo econmico o antiguo.

refrigerador, lavadora tradicional y automticas, enceradora, juguera, etc.
Automvil: El 65% posee automvil mediano o con varios aos de uso o un

vehculo utilitario, por lo general anterior a 1.986 y si son ms recientes son de
cilindrada hasta 1.300 cc.
Telfono: El 73% posee.
Descripcin de persona: Apariencia modesta-comn, destaca su sencillez y

limpieza, vestuario simple, tradicional, de materiales sintticos e industriales,
vocabulario y lenguajes simples.
Profesin: Son Empleados pblicos y Privados, Profesores, Tcnicos-Obreros

especializados, Artesanos, Comerciantes menores, vendedores, vendedores de
AFP Isapres.
Vacaciones: Usan balnearios del Litoral Central y IV Regin
Descripcin Estrato D (Clase Baja)
Ingreso mensual promedio: De US$200 a US$1.500.- Mx.
Comunas: Se encuentran principalmente ubicadas en: Recoleta, Huechuraba,

Renca, Quinta Normal, Estacin Central, Pudahuel, la Granja, la Pintana, Cerro
Navia, Puente Alto y San Bernardo. (sin embargo encontramos la presencia de
este estrato socioeconmico en zonas y sectores al interior de otras comunas del
Gran Santiago)
108
Barrio: Grandes poblaciones de tipo popular, de gran densidad poblacional, con

pocas reas verdes, una muy gran cantidad de perros callejeros. Muchos
almacenes tipo boliche. Bloques de edificios denominados "Edificios del tipo
Bsico".
Valor vivienda: Hasta 400 UF. (us$10.MIL)
Descripcin vivienda: Son pequeas de tipo muy econmicas, con ampliaciones

y agregados de temporada
Distribucin vivienda: Muy pocas habitaciones, no tienen uso especifico
Mobiliario y decoracin: Incompleto o mnimo equipamiento. Decoracin y

orden sin gusto por el poco espacio de que disponen, exceso de adornos en
muros, muebles modestos, de segunda mano a veces o con muchos aos de uso.
Posesiones del hogar: Tienen algunos artefactos de uso corriente en su mayora

antiguos o con desperfectos, licuadora, televisor, refrigerador, etc.
Automvil: No tienen y si tienen corresponde a camionetas viejas que usan para

el trabajo, o bien automviles de aos muy antiguos con deterioros evidentes.
Telfono: El 35 % posee.
Descripcin de persona: Apariencia modesta, vestuario de mala calidad, tienen

mal gusto para combinar su vestuario. Se preocupan del Aseo personal, sin
embargo igual se nota algn deterioro en sus cabellos, piel y dentadura.
Profesin: Obreros, Trabajadores manuales, algunos empleados de bajo nivel,

jnior, mensajeros, aseadores.
Vacaciones: En ocasiones en balnearios del litoral central tales como: Cartagena,

San Sebastin, Costa Azul, Quinteros.
Descripcin Estrato E (Extrema Pobreza)
Ingreso mensual promedio: De US$200. mximo
Comunas: Principalmente comunas perifricas del Gran Santiago, tales como

Renca, Quinta Normal, Pudahuel, La Granja, La Pintana, El Bosque, Lo Espejo,
San Ramn, Cerro, Navia, Conchal, Pedro Aguirre Cerda.
109
Valor vivienda: Por las caractersticas no se valoran
Barrio: Comunas muy pobladas, ninguna calle con Pavimento. No existen reas
verdes, barrios pobres sin urbanizacin. Son los tpicos campamentos de
nuestras ciudades.
Descripcin vivienda: Para los campamentos las paredes son de material ligero,
tablas, cartn o plstico. El techo dem. En caso de estar ubicada en medio de la
ciudad, esta vivienda se encuentra en extremo estado de deterioro, tanto sus
paredes como puertas y ventanas.
Distribucin vivienda: Generalmente de una o dos habitaciones, funcionan como

comedor, cocina, etc. Casi siempre viven dos o ms familias en calidad de
allegados.
Mobiliario y decoracin: El mobiliario se improvisa, prcticamente no tienen.

Viven en hacinamiento, desorden, pobreza, separan los ambientes con cortinas
de frazadas-sbanas-manteles-cartones.
Posesiones del hogar: Solo lo necesario y en psimas condiciones, cocina a

parafina-carbn-lea. Muchos utensilios de comer son de plstico popular. Estn
colgados de la Electricidad. (Uso Ilegal)
Automvil: No tienen Automvil.
Telfono: No poseen. Excepcionalmente alguien con celular
Descripcin de persona GSE AB: Su apariencia es muy pobre, Cabellera

descuidada, Vestimenta en deterioro y de mucho esfuerzo. Salud dental precaria.
Mala diccin. Muy baja escolaridad.
Educacin de jefe de familia: Menos de ocho aos de escolaridad.
Profesin: Trabajos ocasionales, pololos, comercio en persas, similares,
Vacaciones: No realizan viajes fuera de la Ciudad, No tienen asimilado el

concepto de vacaciones
110
Anexo 3: Procedimiento de escalamiento externo de las preferencias

En esta seccin se detallarn los pasos para llevar a cabo un escalamiento externo de las
preferencias, de manera de entregar una mayor comprensin al lector del modelo, a
travs de su aplicacin. Existen variados paquetes de Software estadsticos para realizar
este tipo de procedimiento, sin embargo este ejemplo ser llevado a cabo con XLstat34,
programa que funciona como complemento de Excel, y que proporciona una aplicacin
especfica para nuestros fines. El ejemplo esta basado en el tutorial de XLstat, sobre
escalamiento externo de las preferencias35, el cual toma datos del articulo de Schlich &
McEwan (1992), e incluye las bases de datos para realizar el procedimiento. Los datos
se basan en la calificacin de:
-
Preferencias de los consumidores: Un total de 99 consumidores, evaluaron 10

marcas de papas fritas, en una escala de 1 a 30 (donde 30 representa la ms alta
preferencia).
Juicios de Expertos: Percepciones de 8 expertos acerca de 4 atributos de textura

y 7 atributos de sabor.
Paso 1: Creacin de un mapa perceptual

Lo primero ser la creacin de un mapa perceptual, aplicando un anlisis de
componentes principales PCA, a la tabla de los juicios de expertos.
34
http://www.xlstat.com/indexes.html
35
http://www.xlstat.com/demo-prefmap.htm
111
Se introduce en la opcin PCA, los datos de los expertos que se encuentran en la hoja de
trabajo de excel (que en este caso es Experts), sealando que se trata de una tabla que
tiene etiquetas tanto para sus filas y columnas.
Las opciones de visualizacin se han configurado para graficar las filas en un mapa
(plot), y filas en conjunto con columnas en otro mapa compartido (biplot).
112
Observations (axes F1 and F2: 69.30 %)

3,4
2,4
Crisp_6
Crisp_2
Crisp_4
1,4
Crisp_3
0,4
Crisp_9
Crisp_7
Crisp_1
-0,6
Crisp_5
-1,6
Crisp_10
-2,6
Crisp_8
-3,6
-3,6
-2,6
-1,6
-0,6
0,4
1,4
2,4
3,4
- - a xis F 1 (4 3 .9 9 %) -- >
Mapa de marcas de papas fritas, usando un PCA
El mapa 2, que se obtiene a partir del PCA explica un 69,3% de la varianza, y nos
permite notar que los expertos son capaces de diferenciar de manera clara las diferentes
marcas de papas fritas(que en el mapa se visualizan como Crisp 1,2,3,4,5,6,7,8,9,10).
Biplot (axes F1 and F2: 69.30 %)
Greasiness
Stuffiness
1,9
1,4
Crisp_6
Crisp_2
M elting
0,9
Crisp_4
Crisp_3
0,4
Sweetness
Earthy
Crisp_9
-0,1
Crisp_7
Crisp_1
Overcoo ked
-0,6
Crisp_5
Saltiness
-1,1
A rtificial
Crisp_10
Stickiness
Hardness
-1,6
Crispy
Crisp_8
-2,1
-2,1
-1,6
-1,1
-0,6
-0,1
0,4
0,9
1,4
1,9
-- axis F 1 ( 43.99 %) - ->
Mapa de marcas y atributos, usando un PCA
El mapa grfica tanto las percepciones de las papas fritas, como los atributos de sabor y
textura. Esta opcin de XLstat ser muy importante para los pasos subsecuentes que se
realizarn.
113
Paso 2: Agrupar a los consumidores

Ahora nos enfocaremos en las preferencias dadas por los 99 consumidores. Puesto que
el nmero de consumidores es significativo, se aplicara un anlisis de cluster, para
agruparlos en grupos homogneos, de lo contrario la interpretacin en un mapa de 99
vectores sera muy difcil. En este ejemplo se aplicara un anlisis de cluster jerrquico
por aglomeracin. El cuadro de dialogo del anlisis de cluster, ha sido llenado de la
siguiente forma:
Luego a travs de la obtencin del Dendograma, se determina trabajar con solamente 8

grupos, lo que el investigador determina de acuerdo a su criterio y conocimiento.
114
Luego ejecutamos nuevamente el anlisis de cluster especificando que se desea obtener

solamente ocho grupos de encuestados. El cuadro de dialogo se llena de la siguiente
manera:
Una vez ejecutado el anlisis de cluster de ocho grupos, procedemos a guardar los
centroides de los grupos (que como observar el lector se encuentran estandarizados).
Paso 3: Creacin del mapa de preferencias

En esta parte se crear el mapa de las preferencias, usando las coordenadas de las
marcas de papas fritas (Crisp), que se obtuvieron del mapa bidimensional en el paso 1, y
las preferencias de los ocho grupos (Clusters) estandarizadas que se obtuvieron en el
115
paso 2. Para activar la opcin de escalamiento externo de las preferencias, se activa el

cuadro de dialogo XLstat:
Cuando se accede a la opcin Preference Mapping (Escalamiento externo de las

preferencias), aparecer un cuadro de dialogo. Los atributos de preferencia Y
corresponden a los centroides de las preferencias de los ocho clusters, mientras que la
configuracin X corresponder a las coordenadas (puntajes factoriales) de las diez
marcas de papas fritas (Crisps) obtenidos a partir del PCA en el paso 1.
Una vez que se especifican las opciones en el cuadro de dialogo y se hace un clic el
botn OK, el programa activa otro cuadro de dialogo, en el cual se deben especificar las
opciones para la creacin del mapa de preferencias. En este caso se opta por un mapa
que graficar preferencias de los clusters y objetos (biplot) ,por esta razn se especifica
tambin la etiqueta de cada serie de datos (labels), para que sean incluidas en el mapa.
Se selecciona el Coeficiente de Correlacin como criterio estadstico para determinar el
largo de los vectores.
116
Los resultados obtenidos (ver abajo), demuestran que el modelo vectorial es adecuado
para los clusters 1,3 y 6, segn muestra el tamao del vector (Lengh of the vector). Para
el resto de los clusters ser ms riesgoso interpretar sus resultados.
Vectors:
Column
Cluster1
Cluster2
Cluster3
Cluster4
Cluster5
Cluster6
Cluster7
Cluster8
F1
0,077
0,215
-0,761
-0,279
-0,525
0,318
0,384
0,523
F2
Length of the vector
0,813
0,816
-0,053
0,221
0,017
0,761
-0,206
0,346
-0,067
0,530
-0,795
0,856
0,290
0,481
0,287
0,596
p-value
0,021
0,832
0,044
0,616
0,230
0,007
0,302
0,213
Los mapas de salida que entrega el modelo, nos permiten rpidamente interpretar los
resultados.
117
El mapa de preferencias nos entrega una representacin visual de las preferencias de los
diferentes grupos de consumidores (Clusters), de acuerdo a la cercana con las
diferentes marcas de Papas Fritas (Crisp), lo que se resume en la siguiente tabla.
Esto representa el final del anlisis, pues hemos obtenido el orden de las preferencias de
los diferentes grupos por alguna u otra marca. Sin embargo los resultados obtenidos en
el paso 1, a travs del PCA graficados en el Mapa 3, se pueden comparar con los
resultados del paso 3 graficados en el Mapa 4.
118

2006 Obilinovic Antonio

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2006 Obilinovic Antonio

Transféré par

Droits d'auteur :

Formats disponibles

Pontificia Universidad Catlica de Valparaso

Facultad de Ciencias Econmicas y Administrativas

ANLISIS DE POSICIONAMIENTO A TRAVS DEL USO

Memoria para optar al grado de

Antonio Francisco Obilinovic Peric

2.3.8 Determinacin de confiabilidad y validez ................................................... 65

3. PRESENTACIN DE LOS HALLAZGOS..................................................... 68

1.1 Razones Personales para la seleccin del Tema

El autor ha seleccionado como tema de investigacin la determinacin del posicionamiento

Escuela de Ingeniera Comercial. Esto permitira en conjunto con una permanente

investigacin en el rea, el acercamiento de nuestra escuela con la empresa y la integracin

1.2 Planteamiento del problema de investigacin

comportamiento histrico de su clientela y posterior diseo de ofertas, productos y

Figura 1: Colocaciones del sistema bancario (1990-2005)

La situacin de la industria bancaria se presenta en la Tabla 1, (excluyendo al banco del

Bancos establecidos en Chile Colocaciones Totales (mm) Participacin de Mercado

Como se aprecia en la Tabla 1, es posible identificar diferentes participantes del negocio en

Bancos Pequeos: Participacin de mercado menor o igual a un 1%.

Bancos Medianos: Participacin de mercado mayor a un 1% y menor o igual a un

Grandes Bancos: Participacin de mercado mayor a un 10%.

El gran tamao de estos mega-bancos no ha impedido el desarrollo de una amplia oferta de

Fuente: Claudia Labb .Subgerente de Estudios de Instituciones Financieras. Feller-Rate Chile.

Tabla 2.Caractersticas propias de la comercializacin de servicios financieros y venta de FMCG (Fast

Caractersticas tpicas del sector de servicios financieros

Caractersticas normalmente compartidas de los servicios financieros y los FMCG

La adopcin de prcticas de la gestin del Marketing de Retail, hoy en da se grfica en:

Campaas publicitarias: Durante ciertas pocas del ao se intensifica la difusin de

Promocin en el punto de venta: Hoy en da las sucursales bancarias, cuentan con

Ventas Personales: Realizadas por lo general va telefnica, pretenden aumentar la

1.2.1.2 El Marketing Mix en la Comercializacin de Servicios Financieros

la venta cruzada de servicios a los clientes existentes, aumenta la necesidad de personal

se basa en la evolucin y comportamiento observado de las diferentes

Sin ir ms lejos la superintendencia de bancos e instituciones financieras, registra la existencia de un total

McGoldrick, Greenland. Comercializacin de servicios financieros.1ra edicin. MacGraw-Hill.Pag 90.

1.2.2 Pequeos bancos y divisiones de consumo orientados a segmentos medios y bajos

divisiones de consumo, de tamao pequeo y con localizacin en las ciudades de

Banco Falabella: Este banco inicia sus operaciones en el ao 2000, y es parte de la

La clasificacin de bancos pequeos es tomada de Feller-Rate en la que la consideracin de pequeo, se

clientes de las tiendas, lo que lo ha posicionado entre los principales originadores

Banco Ripley: Inicia sus operaciones en el ao 2002, y forma parte de grupo de

Banco Paris: Inicia sus operaciones el ao 2004, conformando las empresas

Feller Rate. Informe de Clasificacin de Riesgo de Bonos del Banco Falabella.

BCI, reforzando su presencia en el segmento de consumo. Se espera que la empresa

Atlas Citibank: Tiene mas de 25 aos en el mercado, y conforma la divisin de

Santander_Banefe: Divisin de consumo del Banco Santander Santiago, que nace

1.2.3 Aplicacin del anlisis multivariado en la investigacin de mercados y la gestin

necesario usar mtodos

estadsticos y software con un poder de procesamiento adecuado apropiados para esta

1.2.3.1 Clasificacin no exhaustiva de modelos multivariados

Figura 2: Clasificacin de tcnicas multivariadas no exhaustivas.

Anlisis de correspondencia, Anlisis de Correspondencia Mltiple: Este anlisis es

Similaridad o distancia; Escalamiento Multidimensional, Anlisis de Cluster: Estas

Dos sets de datos; un set de variables independientes y un set de variables dependientes:

Anlisis de Regresin Mltiple: En este tipo de anlisis diversas variables

Anlisis Discriminante: Este tipo de anlisis es equivalente matemticamente al

Dos sets de datos; un set de variables independientes y dos o ms sets de variables

Anlisis de Correlacin Cannica: Combina las variables dependientes para

Anlisis Factorial Mltiple: Combina muchas tablas de datos en un solo anlisis,

Anlisis de correspondencia mltiple: Sirve para comparar datos provenientes de

1.2.4 Percepcin y preferencias

Caja negra del consumidor

Respuestas del comprador

Figura 3. Modelo de la conducta del comprador

Por esta razn es que el investigador de mercados debe estudiar percepciones y