Académique Documents
Professionnel Documents
Culture Documents
Lecher
a
Nmero de
clientes
Junio
1
Julio 15
200
220
500
490
300
290
Tabla 1
Lechera
Clientes
de Junio
1
Cambios en junio
Gananci
a
Prdida
Clientes
de julio 1
200
60
40
220
500
40
50
490
300
35
45
290
Tabla 2
Lechera
Clientes de
Junio 1
Clientes
Perdidos
Clientes
Retenido
s
Probabilidad de
retencin
200
40
160
160/200 = 0.80
500
50
450
450/500 = 0.90
300
40
255
255/300 = 0.85
Tabla 3
200
35
25
20
20
220
500
20
20
35
15
490
300
20
15
25
20
290
Tabla 4
2- Ilustracin matricial de la
probabilidad de transicin
En el siguiente paso en la aplicacin del anlisis de Markov es
convertir la tabla 4 a una forma ms concisa de donde todas las
ganancias y prdidas sean convertidas en probabilidades de
transicin. Las probabilidades de transicin se despliegan en un
patrn llamado una matriz; por consiguiente en este punto es
necesario introducir algn material llamado algebra matricial que
le permitir proceder con el material del anlisis de Markov que
sigue.
Matrices
1 2
4
3renglones
5
6
columnas
Proveedores
A
Usuarios X
Y
1
6
2x2
2
4
2x1
2
6
1
3
2
4
5
1x3
4
6
6
3
7
9
2x4
3x1
Rengl Column
n
a
2
4
-5
1 = elemento
1,1
-1 = elemento
2, 1
3 = elemento
3,1
2 = elemento
1,2
4 = elemento
2,2
-5 = elemento
3,2
7 = elemento
Multiplicacin de Matrices
2
4
2 x
1
3
2
3
2
2 x
1
1
2
Matriz A
Matriz B
2
4
9
3 x
1
4
3
2
2 x
7
2
7
2
No se pueden multiplicar
Matriz A
Matriz B
1
4
3
2
2
4
9
Si se pueden multiplicar
x
x
columnas
a
b
Matriz A
Matriz B
Matriz A
5
6
Matriz B
Clcul
os
Ubicacin de la cifra en la
respuesta
Rengln 1
(5)
Columna 1
(4)
5x4=
20
Rengln 1, Columna 1
Rengln 1
(5)
Columna 2
(3)
5x3=
15
Rengln 1, Columna 2
Rengln 2
Columna 1
6x4=
Rengln 2, Columna 1
ax
b
bx
c
ax
d
bx
d
Matriz C
20
15
24
18
3
4
Matriz B
x
5
7
Matriz A
6
-2
Matriz C
=
Matriz
B
6
31
23 -14
Clculos
Ubicacin de la
cifra en la
respuesta
(2x5) + (3x7) =
31
Rengln 1, Columna 1
Rengln 1
(2
3)
Column
a1
5
7
Rengln 1
(2
3)
Column
a2
6
-2
(2x6) + (3x(-2)) =
6
Rengln 1, Columna 2
Rengln 2
(-1
4)
Column
a1
5
7
((-1)x4) + (4x7) =
23
Rengln 2, Columna 1
Rengln 2
(-1
4)
Column
a2
6
-2
((-1)x6) + (4x(-2))
= -14
Rengln 2, Columna 2
Ejemplo 2:
Matriz A
2
-1
6
1
4
1
Matriz B
-6
3
-5
Matriz A
3
-5
7
Matriz C
=
Matriz
B
-41
-2
-22
Clculos
Ubicacin de la
cifra en la
respuesta
Rengln 1
(2 1
-6)
Column
a1
3
-5
7
Rengln 1, Columna 1
Rengln 2
(-1
3)
Column
a1
3
-5
7
Rengln 2, Columna 1
Rengln 3
(6 1
-5)
Column
a1
3
-5
7
Rengln 3, Columna 1
Ejemplo 3:
Matriz A
1
3
6
4
2
5
-2
0
7
Matriz B
x
Matriz A
-3
0
-1
8 -5
9 -4
10 11
Matriz
B
Rengln 1
(1 4
-2)
Column
a1
-3
0
1
Rengln 1
(1 4
-2)
Column
a2
8
9
1
0
Rengln 1
(1 4
-2)
Column
a3
-5
-4
1
1
Matriz C
-1 24 -43
-9 42 -23
=
-25 163 27
Clculos
Ubicacin de la
cifra en la
respuesta
Rengln 1, Columna 1
Rengln 1, Columna 2
Rengln 1, Columna 3
Matriz A
Matriz
B
Clculos
Ubicacin de la
cifra en la
respuesta
Rengln 2
(3
0)
Column
a1
-3
0
1
Rengln 2, Columna 1
Rengln 2
(3
0)
Column
a2
8
9
1
0
Rengln 2, Columna 2
Rengln 2
(3
0)
Column
a3
-5
-4
1
1
Rengln 2, Columna 3
Rengln 3
(6
7)
Column
a1
-3
0
1
Rengln 3, Columna 1
Rengln 3
(6
7)
Column
a2
8
9
1
0
Rengln 3, Columna 1
Rengln 3
(6
7)
Column
a3
-5
-4
1
1
Rengln 3, Columna 3
0.800
0.100
0.100
0.070
0.900
0.030
0.083
0.067
0.850
Retencin y prdida
Retencin y
ganancia
A160/200 = 0.800
20/200=0.100
20/200=0.100
15/500=0.030
C 25/300 = 0.083
20/300=0.067 255/300=0.850
Estabilidad de la matriz de
probabilidades de transicin
El anlisis de Markov estudia las decisiones de patrocinio de los
consumidores; involucra la cantidad de consumidores que compran de
cada lechera. Una suposicin bsica es que los consumidores no
cambian su patrocinio de lechera a lechera a lechera aleatoriamente;
en vez de ello, suponemos que las elecciones de lecheras de las
cuales comprar en el futuro reflejan elecciones hechas en el pasado.
Un proceso Markov del primer orden se basa en la suposicin de que
la probabilidad del siguiente evento (en este caso, la eleccin de los
clientes sobre los proveedores del prximo mes) depende de los
resultados del ltimo evento (las elecciones de los clientes este mes) y
para nada sobre su conducta previa de compras. Un proceso de
Markov de segundo orden supone que las elecciones de los clientes
para el siguiente mes puede depender de sus elecciones durante los
dos meses inmediatos anteriores (u otro perodo de compra, si no se
usan meses). A su vez, un proceso de tercer orden se basa sobre la
suposicin de que la conducta de los clientes se pronostica mejor al
tomar en consideracin su conducta durante los 3 ltimos meses (u
otro perodo apropiado de compras).
Participacin de
mercado de julio
1
0.22
0.49
Total = 1.00
Probabilidades de
transicin
0.800
0.100
0.100
0.070
x
0.29
0.900
0.030
0.083
0.067
0.850
Participacin
probable de
mercado de
agosto 1
= 0.234
0.483
Total = 1.00
0.2
0.49
x
0.29
0.070
0.900
0.030
0.083
0.067
0.850
0.234
0.483
0.800
0.100
0.100
x
0.283
0.070
0.900
0.030
0.083
0.067
0.850
0.49
0.100
0.100
0.070
x
0.29
0.900
0.030
0.083
0.067
0.850
Participaciones
probables de
mercado al 1
octubre
4- Condiciones de equilibrio
Es bastante razonable suponer en nuestros problemas de lechera,
que se podra llegar a un estado de equilibrio en el futuro con
respecto a participaciones de mercado; esto es, el intercambio de
clientes bajo condiciones de equilibrio sera tal que de continuar,
congelara las tres participaciones de mercado que se obtendran
al momento que se alcanzara el equilibrio. Por supuesto, el
equilibrio, slo puede resultar si ninguna lechera toma acciones
que alteran la matriz de probabilidades de transicin. Desde el
punto de vista de mercadeo, queremos responder a la pregunta:
cules seran las tres participaciones finales o de equilibrio?
0.900
suponga
una
0.050
0.050
0.150
0.750
0.100
0.000
0.000
1.000
nueva
matriz
de
Retencin y
ganancia
Retencin y prdida
debido a que C nunca pierde cliente alguno y debido a que las otras
lecheras s pierden clientes con C, es slo una cuestin de tiempo
hasta que C tenga todos los clientes. En la terminologa de Markov,
esto se llamara un sumidero o recolector de un estado, lo que
significa que una de nuestras lecheras (C) eventualmente adquirira
todos los clientes. C tambin se llama un estado absorbente.
0.900
0.050
0.050
0.000
0.500
0.500
0.000
0.500
0.500
0.100
0.100
0.070
0.900
0.030
0.083
0.067
0.850
(Ec 1)
(Ec 2)
(Ec 3)
(Ec-4)
=
=
=
=
Ec-1
Ec-2
Ec-4
x 0.70
x2
ya que A = C
A = 0.273
1 = 0.273 + B + 0.273
B = 0.454
0.90
0.10
0.05
y la matriz de probabilidades de transicin es
0.80
0.15
0.20
0.20
0.60
1.0
0.0
0.0
0.3
0.6
0.1
0.1
0.2
0.7
0.2
0.6
0.2
0.1
0.5
0.4
0.2
0.3
0.5
Retencin y prdida
Retencin y ganancia
Estrategia 1
El vendedor A podra intentar retener ms de sus propios clientes.
Supongamos que la estrategia 1 aumenta la retencin de 20 a
40% y supongamos que este cambio consiste en reducir las
prdidas de clientes de A a B
La nueva matriz de probabilidades de transicin es
A
0.4
0.4
0.2
0.1
0.5
0.4
0.2
0.3
0.5
Estrategia 2
Como una alternativa, el vendedor A podra dirigir sus esfuerzos
de mercado a capturar una participacin mayor de los
compradores que cambian de C. Supongamos que la campaa de
A est dirigida a inducir que 0.4 de aquellos que cambian de C se
mueven a A en vez de 0.2 que lo hacen ahora.
La matriz de probabilidades de transicin se convierte ahora en
A
B
C
A
0.2
0.6
0.2
0.1
0.5
0.4
0.4
0.1
0.5
Fuentes de informacin
Quiz se ha estado preguntando cmo las firmas a las que nos
hemos estado refiriendo pueden obtener los datos necesarios para
la aplicacin del anlisis de Markov a sus problemas de mercadeo.
Una solucin es que la firma contrate los servicios de una
organizacin de investigacin de mercados. Algunas de estas
organizaciones renen informacin acerca de la lealtad a la marca y
cambio de marcas de sus clientes. Por ejemplo, la Market Research
Corporation of America ha establecido una muestra de las familias
de los Estados Unidos que registran y reportan todas las compras de
ciertos productos con marca MRCA. Ya que las unidades de compra
que constituyen este panel de consumidores revela qu marcas
compran, los datos de MRCA se pueden usar en el anlisis de
Markov. Algunos vendedores individuales deberan estar en una
posicin de reunir informacin sobre preferencia de marca que cada
uno necesitara para hacer uso del anlisis de Markov.
Bueno
Aceptable
Daado
0.8
0.2
Bueno
0.6
0.4
Aceptable
0.5
0.5
Daado
1.0
Reconstruido
Bueno
Aceptable
0.8
0.2
Bueno
0.6
0.4
Aceptable
1.0
Reconstruido
Costo de reconstruccin
uso)
1/4 x $2.50
+
semana
United Industries, un fabricante de ropa de dormir para mujer, clasifica a sus operadores de
mquinas de coser en cuatro categoras, dependiendo de su productividad durante el mes
precedente; 1 es la categora ms baja y 4 es la categora ms alta. Histricamente, la fuerza
de trabajo de cosido se ha distribuido entre las cuatro categoras como sigue: 1 = 30%;
2=35%; 3=25%; 4=10%. Hace siete meses, United introdujo un nuevo sistema organizacional
en su planta en Mt.Gilead, una de sus unidades ms grandes, con 450 operadores. El nuevo
sistema agrupa a los operadores en unidades voluntarias de trabajo que no slo eligen a sus
propios supervisores sino que tambin determinan sus propios horarios de trabajo. Los registros
de produccin mantenidos desde que se adopt el nuevo plan le han permitido a Bill Haywood,
Gerente de la Planta, construir esta matriz de probabilidades de transicin que ilustra los
cambios mes a mes de la productividad de los empleados.
Ms baja
Ms baja
Ms alta
Ms alta
0.5
0.3
0.2
0.3
0.4
0.3
0.1
0.2
0.2
0.5
0.1
0.1
0.1
0.7
alta
0.241
0.192
baja
0.247
0.320
Bill ahora arma la tabla siguiente para calcular las prdidas mensuales de
productividad bajo el sistema nuevo y el anterior; parece que el nuevo
sistema organizacional tiene el potencial de ahorrar a United ms de $14
000 por mes en prdidas de productividad en su planta de Mt. Gilead.
Categor
a de
emplead
o
Sistema
organizacio
nal anterior
Porcentaj
e de
empleado
s
Prdida de
productividad
30
x 40% =
12.00 %
35
x 25% =
8.75 %
25
x 15% =
3.75 %
10
x 5% =
0.50 %
25.00 %
Categor
a de
emplead
o
Sistema
organizacio
nal nuevo
Porcentaj
e de
empleado
s
Prdida de
productividad
24.7
x 40% =
9.88 %
24.1
x 25% =
6.03 %
19.2
x 15% =
2.88 %
32.0
x 5% =
1.60 %
20.39 %
Mal deudor
0-60 das
0.5
0.3
0.2
61-180 das
0.4
0.3
0.2
0.1
Pagado
0.5
0.3
0.2
0.4
0.3
0.2
0.1
I=
O=
0
0,5
1
0
K=
0,3 0,2
M=
0,4
0,3
0,2 0,1
I
1
M
0
0,3 0,2
-
R
0,7
-0,2
-0,2
0,9
=
0,2 0,1
-0,2
-0,2
0,9
0,9
1.4286
1.4286
0 0.8429
0.2857
1.4286
0.3390
1.1864
1,5254
0.3390
0.3390
1.1864
inversa
1.5254
0.3390
0.3390
1.1864
1.5254
0.3390
0,5
0.8983
0.1017
0.6441
0.3559
=
0.3390
1.1864
0.4
0.3
0.1017
$2000
=
0.6441
$5 330,55
$1 169,45
0.3559