Seminario RAC 2009

1. Seminario RAC 2009

2. Agenda Marca F Marca G Marca E Marca A Marca D Marca B 1. Por qué el seminario? • 2. Análisis Estadísticos • 3. Coffe Break • 4. Indicadores • 5. Sesión de preguntas • 6. Cierre de seminario

3. 1 • Por qué el seminario? • Este espacio busca aportar mayores herramientas de análisis a las personas encargadas de trabajar con RAC, con • el fin de enriquecer los informes que son • entregados a los clientes finales.

4. 2 • Análisis estadísticos • Este tipo de análisis se pueden trabajar sobre la plataforma Gandía a través del menú de análisis, a continuación se explicará la aplicación de cada uno de ellos.

5. Definiciones • Tipos de variables: • Variable continua: estatura, peso, edad • Variable ordinal (categórica): estrato, nivel educativo. • Variable nominal (categórica): sexo, ciudad, TOM • Variable intervalo: fecha

6. Menú Análisis • Bajo esta opción se hacen varios análisis de una variable, sin importar su relación con las demás. • Técnica estadística aplicada para valorar como contribuyen las variables cualitativas categóricas independientes en la variación de la media de una variable continua dependiente. No aplica para RAC • Estas pruebas son utilizadas para probar hipótesis sobre el comportamiento de una variable en una o más muestras. • Conjunto de medidas estadísticas derivadas de los cálculos de tablas de contingencia: bondad de ajuste, independencia. • Pruebas utilizadas, cuando la cantidad de datos de un estudio es muy pequeño o cuando se sospecha que los datos no tienen distribución Normal (Gauss). Se emplea básicamente con variables continuas, salvo la Jhi-cuadrado. No aplican para RAC • Por medio de este análisis se evalúa si los valores predichos son estadísticamente distintos de los muestrales, es empleado para evaluar el Análisis de Varianza y Regresión, que no aplican para RAC. • Coeficientes que permiten determinar si existe o no relación entre una variable y otra y qué sentido tiene dicha relación.

7. Menú Análisis • Herramientas para analizar interrelaciones entre un gran número de variables y explicarlas en términos de sus dimensiones comunes. Objetivo: Condensar información. • Técnica empleada para explicar el comportamiento de una variable dependiente (continua) a través de un modelo y a través de otras variables, altamente asociadas a ella. No se aplica a RAC. • Se refiere a la exactitud, en promedio, de la estimación de la puntuación verdadera en una población de objetos a medir. Se realiza para variables continuas. No se aplica a RAC. • Métodos que permiten encontrar subgrupos significativos de individuos, de acuerdo al comportamiento de las variables y de la existencia o no de información inicial, dependiendo de ello, se elige la herramienta de análisis. • Gran cantidad de las herramientas de análisis tienen como supuesto la distribución Normal de los datos, se presenta este mecanismo para normalizarlos. No se aplica a RAC • Esta opción permite hacer el cálculo del tamaño de muestra para una población de interés, conociendo el tamaño del universo y bajo el supuesto de Muestreo Aleatorio Simple.

8. Menú Análisis • Muestra las frecuencias simples y los porcentajes simples y acumulados de una variable. • Para la variable escogida presentan las siguientes medidas de tendencia central: • Base casos • Media aritmética* • Error estimado* • Intervalo confianza* • Mediana* • Primer cuartil* • Tercer cuartil* • Moda • Suma de casos* • Máximo* • Mínimo* • Rango* • Desviación típica* • % Varianza explicada* • Coeficiente de variación* • Coeficiente de asimetría* • Coeficiente de aplanamiento* • Muestra las frecuencias simples en fila (semejante a la presentación de un paquete estadístico viejo llamado Barbro 90) Estos resultados pueden igualmente obtenerse en el menú de Tabulación en marginales de frecuencias y estadísticos. La mayor parte de estos estadísticos no pueden calcularse en las variables de RAC, ya que para su uso se requiere que las variables sean CONTINUAS y las variables de RAC son CATEGÓRICAS.

9. Análisis Univariado • Error Estimado: Se calcula como la división de la desviación estándar sobre la raíz del tamaño real del universo, este indicador esta dado para la media, que no se puede calcular para las variables RAC. • Coeficiente de Variación: Esta dado por la división entre la desviación estándar y la media aritmética. Es una medida útil para medir la dispersión de los datos, de manera independiente de la escala en la cual se muevan las variables. Varia entre 0 y 1. • Coeficiente de Asimetría: Se calcula con base en la información de los cuartiles de la distribución y permite determinar hacia que lado esta concentrada la distribución, a derecha (positivo), izquierda (negativo) o central (cero). • Coeficiente de Apuntamiento (Curtosis): Este indicador permite ver que tan “aplanada” es una distribución. Si su valor es 0, la distribución corresponde a una Normal, si es menor que cero es más aplanado que la distribución Normal y si es mayor que cero es menos aplanado que la distribución Normal.                            .

10. Análisis de Varianza • Modelo: donde: Y: es la variable dependiente continua (de modo que sea posible calcular medias) : intercepto, es un valor general que en principio afecta a todas las observaciones. : es la variable independiente que debe ser categórica : son los residuales que existe en toda medición. • Supuestos: • La variable dependiente debe ser continua • Las observaciones deben ser independientes • Los residuales deben tener distribución Normal • La varianza deben ser homogéneas Este análisis no puede emplearse en RAC ya que no se cumplen algunos de los supuestos.

11. Pruebas de Significación • En este caso se quiere comparar una media contra un valor específico (cero o cualquier otro valor). Prueba T Student. No aplica para RAC. • Con esta prueba se evalúa la existencia de diferencias significativas entre proporciones evaluadas en muestras independientes. • Al igual que en la opción anterior se evalúan muestras independientes, pero para medias, aplicando una prueba T Student. No aplica para RAC. • En este caso se evalúan diferencias significativas a los promedios de un mismo grupo de individuos sometidos a algún tratamiento o estímulo durante determinado tiempo. Se aplica una prueba T Student. No aplica para RAC.

12. Porcentajes en muestras independientes

13. Porcentajes en muestras independientes Se emplea la prueba T Student. Aquellas celdas en las cuales aparezcan letras tienen diferencias significativas con las celdas de las letras que aparecen, por ejemplo en este caso, para Bancolombia hay diferencias significativas entre Medellín y las demás ciudades y también de Cali con Bogotá y B/quilla y finalmente de B/quilla con Bogotá.

14. Pruebas de Asociación • El análisis de datos ordinales, no aplica para RAC, ya que no hay variables que correspondan a ordenamientos, salvo el estrato socioeconómico. • Igual sucede con las variables por intervalo, de las cuales no hay ninguna en la medición de RAC. Por lo tanto NO APLICA. • Prueba Jhi Cuadrado: Esta prueba permite determinar estadísticamente si existe asociación entre dos variables cruzadas en una tabla de contingencia.

15. Prueba Jhi-Cuadrado • Aquellas celdas en las que aparezca el símbolo > o < presentan asociación, sin embargo se debe tener en cuenta que valores muy pequeños presentan niveles alto de error.

16. Correlaciones Se calcula para variables continuas. No aplica para RAC Combina dos variables, dejando constante una tercera, se usa para variables continuas. No aplica para RAC Asociación entre una variable dependiente y dos o más independientes, se usa para variables continuas. No aplica para RAC Se evalúa el coeficiente de Pearson para un grupo de variables, dos a dos. No aplica para RAC Spearman, Tau-Kendall y W de Kendall: son coeficientes que se calculan para variables ordinales. No aplican para RAC Con este coeficiente se evalúa la asociación entre dos variables dicotómicas.. No aplica para RAC Para las variables categóricas empleadas en RAC (nominales) se debe emplear el estadístico Jhi-Cuadrado para medir asociación.

17. Correspondencias Simples • Se analizan dos variables categóricas, se estudian las asociaciones entre las categorías de las variables.

18. Correspondencias Simples • Salida de datos:

19. Correspondencias Simples

20. Correspondencias Múltiples • Se analizan tres o más variables categóricas de manera simultánea, el software tiene límites en cuanto a la cantidad de variables que puede procesar, depende de las categorías de dichas variables.

21. Correspondencias Múltiples

22. Clasificación • Proceso en pasos sucesivos que progresa desde un cluster por sujeto hasta el cluster con todos los sujetos (Ascendente o por aglomeración) o a la inversa (Descendente, por disociación o por división). Luego que un individuo se ha asignado a un cluster no se puede mover. • Este proceso es iterativo y va construyendo los clusters a partir de agrupaciones de individuos de acuerdo a la distancia que hay entre ellos. Se reasignan los individuos y se van haciendo cálculos hasta minimizar las distancias. • Están disponibles tres herramientas para segmentación: • Segmentación AID: Variable dependiente continua. No aplicable para RAC • Segmentación Jhi: Variable dependiente dicotómica. • Segmentación Jhi2 de tabla: Se hace análisis sobre la tabla de contingencia. Con variables continuas. No aplicable para RAC • En este análisis ya se conoce a que grupo pertenecen los individuos, funciona como una regresión donde la variable dependiente es categórica (grupo) y las variables independientes son continuas. Puede tener dos objetivos: obtener una regla que permita clasificar un nuevo individuo no clasificado aún o encontrar relaciones lineales entre las variables continuas. No se aplica a RAC. • Permite ver la distribución de una variable dentro de los segmentos determinados por otras variables de interés.

23. Cluster K-means

24. Segmentación Jhi

25. Segmentación Jhi

26. Segmentación Jhi

27. Árbol de Decisión

28. Árbol de Decisión

29. Tomémonos un break….

30. 4 • Indicadores • A partir de la data obtenida en los procesos multi-variados se pueden obtener los siguientes indicadores: • Índice de Compromiso de marca ICM • Índice de Fidelidad – IDF • Índice de Resonancia • Análisis de dependencia • Cuadrantes de la categoría • Funell

31. 4-1Índice de compromiso de marca – ICM Corresponde al desempeño promedio mostrado por la marca en las Cuatro variables analizadas, se busca que el índice de compromiso de la marca cada vez este más cercano a 100- Nuestro punto de referencia debe ser la norma. NORMA DE LA CATEGORÍA AGUAS: Corresponde al promedio de 7 años de historia Índice de compromiso 47% Próxima comprar 28% Favorita 28% Recomendación Compra 39% Preferencia Preferencia Consideración Conocimiento 94% Awareness Conocimiento Categoría AGUA ENVASADA acumulado Enero – Abril 2009 Marca BRISA

32. 4-2Índice de fidelidad de marca – IDF Corresponde a Lealtad hacia una marca por parte de sus consumidores, reflejada mediante la repetición del acto de compra de los bienes o servicios que comercializa. La fidelidad de marca se basa en la percepción por parte del consumidor de una serie de características, reales o psicológicas, reforzadas fundamentalmente a través de acciones de comunicación. Entre quienes la conocen y la han comprado, cuantos planean volver a comprarla? Entre quienes conocen mi marca, cuantos la han comprado? Cuantos conocen mi marca? Entre quienes la conocen y la han comprado, cuantos la prefieren? Categoría AGUA ENVASADA acumulado Enero – Abril 2009 Marca BRISA

33. 4-3. Análisis de Resonancia Corresponde al desempeño histórico de las marcas en los indicadores de Tom de marca y Top publicitario Marca construida en la mente Campaña Ref: yyy Campaña Ref: xxx Alta Correlación 0.82 Categoría AGUA ENVASADA tendencia Enero 2008 – Abril 2009 Marca BRISA

34. 4-4. Análisis de dependencia Top Publicidad Grupo 2 Marcas con alta influencia publicitaria Grupo 3 Marcas con bajo desempeño En ambas variables Grupo 1 marca con una relación Positiva en las dos variables. Rexona Lady SpeedSitck AXE Gillette Avon Dove Elizabeth Arden Nivea Otras marcas Gillette Series Obao Ebel Gillette 3x SpeedSitck Balance Yodora Arden ForMen Tom de Marca Categoría DESODORANTES acumulado Enero 2008 – Abril 2009

35. 4-5. Matriz de Relevancia (Marca – publicidad  Categoría) Zona Positiva - Marca Zona Positiva – Marca & Publicidad Brisa Cristal Zona + Tom de Marca Manantial Zona neutra Promedio Top of Mind4.17% H2O! Dasani Zona - Santa Clara Postobon Promedio Top publicitario 5.88% Zona Negativa Marca & Publicidad Zona Negativa Publicidad Categoría AGUA ENVASADA acumulado Enero – Abril 2009 Marca BRISA Top de Publicidad

36. 4-6. FunellReport En este análisis de embudo, se visualiza el desempeño de la marca en las diferentes Variables, este grafico permite visualizar fácilmente los puntos donde la marca Es mas débil ó fuerte. Categoría AGUA ENVASADA tendencia Enero 2008 – Abril 2009 Marca BRISA

37. Gracias!!!!!!