EDG Flashcards
K medias
Ventajas
Desventajas
Segmenta en base a maximizar la distancia exterior entre segmentos y disminur la distancia interior entre atributos
V: elimina efecto de outlayers.
DV:
i) solo variables métricas (omite variables categóricas como sexo, ubicación, etc).
ii) hay que especificar número de clústers.
RFM
V
DV
Recencia, frecuencia y monto promedio.
V:
i) simple de implementar.
ii) permite segmentar según comportamiento transaccional.
iii) útil para identificar clientes valiosos y diseñar estrategias de mkt.
DV:
i) usa datos históricos, ignora comportamiento futuro.
ii) no captura complejidad relaciones clientes-empresa.
Análisis Factorial (Mapa perceptual)
V
DV
Se hacen grupos con atributos para crear dimensiones.
Ventajas:
i) permite ver percepciones en mente de consumidores.
ii) analizar posicionamiento en varios atributos al mismo tiempo.
iii) resume info de varios atributos en factores.
Desventajas:
i) ve preferencias, no conductas.
ii) difícil rankear atributos.
iii) preferencias pueden estar asociadas a otros atributos.
Poisson-Gama
V
DV
Predecir consumo en tiempo específico. Modela frecuencia de compra y variabilidad de tasas de compra.
Ventajas:
i) no contempla estacionalidad (ve transiciones).
ii) se hace cargo de la heterogeneidad (analiza datos de distintos clientes).
Desventajas:
i) no considera impacto de variables de mkt ni compras previas
Modelo Logit
V
DV
Probabilidad de elección de compra según la utilidad de las personas.
Sirve para evaluar escenarios
Ventajas:
i) efectos de mkt.
ii) elección depende de atributos y variables específicas.
iii) permite ver % mercado incorporando producto nuevo.
Desventajas:
i) IAI: independencia de alternativas irrelevantes. La selección entre dos opciones debe ser independiente de la presencia o ausencia de otras alternativas
ii) Homogeneidad de preferencias: asume que todos los consumidores responden de la misma forma a los cambios en los atributos
iii) preferencias declaradas no reveladas (realidad =/=).
iv) Modelo es muy racional, qué pasa con compras impulsivas
Análisis Conjunto
Descompone preferencias por atributos. Permite calcular PM y simular escenarios
Directo Análisis Conjunto
V
DV
Se pregunta directamente a consumidores sobre utilidad que otorga cada atributo.
V: simple y rápido.
Fácil interpretación.
Menos costoso.
Adecuado cuando atributos son simples de evaluar de manera independiente.
DV: sesgo de preferencias. irracionalidad en las respuestas. Sesgo de declaración. (declaración =/= realidad)
Indirecto Análisis Conjunto
V
DV
Se presentan combinaciones de atributos y se pide a consumidores que elijan entre opciones completas. Simula decisiones de compra.
V:
i) más realista y preciso (estima utilidades a través de elecciones observadas).
ii) reduce sesgos de declaración.
iii) captura compensaciones entre atributos.
DV:
i) más complejo.
ii) Carga cognitiva encuestados (muchas opciones).
iii) Preferencias =/= conducta.
iv) Más costoso.
v) Asume HOMOGENEIDAD si no se hace segmentación.
vi) Efecto TEST.
Datos de Panel
V
DV
V:
-Permite ver la evolución del grupo.
-Precisión en las estimaciones al ser los mismos hogares, se puede hacer seguimiento.
-Podemos ver cambios de preferencias y no de la muestra.
-Al ser muestras dependientes, se disminuye la varianza y por lo tanto, hay menos sesgos.
-Es más fácil entrevistar a las mismas personas.
DV:
-Envejecimiento del panel → debo renovarlo para que se mantenga representativo.
-Como requieren mayor formalidad, son difíciles de hacer y muy costosas.
-No existe un panel “puro”, existe una dificultad para lograr el seguimiento perfecto de los clientes.
Modelo de Bass
V
DV
Predice adopción de nuevos productos según efecto innovación e imitación. Estima velocidad de adopción y patrón de difusión.
V: útil para planificar estrategias de marketing.
DV: asume homogeneidad. No considera cambios en el mercado, mkt o fluctuaciones económicas.
Matriz de confusión: sensibilidad
Porcentaje casos positivos detectados
Matriz de confusión: especificidad
Porcentaje de casos negativos detectados
Matriz de confusión: precisión
Porcentaje de predicciones positivas correctas
Matriz de confusión: exactitud
Porcentaje de predicciones correctas
Qué puede significar que un atributo no aparezca (no sea significativo) en un análisis de factores?
Puede ser que falte un factor
Puede ser que todos lo valoren por igual
No significa que no sea importante
