INVESTIGACION DE LAS PREFERENCIAS DEL CONSUMIDOR MEDIANTE

ANALISIS CONJUNTO: IMPORTANCIA PARA EL DISEO DE

NUEVOS PRODUCTOS

Rodolfo VAZQUEZ CASIELLES

Profesor Titular
Area Comercializacin e Investigacin
de Mercados
UNIVERSIDAD DE OVIEDO

r.

1 . INTRODUCCION
En las dos ltimas dcadas

los investigadores de mercado han mostra

do un gran inters en modelizar las preferencias del consumidor.

ramente aceptan

Gene -

la hiptesis de que los productos/servicios entre los/

que el consumidor debe realizar una eleccin poseen diversas caracters

ticas (son de tipo mu 11iatri but o ) que los diferencian de sus competido
res. Por ejemplo,

una cuenta corriente de alta remuneracin puede ser /

descrita en trminos de tipo de inters nominal

y comisiones por saldo;

a favor del Banco,

tasa anual equivalente que se devengar por saldos <=

favor del cliente,

comisiones por mantenimiento de saldos y por opera -

ciones que reflejen adeudos en la cuenta,

tipo de institucin financie

ra y servicios complementarlos que ofrece. Adems,

estos atributos son/

ofrecidos a distintos

niveles. Un Banco que devenga un inters del 23'

sobre el saldo deudor,

abona intereses del 7,5% para saldos medios men

suales superiores a 250.000 pesetas, cobra 60 pesetas por cada asiento,

deudor,

siendo los primeros 20 asientos gratuitos y posee oficinas cer

ca del domicilio.
Desde esta perspectiva,
niveles de atributos

los consumidores consideran combinaciones di

(cada posible combinacin representa perfiles de

productos actuales o potenciales) cuando desarrollan preferencias y se

leccionan productos/servicios de acuerdo con la percepcin de la til i
dad que proporcionan.

Por tanto, el decisor est altamente preocupado

en determinar la contribucin de cada uno de los atributos y sus nive

les a las preferencias del consumidor y utilizar los resultados obteni
dos para:
1. Disear el producto/servicio con niveles de atributos satisfact
rios desde el punto de vista del consumidor,
des comerciales de posibles innovaciones.
1

analizando las oportunida

2.- Obtener segmentos de consumidores que asignan diferentes valores

a los niveles de los atributos.
3.- Estimar cuotas de mercado para productos con diferentes combina
ciones de niveles de atributos.
Estos objetivos pueden desar ro l1arse mediante la aplicacin del an
lisis conjunto.

En las secciones siguientes presentamos el propsito de

esta tcnica y su utilidad prctica.

2. PROPOSITO DEL ANALISIS CONJUNTO

Como sealaban GREEN y RAO

(1.971) y GREEN y WIND

(1.973),

los estu

dios de anlisis conjunto se centran en tareas en las que los sujetos /

establecen preferencias por distintos productos/servicios/marcas o con
ceptos descritos por combinaciones de niveles de diferentes atributos /
determinantes. Los datos de preferencia son utilizados como inputs de /
informacin en algoritmos alternativos para derivar estimaciones de los
componentes parciales de la utilidad total
tes a cada nivel de cada atributo.

("partworths") c orrespondien

Por tanto, el anlisis conjunto pro

porciona una medida cuantitativa de la importancia de unos atributos

(y sus niveles)

en oposicin a otros.

Su propsito consiste en ayudar s

seleccionar entre productos/servicios mejo rad os ,mo d i ficados o reposicic

nados,

para precUfciir su nivel de ventas, de uso o cuota de mercado,

pa

ra ayudar a fijar precios o para ensayar conceptos de nuevos productos,

El anlisis conjunto se convierte,

en definitiva,

en un instrumento/

de investigacin extremadamente poderoso y til. Su aceptacin y nivel/

de uso en el campo de Marketing han sido notablemente elevados desde si
aparicin a principios de la dcada de los 70. Los trabajos de CATTIN '
WITTINK

(1.982) y WITTINK y CATTIN

(1.989) documentan

la gran cantidad

de estudios de anlisis conjunto realizados durante el periodo 1.971 -

1.985, destacando su aplicacin para bienes de consumo

(aproximadamente

el 607. de los proyectos de investigacin) .

Existen numerosas posibi1idades para expresar algebricamente los mo
dlos de anlisis conjun t o .Centramos nuestra atencin en las formas mas
comunes relativas a polinomios simples
atributos determinantes

(1). Part icu 1armente para tres /

la expresin multilineal

sera:

p,q,r 3

0)

uijk =

Vij*Dij +

+ ^
EIq2,r3*Dq2 ,r3
q.r

p m

EIP1 ,q2-p1 ,q2 + 2

EIpl,r3*Dp1,r3 +
p,r

r3

p.q.r

Utilidad total que proporciona al individuo k el perfil carac

terizado por el nivel i del at ributo j. No se puede observar/
el verdadero valor de la utili dad. Mas bien obtenemos una eva
luacin subjetiva mediante inf ormacin facilitada en una esca
la de medida por el individuo k .
Componentes parciales de la ut ilidad total (partworths) o imV
portancia asignada al nivel i del atributo j. Valor conocido/
como "efectos principales" cor respondientes a los niveles de/
cada atributo.
El = Partworths o importancia asign ada a los "efectos interaccin"
ocasionados por la aparicin c ombinada de los niveles de dos/
(o tres) atributos que no pued en recogerse mediante la suma /
de los efectos principales y d e los efectos interaccin de or
den inferior.
Variable dummy que toma el val or uno si el producto estudiado
Di,j
tiene el nivel i del atributo j y cero en caso contrario,
p,q,r = Niveles correspondientes a los atributos 1, 2 y 3 respectivamente.
uijk

La ecuacin anterior implica que cada p-sima, q-sima,

r-sima com

binacin de niveles de los atributos estudiados representa un producto/

potencial

(perfil o estmulo).

El objetivo es estimar

los efectos prin

cipales y los efectos interaccin de forma que su suma iguale la utili

dad total o informacin proporcionada por los entrevistados cuando se /
les muestran perfiles de varios productos.

Por supuesto,

a medida que aumenta el nmero de atributos y sus nive

les los efectos principales se incrementan proporciona1m e n te y los efec

tos interaccin exponencia 1m e nt e , complicando excesivamente su estima cin. Ahora bien, en la realidad la tarea es mas sencilla dado que la /
mayor parte de las investigaciones concluyen que los nicos efectos sig
son los efectos principales y parte de los efectos interac
cin de segundo orden
En definitiva,
carcter general

(entre dos atributos).

la ecuacin

capaz de integrar diferentes procesos de decisin que/

pueden ser independientes

tiplicativos

(1) representa una frmula multilineal de

(atributos no reacionados),estrictamente mu

(todos los atributos son complementarios),

distributivos /

(un atributo complementa a otros que son conjuntamente independientes)/

y dual-distributivos

(un atributo es independiente de otros que son com

plementarios). Estos modelos pueden especificarse como sigue

(LOUVIERE,

1 .988 ) :

P.q.r 3
(1-1)

(completamente independiente)
i=1 j =

P.q.r 3
p,q

^ p 1,q2 *p 1 q 2
*

'fjfe * . L ^(|l,q2,r3*Dp1,q2,r3

(independiente con dos atributos complementarios)

(estrictamente multiplicativo)

!>$ 2

q.r

EIq2,r3*Dq2,r3

(dual-distributivo)

Tal que expresiones como (1 1 y (1-2) son las de mayor utilizacin.

3.

FASES PARA LA PUESTA EN PRACTICA DEL ANALISIS CONJUNTO

Consideremos una empresa que desea introducir una nueva marca dentrc
de una clase de productos concreta.
vos de servilletas de papel
de atributos)

Pretende evaluar diseos alternati

(consistentes de combinaciones de niveles /

en relacin al comportamiento de preferencia esperado por

clientes actuales o potenciales

mercado se refiere).

(principalmente en cuanto a la cuota de

Para ello utiliza el anlisis conjunto con el fin/

de orientar su toma de decisiones.

La aplicacin de esta tcnica requie

re el desarrollo de las siguientes etapas:

3.1.

IDENTIFICACION DE ATRIBUTOS DETERMINANTES

No todos los atributos del producto son igualmente determinantes en/

el establecimiento de las preferencias del c on sumidor.Unos influyen ma<
decisivamente que otros en el comportamiento de compra.
de identificar atributos determinantes

La mejor forma/

(2) consiste en aplicar alguno ,

de los enfoques siguientes:

1.- Preguntar al consumidor directamente sus razones de compra

(3) .

suponiendo que conoce y es capaz de decirnos cuales son los atributos

que determinan sus preferencias. Los atributos son clasificados como d;
terminantes si se encuentran entre las razones de compra mas frecuente
mente citadas o se les asigna una puntuacin media elevada en una list
presentada al consumidor y obtenida principalmente por enfoques indire
t o s.
Para obviar

la dificultad de que un mismo atributo se presente al -

mismo nivel entre todas las marcas compitiendo

considerar como un atributo determinante)
rcter dual

(ALPERT,

(con lo cual no se pued

se utilizan cuestiones de ca

1.971) en trminos de cules son los atributos ma

importantes, que determinan

la eleccin de compra y que diferencias se

perciben,

en relacin a estos atributos,

ten en el mercado.

entre los productos que compi

Los atributos juzgados con valoracin alta en impor

tancia y diferencias percibidas son seleccionados como determinantes.

2.- Emplear

la metodologa de las entrevistas en profundidad a consi

midores y expertos en la fabricacin/venta de los productos estudiados/

(ir mas all de las respuestas superficiales proporcionadas por el enfc
que previo,
grupo

analizando las motivaciones de compra),

(discusin

las entrevistas de/

libre sobre el tema de inters aprovechando las inter

acciones entre los miembros del grupo) y las tcnicas proyectivas

sentar un objeto,

actividad,

la cuestin a investigar,

(pre

frase o persona ambiguos relacionados con/

solicitando su interpretacin y significado),

La dificultad estriba en el anlisis del contenido de las respuestas.

3.- Utilizar el mtodo de Kelly ofreciendo productos de tres en tres
al entrevistado al efecto de que agrupe los dos mas iguales y especifi
que en funcin de qu atributos son semejantes y diferentes de un tere;
ro. As se obtiene una relacin de atributos determinantes.
4.- Aplicar diversos algoritmos como el anlisis multidimensional m
mtrico y el anlisis factorial que permitan identificar a posteriori
atributos determinantes a partir de ciertos inputs de informacin.

Es

una alternativa menos utilizada por su complejidad tcnica e interpret

cin subjetiva de los resultadas.
Una consideracin a tener en cuenta es que los atributos obtenidos
sean controlables por la e m p r e s a ,accionables,con capacidad de ser ofre
cidos al consumidor.
nricos
cias.

Los entrevistados,

a menudo,

(tales como conveniencia y calidad)

indican conceptos ge

para explicar sus preferen

Dichos conceptos significan diferentes cosas para distintas pers

as y son insuficientemente especficos para informar a la empresa so

bre las consecuencias de su modificacin en relacin al posicionamient
6

competitivo de sus marcas.

Por tanto,

objeto de investigacin adicional

los atributos genricos deben see

para detectar su relacin con otras ,

variables accionables.
Seleccionar uno de los enfoques propuestos,
depende del

tipo de decisin,

y la experiencia del

incluso su combinacin,,

los costes que se est dispuesto a asumii

investigador.

Para nuestro caso concreto suponga -

mos que se ha utilizado una entrevista de grupo que mediante una discu
sin

libre de la cuestin a examinar permiti obtener los atributos de

terminantes en la compra de servilletas de papel: nmero de servilleta'

por paquete, c o 1o r ,distintos diseos de decoracin,

grosor,

suavidad y

prec i o .

3.2. ESTABLECIMIENTO DE LOS NIVELES ASIGNADOS A CADA ATRIBUTO

Se trata de decidir

la amplitud de variacin de los atributos deter

minantes previamente identificados

(4).

Inicialmente se aboga por til

zar los niveles de los atributos determinantes correspondientes a las

marcas que actualmente compiten en el mercado.

Tambin se recomienda i

corporar nuevos niveles en todos o algn atributo determinante identif

cadas mediante entrevistas a expertos, sugerencias de consumidores y e
periencia innovadora de la empresa.

Si los atributos son continuos

(n

mero de servilleta por paquete, grosor y precio) el investigador debe

r realizar un pretest para asegurar que los niveles son lo suficiente
mente diferentes. Para atributos categricos
cin y suavidad)

(color, diseos de decor

los niveles factibles dependen del estado de la tecnc

logia y los costes de incorporacin para la empresa fabricante.

puesto,

Por si

el nmero de niveles no tiene que ser similar para todos los -

atri b u t o s .
Para ilustrar nuestro ejemplo,

supondremos

los siguientes niveles |

ra cada atributo determinante.

Por lo que se refiere al nmero de servi

lletas por paquete los niveles seran:

blanco y verde,

50, 100 y 200. Como niveles de /

color:

blanco,

blanco y r o s a . El diseo de decoracin /

sera:

alternar cuadrados o franjas con colores distintos

lletas blancas, cuadrados o franjas con diferente relieve)

blanco con bordes y estampado de hojas en color
cas,

borde y estampado a relieve).

(para servi y un fondo /

(para servilletas blan

El grosor que sea de una capa, dos c

tres. Las servilletas que se fabriquen con suave tis, una calidad me dia de suavidad o de material

mas spero

(todas igual de absorbentes)./

El precio que se corresponda con el precio medio existente en el merca

do, un 20'/. superior o un 20"/. inferior.

3.3. PRESENTACION DE ESTIMULOS A UNA MUESTRA DE CONSUMIDORES

Se selecciona una muestra de consumidores actuales o potenciales de,
la clase de productos.A cada individuo de la muestra se le solicita su;
preferencias por un conjunto de productos

(estmulos)

resultantes de 1<

combinacin de los atributos en estudio a diferentes niveles. El desa

rrollo de esta tarea implica ofrecer una respuesta a los siguientes in
terrogantes
SAN,

(para un anlisis mas detallado consultar GREEN y SRINIVA

1.978):

1.- Qu procedimiento utilizar para la construccin de estmulos?.

Existen dos procedimientos bsicos:
vez

procedimiento de dos atributos a 1

(trade-off) y el enfoque del perfil completo

En el procedimiento de dos factores a la

vez

(f u 11-profi 1e ).
(procedimiento de com

pensacin o de intertransferencias entre los niveles de dos atributos)

se requiere al entrevistado rellenar tarjetas como las propuestas en 1
Figura 1 y que indique el ranking de preferencias
a menos preferido)

(en una escala de ma

para las combinaciones posibles de niveles de dos -

atributos
utilizado.

(JOHNSON,

1.974).

Efectivamente,

Es un mtodo sene i 11 o ,aunque cada vez menos

tan slo el 67. de las investigaciones realiza

das durante el perodo 1981-85 lo aplicaron,

NUMERO SERVILLETAS: 50
COLOR: Blanco y Verde
DISECO DECORACION: Fondo blanco
con bordes y estampado hojas
de color
GROSOR: Dos Capas
SUAVIDAD: Muy Suave
PRECIO: Medio

PRECIO
COLOR
+ 157.

MEDIO

3
1
2

BLANCO
BLANCO/VERDE
BLANCO/ROSA

4
6
5

-157.

7
9
8

FIGURA 1.- Ranking de Preferencias para el Proced

miento Trade -Of f.

por WITTINK y CATTIN

segn el informe elaborado

FIGURA 2.- Muestra de TarjetaEstmulo para el En

foque de Perfil Coflj
p 1e t o .

(1.989). Las razones para esta popularidad decre -

ciente se centran en diversas limitaciones comentadas en el artculo de

MUGICA GR IJALBA

(1.989b):

a) Descomponer

la serie global de atributos presentndolos al consu

midor en tarjetas o tablas que los combinan dos a dos supone una cierta
ausencia de realismo.

No existe la certeza ni

la forma de analizar si /

el encuestado est aislando efectivamente en su evaluacin de la pareja

de atributos los efectos de los restantes atributos no considerados o /
si, por el contrario,

est teniendo en cuenta posibles interacciones.

b) Existen inclinaciones por el entrevistado a indicar preferencias/

atendiendo a ciertos comportamientos,
Por ejemplo,

lo que invalida los resultados.

se pueden ordenar las preferencias por las combinaciones /

de dos atributos atendiendo slamente a variaciones en los niveles de /

uno solo de ellos y nicamente despus considerar el otro atributo.
En el mtodo del perfil completo
se utiliza

(o tarea de evaluacin conceptual),

la serie completa de atributos,

9

en lugar de dos cada vez. E.

encuestado seala sus preferencias por una serie de productos actuales/

o potenciales que difieren en los niveles de los atributos estudiados./
El nmero de tarjetas

(similares a la propuesta en la Figura 2) sobre /

las que se solicita preferencias al consumidor resulta de todas las com

binaciones posibles entre los niveles de los atributos considerados o /
como veremos con posterioridad

las mas representativas.

El mtodo del perfil completo es de amplia utilizacin

(WITTINK y /

C A T T IN ,1 .999; estiman en un 61
/. las investigaciones que lo aplicaron)
el que propugnamos para su puesta en prctica.

El argumento a favor del

empleo de esta metodologa de recogida de informacin es que ofrece una

descripcin mas realista de los productos sobre los que se solicita pre
ferencias contrastando su validez cuando las co r r e 1aciones entre los
atributos son elevadas.
2.- Qu medios utilizar para la recogida de datos?. La tcnica de /
mayor popularidad es la entrevista personal. El uso de encuestas por co
rreo y entrevistas telefnicas es poco frecuente. En los ltimos aos,/
el desarrollo de software para el tratamiento del anlisis conjunto,per
mite que el entrevistado interacte directamente con el ordenador faci
litndole datos sobre sus preferencias y agilizando la estimacin de la
importancia de los atributos y sus niveles.
3.- Cmo presentar los hipotticos productos

(estmulos)

a los en -

cuestados en el enfoque del perfil completo? .Norma 1m e n te se realiza una

descripcin verbal mediante tarjetas similares a la propuesta en la F i
gura 2. En este caso existe el sesgo potencial de que la importancia de
un atributo puede ser funcin del orden en que aparece en la tarjeta e;
tmulo. Para reducir este problema el orden de los atributos se vara /
para diferentes entrevistados,

aunque se mantiene constante para todas/

las tarjetas de las que se solicita preferencias a un mismo consumidor,

10

tros mtodos menos utilizados son la representacin grfica

(por --

ejemplo,una figura de tres dimensiones para establecer preferencias por

diseos alternativos de envases)

y el empleo de productos fsicos.

Todo

depende de la clase de producto y de las consideraciones de coste o del

tiempo que necesita el investigador para preparar

las descripciones de/

los estmulos.
4.- Qu nmero de tarjetas estmulo debemos presentar a cada indivi
do en el enfoque del

perfil completo para que los resultados sean fia

bles?. Cabe considerar diferentes alternativas. En primer 1u g a r ,o f recer

al entrevistado tantas tarjetas como combinaciones posibles de todos
los atributos a distintos niveles
rial completo o diseo maestro).

(lo que se conoce como diseo facto Para una investigacin con "A" atribu

tos y "N" niveles cada uno, el entrevistado tendra que exponer sus pre
A
ferencias sobre un total de N estmulos. Si el estudio comprende "a" /
atributos con "n" niveles cada uno y "b" atributos con "m" niveles, el/
a
K
nmero de atributos a presentar por entrevistado sera
n
.m
.En nes
6

tro ejemplo, el nmero de estmulos vendra dado por 3

= 729. Con esta

informacin se podran obtener estimaciones de los parmetros correspor

dientes a todos los efectos principales y efectos interaccin similares
a los propuestos en la expresin

(1).

Ahora bien, si deteeamos mantener el inters de los entrevistados en/

la investigacin,

el nmero de estmulos no debe sobrepasar un lmite /

razonable (la mayor parte de las investigaciones utilizan entre 10 y 2!

estmulos)

puesto que en caso contrario la capacidad de evaluacin del,

individuo (sobrecarga informativa)

influira negativamente en la cali

dad de las respuestas obtenidas.

Teniendo en cuenta estas consideraciones de orden prctico, el inve
tigador tan slo presentar a los entrevistados una pequea fraccin d
11

las 729 combinaciones denominada

to". Normalmente,

"fraccin del diseo factorial comple

a medida que crece el nmero de atributos el anlisis

conjunto lleva implcito la utilizacin de un "diseo factorial

nado"

(MARTIN DAVILA,

1.987).

El nmero de estmulos requerido en un diseo factorial

depende de los objetivos del investigador.
les y de interaccin

fraccic

fraccionado/

Cuantos mas efectos principa

(no confundidos entre s) desee estimar mayor nme

ro de estmulos necesitar.

Por ejemplo,

el caso mas usual es elaborar/

diseos factoriales fraccionados para calcular nicamente los efectos /

ATRIBUTOS Y SUS NIVELES

ESTIMULO

SERVILLETAS
PAQUETE

COLOR

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3

1
1
1
2
2
2
3
3
3
1
1
1
2
2
2
3
3
3

DISEO

1
3
2
2
1
3
3
2
1
2
1
3
3
2
1
1
3
2

(1 ) Los nmeros representan

GROSOR

1
2
3
3
1
2
1
2
3
2
3
1
3
1
2
2
3
1

(1)
SUAVIDAD

1
2
3
2
3
1
3
1
2
3
1
2
1
2
3
2
3
1

PRECIO

1
2
3
2
3
1
2
3
1
1
2
3
3
1
2
3
1
2

los tres niveles de cada atri b u t o .

FIGURA 3.- Una Posible Alternativa pare el Diseo Factorial

Fracc ionado con 18 E s t mu1o s .

principales,

suponiendo que los efectos interaccin o no existen o no

son significativos.

La Figura 3 constituye una representacin de dicho

12

diseo con 18 estmulos,

veces bajo cada atributo.

tal que cada nivel

Adems,

pales no estn correlacionados

aparece el mismo nmero de/

para asegurar que los efectos princi

(confundidos)

cada nivel de un atributo/

se cruza con cada nivel de los restantes atributos el mismo nmero de /

veces. El

lector interesado en como confeccionar tablas standard para /

diversos tipos de diseos factoriales fraccionados puede consultar

trabajos de GREEN

(1.974) y McLEAN y ANDERSON

bliografa que en ellos se cita

5.- Cmo cuantificar

(1.984)

los/

as como la bi

(5).

las preferencias hacia unas tarjetas estmulo/

cuando se planifica un anlisis conjunto mediante el enfoque del perfil

completo?.

La informacin proporcionada por los entrevistados

dependiente "U" en la expresin

cia productos hipotticos

(variable

(1)) en relacin a las preferencias ha

(combinaciones de niveles de atributos)

pue -

de obtenerse mediante dos tipos de escalas de medida:

a) Ordenacin del conjunto de estmulos o perfiles de productos
nuestro ejemplo 18) de mayor a menor preferencia.

(en/

Tambin el entreviste

do puede inicialmente realizar dos agrupaciones de los estmulos

(los c.

mas preferidos y los 9 menos preferidos) y establecer ranking de prefe

rencias para cada una. Una alternativa consiste en indicar preferencia?
para todas las combinaciones de dos estmulos mediante escalas de campe
racin par y posteriormente derivar ranking de preferencias.
b) Evaluacin en una escala de intervalos de menor a mayor agrado o.
de menor a mayor intencin de compra

(por ejemplo de 0 a 10) por cada

uno de los estmulos presentados.

3.4. METODOS DE ESTIMACION DE LOS PARAMETROS DE UN MODELO DE A N A L I

SIS CONJUNTO
Para determinar
niveles

la contribucin de cada uno de los atributos y sus

(efectos principales y efectos interaccin)

13

a las preferencias

del co ns umi dor ,1 as investigaciones sobre anlisis conjunto emplean prii

cipalmente

(6) la siguiente metodologa

(WITTINK y CATTIN,

1.- Si la variable respuesta est escalada a intervalos,

1.989):
el proced

miento mas apropiado es la Regresin Mltiple por Mnimos Cuadrados Or

dinarios.

An si los datos estn referidos a una ordenacin este mtod<

tambin ofrece buenos resultados.

Tiene la ventaja de proporcionar des

viaciones tpicas para comprobar el grado de significacin de los efec

tos principales y de interaccin.
2.- Si la variable respuesta se obtiene mediante una ordenacin del
conjunto de estmulos de mayor a menor preferencia

(es de naturaleza oj

dinal) el mtodo mas difundido es el Anlisis Montono de la Varianza

(MONANOVA). Slo es aplicable cuando se especifican efectos principale
sin efectos interaccin.
Cualquiera de estos mtodos de estimacin se pueden aplicar a nivel
individual o a nivel agregado
dividual

(M O O R E , 1.980). En los modelos a nivel

se estima la importancia de los niveles de los atributos para

cada entrevistado a partir de los datos de preferencia obtenidos.

enfoque permite al investigador utilizar

Este

las estimaciones obtenidas en

un modelo de simulacin para pronosticar cuotas de mercado de producto

actuales o potenciales.
Los modelos a nivel agregado,

inicialmente pueden obtener las media

de preferencia de cada perfil de producto para toda la muestra y poste

riormente estimar las utilidades de los niveles de los atributos para
el conjunto de individuos. Slo es vlido cuando la poblacin es homoc
nea en sus criterios de preferencia.
el mtodo de anlisis individual,

Por ello, normalmente se aconsej

aunque la operacin es mas laborios

Tambin es deseable poder combinar los aspectos positivos de ambos

enfoques

(elevado poder predictivo en modelos individuales y estimaciC

14

de un menor nmero de funciones de utilidad en modelos a gregados).La al

ternativa sera agrupar individuos de acuerdo con sus preferencias

(por

e j e m p l o ,apiicando un anlisis cluster como propone OGAWA,1.987) y a cor

tinuacin estimar

3.5.

los parmetros del modelo para cada segmento obtenidc

INTERPRETACION DE RESULTADOS

El algoritmo de estimacin empleado asigna valores de importancia

(utilidades o partworths)

a los niveles de cada atributo

para las respectivas interacciones).

(y en su caso/

Dichas utilidades s o n ,en muchos c

sos,objeto de norma 1 izacin facilitando al investigador

paracin al estar comprendidas entre cero y uno

la labor de con

(MARTIN DAVILA,

1.9S7),

Con los valores de las utilidades o partworths normalizados se elaborar

grficos como los expuestos en la Figura 4, a partir de los cuales se /
pueden deducir diversos comentarios.
En primer

lugar,

las utilidades o partworths no ofrecen una interpri

tacin directa de la importancia de un atributo o sus niveles.

res cuantitativos obtenidos slo sirven para evaluar

Los val

la importancia re

lativa de un atributo o nivel del mismo en relacin a los dems.

En segundo lugar,cuanto mayor sea la diferencia entre las utilidade
del nivel mas alto y el mas bajo de cada atributo, mas importante ser
el atributo. A la inversa,

si todos los niveles posibles tienen

la mis

ma utilidad, el atributo no es importante porque no influye sobre la a

titud general

(FLETCHER,

En tercer lugar,

1.988).

siempre que lo permita el diseo factorial

fraccia

nado propuesto para la recogida de informacin, el mtodo de estimaci

(concretamente la regresin mltiple por mnimos cuadrados)
tar efectos de interaccin de los atributos.

puede comp

A ttulo de ejemplo,

la F

gura 5 indica que para servilletas de papel de un grado elevado o med

15

50

100

Cuadra Franja Esta

do
pado

200

Verde
NUHERO SERVILLETAS

Rosa

COLOR

DISEO DECORACION

0.8
0.7
I
Il
0.3

1 Capa

Muy Suave Aspero

Suav*

GROSOR

SUAVIDAD

(0,7
(0,3
(0,8
(0,6
(0,8
(0,9

- 0,3)
- 0,2)
- 0,3)
- 0,4)
- 0,3)
- 0,2)

PRECIO

RANKINS IMPORTANCIA

IMPORTANCIA RELATIVA ATRIBUTOS

Neero Servilletas ....
Color. . . . . . . . . .
Diseo Decoracin ..
6rosor . . . . . . . . .
Suavidad . . . . . . . .
Precio .. . . . . . .

-151 Hedi +151

* 0,4
0,3
* 0,3
0,2
0,3
o,7

NOTA Obiarvar que cuando ti atributo es categrico no se han unido las

utilidades correspondientes a cada nivel ya que los puntos inter
nadlos carecen de interpretacin.
FIGURA 4

Muy Suave

FIGURA 5
16

Suavidad Media

Aspero

de suavidad

las preferencias aumentan a medida que lo hace el grosor,

mientras que para servilletas speras el nivel

intermedio de grosor es/

el preferido.
En cuarto lugar,se podra valorar la utilidad de niveles intermedios
a los estudiados para cada atributo

(siempre que sean de carcter conti

nuo) mediante una simple interpolacin

lineal

(7). Dado que este razona

miento constituye una aproximacin a la verdadera funcin de utilidad /

para los atributos recomendamos precaucin en su aplicacin.
Finalmente,

una de las ventajas del anlisis conjunta es que permite

predecir el orden de preferencia no slo de estmulos iniciales (y ver/

si coincide con las preferencias observadas)

sino tambin para derivar/

el atractivo de productos actuales o nuevos resultantes de combinar los

niveles de los at ri but o .Obviamente el nivel mas importante de cada atri
buto generar el mejor producto aunque el mismo muchas veces no sea fac
tibie.La cuestin real es que combinacin resulta mas rentable y viable
tecnolgicamente.

La Figura 6 muestra un ejemplo al respecto.

3.6. FIABILIDAD DE LAS ESTIMACIONES

El

anlisis conjunto debe siempre incorporar diversos test de fiabi

lidad y/o validez.La investigacin realizada por los autores REIBSTEIN;

BATESON y BOULDING (1.988)

propone una revisin de la literatura sobre/

el tema de fiabilidad en el anlisis conjunto,

distinguiendo y analizar

do varios tipos de medidas:

1.- Fiabilidad tmpora 1.Sern
instantes de tiempo?.

los resultados idnticos en distinto?

El objetivo consiste en analizar si las preferen

cias por una serie de perfiles de productos varan a lo largo del tiem
po (para una misma muestra de entrevistados)

y en que medida ello afec

ta a la importancia estimada para los niveles de los a t ribut os .Estud o

17

PRODUCTO 1

ATRIBUTOS

NUMERO
SERVILLETAS
COLOR
DISEO
DECORACION
GROSOR
SUAVIDAD
PRECIO

UTILIDAD
TOTAL

PRODUCTO 2

PRODUCTO 3

50

(0,6)

200

(0,3)

100

(0,7)

B 1anco/Verde

(0,5)

B1anco

(0,2)

B 1anco/Verde

(0,5)

Estampado

(0,8)

Alternar
Franj as

(0,4)

Es tampado

(0,8)

2 Capas

(0,6)

2 Capas

(0,6)

1 Capa

(0,4)

Muy Suave

(0,8)

Media

(0,7)

Media

(0,7)

+ 157.

(0,2)

Medio

(0,7)

Medio

(0,7)

Segunda
A 1ternat iva

(3,5)

Tercera
(2,9)
Alternativa

Al ternativa
Preferida

(3,8)
s

FIGURA 6.- UtiIidad Reativa para Ia Con figuracin de Produc tos

Econmicamente Fac ti bI es Cuando So 1o Ex isten Efec tos
Princ i pa 1e s .
como los de SEGAL

(1.9 S 2 ) y LEIGH; MacKAY y SUMMERS

(1.984) desarrollan

diferentes medidas de correlacin entre los partworths obtenidos con in

formacin recogida en dos ocasiones temporales.

En la prctica la fiabi

lidad temporal es frecuentemente ignorada por su coste.

2.- Fiabilidad sobre la serie de estm u1o s .Sern

los resultados si

milares si utilizamos una serie diferente de perfiles de producto?.

Con

siste en presentar a una submuestra de individuos otra serie de tarje tas estmulo

(una alternativa del diseo factorial

que indiquen sus preferenci a s . Se estiman

fraccionado)

para

los nuevos parmetros de las/

funciones de utilidad para los atributos correspondientes a este input/

de informacin actualizado y se comprueba en que medida son similares /
a las estimaciones iniciales mediante coeficientes de correlacin.
3.- Fiabilidad sobre la serie de a t rib uto s.La importancia de una se

18

re concreta de atributos y sus niveles ser idntica si se eliminan o/

incorporan nuevos atributos?.
BATESON y BOULDING

(1.988)

La investigacin realizada por REIBSTEIN;

procede al anlisis de este tipo de fiabili

dad reconociendo que cuanto mas eficiente es la especificacin a priori

de los atributos determinantes menor ser su inters emprico.
4.- Fiabilidad sobre el procedimiento de recogida de datos.La conclu
sin parece unnime puesto que el enfoque del
yor fiabilidad

perfil completo ofrece ma

(con respecto a las tres categoras previamente comenta

das) que el enfoque trade-off.

A d iciona1m e n te la fiabilidad se completa con medidas de validez
de los resultados

(GREEN y RAO,

1.971)

(8)/

tratando de responder la siguien

te cuestin La estimacin de los parmetros para la ecuacin represen

tativa del anlisis conjunto permite derivar preferencias que reprodu cen fielmente las ofrecidas por la muestra de entrevistados?.
Los tests de validez interna anal izan la correlacin entre los datos
de preferencia proporcionados por una muestra de individuos y los pre vistos con la expresin del anlisis conjunto para la misma muestra y /
perfiles de pr oductos.Los tests de validez externa trabajan con dos sut
muestras cada una indicando preferencias por perfiles de productos.

Un<=

submuestra se utiliza para estimar los partworths. Posteriormente se ir

vestiga si con dichos partworths se pueden pronosticar las preferencias
de la segunda submuestra.

4. APLICACIONES ESTRATEGICAS DEL ANALISIS CONJUNTO: EL DISErsO DE

NUEVOS PRODUCTOS PARA DIFERENTES SEGMENTOS DEL MERCADO
A menudo las investigaciones del mercado que aplican el anlisis cor
junto tienen como objetivo la prediccin de la eleccin de una muestra,
representativa de individuos en respuesta a varias acciones de Marke -
ting implicando cambios en los niveles de los atributos de decisin de
19

terminantes.
RE,

1.988):

Tpicamente tales aplicaciones comerciales suponen

a) estimar

sus interacciones

(LOUVIE

la importancia de los niveles de cada atributo ^

(utilidades o partworths)

les de anlisis conjunto

mediante modelos individua

(para cada individuo de la muestra);

b) agru -

par los individuos de la muestra,

con similares utilidades o partworth;

para los atributos y sus niveles,

en segmentos con el fin de analizar ,

estrategias de diferenciacin;

c) desarrollar algoritmos de simulacin,

que permitan realizar previsiones sobre qu perfiles de productos nue

vos o reposicionados tienen mas probabilidad de ser elegidos por cada
segmen t o .
En esta seccin comentamos diversas alternativas para la formacin
de segmentos y la simulacin de las probabilidades de xito de nuevos
productos,

as como su utilidad estratgica.

4.1. EL ANALISIS CONJUNTO V LA SEGMENTACION DEL MERCADO

La segmentacin de mercados consiste en la agregacin de los consum
dores en grupos homogneos,

cada uno de los cuales puede ser seleccin

do como un segmento objetivo al cual aplicar un marketing-mix diferen

ciado; es decir,

orientado hacia las necesidades,

intereses o preferen

cias de los consumidores que componen cada segmento.

El anlisis conjunto es til en esta tarea dado que una de sus apli
caciones mas difundidas pretende llevar a cabo la segmentacin funcio
nal agrupando individuos con similares preferencias o utilidades hacia
distintos atributos y sus niveles
Efectivamente,

(MUGICA GRIJALBA,

1.989a).

a priori, sera factible agrupar consumidores con si

milares preferencias hacia perfiles de productos mediante la aplicaci

del anlisis cluster

(OGAWA,

1.987). Posteriormente,

anlisis conjunto permiten estimar

20

los algoritmos de

la importancia de atributos y sus r

veles para cada segmenta obtenido.

Por otro lado,una vez computada

la importancia de los atributos,

sus

niveles e interacciones mediante modelos individuales de anlisis con junto tambin se podran agrupar individuos con similares utilidades o/
partworths

(PAGE y ROSENBAUM,

1.987).

Incluso para cada segmento se es

tudian sus caractersticas descriptivas

ta , estilo de vida,

profesin,

(edad, sexo,

frecuencia de compra,

Una ingeniosa extensin del anlisis conjunto,

dos anteriores,

clase social,

ren

lealtad).

menos popular que las

pretende calcular interacciones de partworths y varia -

bles descriptivas de los individuos

nes como la siguiente

(M O O R E , 1.980)

(GREEN,

1.977)

a partir de ecuacio

(9):

(2 )

Bijk

Vector de variables dummy (Zj 9 * ' 9 Z ^ ) representativas de

las caractersticas descriptivas de cada entrevistado.
Efecto interaccin del nivel i del atributo j con el p e r f i l
m de la persona k.

Donde trminos de interaccin significativos y elevados indican qu/

tipos de personas

(su perfil descriptivo)

se inclinan mas por cada uno/

de los niveles de diferentes atributos.

En definitiva,

la informacin proporcionada por cualquiera de estas/

tres combinaciones del anlisis conjunto y segmentacin es patente. El/

conocimiento de qu atributos y sus niveles son importantes para un seg
ment de consumidores en comparacin con los restantes
mercado),

(o con todo el /

orienta la estrategia diferenciadora de la empresa ofertando/

el diseo de productos mas deseados o de mayor demanda.

4.2. SIMULACION DE LA RESPUESTA DEL MERCADO PARA DISEOS ALTERNATI VOS DE PRODUCTOS
Uno de los temas que mas preocupa a los directivos de Marketing se /
21

centra en determinar

la demanda o cuota de mercado c o rrespondiente a di

versas innovaciones en la cartera de productos de la empresa.

El anli

sis conjunto constituye un input de informacin para simular estas cuo

tas de mercado,

en diversos escenarios competitivos,

posibles productos diseados a priori

de un conjunto de/

(G R E E N ;CARROLL y GO LD BER G,1.981).

Ahora bien cmo poner en prctica esta potencial

aplicacin del anli

sis conjunto?.
En principio estamos de acuerdo en que el anlisis conjunto propor ciona estimaciones de la importancia de atributos,

sus niveles e inter

acciones para cada individuo representativo de una muestra de clientes.

Delimitamos un escenario co mp eti tiv o;es decir, un conjunto de productos
(combinaciones de niveles para los seis atributos de las servilletas de
papel).Dicho conjunto puede abarcar productos actuales

(propios y de la

competencia)

innovaciones.

y productos modificados,

reposicionados o

Para el escenario competitivo de inters estratgico se computa la /

utilidad total
muestra,

(U) que sus productos suponen para cada individuo de la/

sustituyendo en la expresin

(1) los partworths

(V;EI) relati

vos a los niveles de los atributas que integran los mencionados produc
tos .
Finalmente identificamos el producto elegido o la probabilidad de
'
'*
eleccin y estimamte su cuota de mercado. En este caso, las reglas te
ricas susceptibles de emplear pueden ser

(GREEN y KRIEGER,

1.988)

(10):

1.- Criterio de mxima utilidad. Cada individuo selecciona el produc

to con la mxima utilidad

(3)

CMp

(U). La cuota de mercado viene dada por:

NIUMAXp
---- ----

CMp = Cuota de mercado (calculada para toda la

segmentos) del producto P.
22

muestra o para /

NIUMAXp
N

= Nmero de individuos (de toda la muestra o del segmento)/

que asignan una utilidad mxima al producto P.
= Nmero de individuos (de la muestra o del segmento).

2.- Criterios fundamentados en cuotas de utilidad,

para detectar

la/

probabilidad de eleccin de cada producto.Los mas populares asignan prc

habilidades de eleccin de los productos por cada individuo mediante e>
presiones como:

(4)

ProbPk

Probpk
Upk
e

= ---
Z

Upk

------

Probpk
- PK

=
~

e^

u
Pk

UPk
A e
P
P
= Probabilidad de que individuo k
seleccione producto P.
= Utilidad del producto P para el
individuo k obtenida me
diante expresiones como la (1).
= Base de los logaritmos neperianos.
.
s

Tal
ducto,

que

la cuota de mercado se supone como

la media,

para cada pro

de las probabilidades de eleccin de los individuos

(de toda la

muestra o de segmentos).
La realizacin de un anlisis de sensibilidad en cada escenario com
petitivo y segmento de mercado es una operacin inmediata que facilita
la toma de decisiones. Por ejemplo,

se podran investigar: variaciones

en las cuotas de mercado cuando se prescinde de alguno de los productc

nuevos,

reposicionados o actuales;

modificaciones de las cuotas de mer

cado ante cambios en uno o varios niveles de los atributos permanecier

do los dems constantes;
partworths

la posibilidad de influir en las utilidades c

(mediante educacin,

aprendizaje o estrategias de comunica

cin) as como sus efectos sobre la cuota de mercado.

Por otro lado, estas previsiones de la cuota de mercado precisan v<
rias m ati zaciones. En primer

lugar, si se trata de productos nuevos,

dificados o reposicionados se requiere la hiptesis de que la empresa

es capaz de ponerlos a disposicin de los consumidores

23

(en los canale

de distribucin adecuados),

de comunicarles

veles de sus atributos y que adems

la informacin sobre los ni

los consumidores perciban,

no interpreten errneamente esta informacin.

Ponderar

crean y/

la cuota de mer

cado en funcin de estas variables facilita la obtencin de previsiones

mas f iab1e s .
En segundo

lugar,

puede que los entrevistados no sean todos igualmen

te importantes en trminos de su frecuencia de compra y cantidad compra

da. En tales circunstancias volvemos a necesitar corregir
mercado

(ponderar

En tercer

la cuota de /

las utilidades "U" que intervienen en su clculo).

lugar,un inconveniente de este tipo de simulaciones es que

ofrecen una visin esttica del comportamiento en el mercado

cin puntual de la previsible cuota de mercado para un nuevo

(estima
producto)./

Una alternativa consiste en ofrecer una visin dinmica como la propues

ta en el trabajo de ZUFRYDEN (1.788) quien analiza la evolucin en el /
tiempo de la demanda del nuevo producto en sus dos aspectos:
mulada y comportamiento de compra repetitivo
En cuarto lugar,
dificil)

prueba acu

(11).

si la empresa dispone de informacin

(tarea ardua y

sobre costes e ingresos asociados a la fabricacin y comercia

lizacin de cada perfil de producto

(su "ca niba1izacin", incompatibi1

dad y efectos sinergia con otros productos) debe fundamentar sus deci siones no slo en la cuota de mercado sino tambin en criterios de ren
tabilidad

(BREEN y KRIEGER,

1.985).

5. CONCLUSIONES
En este artculo describimos una tcnica,

el anlisis conjunto, de /

gran utilidad en las investigaciones sobre las preferencias del consum

d o r , en la determinacin de la importancia que los mismos asignan a di
ferentes atributos y sus niveles y en el diseo de nuevos productos pa

24

ra distintos segmentos de mercada.

El inters que ha suscitado el anlisis conjunto en los ltimos ao;
nos ha llevado, en un primer trmino,
para su puesta en prctica.
perfil completo

a clarificar diferentes aspectos/

Resaltamos

la superioridad del enfoque del/

(fu11-profi 1e ) cuando solicitamos a una muestra de con

sumidores que seale sus preferencias por una serie de productos

naciones de atributos a distintas nive 1e s ).Reconocemos

(combi

la necesidad

ine

ludible de recurrir a diseos factoriales fraccionados para mantener e]

inters de los entrevistadas en la investigacin mediante la reduccin/
del nmero de productos a valorar a un lmite razonable.

Apuntamos la /

existencia de diveros algoritmos adecuados para estimar la importancia/

de atributos,

niveles y sus interacciones. Principalmente Regresin M^

tiple por Mnimos Cuadrados Ordinarios,

MON AN OVA , LOGIT y PROBIT. Abog

mos por completar los estudios de anlisis conjunto con medidas de fia
bilidad sobre la serie de productos a analizar y sobre los atributos a,
considerar,

subsanando de esta forma alguna de las deficiencias mas pa

tentes de las investigaciones actuales.

La popularidad del anlisis conjunto emana de su utilidad estratgi
ca. Desde esta perspectiva proponemos varias aplicaciones:
1.- Agrupar consumidores con similares utilidades o partworths. El
conocimiento de qu atributos y sus niveles son importantes para un sei
ment de consumidores en comparacin con los restantes

(o con toda la

muestra), orienta la estrategia diferenciadora de la empresa.

2.- Realizar previsiones de la cuota de mercado relativa a diseos
alternativos de productos mediante criterios de mxima utilidad y crit
rios fundamentados en cuotas de utilidad. La cuota de mercado asi obte
nida debe ser objeto de correccin en funcin de:
presa para colocar

la capacidad de la e

los productos en los canales de distribucin adeca

25

dos y para comunicar informacin sobre los niveles de sus atributos;

el

grado de percepcin y de interpretacin por los consumidores de la comu

nicacin recibida,asi como su frecuencia de compra y cantidad comprada.
En d e fin it iva ,nos encontramos ante una tcnica que cada da gana mas
adeptos. Adems,

el desarrollo de un software especializado agilizar /

estimaciones y simulaciones favoreciendo las aplicaciones del anlisis/

conjunto en mercados de bienes de consumo,

26

industriales y servicios.

NOT AS
(1)
Los modelos de anlisis conjunto se integran en una familia mas/
amplia de modelos mu 11iatributo constituida por:
a) Modelos composicionales (o
donde el entre
vistado proporciona informacin sobre la deseabilidad e importancia de/
distintos atributos e indirectamente se obtiene la utilidad por produc
tos alternativos. Su expresin es:

Ypk - Utilidad autoexplicada del perfil del producto p para el individuo k.

Importancia relativa del atributo j para el individuo k.
Grado de deseabilidad del nivel i del atributo j para el indi
viduo k .
b) Modelos descomposiciona1es o anlisis conjunto, donde a par
tir de la informacin sobre la evaluacin global o preferencia de perfi
les de productos proporcionada por cada entrevistado se estiman impor tancias de los niveles de cada atributo y sus interacciones.
c) Modelos h br id os.Combinan los modelos anteriores en una ecua
cin (GREEN,i .984;GREEN,GOLDBERG y MON TE MAY OR ,i .981;G IL LUEZAS, 1.988).
Son adecuados a medida que crece el nmero de atributos y sus niveles /
ya que reducen la demanda de datos a los entrevistados (AKAAH y KORGAON
K A R ,1.983). La expresin mas sencilla, con solo efectos princi pa 1e s ,e s :

donde Y se estima para cada individuo y V para toda la muestra o subgru

pos obtenidos aplicando anlisis cluster o anlisis factorial a los com
ponentes, W y X,de la utilidad autoexpl icada (HAGERTY ,1 .985 ;A K A A H ,1. 988 ).
(2) Atributos determinantes son aquellos con capacidad para ser deci
sivos en la eleccin de compra del consumidor, en la determinacin de /
sus preferencias. El consumidor puede tener en mente varios atributos /
pero como estos son poseidos a igual nivel por todas las marcas no re sultarn d eterminantes.
(3) La informacin se recoge mediante cuestiones de carcter abierto
(cules son las marcas pertenecientes a una clase de productos espec
fica que considera o no a la hora de realizar sus compras? cules son/
los atributos que poseen dichas marcas y que hacen o no atractiva su
compra?), respuesta a preguntas de opcin mltiple (seleccione entre la
siguiente lista de atributos aquellos que usted considera como mas rele
vantes cuando realiza sus compras) y valoracin en una escala "muy im portante-nada importante" de una lista de atributos.
(4) Los atributos determinantes pueden ser continuos o categricos./
Los atributos categricos, a diferencia de los atributos continuos, son
de carcter nominal dado que presentan diferentes niveles sin que exis
tan valores intermedios entre dos niveles consecutivos.Puede haber atri
butos que en principio se cataloguen como continuos (nmero de servil le
27

tas y grosor) pero que en la realidad se limiten a ciertos valores por/

razones competitivas.
(5) El estudio realizado por GREEN (1.974) ilustra la elaboracin de
diseos factoriales fraccionados simtricos (cada atributo contiene el/
mismo nmero de niveles) o asimtricos; y diseos en bloques incomple tos (se restringe cada estmulo a ofrecer informacin tan slo de una/
parte de los estmulos) total o parcialmente e qu i 1ibrados.
(6) Tambin se pueden utilizar los mtodos LOGIT y PROBIT principal
mente en modelos a nivel agregado (D O Y L E , 1.977). En ambos la variable/
dependiente es nominal (seleccionar entre pares de estmulos en el enfo
que del perfil completo) u ordinal (rank'ing de pref erenc ia s ) y estiman/
probabilidades de eleccin para el conjunto de estmulos (asignando va
lores a los efectos principales y de interaccin) que reflejen la infor
macin ofrecida por los entrevistados. La variable dependiente se consi
dera como una distribucin normal (PROBIT) o logstica (LOGIT). Otro mo
dlo menos popular es conocido como LINMAP (SHOCKER y S R IN IV A S A N ,1.977)
y emplea programacin lineal.
(7) Una alternativa vlida tanto para atributos continuos como cate
gricos es la desarrollada por GREEN (1.974).Supongamos que al entrevis
tado se le solicita que asigne una valoracin de 10 al nivel mas prefe
rido del atributo nmero de servilletas (100) de 0 al menos preferido /
(200) e intermedia para los niveles restantes (indica 7,5 para 50 servi
lletas). Se estima la importancia de los niveles extremos del atributo?
nmero de servilletas mediante anlisis conjunto (para 100 es 0,7 y pa
ra 200 es 0,3) y a
posteriori se deriva la correspondiente a valores in
termedios. Para 50 ser: 0,3 + (7,5/10).(0,7-0,3) = 0,6.
(8) Tambin es til valorar el grado de significacin de la importan
cia de los atributos y sus niveles principalmente para segmentos de con
sumidores. Atributos no significativos sern eliminados de i n v e s t i g a d o
nes futuras y no se incorporan como inputs a algoritmos de simulacin /
para predecir cuotas de mercado o demanda de nuevos productos. El traba
jo de K0HLI (1.988) desarrolla varios tests sobre el grado de significa
cin de los atributas para un anlisis conjunto.
(9) Tambin podra incorporar efectos interaccin entre los niveles/
de los atributos, aunque la estimacin se complicara enormemente.
(10) 'De acuerdo
con las conclusiones de GREEN y KRIEGER (1.988), aun
que el criterio de
mxima utilidad goza de gran aceptacin parece mas /
apropiado para compras no rutinarias,mientras que para productos de com
pra repetitiva los criterios de cuota de utilidad ofrecen mejores resul
tados dado que las preferencias del consumidor cambian con cada ocasin
de uso.
(11) El enfoque de ZUFRYDEN (1.988) proporciona una eficiente unin/
entre el anlisis conjunto y los modelos estocsticos de.eleccin de
marca. Asigna distribuciones de probabilidad a la tasa media de co.mpra/
para los individuos de la muestra, a su reparto en el tiempo y a los v
lores Prob pj^ obtenidos mediante criterios de cuota de utilidad. Ello /
le permite derivar estimaciones de prueba del producto y repeticin de/
co m p r a .
28

6 . BIBLIOGRAFIA
AKAAH, I.P. (1.988):"C1uster Analysis versus Q-Type Factor Analy sis as a Disaggregation Method in Hybrid Conjoint Modeling:An Empirical
Investigation". Journal of the Academy of Marketing S c i e n c e .vol. 16, 2,
(verano), pp.11-18.
A K A A H , I.P. y KO RG AON KA R, P.K. (1.983):"An Empirical Comparison of
the Predictive Validity of S e lf-Explicated, Traditional Conjoint and H^
brid Conjoint Models". J ou r n a 1 of Marketing Researc h .v o l . 20 (mayo),pp.
187-197.
A L P E R T , M.I. (1 .971) :"Identification of Determinant Attributes: A/
Comparison of Methods". Journal of Marketing R e s e a r c h ,v o l . 8 (mayo),pp.
184-191.
CATTIN, P. y WITTINK, D.R. (1.982):"C ommercia1 Use of Conjoint Ana
lysis: A Survey". J o urn a1 of M a rk eti ng.46 (verano), pp. 44-53.
DOYLE, P. (1.977):"The Application of Probit, Logit and Tobit in /
Marketing: A Review". J our na1 of Business R e s e a r c h .v o 1 5 (septiembre),
pp.235-248.
FLETCHER, K .(1.988):"An Analysis of Choice Criteria Using Conjoint
Analysis". European J o u r n a 1 of M a r ket in g.v o 1.22. 9, pp. 25-33.
GREEN, P.E. (1.974):"On the Design of Choice Experiments Involving
Multifactor A1ternatives". J o u r n a 1 of Consumer Res e a r c h .v o l . 1 . (septiem
b r e ) , p p . 61-68.
GREEN, P.E. (1.977):"A New Approach to Market Segmentation". Busi
ness H o r iz on s , (febrero), pp. 61-73.
GREEN, P.E. (1.984):"Hybrid Models for Conjoint Analysis: An Expo
sitory Review". J o ur na1 of Marketing R e s e a r c h .vol.21 (mayo),pp. 155-169
GREEN, P.E. y KRIEGER, A.M. (1.985):"Mode1s and Heuristics for Pro
duct Line Selection". Marketing S c i e n c e .v o l . 4 (invierno), pp. 1-19.
GREEN, P.E. y KRIEGER, A .M .(1.988):"Choice Rules and Sensivity Ana
lysis in Conjoint Simulators".Journal of the Academy of Marketing Scien
c e , v o l . 16, 1 (primavera), pp. 114-127.
GREEN, P.E. y RAO, V.R. (1.971):"Conjoint Measurement for Quanti fying Judgmental Data". J o u r n a 1 of Marketing Re se a r c h .v o l .8 (mayo), pp.
355-363.
GREEN, P.E. y SRINIVASAN, V. (1.978):"Conjoint Analysis in Consu mer Research: Issues and Outlook". J o u r n a 1 of Consumer Re se a r c h , vol. 5
(septiembre), pp. 103-123.
GREEN, P.E y WIND, Y . (1.973):Multiattribute Decisions in Marketing
A Measurement A pp r o a c h . Hindsdale, IL: Dryden Press.
GREEN, P . E . ; CARROLL, J.D. y GOLDBERG, S.M. (1.981):"A General Ap
proach to Product Design Optimization via Conjoint Analy si s"J o ur na1 of
Ma r k e t i n g . 45 (verano), pp. 17-37.
GREEN, P.E.; GOLDBERG, S.M. y MO NTE MA YOR , M. (1.981):"A Hybrid Uti
lity Estimation Model for Conjoint Analysis". J ou rna 1 of M a rke ti ng. 45,
(invierno), pp. 31-41.
GREEN, P.E.; KRIEGER, A.M. y CARROLL, J.D. (1.987):" Conjoint Ana
lysis and Multidimensional Scaling:A Complementary Approach".Journal of
Advertising R e s e a r c h . (octubre-noviembre), pp. 21-28.
GIL LUEZAS, C. (1.988):"Mode1os Hbridos: Algunos Aspectos de la /
Aplicacin del Anlisis Conjunto Mediante el Planteamiento de Modelos /
Hbridos". Investigacin
M ar k e t i n g . 28 (diciembre), pp. 9-21.
H A G E R T Y , M.R. (1.985):"Improving the Predictive Power of Conjoint/
Analysis. The Use of Factor Analysis and Cluster Analysis". J ou rn a1 o f /
Marketing R e s e a r c h .v o 1. 22 (mayo), pp. 168-184.
29

JOHNSON, R.M. (1.974):"Trade-Off Analysis of Consumer Values".Jour

nal of Marketing R es e a r c h ,v o 1. il (mayo), pp. 121-127.
KOHLI, R .(1.988):"Assessing Attribute Significance in Conjoint Ana
1 y s i s :Nonparametric Tests an Empirical Validation'1.Journal of Marketing
Researc h .v o 1. 25 (mayo), pp. 123-133.
LEIGH, T.W.; MacKAV, D.B. y SUMMERS, J.O. (1.984):"Reliabi1ity and
Validity of Conjoint Analisys and Self Explicates Weights:A Comparison"
Journal of Marketing R e s e a r c h .v o 1. 21 (noviembre), pp. 456-462.
LOUVIERE, J.J. (1.988): Analyzing Dec ision Mak ing : Metric Conj oin t
Ana 1y s i s . Sage Publications, Inc. Newbury Park, California.
MARTIN DAVILA, M. (1.987):"Como Diagnosticar lo gue los Consumido
res Desean Realmente: El Anlisis Conjunto". Investigac in y_ Ma rketing.
23 (marzo), pp. 21-33.
McLEAN, R. Y ANDERSON, V. (1.984) :Applied Factorial and Frac t iona1
D e s i gn s. Marcel Deckker: New York.
MOORE, W.L. (1.980):"Leve 1s of Aggregation in Conjoint Analysis:An
Empirical Comparison".Journal of Marketing R e s e a r c h .v o 1.17 (noviembre),
pp. 516-523.
MUGICA GRIJALBA, J.M. (1.9 8 9 a ):"Los Modelos Mu 1tiatributo en Marke
ting: El Anlisis Conjunto". IPMARK. 324 (16-28 febrero), pp. 63-71.
MUGICA GRIJALBA, J.M. (1.989b):"E1 Anlisis Conjun t o :A l ternativ a s ,
Problemas y Limitaciones". IPMARK. 326 (16-31 marzo), pp. 45-54.
OGAWA, K. (1.987):"An Approach to Simultaneous Estimation and Seg
mentation in Conjoint Analysis". Marketing S c i e n c e .v o 1.6. 1 (invierno),
p p . 66-81.
PAGE, A.L. y ROSENBAUM, H.F. (1.987):"Redesigning Product Lines
with Conjoint Analysis: How Sunbeam Does It". J our na1 of Produc t Innova
tion & Man ag eme nt. 14, pp. 120-137.
REIBSTEIN, D.j BATESON, J. y BOULDING, W. (1.988):"Conjoint Analy
sis Reliability: Empirical Findings". Marketing Sc i enc e.v o l 7, 3 (vera
no), pp. 271-286.
SEGAL, M.N. (1.982):"Reliabi1ity of Conjoint Analysis: Contrasting
Data Collection P r oce du res ". J o u r n a 1 of Marketing R e s e a r c h .vol. 19 (fe
brero), pp. 139-143.
SHOCKER, A.D. y SRINIVASAN, V. (1.977):"LINMAP (Version II): A For
tran IV Computer Program for Analyzing Ordinal Preference (Dominance) /
Judgements via Linear Programming Technigues and for Conjoint Measure m e n t " . Journal of Marketing R e s e a r c h .v o l . 14 (febrero), pp. 101-103.
WIITINK, D.R. y CATTIN, P. (1.989):"Commercia1 Use of Conjoint Ana
lysis: An Update". J o u r n a 1 of M ar k e t i n g . 53 (julio), pp. 91-96.
ZUFRYDEN, F.S. (1.988):"Using Conjoint Analysis to Predict Trial /
and Repeat-Purchase Patterns of New Frequently Purchased Prod uct s" .Deci
sion S ci enc es.vol. 19 (invierno), pp. 55-71.

30

Doc 001/1988

JUAN A. VAZQUEZ GARCIA.- Las intervenciones estatales en la

minera del carbn.
Doc 002/1988
CARLOS MONASTERIO ESCUDERO.- Una valoracin
nuevo sistema de financiacin autonmica.

crtica

del

Doc 003/1988
ANA ISABEL FERNANDEZ ALVAREZ; RAFAEL GARCIA RODRIGUEZ; JUAN
VENTURA VICTORIA.- Anlisis del crecimiento sostenible por
los distintos sectores empresariales.
Doc 004/1988
JAVIER SUAREZ PANDIELLO,- Una propuesta para la integracin
mu ti jurisdiccional.

Doc 005/1989

LUIS JULIO TASCON FERNANDEZ; JOSE MANUEL DIEZ MODINO.- La

modernizacin del sector agrario en la provincia de Len.
Doc nQ 006/1989
JOSE
MANUEL
PRADO
LORENZO.El
principio
continuada: Evolucin e implicaciones.

de

gestin

Doc nQ 00 7/1989
JAVIER SUAREZ PANDIELLO- El gasto pblico del Ayuntamiento
de Oviedo (1982-88).
Doc 008/1989
FELIX LOBO ALEU,- El gasto pblico en productos industriales
para la salud.
'

Doc 009/1989

FELIX LOBO ALEU.- La evolucin de Isa

medicamentos en los pases desarrollados.

patentes

sobre

Doc

010/1990

RODOLFO
VAZQUEZ
CASIELLES.Investigacin
de
las
preferencias del consumidor mediante anlisis de conjunto.
Doc 011/1990
ANTONIO APARICIO PEREZ.- Infracciones y sanciones en materia
tributaria.
Doc 012/1990
MONTSERRAT DIAZ FERNANDEZ; CONCEPCION GONZALEZ
aproximacin metodolg ica al estudio de las
aplicadas a la economa.

VEIGA.- Una
matemticas

Doc 013/1990
EQUIPO MECO.- Medidas de desigualdad: un estudio analtico
Doc 014/1990
JAVIER SUAREZ PANDIELLO,- Una estimacin de las necesidades
de gasto para los municipios de menor dimensin.
Doc 015/1990
ANTONIO
MARTINEZ
financiera.

ARIAS.-

MONTSERRAT
endgena.

Auditoria

de

la

informacin

Doc 016/1990
DIAZ

FERNANDEZ.-

La

poblacin

como

variable

Doc 017/1990
JAVIER SUAREZ PANDIELLO.pases de nuestro entorno.
>

La

redistribucin

local

en

los

Doc 018/1990

RODOLFO GUTIERREZ PALACIOS; JOSE MARIA GARCIA BLANCO.- "Los

aspectos invisibles" del declive econmico: el caso de
Asturias.
Doc 019/1990
RODOLFO VAZQUEZ CASIELLES; JUAN TRESPALACIOS GUTIERREZ.- La
poltica de precios en los establecimientos detallistas.

Do c

020/1990

CANDIDO PAEDA FERNANDEZ.- La demarcacin de la economa

(Seguida de un apndice sobre su relacin con la Estructura
Econmica).