Métodos de segmentación conjuntauna comparación conceptual y empírica

  1. Picón Prado, Eduardo
Dirigida por:
  1. Jesús Varela Mallou Director

Universidad de defensa: Universidade de Santiago de Compostela

Fecha de defensa: 09 de junio de 2003

Tribunal:
  1. Rafael San Martín Castellanos Presidente/a
  2. José Eulogio Real Deus Secretario
  3. Gerardo Prieto Adánez Vocal
  4. Manuel Ato García Vocal
  5. María Soledad Rodríguez González Vocal
Departamento:
  1. Departamento de Psicología Social, Básica y Metodología

Tipo: Tesis

Teseo: 93732 DIALNET

Resumen

Para segmentar el mercado, el investigador cuenta con una serie de herramientas estadísticas que le van a permtir asentar toda su estrategia comercial en bases sólidamente contrastadas, Una de las aproximaciones metodológicas que ha demostrado ser más poderosa para segmentar mercados de forma eficaz es el Análisis Conjunto, pero se han propuesto tantos métodos de segmentación conjunta que a menudo un procedimiento es elegido en base a su disponibilidad, conocimiento causal o preferencia subjetiva y no tras sopesar sus puntos fuertes y débiles, y compararlos con los de los otros métodos apropiados en un caso concreto. En este trabajo se realiza una comparación conceptual y empírica de cinco de los métodos de segmentación de mercados con Análisis Conjunto que más popularidad han alcanzado en los últimos años. La segmentación a priori resulta más sencilla de llevar a cabo y a menudo se ajusta mejor a los requerimientos de la estrategia comercial en que se inscribe, pero proporciona segmentos poco valiosos desde un punto de vista estadístico. Además, las segmentaciones basadas en variables ajenas a las preferencias de los sujetos (sean a priori o post hoc) presentan el grave inconveniente de que al estar basadas en dos pasos no necesariamente relacionados (asignación de sujetos a grupos y estimación de las utilidades) dependen totalmente de la fuerza de las asociaciones que se establecen entre ellas. Por ello es preferible utilizar métodos que segmenten la muestra en función de la similaridad de las preferencias de los sujetos, tales como segmentación Post Hoc con Utilidades, la Segmentación Post Hoc con Preferencias o metodologías más recientes como la Segmentación de Clases Latentes. Los resultados de este trabajo muestran una superioridad de los métodos post hoc basados en las preferencias, seguido de cerca por el procedimiento de clases latentes y, claramente por debajo, los dos procedimientos basados en var