IBM_SPSS 20 Análisis de Marketing ESPAÑOL
-
Upload
sfdoromanj -
Category
Documents
-
view
223 -
download
0
Transcript of IBM_SPSS 20 Análisis de Marketing ESPAÑOL
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
1/122
IBM SPSS Direct Marketing 20
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
2/122
Nota: Antes de utilizar esta informacin y el producto que admite, lea la informacin generalen Avisos el p. 109.
Esta edicin se aplica a IBM SPSS Statistics 20 y a todas las versiones y modificacionesposteriores hasta que se indique lo contrario en nuevas ediciones.
Capturas de pantalla de productos de Adobe reimpresas con permiso de Adobe SystemsIncorporated.
Capturas de pantalla de productos de Microsoft reimpresas con permiso de Microsoft Corporation.
Materiales bajo licencia: Propiedad de IBM
Copyright IBM Corporation 1989, 2011.
Derechos restringidos para los usuarios del gobierno de Estados Unidos: Uso, duplicacin orevelacin restringidos por GSA ADP Schedule Contract con IBM Corp.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
3/122
Prefacio
IBM SPSS Statistics es un sistema global para el anlisis de datos. El mdulo adicionalopcional Direct Marketing proporciona las tcnicas de anlisis adicionales que se describen en
este manual. El mdulo adicional Direct Marketing se debe utilizar con el sistema bsico de SPSSStatistics y est completamente integrado en dicho sistema.
Acerca de IBM Business Analytics
IBM Business Analytics proporciona informacin completa, coherente y precisa en la queconfan para mejorar el rendimiento de su negocio quienes toman las decisiones. Un conjuntode documentos que incluye inteligencia comercial, anlisis predictivo, rendimiento financieroy gestin de estrategias y aplicaciones analticas proporciona ideas claras e inmediatas delrendimiento actual y la habilidad para predecir resultados futuros. Combinado con numerosassoluciones para empresas, prcticas de eficacia demostrada y servicios profesionales, lasorganizaciones de cualquier tamao pueden conseguir la ms alta productividad, automatizardecisiones con seguridad y obtener mejores resultados.
Como parte de estos documentos, IBM SPSS Predictive Analytics ayuda a las organizaciones apredecir situaciones futuras y a actuar de forma proactiva con esa informacin para mejorar susresultados. Clientes comerciales, gubernamentales y acadmicos de todo el mundo confan en latecnologa IBM SPSS como mejora competitiva para atraer, conservar y aumentar la clientelareduciendo el fraude y los riesgos. Al incorporar IBM SPSS a sus operaciones diarias, lasorganizaciones se convierten en empresas predictivas capaces de dirigir y automatizar decisiones
para conseguir los objetivos de la empresa y lograr una mejora competitiva y ostensible. Paraobtener ms informacin o contactar con un representante, visite http://www.ibm.com/spss.
Asistencia tcnica
El servicio de asistencia tcnica est a disposicin de todos los clientes de mantenimiento. Losclientes podrn ponerse en contacto con este servicio de asistencia tcnica si desean recibir ayudasobre la utilizacin de los productos de IBM Corp. o sobre la instalacin en alguno de los entornosde hardware admitidos. Para contactar con el servicio de asistencia tcnica, visite el sitio Web deIBM Corp. en http://www.ibm.com/support. Tenga a mano su identificacin, la de su organizaciny su contrato de asistencia cuando solicite ayuda.
Asistencia tcnica para estudiantes:
Si usted es un estudiante que utiliza una versin acadmica o para estudiantes de cualquierproducto de software IBM SPSS, consulte nuestras pginas especiales en lnea de Solucioneseducativas (http://www.ibm.com/spss/rd/students/) para estudiantes. Si usted es estudiante y utilizauna copia proporcionada por la universidad del software IBM SPSS, pngase en contacto con elcoordinador del producto IBM SPSS en su universidad.
Copyright IBM Corporation 1989, 2011. iii
http://www-01.ibm.com/software/data/businessintelligence/http://www-01.ibm.com/software/analytics/spss/http://www-01.ibm.com/software/data/cognos/financial-performance-management.htmlhttp://www-01.ibm.com/software/data/cognos/financial-performance-management.htmlhttp://www-01.ibm.com/software/data/cognos/products/cognos-analytic-applications/http://www.ibm.com/spsshttp://www.ibm.com/supporthttp://www.ibm.com/spss/rd/students/http://www.ibm.com/spss/rd/students/http://www.ibm.com/spss/rd/students/http://www.ibm.com/spss/rd/students/http://www.ibm.com/spss/rd/students/http://www.ibm.com/spss/rd/students/http://www.ibm.com/supporthttp://www.ibm.com/spsshttp://www-01.ibm.com/software/data/cognos/products/cognos-analytic-applications/http://www-01.ibm.com/software/data/cognos/financial-performance-management.htmlhttp://www-01.ibm.com/software/data/cognos/financial-performance-management.htmlhttp://www-01.ibm.com/software/analytics/spss/http://www-01.ibm.com/software/data/businessintelligence/ -
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
4/122
Servicio de atencin al cliente
Si tiene preguntas referentes a su envo o cuenta, pngase en contacto con su oficina local.Recuerde tener preparado su nmero de serie para identificarse.
Cursos de preparacin
IBM Corp. ofrece cursos de preparacin, tanto pblicos como in situ. Todos loscursos incluyen talleres prcticos. Los cursos tendrn lugar peridicamente enlas principales ciudades. Si desea ms informacin sobre estos seminarios, visitehttp://www.ibm.com/software/analytics/spss/training.
Publicaciones adicionales
Los documentos SPSS Statistics: Guide to Data Analysis, SPSS Statistics: Statistical Procedures
Companion y SPSS Statistics: Advanced Statistical Procedures Companion, escritos por MarijaNoruis y publicados por Prentice Hall, estn disponibles y se recomiendan como materialadicional. Estas publicaciones cubren los procedimientos estadsticos del mdulo SPSS StatisticsBase, el mdulo Advanced Statistics y el mdulo Regression. Tanto si da sus primeros pasos en elanlisis de datos como si ya est preparado para las aplicaciones ms avanzadas, estos libros leayudarn a aprovechar al mximo las funciones ofrecidas por IBM SPSS Statistics. Si deseainformacin adicional sobre el contenido de la publicacin o muestras de captulos, consulte elsitio web de la autora: http://www.norusis.com
iv
http://www.norusis.com/http://www.norusis.com/ -
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
5/122
Contenido
Parte I: Manual del usuario
1 Marketing directo 1
2 Anlisis de RFM 2
Puntuaciones de RFM desde datos de transacciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Puntuaciones de RFM desde datos de cliente. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Agrupacin de RFM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Almacenamiento de puntuaciones de RFM desde datos de transacciones . . . . . . . . . . . . . . . . . . 9
Almacenamiento de puntuaciones de RFM desde datos de cliente . . . . . . . . . . . . . . . . . . . . . . . . 10Resultados de RFM. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Anlisis de conglomerados 15
Conglomerados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4 Perfiles de posibles clientes 20
Configuracin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Creacin de un campo de respuesta categrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5 ndices de respuesta de cdigo postal 26
Configuracin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Creacin de un campo de respuesta categrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
6 Propensin a la compra 34
Configuracin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Creacin de un campo de respuesta categrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
v
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
6/122
7 Prueba de paquete de control 42
Parte II: Ejemplos
8 Anlisis de RFM a partir de datos de transacciones 46
Datos de transacciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Ejecucin del anlisis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Evaluacin de los resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Fusin de datos de puntuacin con datos de clientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
9 Anlisis de conglomerados 53
Ejecucin del anlisis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Seleccin de registros en funcin de los conglomerados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Creacin de un filtro en el Visor de modelos de conglomerados . . . . . . . . . . . . . . . . . . . . . . . 64
Seleccin de registros en funcin de los valores de campo de conglomerado . . . . . . . . . . . . 66
Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
10 Perfiles de posibles clientes 70
Consideraciones de los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
Ejecucin del anlisis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
11 ndices de respuesta de cdigo postal 77
Consideraciones de los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Ejecucin del anlisis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
vi
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
7/122
12 Propensin a la compra 84
Consideraciones de los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84Generacin de un modelo predictivo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Evaluacin del modelo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
Aplicacin del modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
13 Prueba de paquete de control 96
Ejecucin del anlisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
Apndices
A Archivos muestrales 99
B Avisos 109
ndice 112
vii
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
8/122
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
9/122
Parte I:Manual del usuario
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
10/122
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
11/122
Captulo1Marketing directo
La opcin Marketing directo ofrece un conjunto de herramientas diseadas para mejorar elresultado de campaas de marketing directo identificando y adquiriendo caractersticas y otrascaractersticas que definen a diferentes grupos de consumidores y dirigindose a grupos concretos
para aumentar al mximo los ndices de respuesta positivos.
Anlisis de RFM. Esta tcnica identifica a clientes actuales con ms posibilidades de respondera una nueva oferta. Si desea obtener ms informacin, consulte el tema Anlisis de RFM enel captulo 2 el p. 2.
Anlisis de conglomerados. Es una herramienta de exploracin diseada para revelar agrupaciones
(o conglomerados) naturales dentro de sus datos. Por ejemplo, puede identificar diferentes gruposde clientes basndose en diversas caractersticas demogrficas y de adquisicin. Si desea obtenerms informacin, consulte el tema Anlisis de conglomerados en el captulo 3 el p. 15.
Perfiles de posibles clientes. Esta tcnica utiliza resultados de una prueba o campaa anteriorpara crear perfiles descriptivos. Puede utilizar los perfiles para dirigirse a grupos concretos decontactos en campaas futuras. Si desea obtener ms informacin, consulte el tema Perfilesde posibles clientes en el captulo 4 el p. 20.
ndices de respuesta de cdigo postal. Esta tcnica utiliza resultados de una campaa anterior paracalcular ndices de respuesta de cdigo postal. Los ndices de respuesta se pueden utilizar paradirigirse a cdigos postales concretos en campaas futuras. Si desea obtener ms informacin,
consulte el tema ndices de respuesta de cdigo postal en el captulo 5 el p. 26.
Propensin a la compra. Esta tcnica utiliza resultados de un envo de prueba o campaasanteriores para generar puntuaciones de propensin. Los resultados indican los contactos quetienen ms posibilidades de responder. Si desea obtener ms informacin, consulte el temaPropensin a la compra en el captulo 6 el p. 34.
Prueba de paquete de control. Esta tcnica compara campaas de marketing para ver si haydiferencias significativas en la eficacia entre los distintos paquetes u ofertas. Si desea obtener msinformacin, consulte el tema Prueba de paquete de control en el captulo 7 el p. 42.
Copyright IBM Corporation 1989, 2011. 1
http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/ -
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
12/122
Captulo2Anlisis de RFM
Anlisis de RFM es una tcnica utilizada para identificar a clientes actuales que tienen msposibilidades de responder a una nueva oferta. Esta tcnica es muy comn en el marketing directo.El anlisis de RFM se basa en la siguiente teora simple:
El factor ms importante para identificar a los clientes con ms posibilidades de responder auna nueva oferta es la actualidad. Los clientes que han realizado adquisiciones recientementetienen ms posibilidades de volver a adquirir nuevos productos que aquellos clientes que hanadquirido productos en el pasado.
El segundo factor ms importante es la frecuencia. Los clientes que han adquirido msproductos tienen ms posibilidades de responder que aquellos que han adquirido menosproductos.
El tercer factor ms importante es la cantidad total invertida, a la que se le denomina valormonetario. Los clientes que han invertido ms cantidad (en total en todas las compras) en el
pasado tienen ms posibilidades de responder que aquellos que han invertido menos.
Funcionamiento del anlisis RFM
A los clientes se les asigna una puntuacin de actualidad en funcin de la fecha de compra msreciente o el intervalo de tiempo transcurrido desde la compra ms reciente. Esta puntuacinse basa en una clasificacin simple de puntuacin de actualidad en un pequeo nmero decategoras. Por ejemplo, si utiliza cinco categoras, los clientes con las fechas de comprams recientes reciben una puntuacin de 5, y los clientes con las fechas de compra menosrecientes, recibe una puntuacin de 1.
De la mismo forma, a los clientes se les asigna una puntuacin de frecuencia, con los valoresms altos para las clientes con compras ms recientes. Por ejemplo, en una escala del uno alcinco, los clientes que adquieran productos con ms frecuencia reciben una puntuacin de 5.
Finalmente, los clientes se clasifican segn un valor monetario, con la puntuacin valor msalta para el cliente con el mayor valor monetario. Continuando con el ejemplo anterior, losclientes que han invertido mayores cantidades reciben un valor monetario de 5.
Al final, cada cliente recibe cuatro puntuaciones: actualidad, frecuencia, valor monetario ypuntuacin de RFM combinada, que combina simplemente las tres puntuaciones individuales enuna nica puntuacin. Los mejores clientes (aquellos que tienen ms posibilidades de respondera una oferta) son los que tengan una mayor puntuacin de RFM combinada. Por ejemplo, en una
escala del uno al cinco, existen un total de 125 posibles puntuaciones RFM combinadas y lamayor puntuacin de RFM combinada es de 555.
Copyright IBM Corporation 1989, 2011. 2
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
13/122
3
Anlisis de RFM
Consideraciones sobre los datos
Si las filas de datos representan transacciones (cada fila representa una transaccin simple ycada cliente puede tener mltiples transacciones), utilice RFM desde datos de transacciones.
Si desea obtener ms informacin, consulte el tema Puntuaciones de RFM desde datos detransacciones el p. 3.
Si las filas de datos representan clientes con informacin de resumen de todas las transacciones(con columnas que contienen puntuaciones de la cantidad total invertida, nmero totalde transacciones y fecha de transaccin ms reciente), utilice RFM desde datos de cliente.Si desea obtener ms informacin, consulte el tema Puntuaciones de RFM desde datos decliente el p. 5.
Figura 2-1Datos de transacciones vs. datos de clientes
Puntuaciones de RFM desde datos de transacciones
Consideraciones sobre los datos
El conjunto de datos debe contener variables con la siguiente informacin:
Una variable o combinacin de variables que identifiquen a cada caso (cliente).
Una variable con la fecha de cada transaccin.
Una variable con el valor monetario de cada transaccin.
http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/ -
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
14/122
4
Captulo 2
Figura 2-2Datos de transacciones de RFM
Creacin de puntuaciones de RFM desde datos de transacciones
E Elija en los mens:Marketing directo > Seleccionar tcnica
E Seleccione Ayudarme a identificar los mejores contactos (Anlisis RFM) y pulse en Continuar.
E Seleccione Datos de transacciones y, a continuacin, pulse en Continuar.
Figura 2-3Datos de transacciones, pestaa Variables
E Seleccione la variable que contiene las fechas de transaccin.
E Seleccione la variable que contiene la cantidad monetaria de cada transaccin.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
15/122
5
Anlisis de RFM
E Seleccione el mtodo para resumir las cantidades de transaccin de cada cliente: Total (suma delas transacciones), media, mediana o mxima (cantidad mxima de transacciones).
E Seleccione la variable o combinacin de variables que identifiquen de forma nica cada casodel cliente. Por ejemplo, los casos se pueden identificar por un cdigo de identificacin nicoo una combinacin del nombre y el apellido.
Puntuaciones de RFM desde datos de cliente
Consideraciones sobre losdatos
El conjunto de datos debe contener variables con la siguiente informacin:
Fecha de compra ms reciente o intervalo de tiempo desde la fecha de compra ms reciente.Se utilizar para calcular las puntuaciones de actualidad.
Nmero total de adquisiciones. Se utilizar para calcular la puntuacin de frecuencia.
Valor monetario de resumen para todas las compras. Se utilizar para calcular valoresmonetarios. Normalmente, es la suma (total) de todas las compras, pero puede ser la media(promedio), valor mximo (mayor cantidad) u otras medidas de resumen.
Figura 2-4Datos de cliente RFM
Si desea escribir puntuaciones RFM en un nuevo conjunto de datos, el conjunto de datos activotambin debe contener una variable o una combinacin de variables que identifiquen a cada caso(cliente).
Creacin de puntuaciones de RFM desde datos de cliente
E Elija en los mens:Marketing directo > Seleccionar tcnica
E Seleccione Ayudarme a identificar los mejores contactos (Anlisis RFM) y pulse en Continuar.
E Seleccione Datos de cliente y, a continuacin, pulse en Continuar.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
16/122
6
Captulo 2
Figura 2-5Datos de cliente, pestaa Variables
E Seleccione la variable que contiene la fecha de transaccin ms reciente o un nmero querepresente un intervalo de tiempo desde la transaccin ms reciente.
E Seleccione la variable que contienen el nmero total de transacciones de cada cliente.
E Seleccione la variable que contiene la cantidad monetaria de resumen de cada cliente.
E Si desea escribir las puntuaciones RFM en un nuevo conjunto de datos, seleccione la variable ocombinacin de variables que identifican de forma nica a cada cliente. Por ejemplo, los casosse pueden identificar por un cdigo de identificacin nico o una combinacin del nombre yel apellido.
Agrupacin de RFM
El proceso de agrupar un gran nmero de valores numricos en un pequeo nmero de categorasse denomina agrupacin. En anlisis de RFM, los grupos se clasifican en categoras. Puedeutilizar la pestaa Agrupacin para modificar el mtodo utilizado para asignar los valores deactualidad, frecuencia y monetarios a esos intervalos.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
17/122
7
Anlisis de RFM
Figura 2-6Pestaa Agrupacin de RFM
Mtodo para intervalo
Anidadas. En la agrupacin anidada, se asigna una puntuacin simple a los valores de actualidad.En cada puntuacin de actualidad, a los clientes se les asigna una puntuacin de frecuencia y encada puntuacin de frecuencia a los clientes se les asigna un valor monetario. Este mtodo tiendea proporcionar una distribucin ms uniforme de puntuaciones de RFM combinadas, pero tienela desventaja de hacer que las puntuaciones de frecuencia y monetarias son ms difciles deinterpretar. Por ejemplo, es posible que una puntuacin de frecuencia de 5 para un cliente conuna puntuacin de actualidad de 5 no signifique lo mismo que una puntuacin de frecuencia de5 para un cliente con una puntuacin de actualidad de 4, ya que la puntuacin de frecuenciadepende de la puntuacin de actualidad.
Independiente. Las puntuaciones simples se asignan a actualidad, frecuencia y valores monetarios.Los tres rangos se asignan de forma independiente. La interpretacin de cada uno de los trescomponentes de RFM no es ambigua; una puntuacin de frecuencia de 5 para un clientesignifica lo mismo que una puntuacin de frecuencia de 5 para otro cliente, con independenciade sus puntuaciones de actualidad. Para muestras menores tiene la desventaja de producir una
distribucin menos uniforme de las puntuaciones de RFM combinadas.
Nmero de intervalos
El nmero de categoras (intervalos) que utiliza cada componente para crear puntuaciones RFM.El nmero total de puntuaciones de RFM combinadas es el producto de los tres valores. Porejemplo, 5 grupos de actualidad, 4 grupos de frecuencia y 3 grupos monetarios crean un total de60 puntuaciones de RFM combinadas posibles, entre 111 y 543.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
18/122
8
Captulo 2
El valor por defecto es de 5 para cada componente, que crean un total de 125 puntuaciones deRFM combinadas posibles, entre 111 y 555.
El nmero mximo de grupos permitidos para cada componente es nueve.
Empates
Un empate son simplemente dos o ms valores de actualidad, frecuencia o monetarios. Loideal es que desee tener aproximadamente el mismo nmero de clientes en cada grupo, pero ungran nmero de valores empatados que pueden afectar a la distribucin de los grupos. Existenalternativas para gestionar los empates:
Asignacin de empates al mismo grupo. Este mtodo asigna siempre valores empatados almismo grupo, con independencia de cmo afecta a la distribucin de grupos. Proporciona unmtodo de agrupacin coherente: Si dos clientes tienen el mismo valor de actualidad, siemprese les asignar la misma puntuacin de actualidad. En un ejemplo extremo, sin embargo,
puede tener 1.000 clientes y 500 de ellos realizando su adquisicin ms reciente en la misma
fecha. En una clasificacin del 1 al 5, el 50% de los clientes recibiran una puntuacin deactualidad de 5, en lugar del 20% deseado.
Tenga en cuenta que con el mtodo de agrupacin anidado, coherencia es algo mscomplicado para las puntuaciones de frecuencia y de valor monetario, ya que las puntuacionesde frecuencia se asignan en grupos de puntuacin de actualidad y los valores monetarios seasignan en grupos de puntuaciones de frecuencia. Es posible que dos clientes con el mismovalor de frecuencia no tengan la misma puntuacin de frecuencia si tampoco tienen la misma
puntuacin de actualidad, con independencia de la forma en la que se gestionan los valoresempatados.
Asignar aleatoriamente los empates. De esta forma se asegura una distribucin uniforme degrupos al asignar un factor de varianza muy pequeo a los empates antes de la puntuacin;
para que al asignar los valores a los grupos de puntuaciones, no existan valores empatados.Este proceso no afecta a los valores originales. Slo se utiliza para deshacer los empates.Mientras que este mtodo produce una distribucin uniforme de los grupos (aproximadamenteel mismo nmero de clientes en cada grupo), puede resultar en puntuaciones muy diferentes
para clientes que parecen tener valores de actualidad, frecuencia y/o monetarios iguales:especialmente si el nmero total de clientes es relativamente pequeo y/o el nmero deempates es relativamente alto.
Tabla 2-1Asignacin de empates al mismo grupo vs. Asignacin de valores de forma aleatoria
ID Comprams reciente(Actualidad)
Asignacinde empates almismo grupo
Asignacinde empates
aleatoriamente
1 10/29/2006 5 5
2 10/28/2006 4 4
3 10/28/2006 4 4
4 10/28/2006 4 5
5 10/28/2006 4 3
6 9/21/2006 3 3
7 9/21/2006 3 2
8 8/13/2006 2 2
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
19/122
9
Anlisis de RFM
ID Comprams reciente(Actualidad)
Asignacinde empates almismo grupo
Asignacinde empates
aleatoriamente
9 8/13/2006 2 1
10 6/20/2006 1 1
En este ejemplo, la asignacin de empates al mismo grupo resulta en una distribucin degrupos no uniforme: 5 (10%), 4 (40%), 3 (20%), 2 (20%), 1 (10%).
La asignacin de empates de forma aleatoria da como resultado el 20% en cada grupo, peropara lograr este resultado, los cuatro casos con un valor de fecha de 10/28/2006 se asignana 3 grupos diferentes y los 2 casos con un valor de fecha de 8/13/2006 tambin se asignana grupos diferentes.
Tenga en cuenta que la manera en que se asignan los empates a grupos diferentes es totalmentealeatorio (con la limitacin de que el resultado final es igual al nmero de casos de cada grupo).Si ha calculado un segundo conjunto de puntuaciones con el mismo mtodo, la puntuacinde cualquier caso con un valor empatado puede cambiar. Por ejemplo, las puntuaciones deactualidad de 5 y 3 para los casos 4 y 5 respectivamente se pueden cambiar la segunda vez.
Almacenamiento de puntuaciones de RFM desde datos detransacciones
RFM desde datos de transacciones siempre crea un nuevo conjunto datos agregado con una filapara cada cliente. Utilice la pestaa Guardar para especificar las puntuaciones y otras variablesque desee guardar y la ubicacin en la que desea guardarlas.
Figura 2-7Datos de transacciones, pestaa Guardar
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
20/122
10
Captulo 2
Variables
Las variables de ID que identifican de forma nica a cada cliente se guardan automticamenteen el nuevo conjunto de datos. Las siguientes variables adicionales se pueden guardar en elnuevo conjunto de datos:
Fecha de la transaccin ms reciente de cada cliente.
Nmero de transacciones. El nmero total de filas de transacciones de cada cliente.
Cantidad. La cantidad de resumen de cada cliente basada en el mtodo de resumen queseleccione en la pestaa Variables.
Puntuacin de actualidad. La puntuacin asignada a cada cliente basada en la fecha detransaccin ms reciente. Las puntuaciones ms altas indican las fechas de transaccin msrecientes.
Puntuacin de frecuencia. La puntuacin asignada a cada cliente basada en el nmero total detransacciones. Las puntuaciones ms altas indican mayor cantidad de transacciones.
Valor monetario. La puntuacin asignada a cada cliente basada en la medida de resumenmonetario seleccionada. Las puntuaciones ms altas indican un valor monetario mayor para lamedida de resumen.
Puntuacin de RFM. Las tres puntuaciones individuales combinadas en un nico valor:(actualidad x 100) + (frecuencia x 10) + monetaria.
Por defecto, todas las variables disponibles en el nuevo conjunto de datos, Cancele la seleccin delas variables que no desea incluir. Tambin puede especificar sus propios nombres de variable.Los nombres de las variables deben cumplir las normas de denominacin de variables.
Ubicacin
RFM desde datos de transacciones siempre crea un nuevo conjunto datos agregado con una filapara cada cliente. Puede crear un nuevo conjunto de datos en la sesin actual o guardar los datosde puntuacin de RFM en un archivo de datos externo. Los nombres del conjunto de datos debencumplir las normas de denominacin de variables estndar. (Esta restriccin no es aplicable alos nombres de archivos de datos externos.)
Almacenamiento de puntuaciones de RFM desde datos de cliente
En datos del cliente puede aadir las variables de puntuacin de RFM al conjunto de datos activoo crear un nuevo conjunto de datos que contiene las variables de puntuacin seleccionadas. Utilice
la pestaa Guardar para especificar las variables de puntuacin y otras variables que desee guardary la ubicacin en la que desea guardarlas.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
21/122
11
Anlisis de RFM
Figura 2-8Datos de cliente, pestaa Guardar
Nombres de las variables guardadas
Generar automticamente nombres nicos. Si aade variables de puntuacin al conjunto dedatos activo, se asegurar de que los nuevos nombres de variable son exclusivos. Es muytil si desea aadir varios conjuntos diferentes de puntuaciones de RFM (basado en criteriosdiferentes) al conjunto de datos activo.
Nombres personalizados. De esta forma puede asignar sus propios nombres de variable alas variables de puntuacin. Los nombres de las variables deben cumplir las normas dedenominacin de variables.
Variables
Seleccione las variables de puntuacin que desee almacenar:
Puntuacin de actualidad. La puntuacin asignada a cada cliente basada en el valor dela variable Fecha de transaccin o Intervalo seleccionada en la pestaa Variables. Las
puntuaciones ms altas se asignan a las fechas ms recientes o a valores de intervalos menores.
Puntuacin de frecuencia. La puntuacin asignada a cada cliente basada en la variable Nmerode transacciones seleccionada en la pestaa Variables. Las puntuaciones ms altas se asignana los valores mayores.
Valor monetario. La puntuacin asignada a cada cliente basada en la variable Cantidadesseleccionada en la pestaa Variables. Las puntuaciones ms altas se asignan a los valoresmayores.
Puntuacin de RFM. Las tres puntuaciones individuales combinadas en un nico valor:(actualidad*100)+(frecuencia*10)+valor monetario.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
22/122
12
Captulo 2
Ubicacin
Para datos de cliente, existen tres alternativas para las que puede guardar nuevas puntuacionesde RFM:
Conjunto de datos activo. Las variables de puntuaciones de RFM se aaden al conjuntode datos activo.
Nuevo conjunto de datos. Las variables de puntuacin de RFM seleccionadas y las variablesde ID que identifican de manera nica a cada cliente (caso) se sobrescribirn en un nuevoconjunto de datos en la sesin actual. Los nombres del conjunto de datos deben cumplir lasnormas de denominacin de variables estndar. Esta opcin slo est disponible si seleccionauna o ms variables identificadoras de cliente en la pestaa Variables.
Archivo. Las puntuaciones de RFM seleccionadas y las variables de ID que identificande manera nica a cada cliente (caso) se guardarn en un archivo de datos externo. Estaopcin slo est disponible si selecciona una o ms variables identificadoras de cliente enla pestaa Variables.
Resultados de RFMFigura 2-9Pestaa Resultados de RFM
Datos de intervalo
Los grficos y tablas de datos agrupados se basan en las puntuaciones de actualidad y frecuencia yvalores monetarios calculados.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
23/122
13
Anlisis de RFM
Mapa de calor de valor monetario medio segn actualidad y frecuencia. El mapa de calor de ladistribucin monetaria media muestra el valor monetario medio de las categoras definidas segnlas puntuaciones de actualidad y frecuencia. Las zonas ms oscuras indican un valor monetariomedio ms alto.
Grfico de recuentos de intervalos. El grfico de recuentos de intervalos muestra la distribucinde intervalos para el mtodo de agrupacin seleccionado. Cada barra representa el nmero decasos que se asignar a cada puntuacin de RFM combinada.
Aunque normalmente desea una distribucin bastante homognea, con todas las barras (o lamayora de ellas) aproximadamente con la misma altura, debe esperar cierta cantidad devarianza al utilizar el mtodo de agrupacin predeterminado que asigna valores empatados almismo grupo.
Las fluctuaciones extremas en la distribucin de grupos y/o muchos grupos vacos puedenindicar que debera probar con otro mtodo de agrupacin (menos grupos y/o la asignacinaleatoria de empates) o reconsiderar la adecuacin del anlisis de RFM.
Tabla de recuentos de intervalos. La misma informacin que se encuentra en el grfico de recuentosde intervalos, slo que expresada en forma de tabla, con recuentos de intervalos en cada casilla.
Datos sin intervalo
Los grficos y tablas de datos no agrupados se basan en las variables originales utilizadas paracrear puntuaciones de actualidad y frecuencia y valores monetarios.
Histogramas. Los histogramas muestran la distribucin relativa de valores para las tres variablesutilizadas para calcular puntuaciones de actualidad y frecuencia y valores monetarios. No es raroque estos histogramas indiquen distribuciones algo asimtricas en lugar de una distribucinnormal o simtrica.
El eje horizontal de cada histograma siempre est ordenado desde los valores ms bajos en laizquierda hasta los valores ms altos a la derecha. Sin embargo, con la actualidad, la interpretacindel grfico depende del tipo de medida de actualidad: fecha o intervalo de tiempo. En el caso defechas, las barras de la izquierda representan valores ms antiguos (una fecha menos reciente tieneun valor inferior que una fecha ms reciente). En el caso de intervalos de tiempo, las barras de laizquierda representan los valores ms recientes (cuanto menor sea el intervalo de tiempo, msreciente ser la transaccin).
Diagramas de dispersin de parejas de variables. Estos diagramas de dispersin muestran lasrelaciones entre las tres variables utilizadas para calcular puntuaciones de actualidad y frecuenciay valores monetarios.
Tambin es normal ver agrupaciones lineales apreciables de puntos sobre la escala de frecuencia,ya que a menudo la frecuencia representa un rango relativamente pequeo de valores discretos.Por ejemplo, si el nmero total de transacciones no supera 15, entonces slo hay 15 valores defrecuencia posibles (a menos que cuente las transacciones fraccionarias), mientras que podrahaber cientos de valores de actualidad y miles de valores monetarios posibles.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
24/122
14
Captulo 2
La interpretacin del eje de actualidad depende del tipo de medida de actualidad: fecha o intervalode tiempo. En el caso de fechas, los puntos ms cercanos al origen representan fechas msantiguas. En el caso de intervalos de tiempo, los puntos ms cercanos al origen representanlos valores ms recientes.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
25/122
Captulo3Anlisis de conglomerados
El anlisis de conglomerados es una herramienta de exploracin diseada para revelaragrupaciones (o conglomerados) naturales dentro de sus datos. Por ejemplo, puede identificardiferentes grupos de clientes basndose en diversas caractersticas demogrficas y de adquisicin.
Ejemplo. Las empresas minoristas y de venta de productos para el consumidor suelen aplicartcnicas de conglomeracin a los datos que describen los hbitos de consumo, sexo, edad,nivel de ingresos, etc. de los clientes. Estas empresas adaptan sus estrategias de desarrollo de
productos y de marketing en funcin de cada grupo de consumidores para aumentar las ventasy el nivel de fidelidad a la marca.
Anlisis de conglomerados: Consideraciones sobre los datos
Datos. Este procedimiento trabaja tanto con campos variables continuos como categricos. Cadaregistro (fila) representa un cliente que se va a conglomerar y los campos (variables) representanlos atributos en los que se va a basar la conglomeracin.
Orden de registro. Tenga en cuenta que los resultados pueden depender del orden de los registros.Para minimizar los efectos del orden, es posible que desee considerar ordenar los registros deforma aleatoria. Puede que desee ejecutar el anlisis varias veces, con los registros ordenados endistintos rdenes aleatorios para comprobar la estabilidad de una solucin determinada.
Nivel de medida. La asignacin del nivel correcto de medida es importante porque afecta al
clculo de los resultados. Nominal. Una variable se puede tratar como nominal si sus valores representan categoras que
no obedecen a una ordenacin intrnseca (por ejemplo, el departamento de la empresa en elque trabaja un empleado). Algunos ejemplos de variables nominales son: regin, cdigo
postal o confesin religiosa.
Ordinal. Una variable puede tratarse como ordinal cuando sus valores representan categorascon alguna ordenacin intrnseca (por ejemplo, los niveles de satisfaccin con un servicio,que vayan desde muy insatisfecho hasta muy satisfecho). Entre los ejemplos de variablesordinales se incluyen escalas de actitud que representan el grado de satisfaccin o confianza ylas puntuaciones de evaluacin de las preferencias.
Continuo. Una variable puede tratarse como escala (continua) cuando sus valores representan
categoras ordenadas con una mtrica con significado, por lo que son adecuadas lascomparaciones de distancia entre valores. Son ejemplos de variables de escala: la edaden aos y los ingresos en dlares.
Copyright IBM Corporation 1989, 2011. 15
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
26/122
16
Captulo 3
Un icono junto a cada campo indica el nivel de medida actual.
Numrico Cadena Fecha Hora
Escala (Continuo) n/a
Ordinal
Nominal
Puede cambiar el nivel de medida en una vista de variables del Editor de datos o puede usar elcuadro de dilogo Definir propiedades de variables para sugerir un nivel de medicin adecuado
para cada campo .
Campos con un nivel de medicin desconocido
La alerta de nivel de medicin se muestra si el nivel de medicin de una o ms variables (campos)del conjunto de datos es desconocido. Como el nivel de medicin afecta al clculo de losresultados de este procedimiento, todas las variables deben tener un nivel de medicin definido.
Figura 3-1Alerta de nivel de medicin
Explorar datos. Lee los datos del conjunto de datos activo y asigna el nivel de medicinpredefinido en cualquier campo con un nivel de medicin desconocido. Si el conjunto dedatos es grande, puede llevar algn tiempo.
Asignar manualmente. Abre un cuadro de dilogo que contiene todos los campos con unnivel de medicin desconocido. Puede utilizar este cuadro de dilogo para asignar el nivelde medicin a esos campos. Tambin puede asignar un nivel de medicin en la Vista devariables del Editor de datos.
Como el nivel de medicin es importante para este procedimiento, no puede acceder al cuadrode dilogo para ejecutar este procedimiento hasta que se hayan definido todos los campos enel nivel de medicin.
Para obtener un anlisis de conglomerados
Seleccione en los mens:Marketing directo > Seleccionar tcnica
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
27/122
17
Anlisis de conglomerados
E Seleccione Segmentar mis contactos en conglomerados.
Figura 3-2Pestaa Campos de anlisis de conglomerados
E Seleccione los campos categricos (nominal, ordinal) y continuo (escala) que desea utilizar paracrear los segmentos.
E Pulse en Ejecutar para ejecutar el procedimiento.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
28/122
18
Captulo 3
ConglomeradosFigura 3-3Pestaa Configuracin de anlisis de conglomerados
La pestaa Configuracin permite mostrar o eliminar la visualizacin de grficos y tablas quedescriben los segmentos, guardar un nuevo campo en el conjunto de datos que identifica elsegmento (conglomerado) de cada registro en el conjunto de datos y especificar cuntos segmentosse incluirn en la solucin de conglomerados.
Visualizar grficos y tablas. Muestra tablas y grficos que describen los segmentos.
Pertenencia de segmento. Guarda un nuevo campo (variable) que identifica el segmento al quepertenece cada registro.
Los nombres de los campos deben cumplir las reglas de nombres de IBM SPSS Statistics.
El campo de pertenencia de segmento no puede tener un nombre que ya exista en el conjuntode datos. Si ejecuta este procedimiento ms de una vez en el conjunto de datos, necesitarespecificar un nombre diferente cada vez.
Nmero de segmentos. Controla cmo se determina el nmero de segmentos.
Determinar automticamente. El procedimiento determinar automticamente el mejornmero de segmentos, hasta el mximo especificado.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
29/122
19
Anlisis de conglomerados
Especificar nmero fijo. El procedimiento producir el nmero especificado de segmentos.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
30/122
Captulo4Perfiles de posibles clientes
Esta tcnica utiliza resultados de una prueba o campaa anterior para crear perfiles descriptivos.Puede utilizar los perfiles para dirigirse a grupos concretos de contactos en campaas futuras. Elcampo Respuesta indica quin ha respondido a la campaa o prueba anterior. La lista Perfilescontiene las caractersticas que desea utilizar para crear el perfil.
Ejemplo. Basndose en los resultados de un correo de prueba, el departamento de marketingdirecto de una empresa desea generar perfiles de los tipos de clientes con ms posibilidades deresponder a la oferta, en funcin de la informacin demogrfica.
Resultados
El resultado incluye una tabla que proporciona una descripcin de cada grupo de perfil y muestrandices de respuesta (porcentaje de respuestas positivas) e ndices de respuesta acumulados y ungrfico de ndices de respuesta acumulados. Si incluye un ndice de respuesta de destino mnimo,la tabla tendr una codificacin de colores para mostrar los perfiles que cumplen el ndice derespuesta acumulado mnimo y el grfico incluye una lnea de referencia en el valor de ndicede respuesta mnimo especificado.
Copyright IBM Corporation 1989, 2011. 20
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
31/122
21
Perfiles de posibles clientes
Figura 4-1Tabla y grfico de ndice de respuesta
Consideraciones sobre los datos de perfiles de posibles clientes
Campo respuesta. El campo de respuesta puede ser nominal u ordinal. Puede ser numrico o decadena. Si este campo contiene un valor que indica un nmero o cantidad de compras, necesitarcrear un nuevo campo en el que un nico valor represente todas las respuestas positivas. Si deseaobtener ms informacin, consulte el tema Creacin de un campo de respuesta categrica el p. 25.
Valor de respuesta positiva. El valor de respuesta positiva identifica los clientes que han respondidode forma positiva (por ejemplo, los que han hecho una compra). Se asume que el resto de valoresde respuesta no ausentes indican una respuesta negativa. Si hay alguna etiqueta de valor definida
para el campo de respuesta, esas etiquetas se muestran en la lista desplegable.
Crear perfiles con. Estos campos pueden ser nominales, ordinales o continuos (escale). Puedenser numricos o de cadena.
http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/ -
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
32/122
22
Captulo 4
Nivel de medida. La asignacin del nivel correcto de medida es importante porque afecta alclculo de los resultados.
Nominal. Una variable se puede tratar como nominal si sus valores representan categoras que
no obedecen a una ordenacin intrnseca (por ejemplo, el departamento de la empresa en elque trabaja un empleado). Algunos ejemplos de variables nominales son: regin, cdigopostal o confesin religiosa.
Ordinal. Una variable puede tratarse como ordinal cuando sus valores representan categorascon alguna ordenacin intrnseca (por ejemplo, los niveles de satisfaccin con un servicio,que vayan desde muy insatisfecho hasta muy satisfecho). Entre los ejemplos de variablesordinales se incluyen escalas de actitud que representan el grado de satisfaccin o confianza ylas puntuaciones de evaluacin de las preferencias.
Continuo. Una variable puede tratarse como escala (continua) cuando sus valores representancategoras ordenadas con una mtrica con significado, por lo que son adecuadas lascomparaciones de distancia entre valores. Son ejemplos de variables de escala: la edaden aos y los ingresos en dlares.
Un icono junto a cada campo indica el nivel de medida actual.
Numrico Cadena Fecha Hora
Escala (Continuo) n/a
Ordinal
Nominal
Puede cambiar el nivel de medida en una vista de variables del Editor de datos o puede usar elcuadro de dilogo Definir propiedades de variables para sugerir un nivel de medicin adecuado
para cada campo .
Campos con un nivel de medicin desconocido
La alerta de nivel de medicin se muestra si el nivel de medicin de una o ms variables (campos)del conjunto de datos es desconocido. Como el nivel de medicin afecta al clculo de losresultados de este procedimiento, todas las variables deben tener un nivel de medicin definido.
Figura 4-2Alerta de nivel de medicin
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
33/122
23
Perfiles de posibles clientes
Explorar datos. Lee los datos del conjunto de datos activo y asigna el nivel de medicinpredefinido en cualquier campo con un nivel de medicin desconocido. Si el conjunto dedatos es grande, puede llevar algn tiempo.
Asignar manualmente. Abre un cuadro de dilogo que contiene todos los campos con unnivel de medicin desconocido. Puede utilizar este cuadro de dilogo para asignar el nivelde medicin a esos campos. Tambin puede asignar un nivel de medicin en la Vista devariables del Editor de datos.
Como el nivel de medicin es importante para este procedimiento, no puede acceder al cuadrode dilogo para ejecutar este procedimiento hasta que se hayan definido todos los campos enel nivel de medicin.
Para obtener perfiles de posibles clientes
Seleccione en los mens:Marketing directo > Seleccionar tcnica
E Seleccione Generar perfiles de mis contactos que hayan respondido a una oferta.
Figura 4-3Pestaa Campos de Perfiles de posibles clientes
E Seleccione el campo que identifica los contactos que respondern a la oferta. El campo puedeser nominal u ordinal.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
34/122
24
Captulo 4
E Introduzca el valor que indica una respuesta positiva. Si algn valor ha definido etiquetas devalores, puede seleccionar la etiqueta de valor de la lista desplegable y se mostrar el valorcorrespondiente.
E Seleccione los campos que desea utilizar para crear los perfiles.
E Pulse en Ejecutar para ejecutar el procedimiento.
ConfiguracinFigura 4-4Pestaa Configuracin de Perfiles de posibles clientes
La pestaa Configuracin permite controlar el tamao del grupo de perfil mnimo e incluir unumbral mnimo de ndice de respuesta en el resultado.
Tamao mnimo de grupo de perfil. Cada perfil representa las caractersticas compartidas de ungrupo de contactos en el conjunto de datos (por ejemplo, mujeres menores de 40 aos que vivenen la costa oeste). Por defecto, el menor tamao de grupo de perfil es 100. Los tamaos de grupo
menores pueden revelar ms grupos, pero los tamaos de grupos ms grandes proporcionanresultados ms fiables. El valor debe ser un entero positivo.
Incluir un mnimo de informacin de umbral del ndice de respuesta en los resultados. Los resultadosincluyen una tabla que muestra ndices de respuesta (porcentaje de respuestas positivas) e ndicesde respuesta acumulados y un grfico de ndices de respuesta acumulados. Si introduce un ndicede respuesta de destino mnimo, la tabla tendr una codificacin de colores para mostrar los
perfiles que cumplen el ndice de respuesta acumulado mnimo y el grfico incluye una lnea de
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
35/122
25
Perfiles de posibles clientes
referencia en el valor de ndice de respuesta mnimo especificado. El valor debe ser mayor que0 y menor que 100.
Creacin de un campo de respuesta categricaEl campo de respuesta debe ser categrico, con un valor que representa todas las respuestas
positivas. Se asume que cualquier otro valor no perdido es una respuesta negativa. Si el campode respuesta representa un valor continuo (escala), como el nmero de compras o las cantidadesde compras, necesita crear un nuevo campo que asigna un valor de respuesta simple a todos losvalores de respuesta distintos a cero.
Si las respuestas negativas se registran como 0 (espacio cumplimentado, que se tratan comovalores perdidos), se pueden calcular con la siguiente frmula:
NewName=OldName>0
donde NewName es el nombre del nuevo campo y OldName es el nombre del campo original.
Es una expresin lgica que asigna un valor de 1 a todos los valores no perdidos mayores que0 y 0 a todos los valores no perdidos menores o iguales que 0.
Si no se registra ningn valor para respuestas negativas, estos valores se consideran perdidos yla frmula se complica un poco ms:
NewName=NOT(MISSING(OldName))
En esta expresin lgica, a todos los valores de respuesta no perdidos se les asigna un valor de1 y a todos los valores de respuesta no perdidos se les asigna un valor de 0.
Si no puede distinguir entre valores de respuesta negativos (0) y valores perdidos, no sepuede calcular un valor de respuesta preciso. Si hay relativamente pocos valores perdidos,es posible que no tenga un efecto significativo en los ndices de respuesta calculados. Sinembargo, si hay demasiados valores perdidos, como cuando se registra informacin derespuesta para una pequea prueba de muestra del conjunto de datos total, los ndices derespuesta calculados no sern significativos, ya que son significativamente menores que losndices de respuesta verdaderos.
Creacin de un campo de respuesta categrica
E Elija en los mens:Transformar > Calcular variable
E Para una variable de destino, introduzca el nuevo nombre de campo (variable).
E Si se registran respuestas negativas como 0, introduzca OldName>0 para Expresin numrica,
donde OldName es el nombre del campo original.
E Si se registran respuestas negativas como perdidas (en blanco), introduzcaNOT(MISSING(OldName)) para Expresin numrica, donde OldName es el nombre del campooriginal.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
36/122
Captulo5ndices de respuesta de cdigo postal
Esta tcnica utiliza resultados de una campaa anterior para calcular ndices de respuesta decdigo postal. Los ndices de respuesta se pueden utilizar para dirigirse a cdigos postalesconcretos en campaas futuras. El campo Respuesta indica quin ha respondido a la campaaanterior. El campo Respuesta indica quin ha respondido a la campaa anterior.
Ejemplo. Basndose en los resultados de un envo anterior, el departamento de marketing directode una empresa genera ndices de respuesta por cdigos postales. Basndose en diferentescriterios como un ndice de respuesta mnimo aceptable y/o el nmero mximo de contactos queincluirn en el envo, podrn dirigirse a cdigos postales concretos.
Resultado
El resultado de este procedimiento incluye un nuevo conjunto de datos que contiene ndices derespuesta por cdigo postal y una tabla y un grfico que resumen los resultados por deciles (10%superior, 20% superior, etc.). La tabla puede tener una codificacin de colores basada en un ndicede respuesta acumulado mnimo de un usuario o un nmero mximo de contactos.
Copyright IBM Corporation 1989, 2011. 26
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
37/122
27
ndices de respuesta de cdigo postal
Figura 5-1Conjunto de datos con ndices de respuesta por cdigo postal
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
38/122
28
Captulo 5
Figura 5-2Tabla de resumen y grfico
El nuevo conjunto de datos contiene los siguientes campos:
Cdigo postal. Si los grupos de cdigos postales se basan slo en una parte del valor completo,ser el valor de esa parte del cdigo postal. La etiqueta de la fila encabezado de esta columnaen el archivo Excel es el nombre del campo de cdigo postal en el conjunto de datos original.
ndice de respuesta. El porcentaje de respuestas positivas en cada cdigo postal.
Respuestas. El nmero de respuestas positivas en cada cdigo postal.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
39/122
29
ndices de respuesta de cdigo postal
Contactos. El nmero total de contactos en cada cdigo postal que contiene un valor noperdido en el campo de respuesta.
ndice. La respuesta ponderada basada en la frmula N x P x (1-P), donde Nes el nmero de
contactos y Pes el ndice de respuesta expresado como proporcin. Rango. Rango de decil (10% superior, 20% superior, etc.) de los ndices de respuesta por
cdigo postal en orden descendente.
Consideraciones sobre los datos de ndices de respuesta de cdigo postal
Campo respuesta. El campo de respuesta puede ser de cadena o numrico. Si este campo contieneun valor que indica un nmero o valor monetario de compras, necesitar crear un nuevo campo enel que un nico valor represente todas las respuestas positivas. Si desea obtener ms informacin,consulte el tema Creacin de un campo de respuesta categrica el p. 33.
Valor de respuesta positiva. El valor de respuesta positiva identifica los clientes que han respondido
de forma positiva (por ejemplo, los que han hecho una compra). Se asume que el resto de valoresde respuesta no ausentes indican una respuesta negativa. Si hay alguna etiqueta de valor definidapara el campo de respuesta, esas etiquetas se muestran en la lista desplegable.
Campo Cdigo postal. El campo cdigo postal puede ser de cadena o numrico.
Para obtener ndices de respuesta de cdigo postal
Elija en los mens:Marketing directo > Seleccionar tcnica
E Seleccione Identificar principales cdigos postales de respuesta.
http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/ -
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
40/122
30
Captulo 5
Figura 5-3Pestaa Campos de ndices de respuesta de cdigo postal
E Seleccione el campo que identifica los contactos que respondern a la oferta.
E Introduzca el valor que indica una respuesta positiva. Si algn valor ha definido etiquetas devalores, puede seleccionar la etiqueta de valor de la lista desplegable y se mostrar el valorcorrespondiente.
E Seleccione el campo que contiene el cdigo postal.
E Pulse en Ejecutar para ejecutar el procedimiento.
Si lo desea, tiene la posibilidad de:
Generar ndices de respuesta basados en los primeros n caracteres o dgitos del cdigo postalen lugar del valor completo
Guardar automticamente los resultados en un archivo Excel
Controlar las opciones de visualizacin de los resultados
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
41/122
31
ndices de respuesta de cdigo postal
ConfiguracinFigura 5-4Pestaa Configuracin de ndices de respuesta de cdigo postal
Agrupar cdigos postales basados en
Determina cmo se agrupan los registros para calcular los ndices de respuesta. Por defecto, seutiliza el cdigo postal completo y todos los registros con el mismo cdigo postal se agrupan paracalcular el ndice de respuesta del grupo. De forma alternativa, puede agrupar los registros enfuncin nicamente de una parte del cdigo postal, utilizando los primeros n dgitos o caracteres.Por ejemplo, es posible que desee agrupar los registros por los 5 primeros caracteres de un cdigo
postal de 10 caracteres o por los 3 primeros dgitos de un cdigo postal de 5 dgitos. El conjuntode datos de resultados contendr un registro para cada grupo de cdigo postal. Si introduce unvalor, debe ser un entero positivo.
Formato numrico de cdigo postal
Si el campo de cdigo postal es numrico y desea agrupar los cdigos postales basados en losprimeros n dgitos en lugar del valor completo, necesita especificar el nmero de dgitos en elvalor original. El nmero de dgitos es el mximo nmero posible de dgitos en el cdigo postal.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
42/122
32
Captulo 5
Por ejemplo, si el campo del cdigo postal contiene una mezcla de cdigos postales de 5 y 9dgitos, deber especificar 9 como el nmero de dgitos.
Nota: Dependiendo del formato de visualizacin, puede parecer que algunos cdigos postales de 5
dgitos slo contienen 4 dgitos, aunque se trata de un cero inicial.
Resultado
Adems del nuevo conjunto de datos que contiene ndices de respuesta por cdigo postal, puedemostrar una tabla y un grfico que resumen los resultados por deciles (10% superior, 20% superior,etc.). La tabla muestra ndices de respuesta, ndices de respuesta acumulados, nmero de registrosy el nmero acumulado de registros en cada decil. El grfico muestra los ndices de respuestaacumulados y nmero acumulado de registros de cada decil.
ndice de respuesta mnimo aceptable. Si introduce un ndice de respuesta de destino mnimo ouna frmula de equilibrio, la tabla tendr una codificacin de colores para mostrar los deciles que
cumplen el ndice de respuesta acumulado mnimo y el grfico incluye una lnea de referencia enel valor de ndice de respuesta mnimo especificado.
ndice de respuesta de destino.ndice de respuesta expresado como un porcentaje (porcentajede respuestas positivas en cada grupo de cdigo postal). El valor debe ser mayor que 0 ymenor que 100.
Calcular ndice de equilibrio a partir de frmula. Calcula el ndice de respuesta acumuladomnimo basado en la frmula: (Coste de envo de un paquete/Ingreso neto por respuesta)
x 100. Ambos valores deben ser nmeros enteros positivos. El resultado debe ser un valormayor que 0 y menor que 100. Por ejemplo, si el coste de enviar un paquete es 0,75 dlaresy el ingreso neto por respuesta es 56 dlares, el ndice de respuesta mnimo es: (0,75/56) x100 = 1,34%.
Nmero mximo de contactos. Si especifica un nmero mximo de contactos, la tabla tendr unacodificacin de colores para mostrar los deciles que no superan el nmero mximo acumulado decontactos (registros) y el grfico incluir una lnea de referencia en ese valor.
Porcentaje de contactos. Mximo expresado como porcentaje. Por ejemplo, desea conocerlos deciles con el mayor ndice de respuesta que no contengan ms del 50% de todos loscontactos. El valor debe ser mayor que 0 y menor que 100.
Nmero de contactos. Mximo expresado como nmero de contactos. Por ejemplo, si no va aenviar ms de 10.000 paquetes, podr definir el valor a 10000. El valor debe ser un entero
positivo (sin smbolos de agrupamiento).
Si especifica un ndice de respuesta mnimo aceptable y un nmero mximo de contactos, lacodificacin de colores de la tabla se basa en la condicin que se cumpla primero.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
43/122
33
ndices de respuesta de cdigo postal
Exportar a Excel
Este procedimiento crea automticamente un nuevo conjunto de datos que contiene ndices derespuesta por cdigo postal. Cada registro (fila) del conjunto de datos representa un cdigo postal.
Puede guardar automticamente la misma informacin en un archivo Excel. Este archivo seguarda en formato Excel 97-2003.
Creacin de un campo de respuesta categrica
El campo de respuesta debe ser categrico, con un valor que representa todas las respuestaspositivas. Se asume que cualquier otro valor no perdido es una respuesta negativa. Si el campode respuesta representa un valor continuo (escala), como el nmero de compras o las cantidadesde compras, necesita crear un nuevo campo que asigna un valor de respuesta simple a todos losvalores de respuesta distintos a cero.
Si las respuestas negativas se registran como 0 (espacio cumplimentado, que se tratan como
valores perdidos), se pueden calcular con la siguiente frmula:
NewName=OldName>0
donde NewName es el nombre del nuevo campo y OldName es el nombre del campo original.Es una expresin lgica que asigna un valor de 1 a todos los valores no perdidos mayores que0 y 0 a todos los valores no perdidos menores o iguales que 0.
Si no se registra ningn valor para respuestas negativas, estos valores se consideran perdidos yla frmula se complica un poco ms:
NewName=NOT(MISSING(OldName))
En esta expresin lgica, a todos los valores de respuesta no perdidos se les asigna un valor de1 y a todos los valores de respuesta no perdidos se les asigna un valor de 0.
Si no puede distinguir entre valores de respuesta negativos (0) y valores perdidos, no sepuede calcular un valor de respuesta preciso. Si hay relativamente pocos valores perdidos,es posible que no tenga un efecto significativo en los ndices de respuesta calculados. Sinembargo, si hay demasiados valores perdidos, como cuando se registra informacin derespuesta para una pequea prueba de muestra del conjunto de datos total, los ndices derespuesta calculados no sern significativos, ya que son significativamente menores que losndices de respuesta verdaderos.
Creacin de un campo de respuesta categrica
E Elija en los mens:Transformar > Calcular variable
E Para una variable de destino, introduzca el nuevo nombre de campo (variable).
E Si se registran respuestas negativas como 0, introduzca OldName>0 para Expresin numrica,donde OldName es el nombre del campo original.
E Si se registran respuestas negativas como perdidas (en blanco), introduzcaNOT(MISSING(OldName)) para Expresin numrica, donde OldName es el nombre del campooriginal.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
44/122
Captulo6Propensin a la compra
La propensin a la compra utiliza resultados de un envo de prueba o campaas anteriores paragenerar puntuaciones. Los resultados indican los contactos que tienen ms posibilidades deresponder. El campo Respuesta indica quin ha respondido al correo de prueba o a la campaaanterior. Los campos de propensin son las caractersticas que quiere utilizar para pronosticar las
probabilidades de que respondan contactos con caractersticas similares.
Esta tcnica utiliza la regresin logstica binaria para generar un modelo predictivo. El proceso degenerar y aplicar un modelo predictivo tiene dos pasos bsicos:
E Crear el modelo y guardar el archivo de modelo. Crea el modelo usando un conjunto de datos
cuyo resultado deseado (a menudo conocido como destino) ya se conoce. Por ejemplo, si deseacrear un modelo que prediga quin tiene ms posibilidades de responder a una campaa decorreo directo, deber comenzar con un conjunto de datos que ya tenga informacin sobre quinrespondi y quin no. Por ejemplo, esto puede tratarse de los resultados de un envo de prueba aun pequeo grupo de clientes o informacin sobre respuestas a una campaa similar en el pasado.
E Aplicar ese modelo a un conjunto de datos distinto (para el que no se conocen los resultadosdeseados) para obtener los resultados pronosticados.
Ejemplo. El departamento de marketing directo de una empresa utiliza los resultados de unenvo de prueba para asignar puntuaciones de propensin al resto de su base de datos decontactos, utilizando diversas caractersticas demogrficas para identificar los contactos con ms
posibilidades de responder y realizar una compra.
Resultados
Este procedimiento crea automticamente un nuevo campo en el conjunto de datos que contienenpuntuaciones de propensin para los datos de prueba y un archivo XML de modelo que se puedeutilizar para puntuar otros conjuntos de datos. Los resultados estadsticos opcionales incluyenun grfico de calidad global de modelo y una tabla de clasificacin que compara las respuestas
pronosticadas con respuestas actuales.
Copyright IBM Corporation 1989, 2011. 34
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
45/122
35
Propensin a la compra
Figura 6-1Grfico de calidad global de modelo
Consideraciones de los datos de propensin a la compra
Campo respuesta. El campo de respuesta puede ser de cadena o numrico. Si este campo contieneun valor que indica un nmero o valor monetario de compras, necesitar crear un nuevo campo enel que un nico valor represente todas las respuestas positivas. Si desea obtener ms informacin,consulte el tema Creacin de un campo de respuesta categrica el p. 40.
Valor de respuesta positiva. El valor de respuesta positiva identifica los clientes que han respondidode forma positiva (por ejemplo, los que han hecho una compra). Se asume que el resto de valoresde respuesta no ausentes indican una respuesta negativa. Si hay alguna etiqueta de valor definida
para el campo de respuesta, esas etiquetas se muestran en la lista desplegable.
Pronosticar propensin con. Los campos utilizados para pronosticar pueden ser numricos o decadena y pueden ser nominales, ordinales o continuos (escala), pero es importante asignar el nivelde medida adecuado a todos los campos predictores.
Nivel de medida. La asignacin del nivel correcto de medida es importante porque afecta alclculo de los resultados.
Nominal. Una variable se puede tratar como nominal si sus valores representan categoras queno obedecen a una ordenacin intrnseca (por ejemplo, el departamento de la empresa en elque trabaja un empleado). Algunos ejemplos de variables nominales son: regin, cdigo
postal o confesin religiosa.
Ordinal. Una variable puede tratarse como ordinal cuando sus valores representan categoras
con alguna ordenacin intrnseca (por ejemplo, los niveles de satisfaccin con un servicio,que vayan desde muy insatisfecho hasta muy satisfecho). Entre los ejemplos de variablesordinales se incluyen escalas de actitud que representan el grado de satisfaccin o confianza ylas puntuaciones de evaluacin de las preferencias.
Continuo. Una variable puede tratarse como escala (continua) cuando sus valores representancategoras ordenadas con una mtrica con significado, por lo que son adecuadas lascomparaciones de distancia entre valores. Son ejemplos de variables de escala: la edaden aos y los ingresos en dlares.
http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/http://direct_marketing.pdf/ -
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
46/122
36
Captulo 6
Un icono junto a cada campo indica el nivel de medida actual.
Numrico Cadena Fecha Hora
Escala (Continuo) n/a
Ordinal
Nominal
Puede cambiar el nivel de medida en una vista de variables del Editor de datos o puede usar elcuadro de dilogo Definir propiedades de variables para sugerir un nivel de medicin adecuado
para cada campo .
Campos con un nivel de medicin desconocido
La alerta de nivel de medicin se muestra si el nivel de medicin de una o ms variables (campos)del conjunto de datos es desconocido. Como el nivel de medicin afecta al clculo de losresultados de este procedimiento, todas las variables deben tener un nivel de medicin definido.
Figura 6-2Alerta de nivel de medicin
Explorar datos. Lee los datos del conjunto de datos activo y asigna el nivel de medicinpredefinido en cualquier campo con un nivel de medicin desconocido. Si el conjunto dedatos es grande, puede llevar algn tiempo.
Asignar manualmente. Abre un cuadro de dilogo que contiene todos los campos con unnivel de medicin desconocido. Puede utilizar este cuadro de dilogo para asignar el nivelde medicin a esos campos. Tambin puede asignar un nivel de medicin en la Vista devariables del Editor de datos.
Como el nivel de medicin es importante para este procedimiento, no puede acceder al cuadrode dilogo para ejecutar este procedimiento hasta que se hayan definido todos los campos enel nivel de medicin.
Para obtener puntuaciones de propensin a la compra
Seleccione en los mens:Marketing directo > Seleccionar tcnica
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
47/122
37
Propensin a la compra
E Seleccione Seleccionar contactos con ms probabilidades de realizar la compra.
Figura 6-3Pestaa Campos de Propensin a la compra
E Seleccione el campo que identifica los contactos que respondern a la oferta.
E Introduzca el valor que indica una respuesta positiva. Si algn valor ha definido etiquetas devalores, puede seleccionar la etiqueta de valor de la lista desplegable y se mostrar el valorcorrespondiente.
E Seleccione los campos que desea utilizar para pronosticar la propensin.
Para guardar un archivo XML modelo para puntuar otros archivos de datos:
E Seleccione (active) Exportar informacin del modelo a un archivo XML.
E Introduzca una ruta de directorio y el nombre del archivo o pulse en Examinar para desplazarsehasta la ubicacin en la que desea guardar el archivo XML de modelo.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
48/122
38
Captulo 6
E Pulse en Ejecutar para ejecutar el procedimiento.
Para utilizar el archivo modelo para puntuar otros conjuntos de datos:
E Abra el conjunto de datos que desee puntuar.E Utilice el Asistente para puntuacin para aplicar el modelo al conjunto de datos. Seleccione en
los mens:Utilidades > Asistente para puntuacin.
ConfiguracinFigura 6-4Pestaa Configuracin de Propensin a la compra
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
49/122
39
Propensin a la compra
Validacin de modelos
Validacin de modelos crea grupos de entrenamiento y prueba para tareas de diagnstico. Siselecciona la tabla de clasificacin en la seccin Resultados diagnsticos, la tabla se dividir enentrenamiento (seleccionada) y prueba (sin seleccionar) para su comparacin. No seleccione lavalidacin de modelos salvo que tambin seleccione la tabla de clasificacin. Los resultados se
basan en el modelo generado a partir de la muestra de entrenamiento, que siempre contendrmenos resultados que el nmero total de registros disponibles. Por ejemplo, el tamao por defectode la muestra de entrenamiento es 50%, y es posible que un modelo creado con slo la mitad de losregistros disponibles no sea tan fiable como el modelo basado en todos los registros disponibles.
Tamao de particin de muestra de entrenamiento (%). Especifique el porcentaje de registrosque se asignarn a la muestra de entrenamiento. El resto de registros con valores no perdidos
para el campo de respuesta se asignan a la muestra de entrenamiento. El valor debe sermayor que 0 y menor que 100.
Establecer semilla para replicar resultados. Como los registros se asignan de forma aleatoria a
las muestras de entrenamiento y prueba, cada vez que ejecute el procedimiento podr obtenerresultados diferentes, salvo que especifique siempre el mismo valor de semilla de nmeroaleatorio de inicio.
Resultados diagnsticos
Calidad global de modelo. Muestra un grfico de la calidad global de modelo, expresada como unvalor entre 0 y 1. Un buen modelo debe tener un valor superior a 0,5.
Tabla de clasificacin. Muestra una tabla que compara las respuestas positivas y negativaspronosticadas con las respuestas positivas y negativas reales. El porcentaje de precisin globalpuede proporcionar algn tipo de indicacin del funcionamiento del modelo, pero es posible que
est ms interesado en el porcentaje de respuestas positivas correctas pronosticadas. Probabilidad mnima. Asigna registros con una puntuacin mayor que el valor especificado en
la categora de respuesta positiva pronosticada en la tabla de clasificacin. Las puntuacionesgeneradas por el procedimiento representan la probabilidad de que el contacto responder deforma positiva (por ejemplo, realizar una compra). Como norma general, debe especificar unvalor cercano a su tasa de respuesta de objetivo mnima, expresado como una proporcin.Por ejemplo, si est interesado en una tasa de respuesta mnima del 5%, especifique 0,05. Elvalor debe ser mayor que 0 y menor que 1.
Nombre y etiqueta del campo de respuesta recodificado
Este procedimiento recodifica automticamente el campo de respuesta como un nuevo campo enel que 1 representa respuestas positivas y 0 representa respuestas negativas; y el anlisis se realizaen el campo recodificado. Puede sustituir el nombre por defecto y asignar uno de su eleccin. Losnombres deben cumplir las reglas de nombres de IBM SPSS Statistics.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
50/122
40
Captulo 6
Guardar puntuaciones
Un nuevo campo con puntuaciones de propensin se guarda automticamente en el conjunto dedatos original. Las puntuaciones representan la probabilidad de una respuesta positiva, expresadacomo una proporcin.
Los nombres de los campos deben cumplir las reglas de nombres de SPSS Statistics.
El campo no puede tener un nombre que ya exista en el conjunto de datos. Si ejecuta esteprocedimiento ms de una vez en el conjunto de datos, necesitar especificar un nombrediferente cada vez.
Creacin de un campo de respuesta categrica
El campo de respuesta debe ser categrico, con un valor que representa todas las respuestaspositivas. Se asume que cualquier otro valor no perdido es una respuesta negativa. Si el campo
de respuesta representa un valor continuo (escala), como el nmero de compras o las cantidadesde compras, necesita crear un nuevo campo que asigna un valor de respuesta simple a todos losvalores de respuesta distintos a cero.
Si las respuestas negativas se registran como 0 (espacio cumplimentado, que se tratan comovalores perdidos), se pueden calcular con la siguiente frmula:
NewName=OldName>0
donde NewName es el nombre del nuevo campo y OldName es el nombre del campo original.Es una expresin lgica que asigna un valor de 1 a todos los valores no perdidos mayores que0 y 0 a todos los valores no perdidos menores o iguales que 0.
Si no se registra ningn valor para respuestas negativas, estos valores se consideran perdidos yla frmula se complica un poco ms:
NewName=NOT(MISSING(OldName))En esta expresin lgica, a todos los valores de respuesta no perdidos se les asigna un valor de1 y a todos los valores de respuesta no perdidos se les asigna un valor de 0.
Si no puede distinguir entre valores de respuesta negativos (0) y valores perdidos, no sepuede calcular un valor de respuesta preciso. Si hay relativamente pocos valores perdidos,es posible que no tenga un efecto significativo en los ndices de respuesta calculados. Sinembargo, si hay demasiados valores perdidos, como cuando se registra informacin derespuesta para una pequea prueba de muestra del conjunto de datos total, los ndices derespuesta calculados no sern significativos, ya que son significativamente menores que losndices de respuesta verdaderos.
Creacin de un campo de respuesta categrica
E Elija en los mens:Transformar > Calcular variable
E Para una variable de destino, introduzca el nuevo nombre de campo (variable).
E Si se registran respuestas negativas como 0, introduzca OldName>0 para Expresin numrica,donde OldName es el nombre del campo original.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
51/122
41
Propensin a la compra
E Si se registran respuestas negativas como perdidas (en blanco), introduzcaNOT(MISSING(OldName)) para Expresin numrica, donde OldName es el nombre del campooriginal.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
52/122
Captulo7Prueba de paquete de control
Esta tcnica compara campaas de marketing para ver si hay diferencias significativas en laeficacia entre los distintos paquetes u ofertas. La eficacia de una campaa se mide por lasrespuestas. El campo Campaa identifica diferentes campaas, por ejemplo, Oferta A y OfertaB. El campo Respuesta indica si un contacto ha respondido a la campaa. Seleccione Cantidadde adquisicin si la respuesta se registra como una cantidad de adquisicin, por ejemplo99,99. Seleccione Respuesta si la respuesta indica simplemente si el contacto ha respondido
positivamente o no, por ejemplo S o No.
Ejemplo. La divisin de marketing directo de una empresa quiere ver si un nuevo diseo depaquete generar respuestas ms positivas que el paquete actual. Envan un correo de prueba para
determinar si el nuevo paquete genera un porcentaje de respuesta significativamente ms positivo.El correo de prueba consiste en un grupo de control que recibe el paquete actual y un grupo de
prueba que recibe el nuevo diseo del paquete. Los resultados de los dos grupos se comparanpara ver si hay una diferencia significativa.
Resultado
Los resultados incluyen una tabla que muestra los recuentos y porcentajes de respuestas positivasy negativas de cada grupo definidos por el campo Campaa y una tabla que identifica los gruposque pueden ser muy diferentes entre s.
Figura 7-1Resultado de prueba de paquete de control
Consideraciones y supuestos de datos de prueba de paquete de control
Campo Campaa. El campo Campaa debe ser categrico (nominal u ordinal).
Campo Respuesta de eficacia. Si selecciona Cantidad de adquisicin para el campo Eficacia, elcampo debe ser numrico y el nivel de medida debe ser continuo (escala).
Si no puede distinguir entre valores de respuesta negativos (para la cantidad de adquisicin,un valor de 0) y valores perdidos, no se puede calcular un valor de respuesta preciso. Si hayrelativamente pocos valores perdidos, es posible que no tenga un efecto significativo en los
Copyright IBM Corporation 1989, 2011. 42
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
53/122
43
Prueba de paquete de control
ndices de respuesta calculados. Sin embargo, si hay demasiados valores perdidos, como cuandose registra informacin de respuesta para una pequea prueba de muestra del conjunto de datostotal, los ndices de respuesta calculados no sern significativos, ya que son significativamentemenores que los ndices de respuesta verdaderos.
Supuestos. Este procedimiento supone que los contactos se han asignado aleatoriamente a cadagrupo de campaa. En otras palabras, ningn tipo de informacin demogrfica, historial deadquisiciones u otras caractersticas afectar a la asignacin de grupos y todos los contactos tienenuna probabilidad igual de ser asignados a cualquier grupo.
Para obtener una prueba de paquete de control
Elija en los mens:Marketing directo > Seleccionar tcnica
E Seleccione Comparar la eficacia de las campaas.
Figura 7-2Cuadro de dilogo Prueba de paquete de control
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
54/122
44
Captulo 7
E Seleccione el campo que identifica el grupo de campaa al que pertenece cada contacto (porejemplo, Oferta A y Oferta B, etc.). Este campo debe ser nominal u ordinal.
E Seleccione el campo que indica la respuesta de eficacia.
Si el campo de respuesta es una cantidad de adquisicin, el campo debe ser numrico.
Si el campo de respuesta indica si el contacto han respondido positivamente o no (por ejemplo,S o No), seleccione Respuesta e introduzca el valor que representa una respuesta positiva.Si algn valor ha definido etiquetas de valores, puede seleccionar la etiqueta de valor de la listadesplegable y se mostrar el valor correspondiente.
Se crea automticamente un nuevo campo, en el que 1 representa las respuestas positivas y 0representa las respuestas negativas y el anlisis se ejecuta en el nuevo campo. Puede sustituir elnombre por defecto y asignar uno de su eleccin. Los nombres deben cumplir las reglas denombres de IBM SPSS Statistics.
E Pulse en Ejecutar para ejecutar el procedimiento.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
55/122
Parte II:Ejemplos
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
56/122
Captulo8Anlisis de RFM a partir de datos detransacciones
En un archivo de datos de transacciones, cada fila representa una transaccin diferente, en lugarde un cliente diferente y cada cliente dispone de mltiples filas de transacciones. En este ejemplose utiliza el archivo de datos rfm_transactions.sav. Si desea obtener ms informacin, consulte eltema Archivos muestrales en el apndice A el p. 99.
Datos de transacciones
El conjunto de datos debe contener variables con la siguiente informacin:
Una variable o combinacin de variables que identifiquen a cada caso (cliente).
Una variable con la fecha de cada transaccin.
Una variable con el valor monetario de cada transaccin.
Figura 8-1Datos de transacciones de RFM
Ejecucin del anlisisE Para calcular las puntuaciones de propensin, seleccione en los mens:
Marketing directo > Seleccionar tcnica
E Seleccione Ayudarme a identificar los mejores contactos (Anlisis RFM) y pulse en Continuar.
E Pulse Datos de transacciones y, a continuacin, pulse Continuar.
Copyright IBM Corporation 1989, 2011. 46
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
57/122
47
Anlisis de RFM a partir de datos de transacciones
Figura 8-2RFM desde datos de transacciones, pestaa Variables
E Pulse en Restablecer para borrar los ajustes anteriores.
E En Fecha de transaccin, seleccione Fecha de compra [Fecha].
E En Importe de transaccin, seleccione Importe de compra [Importe].
E En Mtodo de resumen, seleccione Total.
E En Identificadores de cliente, seleccione ID cliente [ID].
E A continuacin, pulse en la pestaa Resultados.
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
58/122
48
Captulo 8
Figura 8-3RFM desde datos de transacciones, pestaa Resultados
E Seleccione Grfico de recuentos de intervalos.
E Pulse en Aceptar para ejecutar el procedimiento.
Evaluacin de los resultados
Cuando calcule las puntuaciones de RFM a partir de los datos de transacciones, se crear un nuevoconjunto de datos que incluya las nuevas puntuaciones de RFM.
Figura 8-4Conjunto de datos RFM desde datos de transacciones
Por defecto, el conjunto de datos incluye la siguiente informacin para cada cliente:
Variable(s) de ID de cliente
Fecha de transaccin ms reciente
Nmero total de transacciones
-
7/27/2019 IBM_SPSS 20 Anlisis de Marketing ESPAOL
59/122
49
Anlisis de RFM a partir de datos de transacciones
Resumen de importe de transaccin (el valor por defecto es total)
Actualidad, frecuencia, valor monetario y puntuaciones de RFM combinadas
El nuevo conjunto de datos slo contiene una fila (registro) para cada cliente. Los datos detransacciones originales se han agregado mediante los valores de las variables de identificacin delos clientes. Las variables de identificacin siempre se incluyen en el nuevo conjunto de datos, delo contrario no habra forma de asignar las puntuaciones de RFM con los clientes.
La puntuacin de RFM combinada de cada cliente es simplemente la concatenacin de trespuntuaciones individuales, calculadas como: (actualidad x 100) + (frecuencia x 10) + monetaria.
El grfico de recuentos de intervalos que se muestra en la ventana Visor muestra el nmerode clientes de cada categora RFM.
Figura 8-5Grfica de recuentos de intervalos
Si se utiliza el mtodo por defecto de cinco categoras de puntuacin para cada uno de los trescomponentes RFM se obtiene como resultado 125 categoras de puntuacin RFM. Cada barra delgrfico representa el nmero de clientes en cada categora RFM.
Lo ideal es una distribucin relativamente homognea de clientes en todas las categoras depuntuacin RFM. En la realidad, habr cierto grado de variacin, como el que puede ver ene