Jobs to be Done

Un caso de uso frecuente en investigación de mercados implica comprender y cuantificar los usos y hábitos que el consumidor hace de las categorías. En este sentido, cobra particular relevancia reconocer algunas aportaciones de la analítica de datos. MODELOS DE LEVANTAMIENTO DE INFORMACIÓN Por lo general, los estudios de usos y hábitos exigen al investigador cuantificar volúmenes de consumo. En este sentido existe un debate sobre cómo levantar confiablemente esta información habiendo tres enfoques principales: Encuesta Conjoint Diario Ventajas Rápida Económica Alta concentración en procesos de decisión y elección más que en escenarios reales de consumo en el pasado Volumen probabilístico facilitando simulación. Permite levantar fluctuaciones de consumo en diferentes momentos del día, días de la semana, dentro o fuera de quincena Desventajas No permite capturar fluctuaciones de consumo (semana vs entre semana, quincena vs fuera de quincena, mañana vs noche) No permite capturar fluctuaciones de consumo. Alto nivel de tecnicismo y delicadeza para lograr confiabilidad Demorado, se recomienda mínimo 15 días de observación. Costoso. Difícil lograr engagement del participante. En cualquier escenario de levantamiento de información, los modelos PITA y PFI facilitan a las marcas y a los investigadores entender cada uno de los componentes que participan en la conformación de volumen. MODELO PITA Es un acrónimo que traduce Población, Intensidad, Transacción, Cantidad. P * I * T * C = Valor marginal del hábito. ¿Qué indica? ¿Qué variables lo influyen? Población Masa crítica sensible a la oferta de valor Proporción de gente sensible o con alguna necesidad puntual que la categoría logra resolver. Tamaño de mercado Grado de masificación o intensificación de la necesidad. Incidencia Frecuencia de veces con las que se efectúa el uso o la compra. Distribución numérica de la categoría o de las marcas que en ella compiten. Factores de disponibilidad Transacción Cantidad comprada o usada por ocasión. Medida de intensidad de la necesidad que estamos analizando. Cantidad Costo pagado en tiempo o dinero por ejecutar esta conducta de compra o uso Trade off y sacrificios que el usuario está dispuesto a hacer para comprar o usar. En el caso de un producto agrícola como el frijol: P I T A Valor El 30% de la población consume En un país de 40 millones de habitantes, se arranca con: 13.200.000 Consumen una vez cada 15 días, lo que llevado a año implica: 24 momentos de consumo Lo hacen dos veces al día cuando consumen 48 ocasiones específicas de consumo En cada ocasión de consumo, llenan el plato un 20% con el frijol. Esto llevado a gramos implica unos 58 gramos de frijol por ocasión de consumo El costo de esos 58 gramos de frijol sin implicar los demás ingredientes de la receta suponen $3.500 Esto supone que el hábito llevado a valor pesa $2.217.600 * 100 PITA es una buena forma de llegar al consumo per cápita de un bien como se ilustra a continuación: Intuitivamente, altos o bajos niveles de P, I, T A diagnostican accionables diferentes a lo largo de la cadena de generación de necesidades y de valor. PITA, puede ser calculado por ocasión de consumo. Como se ha discutido en otros blog, una ocasión de consumo está determinada por participantes, escenarios, intenciones y modelos como las 7W ayudan a construir dichos escenarios (¿Cuándo?, ¿Cómo?, ¿Quién?, ¿Cuánto?, ¿Para qué?, ¿Por qué?) y estadísticamente los árboles de decisión ayudan a encontrar interacciones significativas entre las 7W, encontrando volúmenes de consumo significativos en interacciones como por ejemplo: En casa de amigos, después del trabajo, viendo un partido de futbol, con cerveza. MODELO PFI Este acrónimo es parecido, traduce Penetración, Frecuencia e Intensidad. A diferencia del modelo PITA, expresa el consumo en volumen no en valor monetario. La lógica es similar en su cálculo y estimación. Uno de los aportes significativos de la analítica de datos a estos paradigmas de cuantificación de hábitos, es que es viable estimar el peso de diferentes variables sobre cada componente de la ecuación: P I T A o P F I. En la gráfica a continuación, puede observarse ejemplos de uso de modelos de regresión logística para analizar cómo diferentes variables del marketing mix impactan P, F I en un modelo que busca mejorar la penetración de consumo de la carne de cerdo Se construyen tres modelos autónomos, cada uno buscando explicar P, F e I por separado. El modelo explicativo de P tiene una capacidad predictiva del 86% y nos enseña que la facilidad de preparar, la percepción de sabor y la idea que cae bien para el organismo elevan la probabilidad de que las personas consuman carne de cerdo, por otro lado la dificultad para almacenar por largos periodos de tiempo reducen esa probabilidad un 17%. CONCLUSIONES Son muchos los aportes de la analítica de datos a la comprensión y cuantificación volumétrica de comportamientos deseables en el consumidor. En este blog se exploró el uso de árboles de decisión para encontrar ocasiones de consumo a partir de las 7W y como pueden implementarse modelos PITA y PFI para cuantificar cada ocasión de consumo de forma volumétrica. De igual forma se presentan técnicas asociadas a regresión logística para estimar el impacto del marketing mix sobre cada dimensión PFI. Nos encantaría encontrar formas de trabajo contigo, algunos retos de investigación de mercados y analítica de datos. ¿Entramos en contacto?

Jobs to be Done

Analítica de datos e investigación de usos y hábitos del consumidor

Grow your business more quickly
with our solutions for inbound and ecommerce

Jobs to be Done

Analítica de datos e investigación de usos y hábitos del consumidor

Grow your business more quickly with our solutions for inbound and ecommerce

Grow your business more quickly
with our solutions for inbound and ecommerce