MAPAS DE POSICIONAMIENTO COMPETITIVO BASADOS EN MODELOS LOGIT CON HETEROGENEIDAD LATENTE: APLICACIÓN A LAS CADENAS DE SUPERMERCADOS
←
→
Transcripción del contenido de la página
Si su navegador no muestra la página correctamente, lea el contenido de la página a continuación
R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
MAPAS DE POSICIONAMIENTO
COMPETITIVO BASADOS EN MODELOS
LOGIT CON HETEROGENEIDAD LATENTE:
APLICACIÓN A LAS CADENAS
DE SUPERMERCADOS
Óscar González Benito1
UNIVERSIDAD DE SALAMANCA
RESUMEN Palabras clave: Mapa de posicionamiento, mode-
los logit, heterogeneidad latente, cadenas de super-
En este trabajo se propone y aplica un procedi- mercados
miento para obtener mapas de posicionamiento
competitivo de cadenas minoristas de supermerca- ABSTRACT
dos a partir de datos sobre la distribución del pre-
supuesto de los consumidores. El punto de partida In this paper, we propose and exemplify a proce-
es la adaptación de los modelos logit de elección dure to infer positioning maps of retail chains by
discreta al contexto de asignación de presupuesto means of data on consumer’s budget allocation. The
por parte de los consumidores. La atracción procedure is based on the adaptation of discrete
comercial ejercida por cada cadena minorista se choice logit models to the resource allocation con-
entiende explicada por su proximidad al consumi- text. The retail attraction exerted by each retail
dor y por su posicionamiento o atractivo intrínse- chain is then assumed to be explained by the proxi-
co. El atractivo intrínseco se asume, a su vez, mity to consumers and its intrinsic attractive. In
determinado por una valoración de dimensiones turn, the intrinsic attraction is assumed to be deter-
latentes de posicionamiento por parte de los con- mined by the importance given by consumers to
sumidores. Asumiendo heterogeneidad latente en some positioning dimensions. By assuming latent
el mercado, es posible situar cada cadena minoris- heterogeneity in consumers’ tastes, we can infer the
ta en dichas dimensiones. La aplicación empírica positioning of each chain in each dimension by
permite constatar la utilidad del modelo mediante means of data on consumers’ budget allocation. The
la obtención de un mapa de posicionamiento bidi- empirical application allows us to show the poten-
mensional de las cadenas de supermercados de un tial utility of the proposed procedure. We get a two-
área metropolitana. La interpretación a posteriori dimensional map of supermarket chains in an urban
de las dimensiones refleja la importancia de la area. The interpretation of the resulting dimensions
notoriedad, precio, tamaño y proximidad como points out the importance of notoriety, price, size
determinantes de la atracción comercial minorista. and proximity as determinants of retail attraction.
1 Dpto. de Administración y Economía de la Empresa, Facultad de Economía y Empresa, Universidad de Salamanca, Campus Miguel
de Unamuno, 37007 - Salamanca (Spain). Tfno.: +34 923 294 400 (3008); Fax: +34 923 294 715; correo electrónico: oscargb@usal.es
117R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
Keywords: Positioning maps; Logit models; rio intraurbano real. Finalmente, se resumen las
Latent market heterogeneity; Supermarket chains. principales conclusiones del estudio.
2. MAPAS DE POSICIONAMIENTO
1. INTRODUCCIÓN
COMPETITIVO Y CADENAS
DE SUPERMERCADOS
Comprender el posicionamiento competitivo es
clave para desarrollo de la estrategia comercial. Esto El concepto de posicionamiento hace referencia
implica abordar la perspectiva de la demanda, es a la manera en que los productos son percibidos
decir, traspasar el filtro subjetivo que supone la per- por los consumidores, esto es, la posición que ocu-
cepción del consumidor. Se trata de identificar las pan en la mente de los consumidores en relación
dimensiones que conforman la imagen de las mar- con sus competidores (KOTLER, 2000). La estrate-
cas competidoras, conocer la posición relativa de las gia de posicionamiento se centra por tanto en la
marcas en estas dimensiones, y comprender la valo- consecución de una posición óptima a este respec-
ración de dichas dimensiones por parte del mercado. to. La secuencia segmentación del mercado, selec-
El esfuerzo investigador por facilitar estas tareas ha ción de público objetivo, y posicionamiento del
generado diversos procedimientos orientados a producto, constituye la espina dorsal de la planifi-
obtener mapas de posicionamiento que reflejen la cación estratégica de marketing.
estructura competitiva existente. En particular, El análisis del posicionamiento competitivo de
CHINTAGUNTA (1994) propone una metodología un producto o servicio constituye por tanto una
basada en la aplicación de modelos logit con hetero- herramienta de seguimiento y control imprescin-
geneidad latente utilizando datos de escáner. dible para optimizar la estrategia comercial. Está
Conocer y entender el posicionamiento competi- estrechamente ligado al análisis y comprensión de
tivo es igualmente relevante en el contexto minoris- la estructura e interacción competitiva. HOOLEY y
ta. Por ello, el objetivo de este trabajo es proponer y SAUNDERS (1993) distinguen tres actividades clave
ejemplificar una adaptación de la metodología suge- en el análisis de posicionamiento:
rida por CHINTAGUNTA (1994) a la competencia entre – Determinar las dimensiones de posiciona-
cadenas de supermercados, utilizando información miento, esto es, las dimensiones competiti-
consistente en la distribución del presupuesto de los vas que aportan valor a los consumidores y
consumidores entre las cadenas, y aislando el efecto que son determinantes de su comportamien-
de la conveniencia espacial. El resultado permite to de compra, en relación a la categoría de
posicionar las cadenas en dimensiones competitivas productos estudiada
clave para el mercado, al tiempo que se identifican – Determinar la posición de las marcas, esto
distintos segmentos de mercado según la importan- es, conocer la situación de las marcas en las
cia dada a dichas dimensiones, esto es, conforme a dimensiones de posicionamiento. Se trata de
los beneficios buscados. En definitiva, se trata de conocer la perspectiva del consumidor, esto
contribuir al desarrollo de herramientas analíticas es, la percepción de las marcas por parte del
que faciliten la toma de decisiones estratégicas por mercado.
parte de los operadores minoristas mediante la com- – Determinar la posición de los consumidores.
prensión de la estructura competitiva. El análisis del posicionamiento también
Los contenidos subsecuentes se estructuran en implica conocer los patrones de respuesta
cuatro secciones. En primer lugar, se establece el del mercado a dicho posicionamiento. Los
marco conceptual y metodológico mediante una consumidores pueden diferir en cuanto a los
revisión de los trabajos previos que soportan esta criterios de evaluación, valorando las cuali-
investigación. En segundo lugar, se expone el dades de los productos en función de sus
desarrollo del modelo conducente al mapa de motivaciones específicas.
posicionamiento. En tercer lugar, se describe una El posicionamiento competitivo es igualmente
aplicación empírica de la propuesta en un escena- relevante para los operadores minoristas. El posi-
118R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
cionamiento de un negocio minorista implica la productos que determinan el comportamiento
creación de una fórmula comercial (o conjunto de de los consumidores. Mediante información
atributos que definen su oferta) y la comunicación sobre la percepción de las marcas competido-
de los elementos distintivos de la misma a los gru- ras en dichos atributos, y sobre las preferen-
pos de interés (MUÑOZ GALLEGO, 1993). A este res- cias, elecciones, o patrones de gasto de los
pecto, BROWN (1995) sugiere que la diversidad de consumidores, se analizan los criterios de eva-
formas de venta que existen en la distribución luación de los individuos, es decir, la impor-
minorista responde a una polarización en tres ejes tancia dada a los distintos atributos que carac-
de posicionamiento: orientación precio/servicio; terizan la oferta, así como la interacción com-
amplitud de inventario; y tamaño del estableci- petitiva derivada de posibles cambios en el
miento. Particularizando a la distribución de pro- posicionamiento competitivo de las marcas.
ductos de gran consumo, en particular, al sector de Como denominador común, estos procedi-
alimentación, BURT y SPARKS (1995) señalan cuatro mientos de análisis parten de un mapa de
servicios clave determinantes del posicionamiento posicionamiento conocido a priori.
competitivo en el sector de la alimentación euro- – Por otro lado, el análisis interno, en el que
peo: variedad, precio, conveniencia y calidad. No tanto las dimensiones de posicionamiento
obstante, atendiendo a un planteamiento mucho relevantes como la situación de las marcas en
más objetivo y cuantificable, señalan dos dimensio- dichas dimensiones se asume desconocida
nes o ejes especialmente relevantes en la clasifica- (ELROD, 1991; DESARBO et al., 1993). La
ción de las formas de venta: uno relativo al nivel de finalidad de los procedimientos es por tanto
precios, cuya disminución se entiende generalmen- inferir estas dimensiones y determinar el
te contrapuesta a la calidad de servicio, y otro rela- posicionamiento de las marcas al tiempo que
tivo a la amplitud de elección, que está relacionada se estudian los criterios de evaluación de los
con la variedad de productos comercializados y, en consumidores. Todo ello a partir de informa-
gran medida, con el tamaño de los establecimien- ción sobre las preferencias o comportamien-
tos. Estas mismas dimensiones son también apunta- to de compra de dichos consumidores. La
das por TORDJMAN (1994). Claramente, el concepto interpretación de los mapas de posiciona-
de formato comercial subyace al posicionamiento miento obtenidos mediante estas técnicas
competitivo de las cadenas minoristas: los formatos requiere una valoración subjetiva del analis-
comerciales pueden definirse como perfiles genéri- ta o un análisis posterior al respecto.
cos de posicionamiento competitivo. Son múltiples los trabajos que han abordado la
Al margen de las valoraciones subjetivas de los obtención de mapas de posicionamiento mediante
expertos, se han desarrollado múltiples técnicas y el análisis interno de la estructura competitiva (ej.
procedimientos para estudiar la estructura competi- COOPER, 1988; DESARBO Y RAO, 1986; ERDEM y
tiva y, en particular, obtener mapas de posiciona- WINNER, 1999; GREEN et al., 1987; HOFFMAN y
miento de los productos y servicios que compiten en FRANKE, 1986; HOLBROOK et al., 1982; MOORE y
un mercado. Generalmente se basan en información RUSSELL, 1987; SHUGAN, 1987). Basados en las
sobre las preferencias, percepciones o comporta- discusiones al respecto de ELROD (1988 y 1991) y
miento de los consumidores, aunque algunas pro- ELROD et al. (2002), cabe señalar al menos tres
puestas utilizan fuentes de información alternativas, cuestiones clave para la clasificación de las meto-
por ejemplo el comportamiento de los competidores dologías propuestas:
(MINHI HAHN et al., 2001). En su discusión sobre el – Los datos de partida. Algunos procedimien-
estado de la cuestión en la inferencia de la estructu- tos parten de datos agregados sobre el mer-
ra de mercado a partir de la respuesta de los consu- cado, basando la estimación en series tem-
midores, ELROD et al. (2002) destacan los dos enfo- porales. Otros utilizan información indivi-
ques sugeridos anteriormente por CARROLL (1972): dualizada de los consumidores, bien sean
– Por un lado, el análisis externo, que parte de preferencias o historiales de compra, tanto
una definición previa de los atributos de los en escenarios reales como en diseños expe-
119R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
rimentales. Es destacable, por ejemplo, la consumidores. Su estimación es posible asumien-
utilización datos de panel. do que la heterogeneidad de los consumidores es
– El modelo descriptivo/explicativo. El núcleo capturada por una distribución de los parámetros
central de cualquier procedimiento es el de respuesta sobre la población. ELROD (1988) y
mecanismo mediante el cual se infiere el ELROD y KEANE (1995) asumen distribuciones
posicionamiento competitivo de los datos continuas conocidas, concretamente la distribu-
utilizados. Son habituales los métodos cen- ción normal, mientras que CHINTAGUNTA (1994)
trados en el escalamiento multidimensional propone un aproximación semiparamétrica de la
o el análisis de correspondencias. También verdadera distribución mediante una distribución
son muy habituales los métodos basados en discreta. Como se ha mencionado antes, esto con-
modelos de elección, tanto descriptivo-esto- lleva asumir que existen segmentos latentes con
cásticos como explicativo-probabilísticos. distintos criterios de evaluación de las alternativas
– La heterogeneidad de mercado. Los procedi- de compra.
mientos también difieren en cuanto a cómo El propósito de este trabajo es adaptar la meto-
incorporan la diversidad en las preferencias dología de CHINTAGUNTA (1994) al ámbito mino-
y criterios de decisión de los consumidores. rista, concretamente a la obtención de mapas de
Algunos modelos asumen que las preferen- posicionamiento de las cadenas de supermerca-
cias son homogéneas mientras que otros dos. El marco metodológico viene definido, por
estiman parámetros de respuesta específicos tanto, por los modelos logit de elección discreta
para cada consumidor. Otros procedimien- con heterogeneidad latente. Sin embargo, la
tos asumen una posición intermedia enten- estructura competitiva entre cadenas minoristas
diendo que las diferencias entre los consu-
implica al menos dos diferencias sustanciales con
midores son explicadas por un conjunto de
respecto a las aplicaciones habituales centradas en
características observadas. Otro plantea-
una categoría de productos:
miento intermedio muy difundido es asumir
– En primer lugar, las cadenas minoristas ofre-
que los parámetros de respuesta están distri-
cen una agregación de servicios. La impor-
buidos sobre la población conforme a una
distribución continua conocida –por ejem- tancia de esta matización está implícitamen-
plo una distribución normal–, o una distri- te contemplada en ELROD et al. (2002),
bución discreta –que implica la existencia cuando afirman que en el análisis de la es-
de segmentos latentes con distintos benefi- tructura de mercados debe tenerse en cuenta
cios buscados (CHINTAGUNTA et al., 1991). que la oferta a la que se enfrentan los con-
CHINTAGUNTA (1994), ELROD (1988) y ELROD y sumidores es algo más complejo que un
KEANE (1995) desarrollan un enfoque metodológi- conjunto de productos simples. En este sen-
co centrado en la explotación de datos sobre el his- tido, el historial de elección de cadena mino-
torial de elección de los consumidores, como los rista por parte de los consumidores puede
disponibles en paneles de consumidores. Se basa dar una idea sesgada de la respuesta de mer-
en los modelos de elección discreta enmarcados cado, al menos en lo que respecta a la factu-
en la teoría de utilidad aleatoria como herramien- ración de las cadenas implicadas. Puesto que
ta para relacionar el comportamiento de los con- las ocasiones de compra pueden diferir en
sumidores con el posicionamiento de las marcas cuanto al contenido y volumen de la com-
ofertadas. Concretamente, se centran en las ver- pra, resulta mucho más interesante conside-
siones más conocidas: CHINTAGUNTA (1994) y rar datos relativos al gasto realizado por los
ELROD (1988) consideran modelos logit, y ELROD consumidores en las distintas cadenas. Esto
y KEANE (1995) consideran modelos probit. Los conlleva la necesidad de adaptar los mode-
ejes de posicionamiento, así como la situación de los logit de elección discreta a datos sobre la
las marcas en dichos ejes, surgen de asumir una asignación de recursos realizada por los
estructura factorial en la utilidad percibida por los consumidores. Los estudios de BATSELL
120R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
(1980) o LOUVIERE AND WOODWORTH (1983) las cadenas minoristas; y (3) generalización trans-
describen aplicaciones en esta línea. versal del modelo a todo el mercado basada en
– En segundo lugar, la importancia de la con- supuestos de heterogeneidad latente.
veniencia espacial en la competencia entre
establecimientos minoristas, especialmente
en el caso de supermercados, requiere aislar 3.1. Modelización logit de la distribución
esta circunstancia del posicionamiento per- del presupuesto
cibido por los consumidores. En línea con
los modelos gravitaciones basada en la teo- El planteamiento de los modelos de elección
ría de interacción espacial (FOTHERINGHAM y
discreta basados en la teoría de utilidad aleatoria
O’KELLY, 1989; HAYNES y FOTHERINGHAM,
puede ser adaptado al contexto de la distribución
1984; HUFF, 1962), es preciso contemplar
explícitamente el efecto disuasorio de la dis- de un presupuesto entre distintas alternativas de
tancia entre los consumidores y las cadenas compra. En particular, puede ser adaptado a la dis-
ofertadas. tribución del gasto entre las distintas cadenas
SINHA (2000) propone y ejemplifica un modelo minoristas que conforman la infraestructura
en la línea de esta investigación. Asumiendo que comercial de un área metropolitana. La utilidad
las dimensiones de posicionamiento conllevan una Ui(j) de una cadena j para un consumidor i puede
estructura factorial en las utilidades percibidas por asumirse conformada por dos componentes. Por
los consumidores, plantea un modelo anidado de un lado, una componente determinista Vi(j). que
elección de supermercado que permite obtener recoge el efecto de las variables explícitamente
mapas de posicionamiento de dichos supermerca- contempladas en el estudio. Por otro lado, una
dos y de las áreas metropolitanas donde están ubi- componente aleatoria ei(j), que recoge el efecto de
cados. Aunque el modelo contempla explícita- otros factores determinantes no considerados
mente el efecto de la proximidad a los consumi- explícitamente. Resumidamente, se tiene:
U i( j) = Vi( j)+ ε i( j)
dores, la estimación de basa en datos sobre la
[1]
elección de establecimientos por parte de los con-
sumidores y no en la distribución de recursos entre Asumiendo que el consumidor selecciona la
ellos. Además, la heterogeneidad en las preferen- alternativa de compra que le proporciona mayor
cias de los consumidores se asume distribuida nor- utilidad, la probabilidad Pi(j) de que un consumi-
malmente sobre la población. Este supuesto resul- dor i asigne una unidad porcentual de su presu-
ta mucho más restrictivo que asumir la existencia puesto a la cadena j viene dada por:
de segmentos latentes con distintos criterios de
evaluación. La propuesta desarrollada y ejemplifi- Pi( j) = P (U i( j) ≥ U i( j’)paratoda
cadenaj’) [2]
cada en este trabajo complementa la de SINHA Asumiendo también que los términos de error
(2000) a este respecto: utilización de datos de en [1] son independientes e idénticamente distri-
asignación de presupuesto, e incorporación de la buidos Gumbel, la expresión [2] desemboca en el
segmentación latente. modelo logit (MANSKI, 1977; MCFADDEN, 1974):
exp(Vi( j))
Pi( j) = [3]
3. PROPUESTA METODOLÓGICA ∑ j’exp(Vi( j’))
El desarrollo de la propuesta metodológica ha Otros modelos habituales en el marco de la
sido estructurado en tres fases concatenadas: (1) elección discreta, como el modelo probit (DAGAN-
adaptación de la modelización logit al contexto de ZO, 1979) o el modelo de valor extremo generali-
distribución de gasto entre las cadenas minoristas; zado (MCFADDEN, 1978), únicamente difieren del
(2) configuración explicativa basada en la existen- modelo logit en cuanto a la distribución asumida
cia de dimensiones latentes de posicionamiento de en los términos de error.
121R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
De la misma manera que en el ámbito de la sumidor. Si Gi={gij} es la asignación de presu-
elección discreta se puede obtener la probabili- puesto realizada por el consumidor i, siendo gij el
dad de una secuencia o historial de elección del porcentaje de gasto en la cadena j, la probabili-
consumidor, en el ámbito de la asignación de dad Pi(Gi) de dicha asignación viene dada, a par-
recursos se puede obtener la probabilidad de la tir de la expresión [3], por la siguiente formula-
distribución de presupuesto realizada por el con- ción:
gij
exp(V ( j))
Pi(G i) = ∏ jPi( j) ij = ∏ j
g i
[4]
∑ exp(Vi( j’))
j’
La variable dependiente propuesta es, por tanto, ta de gasto, solo de la asignación relativa de
la distribución relativa del presupuesto entre los gasto.
distintos establecimientos. No obstante, debe
apuntarse que el mismo planteamiento metodoló-
gico es aplicable a otras definiciones de la varia- 3.2. Configuración explicativa: dimensiones
ble dependiente basadas en la distribución del pre- latentes de posicionamiento
supuesto. GONZÁLEZ-BENITO y SANTOS-REQUEJO
(2002a) proponen distintas alternativas al respecto La utilidad empírica del modelo reside en su
y analizan sus implicaciones en la interpretación configuración explicativa. La parametrización de
del modelo. Cabe destacar dos posibilidades: la utilidad determinista contemplada en la expre-
– Por un lado, puede plantearse una simplifi- sión [4] permite valorar el efecto de los atributos
cación traduciendo la asignación del presu- caracterizadores de las cadenas o de los consumi-
puesto en variables dicotómicas, de manera dores sobre las compras atraídas por cada una de
similar a una elección discreta. Por ejemplo, ellas. En esta aplicación al contexto minorista, la
se puede considerar que el consumidor elige utilidad de una cadena minorista percibida por los
la cadena a la que asigna un mayor porcen- consumidores se asume explicada por dos compo-
taje de gasto. Sin embargo, en este caso la nentes. Por un lado, el atractivo intrínseco αij de la
variable dependiente se centraría únicamen- cadena j percibido por el consumidor i, que repre-
te en el gasto prioritario, obviando el com- senta la valoración por parte del consumidor de
portamiento desleal de los consumidores los atributos que conforman la imagen de la
que es habitual en el contexto de selección empresa. Por otro lado, la conveniencia espacial,
que puede formalizarse mediante la valoración βi
de establecimiento.
realizada por el consumidor i de la distancia Dij
– Por otro lado, puede plantearse una exten-
que lo separa de la cadena j. La idea subyacente es
sión utilizando gastos absolutos (cuantía
que la decisión del consumidor está condicionada
gastada) en lugar de gastos relativos (por- por el conjunto de servicios que caracterizan la
centaje de gasto). En este caso, la variable cadena, pero también por la accesibilidad espacial
dependiente no solamente tendría en cuenta de la misma. Es decir, la proximidad al estableci-
la deslealtad de los consumidores, sino tam- miento actúa como un factor potenciador de su
bién la selectividad de los mismos, es decir, atractivo al margen de la imagen que es capaz de
el hecho de que el gasto total difiere de unos transmitir. Concretamente, se propone la siguiente
consumidores a otros. Si bien este enfoque configuración:
Vi( j) = α ij+ β i ln(D ij)
es el que más se aproxima a la cuota de mer-
cado de las cadenas, no se ha considerado en [5]
la exposición previa para ser coherentes con Debe apuntarse que se adopta una transforma-
la aplicación empírica posterior, donde no se ción logarítmica de la variable distancia para ser
dispone de datos sobre la asignación absolu- congruentes con la especificación multiplicativa
122R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
habitual en los modelos gravitacionales basados matriz A=(ajk) de coordenadas con K
en la teoría de interacción espacial (HUFF, 1962). columnas y tantas filas como el número
La transformación exponencial de esta configura- cadenas minoristas J. Cada fila
ción implica que el efecto bi de la distancia sobre Aj=[aj1,aj2,…,ajK] se corresponderá, por
la asignación de gasto viene dado por el exponen- tanto, con la situación de la cadena j en cada
te de dicha variable. una de las dimensiones de posicionamiento,
El interés de este trabajo está en identificar las esto es, sus coordenadas en el mapa de posi-
dimensiones latentes que subyacen al atractivo cionamiento.
intrínseco de la cadena percibido por el consumi- – La valoración que realiza el consumidor i de
dor. Dicho de otro modo, se trata de capturar las estas dimensiones vendrá dada por un vector
dimensiones clave valoradas por el consumidor en de ponderaciones wi=[ wi1,wi2,…,wiK]’, don-
la distribución de su presupuesto. La situación de de wik denota la importancia relativa dada a
cada cadena en dichas dimensiones conforma el la dimensión k.
mapa de posicionamiento competitivo percibido – Así, el atractivo intrínseco contemplado en
por los consumidores. Para tal fin, se asume la exis- la expresión [5] puede entenderse la suma de
tencia de una estructura factorial latente que deter- posicionamiento de la cadena en las distin-
mina el atractivo intrínseco percibido por el consu- tas dimensiones, ponderado por la importan-
midor (CHINTAGUNTA, 1994). Concretamente: cia que da el consumidor de dichas dimen-
– Se asume la existencia de K dimensiones siones. Es decir:
latentes caracterizadoras de las distintas
cadenas minoristas. Estos serán los ejes del α ij = A jw i [6]
mapa de posicionamiento. Con la parametrización sugerida en [5] y [6], el
– El posicionamiento de las distintas cadenas modelo propuesto en la expresión [4] queda como
en estas dimensiones vendrá dado por una sigue:
exp(A w )⋅ D β i
gij
Pi(G i) = ∏ j
j i ij
exp(A j’w i)⋅ D ij’
βi
[7]
∑ j’
3.3. Heterogeneidad latente del mercado lizados hace ineficiente este enfoque. Otra alter-
nativa más plausible es la utilización de datos
La utilidad práctica del modelo propuesto en transversales, es decir, información sobre la distri-
[7] pasa por la capacidad para estimar sus pará- bución del gasto de una muestra de consumidores.
metros a partir la información relativa a la distri- El planteamiento más sencillo consistiría en asu-
bución del gasto de los consumidores. Puesto que mir parámetros comunes para todos los consumi-
el parámetro βi, relativo al efecto de la convenien- dores. Esto es, un parámetro común β para el efec-
cia espacial, y los parámetros wi, de importancia to de la conveniencia espacial y parámetros comu-
relativa de cada dimensión de posicionamiento, nes w sobre la ponderación de las dimensiones de
son específicos de cada consumidor, una posibili- posicionamiento. Así, el procedimiento de máxi-
dad es basar la estimación en datos históricos ma verosimilitud seleccionaría aquellos valores de
sobre la asignación de presupuesto por parte del los parámetros que maximizan la probabilidad de
consumidor. Sin embargo, el volumen de informa- la muestra, esto es, maximizan la siguiente fun-
ción necesario para estimar parámetros individua- ción de verosimilitud:
exp(A w )⋅ D β
gij
L = ∏iPi(G i) = ∏i∏ j
j ij
[8]
exp(A j’w )⋅ D ij’
∑ j’
β
123R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
Sin embargo, este procedimiento permitiría Pi(Gi|s) de la distribución de gasto de un consu-
identificar directamente parámetros de atractivo midor cuando pertenece a un segmento concreto s
intrínseco común αj, pero no su descomposición como sigue:
factorial, esto es, las coordenadas A de las cadenas exp(A w )⋅ D β
gij
en los ejes de posicionamiento y la importancia Pi(G i |s) = ∏ j
j s ij
relativa w de estos ejes.
∑
j’
exp(A j’w s )⋅ D ’
ij
β
[9]
Una alternativa para resolver esta circunstancia
es adoptar el enfoque de heterogeneidad latente o Consecuentemente, la probabilidad Pi (Gi) de la
efectos aleatorios (CHINTAGUNTA et al., 1991; distribución de gasto de un consumidor, indepen-
GONUL y SRINIVASAN, 1993; JAIN et al., 1994; dientemente del segmento latente en que se
KAMAKURA y RUSSELL, 1989). Concretamente, se encuentra, viene dada por una ponderación de [9]
puede asumir las ponderaciones w están distribui- a través de todos los segmentos, esto es:
das sobre la población conforme a una función de
densidad. Puesto que esta distribución es desco- Pi(G i) = ∑s Pi(G i |s)⋅ λs [10]
nocida, se puede adoptar una distribución conti-
nua conocida. Sin embargo, otra posibilidad donde λ s denota la probabilidad de pertenecer al
menos restrictiva es aproximar la distribución segmento s, es decir, su tamaño relativo.
mediante una distribución discreta. Esto implica De esta manera, la función de verosimilitud que
asumir la existencia de S segmentos latentes con debe ser maximizada para la estimación de los
parámetros específicos. Es decir, cada segmento s parámetros consiste en una adaptación directa de
comparte un vector ws de parámetros comunes. la función [8] incorporando los planteamientos
Bajo este enfoque semiparamétrico, el modelo asumidos en [9] y [10]:
descrito en [7] permite formalizar la probabilidad [11]
exp(A w )⋅ D β
gij
L = ∏iPi(G i) = ∏i∑s Pi(G i |s)⋅ λs = ∏i∑s∏ j ⋅λ
j s ij
[7]
exp(A j’w s )⋅ D ij’
∑ j’
β s
Esta extensión del modelo asumiendo heteroge- preciso establecer tres restricciones para que
neidad latente permite estimar la estructura facto- sea posible identificar los parámetros. La
rial latente asumida en el atractivo intrínseco y, necesidad de fijar el origen del mapa de
consecuentemente, obtener el mapa de posiciona- posicionamiento implica fijar las dos coor-
miento subyacente al comportamiento de compra denadas de una de las marcas. Adicional-
de los consumidores. No obstante, es preciso mente, la necesidad de fijar el mapa de posi-
garantizar que el número de parámetros implicados cionamiento con respecto a rotaciones,
en este modelo no excede el número de parámetros requiere fijar una coordenada más.
implicados en el modelo sin la estructura factorial – 2(S-1) parámetros correspondientes a la
propuesta en [6], es decir, el modelo con paráme- ponderación ws de los ejes de posiciona-
tros de atractivo intrínseco en cada segmento. miento en los segmentos latentes. Con el fin
Si se pretende obtener un mapa de posiciona- de fijar la escala de los ejes, es preciso fijar
miento bidimensional (K=2) que permita una las ponderaciones de uno de los segmentos.
representación gráfica en un plano, el número de – (S-1) parámetros correspondientes al tama-
parámetros implicados en el modelo es la suma de: ño relativo λ s de los segmentos. Debe tener-
– (2J-3) parámetros correspondientes a las se en cuenta la restricción consistente en que
coordenadas A de las cadenas en el mapa de dichos parámetros deben sumar la unidad.
posicionamiento. La matriz de coordenadas – 1 parámetro correspondiente al efecto β de
conlleva 2J parámetros. Sin embargo, es la distancia.
124R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
Por otro lado, el número de parámetros impli- pras de alimentación. El desarrollo se estructura en
cados en el modelo sin estructura factorial es la dos apartados: (1) la descripción del escenario de
suma de: estudio y de las fuentes de información utilizadas, y
– S(J-1) parámetros correspondientes a los (2) la aplicación de la metodología propuesta, y la
parámetros de atractivo intrínseco αsj. Debe interpretación y discusión de los resultados.
apuntarse que la invarianza del modelo por
traslaciones de estos parámetros requiere
fijar el de una de las marcas en cada seg- 4.1. Escenario de estudio y datos
mento.
– (S-1) parámetros correspondientes al tama- El escenario de estudio consistió en la ciudad
ño relativo λ s de los segmentos. Debe tener- de Salamanca (España). Los datos facilitados por
se en cuenta la restricción consistente en que el Servicio de Estadística del Ayuntamiento de
dichos parámetros deben sumar la unidad. Salamanca correspondientes a junio de 2000,
– 1 parámetro correspondiente al efecto β de reflejan una población de 61.669 hogares. En abril
la distancia. de 2002, momento en que se recogió la informa-
Consecuentemente, debe cumplirse (2J-3)+2(S- ción primaria, la infraestructura minorista de esta-
1) ≤ S(J-1). Esto implica, por un lado, que al blecimientos de alimentación no especializada en
menos debe considerarse la existencia 3 segmen- régimen de autoservicio consistía en 63 estableci-
tos (S=3). Por otro lado, al menos deben conside- mientos, operados por 16 cadenas minoristas.
rarse 4 cadenas minoristas (J=4). Algunas cadenas estaban integradas en el mismo
grupo empresarial. El nombre comercial y el
número de establecimientos de cada cadena se
4. APLICACIÓN EMPÍRICA muestran en la Tabla 1. A partir del Censo de
Supermercados publicado por Alimarket, y el tra-
Con el fin de ejemplificar y evaluar las posibili- bajo de campo realizado, se obtuvo información
dades explicativas del modelo propuesto, se expone sobre la ubicación precisa y el tamaño de cada uno
una aplicación empírica en el ámbito de las com- de los establecimientos.
Tabla 1
Infraestructura comercial y asignación relativa de gasto en el escenario de estudio
Número Asignación porcentual de gasto
Cadenas minoristas
de establecimientos
Media D.T. Máximo Mínimo
CARREFOUR 1 18,06 27,56 100 0
LECLERC 1 4,25 14,41 100 0
CAPRABO 1 1,65 9,76 100 0
CHAMPION 2 6,77 19,78 100 0
CONSUM 9 8,35 21,53 100 0
EL ARBOL 18 24,12 30,22 100 0
GADIS 2 1,98 10,03 100 0
GAMA 2 0,47 5,03 75 0
HERBU’S 3 1,17 7,30 80 0
HERMANOS COSME 1 0,17 4,15 100 0
125R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
Tabla 1 (Continuación)
Infraestructura comercial y asignación relativa de gasto en el escenario de estudio
Número Asignación porcentual de gasto
Cadenas minoristas
de establecimientos
Media D.T. Máximo Mínimo
MAXCOOP 2 1,17 8,09 100 0
SUPER CHAMBERÍ 1 0,28 3,89 60 0
SUPERSOL 2 0,42 4,22 80 0
DIA 16 28,03 31,55 100 0
LIDL 1 1,62 7,24 70 0
PLUS SUPERDESCUENTO 1 1,51 9,35 100 0
La información relativa al comportamiento de Tanto establecimientos como consumidores
compra de los hogares fue recogida mediante fueron referenciados geográficamente mediante el
encuesta personal a domicilio en abril de 2002. La Sistema de Información Geográfica MOSAIC,
selección de la muestra partió de una estratificación operado por Experian Marketing Services. La
por barrios con afijación proporcional. La selección asignación de coordenadas espaciales permitió
de hogares en cada barrio se basó en un procedi- calcular distancias euclídeas entre consumidores y
miento de rutas aleatorias. El proceso se completó establecimientos. Las variables de distancia a las
con la obtención de 580 cuestionarios válidos. cadenas minoristas (Dij) se calcularon consideran-
El cuestionario, dirigido a la persona responsa- do la distancia al establecimiento más próximo
ble de las compras de alimentación dentro del dentro de la cadena. El alto grado de homogenei-
hogar, solicitaba una estimación de la distribución dad entre establecimientos de una misma cadena
del gasto mensual en alimentación entre los esta- justifica este planteamiento. Sería aconsejable uti-
blecimientos existentes. Esto es, se preguntó por la lizar medidas de accesibilidad espacial que tuvie-
proporción de gasto asignada a cada uno de los ran en cuenta las barreras de desplazamiento exis-
establecimientos. Esta información da lugar a la tentes, por ejemplo tiempos de desplazamiento.
distribución del presupuesto a nivel de cadena alu- Sin embargo, esta información no estaba disponi-
dida en la propuesta metodológica (Gi). La Tabla ble en la fuente utilizada.
1 también incluye descriptivos sobre la asignación Como información de apoyo para la interpre-
de gasto a cada cadena. La mayor asignación tación de los ejes de posicionamiento, la infor-
media de gasto corresponde a las cadenas con mación disponible a través del Censo de Super-
mayor número de establecimientos (El Arbol, Día) mercados y el Sistema de Información Geográfi-
y la enseña de hipermercados Carrefour. Adicio- ca fue completada con los indicadores de precios
nalmente, se dispone de información sobre el de supermercados publicados en 2002 por la
domicilio de los hogares entrevistados. Organización de Consumidores y Usuarios
Debe apuntarse que también se preguntó por el (OCU). Anualmente, esta organización mide el
gasto total en productos de alimentación. Sin nivel de precios de una muestra representativa de
embargo muchos hogares no contestaron a esta los supermercados españoles utilizando dos indi-
pregunta, y el análisis posterior de las respuestas cadores. Por un lado, se calcula el coste de una
útiles hizo dudar de la precisión o sinceridad de cesta de compra constituida por marcas líderes
los hogares al facilitar esta cantidad. Como conse- en cada categoría de productos. Por otro lado, se
cuencia, se descartó la utilización del gasto abso- calcula el coste de la misma cesta, pero conside-
luto asignado a cada cadena como variable depen- rando la marca más barata dentro de la categoría
diente. de productos. En ambos casos, los valores obte-
126R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
nidos se relativizan comparándolos con el esta- culta el proceso de estimación; y (3) el modelo
blecimiento más barato. Así, un valor de 115 para cuatro segmentos (S=4) no supone un mejora
implica que el precio de la cesta es un 15% más conforme la los criterios estadísticos habituales,
caro que en el supermercado más barato de toda en particular, el Criterio de Información de Bayes.
la muestra. La estimación se basó en el procedimiento de
máxima verosimilitud. La maximización de la
función de verosimilitud descrita en [11] se pro-
4.2. Análisis, resultados e interpretación gramó directamente en GAUSS, y se basó en la
rutina de optimización OPTMUN. Este procedi-
Con el fin de facilitar la representación gráfica miento es habitual en la aplicación de este tipo de
del posicionamiento de las distintas cadenas mino- modelos (JAIN et al., 1994).
ristas, se planteó la obtención de un mapa bidi- Los resultados de estimación se resumen en la
mensional (K=2). Para poder identificar los pará- Tabla 2. El parámetro β asociado a la variable dis-
metros implicados en el modelo, se consideró la tancia es negativo y altamente significativo. Como
existencia de tres segmentos latentes (S=3). Esta cabía esperar, una mayor distancia al estableci-
decisión se justifica en los siguientes argumentos: miento más próximo dentro de una cadena impli-
(1) es el número mínimo se segmentos que permi- ca menores probabilidades de comprar en él. Este
te la identificación de todos los parámetros del resultado no hace más que constatar la importan-
modelo; (2) la consideración de más segmentos cia de la proximidad a los consumidores en el mar-
latentes reduce la parsimonia del modelo y difi- co de las compras de alimentación.
Tabla 2
Resultados de estimación
Distancia al establecimiento más próximo (b)
-1,3898 *
Posicionamiento de las cadena (ajk)
Dimensión 1(aj1) Dimensión 2(aj2)
CARREFOUR 2,4804 0b
LECLERC 2,4665 -0,6980
CAPRABO 0,7726 -2,5807
CHAMPION 1,9079 -2,7321
CONSUM 0,0885 -1,8639
EL ARBOL -1,4236 1,4917
GADIS -1,6460 -1,2551
GAMA -2,9220 -2,8839
HERBU’S -2,5683 -2,3016
HERMANOS COSME -5,5009 -8,5797
MAXCOOP -1,8571 -1,5960
SUPERCHAMBERÍ -3,5779 -1,8076
SUPERSOL -5,5626 0,1387
DIA -2,1124 1,9851
127R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
Tabla 2 (Continuación)
Resultados de estimación
LIDL 0,2712 -1,5814
PLUS SUPERDESCUENTO 0 a 0a
Posicionamiento de las cadena (wsk)
Dimensión 1(ws1) Dimensión 2(ws2)
Segmento 1 1 c 1c
Segmento 2 0,4813 -0,0478
Segmento 3 0,3284 0,9057
Tamaño relativo de los segmentos (λs)
Segmento 1 27,75 %
Segmento 2 29,55 %
Segmento 3 42,71 %
* Parámetro asociado a la distancia significativo (pR E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
Gráfico 1
4
DIA
2 EL ARBOL
SUPERSOL PLUS SUPERDESCUENTO CARREFOUR
0
LECLERC
GADIS
LIDL
SUPER CHAMBERI MAXCOOP
-2 HERBU'S CONSUM
CHAMPION
GAMA CAPRABO
-4
Dimension 2
-6
-8
HERMANOS COSME
-10
-10 -8 -6 -4 -2 0 2 4
Dimensión 1
Gráfico 2
Dimensión 2
Dimensión combinada
NOTORIEDAD / PRECIO
Dimensión combinada
TAMAÑO / PROXIMIDAD
Dimensión 1
129R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
– La diagonal ascendente parece establecer 4, clasifica las cadenas estudiadas conforme
una discriminación entre las cadenas en fun- a los índices de precios publicados por la
ción de la intensidad de cobertura del mer- OCU. Estos datos permiten apreciar cierta
cado estudiado, y consecuentemente la noto- coherencia entre los niveles de precios tanto
riedad de las cadenas en el mercado estudia- en el escenario de estudio (locales) como en
do. La Tabla 3 cuantifica esta intensidad de el total nacional, y las inconsistencias detec-
cobertura considerando los metros cuadra- tadas en la interpretación inicial de la diago-
dos de superficie de venta ofertados. Las nal. Mientras que Lidl y Plus Superdescuento
cadenas con mayor presencia aparecen en un son las cadenas más baratas, Supersol es una
extremo de la diagonal. Este es el caso de El de las cadenas más caras. Los resultados
Arbol, Carrefour, Leclerc, Consum, Día o parecen indicar que unos precios mas ajusta-
Champion. Por el contrario, las cadenas de dos tienen a ascender la posición de la cade-
menor presencia se sitúan hacia el otro na en la diagonal. La relación entre el eje dia-
extremo. Este es el caso de Super Chamberí, gonal y el nivel de precios local para la cesta
Hermanos Cosme o Gama. La relación entre con las marcas mas baratas (t de Kendall =
ambas dimensiones es significativa (t de -0,398; sign. 0,048).
Kendall = 0,487; sign. 0,009). En definitiva, la diagonal mencionada
Sorprende, no obstante, que la posición de podría responder a una combinación entre la
algunas cadenas no responde a este patrón. notoriedad de la cadena, y su nivel de pre-
Por ejemplo, contrariamente a lo reflejado en cios. Un mayor peso de esta dimensión en el
la Tabla 3, el posicionamiento gráfico de Lidl esquema de valoración del consumidor
y Plus Superdescuento implicaría una mayor implicaría una mayor preferencia por las
presencia que la cadena Supersol. Dada la cadenas más conocidas, reduciendo por tan-
condición de descuento duro de las dos pri- to el riesgo percibido, y una mayor preferen-
meras, resulta lógico intuir que la variable cia por precios bajos, aunque sea a costa de
precio subyace a esta circunstancia. La Tabla los servicios ofrecidos.
Tabla 3
Intensidad de cobertura de las cadenas estudiadas
Cadena de supermercados Superficie total de venta (m2)
EL ARBOL 13.187
CARREFOUR 8.129
LECLERC 7.200
CONSUM 5.910
DIA 3.879
CHAMPION 3.577
SUPERSOL 2.250
GADIS 1.580
CAPRABO 1.500
HERBU’S 1.382
MAXCOOP 1.235
LIDL 750
130R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
Tabla 3 (Continuación)
Intensidad de cobertura de las cadenas estudiadas
Cadena de supermercados Superficie total de venta (m2)
PLUS SUPERDESCUENTO 730
GAMA 480
HERMANOS COSME 360
SUPER CHAMBERI 160
Fuente: Elaborado a partir de Publicaciones ALIMARKET.
Tabla 4
Nivel de precios en las cadenas estudiadas
Evidencia local Evidencia nacional
Cesta Cesta
Cesta Cesta
marcas marcas
Cadena marcas Cadena Cadena marcas Cadena
más más
fijas fijas
baratas baratas
CONSUM 116,00 CAPRABO 148,00 CAPRABO 117 CAPRABO 147
HERMANOS HERMANOS
CAPRABO 115,00 145,00 CHAMPION 115 145
COSME COSME
EL ARBOL 114,67 SUPERSOL 139,00 CONSUM 114 SUPERSOL 138
CHAMPION 114,00 EL ARBOL 136,67 EL ARBOL 114 EL ARBOL 131
SUPERSOL 113,00 HERBU’S 136,00 HERBU’S 113 HERBU’S 131
LECLERC 112,00 CHAMPION 133,00 SUPERSOL 113 MAXCOOP 130
HERBU’S 112,00 MAXCOOP 132,50 CARREFOUR 112 CHAMPION 129
HERMANOS
111,00 GADIS 131,00 LECLERC 112 LECLERC 128
COSME
MAXCOOP 111,00 CONSUM 128,00 GADIS 111 GADIS 125
HERMANOS
CARREFOUR 110,00 LECLERC 125,00 111 CONSUM 124
COSME
GADIS 107,00 DIA 122,00 MAXCOOP 111 CARREFOUR 114
GAMA n.d. CARREFOUR 110,00 GAMA n.d. DIA 107
SUPER SUPER
n.d. LIDL 107,00 n.d. LIDL 105
CHAMBERI CHAMBERI
PLUS PLUS
DIA n.p. DIA n.p. 100
SUPERDESCUENTO106,00 SUPERDESCUENTO
LIDL n.p. GAMA n.d. LIDL n.p. GAMA n.d.
PLUS SUPER PLUS SUPER
n.p. n.d. n.p. n.d.
SUPERDESCUENTO CHAMBERI SUPERDESCUENTO CHAMBERI
n.d.: no disponible; n.p.: cálculo imposible por surtido limitado.
Fuente: Elaborado a partir de Compra Maestra, abril 2002, Organización de Consumidores y Usuarios (OCU).
131R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
– En cuanto a la diagonal descendente, la cadenas estudiadas conforme a la distancia
interpretación encontrada se ajusta funda- media a los consumidores. Puesto que un
mentalmente a las marcas más conocidas en mayor tamaño implica un área de influencia
el escenario estudiado, es decir, según lo mayor, existe una relación directa entre el
comentado previamente, a aquellas situadas tamaño y esta variable. Sin embargo, esta
en la parte superior-derecha del gráfico. En relación depende también de la intensidad
este caso, la disposición de las marcas guar- de cobertura de las cadenas. Puesto que El
da cierta relación con el tamaño medio de árbol es la cadena con mayor presencia en el
los establecimientos reflejado en la Tabla 5. escenario estudiado, la proximidad a los
El tamaño se asocia generalmente con la consumidores es mayor que la de otras cade-
variedad de productos que conforman el sur- nas con establecimientos de tamaño similar.
tido del establecimiento y con la posibilidad Esta circunstancia podría explicar su despla-
de realizar compras multi-propósito. Las zamiento hacia la parte superior de la diago-
cadenas que operan en un formato de mayor nal. Consecuentemente, una mayor distancia
tamaño tienden a situarse en el extremo infe- a los consumidores implicaría acercar el
rior de la diagonal. Este es el caso de Carre- posicionamiento al extremo inferior de la
four, Leclerc, o Champion. Por otro lado, las diagonal. La relación entre ambas dimensio-
cadenas con establecimientos más peque- nes es significativa (t de Kendall = 0,366;
ños, como Dia, se sitúan en el extremo supe- sign. 0,052).
rior de la diagonal. La relación entre ambas En definitiva, la diagonal descendente
dimensiones es significativa (t de Kendall = podría entenderse como una combinación
0,383; sign. 0,042). entre tamaño y proximidad al consumidor.
Sin embargo, también en este caso, se obser- Aunque el efecto de la distancia ya ha sido
van resultados inconsistentes. Por ejemplo, contemplado explícitamente en el modelo
la representación gráfica haría suponer que explicativo, este efecto se ha asumido homo-
la cadena El Arbol opera con supermercados géneo en todo el mercado. Consecuente-
con un tamaño menor al reflejado en la mente, el peso dado por los consumidores a
Tabla 5. A este respecto, resulta importante esta diagonal captura la importancia dada a
destacar el papel jugado por la proximidad a las ventajas de un mayor tamaño frente a las
los consumidores. La Tabla 6 ordena las ventajas de una mayor proximidad.
Tabla 5
Tamaño de establecimientos en las cadenas estudiadas
Superficie de venta media
Cadena de supermercados
por establecimiento (m2)
CARREFOUR 8.129
LECLERC 7.200
CHAMPION 1.789
CAPRABO 1.500
SUPERSOL 1.125
GADIS 790
LIDL 750
EL ARBOL 733
132R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
Tabla 5 (Continuación)
Tamaño de establecimientos en las cadenas estudiadas
Superficie de venta media
Cadena de supermercados
por establecimiento (m2)
PLUS SUPERDESCUENTO 730
CONSUM 657
MAXCOOP 618
HERBU’S 461
HERMANOS COSME 360
DIA 242
GAMA 240
SUPER CHAMBERI 160
Fuente: Elaborado a partir de Publicaciones ALIMARKET.
Tabla 6
Proximidad de las cadenas estudiadas
Distancia media al establecimiento
Cadena de supermercados
más próximo (km)
LECLERC 4,162
PLUS SUPERDESCUENTO 2,567
SUPER CHAMBERI 2,397
CAPRABO 1,603
CARREFOUR 1,508
LIDL 1,480
GAMA 1,241
MAXCOOP 1,084
HERMANOS COSME 1,076
SUPERSOL 1,029
HERBU’S 0,908
CHAMPION 0,903
GADIS 0,833
CONSUM 0,521
EL ARBOL 0,357
DIA 0,348
Fuente: Elaborado a partir de Publicaciones ALIMARKET y referenciación geo-
gráfica con MOSAIC de EXPERIAN Marketing Services.
133R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
Volviendo a los resultados de estimación pre- mer segmento, una mayor presencia de las media-
sentados en la Tabla 2, los parámetros ws relativos nas superficies en el segundo segmento (Cham-
a la ponderación de los ejes de posicionamiento pion, Caprabo), y una mayor presencia de los esta-
implican importantes diferencias entre los esque- blecimientos de descuento suave (Día) en el tercer
mas de valoración de la oferta por parte de los tres segmento. Adicionalmente, los segmentos parecen
segmentos detectados. Puesto que la interpreta- distinguirse claramente en cuanto a las cadenas de
ción de los ejes responde a criterios subjetivos, supermercados tradicionales predominantes en el
resulta mucho más intuitivo conocer las pautas de escenario de estudio: El Arbol y Consum. El pri-
gasto dentro de cada uno de ellos. Con este fin, la mer y tercer segmento apuesta por la primera
Tabla 7 presenta la distribución de gasto estimada cadena, mientras que el segundo segmento apues-
dentro de cada segmento asumiendo condiciones ta por la segunda cadena. Los parámetros λ s rela-
medias en cuanto a la proximidad a los estableci- tivos al tamaño de los segmentos indican que los
mientos. Una rápida valoración de los resultados dos primeros segmentos tienen un tamaño muy
con el fin de caracterizar cada uno de estos seg- similar, en torno al 30% de los hogares, mientras
mentos permite observar una mayor presencia de que el último tiene un tamaño mayor, en torno al
los hipermercados (Carrefour, Leclerc) en el pri- 40%.
Tabla 7
Cuotas de gasto de cadenas en segmentos latentes
Segmento 1(Pi(j|1)) Segmento 2(Pi(j|2)) Segmento 3(Pi(j|3))
CARREFOUR 0,3880 CHAMPION 0,2126 DIA 0,4954
EL ARBOL 0,2571 CONSUM 0,1822 EL ARBOL 0,3830
DIA 0,2194 EL ARBOL 0,1267 CARREFOUR 0,0483
LECLERC 0,0464 CARREFOUR 0,1205 CONSUM 0,0178
CHAMPION 0,0291 DIA 0,0921 PLUS SUPERDESCUENTO 0,0102
CONSUM 0,0241 CAPRABO 0,0550 GADIS 0,0091
PLUS SUPERDESCUENTO 0,0155 LIDL 0,0461 CHAMPION 0,0069
LIDL 0,0090 GADIS 0,0400 SUPERSOL 0,0066
CAPRABO 0,0049 LECLERC 0,0302 LECLERC 0,0062
GADIS 0,0041 MAXCOOP 0,0255 LIDL 0,0057
MAXCOOP 0,0016 HERBU’S 0,0240 MAXCOOP 0,0043
HERBU’S 0,0005 PLUS SUPERDESCUENTO 0,0174 CAPRABO 0,0024
SUPERSOL 0,0002 GAMA 0,0135 HERBU’S 0,0023
GAMA 0,0001 HERMANOS COSME 0,0062 GAMA 0,0008
SUPERCHAMBERÍ 0,0001 SUPERSOL 0,0042 SUPERCHAMBERÍ 0,0007
HERMANOS COSME 0,0000 SUPERCHAMBERÍ 0,0037 HERMANOS COSME 0,0000
Se asumen valores medios en las variables de distancia al más próximo.
134R E V I S T A E S P A Ñ O L A D E I N V E S T I G A C I O N D E M A R K E T I N G E S I C
Estos resultados permiten constatar que los seg- ción, ha permitido ejemplificar la capacidad expli-
mentos detectados no solamente son afines a dis- cativa y funcionalidad del método. Conocer las
tintas cadenas sino también a distintos formatos. dimensiones que subyacen al valor percibido por
Consecuentemente, resultan de utilidad estratégi- los consumidores, hacer un seguimiento constante
ca para los operadores minoristas tanto en la defi- del posicionamiento relativo de las distintas cade-
nición de una cartera de formatos como en la con- nas que compiten en el mercado, y familiarizarse
figuración de la red de establecimientos dentro de con los distintos esquemas de valoración que
cada formato. Adicionalmente resultan de interés caracterizan a los consumidores, constituyen tare-
para el desarrollo de acciones promocionales as clave para el desarrollo de una estrategia mino-
específicas para cada segmento a nivel de forma- rista exitosa. La propuesta de este trabajo consti-
to, enseña e incluso establecimiento concreto. No tuye una herramienta analítica para la consecución
obstante, la puesta en práctica de estas implicacio- de estas actividades. Puesto que la información de
nes pasa por caracterizar los segmentos latentes partida puede obtenerse de fuentes de información
mediante variables geodemográficas, socioeconó- secundaria, como los paneles de hogares habitual-
micas e incluso psicográficas, de manera que pue- mente comercializados, su implantación como
dan ser identificados y se les puedan dirigir accio- apoyo a la toma de decisiones por parte de los ope-
nes específicas de manera eficiente. Algunos estu- radores minoristas, o de la Administración Públi-
dios previos ya han abordado esta cuestión en el ca en su actividad reguladora, resulta sencilla.
marco de la segmentación latente (GUPTA y CHIN- La aplicación empírica también ha permitido
TAGUNTA 1994; KAMAKURA et al., 1994), también visualizar el posicionamiento de algunas cadenas
en el contexto minorista (GONZÁLEZ-BENITO y de supermercados relevantes en el sector de la dis-
SANTOS-REQUEJO, 2002b). tribución española. Aunque la interpretación reali-
zada debe ser asumida con cautela por su elevado
componente subjetivo, resulta consistente con las
5. CONCLUSIONES dimensiones de clasificación habitualmente men-
cionadas en la literatura (BURT y SPARKS, 1995):
En este trabajo se ha propuesto y aplicado variedad, precio, conveniencia y calidad. Además,
empíricamente una metodología para la obtención resulta especialmente destacable el papel de la
de mapas de posicionamiento de los operadores notoriedad de la cadena minorista, entendida
minoristas, concretamente las cadenas de super- como la intensidad de cobertura del mercado estu-
mercados, que compiten en un determinado mer- diado. Este resultado es consistente con HARTUNG
cado intra-urbano. Consiste en una adaptación al y FISHER (1965) en cuanto que una distribución
contexto minorista de la metodología propuesta más intensiva genera un efecto multiplicativo
por CHINTAGUNTA (1994), que permite identificar sobre la cuota de mercado. Adicionalmente, los
un mapa de posicionamiento a partir de un mode- resultados evidencian la existencia de distintos
lo logit de elección discreta con heterogeneidad perfiles de consumidores en cuanto a la importan-
latente. La principal diferencia es que, en lugar de cia que atribuyen a estas dimensiones de posicio-
partir de información sobre la elección de estable- namiento.
cimiento por parte del consumidor, se parte de En cualquier caso, este estudio está sujeto a
información relativa a la distribución del gasto algunas limitaciones relevantes, tanto en la pro-
entre dichos establecimientos. Además, se ha ais- puesta metodológica como en su aplicación empí-
lado el efecto de la conveniencia espacial del aná- rica, que implican posibles líneas de investigación
lisis de posicionamiento. El mapa de posiciona- futura. Cabe destacar que la información sobre la
miento se obtiene asumiendo una estructura facto- distribución del gasto de un hogar puede agregar
rial latente en la utilidad percibida en cada una de distintas situaciones de compra y consecuente-
las cadenas. mente distintas necesidades, incluso dentro de un
La aplicación empírica en un escenario urbano mismo tipo de productos. Ignorar esta circunstan-
real, y en el marco de las compras de alimenta- cia puede conllevar que el mapa de posiciona-
135También puede leer
