egade cem 00455754 mauricio acevedo - final - analisis de factores
TRANSCRIPT
Análisis de FactoresMauricio Acevedo - 00455754EGADE ITESM CEMMT4005.1 Sistemas de inteligencia de mercadosProf. Jorge RamírezJulio 2012
Objetivo
• Realizar un análisis de factores con datos reales:• Variables que afectan la venta a través del
website de una cadena hotelera• Determinación de factores que más influyen
en la venta • Uso de herramientas tecnológicas especializadas
• SPSS• Uso de modelos y herramientas estadísticas
Resumen ejecutivo• Determinar cuales son los factores que afectan las ventas del
canal website en una cadena hotelera líder en Latinoamérica• Muestra de 337 registros con 15 variables, tales como
• Marca, mes, numero de visitas al sitio, canal de venta• Elaboración de un análisis estadístico llamado Análisis de
Factores• Reducción a 4 factores
• Atracción del sitio• Experiencia de la página• Estacionalidad• Visibilidad de la página
• Uso de tecnología especializada e interpretación de datos - SPSS
Introducción• Responder a la pregunta
• ¿Cuáles son los factores que determinan el comportamiento de venta del website de la cadena hotelera líder de Latinoamérica?
• Determinar variables del website de distintas fuentes• Reportes de ventas• Google Analytics• Métricas de desempeño
• Uso de SPSS• Software especializado en análisis estadísticos
• Interpretación de resultados• Determinación de factores
Datos muestra• Muestra de 337 registros• Variables de estudio
• Marca• 7 marcas diferentes
• Origen• Mexico• EUA/Canadá• Brasil• Resto del Mundo
• Mes• Primeros 6 meses del año 2012
• Numero de Reservaciones• Cuarto noche vendidos
• Numero de habitaciones vendidas• Ingreso por reservaciones• Ticket promedio
• Relación entre numero de reservaciones e ingreso
• Tarifa promedio• Relación entre numero de
cuartos noches e ingreso• Tasa de conversión
• Relación entre numero de visitas al sitio y numero de reservaciones
• Visitas al sitio• Tasa de rebote
• Métrica de Google Analytics para conocer el interés de los usuarios por la pagina visitada*
• Tiempo de estancia en la pagina• Canal
• Chat / Call center• www
• Tiempo de carga del sitio• Tiempo de espera para que la
pagina se despliegue de manera correcta en el navegador
*ver glosario al final
Variables elegidas para el estudio• Origen• Mes• Visitas• Tasa de rebote*• Tiempo de estancia en la pagina• Canal• Tiempo de carga del sitio
*ver glosario al final
Matrices de componentes con análisis de componentes principales
Factoressin Rotar
1 2 3 4
Marca -.042 .009 .719 -.354
Localidad .413 .638 .264 -.093
Mes -.017 -.542 .471 -.098
Visitas -.674 -.179 -.243 .000
Rebote .824 -.445 -.136 -.001
Tiempo_avg_secs -.876 .393 .112 .000
Canal .024 .010 .352 .925
Tiempo_carga .385 .826 -.087 .000
Matriz de componentes
Componente
Factorescon rotación
1 2 3 4
Marca .117 .152 .777 -.067
Localidad -.049 .798 .125 .015
Mes -.182 -.379 .584 .086
Visitas .491 -.513 -.174 -.106
Rebote -.945 -.027 -.029 -.022
Tiempo_avg_secs .965 -.046 .021 .012
Canal .011 .014 -.016 .990
Tiempo_carga .025 .874 -.268 -.030
Matriz de componentes rotados
Componente
CanalMarcaTiempo de carga y localidadTasa de rebote
CanalMarca y mesTiempo de carga y localidadTiempo estancia en la pagina
Valores en verde posibles factores
Grafico para comprobar factores - SPSS
Relación muy forzada
Relación muy forzada
Posible Factor
Posible Factor
KMO y prueba de Bartlett - SPSS
Prueba de KMO muestra que los datos
pueden no ser muy útiles
Prueba de Bartlett muestra que el análisis de factores si puede ser
útil
Matrices factoriales
Factoressin rotar
1 2 3 4
Marca .028 -.002 .034 -.116
Localidad -.275 .590 .395 .120
Mes -.020 -.408 .570 .089
Visitas .500 -.218 -.181 .370
Rebote -.860 -.304 -.111 .138
Tiempo_avg_secs .956 .271 .087 -.001
Canal -.011 .006 .014 -.080
Tiempo_carga -.285 .903 -.108 .098
Matriz factorial
Factor
Factoresconrotación
1 2 3 4
Marca .032 -.013 .013 -.118
Localidad -.026 .769 .053 -.006
Mes -.056 -.049 .703 -.013
Visitas .377 -.367 .025 .435
Rebote -.919 .005 .058 .125
Tiempo_avg_secs .995 -.053 -.038 .020
Canal -.005 .003 -.003 -.082
Tiempo_carga -.017 .791 -.536 .061
Matriz de factores rotados
Factor
Tiempo de estancia en la paginaTiempo de cargaMesVisitas
Tiempo de estancia en la paginaLocalidad y tiempo de cargaMesVisitas
Valores en verde posibles factores
Reducción de factores• Con los anteriores ejercicios se pueden agrupar las siguientes variables
• Tiempo de estancia en la pagina• Localidad y tiempo de carga• Mes• Visitas
• Creando los siguientes factores• Atracción del sitio
• El usuario permanece más tiempo en el sitio si lo encuentra interesante• Experiencia de la página
• Será mejor mientras mas rápido cargue el sitio en el navegador, lo cual también depende de que país la visite
• Estacionalidad• Pues la hotelería es un negocio de temporadas altas y bajas
• Visibilidad de la página• pues depende el numero de visitantes, de su reputación, promociones y
posicionamiento en Google
Conclusiones• Las herramientas matemáticas que la estadística provee nos permiten
tener una mejor visión de los factores que afectan el negocio.• La combinación de herramientas estadísticas y tecnológicas resulta en
un circulo virtuoso de exactitud y velocidad, muy convenientes para la toma de decisiones oportuna.
• En el caso de este estudio, de un universo de casi 20 variables, pudimos reducir a 4 como los factores:• Atracción del sitio• Experiencia de la página• Estacionalidad• Visibilidad de la página
• Con esta reducción, el equipo de mantenimiento y operación del website se podrá enfocar en mejorar los factores que realmente aportan valor a la compañía, pues afectan directamente al ingreso del canal.
Fuentes de información
Neustar Webmetrics is a leading provider of collaborative web performance management solutions. Webmetrics website monitoring and
testing services are used by companies that want to ensure online performance, competitive advantage and a positive end-user experience.
http://www.webmetrics.com/
http://www.google.com/analytics/
Reporte de Medición WEB diario de cadena de hoteles más grande de Latinoamérica
Glosario• Porcentaje de rebote
• El porcentaje de rebote el porcentaje de visitas a una sola página o visitas en las que el usuario ha abandonado su sitio desde la página de acceso (destino).
• Cuanto más atractivas resulten las páginas de destino, más usuarios permanecerán en el sitio y se convertirán en clientes.
• Fuente: Ayuda de Google Analytics http://support.google.com/googleanalytics/bin/answer.py?hl=es&hlrm=en&answer=81986
Gracias!
Análisis de FactoresMauricio Acevedo 00455754EGADE ITESM CEMMT4005.1 Sistemas de inteligencia de mercadosProf. Jorge RamírezJulio [email protected]