Tag Archives: spss

GAME OF SOFTWARES

“El software se está comiendo al mundo”. Al menos eso es lo que dice Marc Andreessen, y ni siquiera hace falta explicarlo, es como subir a la montaña más alta de un terreno y darte cuenta que estás en una isla, sólo agua a tu alrededor. Así estamos rodeados por el software que se está engullendo todo; las empresas más importantes del mundo basan su éxito en el software y también lo hacen las pequeñas. La investigación de mercados no es la excepción.

Durante décadas trabajamos con SAS, SPSS, Minitab, Sawtooth, etc. porque los problemas a los que nos enfrentabamos se podían apreciar en bytes y los modelos que usabamos eran lineales (estadística clásica); hoy los problemas son giga-ntescos y hemos pasado de pendientes a derivadas (de estadística clásica a bayesiana y modelos discretos).

De acuerdo al sapo es la pedrada. R, Python, Gephi, NodeXl, Perl, Julia, WordPress entre muchos otros lenguajes y programas están hechos para los nuevos tiempos y retos; así lo han entendido muchos investigadores, también lo han hecho las grandes empresas de software como SPSS y SAS.

SPSS desde la version 18 (actualmente está en la ver. 22) abrió sus puertas a los desarrolladores en R, Python y .Net, con esta decisión se pueden integrar los algoritmos desarrollados en esos lenguajes a SPSS, como si fuera un análisis nativo de él. Un ejemplo es el análisis turf que está hecho en Python e integrado a SPSS (véase imagen).

turf en spss

Antes las agencias de investigación de mercados tenían dos maneras de resolver una necesidad especifica de software: compraban la solución a una de las grandes empresas como SAS, SPSS u otro o mandaban a hacer su propio programa para solucionar el problema. En cualquiera de los dos casos la alternativa no era muy grata ya que por un lado las grandes compañías sólo se enfocaban en procedimientos estadísticos generales y ampliamente usados; es decir, no te vendían un modulo para elasticidad de precios que usara el modelo de Van Westendorp, por ejemplo. Por otra parte, si le encargabas a un desarrollador que te hiciera el programa para analizar precios, utilizando dicho modelo, había que hacer muchas adaptaciones en tu programa de batalla (tal vez, SPSS) antes de poder usarlo; en ambos casos el costo también era una limitante.

En la actualidad algunas empresas comienzan a vender sus soluciones de encuesta y recopilación de datos online, offline, mediante dispositivos móviles, etc., incorporando algunos de los modelos más populares entre las agencias de investigación de mercados, como: conjoint, maxdiff, turf, van westendorp, entre otros análisis (e.g. Survey Analytics). No obstante, el precio y la incapacidad de hacer el “one stop shop” sigue poniendo un freno a las empresas de investigación que desean ir más lejos.

La gente pregunta por qué deberían aprender R y se justifican diciendo cosas como: R no es mejor que SPSS, SAS o Minitab; además es mucho más complicado que el programa que uso. Posiblemente tengan razón pero ni SPSS ni SAS han pensado igual y le apuestan al softwarte libre para conservar y posiblemente expandir su mercado. Dios está en todas partes o al menos eso nos enseñó la iglesia católica. Si así fuera el caso lo más cercano que hay a Dios es el espionaje que hacen los gobiernos de todos los países, liderados por los Estados Unidos de la mano de las grandes empresas de software. Cada día se suman más y más voces contra este Dios digital (e.g. Richard Stalman, Karsten Gerloff) que nos piden usar software libre. ¿No te parece tu privacidad y seguridad un buen motivo para empezar a usarlo?

Desde hace buen rato, Python, Julia, Perl, R, Gephi, y un largo etc. vienen sonando los tambores de guerrra, de ti depende que te agarren preparado para lo que viene. En el juego de tronos no se puede vivir separado de las tribus ni tampoco te puedes quedar atrincherado en tu castillo. Alianzas es el nombre del juego.

Hasta la próxima.

BORRIQUITO COMBO TÚ, YO SÉ MÁS DE TURF

La verdad, desde hace mucho tenía ganas de escribir este post. Gracias a mi amigo Antonio Soberón, quien trabaja en la Universidad de Toluca y quien me enseñó lo que era un neto, pude entender posteriormente lo que era turf. Para los nuevos que son borriquitos como yo, les explico rápidamente que es un neto (si tú ya sabes que es, haz clic en el video de abajo y disfruta de él mientras los borriquitos leen).

En las encuestas hay un tipo de preguntas que se llaman múltiples o multi-respuesta porque el encuestado puede dar varias respuestas a una misma pregunta. Por ejemplo, si le preguntamos “¿Cuáles son los problemas de tu comunidad?”* puede responder: “falta de agua”, “delincuencia”, “asaltos”, “desempleo”, entre otras cosas; o si hacemos esta otra pregunta “¿Qué es lo que te gusta del champú que usas?” podríamos obtener respuestas como “deja el cabello suave”, “huele rico el pelo”, “deja una fragancia a fresco”, etc. Pues bien, para analizar estas respuestas hay que resumirlas, por 3 razones básicas:

1. Las respuestas son muchas, lo que genera un listado larguísimo que es difícil de analizar.
2. Un encuestado(a) puede repetir la misma respuesta.
3. Muchas de ellas son repetitivas y/o se refieren al mismo concepto.

La manera más práctica de resumirlas es agrupándolas en conceptos y contabilizándolas una sola vez; a esos conceptos se les llama respuestas netas o simplemente netos. En el cuadro de abajo se ilustra este procedimiento utilizando el 1er ejemplo de las preguntas anteriores:

Como puedes observar, el entrevistado dio 4 respuestas, pero una vez agrupadas en respuestas netas (conceptos): criminalidad, escasez y desempleo, las respuestas se reducen a 3 debido a que delincuencia y asaltos se refieren a un mismo concepto (criminalidad). Esta agrupación es útil principalmente porque:

1. Hay un análisis más conciso de las respuestas que da la gente.
2. Permite cuantificar y dimensionar las respuestas de forma más precisa.

En nuestro negocio, esta práctica de manejar así las respuestas de las preguntas multi-respuesta es casi universal aunque en algunas ocasiones es muy útil conocer la multiplicidad (total de respuestas antes de hacer netos) pues por raro que te parezca te presenta otro ángulo que no es precisamente el opuesto por los vértices (esa se la copie a un matemático), usando otra analogía es como si los netos te dieran profundidad y la multiplicidad anchura. Sé que no me he explicado bien pero qué tal este ejemplo para que ahora si sepas de que hablo. En el cuadro de abajo se les preguntó a 5 personas las marcas de celulares que conocen.

tabla de multiplicidad turf

La multiplicidad es simplemente el total de respuestas de todos los entrevistados dividido entre el total de entrevistados (14/5). La multiplicidad en este caso fue de 2.8, eso significa que en promedio la gente retiene en su mente por lo menos 2 marcas pero difícilmente 3 ¿Y qué con eso? ¡Aja! ese es el punto. Si no eres la 1ra o 2da marca la probabilidad de que te compren se reduce drásticamente. ¿Lo ves? dos “insigths” con una sola pregunta y eso mi querido amigo es lo que te da el análisis turf, alcance y frecuencia con una sola pregunta. Sé que estoy “regando el tepache” nuevamente y que no me explico bien pero que te parece si entramos en materia y así seguro que nos entendemos.

Turf (total unduplicated reach and frequency), en términos nopaleros, pa’nosotros los mexicanos pues, significa total no duplicado de alcance y frecuencia. ¿A cuál total, alcance y frecuencia nos referimos? Aquí es donde se empieza a armar el rompecabezas. Imagínate que eres el Rey de Turfland y tienes 5 hijos, los cuales deseas casar con las princesas de los reinos vecinos para extender tus dominios pero como el tesoro del reino no tiene muy buenas fianzas sólo puedes financiar la boda de 3 de ellos. Ahora, el problema es que no sabes cuáles 3 de tus 5 hijos serán los más aceptados por los reinos vecinos y no puedes andar de reino en reino ofreciéndo a los 5 pues cada uno de ellos debe llevar obsequios a las hijas de los Reyes, por si esto fuera poco existe la posibilidad de que ninguna princesa se interese en tus hijos. ¡Menudo problema! ¿No es así? La solución simple es que antes de que marches con tus hijos a esos reinos, envíes a tus espías (investigadores de mercado) a sondear cuáles de tus cinco hijos son los más favorecidos por las princesas, lo haces así y obtienes los siguientes datos:

70% quieren con el príncipe Carlos
65% quieren con el príncipe Enrique
50% desean al príncipe Felipe
50% desean al príncipe José
47% desean al príncipe Luis

¿Mandarías a Carlos, Enrique y Felipe a la conquista? La lógica dice que sí, pero que tal que ese 47% que desea al príncipe Luis son las princesas de los reinos más ricos y además sólo quieren a Luis y a nadie más ¡Chín, ya valió! ¿verdad? Bueno, eso mismo sucede con los productos:

1. Deseas vender más y tienes varios productos que crees que le podrían gustar a tu mercado pero…
2. no puedes darte el lujo de fabricarlos todos por cuestiones de mercado y presupuesto, entonces…
3. tienes que hacer una investigación para determinar cuales productos son los más atractivos para el mercado pero…
4. al igual que con las preguntas de respuesta múltiple, algunas personas desean más de un producto mientras que otras sólo les gusta uno, en pocas palabras…
5. tienes que hacer netos para alcanzar al mayor número de personas con el número de productos que hayas decidido vender (recuerda que no puedes fabricarlos ni distribuirlos todos) y obtener la multiplicidad pues además de saber cuántos van a comprar tus productos deseas saber que cantidad de ellos van a comprar.

¿Aún no? Bueno, un restaurante de comida exótica tiene 5 opciones de aguas frescas exóticas pero por razones financieras sólo puede producir 3. Obviamente, para satisfacer a sus clientes necesita que la oferta de aguas sea la más gustada, con esto logrará dos cosas:

1. Más gente consumirá su producto.
2. La gente consumirá mayor cantidad del producto.

La tabla de abajo contiene los datos de 5 entrevistados en el “Parque Sur” y los 5 sabores exóticos de aguas frescas. Los ceros en la tabla indican que al entrevistado ese sabor no le agrada “matarilerileron” y los unos que ese sabor si le agrada “matarilerileron”. Por ejemplo, a Eric no le gusta la guanábana ni el lychee pero si los otros 3 sabores.

tabla de preferencia turf

Tú trabajo es:

1. Saber cuantos combos (combinaciones) de 3 puedes armar con estos 5 sabores de aguas frescas. En total son 10. En está página, que además es muy divertida, puedes enterarte porque son 10.

2. Obtener la respuesta neta en cada una de esas combinaciones. En el cuadro de abajo están todas las combinaciones junto con su total “neto” de cada una de ellas.

tabla de combinaciones turf

Las combinaciones 4 (guanábana, pitahaya y lychee) y 8 (pitahaya, granada y lychee) son las que tienen el mayor alcance, le gustan a todos los entrevistados; las que tienen el menor alcance son la 5,7 y 10, sólo al 60% de los entrevistados (3 sujetos) les gusta. Asimismo, si observas la tabla titulada “Agua fresca preferida” y sumas el total de veces que se mencionó cada agua en las combinaciones 4 y 8 te vas a dar cuenta que tienen una frecuencia de 6 (en el combo 4 guanábana, pitahaya y lychee se prefieren 2 veces cada uno de ellos). En otras palabras, se comprarían seis aguas frescas vendiendo cualquiera de las 2 combinaciones. El asunto, sin embargo, no se detiene allí ya que no es lo mismo Chana que Juana. El dilema ahora es: ¿nos vamos por la combinación 4 o la 8? Hay varios métodos estadísticos que te ayudan a decidir, en caso de empate, cuál combinación es la mejor, de ellos tal vez “Shapley value” (artículo en inglés) sea el más utilizado. La idea básica es obtener un valor que refleje cuántos consumidores comprarían de nuestra línea de productos por lo menos uno de ellos. Por ejemplo, si te fijas en la tabla de combinaciones, Eric compraría en todas las combinaciones; no importa cual le ofrezcas, siempre va a encontrar un producto que le guste. Haciendo el ejercicio de contar las veces que cada sujeto compra en cada combinación por cada producto obtuvimos que la combinación 4 tiene 74 apariciones mientras que la 8 tiene 72. Este procedimiento además de ayudarte a decidir mediante “penalties” que combinación es la mejor también tiene la virtud de prever situaciones más reales del mercado, como falta de abasto. Y el ganador es:

Claro que hacer TURF, como lo hace un borriquito como yo, que sólo sabe la a,e,i,o,u, está del cocol porque podríamos tener decenas de productos y miles de combinaciones y allí si no se puede pero tú puedes hacerlo con Xlstat de forma muy fácil o mejor aún con SPSS (si tienes la versión 18-21) y el add-in de Python**.

Actualización 29-ene-2015. El programa R ya cuenta con un paquete exclusivo para análisis turf.

Gracias por leernos.

* Cuando los políticos hablan de sus ofertas a los electores se basan únicamente en las respuestas que obtienen la mayor frecuencia en esta pregunta. Difícilmente hacen un análisis turf lo cuál les permitiría alcanzar mayor número de votantes.

** SPSS permite desarrollar aplicaciones a través del software libre como R, Python y .Net e integrarlos al programa como si fuera parte del mismo, algo muy parecido a lo que se hace en Excel con VBA aunque con un “alcance” mucho muy superior pues las posibilidades del software libre son ilimitadas. ¿Te das cuenta del negocio en ciernes con esta decisión de SPSS? Hay mucha ayuda en Internet sobre como instalar estos plug-ins, add-ins o simplemente complementos (aquí uno en español). Sin embargo, no es tan fácil instalarlos porque los archivos se instalan de forma automática en carpetas incorrectas. Aquí hay una solución que a mi me funcionó de maravilla en Mac, honestamente no sé si lo haga también en Windows.