Analisis de segmentacion puma chile

Solo disponible en BuenasTareas
  • Páginas : 6 (1345 palabras )
  • Descarga(s) : 12
  • Publicado : 12 de julio de 2010
Leer documento completo
Vista previa del texto
Segmentación y perfil de los consumidores de Zapatillas deportivas

La crisis de 1986
Fase I: 1993-1997
Objetivo: Reconstruir la marca. Reducción de empleados outsourcing en Asia. -1994, Puma se encontró libre de deuda -1997 fue incorporada al índice bursátil MDAX

Fase II: 1997-2002
Objetivos: Puma es la marca que combina las influencias del deporte, el estilo de vida y la moda.-inversión en infraestructura, investigación y desarrollo de productos, y marketing, objetivo : fortalecer la imagen de Puma e incrementar su valor de marca.

Posicionamiento

La estrategia aposto por el posicionamiento de elementos diferenciados dentro de los deportes

• Generación de datos

Estadística Exploratoria Multidimensional para datos numéricos
El método consiste en hacer un análisisfactorial y luego una clasificación basada en un algoritmo mixto que se divide en 2 partes: -Clasificación Jerárquica con el Método de Ward -Agregación de Centros Móviles Caracterización de Las Clases

Ventajas del Modelo
• Homogéneos : los consumidores son muy parecidos y se los puede enmarcar de acuerdo a sus respuestas. • Heterogéneos: son distintos entre clases • Rentabilidad: se puedegarantizar la rentabilidad por el tamaño de cada segmento

Algoritmo de Clasificación Mixta
1.-Clasificacion inicial 2.-agragacion jerárquica con el método de Ward 3.-corte de árbol 4.-consolidacion de la clasificación

Diagrama de flujo de la estrategia combinada

relevantes

Variables ejes F1 y F2
Variables (ejes F1 y F2: 16,38 %)
1

0,75

sexo 0,5 usos4 0,25 usos5 zap2 usos8tlibre usos3

resttrabajo cantidad d

perfilmoda cine

F2 (7,90 %)

0

perfildep

sensprecio

usos1 zap1 usos7

ramigos

-0,25

refdeportistusos2 musica edad reffamoda usos6

estrato

-0,5

-0,75

-1 -1 -0,75 -0,5 -0,25

F1 (8,48 %)

0

0,25

0,5

0,75

1

Dispersión de los Datos
Observaciones (ejes F1 y F2: 16,38 %)
4 3

2

1

F2 (7,90 %)

0

-1-2

-3

-4 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5

F1 (8,48 %)

Análisis De Los Valores Propios

F1 Valor propio Variabili dad (%) % acumula do

F2

F3

F4

F5

F6

F7

F8

F9

F10

F11

F12

F13

F14

F15

2,034

1,896

1,833

1,620

1,451

1,419

1,298

1,218

1,164

1,120

0,984

0,921

0,892

0,804

0,765

8,477

7,901

7,6376,752

6,045

5,913

5,409

5,074

4,849

4,666

4,098

3,839

3,719

3,351

3,188

8,477 16,377 24,014 30,766 36,811 42,724 48,132 53,207 58,055 62,721 66,819 70,658 74,377 77,728 80,916

En la variable 15 recién se observa el 80% de la inercia original

Scree Plot
• La calidad de la proyeccion cuando pasamos a n dimensiones
Scree plot
2,5 100 2 80

1,5

601

40

0,5

20

0 F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 F11 F12 F13 F14 F15 F16 F17 F18 F19 F20 F21 F22 F23 F24

0

eje

Variabilidad acumulada (%)

Valor propio

Matriz de Proximidad Método de Ward
estrato sexo 3,2869 2982 3,6537 3492 2,3721 1805 1,6589 7937 1,4394 7695 1,7662 6692 2,4957 6393 2,0238 9987 2,8360 2381 2,1257 545 1,6142 681 1,8827 1201 3,3148 8604 2,6057 3789cantida perfild perfilm ramigo refdep reffam edad zap1 zap2 d d usos1 usos2 usos3 usos4 usos5 usos6 usos7 usos8 ep oda s ortist oda 3,4662 1 2,059 4 3,1182 3 1,374 1,968 2,281 2,499 0,313 0,804 1,172 1,634 1,713 1,915 2,160 2,129 2,145 3,8587 2 2,587 5 1,4731 0 2,259 2,046 1,413 1,940 1,603 0,347 1,638 0,877 2,668 1,781 1,899 1,847 1,901 4,2884 2 2,710 3 1,2973 1 1,713 1,748 1,395 1,866 -0,496 1,4620,491 1,393 1,555 1,684 2,089 1,369 2,328 3,7390 2 3,289 0 0,0286 1 2,128 1,959 1,768 1,612 -0,585 0,862 0,940 1,646 2,614 2,268 2,168 1,484 2,508 4,8728 1 2,875 8 5,4504 2 1,753 1,811 1,790 1,911 1,092 1,841 0,918 1,550 2,771 1,990 1,805 1,791 2,409 4,9355 2 3,785 2 3,4688 1 2,083 1,489 2,055 2,267 0,720 0,692 0,968 1,317 3,215 2,369 2,223 2,593 2,455 2,8579 1 3,253 0 1,2786 3 1,562 2,200 1,586...
tracking img