1. Resumen
Investigación Cuantitativa
Gabriel Labó

2. Tipos de investigación
• Precisar problemas y oportunidades
Exploratorio • Formular líneas de acción alternativas
• Metodologías cualitativas
• Brindar características del mercado
• Establecer relaciones de causalidad
Concluyente
• Predecir comportamientos
• Elección de línea de acción
• Metodologías cuantitativas
2

3. Ventajas de la Investigación Cuantitativa
Inv. Cualitativa Inv. Cuantitativa
• Muestras pequeñas • Muestras grandes
• No se pueden generalizar los • Los resultados se pueden
resultados generalizar
• No permite comparar • Permite comparar resultados a
resultados a través del tiempo través del tiempo
• La comparación de resultados • Permite comparar resultados
entre segmentos es limitada entre segmentos
• No permite dimensionar el • Permite dimensionar el
mercado y los segmentos mercado y los segmentos
• Permite profundizar en las • No permite profundizar en las
razones del comportamiento razones del comportamiento
¿Por qué? ¿Cuántos? ¿Quiénes?
3

4. Técnicas de recolección: Personas naturales
En persona Otros canales
Hogares
Teléfono Email
NSE A 100% Internet NSE A 80%
NSE B 93%
NSE C1 81%
Locación Reclutamiento en Punto de venta
Central oficinas AOM
Correo
Calle
4

5. Técnicas de recolección: Personas jurídicas
En persona Otros canales
Centros de trabajo Teléfono Email
Fax Correo
5

6. Flujograma de procesos de investigación en Marketing
Posible
PROBLEMA DE redefinición
MARKETING del problema
NO
¿Tiene suficientes
BÚSQUEDA DE SI ¿Necesitamos
ideas y conocimiento
FUENTES más información
del problema?
SECUNDARIAS
SI
¿Necesitamos INVESTIGACIÓN
INVESTIGACIÓN SI
EXPLORATORIA más información CONCLUYENTE
(CUANTITATIVA)
(CUALITATIVA)
NO DECISIÓN DE
MARKETING
6

7. Flujograma de procesos de la investigación cuantitativa
1 2 3 4 5 6
Diseño del Coordinación Trabajo Procesa- Análisis
Muestreo
proyecto del proyecto de campo miento e informe
Definición de Envío de DEM Central de DEM DEM
objetivos, solicitudes a las
universo y áreas de soporte Campo
Elaboración Factores de Análisis
técnica
del muestreo Prueba piloto ponderación multivariado
Asignación de
Elaboración personal de
Aprobación Elaboración
del brief soporte Generación
del
Sistemas
de hojas de de cuadros y
ruta y cuestionario gráficos
Elaboración de Elaboración del Digitación
listados
propuesta y cronograma Entrenamiento
Plan de Redacción
presupuesto
Supervisión cuadros del análisis
Reunión con
áreas de soporte
para coordinación Recojo Programación Revisión del
del cronograma participativo informe
Tablas
Edición y preliminares
Aprobación del Presentación
Proceso levantamiento de resultados
cronograma
Cliente Revisión de
Tablas de
Investigadores tablas
Diseño del códigos
Áreas de soporte cuestionario y
Control de calidad tarjetas Codificación Tablas finales
7

8. Tipos de preguntas
Abiertas
Pregunta “Dicotómicas”
Cerradas
• Una sola respuesta
De opción múltiple (100%)
• Respuestas
múltiples
8

9. Tipos de respuestas
•Las respuestas se pueden analizar de distintas maneras, dependiendo
del tipo de escala utilizado y la información que se desea obtener
DATOS CUALITATIVOS
• Nominal No permiten realizar
• Ordinal operaciones aritméticas, sólo
clasificar y ordenar
DATOS CUANTITATIVOS
• Intervalo Permiten realizar operaciones
• Razón aritméticas y crear nuevas
variables
9

10. Datos cualitativos: respuestas de tipo NOMINAL
Los números asignados son “etiquetas” de
categorías que sirven únicamente para clasificar
Ejemplo: Universidades 1 = San Marcos
2 = Pacífico
3 = Católica
4 = Lima
Sexo 1 = Masculino
2 = Femenino
10

11. Datos cualitativos: respuestas de tipo ORDINAL
Los números asignados a las categorías reflejan
algún tipo de ordenamiento en la variable
Ejemplo: Nivel Educativo Ejemplo: Preferencia de logo
1 = Sin educación formal Ordene del 1 al 3 los siguientes
2 = Primaria logos según su preferencia
3 = Secundaria
Orden (Anotar)
4 = Técnica
5 = Universitaria Logo 1
6 = Post grado Logo 2
Logo 3
11

12. Datos cuantitativos: respuestas de INTERVALO
Los números reflejan una distancia conocida entre
una categoría y otra, donde el valor CERO es
arbitrario y no indica ausencia de la característica
Ejemplo: Calidad de servicio
-1 = Malo Aplicaciones
0 = Regular •Importancia
1 = Bueno •Satisfacción
2 = Muy Bueno •Acuerdo/desacuerdo
3 = Excelente
12

13. Datos cuantitativos: Respuestas de RAZÓN
Los números reflejan una distancia conocida entre una
categoría y otra, donde el valor CERO es absoluto
(NO es arbitrario) e indica ausencia de la característica
Se registran como una pregunta abierta con un valor
exacto o aproximado según el caso.
Ejemplo:
• Ingreso
• Edad
• Peso
• Temperatura en grados
Kelvin
13

14. Tipos de respuestas: Ejemplo
Escalas
Número asignados 7 11 3 Meta
Nominal
a corredores
Meta
Ordinal Orden de clasificación
de los ganadores Tercer Segundo Primer
lugar lugar lugar
Clasificación de
De intervalos desempeño con base 8.2 9.1 9.6
en una escala de 0 a 10
Tiempo hasta la meta,
De Razón en segundos 15.2 14.1 13.4
14

15. Análisis estadístico según el tipo de escala usada
%
Medio que utiliza para llamadas de Larga Distancia Nacional (LDN)
100
Total NSE A NSE B NSE C NSE D
• Nominal: 80
distribución de 60
frecuencias y 40
40 30 30
moda 25
20 20
25
20
20 15 15 15 15
10 10
5
• Ordinal: 0
mediana Teléfono fijo Teléfono celular Teléfono público
Evaluación del costo de la tarifa para llamadas a LDN
a través de una escala de 1 al 5
Muy alto Alto Justo Bajo Muy bajo
• Intervalo 1 2 3 4 5
• Razón Tarifa de... Fijo Celular Público
Promedio 2.5 1.8 3.5
mediana y
Promedio Gasto mensual en llamadas de LDN según el medio
Gasto en... Fijo Celular Público
Promedio S/. 50.00 S/. 80.00 S/. 30.00
15

16. Fuentes de Error
Ambiguedad Error del
entrevistador
Población Muestra Entrevistado Entrevistador
Error No No habilidad Ambigüedad
Muestral Respuesta No respuesta de respuesta
16

17. Algunas definiciones
Población o universo: el conjunto de todos los
elementos del cual se desea obtener información
Ejemplo: amas de casa en Lima Metropolitana que hayan consumido
mayonesa en los últimos tres meses”·
Unidad de análisis o elemento: sujeto del
cual se obtiene información
Ejemplo: una ama de casa de Lima Metropolitana que haya consumido
mayonesa en los últimos tres meses
17

18. ¿Cómo obtener la información?
¿Cómo obtener la
información?
• CENSO
•MUESTRA
• Un Censo permite obtener información de todos los
elementos de la población (todas las amas de casa).
• Una Muestra permite obtener información de algunos
elementos de la población (algunas amas de casa ).
18

19. Muestra vs. Censo
VENTAJAS DE LA MUESTRA
• Menor costo en tiempo y dinero
• Mayor control sobre el trabajo de campo
• Menor cantidad de errores en el trabajo de campo, edición,
digitación, procesamiento y análisis de la información
• Mayor precisión al obtener la información
DESVENTAJAS DE LA MUESTRA
• Al no obtener la información de toda la población y trabajar
sólo con algunos elementos, se añade el error muestral a
la medición
• La información que queremos obtener es muy sensible a
errores en el diseño de la muestra
19

20. El error es parte de la medición
• Siempre que obtenemos información, necesariamente hay
alguna forma de error en la medición.
• Al usar un Censo, siempre existe el error no-muestral:
problemas en el entrenamiento de encuestadores, en la
aplicación de la entrevista, en digitación y procesamiento,
etc. El error no-muestral no se puede calcular y puede
afectar seriamente los resultados de un estudio.
• Al usar una Muestra la medición presenta un error
adicional al error no-muestral. Este error adicional se llama
error muestral y se origina al no obtener la información de
toda la población.
20

21. Error muestral y nivel de confianza
El 56% de las amas de casa de Lima Metropolitana
recuerdan la marca de mayonesa “Hecha en Casa”.
¿Exactamente? No, pueden ser tres puntos más o tres
puntos menos
MARGEN DE ERROR
¿Estás seguro? Estoy 95% seguro de que el porcentaje
está entre 53 y 59%
NIVEL DE CONFIANZA
21

22. Algunas definiciones
Marco muestral: lista de todas las unidades de muestreo
Ejemplo: manzanas de viviendas de Lima Metropolitana
Unidad de muestreo: algo que puede ser
seleccionado en una muestra y que contiene a
los elementos de la población
Ejemplo: un manzana de Lima Metropolitana
22

23. Muestreo Probabilístico vs. No-Probabilístico
Muestreo Muestreo
No-Probabilístico Probabilístico
• No se conoce la probabilidad • Se conoce la probabilidad de
de selección de un elemento selección de un elemento de
de la población la población
• No se puede calcular la • Se puede calcular la precisión
precisión de la estimación de la estimación
• La estimación no se puede • La estimación se puede
proyectar a la totalidad de la proyectar a la totalidad de la
población población con cierto margen
de error y confianza
23

24. Tipos de Muestreo
Muestreo Muestreo
No-Probabilístico Probabilístico
• Conveniencia • Aleatorio simple
• Criterio • Aleatorio sistemático
• Bola de nieve • Conglomerados
• Cuotas • Estratificado
• Muestreos Sucesivos
• Secuencial
• Bifásico
24

25. Técnicas Probabilísticas: Muestreo Aleatorio Simple
• Se necesita contar con un
listado completo de los
elementos de la población
• Todos los elementos
tienen la misma
probabilidad de ser
seleccionados
• Menor control sobre la
selección de la muestra
25

26. Técnicas Probabilísticas: Muestreo Aleatorio Sistemático
• Se necesita contar con un
listado completo de los
elementos de la población
• Se necesita ordenar el
listado según una variable
relevante para el
muestreo
• Todos los elementos
tienen la misma
probabilidad de ser
seleccionados
• Mayor control sobre la
selección de la muestra
26

27. Técnicas Probabilísticas: Muestreo por Conglomerados
• La población se divide en
conglomerados o agrupaciones de
elementos
• Se asume que los elementos de un
conglomerado son similares entre sí y 1 2
que los conglomerados también son
5
similares entre sí 3 4 6
• Se seleccionan algunos 7
conglomerados para la muestra y otros
no 9 10 11
8
• Se puede hacer un censo o una 14 15
muestra en los conglomerados 16
seleccionados 12 13 17
• Todos los elementos tienen alguna
18
probabilidad conocida de ser
seleccionados
• Menor costo en tiempo y dinero
27

28. Técnicas Probabilísticas: Muestreo Estratificado
Población
C1 B A
Muestra
30% 57% 12%
ESTRATO B ESTRATO A
Mayor homogeneidad Menor homogeneidad
Menor muestra Mayor muestra
28

29. Muestreos Sucesivos
• Se realizan muestras sucesivas independientes. El objetivo de la
primera muestra es conocer la penetración de la categoría.
Primera Muestra : 1000 casos, aplicación Segunda Muestra: 400 casos, aplicación
de cuestionario reducido de cuestionario amplio.
¿Tiene usted alguna cuenta o tarjeta a título personal
Bancarizados
en algún banco?
70
100% 60
80% 33 50
57 59
60% 80 77 40
86
96
No (%)
Si 30
40%
67
20 25.5
20% 43
20 23 10
14 15.5
0% 4
0
TOTAL A B C D E
A B C1
• Una vez obtenida la información de la primera muestra, se
optimiza la recolección de la información para la segunda
muestra. Incluso se puede redefinir el universo de la segunda
muestra y establecer cuotas de trabajo.
29

30. Muestreo Secuencial
• Se inicia el estudio en la población total y se analiza la información a
medida que es recolectada (secuencialmente).
• Por lo general, el trabajo de campo termina cuando se logra un tamaño
de muestra adecuado para el análisis del segmento de interés.
• El tamaño de muestra adecuado para el segmento de interés es
definido antes de iniciar el campo.
Ejemplo: Estudio de población fumadores y no fumadores
1 El número total de contactos no se conoce hasta completar 400 casos de fumadores.
Número inicial de 3 Número final de contactos=2200
2
No contactos=1000 No
fumadores fumadores
Fumadores Fumadores
Muestra inicial = 140 Muestra final = 400
30

31. Muestreo Bifásico
• En la Fase 1 se realiza una muestra extensa (700 a 1000 casos) de la
población total con la finalidad de identificar a una muestra de la
población objetivo. En esta fase se aplica un cuestionario reducido.
• En la Fase 2 se vuelve a contactar a los elementos de la población
objetivo identificados en la Fase 1 con la finalidad de aplicar un
cuestionario más amplio.
Población Objetivo
Población Total
Muestra de la
fase 2
Muestra de la fase 1
• Este método es especialmente útil con poblaciones difíciles.
• El proceso puede extenderse a más etapas, y las distintas etapas
pueden tener lugar en forma simultánea o en momentos diferentes.
31

32. Muestreo de Hogares
Etapa I
• Especificación del ámbito
• Especificación del NSE
• Selección de conglomerados (manzanas) de manera
sistemática o aleatoria
Etapa II
• Selección sistemática de hogares
• Selección del entrevistado
a) por cuotas
b) método del cumpleaños / tabla de Kish
32

33. Muestreo de Hogares: Etapa I
1 2
5 6
3 4
7
9 10 11
8
14 15
16
12 13 17
18
NSE predominante
en la manzana
NSE A NSE C
NSE B NSE D/E
33

34. Muestreo de Hogares: Etapa II
MANZANA dividida en HOGARES
1 2
2 <-- 5
4
5 6 Esquina Sentido Puerta
3
7 4 1
. . .
9 10 11
8
14 15
. x
16
12 13 17
. Salto .4
18 . 3 .3
. 2
DISTRITO dividido en MANZANAS
clasificadas por NSE . . 1
3 2
34