1
00:00:00,000 --> 00:00:17,340
Hola, hoy vamos a hablar de cómo seleccionar el mejor criterio de segmentación de acuerdo

2
00:00:17,340 --> 00:00:22,200
al método Bellson. Sabemos que las empresas segmentan el mercado de acuerdo a diferentes

3
00:00:22,200 --> 00:00:29,040
criterios, la edad, el sexo, el nivel de renta, etc. ¿Cómo determinar cuál de esos criterios

4
00:00:29,040 --> 00:00:33,520
de segmentación es el que tiene un mayor poder discriminante? Es decir, ¿cuál es

5
00:00:33,520 --> 00:00:39,720
el que nos permite diferenciar más los distintos segmentos o grupos homogéneos en que se divide

6
00:00:39,720 --> 00:00:45,800
la población? Con el método Bellson podemos discernir cuál de los criterios de segmentación

7
00:00:45,800 --> 00:00:50,040
tiene un mayor poder discriminante. Vamos a verlo con un ejemplo.

8
00:00:50,040 --> 00:00:55,320
Partimos de un ejemplo en el que vamos a preguntar a los encuestados si van en bicicleta a su

9
00:00:55,320 --> 00:01:00,400
puesto de trabajo. La muestra total de esa encuesta es 2.500 personas a las cuales hemos

10
00:01:00,400 --> 00:01:04,920
preguntado y 250 nos han dicho que van en bicicleta a su puesto de trabajo, se desplazan

11
00:01:04,920 --> 00:01:10,000
en bicicleta. Tenemos tres criterios de segmentación, edad, nivel de renta y municipio en que se

12
00:01:10,000 --> 00:01:14,920
vive y en este caso pues hemos planteado tres segmentos para cada uno de los criterios de

13
00:01:14,920 --> 00:01:18,640
segmentación. ¿Qué es lo primero que tenemos que hacer? Bueno, lo primero que tenemos que

14
00:01:18,640 --> 00:01:22,200
hacer es para cada uno de los segmentos del criterio de segmentación de edad calcular

15
00:01:22,200 --> 00:01:28,480
el porcentaje de personas que van en bicicleta a su puesto de trabajo. ¿Cómo se hace esto?

16
00:01:28,480 --> 00:01:33,080
Si de una muestra de 800, 120 personas van a su puesto de trabajo en bicicleta, tenemos

17
00:01:33,080 --> 00:01:39,480
que dividir 120 entre 800 y multiplicarlo por 100, saliendo que la proporción de personas

18
00:01:39,480 --> 00:01:46,000
de hasta 30 años que van en bicicleta a su trabajo es del 15%. Calculamos esto para el

19
00:01:46,000 --> 00:01:51,240
resto de segmentos y calculamos también el porcentaje de personas sobre la muestra total

20
00:01:51,240 --> 00:01:57,040
que van en bicicleta a su puesto de trabajo. En este caso, 255. Muy fácil, 10%. Hecho

21
00:01:57,040 --> 00:02:03,480
esto, ¿qué tenemos que hacer? Bien, pues tenemos que agrupar los segmentos para tener

22
00:02:03,480 --> 00:02:08,680
variables dicotómicas, es decir, no podemos tener para cada criterio de segmentación

23
00:02:08,680 --> 00:02:13,920
tres segmentos, tenemos que tener únicamente dos segmentos para cada una de las variables,

24
00:02:13,920 --> 00:02:17,880
es decir, dentro de edad no podemos tener hasta 30 años de 31 a 50 y más de 50, no,

25
00:02:17,880 --> 00:02:21,760
tenemos que convertirlo en dos segmentos. ¿Cómo se hace esto? ¿Cómo se convierten

26
00:02:21,760 --> 00:02:26,440
esos criterios de segmentación en variables dicotómicas? Pues básicamente agrupando

27
00:02:26,440 --> 00:02:31,000
los datos. Aquí tenemos, dentro del criterio de segmentación edad, grupos de hasta 30

28
00:02:31,000 --> 00:02:37,240
años, de 31 a 50 y más de 50 años. Podemos ver que la media de personas que van en bicicleta

29
00:02:37,240 --> 00:02:42,560
al trabajo es del 10%. Los que tienen 30 años o menos superan esa media, sin embargo, los

30
00:02:42,560 --> 00:02:49,000
que tienen más de 30 años están por debajo de esa media de la muestra total. Por tanto,

31
00:02:49,000 --> 00:02:52,480
lo agrupamos en dos variables dicotómicas, los que están por encima de la media de la

32
00:02:52,480 --> 00:02:56,280
muestra total y los que están por debajo de la media de la muestra total. Así tendríamos

33
00:02:56,280 --> 00:03:02,000
ahora dos segmentos dentro del criterio de edad. Hasta 30 años de las 800 personas que

34
00:03:02,000 --> 00:03:07,400
había en la muestra, 120 declaran ir en bicicleta al puesto de trabajo. Y ahora, los que tienen

35
00:03:07,400 --> 00:03:14,080
más de 30 años ya no son 900, son 900 más los 800 que tienen más de 50 años, es decir,

36
00:03:14,080 --> 00:03:19,140
en total son 1.700 en la muestra. ¿Y cuántos declaran ir en bicicleta al trabajo? La suma

37
00:03:19,140 --> 00:03:24,400
de los que van en bicicleta de 31 a 50 años y los que van en bicicleta de más de 50 años,

38
00:03:24,400 --> 00:03:32,720
es decir, 85 más 45, 130. Fijaos que 120 más 130, 250, 800 más 1.700, 2.500. Hacemos

39
00:03:32,720 --> 00:03:38,560
lo mismo con el nivel de renta y con el municipio en que se vive. Podemos ver que los segmentos

40
00:03:38,560 --> 00:03:43,400
que están por encima de la proporción de la muestra total son los que tienen renta

41
00:03:43,400 --> 00:03:48,840
baja y media, bueno, lo agrupamos, ¿no? El nivel de renta, pues los que tienen baja media

42
00:03:48,840 --> 00:03:55,640
y los que tienen renta alta. El primero de ellos, de una muestra de, pues los que tienen

43
00:03:55,640 --> 00:04:00,920
renta baja y media son 900 más 1.200, es decir, en total 2.100 personas. ¿Y cuántos

44
00:04:00,960 --> 00:04:08,760
van en bicicleta al trabajo? Pues 99 más 144, por tanto, 243 personas. Y de los que

45
00:04:08,760 --> 00:04:13,280
tienen renta alta se mantienen los datos que ya teníamos previamente, es decir, de 400

46
00:04:13,280 --> 00:04:19,240
personas estamos hablando de que 7 van en bicicleta al trabajo. ¿Y en cuanto al municipio

47
00:04:19,240 --> 00:04:24,240
en que se vive? Exactamente igual. Los que están por encima de la proporción de la

48
00:04:24,240 --> 00:04:29,160
muestra total son aquellos que viven en una ciudad pequeña y los que están por debajo

49
00:04:29,160 --> 00:04:33,440
de la proporción de la muestra total son los que viven en pueblos o en ciudades grandes,

50
00:04:33,440 --> 00:04:38,200
pues lo agrupamos en dos variables, pueblo y ciudad grande y ciudad pequeña. Pueblo

51
00:04:38,200 --> 00:04:42,640
y ciudad grande, ¿cuál ha sido la muestra entre los dos segmentos? Pues 500 y 1.000,

52
00:04:42,640 --> 00:04:49,160
1.500 en total. ¿Cuántos declaran ir en bicicleta a su trabajo en los pueblos y las

53
00:04:49,160 --> 00:04:55,880
ciudades grandes? Pues 40 de los pueblos más 60 de la ciudad grande, por tanto, 100. En

54
00:04:55,880 --> 00:05:01,720
las ciudades pequeñas pues tenemos una muestra de 1.000 y 150 personas que declaran ir en

55
00:05:01,720 --> 00:05:06,320
bicicleta al trabajo. Bien, ¿ahora qué tenemos que hacer? Pues ahora tenemos que calcular el

56
00:05:06,320 --> 00:05:13,040
número teórico de consumidores, que son los que tendría cada segmento de manera proporcional a

57
00:05:13,040 --> 00:05:21,600
total, es decir, si el segmento de hasta 30 años en lugar de ir el 15% de los encuestados de esa

58
00:05:21,600 --> 00:05:27,040
muestra de ese segmento de los que tienen hasta 30 años a trabajo en bicicleta, que todos los

59
00:05:27,040 --> 00:05:33,480
segmentos siguiesen la proporción del 10%, es decir, si el 10% de los que tienen hasta 30 años,

60
00:05:33,480 --> 00:05:42,280
que son 800 personas, va en bicicleta al trabajo, el 10% de 800 sería 80 personas deberían ir en

61
00:05:42,280 --> 00:05:47,960
bicicleta al trabajo si siguen la misma proporción que sigue la muestra total. Tendríamos que calcular

62
00:05:47,960 --> 00:05:57,240
el 10% de 1.700 que sería 170 y así sucesivamente, el 10% de 2.100, el 10% de 400

63
00:05:59,440 --> 00:06:06,760
y una vez hecho esto, una vez hecho esto, tendríamos que calcular la diferencia de i

64
00:06:06,760 --> 00:06:13,000
entre el número real de personas que van al trabajo en bicicleta y el número teórico que

65
00:06:13,000 --> 00:06:17,680
irían al trabajo en bicicleta si todos los segmentos siguiesen la misma proporción que

66
00:06:17,680 --> 00:06:23,000
la muestra total. Al calcular esa diferencia, que la calculamos en valor absoluto, es decir,

67
00:06:23,000 --> 00:06:27,240
es la diferencia en valor absoluto entre el número de consumidores reales y el número de consumidores

68
00:06:27,240 --> 00:06:31,080
teóricos, es decir, nos da igual que los reales sean mayor a los teóricos aquí que que los

69
00:06:31,080 --> 00:06:35,680
teóricos sean mayores a los reales en el siguiente segmento, vamos a poner el valor absoluto y tiene

70
00:06:35,680 --> 00:06:40,440
que coincidir, van a coincidir para cada uno de los criterios de segmentación, podemos ver entre

71
00:06:40,440 --> 00:06:47,560
120 y 80 cuál es la diferencia, pues 40, entre 130 y 70 cuál es la diferencia, 40, aquí entre

72
00:06:47,960 --> 00:06:55,840
243 y 210 cuál es la diferencia, 33, entre 7 y 40 cuál es la diferencia, 33, entre 100 y 150 cuál es

73
00:06:55,840 --> 00:07:03,000
la diferencia, 50 y el otro también son 50. ¿Qué podemos ver aquí? Podemos ver que el criterio de

74
00:07:03,000 --> 00:07:07,440
segmentación que implica una mayor diferencia entre los consumidores reales y los consumidores

75
00:07:07,440 --> 00:07:13,400
teóricos es el municipio en que se vive, por tanto, el municipio en que se vive es el criterio que

76
00:07:13,400 --> 00:07:19,040
tiene un mayor valor discriminante y, por tanto, sería el mejor criterio para segmentar el mercado.

77
00:07:24,680 --> 00:07:28,760
Hemos visto que el método Benson sirve para seleccionar cuál es el mejor criterio de

78
00:07:28,760 --> 00:07:33,320
segmentación para dividir un mercado, pero existen otros métodos como, por ejemplo, el

79
00:07:33,320 --> 00:07:38,600
hachí cuadrado o el análisis de la variabla. En cualquier caso, es importante saber cuál es el

80
00:07:38,600 --> 00:07:43,300
criterio de segmentación que tiene un mayor poder discriminante porque eso va a ayudar a la

81
00:07:43,300 --> 00:07:50,100
empresa en la planificación y en el desarrollo de su estrategia de marketing mix. Bueno, espero que

82
00:07:50,100 --> 00:07:55,180
este vídeo haya sido de vuestro interés, que haya sido claro y nada, nos vemos en otros vídeos. ¡Un saludo!