3. El comportament de compra
 |
La investigació del client intern es va fer a partir d'un estudi quantitatiu en què la informació de base per a analitzar es va obtenir a partir d'un qüestionari estructurat aplicat a una mostra de 531 visitants del centre amb suficient poder de compra. Es va optar per escollir només aquells individus amb edats entre els divuit i seixanta-quatre anys, ja que el gerent del centre considerava que fora d'aquest interval els clients ja no tenien, per a ell, el suficient poder de compra com per a ser considerats poder real i potencial de compra.
La mostra es va seleccionar a partir de l'aplicació d'un sistema de mostreig probabilístic en què els individus eren escollits aleatòriament per trànsit de visitants del centre en diferents punts de mostreig. És a dir, els entrevistadors encarregats d'aconseguir la informació estaven situats a les diferents portes del centre comercial per on els visitants en podien sortir i aquests eren escollits de manera aleatòria i sistemàtica (un de cada tres individus). La realització d'aquest treball de camp es va distribuir en tres setmanes i en diferents dies i hores de la setmana per a garantir que tots els visitants del centre s'hi podien trobar representats.
Per a garantir aquesta representativitat en l'elecció de la mostra i utilitzar els recursos únicament indispensables, es va fer necessari escollir quatre dies que fossin els més representatius de la setmana (dilluns, dijous, divendres i dissabte), en les hores del dia que hi havia més afluència (de 12 a 14:30 i de 18:30 a 21:30h) i des de qualsevol punt per on el visitant podia passar (per tant, qualsevol porta per la qual podia sortir).
Figura 1 Distribució de freqüències simples de les variables de mostreig
PUNT PUNT DE MOSTREIG
Value Label Value Frequency Percent Valid Cum
Percent Percent
Porta A 1.00 189 35.6 35.6 35.6
Porta B 2.00 172 32.4 32.4 68.0
Porta pàrking 3.00 170 32.0 32.0 100.0
------- ------- -------
Total 531 100.0 100.0
Valid cases 531 Missing cases 0
- - - - - - - - - - - - - - - - - - - - - - - - - - - - -
D_A DIA DE L'ENTREVISTA
Value Label Value Frequency Percent Valid Cum
Percent Percent
Dilluns 1.00 126 23.7 23.7 23.7
Dijous 2.00 126 23.7 23.7 47.5
Divendres 3.00 141 26.6 26.6 74.0
Dissabte 4.00 138 26.0 26.0 100.0
------- ------- -------
Total 531 100.0 100.0
Valid cases 531 Missing cases 0
- - - - - - - - - - - - - - - - - - - - - - - - - - - - -
HORARI HORARI
Value Label Value Frequency Percent Valid Cum
Percent Percent
12:00 A 14:30H 1.00 261 49.2 49.2 49.2
18:30 A 21:30H 2.00 270 50.8 50.8 100.0
------- ------- -------
Total 531 100.0 100.0
Valid cases 531 Missing cases 0Com a primera aproximació a l'anàlisi de les dades, es va fer una anàlisi descriptiva. En aquest sentit, en la figura número 1 es pot veure la distribució aproporcional de la mostra en les variables de mostreig escollides a l'estudi. Pràcticament, es van distribuir a parts iguals el mateix nombre d'entrevistes per porta (un terç per porta), per dia (una quarta part per dia) i per horari de visita (una meitat al matí i l'altra a la tarda). En els histogrames següents també podem veure la distribució de la mostra:
Tot i que a nivell de tota la mostra la distribució era aproximadament idèntica, a partir de les taules de contingència de les figures número 2.1, 2.2 i 2.3 es poden observar certes diferències de perfil dels visitants en les variables de mostreig inicial.
Figura 2.1. Taula de contingència: Horari d'entrevista per edat de l'entrevistat
Figura 2.2. Taula de contingència: Dia d'entrevista per edat de l'entrevistat
Figura 2.3. Taula de contingència: Punt de mostreig per edat de l'entrevistat
Amb les taules de contingència anteriors podíem observar com, comparativament, els més joves anaven al centre a la tarda (59,6%) i més els dijous i divendres que els altres dies. I els de mitjana edat (trenta-sis a quaranta-cinc anys), per exemple, hi anaven més al matí (61,2%) i accedien pel pàrking (35%) i per la porta principal del centre (porta A 39,8%).
Però al senyor Ivars no solament li interessava el perfil del seu client en dades bàsiques, el gerent volia anar més enllà i conèixer de manera profunda el comportament de compra del seu client o visitant perquè era el que realment li podia aportar informació rellevant per a decidir la seva estratègia de màrqueting. Una de les informacions més valuoses que esperava obtenir de l'estudi era el recorregut del seu client, és a dir, conèixer el establiments on comprava habitualment i aquells on no comprava.
Calia descobrir quins dels establiments, botigues o franquícies no mostraven un grau d'atractiu suficient per al visitant i pensar en un possible redisseny del mitjà de comercialització del centre.
Figura 3 Freqüència multiresposta de les variables p14_m1 a p14_m23
Group $ESTA establiments del centre on compra
(Value tabulated = 1)
Pct of
Pct of Pct of Pct of
Dichotomy label Name Count Responses Cases
HIPERMERCATS P14_M1 341 13.7 64.2
CAF REST FFOOD P14_M2 339 13.6 63.8
PAPERERIA PREMSA P14_M3 65 2.6 12.2
BANCS CAIXES P14_M4 71 2.9 13.4
BOTIGUES DE ROBA P14_M5 334 13.4 62.9
BOTIGUES COMPLE P14_M6 112 4.5 21.1
LLAR DECORACIO P14_M7 66 2.7 12.4
CINES P14_M8 235 9.4 44.3
ALIMENTACIO P14_M9 44 1.8 8.3
JOIERIA P14_M10 22 .9 4.1
TINTORERIA P14_M11 86 3.5 16.2
BOTIGA ANIMALS P14_M12 34 1.4 6.4
FOTOGRAFIA P14_M13 50 2.0 9.4
SERVEIS LUDICS P14_M14 21 .8 4.0
ELECTRO INFOR P14_M15 64 2.6 12.1
COSMETICA P14_M16 28 1.1 5.3
BOTIGA TELEFONIA P14_M17 21 .8 4.0
MUSICA P14_M18 42 1.7 7.9
ESPORTS P14_M19 60 2.4 11.3
OPTICA P14_M20 32 1.3 6.0
BOTIGA JOGUINES P14_M21 66 2.7 12.4
PARC INFANTIL P14_M22 36 1.4 6.8
PARKING P14_M23 319 12.8 60.1
----- ----- -----
Total responses 2488 100.0 468.5
0 missing cases; 531 valid cases
Evidentment, cada visitant venia al centre no solament per a anar a un dels seus establiments, sinó que, un cop feia la visita, aquest client anava a més d'un establiment. Pel que fa a la mitjana, cada client visitava aproximadament cinc establiments del centre.
A partir de les dades que es mostren en la taula de freqüències multiresposta número 3 es pot observar com gran part dels clients utilitzaven l'hipermercat (64,2%), les cafeteries, restaurants i establiments de menjar ràpid (63,8%), les botigues de moda (62,9%) i el pàrking (60,1%). Un altre servei que també era molt utilitzat, encara que per un menor percentatge de clients, era el cinema. Això detectava un possible punt feble del centre, ja que, en la majoria de centres amb cinema, aquest es configura com unes de les locomotores del centre, juntament amb l'hipermercat.
Evidentment, aquesta afluència de públic als diferents establiments s'observava amb moltes diferències segons les característiques dels nostres clients. Per exemple, si construïm una nova taula de contingència en què observem la distribució dels clients que compraven en els establiments segons el gènere (figura número 4), ens podem adonar que comparativament i de manera relativa hi havia més dones que homes que compraven en establiments com l'hipermercat, la tintoreria, botigues de complements i de decoració o les d'alimentació, entre d'altres, i que els homes eren més assidus als establiments de telefonia mòbil o als serveis lúdics.
Figura 4. Subtaula 1. Taula de contingència dels establiments on compren pel gènere dels entrevistats
Figura 4. Subtaula 2. Taula de contingència dels establiments on compren pel gènere dels entrevistats
Figura 4. Subtaula 3. Taula de contingència dels establiments on compren pel gènere dels entrevistats
Figura 4. Subtaula 4. Taula de contingència dels establiments on compren pel gènere dels entrevistats
No obstant, el Sr. Ivars no aconseguia apreciar suficients diferències entre el gènere dels individus o entre l'edat dels individus o qualsevol altra variable de classificació bàsica com per a poder fer accions de màrqueting diferenciades per cadascun d'aquests públics.
Els participants en el procés d'anàlisi vam suggerir al Sr. Ivars que intentés aïllar, segmentar, els seus clients segons els establiments on comprava. Per a ell, resultava extremadament interessant poder comprovar algunes de les seves hipòtesis sobre el comportament de compra dels clients.
Sostenia que hi havia una part de clients que únicament visitaven el centre per l'hipermercat i, tot i que anaven també a altres establiments del centre, el més important per a ells, allò que realment els motivava per a anar al centre comercial, era comprar a l'hipermercat.
De la mateixa manera, estava convençut que tenia visitants pràcticament exclusius del cinema i que aquests eren força homogenis entre ells.
La millor manera de comprovar que realment hi havia diferents tipologies de visitants segons l'establiment on compraven era intentant segmentar els clients en grups homogenis (dintre del mateix grup) i a la vegada molt heterogenis (entre els diferents grups) respecte als establiments on compraven habitualment.
Per a arribar a una solució d'aquest tipus es va aplicar una anàlisi tipològica no jeràrquica partint de la informació observada anteriorment, és a dir, dels establiments on comprava cada client.
Partint d'una matriu de dades en què cada individu es classificava dicotòmicament afirmant si comprava o no a cada establiment del centre, podíem aplicar una anàlisi tipològica buscant les proximitats entre els individus respecte al seu perfil de visita dels diferents establiments.
Partint de les hipòtesis inicials del Sr. Ivars, es va provar de segmentar els visitants del centre en únicament dos grups i de manera lliure per a comprovar si realment hi havia les dues tipologies proposades pel gerent:
- Els compradors majoritaris d'hipermercat i altres establiments i,
- els visitants del cinema i d'algun altre establiment, però de manera minoritària.
A continuació, es mostra el resultat obtingut d'aplicar una anàlisi tipològica altrament dita anàlisi clúster no jeràrquica de manera lliure i en dos grups.
Figura 5 Anàlisi clúster no jeràrquica de dos grups amb centres de gravetat lliures
* * * * * * * * * Q U I C K C L U S T E R * * * * * * * * * *
Initial Cluster Centers.
Cluster P14_M1 P14_M2 P14_M3 P14_M4 P14_M5 P14_M6
1 .0000 .0000 .0000 .0000 .0000 .0000
2 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
Cluster P14_M7 P14_M8 P14_M9 P14_M10 P14_M11 P14_M12
1 .0000 .0000 .0000 .0000 .0000 .0000
2 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
Cluster P14_M13 P14_M14 P14_M15 P14_M16 P14_M17 P14_M18
1 .0000 .0000 .0000 .0000 .0000 .0000
2 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
Cluster P14_M19 P14_M20 P14_M21 P14_M22 P14_M23
1 .0000 .0000 .0000 .0000 1.0000
2 1.0000 .0000 1.0000 1.0000 .0000
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
Convergence achieved due to no or small distance change.
The maximum distance by which any center has changed is .0855
Current iteration is 5
Minimum distance between initial centers is 4.6904
Iteration Change in Cluster Centers
1 2
1 1.2959 1.9092
2 .0188 .4915
3 .0408 .6077
4 .0524 .4075
5 .0240 .1803
* * * * * * * * * * * Q U I C K C L U S T E R * * * * * * * * *
Final Cluster Centers.
Cluster P14_M1 P14_M2 P14_M3 P14_M4 P14_M5 P14_M6
1 .6207 .6099 .0948 .1056 .5841 .1056
2 .7761 .8209 .2985 .3134 .9403 .9403
Cluster P14_M7 P14_M8 P14_M9 P14_M10 P14_M11 P14_M12
1 .0560 .3966 .0539 .0237 .1078 .0323
2 .5821 .7612 .2836 .1642 .5224 .2687
Cluster P14_M13 P14_M14 P14_M15 P14_M16 P14_M17 P14_M18
1 .0409 .0259 .0647 .0129 .0280 .0496
2 .4627 .1194 .5075 .3134 .1194 .2687
Cluster P14_M19 P14_M20 P14_M21 P14_M22 P14_M23
1 .0668 .0431 .0884 .0517 .5884
2 .4179 .1642 .3731 .1791 .6866
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
Number of Cases in each Cluster.
Cluster unweighted cases weighted cases
1 464.0 464.0
2 67.0 67.0
Missing 0
Valid cases 531.0 531.0El resultat va demostrar que dels dos grups que hi havia un comprava pràcticament a tots els establiments i el segon (el més nombrós) es comportava com la mitjana del mercat, és a dir, comprava principalment a l'hipermercat.
Ja que el resultat de l'anàlisi només coincidia en part amb les hipòtesis del gerent del centre, es va optar per explotar la possibilitat de cercar més de dos grups entre els quals poguessin tenir lloc els que intuïtivament el Sr. Ivars pensava que hi havia.
Així que es va procedir a comprovar en quants grups realment es segmentaven els seus clients. Altre cop, es va fer una anàlisi tipològica no jeràrquica en tres, quatre, cinc, sis i set grups i es va poder comprovar com la segmentació trobada de cinc grups era la que millor reflectia la situació del seu centre comercial. En l'àmbit estadístic, era el que millor formava uns grups homogenis dintre seu i més heterogenis entre aquests.
A continuació, es mostren els resultats obtinguts en l'anàlisi clúster de cinc grups. La taula de contingència que resulta de creuar els cinc segments trobats a partir de l'anàlisi tipològica mostra com els grups resultants tenen característiques molt similars dintre dels mateixos grups.
Figura 6 Taula de contingència dels cinc grups trobats amb l'anàlisi clúster de cinc grups amb centres de gravetat lliures per les variables utilitzades per a crear els grups (establiments utilitzats del centre comercial)
El resultat de l'anàlisi clúster i la taula de contingència posterior ens mostren quatre grups ben definits i un cinquè grup molt similar al grup 2 en què pràcticament la meitat o més dels seus components són usuaris dels establiments i serveis del centre comercial. D'aquesta manera, podem observar en la taula de contingència el següent:
- El grup 1 es caracteritza perquè pràcticament tots els seus integrants compren habitualment a l'hipermercat però no utilitzen el pàrking.
- El segon grup, a més de comprar principalment a l'hipermercat, utilitza el pàrking.
- El tercer grup són clients que pràcticament visiten totes les botigues del centre, són el que podríem anomenar compradors intensius (heavy users).
- El quart grup, a més de no comprar a l'hipermercat, gairebé tots compren a botigues de moda i prenen alguna cosa als bars, cafeteries o restaurants.
- El cinquè grup és molt similar al tercer grup dels compradors intensius, però representa només un 2% dels clients, que en termes absoluts correspondria a deu persones de la mostra, grup no suficientment gran per a analitzar i treure conclusions sòlides.
Trobar-nos amb un cinquè grup amb insuficient base mostral com per a poder tenir entitat pròpia com a tal generava un problema analític. Però hi havia una solució per a aquest problema; es tractava d'intentar reassignar els deu individus d'aquest grup en algun dels quatre grups que ja hi havia. Podíem fer aquesta operació de manera totalment subjectiva, és a dir, a partir del coneixement que teníem del mercat i a partir dels resultats obtinguts en la taula de contingència, assignar els individus del grup 5 al grup 3, ja que, en principi, és el que més s'hi assembla. No obstant, hi havia una possibilitat tècnicament més correcta que consistia en utilitzar l'anàlisi discriminant múltiple per a reassignar els components del grup cinquè a un dels altres grups que tingués el perfil més similar segons els establiments on comprava, i això és el que vam fer.
El primer pas per a poder reassignar els individus és deixar com a valor perdut (missing value) la categoria de la variable que els assigna al grup cinquè i l'anàlisi discriminant donarà automàticament la suposada pertinença d'aquests individus a un altre grup.
Figura 7 Distribució de freqüències simple dels cinc grups amb el 5è. grup reassignat a valor perdut
SEGES5
Valid Cum
Value Label Value Frequency Percent Percent Percent
1 134 25.2 25.7 25.7
2 133 25.0 25.5 51.2
3 105 19.8 20.2 71.4
4 149 28.1 28.6 100.0
. 10 1.9 Missing
------- ------ -------
Total 531 100.0 100.0
Valid cases 521 Missing cases 10
Figura 7 Anàlisi discriminant múltiple per a assignar els valors perduts al grup més similar
Following variables will be created upon successful
completion of the procedure:
GRP --- Predicted group for analysis 1
- - - - - D I S C R I M I N A N T A N A L Y S I S - - - - -
On groups defined by SEGES5
531 (Unweighted) cases were processed.
10 of these were excluded from the analysis.
10 had missing or out-of-range group codes.
521 (Unweighted) cases will be used in the analysis.
Number of cases by group
Number of cases
SEGES5 Unweighted Weighted Label
1 134 134.0
2 133 133.0
3 105 105.0
4 149 149.0
Total 521 521.0
Group means
SEGES5 P14_M1 P14_M2 P14_M3 P14_M4 P14_M5 P14_M6
1 .86567 .47761 .06716 .07463 .52239 .17910
2 .84962 .60150 .14286 .12782 .25564 .02256
3 .96190 .66667 .12381 .11429 .96190 .51429
4 .00000 .76510 .11409 .14094 .79866 .14094
Total .63340 .62956 .11132 .11516 .62188 .19578
SEGES5 P14_M7 P14_M8 P14_M9 P14_M10 P14_M11 P14_M12
1 .08955 .35821 .04478 .04478 .14925 .05224
2 .04511 .18797 .08271 .01504 .06015 .00752
3 .29524 .71429 .15238 .01905 .40000 .11429
4 .04698 .54362 .00671 .02013 .04698 .04027
Total .10749 .43954 .06526 .02495 .14779 .04990
SEGES5 P14_M13 P14_M14 P14_M15 P14_M16 P14_M17 P14_M18
1 .05224 .01493 .07463 .00746 .05224 .02239
2 .03008 .00000 .06015 .01504 .00752 .02256
3 .18095 .05714 .25714 .16190 .03810 .08571
4 .06711 .06711 .08054 .01342 .02685 .14094
Total .07678 .03455 .10940 .04223 .03071 .06910
SEGES5 P14_M19 P14_M20 P14_M21 P14_M22 P14_M23
1 .02985 .03731 .05970 .00746 .00000
2 .09023 .05263 .09023 .10526 .98496
3 .19048 .07619 .28571 .12381 .89524
4 .12081 .04027 .06040 .02013 .59732
Total .10365 .04990 .11324 .05950 .60269
Classification results -
No. of Predicted Group Membership
Actual Group Cases 1 2 3 4
------------------- ------ ----- ----- ------- ------
Group 1 134 117 0 0 17
87.3% .0% .0% 12.7%
Group 2 133 2 110 3 18
1.5% 82.7% 2.3% 13.5%
Group 3 105 4 1 98 2
3.8% 1.0% 93.3% 1.9%
Group 4 149 0 0 0 149
.0% .0% .0% 100.0%
Ungrouped cases 10 0 0 10 0
.0% .0% 100.0% .0%
Percent of "grouped" cases correctly classified: 90.98%
Classification processing summary
531 (Unweighted) cases were processed.
0 cases were excluded for missing or out-of-range
group codes.
531 (Unweighted) cases were used for printed output.
531 cases were written into the working file.Com es pot observar en la matriu anomenada de confusió (classification results) de l'anàlisi discriminant fet, els components del grup 5 que hem passat a valors perduts (ungrouped cases) queden reassignats al grup 3. Hem pogut comprovar com la solució que hauríem aplicat fent cas a la nostra subjectivitat i experiència hauria estat una solució idèntica a la trobada per l'estadística.
A continuació, es mostra la distribució de freqüències simple de la nova variable de segmentació fruit de la reassignació dels individus de l'antic grup 5 al grup 3.
Figura 8 Distribució de freqüències simple de la nova variable creada després de la reassignació dels individus del grup 5 al grup 3
SEGES5N Segmentació clients per establiments
Value Label Value Frequency Percent Valid Cum
Percent Percent
Hiper+No parking 1.00 123 23.2 23.2 23.2
Hiper+Parking 2.00 111 20.9 20.9 44.1
Heavy user 3.00 111 20.9 20.9 65.0
Moda+Cafe 4.00 186 35.0 35.0 100.0
------- ------- -------
Total 531 100.0 100.0
Valid cases 531 Missing cases 0
Com es pot veure en la figura 8 i després d'analitzar el perfil de cada grup segons els establiments del centre on comprava (figura 6), els grups es podien batejar de la manera següent:
- Grup 1: Compradors de l'hipermercat que no utilitzen el pàrking (probablement perquè resideixen més a prop del centre).
- Grup 2: Compradors de l'hipermercat que utilitzen majoritàriament el pàrking.
- Grup 3: Compradors intensius, pràcticament compren i utilitzen totes les botigues i serveis del centre.
- Grup 4: Compradors de productes de moda que, a més a més, solen prendre alguna cosa als bars, cafès o restaurants del centre.
Tot i tenir característiques de comportament de compra suficientment diferenciadores per a caracteritzar els diferents segments trobats, calia estudiar a fons com era cadascun d'aquests per a intentar, en el futur, adaptar-se a les seves demandes més específiques.
A continuació, es mostra el perfil d'aquests segments:
- per edat (amb mesures de centre i dispersió),
- per gènere (amb una taula de contingència), i
- per temps que tarden en arribar al centre (amb una taula de contingència per intervals i una taula amb mitjanes i desviacions per a la variable contínua).
Figura 9 Taula de mitjanes d'edat dels entrevistats per cada segment trobat
- - Description of Subpopulations - -
Summaries of F2 EDAT
By levels of SEGES5N Segmentació clients per establiments
Variable Value Label Sum Mean Std Dev Variance Cases
For Entire Population 18559.00 34.9510 12.0939 146.2617 531
SEGES5N 1.00 Hiper+No parking 4789.00 38.9350 12.6275 159.4548 123
SEGES5N 2.00 Hiper+Parking 4261.00 38.3874 10.4926 110.0940 111
SEGES5N 3.00 Heavy user 4035.00 36.3514 10.9890 120.7572 111
SEGES5N 4.00 Moda+Cafe 5474.00 29.4301 11.2758 127.1437 186
Total Cases = 531
Figura 10 Taula de contingència de gènere per segments trobats
Figura 11 Taula de contingència del temps que tarda en arribar al centre (en intervals) per segments trobats
Figura 12 Taula de mitjanes de temps que tarda en arribar al centre per segments trobats
- - Description of Subpopulations - -
Summaries of P9N TEMPS (MIN) TARDA EN ARRIBAR AL C.C. SAN
By levels of SEGES5N Segmentació clients per establiments
Variable Value Label Mean Std Dev Cases
For Entire Population 12.8569 10.1926 531
SEGES5N 1.00 Hiper+No parking 11.6829 10.1014 123
SEGES5N 2.00 Hiper+Parking 12.8559 9.7690 111
SEGES5N 3.00 Heavy user 9.6937 5.9296 111
SEGES5N 4.00 Moda+Cafe 15.5215 11.7741 186
Total Cases = 531
