Fusión de múltiples flujos de datos para mejorar la estrategia del portfolio

Por Jeffrey Hunter, Principal at Market Frameworks & research and analytics advisor at Foresight Associates and Survata, Inc.

Lectura 8 minutos
14 de noviembre 2019

Por Jeffrey Hunter, Principal at Market Frameworks & research and analytics advisor at Foresight Associates and Survata, Inc.

La investigación de mercado contribuye a muchas de las decisiones tácticas, pero la riqueza de nuevas fuentes de datos y formas, combinada con varios análisis, significa que Market Research (MR) puede contribuir significativamente a decisiones más estratégicas con respecto a los productos y servicios que se ofrecen. ¿En qué mercados entramos? ¿De qué mercados salimos? ¿Qué productos y servicios añadimos, refinamos o enfatizamos para satisfacer las necesidades y deseos de las personas, los hogares y las empresas, y para aumentar la rentabilidad del negocio?

Una de las estructuras más útiles para enmarcar la discusión estratégica de la cartera de productos es la estructura del mercado o el panorama competitivo. ¿Qué productos o servicios compiten entre sí, hasta qué punto compiten y por qué? Cuando se rellenan con datos históricos de ventas, se puede responder a una serie de preguntas importantes.

  • ¿Qué segmentos de productos/servicios están creciendo más rápido o más lento?
  • ¿La cartera de la firma está alineada con el crecimiento?
  • ¿Cómo se comparan las perspectivas de crecimiento de las empresas con las de la competencia?
  • ¿Dónde están las mayores oportunidades de nuevos productos/servicios, y qué tamaño de negocio se puede esperar razonablemente?
  • ¿Existen oportunidades de promoción y extensión, y para qué marcas en qué segmentos de productos/servicios?
  • Si los nuevos productos no son una forma viable de entrar en un segmento atractivo de productos/servicios, ¿qué objetivos de adquisición son atractivos?

Enfoques

La identificación de los segmentos de productos/servicios generalmente implica alguna medición directa o indirecta del grado en que los artículos son sustituibles o similares. Los enfoques econométricos suelen implicar elasticidades de precios y/o cambios de marca. Los enfoques de las encuestas generalmente implican compensaciones simuladas o medidas de similitud percibida. Una lista parcial de enfoques es:

  • Análisis de las elasticidades de precios basado en datos de ventas sindicadas continuas.
  • Análisis del cambio de marca basado en patrones de compra longitudinal.
  • Análisis de compras pasadas (encuesta), a menudo basado en la correlación o covarianza.
  • Clasificación en grupos dinámicos (encuesta).
  • Análisis de las percepciones de la marca, generalmente basado en datos de encuestas.

Cada enfoque tiene sus propias fortalezas y debilidades, y las recomendaciones se basan en el contexto y los objetivos específicos.

Un case study

El cliente es una compañía global de alimentos y bebidas enfocada predominantemente en el desayuno y en las ocasiones de comer por la mañana. Sus bases de datos de ventas sindicadas se organizaron sobre la base de una estructura de mercado competitivo que se había creado muchos años antes. Los gustos y comportamientos de los consumidores habían evolucionado y era el momento de actualizar sus conocimientos. Un ejemplo simplificado podría parecerse a esto:

Los objetivos más importantes del proyecto eran los siguientes:

  • Identificar los segmentos de estructura/producto competitivos relevantes en varios de sus mercados más importantes, que luego se utilizarían para realinear la base de datos de ventas sindicadas.
  • Delimitar en detalle el «cómo» y el «por qué» de las marcas se agrupan en sus diversos segmentos de productos, lo que facilitaría la transición de la estrategia a la táctica.

Desafío #1; un marco que sirve tanto a la estrategia como a las tácticas

Las estrategias a menudo fallan en la implementación porque son demasiado abstractas. En las conversaciones con el cliente, el marco más atractivo para la organización de los detalles fue la arquitectura de marca, y los elementos críticos fueron:

  • Objetivo.
  • Ocasiones.
  • Beneficios funcionales.
  • Beneficios emocionales.
  • Atributos clave.

Si se dispusiera de perfiles de marca para todas (o casi todas) las marcas en los mercados respectivos, los objetivos clave podrían alcanzarse teóricamente;

  • Las marcas podrían agruparse en función de sus perfiles (más o menos de la misma manera que los consumidores se agrupan en las segmentaciones de consumidores).
  • El «cómo» y el «por qué» de las marcas son similares o diferentes se verían claramente tanto en el análisis como en las comparaciones agregadas del perfil de la marca.

Además, una estructura de mercado bien articulada, combinada con los datos de ventas y las herramientas analíticas adecuadas, podría responder a importantes cuestiones fundamentales:

  • ¿Qué elementos de la arquitectura de marca son críticos para el crecimiento de las marcas existentes o para la creación de nuevas marcas?
  • ¿En qué nos centramos? ¿Beneficios específicos, funcionales o emocionales, ocasiones?

Desafío #2; escasez de datos, especialmente en los mercados en desarrollo

En la era de los grandes datos, la escasez de datos en ciertos mercados podría ser una sorpresa. En los mercados desarrollados, la cobertura de los datos de las ventas sindicadas puede ser cercana al 100%, pero en algunos mercados en desarrollo pertinentes es inferior al 50%. Los datos del panel de compra de los hogares suelen ser más limitados. Las encuestas con muestras de gran tamaño podrían utilizarse para aumentar, pero incluso aquí hay problemas. La penetración relativamente baja de las categorías de productos y marcas relevantes tiene un impacto negativo en lo que se puede lograr con los datos del panel de compra de los hogares o con los datos de las encuestas. En algunos mercados la mayoría de las marcas tienen una penetración anual del 1% o menos.

Fusión de múltiples flujos de datos

La solución se encontró en una forma cualitativa de datos combinada formal y holísticamente con las formas cuantitativas tradicionales de datos antes mencionadas; una síntesis de ventas sindicadas, comportamiento de compra de los hogares, encuesta cuantitativa y semiótica cualitativa.

La siguiente tabla describe los diferentes flujos de datos y lo que cada uno de ellos podría contribuir a informar los perfiles de las marcas.

Semiótica

En este caso, un semiólogo interpretó la iconografía comercial fácilmente disponible: packaging, publicidad, sitios web para todas (o casi todas) las marcas en todos los mercados para inferir los diversos elementos de la arquitectura de marca; quién es el objetivo, cuáles son los beneficios funcionales y emocionales, cuál es la ocasión, etc. La inferencia semiótica fue especialmente útil para identificar los beneficios emocionales.

La siguiente tabla muestra cómo funciona y cómo se valida. La marca es Energen, una bebida de cereales para el desayuno originaria de Indonesia. Usted puede ver el objetivo inferido, la ocasión, y los beneficios funcionales y emocionales. Dado que se trata de una marca bastante ubicua, existen datos cuantitativos adecuados que pueden utilizarse para validar las inferencias semióticas. Aquí, la inferencia semiótica para el objetivo y la ocasión no era errónea, pero era demasiado estrecha; la marca fue consumida por un grupo demográfico más amplio en un conjunto más amplio de ocasiones. En los distintos mercados, este tipo de validación se podría realizar para el 10% al 70% de las marcas, sobre varios elementos del perfil de la marca. De hecho, se podrían crear modelos predictivos para varios iconos visuales y de texto.

Prueba de concepto

Dadas las formas de los datos y cómo se fusionaron, la prueba de concepto/validación fue importante para construir la confianza en el producto final. Los perfiles de marca construidos semióticamente fueron validados frente a los elementos del perfil de marca a partir de datos cuantitativos cuando éstos existían. Algunos mercados han construido recientemente estructuras de mercado a partir de los datos del panel de compra de los hogares (considerado por el cliente como el patrón oro). Las estructuras de mercado basadas en la fusión se compararon con éstas.

Si bien los resultados obtenidos cumplieron los objetivos, las áreas de atención fueron:

  • Un mercado importante no llegó a adoptar las conclusiones finales debido a la inclusión de datos cualitativos a pesar de los esfuerzos por crear credibilidad.
  • Era difícil encontrar semióticos en ciertos mercados.
  • La codificación semiótica consumía mucho tiempo, pero esperamos que a medida que la IA se desarrolle, haya mejores maneras de «codificar» la iconografía visual.

Los enfoques de fusión prometen proporcionar soluciones flexibles, holísticas y de extremo a extremo. La clave en este estudio de caso fue un marco para la fusión de múltiples flujos de datos. Mientras que los datos no estructurados fluyen de la semiótica, creemos que hay oportunidades para otras formas de datos no estructurados como los medios sociales, los datos biométricos, la geolocalización y la medición pasiva.

Path Copy Created with Sketch.
X