Estudio
de Segmentación y Caracterización de los Estudiantes del Instituto Tecnológico Superior Quito Metropolitano
Study
of Segmentation and Characterization
of Students of the Technological Institute
Superior Metropolitan Quito
Balwin Chuquillangui.1 Andrés Arias-Carrera.2 David García-Espinoza 3
1 Instituto Tecnológico Superior Quito Metropolitano. Carán N3-195 y
Calle B (Nueva Tola 2) Quito, Ecuador., bchuquillan- gui@itsqmet.edu.ec
2 Universidad de las Fuerzas
Armadas ESPE, RGPF+4QM,
Av. 6 de Diciembre, Quito 170513. aaarias4@espe.edu.ec
3 Universidad Politécnica Salesiana del Ecuador, C. Vieja 12-30 y, Cuenca 010105, fegarcia1@est.ups.edu.ec
ÉLITE 2019, VOL. (1). NÚM. (2)
ISSN: 2600-5875
Recibido:
28/05/2019 Revisado:28/06/2019 Aceptado: 22/08/2019 Publicado: 24/09/2019
RESUMEN:
A
partir de un problema de decisión gerencial, de determinar las caracte- rísticas del estudiantado actual del
Instituto Superior Quito Metropolitano (ITSQMET),
se propone un estudio de segmentación y la correspondiente caracterización de los grupos
resultantes. Para el estudio se utilizaron téc- nicas de análisis multivariante de agrupamiento como el
clustering jerár- quico, clustering
por K-means y validaciones
estadísticas de hipótesis para
corroborar que los resultados son los apropiados. Como resultado se encuentran dos segmentos, al primero se le
denomina como los Maduros Trabajadores,
es el menor de los segmentos, compuesto mayoritariamente por estudiantes administración de centros infantiles en la
jornada matuti- na y son
representados por mujeres de 34 años en promedio. Se encuen- tran simultáneamente trabajando y estudiando
y no estudian su tecnología por
malas calificaciones en la prueba Ser Bachiller sino por otras razones. Al segundo segmento se lo denomina
Jóvenes sin Universidad, represen- tan
el mayor volumen de estudiantes, estudian tanto en la carrera de cen- tros infantiles como en carreras
administrativas preferentemente en la jor-
nada intensiva, con una edad promedio de 23 años y son tanto, hombres como mujeres con mayor representatividad
de ellas. En su mayoría sola- mente
se dedican a estudiar y tienen un componente importante de opi- niones de que su determinación de estudiar
en un instituto tecnológico es por sus malas calificaciones en Ser Bachiller, instrumento de evaluación a cargo de la Secretaría de Educación.
Superior, Ciencia, Tecnología e Innovación a través
de la cual, los bachilleres que la aprueban,
pueden acceder a los cupos disponibles de la educación superior pública.
Palabras
Claves: Jóvenes,
Tecnología, Innova- ción, Bachilleres.
ABSTRACT:
Based on a management decision problem, that
is to determine how the current student body of the Instituto Superior
Quito Metropolitano (ITSQMET) is composed, a segmentation
study and the corresponding characterization of the resulting groups is proposed. For the study,
mul- tivariate clustering analysis
techniques such as hierarchical
clustering, k- mean clustering, and statistical hypothesis validations were used to verify that the outcomes are
appropriate. As a result, there are
two segments, the first is called the
Mature Workers, it is the smallest of the seg-
ments, composed mainly of students of the chil- dren's centers management career on the mor- ning shift and are represented by 34-year-old women
on average. They are simultaneously working and studying
and they do not study their
technology for bad grades in the Ser Bachi-
ller test, but for other reasons. The second seg- ment is called Youth without University, they represent the highest volume of students,
they study both in the careers of children's centers management and in careers focused on
manage- ment, preferably in the intensive alternative, with an average
age of 23 years and they are both
men and women with higher representati- veness
of the later. Most of them just study as occupation
and have an important component of opinions
that their determination to study in a technological institute
is due to their bad grades
in the Ser Bachiller test.
Key Words: Youth, Technology, Innovation, High School.
INTRODUCCIÓN:
Las
entidades económicas de vanguardia en los diferentes
sectores industriales tienen por caracte- rística
común la búsqueda de una relación con sus mercados
o sus audiencias. Para poder lograr esta relación, han hecho uso de las herramientas que la
mercadotecnia ha ido desarrollando con el paso
del tiempo, de la mano de técnicas como la esta- dística o de ciencias
como la psicología.
Las
marcas líderes se encuentran tanto en entor-
nos locales como a nivel global. A nivel global
las marcas necesitan comprender a sus consumi- dores de cada localidad; esto significa conocer los mercados, segmentarlos y abordarlos
con una estrategia de marketing adaptada.
Nielsen,
la segunda empresa más grande a nivel mundial
en investigación de mercados, realiza la encuesta
Nielsen Global Brand- Origin, de la que se
desprendió el informe FMCG & Retail, en el
que los consumidores a nivel mundial presentan una preferencia que va en aumento por las marcas globales en perjuicio de las marcas locales (Nielsen Holdings, 2017)
Esta
preferencia global muestra el éxito en la im-
plementación local de un concepto internacional, que viene de la mano de una estrategia de marke- ting aplicada a un consumidor local en
particular, que es necesario estudiar y conocer.
Dentro
de este contexto de excelencia, el Instituto
Tecnológico Superior Quito Metropolitano desa- rrolló entre Enero y Marzo de 2020 un estudio de segmentación y de caracterización de su
base de consumidores
actual,
con el objetivo de contar con una me- jor
comprensión de su mercado que sirva para una
futura aplicación de estrategias comercia- les
enfocadas hacia el incremento de matricu- lados.
Este artículo describe este proceso de estudio y los
resultados obtenidos.
MARCO CONCEPTUAL:
El
punto de partida y el meollo de la discipli-
na de la mercadotecnia es identificar quiénes son los consumidores de los productos o ser- vicios de una empresa y cuáles son sus
carac- terísticas, resultado que se
deriva de aplicar la técnica de segmentación
de mercados, con el objetivo de poder
crear estrategias “a la medi- da” que
afecten positivamente en primer tér- mino
a las cifras de matriculación y acceso a las carreras
ofertadas por el ITSQMET.
La finalidad de la segmentación de mercado es maximizar la eficiencia dentro de las orga- nizaciones. Enfoca la atención, la
estrategia y los recursos en lo que
una empresa puede al- canzar a
atender de la mejor manera. Las in- versiones
de mercadotecnia pueden dirigirse a las
oportunidades de negocio más atractivas donde
el impacto será mayor. La segmenta- ción
concentra las actividades de marketing, seleccionando
consumidores y los elementos de posicionamiento respectivos. (Wyner, 2016)
Para
un determinado mercado de referencia, la segmentación;
consiste en dividir este en con- juntos
específicos. Cada grupo está compuesto por
consumidores que comparten entre ellos las
mismas características, aspecto conocido como homogeneidad interna. Paralelamente,
los
consumidores de un grupo difieren en carac- terísticas en relación a los miembros
de otros grupos, aspecto denominado
heterogeneidad ex- terna.
El proceso
de segmentación requiere
que los mercadólogos identifiquen características o fac- tores que tengan repercusiones en las
decisiones de compra para agrupar a
los consumidores de acuerdo a estas
características (Boone & Kurtz, 2015).
Esas características que definen a un seg- mento
parten de variables de segmentación que pueden
ser de naturaleza demográfica, geográfi- ca,
psicográfica, o conductual.
Este
proceso se soporta cotidianamente a nivel estadístico
con la técnica del clustering que no es sino
un método de estadística multivariante de agrupación de datos que comparte las mismas condiciones con las que debe contar un
segmento de mercado: la
homogeneidad interna y la hete- rogeneidad entre grupos.
Una
vez que se ha comprobado estadísticamente la
posibilidad de realizar la segmentación y lue-
go de haber dividido el grupo de consumidores, el estudio se consuma con la descripción
o carac- terización de los grupos encontrados.
A
continuación, se detallan los diferentes pasos
metodológicos utilizados en el desarrollo del es- tudio. El estudio partió de las necesidades de los decisores del ITSQMET de conocer quiénes
son sus clientes y cuáles son sus
particularidades, si estos se agrupan
de alguna manera y, de contar con un
instrumento que permita la posterior toma de
decisiones de marketing y de comunicación para
la promoción del Instituto Tecnológico Su- perior Quito Metropolitano.
METODOLOGÍA:
Para definir
más el problema de investigación se recurrió a una fuente secundaria interna, en este caso a un sondeo no publicado, de
carácter exploratorio ejecutado con
anterioridad, del que se recogen
los siguientes datos cualitativos co- mo
razones de elección respecto a estudiar en un instituto y escoger el ITSQMET. Se conside- ra relevante esta fuente de datos en razón de que
uno de los aspectos a abordar en un estudio de
segmentación es la motivación del consumi- dor
en su proceso de elección.
Tabla 1: Criterios cualitativos de elección
del nivel de estudio y de ingreso al ITSQMET
Así,
el problema de investigación planteado es: Determinar
los segmentos de mercado que for- man parte del estudiantado actual del ITSQMET.
Este problema
de investigación requiere
una estructura objetivo
/teórica que propenda a:
1) La integración de los conceptos de
marketing y los conceptos y técnicas estadísticas.
2) La eliminación de sesgos de investigación.
3) Minimizar la posibilidad de error.
4) Maximizar el nivel de
confianza.
Para
cumplir con estos requisitos, la investigación
se remite al uso de una segmentación por benefi- cios buscados que luego se complementa con una caracterización basada en variables
demográficas, al muestreo
probabilístico, al clustering jerárquico y
clustering no jerárquico, análisis de varianza y al contraste estadístico
de hipótesis.
Al respecto
las preguntas de investigación son:
1) ¿Existen segmentos que se
identifiquen en la población de estudiantes
del ITSQMET?
2) ¿Los segmentos resultantes cumplen
con los criterios de homogeneidad y heterogeneidad?
3) ¿Los segmentos pueden ser
susceptibles de apli- car
estrategias de marketing y comunicación poste-
riores?
De estas preguntas
se desprenden respectiva- mente las hipótesis
de investigación siguientes:
1) Existe por lo menos dos
segmentos dentro del estudiantado del
ITSQMET obtenidos de variables de segmentación conductual.
2) Los miembros de cada segmento
presentan en- tre ellos cercanía
entre sus medias de acuerdo a sus distancias euclídeas.
3) Los miembros de cada segmento
presentan dis- tancias euclídeas lejanas en sus medias.
4) Los segmentos tienen claras
características de- mográficas, diferentes entre ellos.
Estas
hipótesis exigen que el diseño de inves- tigación
sea el de una investigación transver- sal,
concluyente de tipo descriptivo. Los resul-
tados por tanto son cuantificables, establecen relaciones numéricas entre las variables y, a pesar de no ser causales, pueden ayudar a
pre- ver patrones conductuales.
El
proceso de recolección de los datos, trata- miento
y análisis requieren de una estructura definida
previamente.
El
inicio de la estructura de recolección es la
determinación del tamaño muestral. Dado que la población (N) es conocida, 1158 estudiantes matriculados, el método se encamina a
las po- blaciones finitas de donde se
escoge el método de las
proporciones para maximizar la combi- nación
de probabilidades asignando a p y q los valores
de 0.5 (probabilidades de éxito y de fracaso
respectivamente). El valor máximo de error
muestral (d) es de 1%. El nivel de con- fianza
utilizado es del 95%, para un valor de Z de
1.96. Con estos datos, el tamaño muestral queda
definido en 1033 unidades muestrales.
La fórmula
utilizada en este procedimiento es:
El
método de las proporciones fue selecciona- do por suministrar una solución práctica
al hecho de no conocerse
previamente un valor de la varianza. (López-Roldán & Fachelli, 2015)
Sin embargo,
para eliminar el nivel de error por falta de respuesta, se realizó una
depura- ción de las encuestas, eliminando aquellas
con faltantes de respuesta. Se eliminaron 49 casos y la muestra quedó con 984 casos, dando este nuevo tamaño un nivel de error muestral (d) del 1.3%, valor más que
razona- ble para un estudio social
con propósitos de toma de decisiones.
La
recopilación de datos es estructurada y la recolección
se efectuó con el método CAPI, a través
de un cuestionario digital pre codifica- do
dentro de la plataforma del ITSQMET.
Se
incluyeron 63 variables entre demográficas
y geográficas, todas ellas de tipo categórico nominal excepto la edad, que se definió como escalar. A más de estas variables se integraron
28
variables repartidas en 6 preguntas, rela- cionadas
con los aspectos mencionados en la Tabla
1 y con otros tópicos adicionales que tienen
por objeto responder a la tercera pre- gunta
de investigación planteada.
Las tres primeras
de estas preguntas, se
configuraron para ser categóricas ordinales, utilizando
escalas de Likert de 5 niveles. Las preguntas
se formularon en un lenguaje que lleve
a posiciones extremas, con la
finalidad de forzar la respuesta
hacia un lado o el otro de la escala y luego poder identificar
cuáles de estas variables generan
respuestas repartidas que
formen segmentos.
En
esta tabla se condensan los aspectos anali- zados
en el cuestionario en las tres primeras preguntas,
ordenadas en la siguiente jerarquía para guiar al encuestado de lo general
a
lo particular y minimizar sesgos en las res-
puestas:
Tabla 2: Variables – preguntas para generar clústers.
Las siguientes tres preguntas se configuraron para ser categóricas nominales y abordaron
as- pectos complementarios para la
toma de decisio- nes de marketing:
medio por el que se enteró de la
existencia del ITSQMET, quién es el decisor en
el hogar de la opción de estudio y probabili-
dad de recomendación.
Para
el procesamiento de datos conducente a la segmentación
de mercados se utilizó la técnica de agrupamiento de clustering y dentro de
esta técnica se usaron ambos métodos
de clustering: jerárquico y no
jerárquico, realizados como pro- ceso,
en ese orden. Realizar un conglomerado jerárquico, permite
definir el número de seg- mentos que son válidos estadísticamente.
El
conglomerado no jerárquico genera la clasifi-
cación de los grupos, partiendo la base de datos en grupos de casos que cumplen con las caracte- rísticas de homogeneidad interna por grupo
y de heterogeneidad entre grupos.
Dentro de este pro- cedimiento se utilizó el algoritmo K-means,
donde K se definió a través del conglomerado jerárquico y no quedó abierto a una elección de criterio.
Alternativamente
se utilizaron técnicas comple- mentarias, no relacionadas directamente con el procedimiento central descrito para
segmentar sino para tratar los grupos de casos y variables.
Primero
fue un screening inicial a través de tablas
de frecuencia que hizo presuponer cuá- les
de las variables podrían ser candidatas a formar segmentos.
También
se realizó un análisis factorial que permitió una reducción de las 91 variables iniciales a un conjunto de 16 variables,
repre- sentativas y más manejable, a partir del cual se
realizaron los procedimientos de clustering.
De acuerdo a Millilgan y Cooper, las investi- gaciones han demostrado que incluso un par de variables de más o irrelevantes
dentro del conjunto de datos, pueden
deteriorar la detec- ción de grupos (Milligan & Cooper,
1987)
DISCUSIÓN DE RESULTADOS:
Dada
la muestra depurada de 984 casos y re- ducidas
las variables de estudio a 16, este pro- ceso
de agrupamiento inició con un clustering jerárquico
utilizando como método de medi- ción
la distancia euclídea entre los puntos de datos
del espacio n-dimensional formado por las
variables de estudio y repitiendo iterativa-
mente las mediciones en función de los cam- bios de ubicación de los centroides multiva- riantes. Se utiliza también el enlace de
sección que muestra el historial
de conglomeración que tienen los coeficientes resultantes
de cada etapa.
Para
resumir las 984 etapas del enlace de sec- ción
se presenta el siguiente gráfico en el que se
ve el punto de inflexión de los coeficientes
en la etapa 982.
Gráfico 1: punto de inflexión del clúster je- rárquico.
Se
resta el número de etapa en la que se pro- dujo
el punto de inflexión, del número de ca- sos:
984 – 982. El resultado es 2, que es el número de segmentos en que se debe agrupar
a las unidades muestrales. Este es el valor K que se convierte en input del siguiente paso que es el conglomerado no jerárquico.
El
algoritmo no jerárquico K means nos per- mite
agrupar los datos, proceso que se hace a través
de varias iteraciones hasta que se gene- re una convergencia total,
dada por un valor de cero, que indica que ya no hay
variaciones, dicho de otra forma, que el cambio de las coordenadas máximas absolutas es cero.
Tabla 3: Variables – Iteraciones y cambios en
los centros de conglomerados
Luego
de las 10 iteraciones los centros encon- trados
en las variables son los siguientes. Hay que
resaltar en este punto, que se redujeron aún
más el número de variables para lograr un mejor
agrupamiento. Nótese que, a excepción de
la variable de género, los centros difieren entre
un grupo y otro, logrando así, una dife- renciación
en las características de cada con- glomerado;
las diferencias en la variable géne- ro
se encuentran a nivel decimal, por lo que, siendo
una variable dicotómica, no cabe inter- pretación decimal de la misma.
Tabla 4: Resumen de centros de conglomera- dos.
Cabe
en este punto realizar una prueba esta- dística
de hipótesis, el método a aplicarse es el ANOVA
y el parámetro de evaluación es Alp- ha (sig)
que se encuentra en la tabla 5.
La
hipótesis nula refiere que las medias son iguales,
esto significa un valor sig. mayor a 0.05.
La
hipótesis alternativa asevera que las me- dias
son diferentes, esto significa un valor sig.
menor a 0.05.
Tabla 5: Validación estadística de la heterogenei-
dad de los grupos.
De
estos resultados se procede con la hipótesis al- ternativa, que nos permite concluir que la media de los segmentos es diferente entre ellos, que es lo que
se quiere demostrar, la heterogeneidad entre
grupos.
Se
concluye de estos cuadros y resultados que la
elección de los dos clústeres es el mejor resultado de agrupamiento posible, que los casos
agrupados cumplen con los requisitos de heterogeneidad y homogeneidad
y que son válidos a nivel estadísti- co.
De
acuerdo a las variables que resultaron óptimas
para el clustering y a los valores de los centros en- contrados, se procede a presentar las
características particulares de
cada clúster. Como parte de la ca- racterización se nombra a cada clúster
“bautizándolo” por alguna de sus características para
poder reconocerlos con mayor facilidad.
Clúster
1: Este clúster, será identificado como el segmento de los “Maduros trabajadores”.
Clúster
2: Este clúster, será identificado como el segmento de los
“Jóvenes sin universidad”.
|
Maduros
trabajadores
|
Jóvenes sin
Universidad
|
|
Recuen- to
|
Porcenta- je
|
Recuen- to
|
Porcenta- je
|
|
320
|
32,5%
|
664
|
67,5%
|
Tabla 6: Frecuencias de los segmentos resul- tantes.
Segmento
de Maduros Trabajadores: Son el 32.5%
del estudiantadodel ITSQMET, estu-
dian administración de centros infantiles en la jornada matutina y son mayoritariamente mu- jeres de 34 años en promedio. Se
encuentran simultáneamente trabajando
y estudiando. No estudian su
tecnología por malas calificacio- nes en la prueba Ser Bachiller.
Segmento
de Jóvenes sin Universidad: Son el 67,5%
del estudiantado del ITSQMET, estu- dian
tanto en la carrera de centros infantiles como
en carreras administrativas preferente- mente
en la jornada intensiva, con una edad promedio
de 23 años, son tanto, hombres co- mo
mujeres con mayor representatividad en el sexo
femenino. Sólo estudian en su mayoría y tienen
un componente importante de opinio- nes
de que su determinación de estudiar en un instituto
tecnológico es por sus malas califica- ciones en la
prueba Ser Bachiller.
Para entender esta caracterización, la tabla 7 presenta el resumen de las variables de acuer- do a cada segmento.
Tabla 7: Frecuencias de las Carreras que es- tudian.
Los
Maduros trabajadores están representados mayoritariamente
por estudiantes de Adminis- tración de centros Infantiles, otras carreras están dispersas con bajos porcentajes. Los Jóvenes sin Universidad están repre- sentados también por estudiantes de Ad- ministración
de centros Infantiles, pero lo in- tegran
otras carreras con buena representativi- dad:
Administrativas con 39,9 % y Redes con 11,6%
Tabla 8: Frecuencias de la Jornada a la que asisten.
Tabla 9: Frecuencias por
género.
Tabla 10: Promedio de edad.
Tabla 11: Nivel en el que se encuentran
estu- diando.
Tabla 12: Motivo para estudiar una tecnolo- gía: Sacar bajo puntaje en la prueba Ser
Ba- chiller.
Tabla 13: Ocupación.
De
estas características y segmentos encontra-
dos se puede determinar que, al ser dos seg- mentos diferenciados la operatividad es ma- yor, tienen características claras y
diferencia- das entre ellos, el
volumen de estudiantado en cada grupo
es diferente y permite pesar a cuál grupo darle mayor énfasis
en las campañas comunicacionales que puedan derivarse, la caracterización
está dada en base a variables demográficas
identificables en el mercado por lo
que los segmentos pueden ser alcanzables con
los esfuerzos de marketing y el factor de- terminante
como razón de consumo es el no haber
alcanzado un puntaje en la prueba Ser Bachiller
para ingresar a una universidad.
Este
estudio proporciona los inputs necesarios para el desarrollo exitoso
de campañas de Marketing
y Publicitarias enfocadas a caracte- rísticas
relevantes del grupo de consumidores atendiendo
a sus motivaciones y criterios de elección.
Parte del desarrollo de estrategias de marketing
enfocadas está el diseño de servicio que
se puede realizar a partir de estos datos con
el cual se puede tener productos diferen- ciados para cada
grupo encontrado.
El
trabajo posterior que se realice con
el uso de estos datos y las
estrategias adecuadas pue- de
lograr el objetivo final de mayor número de
matriculados y una mayor tasa de retención de estudiantes.
REFERENCIAS BIBLIOGRAFÍCAS:
1. Boone, L., & Kurtz, D. (2015).
Contempo- rary Marketing. Cengage Learning:
New York.
2. López-Roldán, P., &
Fachelli, S. (2015). Metodología
de la Investigación Social Cuan- titativa.
Barcelona: UniversidadAutónoma de Barcelona.
3. Milligan , G., & Cooper, M.
(1987). Metho- dology review's
clustering methods. Applied PsychologicalMeasurement, 329-354.
4. Nielsen Holdings. (2017).
Informe FMCG & Retail: Las
marcas globales ganan terreno en
América Latina. New York: Nielsen Hol- dings.
5. Wyner, G. (2016, 12 1). How
Segmentation Provides the Roadmap
to Success. AMA Mar- keting News, p. 1.
