Modelos económetricos de ventas javier montero issuu

INSTITUTO TECNOLÓGICO SUPERIOR DE MARTÍNEZ DE LA TORRE INGENIERÍA EN GESTIÓN EMPRESARIAL DESICIONES MERCADOLOGICAS. DOCENTE: LIC. LUCELY ESCALANTE BARRAGÁN ALUMNO: C. JAVIER MONTERO PEREA LIGA:

MARTÍNEZ DE LA TORRE, VER., MAYO DE 2015

Contenido 1. Introducción......................................................................................................................................... 3 2. Modelos Econométricos De Venta .................................................................................................. 4 2.1.

Clasificación de los Modelos ................................................................................................ 4

2.2. Ejemplos de los Modelos Econométricos.............................................................................. 5 2.3. Cuadro comparativo .................................................................................................................... 8 3. Pronóstico de Ventas.......................................................................................................................... 9 3.1 Métodos cuantitativos. ................................................................................................................. 9 3.2 Métodos cualitativos ................................................................................................................... 10 3.3 Ejemplos de los métodos de pronósticos de ventas ......................................................... 10 4. Brief de la Investigación de Mercados ......................................................................................... 15 4.1 Descripción de los pasos del BRIEF ...................................................................................... 15 4.2 Elaboración de un ejemplo o caso práctico aplicando los pasos del BRIEF .............. 18 5. Análisis Multivariante. ...................................................................................................................... 19 5.1 Tipos de técnicas multivalentes .............................................................................................. 19 5.2 Etapas de un análisis multivalente ......................................................................................... 20 5.3 Ejemplo: Análisis de Regresión Múltiple .............................................................................. 21 6. Conclusión........................................................................................................................................... 23 7. Fuentes consultadas. ........................................................................................................................ 24

1. Introducción La herramienta más utilizada por los economistas es la construcción de modelos económicos teóricos y matemáticos que describan el comportamiento de los agentes económicos. Pero se debe definir cuál es la capacidad o finalidad los mismos, puede ser explicativa o predictiva, Determinando lo anterior se puede elegir una u otras alternativas.

La econometría tiene como finalidad la construcción de modelos. Con el sustento que brindan: la estadística y la investigación social y la teoría económica El mayor problema con el que se enfrentan los económetras en su investigación es la escasez de datos, los sesgos que pueden presentar los datos existentes y la ausencia o insuficiencia de una teoría económica adecuada. La econometría es la única aproximación científica al entendimiento de los fenómenos económicos.

2. Modelos Econométricos De Venta Econometría: rama de la economía que hace un uso extensivo de modelos matemáticos y estadísticos así como de la programación lineal y la teoría de juegos para analizar, interpretar y hacer predicciones sobre sistemas económicos, prediciendo variables como el precio, las reacciones del mercado, el coste de producción, la tendencia de los negocios y las consecuencias de la política económica.

2.1.

Clasificación de los Modelos

Existe una tipología de modelos econométricos en función de distintas clasificaciones.

Según el tipo de datos de las variables utilizadas en el modelo: 

Series temporales: los datos pueden corresponder a los valores de una variable en el tiempo. Estos pueden tener frecuencia, diaria, semanal, mensual o anual.

Así podemos analizar las cotizaciones en bolsa diarias, los índices de predio al consumo mensuales, los datos anuales del PIB de un país, etc.



Series de corte transversal: los valores corresponden a distintos sujetos para un mismo momento del tiempo. En este caso se trataría de series del tipo de consumo de diferentes familias, inversión de distintas empresas, paro en diferentes provincias, etc.

Según el momento del tiempo al que hacen referencia se distingue entre: 

Modelos estáticos: cuando el subíndice i hace referencia al mismo momento del tiempo o al mismo individuo económico tanto para la endógena como para todas las explicativas.



Modelos dinámicos: cuando están involucradas las variables en diferentes puntos del tiempo. Así si estoy analizando la variable endógena consumo, utilizaré como variable explicativa la renta de ese mismo periodo, pero también podría utilizar la renta del año pasado, ya que mis decisiones de compra las tomaré en función de lo que pude ahorrar el año pasado. Al incluir variables en distintos momentos del tiempo podemos hablar de modelos dinámicos.

Según el número de variables endógenas que se desee explicar:



Modelos uniecuaciones: únicamente existe una variable endógena.



Modelos multiecuacionales: existen varias variables endógenas que deseamos explicar, algunas de las cuales pueden ser a su vez variables explicativas de otras ecuaciones.

Según la transformación de los datos que se realice: 

Modelo en niveles: las variables aparecen expresadas en unidades de medida.



Modelo en tasas de variación: las variables aparecen expresadas como incrementos. Cuando una variable la expreso en vez de en niveles en incrementos estoy eliminando la tendencia. Al introducir las variables en niveles puedo encontrar un mayor número de variables explicativas aparentemente correctas, ya que es más fácil encontrar variables explicativas que tengan la misma tendencia que la endógena. Pero eso no significa que esas variables sean las que realmente son causas explicativas de los cambios de la endógena. Por ello, al eliminar la tendencia de las variables exijo más al modelo, es decir, tengo en cuenta las variables que son realmente “causa”.



Modelo en logaritmos. El modelo básico de regresión lineal permite únicamente trabajar con relaciones lineales. Pero no todas las variables tienen porque estar expresadas a través de una relación lineal. Cuando estimo un modelo únicamente con una variable endógena y una explicativa lo que trato es de encontrar la línea que mejor me recoja la información suministrada por ambas variables.

2.2. Ejemplos de los Modelos Econométricos Modelos de series temporales uniecuacionales. Ejemplo: supongamos el siguiente modelo: Vt = a + bPRt + cPBt Siendo V: ventas de una empresa. PR: precios y PB: presupuesto en publicidad.

Modelos de series temporales multiecuacionales

Modelo de Lawrence R. Klein:

Modelos autorregresivos de series temporales.

Sea un modelo de la serie mensual de consumo de gasolina (z), que ha sido previamente transformada en logaritmos y en diferencias (primeras diferencias y diferencias de orden 12) con el objetivo de eliminar de la misma todas las tendencias existentes (tendencias en varianza y tendencias en media, en la parte regular y estacional).

El modelo finalmente especificado es el siguiente:

Se trata de un modelo ARIMA (1,1,1) x SARIMA(1,1,0) en el que la variable del consumo de gasolina se explica en función de sí misma en el mes anterior, así como también doce meses antes, y del error que comete el modelo en el período anterior.

Modelos de datos de corte-transversal.

Sea un modelo de asalariados del Panel de Hogares de la UE 94:

Donde w es el salario-hora en pesetas y S el nivel educativo en años. El coeficiente estimado de β1 indica en cuántas pesetas se incrementan el salario ante aumentos del nivel educativo en 1 año.

Si la variable de salarios-hora se transforma en logaritmos:

Se puede saber en qué porcentaje (en tantos por 1) se incrementa el salario-hora ante variaciones del nivel educativo en 1 año.

Dado que la experiencia de trabajo (EX) es también una variable importante, el modelo anterior debería considerar también esta variable. Aunque, en este caso, el impacto que valores mayores de años de experiencia sobre el salario-hora se supone que se produce de forma menos que proporcional:

En este caso, se espera un signo negativo en β4.

2.3. Cuadro comparativo

Modelos

Uniecuacionales

multiecuacionales.

y

Son

relevantes

ecuaciones

los

modelos

simultaneas,

que

de se

caracterizan porque dos o más variables vienen determinadas simultáneamente; existen interrelaciones entre las variables incluidas en las diferentes relaciones Modelos lineales.

La aplicación práctica de este modelo depende de la forma de las relaciones; si

No lineales.

estas son lineales se habrán eliminado un buen número de obstáculos.

Modelos Estáticos

Cuando no aparecen variables endógenas retardadas.

Modelos abiertos y Cerrados

Se relacionan con economías abiertas y economías cerradas.

Modelos de decisión

Se utilizan para la toma de decisiones con fines de política económica.

Modelos de predicción.

Se pretende elegir los valores de las variables.

3. Pronóstico de Ventas.

Un pronóstico de venta es la estimación o previsión de las ventas de un producto (bien o servicio) durante determinado período futuro. La demanda de mercado para un producto es el volumen total susceptible de ser comprado por un determinado grupo de consumidores, en un área geográfica concreta, para un determinado período, en un entorno definido de marketing y bajo un específico programa de marketing.

3.1 Métodos cuantitativos.

Análisis de los factores de mercado: La demanda de un producto siempre se relaciona con el comportamiento de ciertos factores de mercado. Al ser esto cierto, podemos determinar una estimación de venta estudiando los factores relacionados con el producto. 



Método de derivación directa: se trata de un estudio de los factores relacionados con un producto y las consecuencias directas de su uso y compra, determinando aspectos como desecho, recambio, rotura, moda, etc.

Análisis de correlación: mide la relación directa entre dos datos o factores de mercado, se puntúa de 0 (sin relación) a 1 (relación perfecta).

Análisis de ventas históricas y la tendencia: Consiste en pronosticar teniendo en cuenta las ventas y demanda del pasado, considerando factores del momento. No necesariamente el pronóstico es positivo.

Donde: , ventas previstas para el próximo período. , constante alisadora comprendida entre 0 y 1 , ventas en el período t , ventas previstas para el período t.

Pruebas de Mercados: Un empresa vende un producto determinado en una zona restringida a modo de piloto o experimento y mide sus resultados. Se proyectan las ventas y la demanda potencial.

3.2 Métodos cualitativos Pronósticos generados a partir de información que no contiene estructura analítica bien definida. Encuesta de las intenciones del comprador: Relevamiento de opinión. Precio, calidad, etc. Participación de la Fuerza de ventas: Pronosticar las ventas con estimaciones de vendedores, distribuidores, jefes de ventas, etc.

Juicio de los ejecutivos: puede ser acertado si los ejecutivos son competentes.

3.3 Ejemplos de los métodos de pronósticos de ventas Promedio móvil.

La tienda de suministros para jardín “El pino” quiere hacer el pronóstico de ventas de tijera para césped con el promedio móvil de 3 meses.

Mes

Ventas Reales

Promedio móvil de tres meses

Enero

10

Febrero

12

Marzo

13

Abril

16

(10+12+13)/3 = 11.66

Mayo

19

(12+13+16)/3 = 13.66

Junio

23

(13+16+19)/3 = 16

Promedio Móvil Ponderado.

Un almacén ha determinado que el mejor pronóstico se encuentra determinado con 4 datos y utilizando los siguientes factores de ponderación (40%, 30%, 20% y 10%).

Determinar el pronóstico para el período 5.

Período

Ventas (unidades)

Ponderación

Mes 1

100000

10%

Mes 2

90000

20%

Mes 3

105000

30%

Mes 4

95000

40%

Solución En este caso el primer paso consiste en multiplicar a cada período por su correspondiente factor de ponderación, luego efectuar la sumatoria de los productos.

Podemos así determinar que el pronóstico de ventas para el período 5 es equivalente a 97500 unidades.

Suavización Exponencial Simple.

En Enero un vendedor de vehículos estimó unas ventas de 142 automóviles para el mes siguiente. En Febrero las ventas reales fueron de 153 automóviles. Utilizando una constante de suavización exponencial de 0.20 presupueste las ventas del mes de Marzo.

Solución

Podemos así determinar que el pronóstico de ventas para el período 3 correspondiente a Marzo es equivalente a 144 automóviles.

Regresión lineal simple La juguetería Gaby desea estimar mediante regresión lineal simple las ventas para el mes de Julio de su nuevo carrito infantil "Mate". La información del comportamiento de las ventas de todos sus almacenes de cadena se presenta en el siguiente tabulado.

Mes 1 Enero 2 Febrero 3 Marzo 4 Abril 5 Mayo 6 Junio

Ventas 7000 9000 5000 11000 10000 13000

El primer paso para encontrar el pronóstico del mes 7 consiste en hallar la pendiente, para ello efectuamos los siguientes cálculos:

Luego, y dado que ya tenemos el valor de la pendiente b procedemos a calcular el valor de a, para ello efectuamos los siguientes cรกlculos:

Ya por último, determinamos el pronóstico del mes 7, para ello efectuamos el siguiente cálculo:

Podemos así determinar que el pronóstico de ventas para el período 7 es equivalente a 13067 unidades.

4. Brief de la Investigación de Mercados La palabra briefing surgió del lenguaje militar, cuyo significado tenía que ver con el detalle de las instrucciones que se daban en relación a una operación militar. Es así que brief significa información, memoria, informe.

Para realizar un Plan de Medios es necesario, como en todo plan estratégico, contar con un claro itinerario a seguir, y este está dado por el Brief, que definirá el trabajo a efectuar, la asignación de recursos que para ello se contará y los medios y soportes que se utilizarán para llegar, de mejor manera, más eficiente y de manera más económica a la meta fijada.

4.1 Descripción de los pasos del BRIEF 1. Descripción del proyecto De qué se trata en general la campaña, qué producto o servicio se va a lanzar y si se va a reposicionar o establecer en el mercado.

2. Reto Cuál es el problema a resolver por la campaña: acciones para generar ventas, obtener una mayor participación de mercado, cambiar una imagen negativa, reforzar una imagen positiva, etc.

3. Objetivo de negocio Qué se pretende lograr con el esfuerzo: crecimiento, mayor margen de utilidad, posicionamiento de un nuevo producto o servicio, enfrentar a la competencia, etc.

4. Objetivo de la marca Conocimiento, posicionamiento, diferenciación.

5. Objetivos de comunicación

Qué mensaje deseamos transmitir con respecto al producto o servicio que estamos promoviendo; qué imagen queremos que se tenga del producto, servicio y, por supuesto, con todo ello la marca.

6. Target ¿a quién le estamos hablando?

•

Nivel socio económico NSE ABC+

•

Perfil psicográfico y de comportamiento de acuerdo a la categoría de producto

•

¿Qué queremos decirle al consumidor?

Mensajes clave con respecto al producto y/o servicio así como las razones para creer en él.

7. Insigths de y al consumidor Cómo se comporta el consumidor con respecto al producto o servicio (conductas y creencia). Sintonizar los mensajes con dichos insigths.

8. Carácter de la marca.

Cómo se define y posiciona la marca en cuanto a sí misma y a la competencia con los demás productos o servicios de la categoría: Joven, sólido, dinámico, innovador, flexible, segura, institucional, preocupado por sus consumidores, etc.

9. Estilo y tono.

La marca y el producto establecen un estilo de comunicación de acuerdo a su carácter y se aplica en todas sus comunicaciones: divertido, humorístico, educativo, formativo, con un tono que puede ser amable, alegre o solemne y serio.

10. Los no.

Qué elementos de comunicación definitivamente no deben estar mostrados en la campaña, por ejemplo: tono y estilo rebuscado; cuando la marca y el producto son alegres y cercanos a la gente o, por el contrario, falta de formalidad cuando se trata de un tema serio o prudencia cuando el tema lo requiere.

11. Beneficios: Tener claros los beneficios que brindan al consumidor el producto o servicio.

12. Mandatorios •

De imagen corporativa, como el manejo de logotipo, colores, slogan

•

De marco legal y autorregulación

13. Periodo de la campaña Tiempo de vigencia de la campaña y, en campañas promocionales, vigencia de concursos, rifas y sorteos.

14. Presupuesto Asignación de recursos financieros al proyecto.

15. ENTREGABLES Materiales informativos (investigaciones, análisis, mediciones estadísticas), reportes de actividades y resultados, etc.

Materiales Creativos: proyecto de la campaña estrategia de comunicación, estrategia de medios.

Producción: materiales gráficos, audiovisuales, desarrollos y aplicaciones tecnológicas, herramientas para ejecuciones, vehículos bandeados, etc.

4.2 Elaboración de un ejemplo o caso práctico aplicando los pasos del BRIEF Características del brief publicitario: Datos de la empresa (información general).

Plan de mercadotecnia, objetivo y estrategias.

Audiencia, meta o prototipo que desea alcanzar.

Restricciones de comunicación ( que se debe mencionar y que NO se debe mencionar).

Resultados esperados (Valorados en términos de ventas, recordación, etc).

Información detallada del mercado: Clientes.

Competencia.

Posición actual.

Posición que se espera tener en el mercado.

Lineamientos creativos Tono de la campaña: conservadora, vanguardista, agresiva, popular, etc.

Colores que se deban o puedan utilizar.

Si se quiere o no la imagen del producto dentro de la publicidad.

Si se quiere algún personaje o persona especifica como imagen de la campaña.

Presupuesto.

Medios sugeridos: Televisión.

Radio.

Espectaculares.

Móviles Cine.

Folletos.

Stands publicitarios.

Eventos.

Promociones de venta (muestra gratuita, descuentos, ofertas de reembolso, cupones, formación de productos, productos con bonificación, estampillas canjeables, artículos promocionales y regalos, sorteos, premios promocionales a la compra, etc.).

5. Análisis Multivariante.

“El Análisis Multivariante (Cuadras, 1981) es la rama de la Estad de la Estadística y del análisis de datos, que estudia, interpreta y elabora el material estadístico sobre un conjunto de n>1 de variables, que pueden ser cuantitativas, cualitativas o una mezcla.

Conjunto de métodos estadísticos cuya finalidad es analizar simultáneamente conjuntos de datos multivariantes en el sentido de que hay varias variables medidas para cada individuo u objeto estudiado.

Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio obteniendo información que los métodos estadísticos univariantes y bivariantes son incapaces de conseguir.

5.1 Tipos de técnicas multivalentes Se pueden clasificar en tres grandes grupos (ver esquema adjunto): 1)

Métodos de dependencia

Suponen que las variables analizadas están divididas en dos grupos: las variables dependientes y las variables independientes. El objetivo de los métodos de dependencia consiste en determinar si el conjunto de variables independientes afecta al conjunto de variables dependientes y de qué forma.

2)

Métodos de interdependencia

Estos métodos no distinguen entre variables dependientes e independientes y su objetivo consiste en identificar qué variables están relacionadas, cómo lo están y por qué.

3)

Métodos estructurales

Suponen que las variables están divididas en dos grupos: el de las variables dependientes y el de las independientes. El objetivo de estos métodos es análizar, no sólo como las variables independientes afectan a las variables dependientes, sino también cómo están relacionadas las variables de los dos grupos entre sí.

5.2 Etapas de un análisis multivalente Pueden sintetizarse en 6: 1) Objetivos del análisis Se define el problema especificando los objetivos y las técnicas multivariantes que se van a utilizar.

El investigador debe establecer el problema en términos conceptuales definiendo los conceptos y las relaciones fundamentales que se van a investigar. Se deben establecer si dichas relaciones van a ser relaciones de dependencia o de interdependencia. Con todo esto se determinan las variables a observar.

2) Diseño del análisis.

Se determina el tamaño muestral, las ecuaciones a estimar (si procede), las distancias a calcular (si procede) y las técnicas de estimación a emplear. Una vez determinado todo esto se proceden a observar los datos 3) Hipótesis del análisis Se evalúan las hipótesis subyacentes a la técnica multivariante. Dichas hipótesis pueden ser de normalidad, linealidad, independencia, homocedasticidad, etc. También se debe decidir qué hacer con los datos missing.

4) Realización del análisis Se estima el modelo y se evalúa el ajuste a los datos. En este paso pueden aparecer observaciones atípicas (outliers) o influyentes cuya influencia sobre las estimaciones y la bondad de ajuste se debe analizar.

5) Interpretación de los resultados.

Dichas interpretaciones pueden llevar a re especificaciones adicionales de las variables o del modelo con lo cual se puede volver de nuevo a los pasos 3) y 4) 6) Validación del análisis.

Consiste en establecer la validez

de los resultados obtenidos analizando

sí los

resultados obtenidos con la muestra se generalizar a la población de la que procede.

Para ello se puede dividir la muestra en varias partes en las que el model se vuelve a estimar y se comparar los resultados. Otras técnicas que se pueden utilizar aquí son las técnicas de re muestreo (jacknife y bootstrap).

5.3 Ejemplo: Análisis de Regresión Múltiple 1) Objetivos del análisis Predecir el gasto en cine de una persona a partir de su nivel de ingresos, nivel educativo, sexo y edad lo cual nos permitiría entender mejor cuáles son las pautas de comportamiento de la población.

Para ello se propone un análisis de regresión múltiple en el que la variable dependiente sería el gasto en cine y como variables independientes el resto.

2) Diseño del análisis Se decidiría cómo elegir la muestra, el tamaño de la misma y cómo medir las variables implicadas en el análisis. El gasto en cine podría medirse como el gasto anual en cine medido en pesetas. El nivel de ingresos podría medirse con una variable ordinal, dadas las reticencias a dar información precisa sobre este tipo de variables; el nivel educativo sería una variable ordinal; el sexo una variable binaria y la edad una variable cuantitativa medida en años.

El tamaño de la muestra se eligiría en función de la potencia que se quiera dar a la regresión múltiple. Así, por ejemplo, con un tamaño muestral de 100 observaciones se podría detectar, en una regresión múltiple lineal, las relaciones con un coeficiente de

correlación múltiple (R2) de aproximadamente igual a 0.3 con una potencia de 0.8% utilizando un nivel de significación igual a 0.01. Conviene, además, que el ratio del número de observaciones al número de parámetros a estimar sea lo suficientemente amplio para estimar los parámetros del modelo con el menor error posible 3) Hipótesis del análisis Hay que comprobar la linealidad de la relación, la normalidad y la homocedasticidad. No hay datos missing y se deben estudiar la posible existencia de ouliers en cada una de las variables.

4) Realización del análisis Se puede utilizar el estimador de mínimos cuadrados del que se conoce su distribución muestral bajo hipótesis de normalidad. Dicho estimador coincide con el máximo verosimil y es eficiente. Se puede también utilizar el método de regresión paso a paso para determinar las variables independientes a incluir en la regresión. Una vez estimada la ecuación de regresión se estudia la bondad de ajuste mediante el cálculo de R2 y el análisis de los resíduos. Se estudiaría la homocedasticidad, independencia, posible omisión de variables, existencia de outliers e influencia de observaciones individuales 5) Interpretación de los resultados Se interpretaría el valor de los coeficientes obtenidos así como su signo teniendo cuidado con la posible existencia de multicolinealidad 6) Validación del análisis Se divide la muestra en dos submuestras de tamaño 50 y se vuelve a estimar la ecuación de regresión en cada submuestra comparando los resultados.

6. Conclusión.

Un elemento fundamental de una buena planeación de la comercialización consiste en pronosticar con la mayor exactitud la demanda de un producto. Estimar las ventas de un producto durante determinado periodo futuro. Los ejecutivos calculan primero la demanda en toda la industria o mercado para luego predecir las ventas de los productos de la compañía en ellos.

El pronóstico de la demanda da origen a varias clases de proyecciones.

Por ejemplo: •

Una industria entera

•

Una línea de productos

•

Una marca individual.

Para que un pronóstico se entienda y sea útil, es importante aclarar exactamente qué cosa describe.

El Análisis Multivariante es el conjunto de métodos estadísticos cuya finalidad es analizar simultáneamente conjuntos de datos multivariantes en el sentido de que hay varias variables medidas para cada individuo ú objeto estudiado.

Su razón de ser radica en un mejor entendimiento del fenómeno objeto de estudio obteniendo información que los métodos estadísticos univariantes y bivariantes son incapaces de conseguir.

Es preferente aplicar métodos cuantitativos, para la toma de decisiones. De esta manera podemos fundamentar nuestras acciones. Y que sean más confiables, sin embargo la experiencia de los gerentes y administradores es valiosa, por ese motivo no debemos descartar los métodos cualitativos, en resumen la combinación de estos puede ser la forma más viable de decidir.

7. Fuentes consultadas.

Recuperado de: •

https://www.uam.es/personal_pdi/economicas/sgarcia/modelos.pdf

Recuperado de: •

http://www.uam.es/personal_pdi/economicas/coro/docencia/doctorado/ecoespaci alUAM/EjemplosModelos.pdf

Recuperado de: •

http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/pron%C3%B3stico-de-ventas/promedio-m%C3%B3vil-ponderado/

Recuperado de: •

http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/pron%C3%B3stico-de-ventas/regresi%C3%B3n-lineal/

Recuperado de: •

http://www.amapro.com.mx/pdf/sugerencia-como-hacer-brief.pdf

Recuperado de: •

http://ciberconta.unizar.es/leccion/anamul/inicio.html