TAREA 2

UNDERSTANDING CONSUMER BEHAVIOR

THROUGH DISCRETE CHOICE MODELS

Autor: Andrés Vidal Jara

Profesor: Sebastián Astroza, PhD.

Fecha de entrega: 16 de mayo de 2018

Introducción:

Los modelos de elección discreta son una poderosa herramienta para comprender los
factores que influencian las decisiones de consumo de las personas. Poseen la gran ventaja de que
pueden ser utilizados en una diversa cantidad de problemas, perteneciente a áreas muy diversas.
La decisión de consumo analizada en este informe ha sido ampliamente estudiada a lo largo de los
años por numerosos autores.

En este trabajo se analizara la elección entre cuatro marcas de champaña: Champagne

Delamotte (DEL), Champagne Gosset (GOS), Champagne Veuve Clicquot Ponsardin (VCP) y
Champagne Henri Mandois (HM), basado en una muestra de individuos de Francia que
manifestaban ser consumidores ocasionales o regulares de champaña.

Inicialmente se describirá la muestra utilizando estadística descriptiva, analizando además

si esta es representativa de la población actual de Francia.

Posteriormente se estimara un Multinomial Logit Model buscando la mejor especificación

en términos de bondad de ajuste y se intentará encontrar explicaciones intuitivas para los
coeficientes.

Luego, utilizando esta misma especificación, se estimaran modelos para distintos

segmentos del mercado, analizando los cambios producidos y su relevancia estadística.

Finalmente, se estimara con la misma especificación un Probit Model.

 I) CARACTERISTICAS DEL CONJUNTO DE DATOS.

I.I) Descripción del conjunto de datos:

El conjunto de datos está compuesto 2974 observaciones, cada uno representando a un

individuo mayor de 18 años que manifiesta ser bebedor ocasional o regular de champaña. Existen
38 variables: 13 variables sociodemográficas de escala nominal, 4 variables sociodemográficas de
escala ordinal, 21 variables asociadas a características percibidas del producto de escala ordinal
agrupadas en 7 categorías y 4 constantes asociadas al precio de cada producto.

A continuación se presenta un resumen de las variables utilizando estadística descriptiva,

según el tipo de escala de cada una.

I.I.I) Variables sociodemográficas de escala nominal:

Nombre Descripción Valores Porcentaje

Mujer 56.93%
GENDER Genero
Hombre 43.07%
Tiempo completo 59.58%
WORK Estatus laboral Tiempo parcial 29.72%
Desempleado 10.69%
Sin religión 59.41%
Cristiano 27.20%
RELIGION Religión
Musulmán 9.41%
Judío 3.97%
Soltero 56.19%
MARRIED Estatus marital Casado 29.22%
Divorciado 14.59%
¿Ha comprado Sí 29.89%
PURCH
provisiones online? No 70.11%
¿Es usted un usuario Sí 51.01%
FACEBOOK
regular de Facebook? No 48.99%
¿Es usted un usuario Sí 34.67%
TWITTER
regular de Twitter? No 65.33%
¿Es usted un usuario Sí 22.70%
INSTA
regular de Instagram? No 77.30%
SÍ 30.67%
KIDS ¿Tiene hijos?
No 69.33%
Sí 19.20%
ALONE ¿Vive solo?
No 80.80%
 Nombre Descripción Valores Porcentaje
Grand Est 25.18%
Nouvelle-Aquitaine 4.40%
Auvergne Rhône-Alpes 0.00%
Bretagne 0.00%
Bourgogne France-Comté 3.97%
Centre Val de Loire 7.16%
Corse 8.17%
REGION Región de residencia
Languedoc-Roussillon
9.15%
Midi-Pyrénées
Normandie 8.04%
Nord-Past-de-Calais Picardie 8.68%
Île-de-France 8.78%
Pays de la Loire 8.57%
Provence-Alpes-Côte d’Azur 7.90%
Urbano 61.70%
Densidad del vecindario
DENSIT Suburbano 27.30%
de residencia
Rural 11.00%

I.I.II) Variables sociodemográficas de escala ordinal:

Nombre Descripción Valores Porcentaje

Colegio o menos 55.95%
GRAD Nivel educacional Pregrado 28.72%
Postgrado o superior 15.33%
No estudiante 56.15%

STUTENT Estatus estudiantil Estudiante de pregrado 27.98%

Estudiante de postgrado 15.87%

Menos de 15.000 37.19%
INCOME Ingreso anual en euros Entre 15.000 y 30.000 34.23%
Más de 30.000 28.58%
¿Qué tan seguido Ocasional 55.92%
FREQ bebe
Regular 44.08%
champaña?
Absoluto principiante 30.36%
¿Cómo se define como Amante del vino bastante ignorante 30.43%
DRINKER
bebedor de vinos? Amante del vino bastante conocedor 30.06%
Experto 9.15%
 I.I.III) Variables de características percibidas de los productos de escala nominal:

Variable Descripción Marca Sí No

DEL 71.22% 28.78%
GOS 40.38% 59.62%
KNOWN ¿Es la marca bien conocida?
VCP 49.53% 50.47%
HM 76.13% 23.87%

I.I.IV) Variables de características percibidas de los productos de escala ordinal:

Atributo Descripción Marca Muy malo Malo Neutral Bueno Muy bueno
DEL 9.8% 20.2% 39.3% 20.1% 10.6%
Evaluación del GOS 1.8% 5.0% 8.3% 18.1% 66.7%
BOTTLE
diseño de la botella VCP 5.5% 7.8% 11.4% 29.4% 45.9%
HM 18.1% 27.4% 31.3% 15.0% 8.2%
DEL 9.4% 10.1% 40.5% 19.7% 20.3%
Evaluación de la GOS 4.3% 5.2% 31.4% 39.6% 19.6%
INFLAB
etiqueta informativa VCP 4.8% 4.6% 30.4% 38.6% 21.7%
HM 8.7% 8.5% 28.4% 39.3% 15.1%
DEL 9.9% 9.9% 50.8% 14.3% 15.2%
Evaluación del estilo GOS 4.4% 4.6% 20.4% 30.8% 39.7%
LAB
de la etiqueta VCP 5.0% 5.6% 25.7% 32.8% 30.9%
HM 15.1% 23.3% 40.7% 14.3% 6.7%
DEL 2.1% 2.0% 8.4% 57.3% 30.2%
Evaluación del olor GOS 2.0% 2.6% 7.1% 50.4% 38.0%
SMELL
de la champaña VCP 1.8% 2.3% 7.6% 57.8% 30.4%
HM 2.0% 1.6% 7.6% 60.9% 27.9%
DEL 1.7% 2.0% 7.5% 60.4% 28.5%
Evaluación del color GOS 2.2% 1.7% 7.2% 51.9% 37.0%
COLOR
de la champaña VCP 2.2% 2.2% 8.5% 50.5% 36.6%
HM 2.0% 1.8% 8.2% 65.1% 23.0%
DEL 9.9% 10.7% 29.8% 23.8% 25.9%
Evaluación de la GOS 9.7% 10.1% 49.0% 15.5% 15.8%
ADV
publicidad VCP 8.6% 9.9% 51.3% 15.5% 14.7%
HM 9.8% 10.7% 50.4% 15.0% 14.2%
 I.I.V) Variable sociodemográfica de escala de razón:

Variable Descripción Promedio Desviación estándar Mínimo Máximo

Age Edad del individuo 34.85 10.02 18 52

I.I.VI) Constantes asociadas a cada producto:

Variable Descripción DEL GOS VCP HM

Precio de la
PRIZE botella 15.85 27.35 20.88 12.5

I.I.VII) Distribución inicial de mercado:

Finalmente se presenta la distribución actual de mercado en el siguiente gráfico:

Henri Mandois
Delamotte
8.14%
13.72%

Veuve Clicquot
Ponsardin 30.73%

Gosset 47.41%
Elección de champaña
I.II) Potencial de representatividad de la muestra:

Posteriormente se identifica si existe representatividad en la muestra respecto a la

población actual de Francia:

Se utilizarán test de bondad de ajuste de Chi-cuadrado para la distribución multinomial

(identificándolo como “General”) y pruebas de hipótesis de igualdad de proporciones.

I.II.I) Variable GENDER:

Categorías Muestra Población1 Diferencia Valor obs. Valor critico Valor p

General - - 34.067 2.706 < 0,0001
Mujer 0.569 0.516 0.053 5.831 1.645 < 0,0001
Hombre 0.431 0.484 -0.053 -5.831 1.645 < 0,0001

Se evidencia que no existe representatividad en los datos de la muestra para esta variable,
estando sobrerrepresentadas las mujeres y subrepresentados los hombres respecto a la población.

Gender
60%

50%

40%

30%

20%

10%

0%
Mujer Hombre

Muestra Población

1 INSEE (2018). Population and population structure

 I.II.I) Variable REGION:

Valor Muestra Población2 Diferencia Valor obs. Valor critico Valor p

General - - - 34.067 2.706 < 0,0001
Grand Est 0.252 0.085 0.167 32.549 1.645 < 0,0001
Nouvelle-Aquitaine 0.044 0.092 -0.048 -9.094 1.645 < 0,0001
Auvergne Rhône-Alpes 0.000 0.124 -0.124 -20.508 1.645 < 0,0001
Bretagne 0.000 0.051 -0.513 -56.001 1.645 < 0,0001
Bourgogne Franche-Comté 0.040 0.043 -0.003 -0.938 1.645 0.348
Centre Val de Loire 0.072 0.040 0.032 8.962 1.645 < 0,0001
Corse 0.082 0.005 0.077 58.202 1.645 < 0,0001
Occitanie3 0.091 0.091 0.001 0.159 1.645 0.874
Normandie 0.080 0.051 0.029 7.195 1.645 < 0,0001
Hauts-de-France4 0.087 0.093 0.000 0.020 1.645 0.984
Île-de-France 0.088 0.188 -0.101 -14.053 1.645 < 0,0001
Pays de la Loire 0.086 0.058 0.028 6.455 1.645 < 0,0001
Provence-Alpes-Côte d’Azur 0.079 0.078 0.001 0.262 1.645 0.794

Se evidencia que para esta variable, la muestra representa pobremente la población,

estando únicamente bien representada en las regiones Bourgogne France-Comté, Occitanie, Hauts-
de-France y Provence-Alpes-Côte d’Azur.

REGION
30%
25%
20%
15%
10%
5%
0%

Muestra Poblacion

2
INSEE (2018) Population by region and departament.
3 Occitanie es el nombre actual de la antigua región Languedoc-Roussillon Midi-Pyrénées
4 Hauts-de-France es el nombre actual de la antigua región Nord-Pasde-Calais Picardie
I.I.III) Variable RELIGION:

Valor Muestra Población56 Diferencia Valor obs. Valor critico Valor p

General - - - 2379.863 6.251 < 0,0001
Sin religión 0.594 0.269 0.325 40.008 1.645 < 0,0001
Cristiano 0.272 0.645 -0.373 -42.526 1.645 < 0,0001
Musulmán 0.094 0.080 -0.010 -2.056 1.645 0.040
Judío 0.040 0.006 0.034 23.900 1.645 < 0,0001

Se evidencia que para esta variable la muestra no representa efectivamente la población de

Francia. Existe una aceptable desviación del tamaño de la proporción para los musulmanes y una
elevada desviación para aquellos sin religión, cristianos y judíos.

RELIGION
70%

60%

50%

40%

30%

20%

10%

0%
Sin religión Cristiano Musulmán Judío

Muestra Población

5
CIA (2015) World Factbook - France
6
Francia mantiene una larga tradición de secularismo y prohíbe a sus organismos públicos recopilar
información sobre la religión de las personas. Se utilizó esta base de datos y aunque existían diferencias
respecto a otras fuentes, en ninguna de ellas la muestra estaba bien representada.
I.I.IV) Variable AGE:

Edad Muestral Poblacional7 Edad Muestral Poblacional

18 2.15% 1.56% 36 3.16% 1.65%
19 2.96% 1.54% 37 3.26% 1.67%
20 3.19% 1.48% 38 2.86% 1.58%
21 2.39% 1.48% 39 3.09% 1.55%
22 2.96% 1.45% 40 2.89% 1.57%
23 3.30% 1.39% 41 2.52% 1.53%
24 3.23% 1.38% 42 2.59% 1.57%
25 3.46% 1.44% 43 2.89% 1.65%
26 2.93% 1.46% 44 2.35% 1.74%
27 2.93% 1.50% 45 3.06% 1.78%
28 2.79% 1.50% 46 2.96% 1.77%
29 2.76% 1.52% 47 3.26% 1.74%
30 2.86% 1.53% 48 2.59% 1.71%
31 2.69% 1.56% 49 2.76% 1.70%
32 2.52% 1.56% 50 2.45% 1.69%
33 3.50% 1.56% 51 2.99% 1.73%
34 2.42% 1.54% 52 2.62% 1.73%
35 2.66% 1.63% 53 o más 0% 44.55%

Es evidente que la muestra no es representativa para la edad, principalmente por no

contener personas mayores a 53 años, las cuales equivalen a casi la mitad de los habitantes del país.
Todos los demás estratos están sobrerrepresentados.

Finalmente se concluye que la muestra representa pobremente a la población actual de

Francia y por tanto no se puede asegurar que los resultados conseguidos en este informe sean
válidos si sean extrapolan a esta población.

7
INSEE (2018). Population and population structure.
 II) Estimación de Multinomial Logit Model:

Se presenta a continuación un MNL con la mejor especificación encontrada en términos de

bondad de ajuste, que pueda ser explicada de forma intuitiva, utilizando como base la alternativa
GOS. Las variables utilizadas en el modelo se describen en la siguiente tabla:

Variable Descripción
ADV_X Calificación dada a la publicidad de la marca X
AGE Edad
Calificación dada al estilo/diseño
BOTTLE_X
de la botella marca X
1, si vive en Grand East
GE
0, en otro caso
1, si su ingreso es sobre 30.000 euros anuales
HIGHINCOME
0, en otro caso
Calificación dada a la etiqueta
INFLAB_X
informativa de la marca X
1, si la marca X es bien conocida
KNOWN_X
0, en otro caso

LAB_X Calificación dada al estilo/diseño de la etiqueta de la marca X

1, si una o más características de la marca X fueron calificadas

MIN_X como "muy mala"
0, en otro caso
1, si es consumidor regular de champaña
REGULARD
0, en otro caso
1, si es mujer
WOMAN
0, en otro caso
Los resultados obtenidos fueron los siguientes:

Parámetro Valor Estadístico t Valor p

BETA_ADV 0.198 9.27 0
BETA_AGE_DEL -0.0178 -3.2 0
BETA_AGE_HM -0.0267 -3.8 0
BETA_BOTTLE 0.121 5.54 0
BETA_GE_DEL -0.524 -3.79 0
BETA_GE_HM -0.413 -2.43 0.02
BETA_HIGHINCOME_DEL -0.252 -1.95 0.05
BETA_HIGHINCOME_HM -0.734 -4.11 0
BETA_HIGHINCOME_VCP -0.215 -2.24 0.02
BETA_INFLAB 0.144 5.04 0
BETA_KNOWN -0.172 -3.6 0
BETA_LAB 0.109 5.04 0
BETA_MIN_DEL -0.325 -2.53 0.01
BETA_REGULARD_DEL -0.309 -2.73 0.01
BETA_REGULARD_HM -0.325 -2.28 0.02
BETA_WOMAN_DEL -0.493 -4.24 0
BETA_WOMAN_HM -0.677 -4.71 0
BETA_WOMAN_VCP -0.247 -2.81 0.01
CON_DEL 0.311 1.44 0.15
CON_GOS Fijo (0) - -
CON_HM 0.314 1.21 0.23
CON_VCP -0.162 -2.19 0.03

Log Likelihood -3384.895

2
R ajustado respecto a modelo nulo 0.1736
2
R ajustado respecto a modelo de solo constante 0.041

Se aprecia que el modelo posee una capacidad explicativa ligeramente superior al modelo
de solo constante, el cual define la probabilidad de elección igual a las proporciones de la muestra,
estando muy debajo del rango considerado aceptable.
 Luego, las ecuaciones de utilidad representativa quedan expresadas de la siguiente manera:

𝑉𝐺𝑂𝑆,𝑖 = 0.198 ∗ 𝐴𝐷𝑉𝐺𝑂𝑆,𝑖 + 0.121 ∗ 𝐵𝑂𝑇𝑇𝐿𝐸𝐺𝑂𝑆,𝑖 + 0.144 ∗ 𝐼𝑁𝐹𝐿𝐴𝐵𝐺𝑂𝑆,𝑖 − 0.172

∗ 𝐾𝑁𝑂𝑊𝑁𝐺𝑂𝑆,𝑖 + 0.109 ∗ 𝐿𝐴𝐵𝐺𝑂𝑆,𝑖

𝑉𝐷𝐸𝐿.𝑖 = 0.311 + 0.198 ∗ 𝐴𝐷𝑉𝐷𝐸𝐿,𝑖 + 0.121 ∗ 𝐵𝑂𝑇𝑇𝐿𝐸𝐷𝐸𝐿,𝑖 + 0.144 ∗ 𝐼𝑁𝐹𝐿𝐴𝐵𝐷𝐸𝐿,𝑖 − 0.172

∗ 𝐾𝑁𝑂𝑊𝑁𝐷𝐸𝐿,𝑖 + 0.109 ∗ 𝐿𝐴𝐵𝐷𝐸𝐿,𝑖 − 0,0178 ∗ 𝐴𝐺𝐸𝐷𝐸𝐿,𝑖 − 0.524 ∗ 𝐺𝐸𝐷𝐸𝐿,𝑖
− 0.252 ∗ 𝐻𝐼𝐺𝐻𝐼𝑁𝐶𝑂𝑀𝐸𝐷𝐸𝐿,𝑖 − 0.325 ∗ 𝑀𝐼𝑁𝐷𝐸𝐿,𝑖 − 0.493 ∗ 𝑊𝑂𝑀𝐴𝑁𝐷𝐸𝐿,𝑖
− 0.393 ∗ 𝑅𝐸𝐺𝑈𝐿𝐴𝑅𝐷𝐷𝐸𝐿,𝑖

𝑉𝑉𝐶𝑃,𝑖 = −0.162 + 0.198 ∗ 𝐴𝐷𝑉𝑉𝐶𝑃,𝑖 + 0.121 ∗ 𝐵𝑂𝑇𝑇𝐿𝐸𝑉𝐶𝑃,𝑖 + 0.144 ∗ 𝐼𝑁𝐹𝐿𝐴𝐵𝑉𝐶𝑃,𝑖 − 0.172

∗ 𝐾𝑁𝑂𝑊𝑁𝑉𝐶𝑃,𝑖 + 0.109 ∗ 𝐿𝐴𝐵𝑉𝐶𝑃,𝑖 − 0.215 ∗ 𝐻𝐼𝐺𝐻𝐼𝑁𝐶𝑂𝑀𝐸𝐷𝐸𝐿,𝑖 − 0.247
∗ 𝑊𝑂𝑀𝐴𝑁𝑉𝐶𝑃,𝑖

𝑉𝐻𝑀,𝑗 = 0.314 + 0.198 ∗ 𝐴𝐷𝑉𝐻𝑀.𝑖 + 0.121 ∗ 𝐵𝑂𝑇𝑇𝐿𝐸𝐻𝑀,𝑖 + 0.144 ∗ 𝐼𝑁𝐹𝐿𝐴𝐵𝐻𝑀,𝑖 − 0.172

∗ 𝐾𝑁𝑂𝑊𝑁𝐻𝑀,𝑖 + 0.109 ∗ 𝐿𝐴𝐵𝐻𝑀,𝑖 − 0.0267 ∗ 𝐴𝐺𝐸𝐻𝑀,𝑖 − 0.734
∗ 𝐻𝐼𝐺𝐻𝐼𝑁𝐶𝑂𝑀𝐸𝐷𝐸𝐿,𝑖 − 0.325 ∗ 𝑅𝐸𝐺𝑈𝐿𝐴𝑅𝐷𝐻𝑀,𝑖 − 0.493 ∗ 𝑊𝑂𝑀𝐴𝑁𝐷𝐸𝐿,𝑖

Se presentan a continuación aproximaciones que intentan explicar los signos de las variables
consideradas:

a) Variable AGE:

Únicamente el parámetro resulto significativo para la opción DEL, indicando que a mayor
edad disminuye la utilidad de esta alternativa respecto a la alternativa GOS. El valor negativo de
este parámetro puede ser explicado porque a mayor edad es posible hayan tenido más
oportunidades de consumir champaña de mayor calidad, apreciando y valorando sus características
de mejor manera. Es posible encontrar conclusiones similares en Culbert et al (2016)8. Por otro lado,
los jóvenes tienden a consumir mayor cantidad de alcohol, lo que limita la cantidad de dinero que
pueden gastar en cada bebida, optando muchas veces por bebidas de menor calidad y precio.

8
Culbert, J., Verdonk, N., Ristic, R. y Olarte, S. (2016). Understanding Consumer Preferences for Australian Sparkling

Wine vs. French Champagne.

 b) Variables LAB – INFLAB – BOTTLE:

Para el conjunto de características relacionadas al empaquetado del producto se

determinó que todas eran significativas a la hora de la decisión, aumentando la utilidad para
cada elección. Este conjunto de características representa la primera aproximación del usuario
al producto (Gluckman 1990)9 y por tanto, es razonable asumir que calificar positivamente estas
características aumentara la calidad esperada del producto.

c) Variable HIGHINCOME:

Los resultados muestran un coeficiente negativo para cada una de las funciones de utilidad
en donde la variable fue incluida. Una posible interpretación es la existencia de una relación de entre
el precio del producto y la calidad percibida de este, pero únicamente en personas con ingresos
altos.

d) Variable WOMAN:

Los signos son negativos para todos los parámetros, lo que podría estar explicado porque
en general las mujeres buscan mayor calidad a la hora de consumir bebidas alcohólicas, en parte
influenciado porque tienden a consumir en menor cantidad respecto a los hombres, lo que les
permite disponer de mayor cantidad de dinero para cada bebida.

e) Variable KNOWN:

Una interpretación razonable para el signo de parámetro, es que los usuarios consideren
que una marca poco conocida, por ejemplo, por su alto nivel de exclusividad, es de mayor calidad
que una marca popular y altamente consumida.

f) Variable MIN:

El signo negativo de este parámetro indica que la existencia de una sola característica
considerada como “muy mala” disminuye significativamente la calidad percibida del producto.
Al encontrarse que esta variable solo es significativa para la opción DEL, es posible que las demás
alternativas posean una o más características por la que sobresalgan y que compense el efecto
de una característica muy negativa, a diferencia de DEL.

9
Gluckman, R.L. (1990). A consumer approach to branded wines, International Journal of Wine Marketing.
 g) Variable REGULARD:

El signo negativo indica asociados a DEL y VCP puede ser explicado por un mayor grado
de conocimiento de aquellas personas que se consideran bebedores regulares de champaña, en
contraste con los bebedores ocasionales lo que les podría permitir percibir de mejor manera los
atributos de cada marca o tener más conocimiento respecto a la reputación de cada una. Además
es posible que, si bien se les indico a cada persona que no tuvieran en cuenta restricciones
presupuestarias, estas consciente o inconscientemente tengan el precio en consideración a la
hora de tomar su decisión. De esta forma, es razonable pensar que, en general, un bebedor
regular tiene mayor predisposición a gastar más dinero en champaña de mayor calidad.

h) Variable GE:

Al ser todos los productos producidos en esta zona, es posible que exista una mayor
familiaridad de las personas que viven en esta región con los productos o las marcas. El signo
negativo podría indicar que los productos DEL y HM poseen menor reputación respecto a GOS.

i) Variable ADV:

La publicidad es un factor relevante en la construcción de la marca, es razonable por tanto

pensar, que una mayor valoración de la publicidad repercute en una mayor valoración de la
marca en su conjunto y aumenta las posibilidades de elegir esa alternativa.

j) Variables no significativas:

Si bien el modelo no posee una elevada capacidad predictiva, es posible identificar un

elevado número de factores que no resultaron relevantes para la decisión de consumo. La
siguiente lista corresponde a algunas variables no significativas 10

- WORK
- GRAD
- RELIG
- STUDENT
- MARRIED
- PURCH
- INSTA
- FACEBOOK
- TWITTER
- KINDS
- ALONE
- REGION (exceptuando Grand East)
- DENSIT
- COLOR
- SMELL

10
Se mencionan únicamente las variables originales de la base no significativas, pero además se probaron
numerosas variables generadas combinando las originales.
 Es especialmente interesante notar que la valoración de atributos intrínsecos del
producto, como COLOR y SMELL, no poseen un elevado poder predictivo en comparación con la
valoración de atributos extrínsecos como LABEL, INFLABEL, ADV y BOTTLE. En Zeithaml (1988) 11
se postula que en ciertas situaciones, la evaluación de los atributos extrínsecos es más difícil de
realizar apropiadamente por parte de los consumidores, aun después de la compra y consumo
del producto, en relación a los atributos extrínsecos, lo que podría explicar este resultado.
Mitchell and Greatorex (1989)12 entregan conclusiones similares, en el caso de que el consumidor
posea un limitado acceso a la información.

III) Análisis de segmentación de mercado:

III.I) Segmentación por frecuencia de consumo:

Luego se estimaron modelos para distintos segmentos de la población. A continuación se

presentan los resultados para los segmentos de bebedor ocasional y bebedor regular:

Original Bebedor ocasional Bebedor regular

Valor p Valor p Valor p
Parámetro Valor Valor Valor
(prueba t) (prueba t) (prueba t)
BETA_ADV 0.198 0 0.178 0 0.229 0
BETA_AGE_DEL -0.0178 0 -0.0178 0.01 -0.018 0.04
BETA_AGE_HM -0.0267 0 -0.0212 0.02 -0.035 0
BETA_BOTTLE 0.121 0 0.129 0 0.116 0
BETA_GE_DEL -0.524 0 -0.612 0 No sig -
BETA_GE_HM -0.413 0.02 -0.46 0.03 No sig -
BETA_HIGHINCOME_DEL -0.252 0.05 No sig - No sig -
BETA_HIGHINCOME_HM -0.734 0 -0.639 0 -0.704 0.02
BETA_HIGHINCOME_VCP -0.215 0.02 No sig - -0.33 0.02
BETA_INFLAB 0.144 0 0.096 0 0.147 0
BETA_KNOWN -0.172 0 -0.152 0.02 -0.197 0
BETA_LAB 0.109 0 0.095 0 0.137 0
BETA_MIN_DEL -0.325 0.01 -0.336 0.04 No sig -
BETA_WOMAN_DEL -0.309 0.01 -0.464 0 -0.429 0.02
BETA_WOMAN_HM -0.325 0.02 -0.729 0 -0.467 0.04
BETA_WOMAN_VCP -0.493 0 -0.226 0.05 No sig -
CON_DEL 0.311 0.15 0.193 0.47 -0.299 0.36
CON_GOS Fijo (0) - Fijo (0) - Fijo (0) -
CON_HM 0.314 0.23 0.0694 0.83 0.0772 0.85
CON_VCP -0.162 0.03 -0.348 0 -0.307 0

11
Gluckman, R.L. (1990). A consumer approach to branded wines, International Journal of Wine Marketing.
12
Mitchell, V.W., & Greatorex, M. (1988). Consumer risk perception in the UK wine market, European Journal
of Marketing.
 Se realiza un Likelihood Ratio Test para identificar si los parámetros de los tres modelos
calculados son iguales, es decir, que no existen diferencias significativas producidas por la
segmentación. La hipótesis nula del test utilizado es la siguiente:

⃗ 𝑂𝑅𝐼𝐺𝐼𝑁𝐴𝐿 = 𝐵
𝐻𝑜: 𝐵 ⃗ 𝑂𝐶𝐴𝑆𝐼𝑂𝑁𝐴𝐿 = 𝐵
⃗ 𝑅𝐸𝐺𝑈𝐿𝐴𝑅

Los resultados obtenidos se resumen en la siguiente tabla:

Log Likelihood Original -3384.895

Numero de parámetros estimados 21
Log Likelihood Regular - 1430.582
Numero de parámetros estimados 14
Log Likelihood Ocasional - 1959.458
Numero de parámetros estimados 16
Valor del estadístico -10.29 -> 0
Grados de libertad 9
Nivel de significancia 0.05
Valor critico 16.91
No se
Resultado
rechaza Ho

Por lo tanto, se rechaza Ho y se concluye que realizar modelos segmentados en base a esta
característica no genera una mayor capacidad explicativa respecto al modelo original. Aun así, se
explican las razones que podrían motivar las diferencias existentes entre los modelos:

Existe diferencia entre la importancia de la valoración de la publicidad al segmentar el

modelo. Apreciándose un aumento en la importancia de la valoración en bebedores regulares
respecto a bebedores ocasionales, siendo razonable considerar que los bebedores regulares de
champaña poseen mayor aprecio por el concepto marca, el cual está fuertemente influenciada por
la calidad de la publicidad.
 Se aprecia que la edad no es un factor determinante a la hora de segmentar el mercado en
base a la regularidad de consumo para la alternativa DEL, pero si se aprecian diferencias respecto al
modelo original en la alternativa HM existiendo un disminución aun mayor de la utilidad de
bebedores regulares respecto a bebedores ocasionales. Esto último podría explicarse porque a
determina edad los individuos regulares estarían aún menos predispuestos a consumir productos
de la más baja calidad, ya que es posible asociar un elevado consumo de champaña a un mayor
gusto por ella, estando más dispuestos a invertir mayor dinero, lo que tiende a ser más fácil a mayor
edad, al tener generalmente mayores ingresos.

Para el factor de residencia en Grand East, se aprecia que existen diferencias al segmentar
respecto al modelo original. Los bebedores ocasionales de Grand East poseen una menor valoración
de las alternativas HM y DEL, mientras que los bebedores regulares de Grand East no presentan una
relación significativa respecto a la elección. Esto se podría explicar porque el conocimiento de los
bebedores regulares no está tan influenciado por la región de residencia sino por sus experiencias
consumiendo champaña.

Respecto a la valoración de la etiqueta informativa no existe real diferencia entre el modelo

original y los bebedores regulares. Respecto a los bebedores ocasionales, se aprecia que existe una
diferencia considerable en la importancia entregada a esta variable. Una explicación posible, es que
los bebedores ocasionales posean menos conocimiento respecto a la champaña en general, por lo
que valoran en menor medida la calidad de la información suministrada, al tener menor capacidad
para juzgarla.

En relación a si la marca es bien conocida, existen diferencias significativas entre el modelo

original y los modelos segmentados, apreciando además que los bebedores regulares de champaña
presentan una disminución de su utilidad mayor a los bebedores ocasionales. Esto es posible de
interpretar como que los bebedores regulares consideren en mayor medida que las marcas poco
conocidas ofrecen productos de nicho y de mayor calidad.

Respecto a la variable LABEL, se identifica que los bebedores regulares dan más importancia
a la etiqueta del producto respecto a los bebedores ocasionales. Esto se podría interpretar como
que los bebedores regulares conozcan mayor cantidad de productos y sus etiquetas, teniendo más
información con la cual contrastar.

En relación al género del individuo no se encontraron diferencias significativas del

parámetro respecto a la opción DEL. Respecto a la opción HM se encontró que las mujeres
bebedoras ocasionales castigan más esta opción respecto a las bebedoras regulares. Este resultado
se podría explicar dado que posean menor conocimiento respecto a la champaña y por ende basen
su decisión en atributos como el precio en relación a las bebedoras regulares.
 Respecto a la importancia de que algún atributo sea considerado “muy malo”, se identifica
que mientras que los bebedores ocasionales consideran este factor, los bebedores regulares no lo
hacen. Es posible que estos últimos sean capas de valorar los demás atributos de mejor manera,
compensando aquel considerado muy negativo.

III.II) Segmentación por género:

Posteriormente, se estiman modelos segmentados para hombres y mujeres. Los resultados

obtenidos se resumen a continuación:

Original Hombre Mujer

Valor p Valor p Valor p
Parámetro Valor Valor Valor
(prueba t) (prueba t) (prueba t)
BETA_ADV 0.198 0 0.158 0 0.235 0
BETA_AGE_DEL -0.0178 0 No sig - -0.0267 0
BETA_AGE_HM -0.0267 0 No sig - -0.0374 0
BETA_BOTTLE 0.121 0 0.118 0 0.128 0
BETA_GE_DEL -0.524 0 -0.607 0 -0.394 0.03
BETA_GE_HM -0.413 0.02 No sig - -0.558 0.04
BETA_HIGHINCOME_DEL -0.252 0.05 No sig - No sig -
BETA_HIGHINCOME_HM -0.734 0 -0.521 0.02 -0.76 0
BETA_HIGHINCOME_VCP -0.215 0.02 No sig - No sig -
BETA_INFLAB 0.144 0 0.0708 0 0.117 0
BETA_KNOWN -0.172 0 -0.212 0 -0.138 0
BETA_LAB 0.109 0 0.0708 0.03 0.145 0
BETA_MIN_DEL -0.325 0.01 -0.381 0.04 No sig -
BETA_REGULARD_DEL -0.309 0.01 No sig - -0.313 0.03
BETA_REGULARD_HM -0.325 0.02 No sig - No sig -
CON_DEL 0.311 0.15 -0.449 0 -0.062 0.83
CON_GOS Fijo (0) - Fijo (0) - Fijo (0) -
CON_HM 0.314 0.23 -0.873 0 -0.108 0.77
CON_VCP -0.162 0.03 -0.227 0 -0.472 0

Nuevamente se realiza un Likelihood Ratio Test para identificar si los parámetros de los tres
modelos calculados son iguales. Esta vez se utilizó la siguiente hipótesis nula:

⃗ 𝑂𝑅𝐼𝐺𝐼𝑁𝐴𝐿 = 𝐵
𝐻𝑜: 𝐵 ⃗ 𝑀𝑈𝐽𝐸𝑅 = 𝐵
⃗ 𝐻𝑂𝑀𝐵𝑅𝐸
 Los resultados obtenidos se resumen en la siguiente tabla:

Log Likelihood Original -3384.895

Numero de parámetros estimados 21
Log Likelihood Mujer -1821.952
Numero de parámetros estimados 14
Log Likelihood Hombre -1563.171
Numero de parámetros estimados 15
Valor del estadístico -0.456 -> 0
Grados de libertad 9
Nivel de significancia 0.05
Valor critico 15.5
No se
Resultado
rechaza Ho

Al igual que para la segmentación anterior, se rechaza la hipótesis nula y no es posible

afirmar que el modelo segmentado posea una mejor capacidad explicativa que el modelo original.
Aun así, se explican los factores que podrían explicar las diferencias en los parámetros del modelo:

Se observa que las mujeres asignan una mayor importancia a la publicidad respecto a los
hombres, es posible que esto se explique debido a que la champaña, al ser un producto asociado a
cierto estatus social, utilice publicidad asociada a este concepto, lo que podría tener mayor efecto
en las mujeres.

Respecto a la edad del consumidor, se aprecia que los hombres no presentan variación
significativa en la elección con la edad, existiendo la posibilidad de que mantengan de cierta forma
algunos gustos a lo largo de su vida. Las mujeres, por otro lado, parecen castigar de mayor medida
las opciones de menor calidad, a medida que aumenta su edad.

En relación a la importancia dada al estilo de la botella, no se aprecian diferencias entre el

modelo original y los modelos segmentados.

Respecto al ingreso, se aprecia que únicamente las mujeres de alto ingreso, castigan en
mayor medida a la alternativa HM. Es posible que estas posean un mayor prejuicio respecto a la
alternativa dado su precio.

Respecto a la información de la etiqueta, se aprecia que las mujeres valoran de mayor

manera este atributo. Es posible que estas posean mayor conciencia sobre las características de
fabricación del producto.

En relación a si la marca es bien conocida, se aprecia que los hombres castigan en mayor
manera este atributo respecto a las mujeres, tal vez debido a un mayor nivel del prejuicio antes
mencionado, que un marca bien conocida es poco exclusiva y por ende de productos de menor
calidad.

Respecto al diseño de la etiqueta, se aprecia que las mujeres tienen mayor valoración por
este atributo. Una explicación posible es que quizás estas tienden a tener mayor grado de
apreciación por aspectos estéticos respecto a los hombres.

En relación a si el producto tiene algún aspecto considerado muy negativo, se aprecia que
los hombres castigan este factor mientras las mujeres no lo hacen. Es posible que los hombres sean
más drásticos a la hora de castigar algún aspecto negativo, mientras que las mujeres logren valorar
de mejor manera el conjunto de características del producto.

Finalmente, se aprecia que respecto a la frecuencia de consumo, no existen diferencias

significativas respecto a la elección de HM basada en el género. Respecto a la elección de DEL no
existen diferencias respecto a la frecuencia de consumo para los hombres, mientras que si existe
para las mujeres. Es posible que las mujeres bebedoras regulares de champaña tengan mayor
conocimiento de esta marca en particular que puedan motivar diferencias en la elección.

IV) Estimación de Probit Model:

Posteriormente, se estimó un Probit Model, utilizando la misma especificación usada en el

Multinomial Logit, pero únicamente considerando las alternativas DEL y GOS.

Parámetro Valor Estadístico t Valor p

BETA_ADV 0.163 7.37 0
BETA_AGE_DEL -0.0115 -3.36 0
BETA_BOTTLE 0.109 4.67 0
BETA_GE_DEL -0.317 -3.82 0
BETA_INFLAB 0.0958 4.28 0
BETA_LAB 0.094 4.23 0
BETA_REGULARD_DEL -0.19 -2.73 0.01
BETA_WOMAN_DEL -0.31 -4.5 0
CON_DEL 0.144 1.07 0.29
CON_GOS Fijo (0) - -

Log Likelihood -883.638

R2 ajustado respecto al modelo nulo 0.292
R2 ajustado respecto al modelo de solo constante 0.078
 Se ve que existe una mejora considerable en la capacidad explicativa del modelo. Una
interpretación razonable es que aquellos que eligieron GOS y DEL influenciaron en mayor medida
su decisión por los factores incluidos en el modelo, en contraste con los que eligieron HM y VCP,
incluidos en el Multinomial Logit.

Posteriormente, se analizó si alguno de los parámetros podría estar normalmente

distribuidos. Los resultados del modelo estimado, se presentan en la siguiente tabla:

Parámetro Valor Estadístico t

BETA_ADV 0.178 7.08
BETA_AGE_DEL -0.0122 -3.28
BETA_BOTTLE 0.116 4.55
BETA_GE_DEL -0.349 -3.82
BETA_INFLAB 0.123 4.02
BETA_LAB 0.101 4.19
BETA_REGULARD_DEL -0.19 -2.59
BETA_WOMAN_DEL -0.345 -4.53
CON_DEL 0.15 1.03
CON_GOS Fijo (0) -
SIGMA_INFLAB 0.0792 -1.49

Log Likelihood -881.561

2
R ajustado respecto al modelo nulo 0.292
R2 ajustado respecto al modelo de solo constante 0.08

Se identificó una sola variable cuya parámetro no sea constante, es decir que existe
diferencias en la valoración del atributo en la muestra. Finalmente las funciones de utilidad
representativas finales del Probit Model es la siguiente:

𝑉𝐺𝑂𝑆,𝑖 = 0.178 ∗ 𝐴𝐷𝑉𝐺𝑂𝑆,𝑖 + 0.116 ∗ 𝐵𝑂𝑇𝑇𝐿𝐸𝐺𝑂𝑆,𝑖 + 𝐵(0.123, 0.0792)𝐼𝑁𝐹𝐿𝐴𝐵𝐺𝑂𝑆,𝑖 + 0.101

∗ 𝐿𝐴𝐵𝐺𝑂𝑆,𝑖

𝑉𝐷𝐸𝐿.𝑖 = 0.15 + 0.178 ∗ 𝐴𝐷𝑉𝐷𝐸𝐿,𝑖 + 0.116 ∗ 𝐵𝑂𝑇𝑇𝐿𝐸𝐷𝐸𝐿,𝑖 + 𝐵(0.123,0.0792) ∗ 𝐼𝑁𝐹𝐿𝐴𝐵𝐷𝐸𝐿,𝑖

+ 0.101 ∗ 𝐿𝐴𝐵𝐷𝐸𝐿,𝑖 − 0,0122 ∗ 𝐴𝐺𝐸𝐷𝐸𝐿,𝑖 − 0.5349 ∗ 𝐺𝐸𝐷𝐸𝐿,𝑖 − 0.345
∗ 𝑊𝑂𝑀𝐴𝑁𝐷𝐸𝐿,𝑖 − 0.19 ∗ 𝑅𝐸𝐺𝑈𝐿𝐴𝑅𝐷𝐷𝐸𝐿,𝑖
 Luego, se calculó la probabilidad promedio de elegir cada alternativa utilizando el modelo,
considerando los datos de la muestra, apreciando que la alternativa GOS es generalmente preferida.
El siguiente grafico resume esta información:

Probabilidad de elegir la alternativa

22%

78%

DEL GOS

Posteriormente se muestran los individuos con mayor y menor probabilidad de aceptación

para cada una de las alternativas.

a) Individuos con mayor probabilidad de elegir la alternativa GOS y menor probabilidad de

elegir la alternativa DEL.

KNOWN BOTTLE INFLAB LAB ADV Probabilidad

PID GENERO EDAD Region Frecuencia DEL GOS DEL GOS DEL GOS DEL GOS DEL GOS DEL GOS
1163 Hombre 46 GE Regular 0 0 1 5 3 4 2 4 1 5 0.01 0.99
267 Mujer 38 GE Ocasional 1 1 2 5 4 4 4 5 1 5 0.02 0.98
576 Hombre 48 GE Ocasional 1 0 1 5 3 3 1 5 3 5 0.02 0.98
634 Mujer 48 GE Regular 0 0 3 4 4 4 3 5 1 3 0.02 0.98
996 Hombre 45 GE Regular 1 0 2 5 3 4 1 4 2 4 0.02 0.98
1945 Mujer 43 Otra Ocasional 1 0 2 5 3 4 3 5 1 5 0.02 0.98
2212 Mujer 36 Otra Regular 0 1 3 5 4 5 2 5 1 5 0.02 0.98
2879 Mujer 34 GE Regular 1 1 1 4 3 4 3 5 2 4 0.02 0.98
137 Mujer 30 Otra Regular 0 1 3 5 3 4 3 5 1 5 0.03 0.97
379 Mujer 35 Otra Regular 0 0 1 5 2 3 1 5 4 5 0.03 0.97
 b) Individuos con mayor probabilidad de elegir la alternativa DEL y menor probabilidad de
elegir la alternativa GOS.

KNOWN BOTTLE INFLAB LAB ADV Probabilidad

PID GENERO EDAD Region Frecuencia DEL GOS DEL GOS DEL GOS DEL GOS DEL GOS DEL GOS
505 Hombre 32 Otra Ocasional 1 0 3 1 5 4 3 3 5 1 0.79 0.21
1763 Hombre 18 Otra Ocasional 0 1 4 4 5 4 5 4 5 3 0.69 0.31
2023 Hombre 33 Otra Ocasional 1 0 3 2 5 4 5 5 5 2 0.69 0.31
571 Hombre 34 Otra Ocasional 1 0 2 3 5 4 3 3 5 1 0.67 0.33
1772 Hombre 22 Otra Ocasional 0 0 4 5 5 4 4 4 5 2 0.66 0.34
206 Hombre 52 Otra Ocasional 1 0 4 3 3 3 5 5 5 1 0.63 0.37
1162 Hombre 30 Otra Ocasional 1 1 5 5 5 4 4 5 5 2 0.63 0.37
1255 Mujer 20 Otra Ocasional 0 1 5 4 4 3 4 4 5 2 0.63 0.37
2559 Hombre 49 Otra Ocasional 1 0 3 5 5 4 5 3 5 1 0.63 0.37
231 Hombre 25 Otra Regular 1 0 4 5 2 3 5 3 5 1 0.62 0.38

Finalmente, se recomienda a los encargados de marketing de la marca Champagne

Delamotte enfocar sus esfuerzos en campañas publicitarias enfocadas en mujeres, personas
mayores de 30 años y bebedores regulares de champaña. Se aprecia notoriamente la poca
calificación que realizan estas personas por la publicidad actual de la compañía. Esto produce
claramente un dilema, ya que la modificación de la publicidad puede hacer a la empresa perder sus
clientes actuales, los cuales tienen una alta valoración de la publicidad actual.

En ese sentido, una decisión estratégica interesante de considerar seria la creación de una
nueva marca, enfocada en otro segmento de la población. Se recomienda esto por sobre la creación
simplemente de un nuevo producto, por la dificultad existente a la hora de cambiar la apreciación
de las personas de una marca en particular respecto al tipo de producto ofrecido.