1. Análisis de Factores
Mauricio Acevedo - 00455754
EGADE ITESM CEM
MT4005.1 Sistemas de inteligencia de mercados
Prof. Jorge Ramírez
Julio 2012

2. Objetivo
• Realizar un análisis de factores con datos reales:
• Variables que afectan la venta a través del
website de una cadena hotelera
• Determinación de factores que más influyen
en la venta
• Uso de herramientas tecnológicas especializadas
• SPSS
• Uso de modelos y herramientas estadísticas

3. Resumen ejecutivo
• Determinar cuales son los factores que afectan las ventas del
canal website en una cadena hotelera líder en Latinoamérica
• Muestra de 337 registros con 15 variables, tales como
• Marca, mes, numero de visitas al sitio, canal de venta
• Elaboración de un análisis estadístico llamado Análisis de
Factores
• Reducción a 4 factores
• Atracción del sitio
• Experiencia de la página
• Estacionalidad
• Visibilidad de la página
• Uso de tecnología especializada e interpretación de datos -
SPSS

4. Introducción
• Responder a la pregunta
• ¿Cuáles son los factores que determinan el comportamiento de
venta del website de la cadena hotelera líder de Latinoamérica?
• Determinar variables del website de distintas fuentes
• Reportes de ventas
• Google Analytics
• Métricas de desempeño
• Uso de SPSS
• Software especializado en análisis estadísticos
• Interpretación de resultados
• Determinación de factores

5. DESARROLLO DEL ESTUDIO

6. Datos muestra
• Muestra de 337 registros
• Variables de estudio
• Tarifa promedio
• Marca
• Relación entre numero de
• 7 marcas diferentes cuartos noches e ingreso
• Origen • Tasa de conversión
• Mexico • Relación entre numero de visitas
• EUA/Canadá al sitio y numero de reservaciones
• Brasil • Visitas al sitio
• Resto del Mundo
• Tasa de rebote
• Mes • Métrica de Google Analytics para
• Primeros 6 meses del año 2012 conocer el interés de los usuarios
• Numero de Reservaciones por la pagina visitada*
• Cuarto noche vendidos • Tiempo de estancia en la pagina
• Numero de habitaciones vendidas • Canal
• Ingreso por reservaciones • Chat / Call center
• Ticket promedio • www
• Relación entre numero de • Tiempo de carga del sitio
reservaciones e ingreso • Tiempo de espera para que la
pagina se despliegue de manera
correcta en el navegador
*ver glosario al final

7. Variables elegidas para el
estudio
• Origen
• Mes
• Visitas
• Tasa de rebote*
• Tiempo de estancia en la pagina
• Canal
• Tiempo de carga del sitio
*ver glosario al final

8. Grafica de sedimentación
Se alcanzan a
determinar 4
factores

9. Matrices de componentes con análisis
de componentes principales - SPSS
Sin rotar Rotada

10. Matrices de componentes con análisis
de componentes principales
Factores
Canal Canal
Factores Marca con Marca y mes
Tiempo de carga y localidad Tiempo de carga y localidad
sin Rotar Tasa de rebote rotación Tiempo estancia en la pagina
Matriz de componentes Matriz de componentes rotados
Componente Componente
1 2 3 4 1 2 3 4
Marca -.042 .009 .719 -.354 Marca .117 .152 .777 -.067
Localidad .413 .638 .264 -.093 Localidad -.049 .798 .125 .015
Mes -.017 -.542 .471 -.098 Mes -.182 -.379 .584 .086
Visitas -.674 -.179 -.243 .000 Visitas .491 -.513 -.174 -.106
Rebote .824 -.445 -.136 -.001 Rebote -.945 -.027 -.029 -.022
Tiempo_avg_secs -.876 .393 .112 .000 Tiempo_avg_secs .965 -.046 .021 .012
Canal .024 .010 .352 .925 Canal .011 .014 -.016 .990
Tiempo_carga .385 .826 -.087 .000 Tiempo_carga .025 .874 -.268 -.030
Valores en verde
posibles factores

11. Grafico para comprobar factores - SPSS
Posible Factor
Relación muy
forzada
Relación muy
forzada
Posible Factor

12. KMO y prueba de Bartlett -
SPSS
Prueba de KMO
muestra que los datos
pueden no ser muy
útiles
Prueba de Bartlett
muestra que el análisis
de factores si puede ser
útil

13. Comunalidades - SPSS
Marca y Canal parece que
no encajan bien en
nuestros datos

14. Matrices factoriales - SPSS
Sin rotar Rotada

15. Matrices factoriales
Tiempo de estancia en la pagina
Factores Tiempo de estancia en la pagina
Factores Tiempo de carga con Localidad y tiempo de carga
Mes Mes
sin rotar Visitas rotación Visitas
Matriz factorial Matriz de factores rotados
Factor Factor
1 2 3 4 1 2 3 4
Marca .028 -.002 .034 -.116 Marca .032 -.013 .013 -.118
Localidad -.275 .590 .395 .120 Localidad -.026 .769 .053 -.006
Mes -.020 -.408 .570 .089 Mes -.056 -.049 .703 -.013
Visitas .500 -.218 -.181 .370 Visitas .377 -.367 .025 .435
Rebote -.860 -.304 -.111 .138 Rebote -.919 .005 .058 .125
Tiempo_avg_secs .956 .271 .087 -.001 Tiempo_avg_secs .995 -.053 -.038 .020
Canal -.011 .006 .014 -.080 Canal -.005 .003 -.003 -.082
Tiempo_carga -.285 .903 -.108 .098 Tiempo_carga -.017 .791 -.536 .061
Valores en verde
posibles factores

16. Comprobación grafica en
factorial rotado
Factor
Factor
Factor
Factor

17. Reducción de factores
• Con los anteriores ejercicios se pueden agrupar las siguientes
variables
• Tiempo de estancia en la pagina
• Localidad y tiempo de carga
• Mes
• Visitas
• Creando los siguientes factores
• Atracción del sitio
• El usuario permanece más tiempo en el sitio si lo encuentra interesante
• Experiencia de la página
• Será mejor mientras mas rápido cargue el sitio en el navegador, lo cual
también depende de que país la visite
• Estacionalidad
• Pues la hotelería es un negocio de temporadas altas y bajas
• Visibilidad de la página
• pues depende el numero de visitantes, de su reputación, promociones y
posicionamiento en Google

18. Conclusiones
• Las herramientas matemáticas que la estadística provee nos
permiten tener una mejor visión de los factores que afectan el
negocio.
• La combinación de herramientas estadísticas y tecnológicas resulta
en un circulo virtuoso de exactitud y velocidad, muy convenientes
para la toma de decisiones oportuna.
• En el caso de este estudio, de un universo de casi 20 variables,
pudimos reducir a 4 como los factores:
• Atracción del sitio
• Experiencia de la página
• Estacionalidad
• Visibilidad de la página
• Con esta reducción, el equipo de mantenimiento y operación del
website se podrá enfocar en mejorar los factores que realmente
aportan valor a la compañía, pues afectan directamente al ingreso
del canal.

19. Fuentes de información
Neustar Webmetrics is a leading provider of collaborative web
performance management solutions. Webmetrics website monitoring and
testing services are used by companies that want to ensure online
performance, competitive advantage and a positive end-user experience.
http://www.webmetrics.com/
Reporte de Medición WEB
diario de cadena de
hoteles más grande de
Latinoamérica
http://www.google.com/analytics/

20. Glosario
• Porcentaje de rebote
• El porcentaje de rebote el porcentaje de visitas a una sola página
o visitas en las que el usuario ha abandonado su sitio desde la
página de acceso (destino).
• Cuanto más atractivas resulten las páginas de destino, más
usuarios permanecerán en el sitio y se convertirán en clientes.
• Fuente: Ayuda de Google Analytics
http://support.google.com/googleanalytics/bin/answer.py?hl=es
&hlrm=en&answer=81986

21. Análisis de
Factores
Mauricio
Acevedo
00455754
EGADE ITESM
CEM
MT4005.1
Sistemas de
inteligencia de
mercados
Prof. Jorge
Ramírez
Julio 2012
a00455754@itesm.mx
Gracias!