CAPÍTULO 1. INTRODUCCIÓN A LA SEGMENTACIÓN DE MERCADOS 1.1 CONCEPTO 1.2 DESARROLLO HISTÓRICO 1.3 TIPOS BÁSICOS DE SEGMENTACIÓN 1.4 TÉCNICAS DE SEGMENTACIÓN
CAPÍTULO 2. SEGMENTACIÓN POST HOC. ANÁLISIS CLUSTER 2.1 EL ANÁLISIS CLUSTER COMO TÉCNICA DE SEGMENTACIÓN POST HOC 2.1.1 Medidas de similitud 2.1.2 Técnicas en el análisis cluster 2.1.3 Clusters jerárquicos, secuenciales, aglomerativos y exclusivos (S.A.H.N) 2.1.4 El dendograma en el análisis cluster jerárquico 2.1.5 Análisis cluster no jerárquico 2.2 SPSS Y EL ANÁLISIS CLUSTER JERÁRQUICO 2.3 SPSS Y EL ANÁLISIS CLUSTER NO JERÁRQUICO 2.4 SAS Y EL ANÁLISIS CLUSTER JERÁRQUICO 2.4.1 Procedimiento ACECLUS 2.4.2 Procedimiento CLUSTER 2.4.3 Procedimiento TREE 2.5 SAS Y EL ANÁLISIS CLUSTER NO JERÁRQUICO 2.6 SEGMENTACIÓN POST HOC CON HERRAMIENTAS DE MINERÍA DE DATOS 2.6.1 Análisis cluster con Enterprise Miner. Nodo clustering 2.6.2 Análisis cluster con SPSS Clementine 2.6.3 El nodo Entrenar K-medias: Cluster no jeráquico 2.6.4 El nodo Cluster Bietápico: Cluster jerárquico
CAPÍTULO 3. SEGMENTACIÓN POST HOC. ÁRBOLES DE DECISIÓN 3.1 LOS ÁRBOLES DE DECISIÓN COMO TÉCNICA DE SEGMENTACIÓN POST HOC 3.1.1 Características de los árboles de decisión 3.1.2 Herramientas para el trabajo con árboles de decisión 3.1.3 Árboles CHAID 3.1.4 Árboles CART 3.1.5 Árboles QUEST 3.2 ÁRBOLES DE DECISIÓN CON SPSS 3.2.1 Creación de un árbol de decisión: método CHAID 3.2.2 Métodos CRT y QUEST. Poda de árboles 3.3 ÁRBOLES DE DECISIÓN CON ENTERPRISE MINER. NODO TREE 3.3.1 Entrenamiento interactivo (Interactive Training) 3.4 ÁRBOLES DE DECISIÓN CON SPSS CLEMENTINE 3.4.1 El nodo Crear C5.0 3.4.2 El nodo Árbol C&R
CAPÍTULO 4. SEGMENTACIÓN AD HOC. ANÁLISIS DISCRIMINANTE 4.1 EL ANÁLISIS DISCRIMINANTE COMO TÉCNICA DE CLASIFICACIÓN Y SEGMENTACIÓN 4.2 HIPÓTESIS EN EL MODELO DISCRIMINANTE 4.3 ESTIMACIÓN DEL MODELO DISCRIMINANTE 4.3.1 Contrastes de significación en el modelo discriminante 4.3.2 Selección de variables discriminantes 4.4 INTERPRETACIÓN DE LA FUNCIÓN DISCRIMINANTE 4.5 CLASIFICACIÓN DE LOS INDIVIDUOS 4.6 SPSS Y EL ANÁLISIS DISCRIMINANTE 4.7 SAS Y EL ANÁLISIS DISCRIMINANTE: PROCEDIMIENTO DISCRIM 4.8 EJEMPLO DE ANÁLISIS DISCRIMINANTE 4.8.1 SAS Y EL ANÁLISIS DISCRIMINANTE PASO A PASO: PROCEDIMIENTO STEPDISC Y EJEMPLO
CAPÍTULO 5. SEGMENTACIÓN AD HOC. MODELOS DE ELECCIÓN DISCRETA 5.1 SEGMENTACIÓN MEDIANTE MODELOS DE ELECCIÓN DISCRETA 5.2 MODELOS DE ELECCIÓN DISCRETA BINARIA 5.2.1 Modelo lineal de probabilidad 5.2.2 Modelos Probit y Logit 5.3 MODELOS DE ELECCIÓN MÚLTIPLE 5.3.1 Modelo Logit Multinomial 5.3.2 Modelo Probit Multinomial 5.4 REGRESIÓN LOGÍSTICA BINARIA CON SPSS 5.5 EL MODELO PROBIT CON SPSS 5.6 EL MODELO LOGIT MULTINOMIAL CON SPSS 5.7 LA REGRESIÓN LOGÍSTICA CON SAS. PROC LOGISTIC 5.8 EL MODELO PROBIT CON SAS 5.9 MODELOS DE ELECCIÓN DISCRETA LOGIT Y PROBIT CON SAS ENTERPRISE MINER 5.10 MODELOS DE ELECCIÓN DISCRETA CON SPSS CLEMENTINE
CAPÍTULO 6. SEGMENTACIÓN MEDIANTE REDES NEURONALES 6.1 SEGMENTACIÓN CLUSTER MEDIANTE REDES NEURONALES 6.2 SEGMENTACIÓN DISCRIMINANTE MEDIANTE LA RED NEURONAL PERCEPTRÓN 6.3 ANÁLISIS CLUSTER CON REDES NEURONALES A TRAVÉS DE SAS ENTERPRISE MINER 6.4 ANÁLISIS DISCRIMINANTE CON REDES NEURONALES EN SAS ENTERPRISE MINER 6.5 ANÁLISIS CLUSTER CON REDES NEURONALES A TRAVÉS DE SPSS CLEMENTINE 6.6 ANÁLISIS DISCRIMINANTE CON REDES NEURONALES EN SPSS CLEMENTINE
ÍNDICE ALFABÉTICO
SINOPSIS
En este libro se abordan las técnicas de segmentación de mercados desde un punto de vista eminentemente práctico. Sin descuidar los conceptos teóricos se presentan las técnicas de segmentación desarrolladas con las herramientas más habituales y actuales.
En cuanto al software, se han desarrollado los ejemplos prácticos con SAS y SPSS, así como con herramientas avanzadas de segmentación provenientes de la minería de datos. En concreto se han utilizado SPSS Clementine y SAS Enterprise Miner.
El libro comienza con una introducción a la segmentación de mercados para posteriormente adentrarse en las técnicas de segmentación post hoc, incluyendo análisis cluster y árboles de decisión.
A continuación, se tratan las técnicas de segmentación ad hoc incluyendo el análisis discriminante y los modelos de elección discreta. Por último, se estudia la segmentación mediante redes neuronales.
