Saltar al contenido principal
Loading...
Skip to article
  • Qualtrics Platform
    Qualtrics Platform
  • Customer Journey Optimizer
    Customer Journey Optimizer
  • XM Discover
    XM Discover
  • Qualtrics Social Connect
    Qualtrics Social Connect

Agrupación en clústeres conjunta


Was this helpful?


This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

The feedback you submit here is used only to help improve this page.

That’s great! Thank you for your feedback!

Thank you for your feedback!


Acerca de la agrupación en clústeres conjunta

Dentro de las poblaciones de encuestados hay grupos de personas con ideas afines. Estos grupos, o “clústeres”, se pueden determinar por la similitud del paquete óptimo de cada encuestado. Al agrupar a cada encuestado en función de su utilidad individual para cada atributo, podemos determinar las subpoblaciones y qué demografía conforman estas subpoblaciones.

Consejo Q: Esta función es muy útil cuando desea definir segmentos.

Preparación de una encuesta para la agrupación en clústeres

Antes de poder utilizar la agrupación en clústeres conjunta, debe asegurarse de que la encuesta de su proyecto conjunto haga las preguntas correctas. Esto significa que debe configurar ciertas funciones antes de recopilar datos.

En la pestaña Encuesta, asegúrese de haber añadido preguntas a un bloque no conjunto. En el siguiente ejemplo, el bloque Demografía tiene una pregunta sobre la edad, el número de personas en el hogar del encuestado y más.

Una encuesta con preguntas demográficas

El bloque Demografía se encuentra justo encima del bloque conjunto, aunque puede moverlo como desee.

El bloque está oculto para que pueda ver el hecho de que está por encima del bloque conjunto

Formato de pregunta

Solo puede realizar clústeres conjuntos con preguntas de opción múltiple de respuesta única. Esto se debe a que ofrecen una selección finita de opciones que se pueden analizar fácilmente. También puede utilizar algunos metadatos de la encuesta, como la fecha de inicio, la dirección IP, la información del destinatario, etc.

  • Demografía: pregunte sobre la información descriptiva básica, como la edad, el grupo de ingresos, la raza o el género.
  • Comportamiento: pregunte cómo interactúan los clientes con su marca y sus productos, o sobre los comportamientos que pueden estar relacionados con su comportamiento de compra. Por ejemplo, puede preguntar con qué frecuencia compra el cliente.
  • Datos operativos: Se trata de información como el tiempo que pasa en su sitio web o la permanencia de un empleado en su empresa.
  • Formatos de pregunta: Dar formato a preguntas sobre comportamientos y creencias como escalas. El rango en una escala puede ayudarnos a comprender qué puntos de escala están correlacionados y, por lo tanto, aproximadamente en el mismo clúster; Sí/No y las preguntas de selección única no son tan útiles para el análisis de clústeres.
    Ejemplo: Si pregunta “¿Qué tipo de comprador es usted?” y dé las opciones “Prefiere comprar en los centros”, “Preferir comprar online” y “Preferir comprar en boutiques”, el algoritmo de agrupación en clústeres querrá dividir a los encuestados en tres grupos, uno para cada respuesta. Si, en cambio, las planteó como una serie de preguntas (p. ej.: “¿Le gusta comprar en los centros comerciales?”) con las respuestas 1 a 7, el algoritmo de agrupación en clústeres hará un mejor trabajo al discernir realmente lo que separa a los diferentes compradores entre sí.
Consejo Q: Una vez que haya terminado de añadir preguntas, no olvide publicar.

Activación de clústeres

Actualizar enlace en azul en el centro de la página Agrupación en clústeres conjuntos

  1. Vaya a la pestaña Informes de su análisis conjunto.
  2. Seleccione Agrupación en clústeres conjunta.
  3. Cuando visite esta ficha por primera vez, es posible que deba hacer clic en Actualizar para iniciar los cálculos de clúster.
Consejo Q: Al igual que los resultados conjuntos y el simulador, el informe de agrupación en clústeres conjunta se actualiza cada hora.

Ajuste de datos demográficos utilizados en la agrupación en clústeres

De forma predeterminada, la agrupación en clústeres conjunta utilizará cada pregunta de encuesta de opción múltiple que haya realizado. Sin embargo, no tiene que utilizar todas las preguntas si no desea y puede agregar y eliminar contenido para ver qué clústeres diferentes le recomienda esta función.

&Agregar; eliminando datos demográficos

En el cuadro situado a la derecha del encabezado Detalles de clúster, seleccione una pregunta para añadirla o eliminarla del análisis de clústeres. Eliminar una pregunta no provoca que los clústeres se vuelvan a calcular.

Casilla debajo del gráfico principal con una lista de preguntas de encuesta

Clústeres recomendados

Una vez que haya recopilado suficientes datos y actualizado su página de agrupación en clústeres conjuntos, esta función le recomendará clústeres. Estos clústeres se determinan en función de la similitud del paquete óptimo de los encuestados.  Se calcula su utilidad individual para cada atributo y, a continuación, se resaltan los datos demográficos comunes entre estos clústeres para que pueda comprender mejor cómo las diferentes poblaciones prefieren sus productos.

Resalte un clúster en el gráfico superior para obtener más información sobre este clúster. Haga clic en él para abrir los detalles del clúster a continuación.

clústeres para un proyecto conjunto

Detalles de clúster

la sección de agrupación conjunta

  1. Resumen: La barra superior de los detalles del clúster proporciona un resumen rápido de los detalles más destacados, principalmente qué clúster es, la importancia estadística del clúster, cómo los encuestados generalmente respondieron a las preguntas demográficas, cuántas respuestas hay en este clúster y el porcentaje de respuestas a las que se aplica este clúster. También puede hacer clic en esta parte para desplegar y ocultar el resto de la información.
    Ejemplo: En el Clúster 1 que se muestra aquí, las respuestas tienden a ser de personas que ganan 50.000 a 59.999 dólares al año, que alquilan apartamentos y son solteros. La fuerza del clúster es débil, lo que significa que el clúster no tiene importancia estadística. 7 encuestados generalmente se ajustan a este patrón, que es el 77,8% de todo el conjunto de datos. Se trata de un conjunto de datos muy pequeño, por lo que es probable que las decisiones no se tomen en función de estos resultados.
  2. Demografía: una serie de barras desglosadas que muestran cómo los miembros de este clúster respondieron a las preguntas demográficas. Cada barra de desglose está etiquetada por la respuesta que está más correlacionada con las puntuaciones de utilidad para los atributos del paquete óptimo; sin embargo, verá que las personas de un clúster variarán en la forma en que respondieron.
    Ejemplo: El arreglo de vida preferido del Clúster 1 es un apartamento. Sin embargo, los apartamentos no se enumeran como la opción más común para este clúster. Eso es porque aquellos que viven en apartamentos son simplemente más propensos a haber elegido unas vacaciones a Jamaica por 2 semanas a $1500 para ser el mejor paquete posible que aquellos en el grupo que tienen diferentes arreglos de vida.
  3. Paquete óptimo: este es el mejor paquete para los miembros del clúster. Los datos demográficos resaltados tienen altas puntuaciones de utilidad para los atributos seleccionados aquí.
  4. Vista previa de Análisis y Simular Paquetes: Haga clic en estos botones para ver los Resultados Conjuntos y el Simulador para los datos de este clúster, solamente.
Consejo Q: Recuerde que la “Demografía” de estos gráficos son las preguntas no conjuntas que ha creado en la pestaña Encuesta.

Determinación de la fuerza del clúster

Qualtrics utiliza una métrica llamada puntuación de silueta para determinar la fuerza de cada clúster. Esta puntuación produce un valor entre 0 y 1 que determina cuán agrupados están los encuestados. Utilizamos la siguiente tabla para convertir de la puntuación de silueta a la fuerza del clúster:

Puntuación de correlación Fortaleza de la relación Etiqueta de concentración de clúster
0,71 a 1,0 Relación muy fuerte Fuerte
0,51 a 0,70 Relación algo sólida Algo fuerte
0,26 a 0,50 Relación algo débil Algo débil
De 0 a 0,25 Ninguna relación significativa Débil

Aplicar clústeres a informes y al simulador

Los clústeres se pueden aplicar a los resultados conjuntos y al simulador para que pueda ver detalles más específicos sobre cómo los encuestados de este clúster evaluaron los atributos que se les presentaron.

Informes de análisis conjuntos

En la sección Análisis conjunto de la ficha Informes, seleccione un clúster del menú desplegable de la parte superior izquierda.

En los informes conjuntos, la lista desplegable se expande y se selecciona un clúster.

También puede seleccionar Vista previa de análisis si ha seleccionado un clúster en la sección Agrupación en clústeres conjuntos de la ficha Informes.

la ficha Agrupación en clústeres conjunta para obtener una vista previa de un análisis

Simulador

Consejo Q: Si bien no puede compartir un simulador que solo contenga los datos del clúster, estos clústeres están disponibles para aquellos con los que ha compartido el simulador. Los colegas son libres de aplicar estos clústeres al simulador a su discreción.

En la ficha Simulador, seleccione un clúster de la lista desplegable de la parte superior derecha.

Abriendo el menú desplegable en la pestaña Simulador

También puede seleccionar Simular paquetes si ha seleccionado un clúster en la sección Agrupación en clústeres conjuntos de la ficha Informes.

la ficha Agrupación en clústeres conjunta para simular paquetes

Muchas de las páginas de este sitio han sido traducidas del inglés original utilizando la traducción automática. Aunque en Qualtrics hemos realizado nuestra diligencia debida para obtener las mejores traducciones automáticas posibles, la traducción automática nunca es perfecta. El texto original en inglés se considera la versión oficial, y cualquier discrepancia entre el inglés original y las traducciones automáticas no son legalmente vinculantes.