Mapeo de preferencias e innovación basada en comportamiento del consumidor sobre la categoría de frituras a base de papa en el mercado colombiano.
Publicado
nov 14, 2017
Almetrics
Dimensions
Google Scholar
Carlos Gabriel Contreras Serrano
http://orcid.org/0000-0002-2931-5562
http://orcid.org/0000-0002-2931-5562
##plugins.themes.bootstrap3.article.details##
Resumen
El mapeo de preferencias es una técnica inspirada en la psicología matemática con el objetivo de optimizar procesos productivos y de innovación centrada en el consumidor. El presente estudio socializa los hallazgos de la aplicación de esta técnica sobre el mercado de pasabocas a base de papa con sabor natural en Colombia. 462 participantes de las ciudades de Bogotá, Medellín, Cali y Barranquilla participaron en el experimento probando 8 productos, 4 actualmente distribuidos en Colombia, 4 prototipos, una importación de México y una importación Argentina. Luego de obtener óptimos indicadores de bondad de ajuste en el modelo estadístico, los resultados indican que las preferencias de los participantes en esta categoría están migrando de las frituras a los pasabocas horneados, con más cascaras en el borde, más gruesas en comparación al promedio y más crocantes. Los hallazgos invitan a la industria a explotar este cultivo de producción agrícola interna en procesos productivos que permitan superar la barrera de adopción clásica en la categoría: la grasa.
Keywords
preference mapping, marketing research, innovation prototypes, customer behavior, sensation, perceptionMapeo de preferencias, investigación de mercados, prototipos de innovación, comportamiento del consumidor, sensación, percepción.
References
Abdi, H., & Williams, L. (2010). Principal component analysis. WIREs Computational Statistics, 2, 433-459. http://dx.doi.org/10.1002/wics.101
Aristizábal, N. (2015). Desarrollo de productos alimenticios (Barras Funcionales) apoyado en herramientas de gestión de la innovación (Tesis de grado inédita). Manizales, Universidad Nacional de Colombia.
Bandyopadhyay, U., & Chatterjee, D. (2015). Nonparametric homogeneity test based on ridit reliability functional. Journal of the Korean Statistical Society, 44(4), 577-591. http://dx.doi.org/10.1016/jkss.2015.03.004
Commandeur, J., & Heiser, W. (1993). Mathematical derivations in the proximity scaling (PROXSCAL) of symmetric data matrices. Leiden. Leiden: University of Leiden.
Cronbach, L. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297-334.
Gacula, J., Mohan, P., Faller, J., Pollack, L., & Moskowitz, H. (2008). Questionnaire practice: What happens when the JAR Scale is placed between two "overall" acceptance scales? Journal of Sensory Studies, 23(1), 136-147. http://dx.doi.org/10.1111/j.1745-459X.2007.00147.x
Greenhof, K., & MacFie, H. (1994). Preference mapping in practice. En H. MacFee & D. Thomson (Eds.), Measurement of food preferences (pp. 137-203). Londres: Blackie Academic and Professional.
Groenen, P., Heiser, W., & Meulman, J. (1999). Global optimization in least squares multidimensional scaling by distance smoothing. Journal of Classification, 16, 225-254. http://dx.doi.org/10.1007/s003579900055
Groenen, P., van Os, B., & Meulman, J. (2000). Optimal scaling by alternating length-constained nonnegative least squares, with application to distance-based analysis. Psychometrika, 65, 511-524. http://dx.doi.org/10.1007/BF02296341
Heiser, W., & Busing, F. (2004). Multidimensional scaling and unfolding of symmetric and asymmetric proximity relations. En D. Kaplan (Ed.), Handbook of quantitative methodology for the social sciences (pp. 254-394). Los Angeles, CA: Sage.
Hyldig, G. (2010). Proficiency testing of sensory panels. En D. Kilcast (Ed.), Sensory analysis for food and beverages quality control: A practical guide (pp. 37-48). Great Abington: Woodhead Publishing Limited.
ICONTEC Internacional. (2014). GTC 165 Análisis sensorial. Guia general. Bogotá: ICONTEC.
Jaeger, S., Rossiter, K., Wismer, W., & Harker, F. (2003). Consumer-driven product development in the kiwifruit industry. Food Quality and Preference, 14, 187-285.
Keeley, R., & McDonald, R. (2015). Part III: Principal component analysis: Bridging the gap between strain, sex and drug effects. Behavioural Brain Research, 288, 153-161. http://dx.doi.org/10.1016/j.bbr.2015.03.027
Luciano, G., & Naes, T. (2009). Interpreting sensory data by combining principal component analysis and analysis of variance. Food Quality and Preference, 30(3), 167-175. http://dx.doi.org/10.1016/j.foodqual.2008.08.003
Meilgaard, M., Civille, G., & Carr, B. (2007). Sensory evaluation techniques. Nueva York: CRC Press, Taylor & Francis Group.
Montero, I., & León, O. (2007). A guide for naming research studies in Psychology. International Journal of Clinical and Health Psychology, 7(3), 847-862.
Moskowitz, H. (1996). Experts versus consumers: A comparison. Journal of Sensorial Studies, 11, 19-37.
Moskowitz, H., & Krieger, B. (1995). Contribution of sensory liking to overall liking: An analysis of sex food categories. Food Quality and Preference, 6, 83-90.
Padrón, C., & Barreto, I. (2011). Representaciones sociales asociadas al consumo hedónico de alimentos en restaurantes. Revista Latinoamericana de Psicología, 43(3), 487-496.
Peltier, C., Visalli, M., & Schlich, P. (2015). Comparison of canonical variate analysis and principal component analysis on 422 descriptive sensory studies. Food Quality and Preference, 40(B), 326-333. http://dx.doi.org/10.1016/j.foodqual.2014.05.005
Reddy, C., & Vinzamuri, B. (2014). A survey of practitional and hierarchical clustering algorithms. En C. Aggarwal & C. Reddy (Eds.), Data clustering. algorithms and applications (pp. 87-106). Boca Raton: Taylor & Francis Group.
Rust, J., & Golombok, S. (1999). Modern psychometrics: The science of psychological assessment (2nd. Ed.). NuevaYork: Routledge.
SAS Institute Inc. (2015a). The PRINCOMP Procedure. SAS/STAT®14.1. Cary, NC: Autor.
SAS Institute Inc. (2015b). The PROC Cluster. SAS/STAT®14.1 [User's Guide]. Cary, NC: Autor.
SAS Institute Inc. (2015c). The PROC MDS. SAS/STAT®14.1 [User's Guide]. Cary, NC: Autor.
Schiffman, S. (1998). Nutritional effects of umami in the human diet: Sensory enhancement of foods for the elderly with monosodium glutamate and flavors. Food Reviews International, 14(2-3), 321-333.
Schlich, P., & McEwan, J. (1992). Cartographie des Préférences. Un outil statistique pour l'industrie agro-alimentaire. Sciences des Aliments, 12, 339-355.
SINNETIC. (2015). Análisis del comportamiento de la categoría de frituras a base de papa en volumen y valor desde el canal tradicional. Un análisis del panel de tenderos de Carvajal Tecnologia y Servicios. Bogotá: Autor.
Aristizábal, N. (2015). Desarrollo de productos alimenticios (Barras Funcionales) apoyado en herramientas de gestión de la innovación (Tesis de grado inédita). Manizales, Universidad Nacional de Colombia.
Bandyopadhyay, U., & Chatterjee, D. (2015). Nonparametric homogeneity test based on ridit reliability functional. Journal of the Korean Statistical Society, 44(4), 577-591. http://dx.doi.org/10.1016/jkss.2015.03.004
Commandeur, J., & Heiser, W. (1993). Mathematical derivations in the proximity scaling (PROXSCAL) of symmetric data matrices. Leiden. Leiden: University of Leiden.
Cronbach, L. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297-334.
Gacula, J., Mohan, P., Faller, J., Pollack, L., & Moskowitz, H. (2008). Questionnaire practice: What happens when the JAR Scale is placed between two "overall" acceptance scales? Journal of Sensory Studies, 23(1), 136-147. http://dx.doi.org/10.1111/j.1745-459X.2007.00147.x
Greenhof, K., & MacFie, H. (1994). Preference mapping in practice. En H. MacFee & D. Thomson (Eds.), Measurement of food preferences (pp. 137-203). Londres: Blackie Academic and Professional.
Groenen, P., Heiser, W., & Meulman, J. (1999). Global optimization in least squares multidimensional scaling by distance smoothing. Journal of Classification, 16, 225-254. http://dx.doi.org/10.1007/s003579900055
Groenen, P., van Os, B., & Meulman, J. (2000). Optimal scaling by alternating length-constained nonnegative least squares, with application to distance-based analysis. Psychometrika, 65, 511-524. http://dx.doi.org/10.1007/BF02296341
Heiser, W., & Busing, F. (2004). Multidimensional scaling and unfolding of symmetric and asymmetric proximity relations. En D. Kaplan (Ed.), Handbook of quantitative methodology for the social sciences (pp. 254-394). Los Angeles, CA: Sage.
Hyldig, G. (2010). Proficiency testing of sensory panels. En D. Kilcast (Ed.), Sensory analysis for food and beverages quality control: A practical guide (pp. 37-48). Great Abington: Woodhead Publishing Limited.
ICONTEC Internacional. (2014). GTC 165 Análisis sensorial. Guia general. Bogotá: ICONTEC.
Jaeger, S., Rossiter, K., Wismer, W., & Harker, F. (2003). Consumer-driven product development in the kiwifruit industry. Food Quality and Preference, 14, 187-285.
Keeley, R., & McDonald, R. (2015). Part III: Principal component analysis: Bridging the gap between strain, sex and drug effects. Behavioural Brain Research, 288, 153-161. http://dx.doi.org/10.1016/j.bbr.2015.03.027
Luciano, G., & Naes, T. (2009). Interpreting sensory data by combining principal component analysis and analysis of variance. Food Quality and Preference, 30(3), 167-175. http://dx.doi.org/10.1016/j.foodqual.2008.08.003
Meilgaard, M., Civille, G., & Carr, B. (2007). Sensory evaluation techniques. Nueva York: CRC Press, Taylor & Francis Group.
Montero, I., & León, O. (2007). A guide for naming research studies in Psychology. International Journal of Clinical and Health Psychology, 7(3), 847-862.
Moskowitz, H. (1996). Experts versus consumers: A comparison. Journal of Sensorial Studies, 11, 19-37.
Moskowitz, H., & Krieger, B. (1995). Contribution of sensory liking to overall liking: An analysis of sex food categories. Food Quality and Preference, 6, 83-90.
Padrón, C., & Barreto, I. (2011). Representaciones sociales asociadas al consumo hedónico de alimentos en restaurantes. Revista Latinoamericana de Psicología, 43(3), 487-496.
Peltier, C., Visalli, M., & Schlich, P. (2015). Comparison of canonical variate analysis and principal component analysis on 422 descriptive sensory studies. Food Quality and Preference, 40(B), 326-333. http://dx.doi.org/10.1016/j.foodqual.2014.05.005
Reddy, C., & Vinzamuri, B. (2014). A survey of practitional and hierarchical clustering algorithms. En C. Aggarwal & C. Reddy (Eds.), Data clustering. algorithms and applications (pp. 87-106). Boca Raton: Taylor & Francis Group.
Rust, J., & Golombok, S. (1999). Modern psychometrics: The science of psychological assessment (2nd. Ed.). NuevaYork: Routledge.
SAS Institute Inc. (2015a). The PRINCOMP Procedure. SAS/STAT®14.1. Cary, NC: Autor.
SAS Institute Inc. (2015b). The PROC Cluster. SAS/STAT®14.1 [User's Guide]. Cary, NC: Autor.
SAS Institute Inc. (2015c). The PROC MDS. SAS/STAT®14.1 [User's Guide]. Cary, NC: Autor.
Schiffman, S. (1998). Nutritional effects of umami in the human diet: Sensory enhancement of foods for the elderly with monosodium glutamate and flavors. Food Reviews International, 14(2-3), 321-333.
Schlich, P., & McEwan, J. (1992). Cartographie des Préférences. Un outil statistique pour l'industrie agro-alimentaire. Sciences des Aliments, 12, 339-355.
SINNETIC. (2015). Análisis del comportamiento de la categoría de frituras a base de papa en volumen y valor desde el canal tradicional. Un análisis del panel de tenderos de Carvajal Tecnologia y Servicios. Bogotá: Autor.
Cómo citar
Contreras Serrano, C. G. (2017). Mapeo de preferencias e innovación basada en comportamiento del consumidor sobre la categoría de frituras a base de papa en el mercado colombiano. Universitas Psychologica, 16(3), 1–9. https://doi.org/10.11144/Javeriana.upsy16-3.mpib
Número
Sección
Artículos