¿Cómo hacer un biplot utilizando el programa Brand Map? Para generar un mapa de vectores llamado Biplot, en Brain usamos un programa llamado BrandMap, que utiliza a Excel como plataforma y sólo se tiene una licencia, es decir, no pueden estar usándolo dos o más personas al mismo tiempo, por lo que es indispensable cerrarlo al terminar de usarse, y si alguien lo está usando estar al pendiente de que lo cierre al terminar.

Para ingresar le damos click al botón Load BrandMap y entramos a la aplicación.

Para generar el mapa de vectores es necesario tener construida una matriz de porcentajes de las marcas a analizar con los diversos atributos.

La cual se selecciona para construir el mapa y en Maps seleccionamos la opción Biplot.

Se seleccionan las opciones de Data Standardization-> Row y Colum (Para estandarizarlos con media=0 y SD=1)

Posteriormente nos pregunta por el número de dimensiones o ejes para el cálculo y dejamos los que nos propone.

Luego nos pregunta por el nombre del archivo con el que se va a guardar y le damos aceptar a los siguientes 2 cuadros de diálogo que aparecen.

Este genera una matriz de vectores

Para dibujar el mapa de vectores nos vamos a Plot/Report -> Plot 2D Map

Posteriormente le damos las especificaciones del mapa, los cuales varían dependiendo las necesidades del estudio. Es muy importante seleccionar la opción de dibujar los ejes.

Nos aparece un cuadro de diálogo donde le ponemos el título del gráfico

Y al darle OK se genera el mapa de vectores. En cada eje se muestra el porcentaje de varianza que explica, en este ejemplo en el primer eje es el 37.9% y el segundo 25.6%, en total se explica el 63.5%. El mapa también nos marca vectores con correlaciones menores al .5.

Se debe tener la precaución de no interpretar este mapa como uno de Correspondencias (MCA), ya que los vectores indican hacia que eje se posiciona algún atributo. Y finalmente le asignamos a los ejes su descripción con base en los vectores que le apuntan.

Vectores largos indican cualidades o propiedades que hacen que las marcas sean distintas. Vectores pequeños informan sobre rasgos o características que NO se distinguen entre las marcas. En nuestro ejemplo, el atributo “ofrece mayor valor agregado por medio de servicios adicionales de calidad” puede no diferenciar entre las marcas ya que es un vector muy corto. El atributo “lo que paga por el servicio es adecuado a su calidad” si logra distinguir a las marcas (las que si ofrecen esta peculiaridad de las que no lo hacen) y por tanto su representación es a través de un vector muy largo. El centro del mapa donde se intersectan los ejes y los vectores representa el promedio general de cada atributo y es el punto a partir del cual las marcas se dispersan o se diferencian. El ángulo que forman los vectores-atributos indica el grado de asociación entre ellos. Entre menor sea el ángulo hay mayor asociación; a un mayor ángulo las correlaciones entre atributos son negativas.

Se recomienda poner nombre a las dimensiones que forman lo vectores-atributos más largos y más correlacionados entre sí (ángulos más pequeños). Esto permite detectar en que aspectos está posicionada una marca. En nuestro ejemplo Infinitum tiene un posicionamiento de marca relacionado con velocidad y vale lo que cuesta. Entre más cerca esté una marca de una dimensión, está más posicionada esta en este aspecto. Las marcas que aparecen cercanas son similares en la mayoría de los atributos. Las que aparecen separadas son más diferentes. Una marca se relaciona más con un atributo si apunta en la misma dirección que éste. El grado de asociación se halla dibujando una perpendicular de la marca al vector-atributo. (- - - - -) Entre más chica sea la perpendicular más se relaciona la marca con el atributo. En nuestro ejemplo la marca más asociada con el atributo “ ofrece un servicio confiable y sin fallas” es Telmex y la menos correlacionada es Yoo. Aunque Telcel tiene una perpendicular más corta que Telmex, no apunta en la misma dirección que el atributo. Siempre hay que considerar que este tipo de mapa perceptual es para interpretar posicionamiento de marca en dimensiones. Para analizar la relación atributo-marca es más recomendable utilizar el análisis de correspondencia.