Download caracterizando a los individuos más propensos al zapping

CARACTERIZANDO A LOS INDIVIDUOS MÁS
PROPENSOS AL ZAPPING: ANÁLISIS
UTILIZANDO DATOS DE PANEL DE
AUDIOMETRÍA1
JUAN CARLOS GÁZQUEZ ABAD, DAVID JIMÉNEZ CASTILLO, ELVIRA SÁEZ GONZÁLEZ,
MANUEL SÁNCHEZ PÉREZ
jcgazque@ual.es, djcasti@ual.es, esaez@ual.es, msanchez@ual.es
Universidad de Almería
RESUMEN
El zapping es uno de los principales problemas a los que se enfrenta la publicidad en TV.,
reduciendo la eficacia publicitaria de éste medio. Sin embargo, y a pesar del interés tanto
de los anunciantes como de las cadenas televisivas por profundizar en su conocimiento, el
zapping es un aspecto al que no se le ha prestado la suficiente importancia en la literatura
de marketing. En este trabajo en curso, pretendemos analizar el perfil de los individuos
más propensos a este comportamiento de cambio de canal, mediante la aplicación de la
metodología de modelos de elección. Así, y mediante la utilización de datos de panel de
audiometría, aplicaremos un enfoque semiparamétrico de clases latentes, con objeto de
obtener grupos de individuos con diferente comportamiento de zapping. Cada uno de estos
grupos será caracterizado a partir de un determinado número de variables
sociodemográficas del individuo. Los resultados obtenidos permitirán, tanto a los
anunciantes como a las cadenas de TV optimizar el presupuesto destinado a esta
herramienta de comunicación por parte de los primeros, y la estrategias de programación
por parte de las cadenas televisivas
PALABRAS CLAVE
Publicidad, zapping, audímetros, modelo de clases latentes
1
Esta investigación está financiada con el proyecto de investigación (SEJ2004-07184/ECON) del Ministerio de Ciencia y
Tecnología y fondos FEDER.
J.C. GÁZQUEZ ABAD, D. JIMÉNEZ CASTILLO, E. SÁEZ GONZÁLEZ, M. SÁNCHEZ PÉREZ
1. Introducción
La realidad publicitaria ha experimentado en los últimos años cambios sustanciales debido
principalmente al exceso de información comercial emitida al entorno y la superficialidad con la que
los anuncios son atendidos por el público. Aspectos como el desarrollo tecnológico, la proliferación y
la confusión de estímulos y mensajes comerciales, el incremento continuo de medios y soportes, y la
existencia de productos de ciclo de vida cada vez más cortos, están generando una saturación
publicitaria nueva y compleja (Sánchez, 2003:163). En este contexto, el zapping, entendido como el
cambio de canal durante la aparición de bloques publicitarios, se ha convertido en una de las mayores
preocupaciones de los anunciantes (Tse y Lee, 2001).
La aparición de los nuevos canales de televisión por cable, ha intensificado sustancialmente la
competencia por obtener las mayores cuotas de visionado durante los últimos años. En este contexto,
el zapping ha incrementado espectacularmente el poder del consumidor sobre la exposición a los
comerciales televisivos (Teixeira et al., 2006). Asimismo, como consecuencia de los crecientes costes
de los programas de televisión, los beneficios de la programación en general, y de la franja de máxima
audiencia (prime time) en particular, se han visto reducidos. A la vez que los márgenes de beneficio
disminuyen, las televisiones intentan mejorar sus cuotas con estrategias de programación innovadoras
que incrementen la audiencia, tanto de dichos programas, como de la publicidad insertada en cada
canal.
Los aspectos anteriormente citados, junto a la presencia de clutters competitivos, la disposición
generalizada de dispositivos de control remoto –mando a distancia- y la penetración de los aparatos
reproductores de vídeo han derivado en un comportamiento evasivo de los telespectadores respecto a
los bloques publicitarios integrados en la programación televisiva. En este sentido, el zapping puede
ser considerado como una medida comportamental (Siddarth y Chattopadhyay, 1998; Lynch y Stipp,
1999), bien de la atención del telespectador durante su tiempo de visionado, bien de la motivación del
consumidor para procesar un comercial, o bien de la ausencia de lealtad al programa. Por tanto, es
evidente que el comportamiento de zapping influye en el comportamiento de visionado del
telespectador. Es más, todo comportamiento de cambio de canal, sin considerar los motivos que
existen tras el mismo, tiene una influencia negativa en la eficacia de la publicidad televisiva (van
Meurs, 1998).
La influencia negativa del zapping en los niveles de eficacia de la publicidad en TV es una de las
principales razones que justifica que, durante los últimos años, se haya incrementado la preocupación,
tanto entre los anunciantes como entre los investigadores, por analizar el comportamiento de visionado
y de cambio de canal del individuo, además de conocer el perfil del individuo más propenso a cambiar
de canal de forma frecuente (Zufryden et al., 1993).
En este sentido, el objetivo del presente trabajo se va a centrar en analizar cuál es el perfil de los
individuos que muestran una mayor predisposición a “zapear” cuando se encuentran delante del
televisor. Así, y utilizando datos procedentes de un panel de audiometría, emplearemos la metodología
de los modelos logit multinomial para analizar las características que presentan estos individuos. En
particular, se va a utilizar un enfoque semiparamétrico de clases latentes que nos permitirá obtener
grupos de individuos diferentes en términos de su comportamiento de visionado y de cambio de canal
de TV. Una vez obtenidos estos segmentos, nos será posible relacionarlos, además, con las diferentes
características socio-demográficas del individuo de las que disponemos, así como con ciertas variables
relacionadas con la estrategia de programación de los canales de TV analizados. Creemos que los
resultados que se prevén obtener serán de extrema utilidad, tanto para los anunciantes como para los
responsables de programación de las cadenas de TV.
2. El zapping: revisión de la literatura
2.1. Concepto de zapping
Los individuos han tenido siempre la oportunidad de evitar la publicidad en televisión de forma
relativamente sencilla, bien abandonando físicamente la habitación en la que están viendo la
televisión, o bien comenzando a realizar otras actividades, como leer o charlar. Sin embargo, con la
presencia en los hogares del mando a distancia, los individuos pueden evitar los anuncios de forma
2
CARACTERIZANDO A LOS INDIVIDUOS MÁS PROPENSOS AL ZAPPING: ANÁLISIS UTILIZANDO DATOS DE...
aún más sencilla y sin necesidad de moverse de su sitio. Ésta facilidad para evitar la publicidad en
televisión, unida al incremento espectacular que se ha producido en el número de anuncios por hora
que aparecen en televisión y al cambio a un formato de anuncio más reducido (Kent, 1995), ha
provocado que el fenómeno del zapping se haya convertido en uno de los principales problemas con
los que se enfrentan tanto los anunciantes como los responsables de las cadenas televisivas (Siddarth y
Chattopadhyay, 1998). Tanto es así, que éstos cambios en los hábitos de visionado del individuo han
producido cambios en los aspectos productivos de la publicidad. Así, el fenómeno del zapping ha
provocado un cambio importante en el diseño y colocación de los anuncios televisivos, así como una
mayor segmentación en el contenido de los programas emitidos (Carey, 2002).
El término zapping2 ha sido empleado para definir muy diferentes conceptos. Así, Kaplan (1985) lo
utiliza con el significado de ‘cambio de canal’, mientras que Tauber (1985) llama así a ‘pasar
rápidamente los comerciales grabados en cinta de video’. Para Cronin y Menelly (1992), zapping es
sinónimo de ‘abandono de la habitación de visionado de televisión’, mientras que Tellis y Redondo
(2002:155), consideran que el zapping “consiste en evitar los anuncios cambiando de canal de TV”.
En la misma línea, Tse y Lee (2001:27) amplían esta definición, indicando que “el zapping consiste en
evitar los comerciales cuando los individuos están viendo programas de televisión, mediante el
cambio de canales o físicamente, mediante el abandono de la habitación de visionado o
concentrándose en otras actividades diferentes, durante la emisión de los bloques publicitarios”.
Todas estas diferentes definiciones del concepto de zapping no parecen estar originadas por diferentes
interpretaciones respecto al contenido del mismo, sino que parecen proceder de la existencia de
diferencias en los métodos de medición usados y el posterior tratamiento de los resultados de la
investigación (van Meurs, 1998).
Para evitar confusiones innecesarias, en el presente estudio adoptaremos una definición de zapping
más restrictiva que la de Tse y Lee (2001), considerando que “es el fenómeno en el que los individuos
que ven programas de televisión cambian de canal” (Zufryden et al., 1993:58). Esta definición
coincide con la adoptada en numerosos trabajos (p. e., Danaher, 1995; Heeter y Greenberg, 1985;
Kaplan, 1985; Zufryden et al., 1993).
2.2. Aspectos que determinan el comportamiento de zapping
La mayor parte de los trabajos de la literatura que han analizado el zapping (p. e., Kaplan, 1985;
Greene, 1988; van Meurs, 1998) se han centrado en la descripción de la dimensión y las características
de dicho comportamiento, además de caracterizar la audiencia más propensa a cambiar más
frecuentemente de canal. Sin embargo, pocas conclusiones importantes pueden ser extraídas de estos
trabajos, dado que todos ellos se basan en análisis pasados del comportamiento de visionado. Es cierto
que otros trabajos (p. e., Zufryden et al., 1993) han utilizado datos procedentes de paneles de
audiometría en lugar de datos obtenidos de forma retrospectiva; sin embargo, el nivel de agregación de
dichos datos dificulta, igualmente, el llegar a conclusiones realmente útiles (Tse y Lee, 2001).
En relación a los aspectos que determinan el comportamiento de zapping, son múltiples los analizados
en la literatura de marketing. Así por ejemplo, Stewart y Furse (1986) y Biel (1990) muestran cómo la
capacidad del mensaje publicitario para proporcionar información nueva y de utilidad afecta el nivel
de zapping. Speck y Elliot (1997) plantean un modelo en el que las variables explicativas de dicho
comportamiento son: i) las características demográficas, ii) las variables relacionadas con los medios,
iii) la actitud general hacia la publicidad en cada medio, y iv) los problemas de comunicación
relacionados con la publicidad. Para estos autores, la percepción de la publicidad es la variable
explicativa más importante, siendo la amplitud de uso de cada medio otra variable también
significativa en la determinación del comportamiento evasivo de los anuncios en los medios
audiovisuales. Conclusiones similares ya fueron obtenidas con anterioridad por Danaher (1995).
Otros trabajos han analizado la influencia de la longitud del anuncio (p. e., Patzer, 1991; Singh y Cole,
1993), llegando a la conclusión de que cuanto menor es la duración del mismo, menos probable es que
el individuo haga zapping. Así, p .e., Pieters y Bijmolt (1997) hallan como los anuncios de 15
segundos son un 50% más efectivos (mayor probabilidad de que sean vistos) que los que duran 30
2
También conocido en la literatura como “channel surfing” o “channel grazing”
3
J.C. GÁZQUEZ ABAD, D. JIMÉNEZ CASTILLO, E. SÁEZ GONZÁLEZ, M. SÁNCHEZ PÉREZ
segundos. Incluso, existen trabajos que han analizado el momento del día como variable determinante
del comportamiento de zapping. En este sentido, mientras que algunos de estos autores (p. e.,
Zufryden et al., 1993) obtienen mayor probabilidad de cambio en los anuncios emitidos durante
prime-time, otros (p. e., McSherry, 1985) indican la existencia de un menor nivel de cambio de canal
durante dicha franja.
Los aspectos sociodemográficos del espectador han sido también analizados por parte de algunos
trabajos. Heeter y Greenberg (1985), utilizando datos procedentes de encuesta, hallan como los
hombres y las personas menores de 30 años eran las que solían cambiar más de canal. A resultados
similares llega con posterioridad van Meurs (1998), al comprobar como las mayores tasas de zapping
se encontraban en los programas dirigidos a niños y adolescentes, frente a los programas dirigidos a
personas más adultas (entre 35 y 49 años). Estos trabajos combinan las variables sociodemográficas
con variables relativas al emisor de la publicidad, dado que, habitualmente, las variables
sociodemográficas por sí solas tienen poca capacidad para explicar el comportamiento de visionado
del individuo (Alwitt y Prabhaker, 1994), aún cuando hayan sido habitualmente utilizadas para
determinar la audiencia-objetivo en las estrategias de programación.
En este trabajo en curso, pretendemos contribuir a la literatura de marketing aportando evidencias
empíricas en la línea de la caracterización del individuo más propenso al cambio de canal. En este
sentido, la utilización de datos de panel de audiometría para realizar esta caracterización va a permitir
analizar el comportamiento de visionado real del individuo. La dificultad para obtener datos de panel
de audiencia ha provocado la escasez relativa de trabajos (Siddarth y Chattopadhay, 1998) en esta
línea de investigación, basándose muchos de ellos, en datos de cuestionario (Van meuers, 1998).
Adicionalmente, el desarrollo de un enfoque semiparamétrico de clases latentes en el marco de los
modelos de elección logit multinomial, supone una aportación empírica a la literatura de marketing,
dada la escasez de trabajos que han utilizado la metodología de los modelos logit en el contexto de
análisis del comportamiento de visionado del individuo (p. e., Shachar y Emerson, 2002).
3. Metodología de la investigación
3.1. Base de datos utilizada
Los datos que se utilizarán en esta investigación proceden del panel de audiometría de Taylor Nelson
Sofres (TNS) y se refieren a la elección de canal de TV (TVE1, La 2, Antena 3, Tele 5 y Canal + y
Cadenas autonómicas) realizada por el individuo durante la cuarta semana de marzo de 2001, desde el
día 25 (domingo) hasta el día 31 (sábado), durante la franja de prime time3. La unidad temporal
considerada ha sido de 30 minutos, por lo que, dado que se considera que la franja de prime time en
España dura tres horas, contaremos con 6 franjas para cada día. Teniendo en cuenta que en total se
analiza una semana completa, el comportamiento de visionado del individuo abarca un total de 42
franjas de media hora. No obstante, las 42 franjas han sido divididas en tres subperíodos: 1) un
subperíodo de “inicialización” que comprende desde la franja 7 a la 24, y que va a ser utilizado para
calcular una variable de “lealtad histórica al canal” (vamos a denominarla zapping histórico) para cada
individuo, y que posteriormente será indexada a cada individuo en cada franja del período de
estimación del modelo; 2) un subperíodo de estimación, comprendido entre las franjas 25 y 36, y que
va a ser utilizado para estimar los parámetros del modelo, y 3) un subperíodo de validación, que
comprende desde las franjas 1 a la 6, y desde la 37 a la 42, y que será utilizado para validar
externamente los parámetros obtenidos a partir del subperíodo de estimación.
3.2. Variables explicativas de la elección y modelos utilizados
Las variables utilizadas para analizar el comportamiento de zapping son de dos tipos: i) variables
relativas a la programación de cada una de las cadenas de TV, y 2) variables relativas al individuo. La
tabla 1, resume las variables de ambos tipos que vamos a utilizar para nuestro análisis empírico.
TABLA 1
Variables explicativas utilizadas para la caracterización de los televidentes
3
Horario de máxima audiencia, que en España se sitúa aproximadamente entre las 20:30h y las 23:30h, ya que varía por
cadenas en función de la programación televisiva
4
CARACTERIZANDO A LOS INDIVIDUOS MÁS PROPENSOS AL ZAPPING: ANÁLISIS UTILIZANDO DATOS DE...
Duración
Hora de inicio
Hora de finalización
Día de la semana
Tipo de programa
Zapping anterior
Zapping histórico
Variables relativas a las cadenas de TV
Duración (minutos) del programa emitido en la cadena j durante la franja t (Durjt)
Hora de inicio del programa emitido en la cadena j durante la franja t (Hinicjt)
Hora de finalización del programa emitido en la cadena j durante la franja t (Hfinjt)
Día de la semana (de sábado a domingo) en la que se emite el programa emitido en la cadena j durante la
franja t (Díajt)
Tipo de programa [info-cultural (noticias, el tiempo, documentales y debates), concurso (incluidos también
los reality shows), serie, cine, deportes, entretenimiento (magazines, programas de humor, programas
musicales), otro (categoría residual)] emitido por la cadena j durante la franja t (Tipojt)
Variables relativas al individuo
Variable dummy igual a 1 (0) si el individuo i visiona (no visiona) el mismo canal j en t que en t-1 (Zapantijt)
Cuota histórica (fija) de visionado del individuo i del canal j durante la franja t (variable obtenida a partir del
período de inicialización) (Zaphistijt)
Edad del individuo i (Edadi)
Comunidad autónoma a la que pertenece el individuo i (Comi)
Sexo del individuo i (Sexi)
Número de miembros del hogar al que pertenece el individuo i (Hogari)
Clase social (alta, media, baja) a la que pertenece el individuo i (Clasei)
Edad
Comunidad Autónoma
Sexo
Tamaño del hogar
Clase social
Número de niños menores de
Número de niños menores de 12 años que se encuentran en el hogar al que pertenece el individuo i (Menori)
12 años
En este trabajo utilizamos la metodología de los modelos de elección (MNL) para caracterizar a los
individuos más propensos al cambio de canal. Existen tres importantes razones para la utilización del
MNL (Guadagni y Little, 1983): (i) su capacidad analítica y la facilidad para su estimación
econométrica; (ii) su “atractivo” conceptual (fundamentado en la teoría económica); y 3) su excelente
rendimiento empírico (en términos de ajuste del modelo y otros criterios). Así, el modelo básico que
vamos a emplear es el siguiente:
Uitj = αj + ∑k∈K β k X ijk
[1]
donde Uitj representa la utilidad del canal j (de un conjunto de M=6 canales) para el individuo i en la
franja t, que es función de un conjunto k de variables explicativas {Xitjk}k∈K ponderada por parámetros
de respuesta βk. El parámetro α representa la preferencia intrínseca que cada individuo tiene hacia
cada uno de los canales disponibles.
En el contexto de los modelos MNL, vamos a utilizar un enfoque semiparamétrico de clases latentes
(Chintagunta et al., 1991) que nos permitirá obtener grupos de individuos con comportamientos de
elección diferentes y, a partir de la obtención de dichos grupos, utilizaremos las diferentes variables
(entre ellas las variables relativas al comportamiento de zapping del individuo) para caracterizar
dichos grupos. El enfoque de clases latentes asume la existencia de: (i) una distribución conjunta de
los parámetros de respuesta βk; (ii) la existencia de un conjunto de S perfiles posibles de respuesta; y
(iii) una distribución {P(s)}s∈S de la probabilidad. Cada uno de estos perfiles implica la existencia de
un segmento latente cuyo tamaño relativo viene expresado por su probabilidad. Así, la probabilidad de
que el individuo i visione el canal j condicionado a su pertenencia al segmento s se estima a partir de:
Pij|s =
∑
exp(α js + ∑ k∈K β ks X ijk )
exp(α js + ∑ k∈K β ks X ijk )
s∈S
[2]
donde α js representa las preferencias intrínsecas de los segmentos, mientras que βks representa los
parámetros de respuesta de los segmentos. Cada segmento s cuenta con una familia de parámetros
({ α js }j∈J,{ β ks }k∈K). En el anexo de este trabajo, presentamos el desarrollo analítico de este modelo de
clases latentes.
4. Aportaciones previsibles del trabajo
Con el presente trabajo en curso pretendemos aportar evidencias empíricas acerca del fenómeno del
zapping. Se trata de caracterizar quiénes y cómo son los individuos más propensos al cambio de canal,
a partir de la utilización de variables relacionadas con la estrategias de programación de las cadenas de
5
J.C. GÁZQUEZ ABAD, D. JIMÉNEZ CASTILLO, E. SÁEZ GONZÁLEZ, M. SÁNCHEZ PÉREZ
TV, y variables sociodemográficas del individuo. Además, y dado que vamos a emplear la
metodología de los modelos logit, los resultados nos van a permitir conocer la estructura de elección
de canal de TV por parte del individuo, conociendo de qué manera la estrategia de programación de
cada canal (tipo de programa emitido, duración del mismo, hora de inicio y finalización, etc.) va a
influir en la probabilidad de visionado de dicho canal. Entendemos que los resultados obtenidos
pueden ser muy útiles tanto desde el punto de vista del anunciante (ayudándole a optimizar su
presupuesto publicitario), como desde la perspectiva de los gestores de las cadenas de TV
(ayudándoles a optimizar sus estrategias de programación).
Referencias bibliográficas
ALWITT, L.F, PRABHAKER, P.R (1994), "Identifying who dislikes television sdvertising: not by demographics alone", Journal
of Advertising Research, Vol. 34 No.5, pgs.17-29.
BIEL, A. (1990). “Attributes of Likable Television Commercials”, Journal of Advertising Research, Vol. 30, nº 3, pgs. 38-44
CAREY, J. (2002). “Media use during a crisis”, Prometheus, Vol. 20, nº 3, pgs. 201-207.
CHINTAGUNTA, P., JAIN, D. Y VILCASSIM, N. (1991). “Investigating heterogeneity in brand preferences in logit models for
panel data”, Journal of Marketing Research, Vol. XXVIII, nº November, pgs. 417-428.
CRONIN, J. Y MENELLY, N. (1992). “Discrimination Vs. Avoidance: ‘Zipping’ of Television Commercials”, Journal of
Advertising, Vol. 21, nº 2 (Junio), pgs. 1-7.
DANAHER, P. (1995). “What Happens to Television Ratings during Commercial Breaks?”, Journal of Advertising Research,
Vol. Enero-Febrero, pgs. 37-47.
GREENE, W. (1988). “Maybe the Valley of the Shadows Isn’t So Dark After All”, Journal of Advertising Research, Vol. 28, nº
5, pgs. 11-15.
GUADAGNI, P. Y LITTLE, J.(1983). “A logit model of brand choice calibrated on scanner data”, Marketing Science, Vol. 2, nº 3,
pgs.203-238.
HEETER, C. Y GREENBERG, B. (1985). “Profiling the Zappers”, Journal of Advertising Research, Vol. 25, nº 2, pgs. 15-19.
KAPLAN, B. (1985). “Zapping –the Real Issue is Communication”, Journal of Advertising Research, Vol. 25, nº 2, pgs. 9-12.
KENT, R. (1995). “Competitive clutter in network television advertising: current levels and advertiser reponses”, Journal of
Advertising Research, Vol. 35, nº January-February, pgs. 49-57.
LYNCH, K. Y STIPP, H. (1999). “Examination of Qualitative Viewing Factors for Optimal Advertising Strategies”, Journal of
Advertising Research, Vol. Mayo-Junio, pgs. 7-16.
MCSHERRY, J. (1985). “The Current Scope of Channel Switching”, Marketing and Media Decisions, Vol. 20, nº 8, pgs. 144146.
PATZER, G. (1991). “Multiple Dimensions of Perfomance for 30-Second and 15-Second Commercials”, Journal of
Advertising Research, vol. 31, nº 4, pgs. 18-25.
PIETERS, R. Y BIJMOLT, T. (1997). “Consumer Memory for Television Advertising: A Field Study of Duration, Serial Position,
and Competition Effects”, Journal of Consumer Research, Vol. 23, nº 4, pgs. 362-372.
SÁNCHEZ, M. J. (2003). “Objetivos y presupuesto publicitario”, en J. E. Bigné (ed.) Promoción comercial, ESIC: Madrid, pgs.
161-195.
SHACHAR, R. Y EMERSON, J.W. (2000). “Cast Demographics, Unobserved Segments, and Heterogeneus Switching Costs in a
Television Viewing Choice Model”, Journal of Marketing Research, Vvol. XXXVII, nº Mayo, pgs. 173-186
SIDDARTH, S. Y CHATTOPADHYAY, A. (1998). “To Zap or Not to Zap: A Study of the Determinants of Channel Switching
During Commercials”, Marketing Science, Vol. 17, nº 2, pgs. 124-138.
SINGH, S.N. Y COLE, C.A. (1993). “The Effects of Length, Content, and Repetition on Television Commercial Effectiveness”,
Journal of Marketing Research, Vol. XXX, nº Febrero, pgs. 91-104.
STEWART, D.W. Y FURSE, D.H. (1986). Effective Television Advertising: A Study of 1000 Commercials, Lexington, MA:
Lexington Books.
SPECK, P. Y ELLIOT, M. (1997). “Predictors of Advertising Avoidance in Print and Broadcast Media”, Journal of Advertising,
vol. 26, nº 3, pgs. 61-76.
TAUBER, E. (1985). “Editorial: Zapping”, Journal of Advertising Research, Vol. 25, nº 2, pg. 5.
TEIXEIRA, T., PIETERS, R. Y WEDEL, M. (2006). “Metrics to evaluate the effectiveness of TV commercials to capture atention”,
5th International Conference on Research in Advertising (ICORIA), University of Bath: Reino Unido.
TELLIS, G.J. Y REDONDO, I. (2002). Estrategias de Publicidad y Promoción, Madrid: Pearson Educación, S.A.
TSE, A. Y LEE, R. (2001). “Zapping Behavior during Commercial Breaks”, Journal of Advertising Research, Vvol. 41, nº 3,
pgs. 25-29.
ROYO, M. (2002). Comunicación Publicitaria. Un Enfoque Integrado y de Dirección, Madrid: Minerva Ediciones, S.L.
VAN MEURS, L. (1998). “Zap.A Study on Switching Behavior during Commercial Breaks”, Journal of Advertising Research,
Vol. 38, nº 1, pgs. 43-53.
ZUFRYDEN, F., PEDRICK, J. Y SANKARALINGAM, A. (1993). “Zapping and its Impact on Brand Purchase Behavior”, Journal of
Advertising Research, Vol. 33, nº 1, pgs. 58-66.
ANEXO: MODELO DE CLASES LATENTES
El número de segmentos s obtenidos configura la distribución de probabilidad, con un tamaño relativo
definido por su probabilidad {P(s)}s∈S, de acuerdo con una formulación logística que proporciona
valores menores que 1 (0 ≤ Ps ≤ 1), siendo Σs∈Sλs=1:
6
CARACTERIZANDO A LOS INDIVIDUOS MÁS PROPENSOS AL ZAPPING: ANÁLISIS UTILIZANDO DATOS DE...
Ps =
[A.1]
exp λ s
S
∑ exp λ
s'
s'
Si consideramos la existencia de una secuencia de elecciones de canal de cada individuo, Hi, la
probabilidad de ocurrencia de Hi, condicionada a la pertenencia del individuo i al segmento s, viene
dada por:
Pi (Hi|s) =
∏ ∏
t∈T
j∈J
( Pij|s )
d ijt
[A.2]
donde dijt es igual a 1, si el individuo i visiona el canal j en la franja t, y dijt es igual a 0 si el individuo i
no visiona el canal j en la franja t. La probabilidad de que el individuo i tenga un historial de visionado
Hi (PHi) es calculada a partir de una estructura multinomial logística:
PH i = ∑s∈S PH i |s Ps
=
∫{α
}
js j∈J , s∈S
({ }
d ℑ α js
,{β ks }k∈K , s∈S
j∈J , s∈S
[A.3]
∫ [∏ {∏
t ∈T
, {β ks }k∈K ,s∈S
j∈ J
(P ( j | {α }
js j∈ J , s∈S
it
, {β ks }k ∈K , s∈S
) )}]
d ijt
)
donde:
dijt es igual a 1 si el individuo i visiona el canal j en la franja t; y
dijt es igual a 0 si el individuo i no visiona el canal j en la franja t.
(
)
ℑ {α js }j∈J , s∈S , {β ks }k∈K , s∈S representa la función de heterogeneidad. Si esta función es aproximada
por un número S finito de puntos, la expresión anterior vendría representada por:
PH i =
dijt
⎡
⎛ exp(α js `+∑ β ks X ijkt ) ⎞ ⎤
k∈K
⎜
⎟ ⎥
⎢
∑s∈S ⎢∏t∈T ∏j∈J ⎜
exp(α j 's + ∑k∈K β ks X ij 'kt ⎟ ⎥
⎝ ∑ j '∈J
⎠ ⎦
⎣
exp(λs )
∑ s '∈S exp(λs ' )
[A.4]
La probabilidad de pertenencia de cada individuo a cada segmento viene determinada por su historial
de visionado, utilizando el teorema de Bayes:
Pis|H i =
∑
PH i |s Ps
[A.5]
P P
s '∈S H i | s s '
Dado que el número de clases latentes es desconocido, la estimación de los parámetros se realiza a
partir de un valor determinado de S (número de grupos). Para la obtención del número de grupos se
utilizan diferentes criterios estadísticos tales como el criterio AIC (criterio de información de Akaike),
el BIC (criterio de información de Bayes), el MAIC (Criterio AIC modificado) o el CAIC (Criterio
AIC consistente).
7