Aplicación de las cadenas ocultas de Markov para la preferencia de los consumidores en el mercado cervecero

Abstract

Debido al ambiente competitivo en las industrias peruanas del sector consumo masivo, es de gran interés poder determinar las preferencias de los consumidores para poder estimar de manera más eficiente sus necesidades. Es en este punto importante el uso de las Herramientas Estocásticas para el desarrollo de predicciones a largo plazo, evaluar posibles estados de movimiento entre marcas y determinar factores claves en el proceso de elección del consumidor. Este análisis se hace posible mediante el uso de modelos Estocásticos, pues se basan en Probabilidades, útiles al estimar las decisiones de los potenciales clientes. Este documento tiene como objetivo desarrollar a fondo y presentar los modelos ocultos markovianos, con la finalidad de orientar el análisis hacia los Procesos Estocásticos de tiempo discreto, que son las Cadenas de Markov, con la evidencia del supuesto de la optimización del análisis a través del reconocimiento de Estados Ocultos, difíciles de definir y que en los modelos markovianos ocultos, son el pilar para obtener los resultados deseados. Se tocarán temas relacionados y se explicarán los conceptos necesarios para poder entender las Cadenas Ocultas de Markov y su aplicación directa al sector consumo masivo. Finalmente, se demostrará su directa aplicación al tema de preferencias y los aportes para futuros estudios relacionados. En cuanto a la aplicación al tema de preferencias de los consumidores, especialmente en el mercado cervecero, cada vez cambiante, se eligieron las principales dos variables críticas que afectan de manera determinante y que además alimentan la situación de incertidumbre por la que una modelación matemática - estocástica es una de las soluciones más convenientes. Estas dos variables son: el Volumen de Ventas de cada empresa (de manera estimada) y las Transiciones entre marcas representativas por empresa. Para esas dos variables entonces, nuestro análisis tratará de poner a prueba al Modelamiento Clásico de Markov contra el Modelamiento Oculto.