Brand Orientation as a Strategy

Durante muchos años la orientación de la marca ha sido empleada con una estrategia para adoptar innovación social en los países en desarrollo (Rahman, Hasan, & Floydun, 2013). La orientación de la marca, junto a otros aspectos, como la lealtad al consumidor y la disposición a pagar un precio superior impactan directamente en el rendimiento financiero (Simon & Sullivan, 1993). De acuerdo con Gromark y Melin (2011) la orientación a la marca está fuertemente correlaciona con las siguientes variables: (a) el desarrollo empresarial; (b) la innovación; y (c) el desempeño financiero.

Indicadores Estadísticos

Análisis de Factores

Sirve para medir la importancia de los factores a determinadas proposiciones (tiene un comportamiento estadístico parecido a un índice de correlación) ojo la matriz de correlación se da entre matrices cuadradas.

Varianza

Indica la variabilidad de cada de los factores. Esto quiere decir el grado de separabilidad que existen entre las proposiciones por cada factor.

Autovalores

Los autovalores tienen una relación directamente proporcional con el % de varianza explicada. Es decir si aumenta el porcentaje de varianza aumenta el valor del autovalor. Indica la relevancia del factor en el % de varianza explicada. Un autovalor cercano a cero se considera un factor residual y carente de sentido en el análisis.

Kaiser–Meyer–Olkin

Es una medida de adecuación, los valores bajos de este test especifican una alta probabilidad de que las relaciones entre los factores sean significativas, por otro lado valores por encima de 0.1, especifica que la data no es apropiada para un análisis factorial.

 Alfa de Cronbach

Es un coeficiente que sirve para medir la fiabilidad de una escala de medida. Para que la validez sea soportada los valores de las alfas deben estar por encima de 0.7

P-value

Es una probabilidad entre 0-1; sin embargo, el 5% de los casos sean significativos.

• P value< 0.05 implica que estadísticamente hablando los coeficientes del modelo  son diferentes de 0. En este caso se rechaza la hipótesis nula H0 y se  acepta la hipótesis alternativa H1. Es estadísticamente significativo.

Análisis Estadístico 

El análisis de factores sirve para medir la importancia de los factores a determinadas proposiciones (Montgomery, Peck, & Vining, 2012). La tabla 1 del artículo Brand Orientation as a Strategy That Influences the Adoption of Innovation in the Bottom of the Pyramid Market muestra un resumen estadístico donde se puede observar lo siguiente: (a) el 91% de la muestra considera que tener servicios difíciles de usar en el Centro de Información Comunitario (CIC) incrementa la probabilidad de que las personas desarrollen su innovación; (b) el 83% de la muestra considera que la compatibilidad es consistente con las necesidades diarias del CIC; sin embargo, el autor no toma en cuenta este factor para explicar la necesidad de tener un CIC; y (c) el 80.5% de la muestra considera que el uso de grameenphones es una ventaja relativa para usar los servicios del CIC.

Respecto a la varianza, la tabla 1 muestra lo siguiente: (a) el 31.78% de las preguntas están correctamente relacionadas con el factor uno; (b) el 13.74% de las preguntas están correctamente relacionadas con el factor dos ; (c) el 10.2 % de las preguntas están correctamente relacionadas con el factor tres; (d) el 8.72 % de las preguntas están correctamente relacionadas con el factor cuatro; y (e) el 7.39% de las preguntas están correctamente relacionadas con el factor cinco. Para analizar el indicador de Kaiser–Meyer–Olkin (KMO) es necesario saber que este ofrece un índice entre cero y uno de la proporción de la varianza en medio de las variables que explican la varianza común. Un valor cercano a uno de KMO indica que es correcto hacer el análisis factorial. La tabla 1 muestra que el indicador de KMO para los datos es 0.723; por lo tanto, es adecuado hacer un análisis factorial.

El test de Bartlett’s es una medida de adecuación, los valores bajos de este test especifican una alta probabilidad que las relaciones entre los factores sean significativas, por otro lado, valores por encima de 0.1, especifica que la data no es apropiada para un análisis factorial. La tabla 1 del artículo Brand Orientation as a Strategy That Influences the Adoption of Innovation in the Bottom of the Pyramid Market muestra que el test de Bartlett’s es cero, por ese motivo es apropiado hacer el análisis factorial.

La tabla 2 del artículo Brand Orientation as a Strategy That Influences the Adoption of Innovation in the Bottom of the Pyramid Market muestra un Alfa de Cronbach de 0.90 lo que evidencia que la escala de los niveles de las variables es válida para construir el modelo. Además, la tabla 1 muestra que los atributos de Rogers para la adopción de la innovación proveen presentan un Alfa de Cronbach de 0.783. De acuerdo con Balnaves y Caputi (2001) para que la validez sea soportadada el valor del Alfa de Cronbach debe estar por encima de 0.7. Los autores plantearon un modelo de regresión basado en las siguientes variables: (a) ventaja relativa explicada; (b) impacto de la complejidad; y (c) el error representado. El modelo de regresión nos muestra que B1 veces el impacto de la ventaja relativa explica la variación en la ratio de adopción y de manera similar B2 el impacto de la complejidad explica la adopción del ratio del CIC. Asociado a este modelo es metodológicamente adecuado considerar un error representado por εi, el cual se espera que tenga una distribución normal con media 0 y desviación estándar 1. Se espera que el error sea 0.

La tabla 5 del artículo Brand Orientation as a Strategy That Influences the Adoption of Innovation in the Bottom of the Pyramid Market muestra que el valor de B1es igual a 1.96, esto indica que, al aumentar la ventaja relativa, aumentaría la ratio de adopción en una cantidad proporcional en 1.96. El B2= -2.13 indica que, al aumentar la complejidad, disminuye la ratio de adopción. De acuerdo con Balnaves y Caputi (2001) un p~value < 0.05 implica que estadísticamente hablando los coeficientes del modelo (B0, B1 Y B2) son diferentes a 0. En este caso se rechaza la hipótesis nula H0 y se acepta la hipótesis alternativa H1. En conclusión, es estadísticamente significativo.

Si el p~value > 0.05 implica que estadísticamente hablando los coeficientes (B0, B1 Y B2) son iguales a 0. En este caso se acepta la hipótesis nula H0 se rechaza la hipótesis alternativa H1. En conclusión, no es estadísticamente significativo (Montgomery, Peck, & Vining, 2012). Rahman, Hasan y Floydun (2013) plantearon un segundo modelo de regresión considerando las siguientes variables: (a) impacto de la imagen de la marca; y (b) el error. El modelo de regresión nos muestra que B1 veces el impacto de la imagen de la marca explica la variación de la ventaja relativa. Asociado a este modelo es metodológicamente adecuado considerar un error representado por εi, el cual se espera que tenga una distribución normal con media 0 y desviación estándar 1. Se espera que el error sea 0.

La tabla 8 del artículo Brand Orientation as a Strategy That Influences the Adoption of Innovation in the Bottom of the Pyramid Market muestra que el valor B1 igual a 0.307 indica que, al mejorar la imagen de la marca, aumenta la ventaja relativa en un valor de 0.307. En este caso el p~value es 0.006; es decir, es menor a 0.05. En conclusión, se rechaza la hipótesis nula H0 y se acepta la hipótesis alternativa H1, es estadísticamente significativo.

Referencias

Balnaves, M., & Caputi, P. (2001). Introduction to quantitative research methods: An

investigative approach. Sage.

Baumgarth, C. (2010). “Living the brand”: brand orientation in the business‐to‐business

sector. European Journal of Marketing, 44(5), 653 671. https://doi.org/10.1108/03090561011032315 

Brïdson, K., & Evans, J. (2004). The secret to a fashion advantage is brand orientation.    

International Journal of Retail & Distribution Management, 32(8), 403–411. https://doi.org/10.1108/09590550410546223

Ewing, M. T., & Napoli, J. (2005). Developing and validating a multidimensional nonprofit

brand orientation scale. Journal of Business Research, 58(6), 841–

853. https://doi.org/ 10.1016/j.jbusres.2003.09.012

Gromark, J., & Melin, F. (2011). The underlying dimensions of brand orientation and its

impact on financial performance. Journal of Brand Management, 18(6), 394–410. https://doi.org/10.1057/bm.2010.52

Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to linear regression

analysis (Vol. 821). John Wiley & Sons.

Rahman, M., Hasan, M. R., & Floyd, D. (2013). Brand Orientation as a Strategy That

Influences the Adoption of Innovation in the Bottom of the Pyramid Market. Strategic Change, 22(3-4), 225–239. https://doi.org/10.1002/jsc.1935

Reid, M., Luxton, S., & Mavondo, F. (2005). The relationship between integrated

marketing communication, marketing orientation, and brand orientation. Journal of Advertising, 34(4), 1123. https://doi.org/10.1080/00913367.2005.10639210

Simon, C. J., & Sullivan, M. W. (1993). The Measurement and Determinants of Brand

Equity: A Financial Approach. Marketing Science, 12(1), 28–52. https://doi.org/ 10.1287/mksc.12.1.28

Urde, M. (1994). Brand Orientation – A Strategy for Survival. Journal of Consumer

Marketing, 11(3), 18–32. https://doi.org/ 10.1108/07363769410065445

Wirtz, J., den Ambtman, A., Bloemer, J., Horváth, C., Ramaseshan, B., Van de Klundert,

J.,Kandampully, J. (2013). Managing brands and customer engagement in online brand communities. Journal of Service Management, 24(3), 223–244. https://doi.org/ 10.1108/09564231311326978

Yin Wong, H., & Merrilees, B. (2005). A brand orientation typology for SMEs: a case

research approach. Journal of Product & Brand Management, 14(3), 155–162. https://doi.org/10.1108/10610420510601021