Análisis de regresión logística

La regresión logística es una técnica estadística utilizada para analizar la relación entre una variable dependiente categórica (como "sí" o "no") y una o más variables independientes continuas o categóricas.

En el contexto de una empresa B2B en investigación de mercados, la regresión logística puede ser utilizada para analizar los factores que influyen en la probabilidad de que los clientes compren un producto o servicio en particular.

Por ejemplo, una empresa B2B que vende software podría utilizar la regresión logística para analizar la relación entre la probabilidad de que un cliente compre el software y las siguientes variables independientes:

El tamaño de la empresa del cliente
El sector industrial del cliente
La experiencia previa del cliente con el software de la empresa
El precio del software

Una vez que se han recopilado los datos, se puede realizar el análisis de regresión logística para determinar la importancia de cada una de las variables independientes en la probabilidad de compra del software.

El análisis puede proporcionar una idea de qué variables tienen el mayor impacto en la probabilidad de compra y ayudar a la empresa a identificar oportunidades para mejorar su estrategia de marketing y ventas.

Por ejemplo, el análisis de regresión logística puede revelar que el precio del software tiene un impacto significativo en la probabilidad de compra, lo que podría indicar que la empresa necesita ajustar su estrategia de precios para ser más competitiva en el mercado.

Del mismo modo, el análisis puede revelar que el tamaño de la empresa del cliente no tiene un impacto significativo en la probabilidad de compra, lo que podría indicar que la empresa necesita enfocar sus esfuerzos de marketing en otros factores que sí influyen en la decisión de compra del cliente.

Ejemplo

Este es un ejemplo de tipo regresión logística binaria, donde la variable objetivo tiene solo 2 resultados posibles, de si compraría o no un software, 0 es la probabilidad de que no ocurra y 1 es la probabilidad de que sí ocurra.

En este caso necesitamos conocer la relación entre la probabilidad de compra de un software (eje y) y los años de experiencia previa del cliente con el software de la empresa (eje x)

La línea curva representa la regresión logística ajustada a los datos. En la siguiente gráfica, se muestra que la probabilidad de que compren el software con 0 a 3 años de experiencia previa con el software es muy baja, pero si el cliente tiene de 4 a más años de experiencia previa, la probabilidad de que compren el software es mayor.