Browsing by Author "BARAHONA MUNITA, PAMELA ANDREA"
Now showing 1 - 2 of 2
- Results Per Page
- Sort Options
Thesis IMPLEMENTACIÓN SISTEMA G-LEADS PARA LA CATEGORIZACIÓN DE COTIZANTES EN LA INDUSTRIA INMOBILIARIA(2013-01) BARAHONA MUNITA, PAMELA ANDREA; FERNÁNDEZ DE LA REGUERA BASTIDAS, PEDRO ÁNGEL; Universidad Técnica Federico Santa María. Departamento de Industrias; OSORIO ZELADA, HUGO ANTONIO; CARTAGENA C., TOMÁS (EXTERNO)El presente estudio nació de la necesidad de las inmobiliarias de aumentar sus ventas y optimizar los recursos, dada la alta competitividad del sector. La finalidad es que el área de ventas disminuya la atención en aquellos individuos que no están interesados en comprar y focalizar las estrategias en aquellos potenciales clientes que tienen alta orientación de compra. De esta forma G-Leads categoriza al cotizante en tres grupos: Leads Calientes (alta orientación de compra), Leads Tibios (media orientación de compra con problemas de financiamiento, programa, precio, comuna o tiempo) y Leads Fríos (baja o nula orientación de compra). Los primeros son enviados al departamento de ventas y los segundos al departamento de marketing con el objetivo de convertirlos en oportunidades para la empresa. El estudio se desarrolló en tres partes: la primera consistió en recopilar información sobre la industria inmobiliaria, la generación de Lead y la metodología BANT, la cual se adaptó para desarrollar el estudio. En esta parte, se comprendió que la generación de Lead es un tema poco estudiado en el sector inmobiliario, pero muy prometedor para las empresas. Estudios realizados en Norte América muestran que la tasa de conversión de Leads en el tiempo de respuesta es mejor dentro de las primeras ocho horas, que es el intervalo de tiempo que se utilizó para categorizar a los cotizantes. En la segunda parte se definió el modelo de categorización G-Leads y se implementó en cuatro proyectos inmobiliarios ubicados en la región de Valparaíso. La tasa de respuesta de los cotizantes es baja por la escasez de base de datos nuevas. Finalmente, la tercera consiste en corregir los parámetros teóricos a través de doce modelos distintos estimados por el método mínimos cuadrados ordinarios. El modelo final excluye a la variable Comuna del análisis y Programa es la que tiene más peso sobre la categorización de cotizantes. Es esta variable la que discrimina entre un cotizante Tibio y Frío, con una pendiente de 0,44. Ante inconvenientes en el modelo, se formuló la idea de medir nuevamente la variable dependiente, que pudo haber sido medida con mucho sesgo, lo que distorsiona los resultados. Si esto no funciona, se puede replantear el modelo completo, específicamente en la forma de puntuar las variables ordinales y trabajar con una escala de categorización más pequeña y no con rangos tan variables como se desarrolló (escalas de cero a cien).Thesis IMPLEMENTACIÓN SISTEMA G-LEADS PARA LA CATEGORIZACIÓN DE COTIZANTES EN LA INDUSTRIA INMOBILIARIA.(2013-01) BARAHONA MUNITA, PAMELA ANDREA; FERNÁNDEZ DE LA REGUERA BASTIDAS, PEDRO ÁNGEL (Profesor(a) Guía); OSORIO ZELADA, HUGO ANTONIO (Profesor(a) Correferente); CARTAGENA C., TOMÁS (Profesor(a) Correferente); Universidad Técnica Federico Santa María. Departamento de IndustriasEl presente estudio nació de la necesidad de las inmobiliarias de aumentar sus ventas y optimizar los recursos, dada la alta competitividad del sector. La finalidad es que el área de ventas disminuya la atención en aquellos individuos que no están interesados en comprar y focalizar las estrategias en aquellos potenciales clientes que tienen alta orientación de compra. De esta forma G-Leads categoriza al cotizante en tres grupos: Leads Calientes (alta orientación de compra), Leads Tibios (media orientación de compra con problemas de financiamiento, programa, precio, comuna o tiempo) y Leads Fríos (baja o nula orientación de compra).Los primeros son enviados al departamento de ventas y los segundos al departamento de marketing con el objetivo de convertirlos en oportunidades para la empresa. El estudio se desarrolló en tres partes: la primera consistió en recopilar información sobre la industria inmobiliaria, la generación de Lead y la metodología BANT, la cual se adaptó para desarrollar el estudio. En esta parte, se comprendió que la generación de Lead es un tema poco estudiado en el sector inmobiliario, pero muy prometedor para las empresas. Estudios realizados en Norte América muestran que la tasa de conversión de Leads en el tiempo de respuesta es mejor dentro de las primeras ocho horas, que es el intervalo de tiempo que se utilizó para categorizar a los cotizantes. En la segunda parte se definió el modelo de categorización G-Leads y se implementó en cuatro proyectos inmobiliarios ubicados en la región de Valparaíso. La tasa de respuesta de los cotizantes es baja por la escasez de base de datos nuevas. Finalmente, la tercera consiste en corregir los parámetros teóricos a través de doce modelos distintos estimados por el método mínimos cuadrados ordinarios. El modelo final excluye a la variable Comuna del análisis y Programa es la que tiene más peso sobre la categorización de cotizantes. Es esta variable la que discrimina entre un cotizante Tibio y Frío, con una pendiente de 0,44. Ante inconvenientes en el modelo, se formuló la idea de medir nuevamente la variable dependiente, que pudo haber sido medida con mucho sesgo, lo que distorsiona los resultados. Si esto no funciona, se puede replantear el modelo completo, específicamente en la forma de puntuar las variables ordinales y trabajar con una escala de categorización más pequeña y no con rangos tan variables como se desarrolló (escalas de cero a cien).
