Investigación de mercado sobre adopción de vehículos sostenibles
De un TFG con Matrícula de Honor a un capítulo académico revisado por pares: aprendizaje autónomo, métodos estadísticos avanzados y consumer insights aplicados a la adopción de EV/HEV/PHEV.
Tipo
Proyecto individual / investigación publicada
Área
Consumer Insights · Quantitative Research
Herramientas
Google Forms · R · SPSS · AMOS · Excel
Técnicas
Survey research · SEM · CFA · MANOVA · Logistic regression · Consumer profiling
Entregable
Investigación + publicación académica
Valor
Proyecto individual donde analicé motivaciones, barreras y perfiles de adopción de vehículos eléctricos e híbridos mediante encuesta propia, SPSS/AMOS, SEM/CFA, MANOVA y regresión para extraer insights de consumidor transferibles a negocio.
Highlight
No me limité a entregar un buen TFG. Lo usé como plataforma para aprender métodos más avanzados, elevar el estándar analítico y convertir el trabajo en una publicación revisada por pares.
TFG con Matrícula de Honor
Respuestas en encuesta primaria
Casos de vehículos sostenibles para comparación
Odds ratio edad en modelo logístico
Resumen ejecutivo
El valor de este proyecto no está solo en el sector aplicado. Está en el modo de trabajo: detectar que el encargo inicial se quedaba corto, aprender nuevas técnicas cuando el problema lo requería y convertir un trabajo académico en un resultado de mayor estándar.
Contexto de negocio
La adopción de vehículos sostenibles no depende solo de tecnología, precio o incentivos. También depende de barreras percibidas, normas sociales, percepción de control, intención de compra y comportamiento del consumidor. Para empresas, instituciones y marcas, entender quién adopta y por qué es clave para diseñar comunicación, producto, infraestructura e incentivos.
Mi contribución
Proyecto individual de investigación que comenzó como TFG y evolucionó a publicación revisada por pares. Obtuve 10/10 con Matrícula de Honor, fui nominado a mejor TFG del Departamento de Ciencias Económicas y amplié el alcance metodológico de forma proactiva aprendiendo técnicas estadísticas avanzadas para reforzar el trabajo.
Datos y métodos
- Investigación primaria con encuesta de 358 respuestas.
- Diseño de muestra no probabilística con captación intencional de usuarios de vehículos sostenibles para permitir comparación de grupos.
- Limpieza y recodificación de variables en R: salario, edad, antigüedad del vehículo y dummy Coche_Eco.
- Modelo CADM como base conceptual.
- SEM y CFA para validar relaciones y medición.
- Regresión logística y regresión lineal para perfilar adopción y renovación del vehículo.
- Contrastes no paramétricos y chi-cuadrado para comparación de grupos.
- MANOVA para comparar diferencias conductuales.
- R/RStudio, SPSS, AMOS y Excel.
Preguntas de investigación
- ¿Qué factores psicológicos explican la decisión de adquirir un vehículo sostenible?
- ¿Quiénes son los adoptantes actuales en términos sociodemográficos?
- ¿Existen diferencias psicológicas y conductuales entre adoptantes y no adoptantes?
Por qué importa este proyecto
Este caso muestra iniciativa, rigor y velocidad de aprendizaje. Automotive aparece como contexto aplicado, pero la capacidad transferible es consumer insight, análisis avanzado y traducción a decisión.
Aprendizaje autónomo
Para ir más allá del análisis descriptivo y de la regresión básica, estudié por mi cuenta Modelos de Ecuaciones Estructurales, Análisis Factorial Confirmatorio y MANOVA. El objetivo no era añadir complejidad por añadirla, sino elegir métodos que respondieran mejor a las preguntas de investigación.
- SEM para analizar relaciones entre factores psicológicos de adopción.
- CFA para evaluar la validez del modelo de medición.
- Regresión logística para perfilar adoptantes de vehículos sostenibles.
- MANOVA para comparar diferencias conductuales entre adoptantes y no adoptantes.
Esta experiencia me enseñó a aprender métodos técnicos de forma autónoma, evaluar si eran adecuados y traducir resultados estadísticos en recomendaciones prácticas.
Proceso
- 01Definir el problema de adopción desde comportamiento del consumidor.
- 02Revisar literatura sobre TPB, NAM, CADM y movilidad sostenible.
- 03Diseñar el modelo conceptual.
- 04Recoger y preparar datos.
- 05Validar el modelo psicológico con SEM.
- 06Refinar la medición mediante CFA.
- 07Construir el perfil del adoptante mediante regresión logística.
- 08Comparar perfiles con MANOVA.
- 09Traducir resultados en implicaciones para empresas y sector público.
Hallazgos clave
- La adopción no puede explicarse únicamente por conciencia ambiental.
- La percepción de control y la viabilidad percibida son claves.
- Infraestructura, precio, incertidumbre y confianza condicionan la intención.
- Los adoptantes muestran patrones diferenciados que permiten segmentación.
- En el análisis socioeconómico, renta y edad aparecen asociadas a adopción/renovación; hábitat no resulta significativo al controlar por esas variables.
- La muestra fue diseñada para comparar perfiles, no para estimar la cuota real de vehículos sostenibles en España.
- El reto no es solo vender vehículos sostenibles, sino hacer que la alternativa parezca viable, tangible y socialmente normalizada.
Implicaciones de negocio
- Para fabricantes: comunicar facilidad, confianza, autonomía, coste total y reducción de incertidumbre.
- Para concesionarios: argumentos de venta basados en barreras reales del consumidor.
- Para administraciones: incentivos e infraestructura como reducción de fricción psicológica.
- Para marketing: segmentar por motivaciones y barreras, no solo por demografía.
Aunque el caso se centra en movilidad, la lógica analítica es transferible a cualquier categoría donde la adopción dependa del precio, el valor percibido, las barreras del consumidor, la confianza y el posicionamiento.
Limitaciones
- Contexto académico.
- Muestra no probabilística y limitada a una población concreta.
- Sobrecaptación intencional de usuarios de vehículos sostenibles; no es representativa del mercado español.
- Variables como renta, edad y antigüedad se recodifican desde rangos mediante marcas de clase.
- Resultados sujetos al diseño del cuestionario.
- La publicación valida el rigor, pero no equivale a experiencia profesional en automoción.
Qué demuestra este proyecto
Aprendo por mi cuenta cuando el problema lo exige.
No me conformo con el mínimo entregable.
Puedo elevar un proyecto académico a un estándar publicable.
Conecto comportamiento del consumidor, estadística y decisión de negocio.
Sé traducir análisis complejo en implicaciones comprensibles.
Qué haría a continuación
- Replicar el estudio con muestra nacional representativa.
- Incorporar datos reales de ventas o configuradores.
- Crear segmentos accionables para campañas.
- Probar mensajes mediante experimentos A/B.
- Usar machine learning para modelar propensión de adopción.
- Desarrollar un dashboard de barreras por segmento.
Recursos
Visuales sugeridos
CADM model diagram.
Methodology flow.
Survey sample card.
SEM/CFA conceptual diagram.
Adopter profile card.
Business implications grid.
From thesis to peer-reviewed chapter timeline.
Proyectos relacionados
01
Análisis hedónico de pricing de vehículos eléctricos europeos
Proyecto individual académico · Pricing Analytics · Econometrics · Market Intelligence · R / ggplot2 / lmtest
Proyecto individual donde analicé cómo autonomía, potencia y gama influyen en el precio de vehículos eléctricos europeos mediante R, regresión OLS, interacciones y errores robustos para extraer implicaciones de pricing y producto.
Área
Pricing Analytics · Econometrics · Market Intelligence
Técnicas
Hedonic pricing · OLS regression · Log-log model
02
Estimación bayesiana de conversión en campañas bancarias
Proyecto individual académico · CRM Analytics · Bayesian Inference · Decision Science · FirstBayes / Excel / UCI Bank Marketing dataset
Proyecto individual donde estimé la conversión de campañas de telemarketing bancario mediante inferencia bayesiana Binomial-Beta y distribución predictiva para traducir incertidumbre en expectativas operativas de marketing.
Área
CRM Analytics · Bayesian Inference · Decision Science
Técnicas
Binomial-Beta model · Posterior update · Prior sensitivity
03
Estrategia de marca y ecommerce para cooperativa oleícola
Proyecto grupal académico · Brand Strategy · Ecommerce · Marketing Analytics · Shopify / Excel / Looker-style KPI thinking
Proyecto grupal donde analizamos el salto de una cooperativa oleícola desde venta a granel hacia marca B2C premium mediante estrategia, ecommerce, pricing y modelización financiera para definir una hoja de ruta accionable.
Área
Brand Strategy · Ecommerce · Marketing Analytics
Técnicas
Brand positioning · SEO/SEM · P&L
Siguiente proyecto