Intensidad exportadora e interacción entre fortalezas del marketing mix: un análisis basado en redes neuronales artificiales // Export Intensity and Interaction between Marketing Mix: An Analysis based on Artificial Neural Networks

Entre los factores determinantes de la actuacion exportadora de las empresas, numerosos estudios han subrayado la relevancia del mix de marketing. Generalmente, la mayoria de los estudios abordan el analisis de las variables centrado en estrategias especificas, en particular fenomenos de estandarizacion-adaptacion. El presente estudio analiza si existe un efecto interactivo de fortalezas generadas en las diferentes variables del mix de marketing que pueda asociarse a diferentes perfiles exportadores. Para ello, se ha empleado el algoritmo Extreme Learning Machine (ELM) dentro de los procedimientos Perceptron Multicapa (MLP) de Redes Neuronales Artificiales (RNA). Asimismo, el analisis se combina con un novedoso procedimiento de analisis de sensibilidad desarrollado ad hoc para este estudio, el cual permite conocer los efectos individuales e interactivos de las variables predictoras sobre la variable dependiente en problemas clasificatorios de naturaleza dicotomica. Los resultados obtenidos nos permiten corroborar la existencia de los efectos interactivos postulados, poniendo al mismo tiempo de manifiesto la utilidad de las RNA y del analisis de sensibilidad propuesto para la investigacion en el area de marketing y, especificamente, para los estudios de internacionalizacion de empresas. || Among the determining factors in export activity, many studies have highlighted the relevance of the marketing mix. Generally, the majority of them use a variables analysis to focus on specific strategies, in particular, standardized-adaptations. This paper analyzes if there is an interactive effect of strength generated in different variables of the marketing mix that can be associated with different export profiles. The Extreme Learning Machine (ELM) algorithm has been used within the Multilayer Perceptron (MLP) of Artificial Neural Networks (ANN). In addition, the analyses combine a novel approach for sensitivity analysis developed ad hoc for this paper to determine the individual and interactive effects of predictable variables on the dependent variable in classification problems of a dichotomous nature. The results obtained allow us to confirm the existence of the postulated interactive effects, simultaneously revealing the usefulness of ANN and of the sensitivity analysis proposed for research in the area of marketing and, specifically, in firms' internationalization studies.