En este trabajo se presenta un método estadístico para la segmentación de muestras y/o poblaciones, basado en una estructura de árbol ternario. Este enfoque supera las limitaciones conocidas de otros métodos de segmentación como CHAID, en lo que respecta a la respuesta multivariante y la relación no simétrica entre las variables explicativas y de respuesta. El problema de segmentación de respuesta multivariante se aborda a través de modelos de clases latentes, mientras que la descomposición factorial de la capacidad explicativa de las variables se basa en el Análisis de Correspondencias No Simétricas. Se proponen criterios de parada basados en el índice CATANOVA y medidas de impureza. Se considera una estrategia de post-poda basada en Recocido Simulado para evitar el sobreajuste en relación con el conjunto de entrenamiento y garantizar una mejor capacidad de generalización para el método.