El problema de Big Data que la investigación de mercado debe solucionar.

Los mejores comerciales del mes.
enero 10, 2019
Ejemplos de campañas de marketing de Influencer para inspirar e invitar a comenzar.
enero 14, 2019
Show all

Big data puede respaldar la investigación de mercado inteligente, pero solo si los investigadores adoptan los conceptos básicos para comprender qué es lo que quieren medir y cómo.

Las empresas de hoy ven los datos de mercado como una mercancía. La información de fácil acceso sobre la actividad y las preferencias del consumidor permite a los investigadores de mercado desarrollar grandes conjuntos de datos para obtener información del consumidor. Y, de hecho, un vistazo a las publicaciones recientes de la industria de investigación de mercado muestra que las discusiones en este campo han estado dominadas por un enfoque en el análisis de datos.

Pero la mayoría de las veces, la comprensión de lo que realmente importa a los clientes se ve obstaculizada por la calidad de los datos que se recopilan. Algunos investigadores del mercado combinan la idea de la calidad de los datos con el tamaño de la muestra, con la creencia de que la confiabilidad, la validez y otras características de la “buena medición” se derivan únicamente de la cantidad de datos recopilados. Este ciertamente no es el caso.

El énfasis en la recopilación y el análisis de datos es irrelevante si omite el primer y más importante paso de la investigación de mercado: el diseño de las métricas. En la tradición psicométrica, el desarrollo de la encuesta y la construcción de preguntas específicas de la encuesta se ha enfatizado como el paso más importante en el proceso de investigación.

El no evaluar las medidas que son la base de las decisiones comerciales plantea un riesgo colosal. Tomar decisiones basadas en datos basados en medidas deficientes puede ser infinitamente peor que tomar decisiones sin datos en absoluto.

Para ayudar a las organizaciones a pensar más críticamente sobre las medidas que utilizan para recopilar información sobre los consumidores, hemos descrito cuatro conceptos erróneos comunes que sostienen muchos investigadores de mercado y brindamos sugerencias sobre cómo romper con estas creencias erróneas.

Creencia en la medición (sin pensar en lo que estamos midiendo).

Históricamente, cuando los investigadores de mercado querían construir una medición, como por ejemplo la opinión de los consumidores acerca de una marca en particular (por ejemplo, “amor a una marca”), les pedían a los encuestados que calificaran las preguntas que describen directamente la construcción de lo que desean medir, por ejemplo, “¿Cuánto te gusta esta marca?”.

Este tipo de “medición mediante la descripción” tiene su cuota de problemas. Por ejemplo, muchas construcciones son demasiado abstractas para que los consumidores regulares informen en términos concretos. Piensa en cómo responderías si te preguntaran cuánto amor de marca tienes por el detergente para ropa Tide. La mayoría de las personas no podrían ser más específicas que informar aproximaciones generales como “mucho” o “poco”.

Los investigadores han comenzado a avanzar hacia métodos que utilizan los datos autoinformados de mejores maneras. En lugar de preguntar: “¿Cuánto te gusta esta marca?”, La mejor práctica de hoy en día es plantear declaraciones que un consumidor podría apoyar si les encantara la marca. Por ejemplo, las declaraciones de “desacuerdo / acuerdo” como “Manejaría 20 millas para comprar [Marca]” se respaldarían completamente solo si el encuestado realmente amara la marca. Derivamos el nivel del construcción de la pregunta a partir de comportamientos que los encuestados dicen que tendrían.

El enfoque de “medida derivada” requiere una profunda comprensión conceptual de lo que se está midiendo. Pero muchos investigadores de mercado todavía hacen preguntas a la antigua, describiendo lo que se mide (“Me gusta el anuncio que acabo de ver”) en lugar de describir comportamientos derivados (“Mostré el anuncio a mis amigos”).

Si los investigadores del mercado continúan escribiendo encuestas que miden construcciones abiertamente en lugar de por sus comportamientos derivados, los datos probablemente estarán sujetos a incertidumbres y errores que podrían evitarse fácilmente. Deben pensar más en lo que quieren saber exactamente, considerar cuidadosamente qué comportamientos deberían ser consecuencia del elemento que se desea medir y desarrollar la medida a partir de ahí.

Creencia en la medida de una sola pregunta.

La investigación de mercado no está exenta de las presiones financieras de los negocios. La conciencia de costos se filtra en nuestro trabajo cuando los clientes solicitan encuestas cortas que cubren tantos temas como sea posible, lo que a menudo resulta en una sola pregunta para cada tema. Por ejemplo, “¿Qué tan satisfecho está con su experiencia?” Podría ser la única pregunta en una encuesta que evalúa la “experiencia del cliente”.

Hay una serie de desafíos con este tipo de pensamiento. Primero, la pregunta individual podría no ser una medida única de “experiencia del cliente”, sino una medida de algún otro constructo como “amabilidad”. No es infrecuente en el mundo de la psicometría que los elementos se “carguen”, lo que significa que pueden “ser una medida de más de una cosa”. Segundo, suponiendo que una pregunta mide lo que queremos que mida, rara vez mide todos los aspectos de un constructo. En el ejemplo de la experiencia del cliente, muchos aspectos, incluidos el precio, las promociones, la interacción con los empleados y las percepciones de la marca, se unen para influir en la impresión global de un individuo de su experiencia. Hacer solo una pregunta no evalúa estos múltiples aspectos y descuida las variaciones en las impresiones de las personas.

Además, limitar una medida a una sola pregunta no siempre permite que una organización mida el cambio en las impresiones de un encuestado, porque impone un límite máximo de medición en los encuestados. Imagine un escenario en el que una organización desea probar nuevos anuncios midiendo el efecto que tiene el anuncio en la impresión de marca. Los encuestados que ya aman la marca podrían haberse “agotado al máximo” en su medida de impresión de marca si le dieran un 7 en una escala de siete puntos antes de la exposición del anuncio. Incluso si se muestran anuncios realmente buenos, no pueden aumentar su puntuación en la prueba posterior, solo pueden permanecer en un 7. Esta limitación no se corresponde con la forma en que funciona la realidad: la mayoría de las veces, la “pasión de marca” de los clientes leales por una marca puede incrementarse con anuncios y acciones de marca que resuenen.

Tener múltiples preguntas que miden diferentes aspectos de la misma construcción es una manera segura de garantizar que las decisiones basadas en datos se basen en todos los aspectos de la construcción de interés. Es una forma de capturar toda la información que la medida puede proporcionar.

Creencia de que todas las preguntas son creadas de manera igualitaria.

Incluso si los investigadores del mercado siguen el consejo de usar varias preguntas para cada construcción que están midiendo, deben recordar que las diferentes preguntas proporcionan información diferente.

Considere las pruebas estandarizadas que se usan ampliamente en los EE. UU. Para las admisiones universitarias. El SAT y el ACT los cuales están diseñados para incluir elementos fáciles que la mayoría de los examinados responderán correctamente y los elementos difíciles que menos pueden responder correctamente. Las preguntas de investigación de mercado funcionan de manera similar. Hay algunos comportamientos que casi cualquier persona haría si aman una marca o no, como leer algunas de las publicaciones de la marca en las redes sociales. Hay otros comportamientos que solo aquellos que realmente aman la marca harían, como gastar una gran parte de su ingreso disponible en ella o viajar una distancia considerable para comprarla.

Este punto puede ilustrarse visualmente. (Consulte “Declaraciones fáciles y difíciles de aprobar que proporcionan una imagen completa”.) Por ejemplo, suponga que el “amor de marca” del constructo (también llamado rasgo latente) varía de -4 a 4. Las personas que no les gusta la marca están en el extremo inferior y las personas que lo aman están en el extremo superior. Los encuestados en el medio, en 0, tienen un 51% de probabilidad de aprobar la declaración “fácil” de “Yo leería las publicaciones de [Marca] en las redes sociales” y solo un 6.8% de la aprobación de la declaración “difícil” de “Yo lo haría conduzca 20 millas para comprar [Marca] ”. Se requiere un mayor nivel de amor por la marca para respaldar la afirmación más difícil. En este ejemplo, un encuestado con un puntaje latente más alto de 1 tiene una probabilidad del 75% de aprobar el elemento fácil y salta a un 90% de probabilidad de aprobar el elemento difícil.

Los profesionales de marketing deben seleccionar preguntas y declaraciones con una variedad de dificultades para garantizar que se pueda capturar información útil de todos los encuestados.

Creencia en el uso de escalas sin escalas.

Uno de los trabajos más importantes que tienen los investigadores de mercado cuando investigan es proporcionar una interpretación de lo que están midiendo.

Una forma de hacerlo es mediante el uso de normas, que se crean cuando un investigador ha recopilado la misma medida en varios individuos o grupos. Al saber qué puntuación obtienen los demás, los investigadores pueden ver dónde cae un individuo en relación con todos los demás. Otro enfoque es la escala de criterio-referencia. Por ejemplo, las pruebas para una licencia de conducir se refieren a criterios, donde se establece el “dominio” utilizando un puntaje de corte (por ejemplo, se requiere que el 85% de las respuestas sean correctas para aprobar). En lugar de considerar cómo puntúa un candidato en relación con otros, el enfoque está en si el conductor es competente en función de los puntajes predeterminados por las agencias estatales.

Pero si bien las normas y los criterios de referencia ayudan con la interpretación de una puntuación relativa a otras personas (a través de normas) o en relación con algún otro criterio externo (a través de criterio de referencia), no ayudan en la interpretación de cómo un individuo puntea en relación con el rasgo latente que se mide. En el ejemplo “Declaraciones fáciles y difíciles de aprobar brindan una imagen completa”, que sería la forma en que a un individuo le disgusta o le encanta una marca para comenzar en la escala de -4 a 4. El emparejamiento de cómo los individuos califican en una medida con su nivel del rasgo latente es un paso que los investigadores del mercado a menudo saltan.

Declaraciones fáciles y difíciles de aprobar brindan una imagen completa.

En esta gráfica, podemos ver dos afirmaciones de una encuesta. La línea roja es la declaración “más fácil”, que requiere un menor nivel de amor por la marca para que un encuestado la respalde. La línea azul es la declaración “más difícil”.

Imagina que estás analizando los resultados de una encuesta sobre “lealtad a la marca” al observar los datos de una encuesta de cinco preguntas, donde cada pregunta se clasificó utilizando una escala de Likert de siete puntos. Si los encuestados dieran a las preguntas un puntaje promedio de 5 (o un puntaje total de 25), ¿cómo interpretaría eso?

La verdad es que es posible que simplemente no sepa qué constituye una puntuación alta sin escalar. Algunos pueden ver esto como una mala puntuación porque está lejos del máximo que podrían haber obtenido: un promedio de 7, con una puntuación total de 35. Sin embargo, sólo porque la escala máxima es de 35, eso no significa que un encuestado que muestre un alto nivel de lealtad a la marca dirá 7 en cada pregunta. Podría ser que un 25 sea un puntaje alto en esta escala.

Independientemente de lo que estén midiendo, los investigadores de mercado deben reconocer que la escala es un paso necesario. Si bien la mayoría de los investigadores de mercado utilizan normas, es cada vez más importante utilizar modelos estadísticos como la teoría de respuesta a los elementos para establecer una correspondencia entre las respuestas en una medida y el nivel en el rasgo latente.

Medición: hay más de lo que el ojo encuentra.

La medición es una cosa difícil de hacer bien. Cuanto más trabajamos con los clientes y sus proveedores, menos énfasis vemos en cómo se crean las medidas. Si bien el big data nos brinda un terreno más seguro para generalizar nuestros resultados, no sustituye la elaboración cuidadosa de una medida que ha sido probada por su confiabilidad y validez.

Al pensar cuidadosamente sobre lo que se está midiendo y adoptar las mejores prácticas psicométricas, los investigadores y los ejecutivos pueden tomar decisiones basadas en datos que se encuentran en la base más sólida posible.

Por: Ken Faro and Elie Ohana

Desde: sloanreview.mit.edu

Facebook
Twitter
Linkedin0
Google+0
GMail0
SMS0
Whatsapp0
Positive SSL