Preocupados por la participación del encuestado, la duración del cuestionario, la dificultad del perfil, el incentivo a entregar, la calidad de la respuesta, la ausencia de fraude y la experiencia del panelista, a veces nos olvidamos de analizar algo tan básico como es el lugar donde llega el email con la invitación a entrar en una encuesta, hecho clave para que el usuario participe.
Me puse a pensar en ello cuando descubrà el Priority Inbox de Gmail. Una vez más los chicos de Google han reinventado la forma de leer emails. Empezaron con las conversaciones agrupadas que permitÃan agrupar automáticamente todos los emails con el mismo asunto para que sea más fácil seguir las conversaciones y no perdernos ni un email (aún me cuesta usar outlook después de conocer esta maravilla).
Ahora acaban de lanzar un sistema que filtra automáticamente aquellos mensajes que considera más importantes que otros en función de variables como que mensajes lee más esta persona o a qué remitentes contesta. AsÃ, crea tres buzones de entrada: el de emails importantes, emails favoritos y el resto, y los filtra automáticamente para que no tengas que hacer tu ese tedioso trabajo. Además, aprende con el tiempo (probablemente mediante algoritmos basados en inteligencia artificial) cuáles son tus remitentes preferidos.

Si este método se convierte en un estándar y tenemos en cuenta el exponencial crecimiento de Gmail, las empresas que “vivimos” del correcto envÃo y recepción de emails por los proveedores masivos, tendremos que buscar la manera de que nuestros correos caigan en el buzón prioritario. Y seguramente eso sólo se consiga si las encuestas, el incentivo, y todo lo demás son justos y se mantiene la motivación de quien responde. Nuestro objetivo es ver nuestras invitaciones a encuestas en los buzones prioritarios de nuestros colaboradores y evitar que caigan en el buzón “todo lo demás”.
¿Cómo serán? ¿existirán?
Este artÃculo expone algunas opiniones de visionarios al respecto (extraÃdo del blog de Vovici)
Según Ray Pointer, en 20 años no habrá encuestas tal y como las conocemos hoy (instrumentos de recogida de datos que duren más de 10 minutos con forma de cuestionario). En lugar de preguntas cerradas, podremos capturar y analizar automáticamente texto abierto de forma eficiente en costes. Lo que ahora supone horas y dÃas de trabajo manual de recodificación y análisis de preguntas abiertas podrá hacerlo automáticamente un algoritmo y extraer conclusiones cuali+cuanti. Incluso, indica Ray, en los próximos 5 años ya será eficiente para encuestas de pocas respuestas ya que el mayor esfuerzo es la automatización previa a la codificación (la interpretación de las diferentes respuestas posibles) y para entonces ya habrá templates pre-codificados para la mayorÃa de preguntas sencillas (gustos, preferencias, conocimiento espontáneo, etc).
¿Cómo será la recogida de datos?
“Dado que la mayorÃa de las respuestas nos llegan de miembros de paneles online y que todas sus respuestas previas se almacenan en sistemas informáticos, lo único que tendremos que hacer es responder a preguntas realmente diferentes (todas las demás ya las tendremos). Ésto ya se podrÃa hacer hoy pero nos pasamos el tiempo preguntando una y otra vez cosas que ya sabemos, sólo para validar que el respondiente dice la verdad y es consistente (no confiamos en él). Los paneles propietarios de un cliente ya pueden hacerlo y asà crear únicamente encuestas muy cortas con preguntas más interesantes y profundas. SerÃan algo asà como encuestas-iceberg, con un gran contenido oculto”.
¿Qué pasará con la representatividad? Coincidimos con Ray Pointer: ya no se hace ningún muestreo aleatorio. Pero en los próximos años prevé un aumento del interés por este tipo de muestreo, incluso habla de la “segunda edad de oro” del muestreo representativo (la primera fueron los años 80 y 90s con el RDD-Random digital dialing para las encuestas telefónicas). “En cuanto la mayorÃa del comercio sea electrónico, podrán volverse a hacer encuestas probabilÃsticas (de consumidores, no de toda la población). Grandes empresas tendrán acceso a bases de datos representativas de sus consumidores a las que encuestar de forma aleatoria”.
¿Y qué pasará con el cualitativo? En todo el mundo, el 80% de la investigación de mercados es cuantitativa, el cualitativo es sólo el 12%. Pero en el futuro, la gran cantidad de técnicas cualitativas que se están desarrollando gracias a internet (netnografÃas, MROCs, BBs, crowdsourcing…) no sustituirán a las encuestas, pero harán que éstas cambien de maneras que solo ahora estamos empezando a imaginar.
¿A dónde nos llevará todo esto según Ray Pointer?
En Netquest creemos que estos cambios dependen del investigador de mercado y de sus necesidades de cambiar de metodologÃa derivadas de un cambio en las sociedades que investiga. En España y los paÃses de américa latina el cambio será lento pero seguro.
Con su “tres al precio de dos”, el marketing ha estado aplicando los principios de la economÃa conductual mucho antes que ésta tuviera nombre. Aún asÃ, a dÃa de hoy, pocas empresas los utilizan de forma sistemática. Un reciente artÃculo de McKinsey Quarterly nos presenta 4 interesantes principios de marketing conductual:
En el siguiente video, el economista conductual Dan Ariely nos presenta su libro Predictably Irrational (titulado Las Trampas del Deseo en su edición en español) donde presenta, de forma muy amena, algunos de los principios de la disciplina.
Según los datos de Statcounter, de los cuáles se hace eco esta noticia de la cadena ser, Firefox 3.5 ya es el navegador más usado en Internet. La noticia está redactada de una forma un poco engañosa, porque de hecho, Firefox 3.5 es la versión de navegador más empleada, pero globalmente Internet Explorer, con todas sus versiones, sigue siendo el navegador más empleado con un 59,94% de cuota de mercado frente a un 30,26% de Firefox. En España, los datos son similares: 60,1% Explorer frente a 31,6% Firefox.
No obstante, son varias las lecturas que pueden hacerse de esta noticia, algunas relacionadas con el mundo de la encuesta online y otras más generales:
1. ¡No más encuestas descontextualizadas! Creemos una relación honesta con los “respondentsâ€
De un blog:
“Hoy me he paseado por un portal. No suelo hacerlo a menudo, pero hoy le ha tocado a Terra. Al salir del site, un popup donde me proponÃan participar en una encuesta para mejorar sus servicios. Como me gusta ir aprendiendo de lo que otros hacen, he accedido y he empezado la encuesta. Yo esperaba preguntas sobre su estructura, servicios de valor añadido, imagen de marca, datos de mi acceso… en fin, lo que yo utilizarÃa en caso de querer conocer un poco más a mis visitantes. Pero la realidad ha sido otra, después de responder una serie de datos demográficos me han empezado a preguntar sobre ¡¡papel higiénico!!, que marca usaba, que otras marcas conozco… I-N-C-R-E-I-B-L-E, piden colaboración para un objetivo concreto la obtienen, y traicionan la confianza del usuario colándole una encuesta para un estudio de mercado de papel de WC. Creo que es bueno rentabilizar nuestros sites, pero no creo en estas acciones vendidas a cualquier precio, queman la imagen del site y del producto que paga por los resultados. Debe faltar poco para ver popups de “Durex†en el site de la COPE“.
2. ¡No más matrices! Seamos más “visuales”
Hay que huir de las pesadas e inacabables matrices, una matriz se puede trasformar en otro tipo de preguntas, nos contestarán más y mejor:
Lineal Virtual:
Valoración múltiple Darg&Drop:
COB - Choice optimization board:
3. ¡No pedir y pedir más opinión sin dar nada a cambio! Tratemos a los respondents como querrÃamos que ellos nos trataran a nosotros.
Ejemplos de regalos-incentivos por contestar encuestas
VÃa el blog de Digital Research hemos dado con unas interesantes tendencias para la investigación de mercado en 2010. Seleccionamos a continuación las más llamativas (y polémicas), el debate está abierto:
1. Más In-Sourcing: En 2010 los clientes de investigación conducirán una mayor parte de su investigación de mercados ellos mismos, sin recurrir a agencias: esto no sólo permitirá un ahorro de costes a sus empresas, sino que les ayudará a mantener su puesto de trabajo…
2. Más estudios globales: El mundo (y el dinero para investigación) son cada vez más pequeños. Las marcas son ahora iconos globales y serán tratadas como tales. Cada vez serán más necesarias agencias con un foco internacional para atender a las demandas de estos estudios globales.
3. Más MROCs: Por sus ventajas en costes y en rapidez en la obtención de resultados, veremos muchos más paneles propietarios y comunidades virtuales para la investigación de mercados online (MROCs), asà como un descenso en la investigación cualitativa tradicional (presencial). General Mills ha decidido mover toda la investigación cualitativa que pueda hacia las MROCs en 2010.
4. Más demanda de calidad hacia los paneles online: La investigación vÃa paneles online es barata, rápida y flexible. No obstante, la calidad de las muestras no se puede quedar atrás… este es un objetivo clave para la industria en 2010.
5. Más Data Mining: La investigación a través de las redes sociales tendrá un mayor rol como medio para dar con nuevas tendencias e identificar mejoras de producto/servicio. Este data mining eliminará parte de la investigación que se llevaba a cabo a través de métodos tradicionales vÃa encuesta (como estudios de satisfacción o de usos y actitudes). El dinero “para las encuestas” será empleado para aspectos de investigación más estratégicos.
6. Triangulación vs. Perfección: Más de un 20% de hogares sin lÃneas telefónicas fijas (dato USA), y muchas más con identificación de número de llamada, el Random-Digit Dial Sampling ya no es la panacea de las muestras representativas. Los clientes han entendido esto mucho mejor que las propias agencias: ya no se trata de dar con la muestra perfecta sino dar con los insights perfectos. Estos insights serán obtenidos a través de multiples métodos (desde las MROCs a los paneles online, pasando por el data mining). El investigador deberá conocer estos métodos y que implicaciones tiene cada uno para “triangular” el insight.
Curiosa la noticia que publica emarketer sobre un estudio que compara las tasas de apertura de 184 millones de emails enviados en función del proveedor que utiliza el usuario (hotmail, yahoo, gmail, etc). Hasta ahora se analizaban las tasas de apertura y clicks en función de otras variables, pero conocer mejor al usuario de cada proveedor nos puede ayudar a conocer su grado de “engagement” con su email y por tanto poder anticipar la probabilidad de que abra un email para contestar a una encuesta.
Parece ser que los usuarios de Gmail son los más activos con diferencia: 30% de apertura y 7,4% de click through, frente a 23% y 4,5% respectivamente de hotmail, el proveedor más utilizado.

Noticia en mailchimp
Noticia en emarketer
Esta mañana se ha realizado en el Hotel Puerta de América de Madrid el primer encuentro “La Investigación a Análisisâ€, -organizado conjuntamente por ESOMAR, AEDEMO y ANEIMO-, cuyo objetivo es presentar datos recientes de la evolución de la industria de investigación de mercados, de especial interés este año dada la coyuntura económica actual. La introducción ha sido a cargo de Daniel Cuende, representante de ESOMAR, que ha realizado una caracterización del perfil medio de la investigación en España según los datos del estudio de la industria en 2008: Este cliente medio de investigación es una empresa de bienes de consumo (47%) basada en España (80%), principalmente en Madrid (45%), que contrata estudios ad-hoc (45%) de tipo cuantitativo (82,3%) principalmente a través de encuesta personal (24,8%), seguida muy de cerca por encuesta telefónica (23,8%).
Acto seguido, se han presentado las datos de la industria durante el primer semestre de 2009. Cabe señalar, no obstante, que estos datos sólo hacen referencia a empresas ANEIMO, por lo que no son directamente comparables con los datos de 2008, que recogen información del total mercado. Estos son:
Según LluÃs Fatjó-Vilas, presidente de ANEIMO, “la situación actual es un drama que no tiene precedentes, yo no recuerdo una situación igual. Un 12% de caÃda de promedio… esto quiere decir que hay gente que está muy por debajo.†Según Daniel Cuende, las buenas noticias al respecto es que se prevé una cierta mejora para 2010, con un cierto crecimiento respecto a 2009, aunque muy difÃcilmente se llegará a ritmos de crecimiento como los de 2007 (6,4%).
¿Cuánto cuesta de media un menú? ¿y cuánto se gasta de media el ciudadano en móvil? ¿y en hipoteca?
Las respuestas a preguntas como ésta podemos encontrarlas por dos vÃas: 1) accediendo a la web del Instituto Nacional de EstadÃstica y buscando los gastos medios por persona (y haciendo algún que otro calculo más) ó 2) haciendo encuestas y preguntando al ciudadano.
Esto último es lo que pretende la curiosa web plaf.com que es una aplicación sencilla en la que el visitante de la web puede contestar a preguntas como “¿Cuánto te gastas en móvil?, ¿cuánto cuesta un desayuno, un taxi, una hipoteca..?” y al mismo tiempo consultar la media de valoraciones del resto.
Sin control de participación por paÃs, ni temporalidad, sin identificación del usuario, sin muestreo proporcional, y con la posibilidad de que una misma persona de varias veces su opinión éstos datos no tienen validez estadÃstica, pero gracias a la ley de los grandes números pueden dar una perspectiva general sobre el precio de las cosas. Lo interesante es ver como las medias nos dan una buena aproximación a las realidades, y que cuanta más gente contesta más acercada esa media a esa realidad. En el mundo de las predicciones y la investigación prospectiva ya habÃamos hablado del gran papel que juegan las medias.
Según los creadores, “El objetivo de Plaf.com es ser un IPC popular y que cada usuario disponga de una herramienta de comparación de sus gastos e ingresos con el resto de la sociedad”.
Hasta ahora la media con más valoraciones es el gasto en móvil con 267 respuestas, esperaremos a ver cómo cambian las medias a medida que miles de usuarios vayan dejando sus opiniones y dejamos la recomendación a los creadores de que añadan comparaciones por tiempo. ¿Habrá también un “efecto estrellitas” para ejercer influencias al alza o baja de los precios?
Hoy quiero contaros algo sobre una curiosidad estadÃstica que puede ser muy útil a cualquier persona que tenga que hacer una predicción cuantitativa. La situación tÃpica podrÃa ser la siguiente: supongamos que queremos estimar las ventas que tendremos en la empresa este mes, concretamente, el número de unidades que se habrán vendido entre el dÃa 1 y el 31 del mes. Y supongamos que para hacer esta estimación contamos únicamente con 2 expertos, por un lado, un compañero del departamento financiero especializado en controlling financiero, que dice que serán 100 unidades. Por otro lado, un segundo experto, en este caso un estadÃstico externo especializado, que concluye que venderemos 200. No hay más datos. ¿Qué hacer? ¿A quién creer? ¿Al controller interno o al estadÃstico externo? Supongamos que la realidad finalmente resulta ser X (no la desvelaremos de momento). Es fácil calcular el error de la predicción: si habÃamos escogido 100, el error de predicción será el valor absoluto de la resta 100-X. En caso de haber escogido 200, la diferencia o error habrá sido el valor absoluto de 200-X. Claro…el problema es que no conocemos X, asà que no parece posible saber a ciencia cierta cuál de los expertos es mejor. De hecho, ¿tenemos información a priori sobre quién podrÃa ser mejor? En realidad parece que no. Podemos creer que tenemos razones para escoger (apuesto a que más de un lector tiene a estas alturas ya una “apuesta personal†sobre qué experto es mejor a priori), pero lo cierto es que no tenemos ningún dato en este problema que nos permita decantarnos por ninguno; ¡creer lo contrario es un defecto de serie que tenemos los humanos!
Veamos las consecuencias de este “defecto humanoâ€. Como no hay razones sólidas para escoger uno u otro, podemos suponer que la mitad de las personas escogerán uno y la otra mitad el otro. Por lo tanto, el error medio que cometemos si escogemos uno de los expertos al azar será: Error1 = 0,5x[100-X]+0,5x[200-X]=([100-X]+[200-X])/2. (utilizo los corchetes para indicar “valor absolutoâ€).
Y aquà es donde querÃa llegar. La pregunta obvia es: ¿se puede mejorar este error esperado? A primera vista parece que no, pero conviene detenerse a analizarlo. De hecho, la primera estrategia alternativa en la que todos pensamos cuando estamos en situaciones parecidas es utilizar el promedio entre las dos predicciones, en este caso: (100+200)/2. La intuición que tenemos sin embargo es que el error esperado de predicción de este promedio es el mismo que el que tendrÃamos escogiendo un experto al azar como en el párrafo anterior. Pero…¿es asÃ? Calculémoslo: Error2=[(100+200)/2-X]=[(100+200)/2-2X/2] =([100-X+200-X])/2.
Para comparar parece claro que queremos ver cuál de los errores esperados es menor. Asà que básicamente debemos comparar [100-X]+[200-X] con [100-X+200-X]. No hay duda de que lo segundo es siempre (!) menor o igual a lo primero, cualquiera que sea el valor de X. En realidad, podéis comprobar que siempre que X caiga entre 100 y 200, entonces Error2<Error1; y cuando X se sitúe fuera del intervalo de las dos predicciones, entonces Error2=Error1. Por lo tanto, en un problema de esta naturaleza, ¡utilizar la media de las predicciones es siempre beneficioso!
Al principio que acabo de exponer hay quien le llama ‘averaging principle’, y es conocido al menos desde Kelley,1925. Pero es muy contraintuitivo para quien lo piensa por primera vez. Eso explica las fuertes reticencias que tienen muchos investigadores a la hora de combinar metodologÃas, pese a que en realidad promediar resultados de estudios que han utilizado diferentes metodologÃas seguramente es muy beneficioso. Claro, promediar es mejor salvo cuando el investigador tiene fuertes indicios de que uno de los estimadores individuales es un mejor “expertoâ€â€¦En general, sin embargo, es mucho más rentable ser humildes, combinar y promediar. Eso es lo que hace por ejemplo ww.pollyvote.com, que logró pronosticar con mucha precisión el resultado de las pasadas elecciones en EEUU combinando 4 fuentes de datos con metodologÃas completamente diferentes; y lo hizo aplicando ni más ni menos que el ‘averaging principle’.
Las cuatro fuentes de pollyvote fueron:
1. Resultados combinados y corregidos de sondeos electorales
2. Previsiones de un panel de expertos en polÃtica norteamericana
3. Mercado Electrónico de Predicciones de IOWA
4. Modelos Cuantitativos