驴C贸mo hacer preguntas abiertas?

Escrito por Ruth Alonso el 8 de octubre 2014

preguntas_abiertas

La mayor铆a de las preguntas utilizadas en encuestas son preguntas cerradas, es decir, preguntas en las que s贸lo se permite contestar mediante una serie cerrada de alternativas. Sin embargo, tambi茅n es posible emplear preguntas abiertas, preguntas en las que se permite al encuestado responder cualquier cosa seg煤n la pregunta, sin presentar una lista de alternativas posibles.

Existen dos tipos principales de preguntas abiertas (Couper et al, 2011): las preguntas abiertas que suscitan respuestas muy cortas (por ejemplo, el lugar de nacimiento o la marca de cerveza preferida) y las preguntas abiertas narrativas, que suscitan respuestas m谩s elaboradas y detalladas (por ejemplo, cu谩les crees que ser谩n los pr贸ximos desaf铆os para ti en el futuro).

Las preguntas abiertas narrativas tienen el inconveniente de que las respuestas no pueden utilizarse directamente para an谩lisis cuantitativos, sino que es necesario hacer un trabajo de codificaci贸n previo para poder trabajar con esas respuestas. Este trabajo de codificaci贸n puede requerir mucho tiempo y ser bastante complicado si las respuestas que han dado los respondientes no son claras respecto a lo que el investigador quer铆a medir con ellas.

Por otro lado, las preguntas abiertas narrativas tienen聽 ventajas: permiten obtener una variedad mucho mayor de respuestas, con contenidos m谩s detallados y ricos en informaci贸n. Adem谩s, no orientan a los respondientes en ninguna direcci贸n, y permiten responder de manera m谩s natural, de forma similar a un di谩logo, dando mayor libertad al respondiente para聽 鈥渆xplayarse鈥. Por lo tanto, es frecuente que este tipo de preguntas se adapten mucho mejor a las necesidades de investigaci贸n que las preguntas cerradas.

preguntas_abiertas

驴C贸mo usar preguntas abiertas narrativas?

Al usar estas preguntas abiertas narrativas, si la encuesta es administrada por un entrevistador (cara-a-cara o por tel茅fono) el respondiente puede dar una respuesta tan larga como desee. Pero cuando estas preguntas son parte de una encuesta online, es necesario decidir la mejor manera de presentarlas. En particular, hay que elegir el tama帽o del text box (la caja visual en la que el encuestado escribe su respuesta) y si se a帽ade un contador indicando cuantos caracteres disponibles quedan o no.

Todos los resultados de diferentes investigaciones sobre el impacto del tama帽o del text box (Christian and Dillman, 2004; Israel, 2010; Smyth et al. 2009) van en la direcci贸n de que un text box de tama帽o m谩s grande produce respuestas m谩s largas. Tambi茅n se observa que utilizar un contador indicando cuantos caracteres quedan puede permitir aumentar la media del n煤mero de caracteres de las respuestas (Emde y Fuchs, 2012).

Adem谩s, Emde y Fuchs (2013) han estudiado la interacci贸n entre el tama帽o del text box y el n煤mero de caracteres del contador. Sus resultados son bastante intuitivos: un contador con m谩s caracteres que el tama帽o visible del text box inicial produce respuestas m谩s largas, mientras que un contador con menos caracteres produce respuestas m谩s cortas.聽 Parece por tanto que los respondientes toman m谩s en cuenta el contador (cuando hay uno) que la referencia proporcionada por el tama帽o del text box.

Aparte, Emde y Fuchs (2013) tambi茅n concluyen que tanto el tama帽o del text box (150 caracteres, o 300, o 600) como la presencia del contador no afectan a la tasa de no-respuesta a la pregunta, y tampoco afectan al n煤mero medio de temas mencionados. Lo que cambia, por tanto,聽 es el nivel de detalle de las respuestas.

En conclusi贸n, por lo que se sabe sobre el impacto del tama帽o del text box y la presencia de un contador, parece recomendable para las preguntas abiertas narrativas utilizar un text box en combinaci贸n con un contador autorizando m谩s caracteres de los visibles inicialmente (hasta un 33% m谩s). Es preferible que el text box sea de tama帽o relativamente grande, sin ser exagerado, porque si se combina con un contador con m谩s caracteres, las respuestas ser谩n m谩s largas, y adem谩s, no cambiar谩n el n煤mero de temas mencionados.

 

Referencias bibliogr谩ficas:

R2Online,聽http://www.netquest.com/newsletters/r2online/4a_capsula_informativa.pdf

Categoría: estadisticas | sesgo Trackback | Comentarios (2)

Los paneles online escoceses ya lo sab铆an

Escrito por Ruth Alonso el 19 de septiembre 2014

what-happens-if-scotland-votes-yes-136393139796503901-140908101013

 

Despu茅s de tantas idas y venidas, tantas predicciones, especulaciones, interpretaciones鈥 ayer lleg贸 la hora de la verdad. Los escoceses ten铆an que votar si quer铆an que su pa铆s siguiera formando parte del Reino Unido o no. Con m谩s de 10 puntos de diferencia entre las dos opciones de respuesta, Escocia ha dejado claro que NO quiere la independencia (S铆 44,70% – No 55,30%). Y este resultado, adquiere a煤n m谩s valor, cuando leemos que la participaci贸n fue del 84,59%, un porcentaje de participaci贸n inusualmente elevado.

 

Pero, 驴qu茅 dec铆an las predicciones de los paneles online?

En 2011 se empezaron a realizar los primeros sondeos para averiguar qu茅 prefer铆an los ciudadanos escoceses, sondeos que no han dejado de realizarse hasta pocos d铆as antes del refer茅ndum de ayer (pod茅is consultar el listado de los estudios realizados en Wikipedia).

La mayor铆a de estos sondeos se han realizado mediante聽paneles online de empresas especializadas en investigaci贸n de mercados. Los resultados obtenidos, en su mayor铆a, se han acercado mucho al dato final, y es que la penetraci贸n de Internet en Escocia聽es superior al聽80%.

A este factor se suma la existencia de unos paneles de acceso maduros y representativos de la sociedad. Y, por 煤ltimo, debemos tener en cuenta que el online elimina el sesgo del entrevistador. Todo ello hace que la metodolog铆a online sea ya un canal perfectamente v谩lido para conocer las preferencias reales de los electores.

 

Fuentes consultadas:

http://www.lavanguardia.com/internacional/referendum-escocia/20140919/54415193418/escocia-indepencia.html

http://www.scotland.gov.uk/About/Performance/scotPerforms/indicator/internet

http://en.wikipedia.org/wiki/Opinion_polling_for_the_Scottish_independence_referendum,_2014

 

Categoría: Art铆culos | calidad | Encuestas Online | estadisticas | Estudios | internet | Investigacion de Mercados | Noticias | Paneles Online | Predicciones | sesgo Trackback | Comentarios(0)

Conclusiones del Chilescopio 2014

Escrito por Ruth Alonso el 12 de septiembre 2014

El pasado 27 de agosto de 2014 Netquest tuvo la oportunidad de asistir al evento de Chilescopio y en este post queremos compartir con vosotros esta experiencia.

Fruto de nuestra colaboraci贸n con Chilescopio 2014, en esta edici贸n se ha ampliado el enfoque ofreciendo una comparativa de las actitudes de los chilenos hacia las marcas, junto con las de argentinos, peruanos y colombianos.

chilescopio_ (1)

El estudio de Chilescopio presenta en esta edici贸n c贸mo son los chilenos con respecto a otros pa铆ses a trav茅s de una serie de encuestas realizadas a miembros del panel Netquest en Chile, Argentina, Colombia y Per煤. Los resultados generan una idea sobre las tendencias de estilos de vida y consumo en estos pa铆ses.

Algunas de las conclusiones del estudio son:

  • Chile se destaca en el grado de satisfacci贸n en desarrollo econ贸mico por sobre de Argentina Colombia y Per煤.
  • Las tem谩ticas que m谩s insatisfacci贸n generan en los chilenos son: salud, transporte y respeto por los derechos de los trabajadores.
  • A煤n perteneciendo a un mismo continente, cada pa铆s de Latinoam茅rica tiene sus particularidades y debe ser estudiado individualmente.

chilescopio

Para Netquest fue un placer colaborar y agradecemos la entusiasta recepci贸n por parte de las empresas.

Puedes consultar el documento 鈥淐贸mo son los chilenos respeto a otros pa铆ses鈥 aqu铆.

 

Categoría: estadisticas | Estudios | Investigacion de Mercados | LATAM | netquest | Panel | Paneles Online | Sin categor铆a Trackback | Comentarios(0)

Correlaci贸n no es causalidad

Escrito por Carlos Ochoa el 13 de agosto 2014

Me ha parecido muy oportuno el post publicado en Xataka Ciencia, 聽en un momento en el que tanto se habla de BIG DATA como la herramienta que debe gobernar la investigaci贸n y el desarrollo del conocimiento. En este post Sergio Parra nos recuerda una m谩xima que un investigador no debe olvidar: correlaci贸n no implica causalidad. Dicho en otras palabras, que dos hechos sucedan al mismo tiempo no significa que necesariamente uno sea causa del otro. Olvidar esta m谩xima, conocida como CINAC (Correlation is not a cause) nos puede conducir a conclusiones err贸neas de consecuencias a menudo dram谩ticas.

Existen muchos ejemplos de este fen贸meno. En Xataka mencionan 聽el pol茅mico asunto de la homeopat铆a. Los consumidores de este tipo de productos perciben una mejor铆a en su patolog铆a y la atribuyen al producto ingerido, cuando la mejora podr铆a deberse a una simple remisi贸n espont谩nea o a un efecto sugestivo indirecto (aunque tambi茅n podr铆a argumentarse que eso puede considerarse una causa de curaci贸n). Desde la web de聽Spurious Correlations聽nos ofrecen curiosos ejemplos de hasta qu茅 punto podemos llegar a conclusiones absurdas si establecemos esta clase de relaciones con datos estad铆sticos… por ejemplo, podr铆amos llegar a decir que la inversi贸n de USA en ciencia, espacio y tecnolog铆a es la causa de los suicidios por estrangulamiento. En realidad, ambos hechos tienen una correlaci贸n enorme (0,99), pero eso, en s铆 mismo, no significa gran cosa.

 

6628992199163904

Sin duda la b煤squeda de correlaciones est谩 en el coraz贸n de la revoluci贸n del conocimiento que estamos viviendo hoy en d铆a. Sin ir m谩s lejos, es la clave del 茅xito de Google. La prodigiosa capacidad del buscador para mostrar el contenido que est谩s buscando, corrigiendo incluso el t茅rmino de b煤squeda empleado, se basa en el an谩lisis de coincidencias. En una entrevista publicada recientemente en Research World,聽Kenn Cukier (Data Editor en The Economist y coautor de 鈥淏ig Data: Una revoluci贸n que transformar谩 el modo en el que vivimos, trabajamos y pensamos鈥), afirmaba lo siguiente:

La causalidad es genial, pero a menudo es muy dif铆cil de lograr, o si la conseguimos puede que sea demasiado tarde. Si s贸lo nos fijamos en la correlaci贸n, a menudo es suficiente.聽Imaginemos por un momento que somos una gran empresa de productos de consumo. Tenemos una gran variedad de productos y diferentes perfiles de consumidores, y queremos hacer un env铆o de cupones ofreciendo lo que es m谩s probablemente que compre cada persona y que actualmente no compra, bas谩ndonos en la informaci贸n de su cesta de la compra habitual. Podr铆amos hacer estudios y test a ciegas, para descubrir qu茅 hay detr谩s de sus decisiones 鈥 y en muchas ocasiones querremos descubrirlo – pero la correlaci贸n nos ayudar谩 a conseguir lo mismo. Podemos abandonar nuestra devoci贸n por la causalidad y simplemente confiar en la correlaci贸n, porque para muchas cosas, es lo 煤nico que verdaderamente necesitamos.聽

Probablemente buscar correlaciones entre sucesos sea la 煤nica manera razonable de navegar聽entre la gigantesca mara帽a de informaci贸n que generamos hoy en d铆a. Douglas Edwards, empleado n煤mero 59 de Google, nos proporciona una ilustrativa historia sobre esta aproximaci贸n al problema. Douglas, en los inicios de Google, recibi贸 el encargo de lanzar una campa帽a de banners para obtener usuarios. Para ello, planific贸 una investigaci贸n de mercados, una fase de an谩lisis, contrataci贸n de agencia publicitaria, pilotos… El lanzamiento requer铆a 7 semanas. Cuando present贸 su plan a Sergey Brin, uno de los fundadores, 茅ste lo escuch贸 atentamente y finalmente le dijo “ven ma帽ana con 100 banners diferentes. Eso nos deber铆a dar suficiente diversidad gen茅tica para ver cu谩les son efectivos. Abandona los anuncios perdedores y vuelve con otros 100 banners el d铆a siguiente”.

Esta an茅cdota de Google nos lleva al coraz贸n del debate. En un entorno en el que el coste de experimentar y observar es tan bajo, no necesitamos una comprensi贸n profunda de cu谩l es la causa de que un cliente haga clic en un banner. Seguramente s贸lo necesitamos observar qu茅 elementos presentes en ese banner correlacionan con el 茅xito. Pero, 驴puede la correlaci贸n darnos todas las respuestas que necesitamos?, 驴no estaremos renunciando a una parte esencial del problema que podr铆a conducirnos a nuevos caminos inexplorados?

Categoría: Big data | estadisticas | google | Sin categor铆a Trackback | Comentarios (2)

Preguntar es un arte (o m谩s bien una ciencia)

Escrito por Ruth Alonso el 4 de julio 2014

De todos es sabido que preguntar es de sabios, pero m谩s sabio es aquel que sabe c贸mo preguntar, aquel que tiene “arte para preguntar”. Aunque, como ver茅is en el art铆culo [ENG] que os presentamos hoy, a veces preguntar es m谩s una ciencia que un arte…

Carlos Ochoa, Director de Marketing e I+D de Netquest, y Melanie Revilla, Postdoctorada de la Universidad Pompeu Fabra – RECSM, han trabajado conjuntament bajo el paraguas del grupo de investigaci贸n R2Online, para llevar a cabo un estudio que averiguar谩 hasta qu茅 punto es importante el dise帽o de un cuestionario para obtener datos de calidad.

La manera en que preguntamos por un dato o una opini贸n a una persona, determina los resultados que obtenemos. Esta es la raz贸n por la cual un cuestionario debe ser creado por un investigador experto, poniendo atenci贸n a los efectos que el dise帽o de las preguntas tendr谩 sobre los resultados del estudio.

Los resultados del estudio, presentados en este art铆culo bajo el t铆tulo 鈥淒ifferent scales, different results” (Escalas diferentes, resultados distintos), se han obtenido a trav茅s de un experimento realizado a los paneles de Netquest en Espa帽a, M茅xico y Colombia. El proyecto consisti贸 en preguntar sobre los ingresos y el tama帽o del hogar de tres maneras distintas…

隆Lee el art铆culo entero aqu铆! [ENG]

survey magazine

Categoría: estadisticas | Estudios | Investigacion de Mercados | Predicciones | Preguntas y respuestas | R2Online Trackback | Comentarios (2)

脷ltimas plazas para el Summer School in Survey Methodology

Escrito por Ruth Alonso el 2 de julio 2014

隆Hoy os presentamos la Summer School聽de la Universidad Pompeu Fabra!

A trav茅s del RECSM (Centro de Investigaci贸n y Especializaci贸n en Metodolog铆a de la Encuesta), la UPF pone en marcha una escuela de verano con una serie de 4 cursos intensivos sobre la metodolog铆a de encuesta.

El programa se realizar谩 a lo largo de una semana, del 7 al 11 de julio, y se impartir谩 en Barcelona. Esta Summer School tiene como objetivo dar a conocer procedimientos para la aplicaci贸n de cuestionarios y t茅cnicas estad铆sticas sofisticadas para examinar los datos.

Cada uno de los 4 cursos del RECSM tendr谩 una duraci贸n determinada y constar谩 de profesores de prestigio internacional:

summerschoolrecsm

Curso A:Survey nonresponse

Fecha: del 7 al 9 de julio

Profesor: Ineke Stoop

 

Curso B:Designing and Conducting Business Surveys

Fecha: del 9 al 11 de julio

Profesor: Diane K. Willimack and聽Jacqui Jones

Curso C:Spatial data analysis

Fecha: del 7 al 9 de julio

Profesor: Albert Esteve y聽Antonio L贸pez-Gay

Curso D:Multilevel Modeling

Fecha: del 9 al 11 de julio

Profesor: Leonardo Grilli

 

Estos cursos van dirigidos a aquellos profesionales que desarrollen tareas de dise帽o e implementaci贸n de cuestionarios, as铆 como a profesores, investigadores y estudiantes de la materia.

Ap煤ntate a alguno de estos cursos y adquirir谩s conocimientos sobre las principales cuestiones relacionadas con la aplicaci贸n de encuestas en los estudios de investigaci贸n y la mejor manera de lidiar con ellos y con los resultados obtenidos.

隆Para m谩s informaci贸n entra en la web del Summer School in Survey Methodology!

Categoría: Barcelona | Encuestas Online | estadisticas | Estudios Trackback | Comentarios(0)

CATI y CAWI 驴la pareja perfecta?

Escrito por Ruth Alonso el 25 de junio 2014

Hoy os queremos presentar los resultados de un experimento metodol贸gico que hemos realizado junto a GESOP. El estudio ten铆a el objetivo de ver hasta qu茅 punto es viable llevar a cabo un proyecto de investigaci贸n utilizando dos m茅todos de recolecci贸n de datos simult谩neos: CATI y CAWI.

Os dejamos ahora con el art铆culo que GESOP ha publicado en su blog para presentar las conclusiones de este experimento:

En las pr贸ximas l铆neas nos proponemos compartir el experimento metodol贸gico realizado por GESOP, en colaboraci贸n con聽Netquest, con el objetivo de聽evaluar la viabilidad de utilizar simult谩neamente聽m谩s de un m茅todo de recogida de la informaci贸n en estudios cuantitativos de car谩cter social y/o pol铆tico. En concreto, hemos querido comprobar la viabilidad de combinar聽la metodolog铆a on-line y la telef贸nica聽para la obtenci贸n de una 煤nica muestra representativa de la poblaci贸n, manteniendo en todo momento la calidad de los resultados obtenidos. […]

Desde hace tiempo, GESOP viene observando una dificultad creciente para contactar con determinados segmentos de poblaci贸n a trav茅s del tel茅fono fijo, como consecuencia del lento pero progresivo descenso de la presencia de este dispositivo en los hogares de nuestro pa铆s. Esta tendencia a la baja del tel茅fono fijo se est谩 produciendo a la vez que crece de forma imparable el uso de Internet. Todo parece indicar, adem谩s, que ambas tendencias se dan a velocidades diferentes seg煤n la edad de los individuos. As铆, muchos j贸venes se desprenden del fijo cuando se independizan, pero pr谩cticamente todos ellos disponen de acceso a Internet y utilizan la red con frecuencia. En cambio, entre los individuos de m谩s edad se sigue manteniendo el tel茅fono fijo en el hogar, pero el uso de Internet todav铆a no es general, sobre todo a partir de los 65 a帽os. De hecho, entre los mayores, el acceso a la red todav铆a est谩 muy determinado por la capacidad econ贸mica y el nivel de estudios de los individuos.

INTvsTELF_castINTvsTELF_cast

As铆 pues, a partir de la experiencia adquirida a lo largo de los a帽os por GESOP en la planificaci贸n y realizaci贸n de trabajo de campo a trav茅s de diferentes m茅todos, se ha formulado la hip贸tesis de que la combinaci贸n del tel茅fono e Internet para la realizaci贸n de encuestas de opini贸n permitir铆a un acceso m谩s f谩cil, m谩s r谩pido e igual o m谩s representativo que el uso exclusivo de uno de los dos m茅todos en solitario. Se tratar铆a, pues, de realizar encuestas por Internet para llegar a los segmentos de poblaci贸n m谩s j贸venes, entre los que el fijo cada vez est谩 menos generalizado, y continuar utilizando el tel茅fono para aquellos segmentos de poblaci贸n de m谩s edad, entre los que la disponibilidad de fijo en el hogar todav铆a es habitual. En definitiva, el objetivo es聽acercarnos a cada segmento de poblaci贸n a trav茅s del m茅todo que nos garantice un mejor acceso al mismo.

El experimento ha consistido, pues, en la realizaci贸n de un mismo estudio por dos v铆as diferentes, para terminar comparando los resultados de las dos muestras recogidas: una totalmente realizada por tel茅fono y la otra obtenida en parte por tel茅fono y en parte por internet. Puede verse el detalle del an谩lisis realizado en聽este documento, que explica la metodolog铆a desarrollada, as铆 como el detalle de los resultados obtenidos en cada una de las variables tanto por una v铆a como por la otra.

La prueba realizada permite concluir que la combinaci贸n de ambas metodolog铆as en estudios de car谩cter pol铆tico o de opini贸n es factible. Pr谩cticamente no se observan diferencias significativas entre los resultados obtenidos a trav茅s de una t茅cnica y de la otra y las existentes no son estrictamente atribuibles al m茅todo de recogida de la informaci贸n utilizado. Adem谩s, se ha conseguido llegar de forma m谩s eficaz y eficiente a los diferentes segmentos de la poblaci贸n objeto de estudio, utilizando en cada caso la metodolog铆a que asegura un menor sesgo en la muestra resultante. Evidentemente, las conclusiones de esta primera prueba deben ser confirmadas en futuras investigaciones, pero se帽alan聽la viabilidad de ir introduciendo la metodolog铆a online en el 谩mbito de los estudios sociales y de opini贸n p煤blica, manteniendo el rigor y la calidad de los resultados obtenidos.

Categoría: Barcelona | Encuestas Online | espa帽a | estadisticas | internet | Investigacion de Mercados | netquest | sesgo Trackback | Comentarios (2)

6 factores clave de la investigaci贸n de mercados en 2014

Escrito por Ruth Alonso el 19 de marzo 2014

Hoy os presentamos un resumen del聽GRIT Report, para aquellos que no lo conozcan, se trata de un informe trimestral que realiza el portal GreenBook y que re煤ne las tendencias de la industria de la聽investigaci贸n de mercados.

GRIT_2014

El GRIT extrae datos encuestando a profesionales del sector que, al fin y al cabo, son los que conocen de primera mano las novedades, cambios y creencias de la investigaci贸n de mercados.

En este 煤ltimo informe,聽que pertenece al 煤ltimo trimestre de 2013, participaron 2.229 encuestados, 1.786 de los cu谩les fueron proveedores y el 443 fueron clientes, de todo el mundo.聽A continuaci贸n, vamos a exponer un resumen realizado por Vision Critical que re煤ne en 6 puntos clave los ejes principales del estudio:

 

1. T茅cnicas y tecnolog铆a no son los factores principales por los cu谩les los clientes escogen a sus proveedores

Mientras que hay clientes que sienten que cosas como el 煤ltimo paquete estad铆stico, el 煤ltimo m茅todo de recogida de datos o las tecnolog铆as sofisticadas son lo m谩s importante; los temas m谩s importantes para la mayor铆a de ellos son realmente las 鈥渉abilidades blandas鈥 tales como escuchar, tener personal capacitado y conocimiento de las necesidades del cliente.

Los proveedores est谩n m谩s interesados en herramientas y t茅cnicas, porque gracias a ellas pueden entregar sus resultados. Los clientes, sin embargo, necesitan centrarse en los resultados. Para las agencias asuntos como 鈥減royectos finalizados a tiempo鈥 y 鈥渞谩pidas respuestas a peticiones鈥 figuran m谩s arriba de la lista de prioridades de los clientes, cuyas prioridades, por otro lado, son 鈥渆ntendimiento de los nuevos canales comunicativos de los clientes鈥 o 鈥渢ener m茅todos 煤nicos鈥.

 

2. Los eventos y webinars son clave para mantener a las personas informadas

La lista de clientes y proveedores asistentes a seminarios, conferencias y ferias es un m茅todo clave para mantenerse al d铆a, as铆 como los webinars y eventos virtuales. Si no acudes a este tipo de eventos, es probable que te est茅s quedando atr谩s, por mucho que leas con asiduidad art铆culos escritos por profesionales del sector, blogs y prensa especializada.

 

3.聽El motor de cambio principal del cliente es el presupuesto

Los proveedores parecen estar motivados por una mezcla de necesidades de presupuesto y opciones tecnol贸gicas, pero los clientes tienen claro cu谩l es su problema n煤mero uno: las limitaciones presupuestarias.

 

4. Lo viejo es demasiado caro, lo nuevo es desafiante y lo atractivo no est谩 probado

Los m茅todos antiguos, tales como el cara a cara, el CATI y los focus group se perciben como demasiado caros y, en general, demasiado lentos. Nuevos m茅todos como el an谩lisis de texto y las encuestas v铆a m贸vil son vistas como tecnol贸gicamente desafiantes. Las nuevas y atractivas herramientas como la gamification, el crowdsourcing e incluso la monitorizaci贸n del social media son vistas como t茅cnicas cuya fiabilidad todav铆a no se ha validado.

 

5. Las comunidades online y la encuestaci贸n m贸vil son las 谩reas de mayor crecimiento

En t茅rminos de lo que la gente est谩 usando y de lo que est谩 planeando, las comunidades online sigue siendo el m茅todo de 鈥渘ueva investigaci贸n鈥 m谩s destacado, seguido por las encuestas v铆a m贸vil. Al otro lado, otras t茅cnicas como el an谩lisis facial, el neuromarketing y las biom茅tricas se mantienen en un papel m谩s secundario.

 

6. Los mensajes clave

> Las nuevas t茅cnicas que est谩n funcionando son las escalables, tales como las comunidades online y la tecnolog铆a m贸vil.

> La manera de hacer investigaci贸n es m谩s importante para proveedores que para clientes, mientras los resultados importan m谩s a los clientes.

> Las limitaciones de presupuesto es en la mayor铆a de casos uno de los factores m谩s influyentes para el cliente en el momento de dar forma al proyecto.

> El punto que diferencia a los proveedores, a ojos de los clientes, es su habilidad por escuchar, pensar y entregar respuestas centradas en el negocio.

Categoría: Art铆culos | Comunidades | Encuestas Online | estadisticas | Estudios | Innovaci贸n | internet | Investigacion de Mercados | moviles | Predicciones | Preguntas y respuestas Trackback | Comentarios (3)

驴Qu茅 tama帽o de muestra necesito?

Escrito por Carlos Ochoa el 11 de noviembre 2013

Una de las secciones de nuestra web m谩s visitadas es la CALCULADORA DE MUESTRAS. Gracias a esta aplicaci贸n, indicando unos datos b谩sicos sobre la poblaci贸n que deseas investigar y el m谩ximo error que est谩s dispuesto a tolerar, obtienes una estimaci贸n del tama帽o de muestra que necesitas para tu encuesta.

A menudo recibimos consultas relativas a esta calculadora: qu茅 f贸rmulas emplea, qu茅 significa margen de error, nivel de confianza… Hoy nos proponemos explicar c贸mo funciona exactamente.

About_Row_People_18864915

El problema

El problema a resolver es el siguiente: queremos estudiar un universo de personas (por ejemplo, personas de Brasil entre 15 y 65 a帽os, un total de 136 millones de personas) mediante una encuesta a una muestra de este universo. Por el hecho de que la muestra es de un tama帽o inferior al total del universo, vamos a cometer cierto error en los datos que observemos. Si estamos dispuestos a aceptar un % de error determinado, 驴cu谩l es el tama帽o de muestra m铆nimo que necesito encuestar?

La forma en que mido el error

Cuando quiero fijar el m谩ximo error que estoy dispuesto a aceptar en una encuesta, lo habitual es referirnos a dos par谩metros: el margen de error y el nivel de confianza. 驴Qu茅 significa cada cosa?

El margen de error es el intervalo en el cu谩l espero encontrar el dato que quiero medir de mi universo. El dato puede ser en general de dos tipos: una media o una proporci贸n. Por ejemplo, si quiero calcular la media de hijos que tienen los habitantes de Brasil entre 15 y 65 a帽os, me gustar铆a poder decir que la media es 2,1 hijos/persona con un margen de error del 5%. Eso significar铆a que espero que la media est茅 entre 2,1 – 5% y 2,1 + 5%, lo que da un intervalo de 2,00 <-> 2,21.

Si quisiera definir un margen de error para una proporci贸n, proceder铆a de forma similar.聽Por ejemplo, me gustar铆a poder estimar el n煤mero de personas de Brasil entre 15 y 65 a帽os que viven en un piso de propiedad, afirmando que son un total de 61.35 millones personas (45% de la poblaci贸n) con un margen del 5% de error, lo que significar铆a que la realidad est谩 entre 68聽millones (50%) y 54,5聽millones (40%).

El nivel de confianza expresa la certeza de que realmente el dato que buscamos est茅 dentro del margen de error. Por ejemplo, siguiendo con el caso anterior, si obtenemos un nivel de confianza del 95%, podr铆amos decir que el porcentaje de personas de mi universo que viven en un piso de propiedad, en el 95% de los casos se encontrar谩 entre el 40% y el 50%. O dicho de otra manera, si repitiese 100 veces mi encuesta seleccionando muestras aleatorias del mismo tama帽o, 95 veces la proporci贸n que busco estar铆a dentro del intervalo y 5 veces fuera.

Relaci贸n entre error y tama帽o de muestra

Margen de error, nivel de confianza y tama帽o de la muestra siempre van de la mano. Si quiero obtener un margen de error y un nivel de confianza determinado (por ejemplo, error del 5% con confianza 95%) necesitar茅 un tama帽o de muestra m铆nimo correspondiente. Modificar cualquiera de los 3 par谩metros, altera los restantes:

1. Reducir el margen de error obliga a aumentar el tama帽o de la muestra.

2. Aumentar el nivel de confianza obliga a aumentar el tama帽o de la muestra.

3. Si aumenta el tama帽o de mi muestra, puedo reducir el margen de error o incrementar el nivel de confianza.

Pero, 驴qu茅 f贸rmulas gobiernan la relaci贸n entre los par谩metros anteriores? El conjunto de teoremas que se conocen como LEY DE LOS GRANDES N脷MEROS viene a nuestro rescate. Estos teoremas son los que dan soporte matem谩tico a la idea de que聽el promedio de una muestra al azar de una poblaci贸n聽de gran tama帽o tender谩 a estar cerca de la media de la poblaci贸n completa. En concreto, el聽teorema del l铆mite central聽demuestra que, en condiciones muy generales, la suma de muchas聽variables aleatorias聽independientes (en el ejemplo, los habitantes de Brasil que tienen piso de propiedad) 芦se aproxima bien禄 a una distribuci贸n normal聽(tambi茅n llamada聽campana de Gauss).

Gracias al teorema del l铆mite central, cuando calculamos una media (p.e. hijos por persona) o una proporci贸n (p.e. % de personas con piso de propiedad) sobre una muestra, podemos saber cu谩l es la probabilidad de que el universo tenga ese mismo valor o un valor parecido. 聽El valor que calculemos en la muestra ser谩 el m谩s probable para nuestro universo y a medida que nos alejamos de este valor (por arriba o por abajo) cada vez ser谩n valores menos probables. En mi ejemplo, si el 45% de mi muestra de brasile帽os tiene piso de propiedad, puedo afirmar que 45% es el valor m谩s probable del universo estudiado. Un porcentaje de 44% ser谩 algo menos probable, 43% a煤n menos, etc… Lo mismo sucede para valores superiores: 46% es menos probable que 45%.

La forma en que disminuye la probabilidad a medida que me alejo de la media corresponde a una distribuci贸n gaussiana. Podemos fijar un intervalo alrededor del valor m谩s probable, de manera que englobemos el 95% de la probabilidad (nivel de confianza). La distancia a la que me tengo que alejar del valor m谩s probable para englobar este 95% determina el margen de error.

distribuci贸nGauss.

 

Seg煤n el gr谩fico anterior, para una distribuci贸n normalizada (media 0, desviaci贸n 1) si queremos englobar los valores que cubren el 95% de los casos, tengo que definir un margen de error entre -1,96 y +1,96 de la media. Si quiero cubrir el 99% de los casos, el margen debe alejarse hasta +-2,58.

Y entonces, 驴qu茅 est谩 haciendo la calculadora?

Conociendo la propiedad anterior, es muy f谩cil adaptar las f贸rmulas de la distribuci贸n gaussiana a cualquier caso (sea cu谩l sea la media y desviaci贸n).聽Vamos a ver con detalle el caso de la estimaci贸n de una proporci贸n. Para ello usamos la siguiente f贸rmula:

formulaNfinito

 

Donde:

n = El tama帽o de la muestra que queremos calcular

N = Tama帽o del universo (p.e. 136 millones de brasile帽os entre 15 y 65 a帽os)

Z = Es la desviaci贸n del valor medio que aceptamos para lograr el nivel de confianza deseado. En funci贸n del nivel de confianza que busquemos, usaremos un valor determinado que viene dado por la forma que tiene la distribuci贸n de Gauss. Los valores m谩s frecuentes son:

Nivel de confianza 90% -> Z=1,645

Nivel de confianza 95% -> Z=1,96

Nivel de confianza 99% -> Z=2,575

e聽= Es el margen de error m谩ximo que admito (p.e. 5%)

p = Es la proporci贸n que esperamos encontrar. Este par谩metro suele confundir bastante a primera vista: 驴c贸mo voy a saber qu茅 proporci贸n espero, si justamente estamos haciendo una encuesta para conocer esta proporci贸n?

La raz贸n de que esta p aparezca en la f贸rmula es que cuando una poblaci贸n es muy uniforme, la convergencia a una poblaci贸n normal es m谩s precisa, lo que permite reducir el tama帽o de muestra. Si en mi ejemplo, yo espero que como m谩ximo el % de personas que tengan un piso de propiedad sea un 5%, podr铆a usar este valor como p y el tama帽o de mi muestra se reducir铆a. Si por el contrario, desconozco completamente qu茅 puedo esperar, la opci贸n m谩s prudente ser铆a usar el peor caso: la poblaci贸n se distribuye a partes iguales entre propietarios y no propietarios, por lo que p=50%.

Como regla general, usaremos p=50% si no tengo ninguna informaci贸n sobre el valor que espero encontrar. Si tengo alguna informaci贸n, usar茅 el valor aproximado que espero (ajustando hacia el 50% ante la duda).

 

La f贸rmula anterior podemos simplificarla cuando trabajamos con universos de tama帽o muy grande (se considera muy grande a partir de 100.000 individuos), resultando lo siguiente:

formulaNinfinito

 

Ejemplo: Retomamos nuestro caso anterior. Tenemos una poblaci贸n de 136 millones de brasile帽os entre 15 y 65 a帽os, queremos saber qu茅 % de ellos vive en un piso de propiedad, con un margen de error del 5% y un nivel de confianza del 95%. Supondremos que no tenemos ninguna informaci贸n previa sobre cu谩l puede ser el % de propietarios que podemos obtener en la encuesta. En este caso puedo usar la f贸rmula simplificada pues 136 millones > 100.000, y usaremos p=50% pues no tengo informaci贸n previa sobre el resultado esperado:

n = 1,96^2 * 0,5 * (1 – 0,5) / 0,05^2 = 384,16 -> 384

Debo encuestar por lo tanto a 384 personas para mantenerme dentro de los niveles de error definidos.

Si a ra铆z de un estudio realizado el a帽o anterior obtuvimos que el % de brasile帽os propietarios de su vivienda era del 20%, y se espera que el dato de este a帽o no haya variado en m谩s de 5 puntos (entre 15% y 25%), podr铆amos reemplazar p por el peor caso esperado = 25%. El resultado ser铆a:

n = 1,96^2 * 0,25 * (1 – 0,25) / 0,05^2 = 288,12 -> 288

 

驴Necesito hacer estos c谩lculos?

No, por eso disponemos de una calculadora que hace todo el trabajo por ti. S贸lo debes saber que el par谩metro “nivel de heterogeneidad” es esta proporci贸n esperada y, que en ausencia de informaci贸n, deber谩s indicar un valor de 50%.

Esperamos que os hayamos ayudado a interpretar su uso.

Categoría: estadisticas | Sin categor铆a Trackback | Comentarios (77)

Latinoam茅rica, la regi贸n que m谩s crece en 2012

Escrito por Ruth Alonso el 14 de octubre 2013

logo_esomar

ESOMAR ha publicado el informe sobre la situaci贸n de la investigaci贸n de mercado en el mundo (Global Market Research 2013), alcanzando este a帽o su vig茅sima quinta edici贸n. Este estudio pretende 鈥渟ubrayar y priorizar varios de los retos clave que nosotros, como industria, hemos intentado abordar local, regional y globalmente鈥 tal y como manifiesta Finn Raben, Director General de ESOMAR.

El principal hecho destacable del informe es que Am茅rica Latina ha sido la regi贸n que m谩s creci贸 en el pasado a帽o con un crecimiento del 5,6%, seguida por 聽Asia-Pac铆fico con un 4,8% y 脕frica con un 3,9%. Cabe destacar que Norte Am茅rica se sigue recuperando (+0,4%), mientras que Europa no acaba de salir del bache, con la mayor铆a de sus 15 mayores mercados registrando p茅rdidas.

report_ESOMAR_1

Am茅rica Latina recupera de esta forma en 2012 el t铆tulo de la regi贸n que crece m谩s r谩pido, gan谩ndole la partida a Asia-Pac铆fico, con un volumen de negocio total de 1.943$ millones que representa un 5% del mercado global. Brasil sube hasta el s茅ptimo escal贸n del top 10 de grandes mercados de investigaci贸n (+11,1%). Durante 2012 el pa铆s vio impulsado su negocio gracias a las encuestas pol铆ticas y a la investigaci贸n en torno a los Juegos Ol铆mpicos (2016) y a la Copa Mundial de Futbol (2014). En buena posici贸n tambi茅n nos encontramos con Argentina que obtuvo un crecimiento del 11,1%. En t茅rminos generales, 13 de los 18 mercados de la regi贸n han visto aumentar su volumen de negocio, principalmente gracias a la capacidad de atraer inversi贸n extranjera de pa铆ses con una econom铆a estable como Ecuador, Per煤 y Nicaragua. Por otro lado, M茅xico y Venezuela siguen con la progresi贸n de los 煤ltimos a帽os, mientras que los peque帽os mercados de Guatemala, El Salvador y Paraguay han experimentado un a帽o dif铆cil con presupuestos de investigaci贸n recortados.

report_ESOMAR_3

Si nos centramos en Europa, los mercados del sur siguen experimentando dificultades para reactivar el negocio; Italia, Espa帽a, Portugal y Grecia tuvieron en 2012 p茅rdidas netas. Destaca la fuerte disminuci贸n del negocio en Espa帽a, en torno al -11,4%, una disminuci贸n que sit煤a el volumen total del mercado espa帽ol en niveles del a帽o 2005. 聽Por su parte, Portugal ha experimentado una reducci贸n del negocio de -5,7% en el 煤ltimo a帽o.

Las regiones de Oriente Medio y 脕frica han sido analizadas independientemente por primera vez en el informe ESOMAR, alterando as铆 el balance global. Por su parte, 脕frica ha alcanzado unos beneficios de $399 millones, siendo Sud谩frica el pa铆s que m谩s aporta al continente con un 62% del total del mercado. Contrariamente, Oriente Medio ha visto decrecer su negocio en -4,3%, en gran parte, debido a los conflictos pol铆ticos que se produjeron durante el pasado a帽o en algunos pa铆ses de la regi贸n, como Israel y Egipto.

Norteam茅rica, constituida por Canad谩 y Estados Unidos, con un 37% del total de mercado a nivel global y un 0,4% de crecimiento neto, progresa por tercer a帽o consecutivo pero con un aumento menor, ya que no acaba de recuperarse de la crisis econ贸mica de estos 煤ltimos a帽os.

Por 煤ltimo, Asia-Pac铆fico ha experimentado un crecimiento de +4,8%, que representan $6.314 millones. A la cabeza de la regi贸n se encuentra Jap贸n con un 35% del volumen de negocio, que vuelve al crecimiento despu茅s de dos a帽os de declive debido a la crisis econ贸mica, al gran terremoto del este de Jap贸n y el desastre de la central nuclear de Fukushima. En total, la regi贸n presenta 7 mercados m谩s que han crecido llegando a cifras de dos d铆gitos: Birmania (+88,5%), Laos (+29%), Pakist谩n (+19,4%), Indonesia (+13,8%), China (+11,1%), Cambodja (+10,9%) y Malasia (+10,1%).

Desde Netquest organizamos, junto a ESOMAR, un webinar especialmente orientado al investigador latinoamericano que realizamos el pasado 8 de octubre. Este webinar titulado 鈥Cuestionarios buenos, datos 贸ptimos; Consejos para dise帽ar encuestas online de calidad鈥, consisti贸 en un curso pr谩ctico sobre c贸mo dise帽ar buenos cuestionarios online y fue llevado a cabo por Carlos Ochoa, Director de Marketing聽 de Netquest. Puedes visualizar el webinar completo aqu铆 y desc谩rgarte la presentaci贸n desde Slideshare.


Categoría: Art铆culos | brasil | esomar | espa帽a | estadisticas | Estudios | internet | Investigacion de Mercados | LATAM Trackback | Comentarios(0)