La escala de Likert: qu茅 es y c贸mo utilizarla

Escrito por Oriol Llaurad贸 el 12 de diciembre 2014

驴Qu茅 es?

La escala de Likert tiene el honor de ser uno de los 铆tems m谩s populares y utilizados聽en las encuestas.

A diferencia de las preguntas dicot贸micas con respuesta s铆/no, la escala de Likert nos permite medir actitudesyconocer el grado de conformidad del encuestado con cualquier聽afirmaci贸n que le propongamos.

Resulta especialmente 煤til emplearla en situaciones en las que queremos que la persona matice聽su opini贸n. En este sentido, las categor铆as de respuesta nos servir谩n聽para聽capturar la intensidad de los sentimientos del encuestado hacia dicha聽afirmaci贸n.

Ser铆a un ejemplo de Likert la afirmaci贸n聽鈥Estoy satisfecho con los聽productos聽de la empresa LexCorp鈥 y la escala de valoraci贸n:

(1) Totalmente en desacuerdo

(2) En desacuerdo

(3) Ni de acuerdo ni en desacuerdo

(4) De acuerdo

(5) Totalmente de acuerdo

 

脥tem de Likert vs escala de Likert

Estrictamente hablando, la pregunta anterior es un 铆tem Likert. Mientras que si presentamos varios 铆tems Likert y sumamos las valoraciones del encuestado a cada uno de ellos, obtendremos como resultado una escala de Likert. Importante: solo debemos sumar las valoraciones de aquellos 铆tems cuyo contenido sea聽similar entre s铆.
sabias_que

 

Tipos de 铆tem Likert

Podemos utilizar el 铆tem Likert para medir diferentes actitudes de un encuestado. Por ejemplo, podemos emplearlo para descubrir:

  • El nivel de acuerdo con una afirmaci贸n.
  • La frecuencia con la que se realiza cierta actividad.
  • El nivel de importancia que se atribuye a un determinado factor.
  • La valoraci贸n de un servicio, producto, o empresa.
  • La probabilidad de realizar una acci贸n futura.

 

驴Cu谩ntos niveles聽debe tener el 铆tem?

Entre los investigadores no hay un consenso claro al respecto. Probablemente el 铆tem m谩s utilizado sea el de 5 niveles, pero tambi茅n se utilizan de 4, 7, o 10. Lo que sabemos聽es que a帽adir niveles redunda en la obtenci贸n de unas valoraciones m谩s diversas. Por ejemplo, en un 铆tem de solo 5 puntos, los encuestados suelen evitar las 2 opciones extremas, obteniendo muy poca variaci贸n (es el conocido como聽central tendency bias).

Por otro lado, hay estudios que concluyen que, a partir de 8 niveles, los resultados obtenidos son los mismos que con 8,聽con lo que a帽adir niveles no redundar谩 en una mayor variaci贸n en los resultados. Parece pues que lo 贸ptimo son los 铆tems con 7 u 8 niveles.

 

驴C贸mo tratar los resultados?

Una vez terminado el cuestionario, cada 铆tem puede ser analizado separadamente o bien, en determinados casos, las respuestas de un conjunto de 铆tems Likert pueden sumarse聽y obtener聽un valor total. El valor asignado a cada posici贸n es arbitrario y lo determinar谩聽el propio investigador/dise帽ador de la encuesta. Dado聽este valor, podremos calcular la media, la mediana, o la moda. La mediana y la moda son las m茅tricas m谩s interesantes, dado que hacer una interpretaci贸n de la media num茅rica si manejamos聽categor铆as como “de acuerdo” o “en desacuerdo”, no nos aportar谩 mucha informaci贸n.

Normalmente, en investigaci贸n comercial, los datos obtenidos los trataremos como un intervalo, no como datos ordinales, si bien cabe聽se帽alar que en la literatura cient铆fica hay聽un amplio debate聽metodol贸gico al respecto.

Ventajas del 铆tem Likert

  • Desde el punto de vista del dise帽o del cuestionario, es una escala f谩cil de construir.
  • Desde el punto de vista del encuestado, le ofrecemos la facilidad de poder聽graduar su opini贸n ante afirmaciones聽complejas.
  • En Internet funciona especialmente bien: es muy visual, el encuestado puede realizar comparaciones entre 铆tems, as铆 como modificar y ajustar su respuesta f谩cilmente, tal y como podemos ver en este ejemplo.

 

Inconvenientes del 铆tem Likert

  • Por un lado, dos personas pueden obtener el mismo valor en la escala Likert, habiendo realizado elecciones diferentes.
  • Es dif铆cil tratar聽las respuestas neutras, del tipo “ni de acuerdo ni en desacuerdo”.
  • Los encuestados tienden a estar de acuerdo con las afirmaciones presentadas. Es聽el fen贸meno que conocemos como聽acquiescence bias.


Te recomendamos

  • Una buena escala de Likert debe ser sim茅trica, es decir, debe tener el mismo n煤mero de categor铆as positivas y negativas.
  • Es recomendable que la escala incluya un punto medio, para que los encuestados puedan seleccionar esa opci贸n en caso de indecisi贸n o neutralidad.
  • Si utilizamos varias escalas a lo largo del cuestionario, es interesante que sean iguales o muy parecidas entre s铆, es decir, que las valoraciones positivas siempre est茅n en la misma zona, y que siempre tengamos el mismo n煤mero de niveles, para evitar聽confundir al聽participante.
  • Algunos investigadores se帽alan聽que la escala Likert no es la mejor forma de conocer una opini贸n, ya que 茅sta puede estar situada justo en el espacio聽que hay entre dos de las opciones presentadas. En este sentido, una soluci贸n que nos permite la tecnolog铆a online es que la valoraci贸n se realice mediante un聽control deslizante (slider), de forma que el respondiente pueda expresar聽su opini贸n de una forma mucho m谩s fina, como puedes ver en este ejemplo.
  • Finalmente, como alternativa a la escala Likert, proponemos el uso de las escalas espec铆ficas, que presentan una mayor validez y calidad estad铆sticas.

 

驴Cu谩l es tu experiencia utilizando 聽la escala de Likert? 驴Qu茅 ventajas o desventajas piensas聽que 聽presenta?聽Te animo a seguir聽la conversaci贸n聽en los comentarios.

Si quieres ampliar tus conocimientos, te recomendamos leer:

Wikipedia – Likert scale (ENG)

The likert scale por Ray Poynter

How to Do a Likert Rating

La escala de Likert por Antz Research (PDF)

Four things you probably didn麓t know about Likert scales

Categoría: Encuestas Online | Investigacion de Mercados Trackback | Comentarios (1)

5 principios para hacer un buen trabajo de campo

Escrito por Oriol Llaurad贸 el 2 de diciembre 2014

Se acaba de estrenar el documental 鈥La sal de la tierra鈥, dedicado a聽la vida y obra del fot贸grafo brasile帽o聽Sebastia玫 Salgado. El documental lo han co-dirigido su hijo Juliano y el cineasta alem谩n Wim Wenders, y ha sido premiado en los festivales de Cannes y San Sebasti谩n. Vistas聽en pantalla grande, las fotos de Salgado nos conmueven por su belleza y por su fuerza 茅tica.

caption_006

Tras ver el documental, pienso que son muchas las similitudes entre los h谩bitos聽de Salgado, y las metodolog铆as que empleamos聽las empresas de campo y los investigadores.

Os comparto 5 principios sobre los que Salgado ha asentado su obra, y que nos pueden ayudar a realizar聽un buen聽trabajo de campo:

  1. S茅 paciente:聽la realidad nunca te defraudar谩. A sus 70 a帽os, Salgado se nos presenta como un viajero incansable, un explorador que recorre el planeta persiguiendo situaciones聽invisibles, sin sucumbir ni a la fatiga ni al miedo.
  2. En cada fotograf铆a, en cada cadena de datos…debemos聽buscar la historia que los conecta聽y plantear las acciones que se pueden emprender聽para cambiarla.
  3. Ac茅rcate al objeto de estudio, pero聽respeta y celebra su individualidad. No te sit煤es ni demasiado cerca como para alterarlo, ni demasiado lejos como para no capturar su esencia.
  4. Sum茅rgete en la realidad, no te a铆sles: para ser un buen investigador – y un buen fot贸grafo- se requiere una comprensi贸n profunda de la sociedad, una formaci贸n human铆stica, y conocer聽las din谩micas del mercado. En definitiva: desarrollar un inter茅s genuino por nutrirse de los aportes de diferentes disciplinas.
  5. La tecnolog铆a no es un fin en s铆 mismo, sino un medio para lograr nuestras metas. No encontrar谩s en todo聽el documental una sola menci贸n a los p铆xeles, a los sensores, a las lentes, etc. Conviene que no nos dejemos聽deslumbrar por las nuevas tecnolog铆as. Lo esencial seguir谩 siendo nuestra capacidad para conectar聽e interpretar lo que vemos.

Bonus track: si est谩s en Barcelona, todav铆a puedes ir a ver聽la exposici贸n sobre el proyecto G茅nesis de Salgado. Estar谩 en Caixaforum hasta el 8 de febrero de 2015.

Categoría: Encuestas Online | Investigacion de Mercados Trackback | Comentarios(0)

驴Es mi diferencia significativa?

Escrito por Carlos Ochoa el 26 de noviembre 2014

En un post anterior聽trat谩bamos de explicar c贸mo debo decidir el tama帽o de una muestra para garantizar聽que los datos que obtengo van a estar dentro de un margen de error controlado. Hoy vamos a tratar un tema relacionado: cuando observo una diferencia en un dato de una encuesta, 驴es esa diferencia estad铆sticamente significativa?

驴Es real o es azar?

Es una pregunta que nos formulamos a menudo, incluso en situaciones de nuestra vida cotidiana. Supongamos que normalmente voy a mi lugar de trabajo en coche por una ruta A y tardo 25 minutos de media. Durante un mes decido probar una nueva ruta B y observo que tardo 23 minutos. 驴Es realmente la ruta B m谩s r谩pida que la ruta A? 驴O por el contrario esa diferencia de 2 minutos se debe a la casualidad, por ejemplo, porque durante esa semana el tr谩fico ha sido especialmente fluido? Si la diferencia no se debe al azar, diremos que es una diferencia estad铆sticamente significativa.

Situaciones en las que necesitamos estar seguros de que las diferencias que observamos no se explican por puro azar son numerosas. Es la base del m茅todo cient铆fico. Por ejemplo, pensemos en la investigaci贸n m茅dica. Tenemos un nuevo f谩rmaco y queremos verificar si produce el efecto deseado. Para ello, administramos a una muestra de personas el f谩rmaco y comparamos los resultados con una muestra de personas que no han sido tratadas, o mejor a煤n, que han sido tratadas con una tratamiento placebo. Cuando obtengo los resultados, necesito estar seguro de que el efecto curativo es real. Este tipo de pruebas son las que los productos homeop谩ticos no superan y la raz贸n por la que la comunidad m茅dica nos los acepta como eficaces.

Con la llegada de internet, esta metodolog铆a de trabajo se ha puesto m谩s de moda que nunca. Pensemos en los tests A/B que se utilizan tan frecuentemente en el desarrollo de p谩ginas web.聽Por ejemplo, tenemos una web de comercio electr贸nico en la que el 5% de mis visitantes acaban comprando un producto. Quiero testar si incrementar el tama帽o de las im谩genes de los productos mejora las ventas. Hacer un test A/B consistir铆a en poner en funcionamiento una nueva versi贸n de la web, mostrar aleatoriamente a los usuarios una de las dos versiones y medir qu茅 茅xito de ventas tiene cada versi贸n de la web. Si la nueva web tiene un 茅xito de ventas del 5,5%, 驴puedo estar seguro de que esa diferencia de 0,5% se debe a las im谩genes m谩s grandes?

Para responder a estas cuestiones, la estad铆stica nos va a ser de utilidad. Necesitamos hacer un test de hip贸tesis. Veamos como funciona.

Test de hip贸tesis

Para empezar, vamos a dar una idea intuitiva lo que estamos haciendo. Supongamos que hacemos una encuesta a 100 hombres y a 100 mujeres preguntando si practican deporte. Analizando las respuestas, observamos que el 40% de los hombres afirman practicar deporte frente al 30% de las mujeres. Podr铆amos representar este dato con el gr谩fico siguiente.

 

diferencia_significativa_1

 

Pero vimos en un post anterior que por el hecho de calcular una estad铆stica usando una muestra de gente en lugar del universo completo, nuestro dato no va a ser preciso sino que estar谩 dentro de un margen de error. Este margen es mayor cuanto m谩s peque帽a es la muestra que empleamos. Por ello, ser铆a m谩s correcto representar el resultado de esta encuesta con una gr谩fico como el siguiente.

 

diferencia_significativa_2

 

En este gr谩fico hemos representado la incertidumbre que tenemos acerca de los porcentajes de hombres y mujeres que practican deporte. Cuando empleamos esta mirada, vemos que el margen de error de ambos datos (hombres y mujeres) se solapa de forma considerable. En el ejemplo que hemos representado, el gr谩fico nos indica que es relativamente f谩cil que esa diferencia que observo entre hombres y mujeres no sea real, sino que sea simplemente un efecto del error muestral que tengo por trabajar con una muestra reducida. La porci贸n gris representa ese riesgo: es la probabilidad de que la diferencia se deba al error. Tendr铆amos por lo tanto una diferencia no significativa.

驴C贸mo podr铆a estar seguro de que la diferencia s铆 es realmente significativa? Idealmente, si la diferencia entre los datos de hombres y mujeres fuese mayor, de forma que el margen de error de cada dato se solapase mucho menos, como se muestra en el siguiente gr谩fico.

 

diferencia_significativa_3

 

Obviamente, eso no depende de mi. Por lo que, si quisiese tener mayor seguridad sobre si la diferencia es significativa, tendr铆a que trabajar con tama帽os de muestra superiores. O dicho de otra manera, si la diferencia esperada va a ser peque帽a, necesito trabajar con una muestra mayor, lo que genera un margen de error m谩s peque帽o y me permitir谩 detectar diferencias significativas menores, tal y como se muestra en la gr谩fica siguiente.

 

diferencia_significativa_4

驴Y esto se puede medir objetivamente?

S铆, para eso se suele realizar un test de hip贸tesis, que es una prueba objetiva sobre la causa de las diferencias. En primer lugar, definimos las siguientes cantidades:

  • Nh = tama帽o de la muestra de hombres.
  • Nm = tama帽o de la muestra de mujeres.
  • Xh= n煤meros de hombres que practican deporte.
  • Xm= n煤meros de mujeres que practican deporte.

A partir de estas cantidades, calcularemos en primer lugar la proporci贸n global de personas que practican deporte, sean hombres o mujeres. Ser铆a:

  • P = (Xh+Xm)/(Nh+Nm)

Tambi茅n podemos calcular la proporci贸n de deportistas entre hombres y entre mujeres, que son los datos que han resultado diferentes y queremos verificar.

  • Ph = Xh/Nh
  • Pm = Xm/Nm

A continuaci贸n, planteamos las dos hip贸tesis posibles:

  • H0 (hip贸tesis nula) = no hay diferencias entre las muestras, la diferencia observada se debe al azar.
  • H1 (hip贸tesis alternativa) = la diferencia es estad铆sticamente significativa, ambas muestras realmente son diferentes en relaci贸n a la variable estudiada.

Para poder aceptar la hip贸tesis alternativa, necesito que la diferencia聽entre las dos proporciones medidas (Ph y Pm) diste lo suficiente como para tener un % de confianza suficientemente alto de que esa diferencia no se deba al error muestral, suponiendo que dicho error sigue una distribuci贸n gaussiana o normal. Para ello, tendr茅 que calcular聽lo siguiente:

diferencia_significativa_51

y comprobar que la Z resultante no supera una cantidad que viene dada por el nivel de confianza que deseamos. Es muy habitual trabajar con un intervalo de confianza del 95%, al cual corresponde un valor de Z=1,96. Por lo tanto:

  • Si Zprueba<1,96, aceptaremos que NO hay diferencias significativas entre hombres y mujeres, con un nivel de confianza del 95%.
  • En caso contrario, S脥 aceptaremos que la diferencia observada entre hombres y mujeres es significativa con un nivel de confianza del 95%.

Volviendo al ejemplo…

Podemos hacer estos c谩lculos en nuestro ejemplo inicial. Recordemos: 100 hombres y 100 mujeres, 40 hombres deportistas y 30 mujeres deportistas. Tendr铆amos:

  • Nh = 100.
  • Nm = 100.
  • Xh= 40.
  • Xm= 30.

Estos datos resultan en Z=1,48, que al ser inferior a 1,96 no nos permitir铆a afirmar que la diferencia es significativa. Si por el contrario este resultado se hubiese obtenido con una muestra de 200 hombres y 200 mujeres, la Z resultante ser铆a de 2,10, lo que me permitir铆a aceptar la hip贸tesis.

Algunas consideraciones finales

Es muy importante tener en cuenta con qu茅 tama帽o de muestra trabajo. En ocasiones, con muestras extremadamente peque帽as, se observan diferencias muy grandes pero que sin embargo no tienen significancia estad铆stica. Eso no significa que esa diferencia no sea real, simplemente significa que con los datos que tenemos no podemos tener una garant铆a suficiente de que sea real.

En sentido contrario, con muestras extremadamente grandes, podemos encontrar diferencias significativas peque帽as, que en la pr谩ctica no van a resultar muy informativas.

Por 煤ltimo, pr贸ximamente vamos a publicar en Netquest una calculadora de diferencias significativas para ayudarte a hacer estos c谩lculos, des mismo modo que ya tenemos una calculadora de muestras.

Categoría: Formaci贸n | Investigacion de Mercados | Preguntas y respuestas Trackback | Comentarios(0)

La mirada sociol贸gica

Escrito por Oriol Llaurad贸 el 11 de noviembre 2014

Dicen que una vez Tales de Mileto cay贸 en un hoyo y se rompi贸 la pierna, por culpa de ir mirando las estrellas. Confieso que a menudo corro el mismo riesgo, pero no por andar escrutando el firmamento, sino por observar a quienes me rodean.

Todo empez贸 con la sociolog铆a. No me atrevo a escribir la pedanter铆a de que estudiar sociolog铆a me cambi贸 la vida. Pero s铆 que me entren贸 a mirar de una manera sutilmente diferente.

Hay una mirada sociol贸gica sobre casi todo, y te animo a aplicarla, est茅s donde est茅s:

  • Paseando por la ciudad, puedes averiguar qu茅 clase social vive en ese barrio, c贸mo habla, d贸nde compra.

  • Cuando est茅s secuestrado en la en茅sima reuni贸n del comit茅 de tu departamento, puedes curiosear qui茅n se sienta al lado de qui茅n, c贸mo viste cada uno, qui茅n r铆e espont谩neamente y qui茅n solo lo finge.

  • En un atasco, puedes estudiar la correlaci贸n entre el volumen al que suenan las radios y las marcas de coche.

Las posibilidades son incontables…en los autobuses, en las colas de los supermercados, en los conciertos: nada escapa a su dominio.

M谩s all谩 de convertirte en un Sherlock Holmes de bolsillo, la mirada sociol贸gica te inspirar谩 ideas, te confirmar谩 teor铆as, o te evocar谩 nuevas posibilidades creativas.

Y sobre todo, lograr谩 que nunca te aburras.

Categoría: Investigacion de Mercados Trackback | Comentarios (1)

3 tendencias emergentes en investigaci贸n de mercados

Escrito por Oriol Llaurad贸 el 7 de noviembre 2014

Acabamos de conocer los resultados de la 15陋 edici贸n del informe GRIT (Greenbook Research Industry Trends). Se trata de un estudio que realiza el portal GreenBook聽y聽que resume el estado de nuestra industria y detecta las principales tendencias de futuro.

Los datos se obtienen mediante una encuesta realizada dos veces al a帽o a los profesionales de nuestro sector que, a fin de cuentas, son quienes conocemos de primera mano las herramientas utilizadas y las necesidades de nuestros clientes.

De entre todas las tendencias apuntadas, destacamos 3:

1. Sigue creciendo el uso de las encuestas online:聽es la metodolog铆a m谩s usada, el 89% de los encuestados declara haberla empleado.

2.聽Respecto a las nuevas metodolog铆as, sigue consolid谩ndose el uso de las聽encuestas a trav茅s dispositivos m贸viles y las comunidades online (MROCs), siendo ya dos m茅todos ampliamente adoptados.

3. Todo apunta a que el an谩lisis de datos volcados masivamente en las redes sociales es una t茅cnica muy pr贸xima a consolidarse,聽dado el crecimiento que experimenta ola tras ola.

Te animamos a leer y descargar una copia gratuita del informe聽aqu铆.

Categoría: Big data | Comunidades | Encuestas Online | Estudios | Investigacion de Mercados | Noticias | Paneles Online Trackback | Comentarios(0)

H茅roes de la investigaci贸n: Santiago Kahane

Escrito por Oriol Llaurad贸 el 30 de octubre 2014

DSC_3732

En esta nueva entrega de nuestra serie “H茅roes de la investigaci贸n” hemos聽tenido el gusto de conversar con聽Santiago Kahane, CEO y co-fundador de Datos Claros, empresa argentina聽pionera en el desarrollo de soluciones de investigaci贸n de mercados que aprovechan las nuevas tecnolog铆as para generar informaci贸n inspiradora y accionable. Santiago ha presidido tambi茅n la聽C谩mara Argentina de Empresas de Investigaci贸n Social y de Mercados (CEIM), organizaci贸n cuya misi贸n es promover聽la 茅tica y los est谩ndares de calidad en la investigaci贸n social.

Empecemos. Santiago, cuando eras peque帽o, de mayor quer铆as ser…

Algunos d铆as bombero y otros, polic铆a. Tambi茅n tuve una 茅poca en la que so帽茅 con ser futbolista y un poco m谩s de grande m煤sico y arquitecto. Mi padre, que siempre ha trabajado de modo independiente, sol铆a decir que una de las cosas que m谩s apreciaba de su trabajo era que, sin dejar de responder a sus m煤ltiples responsabilidades, ten铆a margen para decidir a qu茅 hora levantarse la mayor铆a de los d铆as. Los tiempos han cambiado mucho pero esa frase definitivamente me marc贸, de tanto escucharla. 隆Lo que quer铆a ser pod铆a ir cambiando con los a帽os, pero la hora de levantarme la iba a decidir yo!

驴Cu谩ndo y c贸mo iniciaste tu carrera en la industria de la investigaci贸n de mercados?

En el a帽o 2002, en plena crisis de la Argentina arranqu茅 con esto. Soy egresado de la licenciatura en marketing y hasta 1996 hab铆a trabajado en empresas grandes, la 煤ltima hab铆a sido Wal Mart. Luego trabaj茅 de manera freelance en proyectos relacionados con el retail para Carrefour y otras tiendas locales, no tan conocidas internacionalmente. En 2002, que era un momento econ贸mico muy malo en el que parec铆a que no hab铆a mucho por hacer, decid铆 que una forma de aprovechar el tiempo era estudiando y me puse a hacer un m谩ster en t茅cnicas de an谩lisis de la opini贸n p煤blica y mercado. Era algo que ya me interesaba desde que estaba haciendo la carrera universitaria. Digamos que el principal motivo para estudiar marketing fue que quer铆a entender cu谩les eran las razones por las cu谩les una persona terminaba eligiendo un determinado producto o una marca en vez de otra. Por otro lado, eran los a帽os del descubrimiento de Internet y en m铆 prendi贸 la f贸rmula investigaci贸n + internet. Fue as铆 que decid铆 lanzar una empresa de investigaci贸n de mercado enfocada en lo digital, como medio para investigar y como objeto de estudio. A partir de ah铆, muchas cosas han sucedido hasta llegar a hoy.

Si tuvieras que destacar una 驴cu谩l crees que es la cualidad que deber铆a atesorar todo investigador social?

Creo que no puede faltar la curiosidad. Tambi茅n creo que debe estar dispuesto a enfrentarse con la angustia que provoca la incertidumbre. La mayor铆a de las veces, cuando uno se mete en un proyecto nuevo lo hace sin saber con qu茅 se va a encontrar. En la mayor铆a de los casos existen hip贸tesis pero ninguna certeza. Y a veces ni siquiera hip贸tesis. Por lo tanto, uno tiene que poder lidiar con la incertidumbre, con el hecho de meternos en algo que no sabemos de qu茅 modo va a terminar. Este mismo sentimiento se multiplica por mil cuando decidimos desarrollar una nueva soluci贸n o una nueva metodolog铆a. Es decir, no un proyecto espec铆fico sino una soluci贸n que va a ser aplicable a muchos proyectos. Ah铆 s铆 que la incertidumbre es enorme porque no sabemos si lo que estamos haciendo va a ser v谩lido o si tendr谩 alguna utilidad. Ninguna universidad ense帽a eso, es un temple que se va forjando con la acumulaci贸n de experiencias.

驴C贸mo te inspiras para crear? 驴Qu茅 mundos fuera del mundo de la investigaci贸n te inspiran m谩s?

No sabr铆a decirlo. Hay muchas cosas por fuera de este mundo laboral que me dan placer y me inspiran. El deporte, y en particular el f煤tbol, es una de ellas. Jugar con mis hijos es otra. La m煤sica y la lectura tambi茅n. Soy bastante contemplativo, de estar por la calle o en una plaza y quedarme observando algo. Pero las ideas se me ocurren de un modo bastante azaroso. Puedo estar ba帽谩ndome o despertarme de un sue帽o y de golpe aparece una soluci贸n a un problema que me parec铆a enorme.

驴Cu谩l dir铆as que es la investigaci贸n o el proyecto m谩s interesante que has llevado a cabo?

El proyecto m谩s interesante ha sido crear y trabajar para hacer crecer a esta empresa y que crezcan las personas que trabajan en ella. Hace muchos a帽os que no estoy metido en los pormenores de cada proyecto sino m谩s bien en el desarrollo de la empresa. En imprimirle una visi贸n y tratar de alinear todas las fuerzas para que esa visi贸n se desarrolle. Otro proyecto muy desafiante ha sido presidir la c谩mara de empresas de investigaci贸n de mercado de Argentina (CEIM), labor que culmin茅 en Junio de 2014. En este per铆odo hemos logrado consensuar una idea de lo que queremos que la c谩mara sea y estamos trabajando muy duro para darle visibilidad como el 贸rgano referente de las empresas que trabajan en esta actividad en la Argentina.

驴C贸mo definir铆as el momento en el que se encuentra nuestro sector? 驴Qu茅 se deber铆a cambiar para agregar valor a las otras piezas del marketing y en 煤ltima instancia al ciudadano?

Creo que nuestro sector se encuentra en un momento muy particular, de mucho cambio como no lo ha habido en los 煤ltimos 50 a帽os. Ya sabemos que las cosas no van a ser en el futuro como lo han sido hasta ahora. El problema es que no tenemos del todo claro c贸mo es que van a ser. Personalmente creo que el cambio m谩s grande va a pasar por nuestra funci贸n. Porque lo que est谩 sucediendo es que est谩n cambiando radicalmente los modos de obtener datos. Hay cada vez mayor cantidad de datos comportamentales disponibles y empresas de extracci贸n tecnol贸gica mucho mejor preparadas que nuestra industria para acceder a ellos y ordenarlos. Pero nosotros seguimos teniendo una mezcla muy valiosa de profesionales de diferentes especialidades capaces de dar sentido a esos datos en contexto y transformarlos en informaci贸n 煤til. Es por eso que yo creo que el futuro nos va a encontrar mucho m谩s lejos de la funci贸n de obtener los datos (v铆a encuestas, entrevistas o lo que sea) y mucho m谩s cerca del trabajo con los clientes, dando sentido a los datos, ayud谩ndolos a tomar decisiones de negocio concretas e incluso ayudarlos en la implementaci贸n. Eso cambia radicalmente nuestra funci贸n y podr铆a considerarse hasta sacr铆lego, ya que hasta ahora el research no se met铆a en el terreno de la ejecuci贸n, m谩s a煤n lo ten铆a prohibido. Pero los tiempos han cambiado y lo que vemos, discutible pero real, es que las muestras probabil铆sticas se usan cada vez menos. En el futuro creo que nuestro conocimiento se va a utilizar en desarrollar los modelos anal铆ticos que le permitan a nuestros clientes decidir de qu茅 modo manejarse con ciertos clientes y de qu茅 otro modo con otros, en funci贸n de una suma de declaraciones estructuradas y no estructuradas y de patrones comportamentales.

Ante unos consumidores cada vez m谩s conectados, m谩s fragmentados, con menos tiempo disponible y, m谩s all谩 de las encuestas on-line, 驴qu茅 m茅todos o innovaciones crees que ser谩n indispensables para acercarnos a ellos?

Adem谩s del poco tiempo disponible, una de las cosas que yo veo que define los tiempos actuales es la cantidad de est铆mulos a los que estamos expuestos. No nos da tiempo de adaptarnos a uno incre铆ble que ya aparece otro m谩s incre铆ble a煤n. Esto atenta contra nuestra capacidad de sorprendernos. Es tanto y tan r谩pido que cualquier cosa parece natural. Si me dicen que en alg煤n momento vamos a poder estar f铆sicamente en dos lugares al mismo tiempo yo me lo creo. Por otro lado, nuestra actividad requiere de personas comprometidas con lo que nos dicen, entusiasmadas, sinceras. Entonces, m谩s all谩 de puntualizar en determinados m茅todos, cualquiera que sea va a tener que enfrentarse con esto. Vamos a lograr colaboraci贸n de la gente si lo hacemos de un modo que interfiera lo menos posible con su vida. Y cuando debamos interferir, que lo hagamos de un modo interesante, atractivo, divertido.

驴C贸mo te imaginas que ser谩 la investigaci贸n dentro de 10 a帽os? 驴A qu茅 retos piensas que nos enfrentaremos, especialmente en Latinoam茅rica?

Buena parte de c贸mo me la imagino ha sido expresado en mis respuestas anteriores. Respecto de los retos en Latinoam茅rica identifico dos cuestiones como las m谩s importantes. La primera tiene que ver con que nuestras sociedades est谩n menos desarrolladas que las norteamericanas o europeas. Cuando en 2003 ac谩 nos costaba much铆simo vender una encuesta online, en Europa o Estados Unidos ya eran algo habitual. Eso hace que en cualquier momento determinado que uno elija para sacar una fotograf铆a, se va a encontrar con soluciones de research m谩s desarrolladas en otros pa铆ses que en los nuestros. B谩sicamente porque lo que all铆 se empieza a adoptar hoy, aqu铆 reci茅n se empieza a incorporar unos a帽os despu茅s. Y para ese momento las empresas for谩neas que operan aqu铆 ya tienen una experiencia ganada que aqu铆 no existe. La segunda cuesti贸n, relacionada con la primera, tiene que ver con nuestra distancia de los lugares en donde se definen las grandes direcciones. Aqu铆 no me refiero a las filiales de las globales sino de las empresas verdaderamente locales, fundadas y financiadas con capital local. La semana pasada hablaba con el CEO de una gran empresa emergente de investigaci贸n europea y 茅l me contaba sobre los pitch que le llegaban, infinitamente m谩s voluminosos que los que recibimos aqu铆. El tema es que las casas matrices de la mayor铆a de las marcas con las que trabajamos no est谩n ni en Santiago, ni en Bogot谩 ni en Buenos Aires, ni siquiera en San Pablo o en el DF. Entonces creo que para las empresas latinoamericanas los retos pasan por mantenernos a la altura en el desarrollo de soluciones y por llegar a los lugares donde se toman las grandes decisiones y convencer a las grandes empresas de aqu铆 para que inviertan en desarrollar el talento local.

驴Qu茅 pel铆cula recomendar铆as ver o qu茅 libro recomendar铆as leer a todo investigador/a?

A investigadores y no investigadores tambi茅n: El d铆a que Nietzhe llor贸 de Irvin D. Yalom y Cinema Paradiso de Giuseppe Tornatore. Ambos me hicieron emocionar.

Y por 煤ltimo, tu lema vital en 1 tuit…

Todo es relativo, por eso nunca pierdas la humildad cuando las cosas te salen bien, ni te creas el peor cuando las cosas te salen mal.

Categoría: H茅roes de la investigaci贸n | Investigacion de Mercados | LATAM Trackback | Comentarios(0)

Big Data, los datos nunca hablan por s铆 solos

Escrito por Carlos Ochoa el 27 de octubre 2014

Nunca antes en la historia los datos hab铆an sido tan abundantes. Los generamos a un ritmo jam谩s visto. Seg煤n Dave Turek,聽vicepresidente de supercomputadoras de IBM,聽entre el inicio de la historia humana y el a帽o 2003, nuestra especie gener贸 5 exabytes (5.000 millones de GB) de informaci贸n. En 2011, empezamos a generar 5 exabytes de datos聽cada dos d铆as, y en 2013, se esperaba que esa cantidad se generase聽cada 10 minutos. Es la era del Big Data.

 

bigdata

 

驴Podr谩n las infraestructuras tecnol贸gicas – capacidad de c谩lculo y especialmente de almacenamiento – soportar semejante cantidad de informaci贸n? 驴O sufriremos un colapso tecnol贸gico? Existen dudas al respecto. Pero yo quer铆a escribir acerca de otro posible colapso, el colapso informativo.

Al respecto, os recomiendo la lectura de la entrevista que EL PAIS realizaba a Roberto Rigobon, profesor en el Centro Sloan de Administraci贸n de Empresas del MIT. Roberto nos recuerda algunos principios b谩sicos que todo profesional de la investigaci贸n de mercados deber铆a tener muy presentes: los datos, en s铆 mismos, no son importantes, para sacarles partido se necesita el factor humano.

 

roberto_rigobon

 

Seg煤n Rigobon, existe una gran diferencia entre tener datos y tener informaci贸n. Cada d铆a se acelera nuestra capacidad de generar datos, pero eso no significa que estemos generando m谩s informaci贸n ni que extraer esa informaci贸n sea f谩cil.

Me quedo con esta frase de la entrevista: “Los datos nunca hablan por s铆 solos. Los datos son como los criminales: puedes hacerlos confesar, pero no siempre te van a dar la informaci贸n que t煤 quieres”.

Seg煤n Rigobon, para resolver este problema, las empresas pronto van a tener un director de datos igual que tienen a un director financiero o de operaciones.

Pod茅is leer la entrevista 铆ntegra aqu铆.

Categoría: Big data | Investigacion de Mercados | Noticias Trackback | Comentarios(0)

Apple vs Samsung, que decida un conjoint

Escrito por Ferran Sav铆n el 15 de octubre 2014

Probablemente hab茅is o铆do hablar del litigio entre Apple y Samsung a ra铆z de una demanda de la empresa fundada por Steve Jobs. Seg煤n la demanda, Samsung habr铆a violado las patentes de algunas tecnolog铆as empleadas en sus iPhone y iPad.聽Los da帽os y perjuicios reclamados por Apple ascend铆an a m谩s 2.000 millones de d贸lares. Pero, 驴de d贸nde sac贸 Apple esta cifra? 驴c贸mo es posible evaluar qu茅 habr铆a sucedido en el mercado si Samsung no dispusiese de esas prestaciones? 驴es posible medir de forma objetiva algo as铆?

samsung contra apple

Por lo que se ha sabido durante el jucio, la evaluaci贸n de da帽os de Apple se fundament贸 en un an谩lisis conjoint.聽La finalidad de un an谩lisis conjoint es determinar qu茅 aceptaci贸n va a tener por parte del consumidor una combinaci贸n de atributos de un producto. Para ello, un conjoint eval煤a el valor o utilidad que el consumidor otorga a cada atributo. Y lo hace sin tener que preguntar directamente por los mismos, s贸lo a trav茅s de comparaciones de productos.聽Esta metodolog铆a ha acreditado mayor fiabilidad que los estudios convencionales en la evaluaci贸n de la importancia real que una prestaci贸n de un producto tiene en la decisi贸n de compra de un consumidor.

La capacidad de predecir el comportamiento del consumidor convierte a los estudios conjoint en una potente herramienta para valorar situaciones hipot茅ticas. En el caso concreto del juicio Apple vs Samsung, el objetivo era medir c贸mo los consumidores valoraban las caracter铆sticas de Apple y qu茅 cuota de mercado hab铆a perdido por el supuesto plagio de Samsung. Para evaluar la importancia de las prestaciones plagiadas, se realizaron dos estudios online con una muestra de 507 encuestados con tel茅fonos m贸viles y otros 459 con Tablet.

 

Y 驴cu谩l fue el resultado?

El resultado del estudio conjoint llevado a cabo por el Profesor Hauser聽determin贸 que los consumidores estaban dispuestos a gastar entre 32$ y 102$ adicionales por las prestaciones en litigio. Evidentemente, Samsung contraatac贸 con otro estudio conjoint donde defin铆a otro tipo de atributos de sus productos, no valorados en el primer estudio, como por ejemplo la duraci贸n de la bater铆a.聽Esta historia ilustra perfectamente una de las fortalezas de los an谩lisis conjoint: la obtenci贸n de resultados cuantificables y fiables.

 

Usos del conjoint

El an谩lisis conjoint es una t茅cnica conocida desde hace d茅cadas, que vive una segunda juventud gracias a su uso a trav茅s de encuestas online y al incremento de la capacidad de proceso de los ordenadores para abordar an谩lisis m谩s sofisticados.

Hay innumerables firmas que est谩n utilizando esta t茅cnica para dise帽ar productos. Por ejemplo:

  • AT & T en la definici贸n de funciones del tel茅fono m贸vil.
  • IBM la utilizaba para definir caracter铆sticas de sus ordenadores
  • Operadores de telefon铆a para definir tarifas.
  • MasterCard, lo utiliz贸 para definir las propuestas de viajes y entretenimiento.
  • Dise帽o del sistema de seguimiento de FedEx.
  • Habitaciones de los hoteles Ritz Carlton.
  • Embalaje de herbicidas de Monsanto.

La t茅cnica de an谩lisis conjoint cuenta con la confianza de prestigiosos investigadores porque es (1) fiable, ya que obtiene datos mediante simulaciones realistas de situaciones cotidianas de compra, en las cuales el respondiente es forzado a priorizar unas prestaciones renunciando a otras, (2) discrimina, margina mejor la importancia de los atributos de un producto o servicio, y (3) permite聽simular nuevos productos y calcular cuotas de mercado, entre otras grandes virtudes.

Si el an谩lisis conjoint no goza de mayor popularidad se debe a que es percibido por el investigador como una t茅cnica altamente compleja. En gran medida, es cierto. Los modelos estad铆sticos que emplea son sofisticados. Pero una vez se obtienen los resultados del modelo (lo que se conoce como utilidades), las posibilidades de an谩lisis y simulaci贸n de escenarios son casi ilimitadas. Y la parte positiva es que interpretar y emplear las utilidades est谩 al alcance de cualquier investigador.

Atendiendo al inter茅s que despiertan estos estudios, en聽Netquest hemos empezado a ofrecer a investigadores profesionales un servicio conjoint que permite ejecutar este tipo de estudios sin necesidad de adquirir software especializado, ni tener un conocimiento t茅cnico del funcionamiento de los algoritmos ni de las t茅cnicas estad铆sticas propias del conjoint.

Os animamos a que deis el salto a esta metodolog铆a. Para ayudaros, en los pr贸ximos d铆as iremos publicando una serie de 10 post-tutoriales en los que explicaremos cada uno de los elementos a tener en cuenta para desarrollar tu propio estudio conjoint.

Categoría: Herramientas | Innovaci贸n | Investigacion de Mercados Trackback | Comentarios(0)

Market Research Heroes: Annie Pettit

Escrito por Ruth Alonso el 25 de septiembre 2014

Versi贸n en espa帽ol >>

annie_pettit

In this new release, we鈥檝e had the opportunity to talk with聽Annie Pettit, a person who can teach us a lot about market and social research, either through her conferences or her several articles.

Annie聽is PhD in psychology and Chief Research Office at聽Peanut Labs. She is also Vice President of Research Standards at聽Research Now. She specializes in data quality, sampling and survey design, and social listening.

She won the聽MRIA Award of Outstanding Merit聽in 2014, the聽 Best Methodological Paper at Esomar in 2013, and the 2011 AMA David K. Hardin Award. Annie tweets at聽@LoveStats聽and is the author of聽The Listen Lady, a novel about social media research.

 

Let鈥檚 get started鈥 Annie, what did you want to be when you were growing up?

First a veterinarian but I quickly realized I was kind of scared of animals. Then an archeologist, and then a psychometrist. I have no idea how I discovered that career!

 

When did you start your professional career as a researcher? And what was the beginning like?

If we鈥檙e talking strictly research, I鈥檒l have to include graduate school when I researched the generalizability of results from college students, as well as the data quality of online survey data.

In my first real job after school, I was essentially a psychometrist with the Ontario government. I used a few standard statistics to develop personality tests. I really liked the work but, along the way, I realized that there was a career called marketing research where people get to use all kinds of statistics to accomplish all kinds of goals, not just a few for one goal.

Once I realized I鈥檇 have many more options in the MR world, I immediately sought out a new job. I remember being surprised at all the things I did NOT know about research in the business world even though I had taken so many classes in statistics, research methods, and survey design. They don鈥檛 teach you box scores in university!

 

Who was/is your hero in the market research world?

There are lots of people from marketing research doing some really great things. I love that Kristin Luck is on a campaign for full representivity of men and women at conferences and at senior levels.

I love that Tom Ewing and Reg Baker point out the obvious even though something is only obvious because they pointed it out first and even when the idea is controversial and upsets the purists.

pettit_quotes_eng_1

If you had to name one attribute every social researcher should have, which would it be?

“Social” implies an understanding of people, of how people think and feel, why people think and feel, and how people often don鈥檛 know how they think and feel. So I鈥檓 going to make a grand assumption that we鈥檙e all good there. In that case, every social researcher needs to be comfortable with numbers.

I鈥檝e heard too many people happily confess that they aren鈥檛 good with numbers and too many presenters apologize for not understanding the numbers on their slides. We can鈥檛 do our jobs well if we don鈥檛 have a feel for numbers and how they can do us right and wrong.

That means we聽 need to understand ideas of randomness, margin of error, and confidence intervals. We need to understand that just as people鈥檚 opinions aren鈥檛 written in stone, neither are the numbers we create during the research process.

 

How do you get inspired to create? What field, besides market research, inspires you the most?

Without other people, I鈥檓 not very creative. When people share their ideas on Twitter or Facebook or LinkedIn or at conferences, it makes me think of additional ideas. Or, I鈥檒l disagree so completely with an idea that crosses my path that I鈥檒l have to share what I think is a better idea. It鈥檚 all a matter of opinion.

It seems like every blog post I write is inspired by a conversation with someone (you know who you are!)

Outside of marketing research, I get a lot of inspiration from books, in particular biographies and documentaries. So many people have done so many incredible things. The creativity and strength they have shown reminds me that I need to just get out there and聽DO.

pettit_quotes_eng_2

What would you say is the most interesting research project you have carried out?

I work behind the scenes as opposed to directly with clients so most of my work is research on research. Which I love.

The most interesting project I鈥檝e worked on has to be the development of a global panel data quality system that incorporated numerous mid-survey data quality techniques as well as long-term individual tracking components.

It really helped me to understand that real people aren鈥檛 perfect. Everyone makes mistakes on surveys now and then. You hit the wrong key, you mis-interpret a poorly worded question. People can鈥檛 be penalized for being human. On the other hand, there are always a few people who aren鈥檛 truly invested in the survey process and those kinds of people don鈥檛 need to be a part of the process.

How would you describe the current situation of our industry?

I鈥檇 describe it as “wishfully thinking forward but comfortably seated in the past“.

There are indeed a number of companies trying hard to be progressive. They are actively working on mobile solutions, neuroscience techniques, and more, and doing everything they can to convince clients to come along with them.

Lots of folks are encouraged by all the new techniques available to them but they are still very happy with the surveys and focus groups they鈥檝e been doing all along. They already know the pros and cons of those techniques, they already have all their templates and processes in place.

It鈥檚 just a ton of work to do something different. I think we鈥檙e really good at wanting to do new cool things but those new cool things are really a very small part of our work.

 

What do you think market research will be like in 10 years time? What challenges do you think we will face?

Ah, to dream! I would love to say that surveys will be short and well-written, and that responder engagement will be higher than ever. I think we will be closer to that but not by much. We鈥檒l still be fighting the cost of business which means little time to write the best survey ever and little money to support that endeavor.

However, I do think we鈥檒l have made some great strides in terms of truly understanding engagement. It鈥檚 only been in the last couple of years that we鈥檝e really focused on the person participating in the research as opposed to the techniques of research. As we focus more on people, and see the benefits of focusing on people, not data, our research data will get better.

I really hope that in ten years time neuroscience as applied to marketing research will be much more in play than today. We like to think that people understand themselves but we really don鈥檛. On the surface, we know we like this or that, but we don鈥檛 know why. We don鈥檛 know why our hand grabbed at a certain shape, size, or colour. We just know that we love or hate something and then researchers make us try to come up with reasons when we鈥檝e never really considered the reasons to begin with. Neuroscience will get us a lot closer to reality.

 

Which film or which book do you recommend to researchers?

I鈥檓 going to extrapolate a bit and recommend a TV show. Anyone who knows me knows I always watch American Idol. 聽And, I always keep a score card from week to week rating every singer with A, B, C, D, or F. Yes, Yes, I鈥檓 a data geek.

The interesting thing is that it really reminds me of the difficult task we ask of our survey responders. Was the singer I rated with a B last week just as good as the singer I rated with a B this week? And what was it about the singer that I rated A four times in a row that got them kicked off this week – a personality characteristic, their clothes, their song choice, their hair?

It鈥檚 a great way to remember just how random and forgetful people are when they鈥檙e judging things whether it鈥檚 people or products.

 

And at last, your life motto in 1 tweet =)

When someone says you can鈥檛 do something, that鈥檚 your cue to do it.聽#InspirationalQuote聽@LoveStats

 

Categoría: H茅roes de la investigaci贸n | Humor | Investigacion de Mercados | usa Trackback | Comentarios(0)

H茅roes de la investigaci贸n: Annie Pettit

Escrito por Ruth Alonso el 25 de septiembre 2014

English version >>

annie_pettit

En esta nueva entrega hemos tenido la suerte de poder conversar con Annie Pettit, una de las personas de las que m谩s aprendemos, ya sea en sus conferencias o en sus numerosos art铆culos.

Annie es Doctora en Psicolog铆a y Directora de Investigaci贸n de聽Peanut Labs. Es tambi茅n vicepresidenta de Est谩ndares de Investigaci贸n en聽Research Now. Est谩 especializada en calidad de los datos, muestreo, dise帽o de encuestas, y social listening.

Gan贸 el Award of Outstanding Merit de la MRIA en 2014,聽 el Best Methodological Paper de Esomar en 2013 y el David K. Hardin Award de la AMA. Tuitea como @LoveStats y es la autora de聽The Listen Lady, una novela sobre investigaci贸n en redes sociales.

 

Empecemos. Annie, cuando eras peque帽a, de mayor quer铆as ser…

Quer铆a ser veterinaria, pero me di cuenta r谩pidamente de que los animales me daban un poco de miedo. Despu茅s quise ser arque贸loga y m谩s tarde psicometrista (隆no tengo ni idea de c贸mo descubr铆 esta 煤ltima carrera!).

 

驴Cu谩ndo y c贸mo te iniciaste como investigadora?

Si hablamos en un sentido amplio, empec茅 en la Universidad, donde trabaj茅 en un proyecto para extrapolar los resultados de los estudiantes a la poblaci贸n general, y tambi茅n llev茅 a cabo una investigaci贸n sobre la calidad de los datos en las encuestas online.

Mi primer empleo tras la Universidad fue como psicometrista en el Gobierno de Ontario.聽 Ah铆 utilizaba unas pocas pruebas estad铆sticas para crear tests de personalidad. Me gustaba, pero entonces descubr铆 la existencia de una carrera llamada investigaci贸n de mercados en la que se aplicaban todo tipo de estad铆sticas para lograr cualquier tipo de objetivo, no s贸lo unas pocas para alcanzar uno solo. Cuando me di cuenta de que tendr铆a m谩s oportunidades en el campo de la investigaci贸n de mercados, busqu茅 inmediatamente otro empleo.

Recuerdo que cuando empec茅 a trabajar en investigaci贸n comercial, me sorprend铆an todas las cosas que NO sab铆a, a pesar de que hab铆a estudiado mucha estad铆stica, m茅todos de investigaci贸n, dise帽o de encuestas…隆en la universidad no te ense帽an a sacar tablas de frecuencias!

 

驴Qui茅n ha sido tu h茅roe/hero铆na en el mundo de la investigaci贸n?

Hay muchas personas que est谩n haciendo cosas realmente impresionantes en nuestro terreno. Me encanta la campa帽a que Kristin Luck est谩 llevando a cabo en el mundo del marketing para que las mujeres estemos plenamente representadas en las conferencias y en los puestos de direcci贸n.

Me gusta tambi茅n la capacidad que tienen Tom Ewing y Reg Baker para hacernos ver como evidentes cosas que a primera vista no lo son, especialmente cuando se trata de ideas que pueden ser controvertidas o molestar a los puristas.

pettit_quotes_1

Si tuvieras que destacar una 驴cu谩l crees que es la cualidad que deber铆a atesorar todo investigador social?

鈥淪ocial鈥 significa entender a las personas, saber c贸mo piensan y sienten, entender por qu茅 piensan y sienten as铆, y comprender que a menudo las personas ignoran sus propios pensamientos y sentimientos. Suponiendo -y es mucho suponer- que todos los investigadores somos diestros en lo anterior, dir铆a que lo siguiente que necesitamos es familiarizarnos con los n煤meros.

He escuchado a demasiada gente confesar alegremente que no son buenos con los n煤meros y a muchos conferenciantes pedir perd贸n por no entender los datos que aparecen en sus presentaciones.

No haremos bien nuestro trabajo si no tenemos ni idea de n煤meros y desconocemos c贸mo nos pueden ayudar.

Esto significa que debemos conocer conceptos como la aleatoriedad, el margen de error y los intervalos de confianza. Necesitamos entender que de la misma forma que las opiniones de la gente son cambiantes, tambi茅n lo son los datos que surgir谩n durante una investigaci贸n.

 

驴C贸mo te inspiras para crear? 驴Qu茅 mundos fuera del mundo de la investigaci贸n te inspiran m谩s?

Sin las otras personas no ser铆a muy creativa. Los pensamientos que la gente comparte en Twitter,聽 Facebook, LinkedIn o en una conferencia, me generan nuevas ideas. O si veo una idea con la que estoy totalmente en desacuerdo me siento apremiada a compartir lo que yo pienso que puede ser una idea mejor.

De hecho, dir铆a que cada post que publico en el blog lo escribo inspirada en una conversaci贸n con alguien (隆ya sabes qui茅n eres!).

Fuera de la investigaci贸n de mercados me inspiran mucho los libros, especialmente las biograf铆as y los documentales: tanta gente ha hecho cosas tan incre铆bles. La creatividad y la fuerza que demuestran me recuerda a diario que tengo que salir ah铆 fuera y simplemente HACER.

 

驴Cu谩l dir铆as que es la investigaci贸n o el proyecto m谩s interesante que has llevado a cabo?

Trabajo entre bastidores, no directamente con clientes, es decir, mi labor radica en investigar sobre la propia investigaci贸n. Y me encanta.

El proyecto m谩s interesante que he realizado ha sido el desarrollo de un sistema de medici贸n de la calidad en un panel internacional. Este sistema incorporaba varios componentes de calidad a corto plazo, y tambi茅n t茅cnicas de seguimiento de los encuestados a largo plazo.

Me ayud贸 a entender que las personas no somos perfectas. Cualquiera puede cometer un error al responder una encuesta. Puedes pulsar la tecla equivocada, o confundirte ante una pregunta mal formulada. No podemos penalizar a las personas por ser humanas. En cambio, siempre hay algunas personas, muy pocas, que no est谩n dispuestas a esforzarse al responder una encuesta. A 茅stas personas s铆 que debemos excluirlas de nuestros proyectos.

pettit_quotes_2

驴C贸mo definir铆as el momento en el que se encuentra nuestro sector?

Lo describir铆a as铆: 鈥mirando hacia delante con ilusi贸n, pero acomodado en el pasado鈥.

Hay muchas empresas que se esfuerzan por innovar. Trabajan en el desarrollo de soluciones m贸viles, t茅cnicas de neurociencia…y hacen todo lo posible por convencer a sus clientes para que las incorporen a sus estudios.

Pero pese al entusiasmo que generan estas nuevas t茅cnicas,聽 la realidad es que la mayor铆a de profesionales siguen satisfechos con las encuestas y los focus groups de toda la vida. Conocen bien los pros y contras de las t茅cnicas tradicionales, y ya tienen sus聽 procesos pre-establecidos .

Hacer algo diferente implica mucho esfuerzo. Nos seducen mucho las cosas nuevas e interesantes, pero la realidad es que estas innovaciones suponen una parte 铆nfima de nuestro trabajo.

 

驴C贸mo te imaginas que ser谩 la investigaci贸n dentro de 10 a帽os? 驴A qu茅 retos piensas que nos enfrentaremos?

隆Ah, so帽ar! Me encantar铆a decir que las encuestas ser谩n cortas, estar谩n bien redactadas y que el compromiso con el encuestado ser谩 mayor que nunca. Creo que nos iremos acercando a esto, pero no demasiado. Seguiremos luchando con los costes, lo que significa tener poco tiempo para escribir la mejor encuesta posible, y poco dinero para cambiar esta inercia.

Pese a todo, s铆 que pienso que hemos hecho grandes avances en la comprensi贸n profunda de lo que significa el compromiso con el encuestado. En realidad solo hace 2 a帽os que nos estamos preocupando por las personas que participan en las encuestas, en lugar de por la propias t茅cnicas de investigaci贸n. A medida que nos centremos m谩s en la gente , y veamos los beneficios que conlleva, los datos que obtendremos ser谩n de m谩s calidad.

Espero que en unos diez a帽os la neurociencia aplicada a la investigaci贸n de mercados est茅 m谩s extendida de lo que hoy est谩. Nos gusta pensar que las personas nos comprendemos a nosotras mismas, pero no es as铆. En la superficie, sabemos que nos gusta esto o aquello, pero no sabemos las razones. No sabemos por qu茅 nuestra mano agarr贸 algo de determinada forma, tama帽o o color. Solamente sabemos que algo nos gusta o no nos gusta y despu茅s los investigadores nos hacen pensar en el porqu茅, cuando en realidad, nosotros nunca lo hemos tenido en cuenta. La neurociencia nos debe ayudar谩 a comprender c贸mo tomamos decisiones realmente.

 

驴Qu茅 pel铆cula recomendar铆as ver o qu茅 libro recomendar铆as leer a todo investigador/a?

Voy a salirme de la pregunta y recomendar茅 un programa de televisi贸n. Cualquiera que me conozca sabe que siempre miro American Idol.聽 Y cada semana relleno un tarjeta de valoraci贸n para puntuar a cada cantante con una A, B, C, D, o F. S铆, s铆, soy una geek de los datos.

Lo interesante del caso es que me recuerda la dif铆cil tarea que le pedimos a los encuestados. 驴El cantante que puntu茅 la semana pasada con una B es tan bueno como el cantante que he puntuado con una B esta semana? 驴Y qu茅 pasa con el cantante que he puntuado con una A cuatro veces seguidas y que han echado esta semana: ha sido por una caracter铆stica de su personalidad, su ropa, la canci贸n elegida, su pelo鈥?

Es una fant谩stica manera de recordarme cu谩n aleatorias y olvidadizas son nuestras mentes cuando emitimos un juicio, ya sea sobre una persona o sobre un producto.

 

Y por 煤ltimo, tu lema vital en 1 tuit

Cuando alguien te dice que no puedes hacer algo… es la se帽al para hacerlo聽#InspirationalQuote @LoveStats

 

Categoría: H茅roes de la investigaci贸n | Humor | Investigacion de Mercados Trackback | Comentarios(0)