{"id":38987,"date":"2017-03-05T05:30:16","date_gmt":"2017-03-05T13:30:16","guid":{"rendered":"https:\/\/www.questionpro.com\/blog\/?p=38987\/"},"modified":"2023-02-20T04:08:10","modified_gmt":"2023-02-20T04:08:10","slug":"predicciones-certeras-en-investigacion-de-mercados","status":"publish","type":"post","link":"https:\/\/www.questionpro.com\/blog\/es\/predicciones-certeras-en-investigacion-de-mercados\/","title":{"rendered":"El dif\u00edcil arte de realizar predicciones certeras en investigaci\u00f3n de mercados"},"content":{"rendered":"
Las predicciones en investigaci\u00f3n de mercados juegan un papel importante para todas las empresas. Es evidente que solo podemos tener certezas, y hasta cierto punto, de las conductas anteriores de los consumidores. Podemos indagar sobre sus actos pasados con alto nivel de confianza. A la pregunta sobre <\/span>\u00bfqu\u00e9 compr\u00f3 ayer?<\/span><\/i>, asumimos que la respuesta, si no hay una intencionalidad del entrevistado, tendr\u00e1 una certeza del 100%. Si nos alejamos m\u00e1s en el tiempo del acto de compra bajo estudio, por ejemplo:<\/span><\/p>\n \u00bfQue compr\u00f3 en sus \u00faltimas 10 compras?,<\/span><\/i> entonces es de esperar que la probabilidad de certeza en la respuesta ya no sea del 100%. Y aun as\u00ed, sabemos por estudios que comparan la conducta real (panel de compra) versus la percepci\u00f3n de lo realizado (encuesta), que las personas confunden sus acciones pasadas y no siempre coinciden en la totalidad, obteni\u00e9ndose diferencias que van entre el 15 y 20%. <\/span><\/p>\n Sin embargo, aun asumiendo estas limitaciones, la predicci\u00f3n y los modelos de <\/span>forecasting<\/span><\/i>, son una pieza fundamental en la investigaci\u00f3n de mercados y forman parte constitutiva de los procesos o <\/span>funnels<\/span><\/i> de innovaci\u00f3n de las grandes empresas.<\/span><\/p>\n Te recomiendo leer: <\/span>La importancia del contexto en una prueba de producto<\/a><\/span>.<\/span><\/p><\/blockquote>\n <\/p>\n \u00bfC\u00f3mo saber a priori si una nueva idea alcanzar\u00e1 el volumen de ventas esperado?<\/span><\/i> Existen distintos par\u00e1metros o algoritmos usualmente utilizados por los equipos de investigaci\u00f3n de mercados y en modelos predictivos de innovaci\u00f3n. <\/span><\/p>\n En algunos casos las expectativas se eval\u00faan simplemente a partir de resultados en ciertos par\u00e1metros tomados como claves de desempe\u00f1o. Por ejemplo, escalas tradiciones de <\/span>intenci\u00f3n de compra<\/span><\/i>. De acuerdo al porcentaje de personas que acordaron \u201cque comprar\u00edan\u201d el producto, podemos inferir cierto potencial en el lanzamiento.<\/span><\/p>\n Considerando las categor\u00edas, targets y culturas, estos valores de referencia cambian ya sea que se use el <\/span>top<\/span><\/i> o el <\/span>top two box<\/a>.<\/span><\/i> La manera en que los entrevistados usan estas escalas var\u00edan enormemente de acuerdo a la cultura y el universo en cuesti\u00f3n. <\/span><\/p>\n Te invito a leer tambi\u00e9n: <\/span>Medir la intenci\u00f3n de compra con un embudo de enfoque<\/span><\/a>.<\/span><\/p><\/blockquote>\n <\/p>\n Es muy dif\u00edcil homogeneizar criterios. Es m\u00e1s, en ciertos casos, a la luz de los resultados, los \u201cfuertes deseos\u201d de los <\/span>Brand Managers<\/span><\/i> de seguir avanzando con el proyecto llevan a flexibilizar ciertos criterios de \u00e9xito previamente acordados. <\/span><\/p>\n En empresas con larga trayectoria en innovaci\u00f3n que realizan investigaci\u00f3n de mercados, estos par\u00e1metros tienden a ser m\u00e1s s\u00f3lidos y se apoyan en una extensa data de experiencias conformando \u201cnormas\u201d de referenciaci\u00f3n. En lugar de ser un n\u00famero casi arbitrario v\u00e1lido por s\u00ed solo, se utiliza un promedio hist\u00f3rico de experimentos similares. <\/span><\/p>\n La validez de este criterio de referencia requiere de repeticiones de experimentos en condiciones similares, misma categor\u00eda o adyacente, mismo universo target, id\u00e9ntica estructura de preguntas, etc\u2026 Construir una base normativa es un trabajo sistem\u00e1tico y que requiere de inversi\u00f3n. <\/span><\/p>\n Se necesitan protocolos claros y espec\u00edficos: no es lo mismo evaluar con marca, que sin marca, con precio o sin precio, un mix completo o incompleto. En mi carrera de investigador he visto a varias empresas hacer este esfuerzo de construir normas durante a\u00f1os antes de poder finalmente ver los frutos del trabajo. <\/span><\/p>\n Quiz\u00e1 te interese leer sobre <\/span>el mercado y las necesidades del cliente en la investigaci\u00f3n<\/span><\/a>.<\/span><\/p>\n Pero, aun as\u00ed, nuestra certeza no ser\u00e1 del 100%. Las condiciones de un experimento rara vez son exactamente repetibles. Podemos controlar los aspectos demogr\u00e1ficos del universo, pero no sus perfiles de actitud, su relaci\u00f3n con la categor\u00eda y la marca.<\/span><\/p>\n \u00bfRealmente conoces las necesidades del cliente<\/a>? Investiga y rompe paradigmas<\/span><\/p><\/blockquote>\n <\/p>\n Otra opci\u00f3n utilizada es la de agregar al experimento un cierto tipo de \u201ccontrol\u201d o referente contra el cual medirse. Este puede ser un producto existente, un competidor, una innovaci\u00f3n pasada que se evalu\u00f3 en su momento, etc\u2026 S<\/span><\/p>\n i bien esto nos permite la comparaci\u00f3n contra algo m\u00e1s \u201creal\u201d, es dif\u00edcil poder aislar las variables que influir\u00e1n en las evaluaciones de los usuarios. <\/span>\u00bfQu\u00e9 producto elegir como <\/span><\/i>benchmark<\/span><\/i>?<\/span><\/i> Un producto que ya existe seguramente tendr\u00e1 menos novedad, pero s\u00ed fue exitoso mostrar\u00e1 una mejor evaluaci\u00f3n de desempe\u00f1o. \u00bfElegir un producto de baja participaci\u00f3n de mercado o poco conocido es un <\/span>benchmark<\/span><\/i> v\u00e1lido? <\/span><\/p>\n Dicho esto, llegamos al dise\u00f1o avanzado de modelos m\u00e1s sofisticados que trabajan asignando probabilidades de compra a cada individuo. Un comprador asegurado, sea por el criterio que sea, tendr\u00e1 una probabilidad de \u201c1\u201d (100%) de realizar una compra efectiva post-lanzamiento, un rechazador neto tendr\u00e1 probabilidad \u201c0\u201d, y de ah\u00ed todos los valores intermedios. <\/span><\/p>\n La suma de estas probabilidades nos dar\u00eda una aproximaci\u00f3n al porcentaje total de compradores posibles tras el lanzamiento. Estimar este valor no es tarea sencilla. Existen un gran n\u00famero de factores que pueden influir incrementando o reduciendo esta probabilidad de compra a lo largo del per\u00edodo inmediato al lanzamiento. <\/span><\/p>\n Cuanto m\u00e1s sofisticado es nuestro algoritmo de modelaje de probabilidades, m\u00e1s certero ser\u00e1 el pron\u00f3stico. Igualmente, nuestra certeza de la conducta futura siempre tendr\u00e1 un margen de error y no ser\u00e1 del 100%.<\/span><\/p>\n Conoce m\u00e1s de la <\/span>complejidad del proceso de compra de los clientes<\/span><\/a>.<\/span><\/p><\/blockquote>\n <\/p>\n Ciertamente, la experiencia de estos modelos de probabilidades siempre logran mayor eficacia en los pron\u00f3sticos de una<\/span> investigaci\u00f3n de mercados<\/b>. Si bien requieren de una mayor inversi\u00f3n en tiempo y dinero, se justifican cuando el costo del lanzamiento de un nuevo producto necesita de una estimaci\u00f3n del retorno de la inversi\u00f3n para poder conseguir el OK final. <\/span><\/p>\n En muchos casos las noticias no son las esperadas, pero aun as\u00ed sirven para corregir y hacer m\u00e1s eficiente el plan de marketing, u optimizar los recursos a invertir. <\/span><\/p>\n En todos los casos poder predecir el desempe\u00f1o de un nuevo producto, a\u00fan con cierto margen de error, es mejor que andar a ciegas y reaccionar cuando el producto ya est\u00e1 en el mercado y la inversi\u00f3n ya fue hecha.<\/span><\/p>\n Por \u00faltimo te invito a leer: <\/span>\u00bfQu\u00e9 sigue despu\u00e9s de realizar la investigaci\u00f3n de mercados?<\/span><\/a><\/p>\n En QuestionPro necesitamos tu talento, si quieres colaborar en nuestro blog da click aqu\u00ed<\/a><\/p>\n Autor:<\/p>\n V\u00edctor H. Hern\u00e1ndez<\/span><\/p>\n Market Research & Innovation Solutions<\/span><\/p>\n Email. <\/span>vhh.marketresearch@gmail.com<\/span><\/a><\/p>\nInvestigaci\u00f3n de mercados para medir<\/span><\/h2>\n
No tiene sentido ser mejor que el peor del mercado<\/span><\/h2>\n
En la b\u00fasqueda constante de mejores resultados<\/b><\/h2>\n
<\/div>\n\u00a1COLABORA CON NOSOTROS!<\/h2>\n
\n