El ABC del diseño experimental en márketing


Para ilustrar cómo funciona el diseño experimental vamos a considerar el siguiente caso. Una empresa, que vamos a denominar Biz Ware, está promocionando un producto de software a otras empresas. Antes de lanzar una campaña nacional, Biz Ware desea poner a prueba tres variantes, o atributos, diferentes de mensaje de venta para el mismo producto: precio, mensaje y promoción. Cada uno de estos tres atributos cuenta con un número de variaciones o niveles. Supongamos que los tres atributos y sus varios niveles se muestran en «Atributos y niveles de un mensaje de venta».

El número total de combinaciones posibles puede determinarse al multiplicar el número de niveles de cada atributo. Los tres atributos que Biz Ware desea evaluar suponen un total de 16 combinaciones posibles ya que
4 x 2 x 2 = 16. Las 16 combinaciones pueden distribuirse en las casillas de una tabla simple como «El universo de combinaciones posibles de Bi Ware».

No es necesario evaluarlas todas, sino que utilizando lo que se denomina el diseño factorial fraccional, Biz Ware elige un subconjunto de dichas combinaciones en el que los atributos son independientes (ya sea parcial o totalmente) los unos de los otros.

¿Qué envergadura debería tener la muestra para que el experimento fuese válido? La respuesta depende de diversas características de la prueba y del mercado que se pretende conseguir. Puede que se incluya el índice de respuesta esperado basándose en los resultados de esfuerzos de márketing pasados; la variación esperada entre los subgrupos de mercado; y la complejidad de diseño, incluyendo el número de atributos y niveles. En cualquier acontecimiento, el tamaño de la muestra debería ser lo suficientemente grande como para que los profesionales de márketing puedan detectar estadísticamente el impacto de los atributos sobre la respuesta de los consumidores.

Puesto que aumentar la complejidad y el tamaño de un experimento normalmente incrementa el coste, los profesionales deberían determinare! tamaño mínimo de muestra necesario para conseguir un grado de precisión que sea útil para tomar decisiones empresariales (existen algunas orientaciones estadísticas que pueden ayudar a los profesionales a responder a la pregunta del tamaño de la muestra). Hemos llevado a cabo complejos experimentos en los que hemos enviado solicitudes por e-mail a listas de sólo 20.000 nombres, de las que 1.250 personas recibían cada una uno de los 16 estímulos.

Al cabo de unos días, o semanas, surgen los resultados del experimento. Los profesionales de Biz Ware comprobaron el número y el porcentaje de respuestas positivas a cada una de las ocho ofertas sometidas a la prueba (ver «los resultados del diseño de Biz Ware»).

A simple vista, se podría entender intuitivamente que el precio tiene un impacto significativo en la respuesta a las diversas ofertas, ya que éstas con precios más bajos (Precio 1 y Precio 2) generalmente atraen unos índices de respuesta mejores que las ofertas a precios más elevados (Precio 3 y Precio 4). Pero, hablando en términos estadísticos, utilizar un software estándar hace posible evaluar el impacto de cada variable con mucha mayor precisión. De hecho, utilizando un método conocido como el andlisis de regresión logística, Biz Ware puede extrapolar a partir de los resultados del experimento los índices de respuesta probables para las 16 casillas (ver «las respuestas modeladas de Biz Ware»).

Cabe advertir que los porcentajes que se muestran a continuación no concuerdan exactamente con los originales de la prueba. Eso se debe a que Biz Ware utilizó los porcentajes originales para crear una ecuación general con el fin de estimar los resultados en todas las casillas. Cuando se aplica después la nueva ecuación a las células ya existentes, los resultados normalmente varían un poco de los números originarios. Lo importante es que la prueba termine con un conjunto de resultados consistentes para cualquier permutación posible (para obtener más información sobre estas estimaciones realizadas, ver «Estimar un modelo de respuesta» al final de este artículo).

Teniendo el cuadro completo, resulta evidente que algunas combinaciones tienen más probabilidades de ser efectivas que otras. La combinación de Precio 1 (150 dólares), Mensaje 2 (Fuerza) y Promoción 2 (regalo gratis) es con diferencia la oferta más atractiva para los consumidores. No obstante, ¿se trata de la combinación adecuada para Biz Ware? Ahí es donde entra en juego el juicio empresarial: la directiva de la entidad deberá analizar las implicaciones del experimento dependiendo de sus recursos, ingresos y rentabilidad.Cabe notar que este no es, ni mucho menos, el límite de empleo del diseño experimental.

La respuesta que se busca en los clientes puede ser también mucho más compleja. Los consumidores tienen múltiples opciones para elegir en vez de decir simplemente «sí» o «no» (una elección podría ser una suscripción a un año, a dos años, a tres años o decidir no realizar la compra).

Distintos tipos de diseño experimental pueden emplearse cuando varían los objetivos experimentales. Por ejemplo, los famosos diseños de exploración pueden probar eficientemente grandes cantidades de atributos para seleccionar un número menor que investigarán con mayor detalle. Por consiguiente, las pruebas pueden contar con más niveles para cada pequeña recopilación de atributos. Los diseños de respuesta de superficie se utilizan en el análisis alimenticio con múltiples dimensiones como dulce, salado, crujiente y agrio, y tienen un nivel ideal entre el «demasiado» y «no hay suficiente». El diseño permite estimar la combinación ideal de gustos y texturas.

Califica este Artículo
0 / 5 (0 votos)

Categoría: Nuevas Tendencias en Marketing.





Deja un comentario