El difícil arte de realizar predicciones certeras en investigación de mercados

Las predicciones en investigación 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 ¿qué compró ayer?, asumimos que la respuesta, si no hay una intencionalidad del entrevistado, tendrá una certeza del 100%. Si nos alejamos más en el tiempo del acto de compra bajo estudio, por ejemplo:

¿Que compró en sus últimas 10 compras?, entonces es de esperar que la probabilidad de certeza en la respuesta ya no sea del 100%. Y aun así, sabemos por estudios que comparan la conducta real (panel de compra) versus la percepción de lo realizado (encuesta), que las personas confunden sus acciones pasadas y no siempre coinciden en la totalidad, obteniéndose diferencias que van entre el 15 y 20%.

Sin embargo, aun asumiendo estas limitaciones, la predicción y los modelos de forecasting, son una pieza fundamental en la investigación de mercados y forman parte constitutiva de los procesos o funnels de innovación de las grandes empresas.

Te recomiendo leer: La importancia del contexto en una prueba de producto.

 

Investigación de mercados para medir

¿Cómo saber a priori si una nueva idea alcanzará el volumen de ventas esperado? Existen distintos parámetros o algoritmos usualmente utilizados por los equipos de investigación de mercados y en modelos predictivos de innovación.

En algunos casos las expectativas se evalúan simplemente a partir de resultados en ciertos parámetros tomados como claves de desempeño. Por ejemplo, escalas tradiciones de intención de compra. De acuerdo al porcentaje de personas que acordaron “que comprarían” el producto, podemos inferir cierto potencial en el lanzamiento.

Considerando las categorías, targets y culturas, estos valores de referencia cambian ya sea que se use el top o el top two box. La manera en que los entrevistados usan estas escalas varían enormemente de acuerdo a la cultura y el universo en cuestión.

Te invito a leer también: Medir la intención de compra con un embudo de enfoque.

 

Es muy difícil homogeneizar criterios. Es más, en ciertos casos, a la luz de los resultados, los “fuertes deseos” de los Brand Managers de seguir avanzando con el proyecto llevan a flexibilizar ciertos criterios de éxito previamente acordados.

En empresas con larga trayectoria en innovación que realizan investigación de mercados, estos parámetros tienden a ser más sólidos y se apoyan en una extensa data de experiencias conformando “normas” de referenciación. En lugar de ser un número casi arbitrario válido por sí solo, se utiliza un promedio histórico de experimentos similares.

La validez de este criterio de referencia requiere de repeticiones de experimentos en condiciones similares, misma categoría o adyacente, mismo universo target, idéntica estructura de preguntas, etc… Construir una base normativa es un trabajo sistemático y que requiere de inversión.

Se necesitan protocolos claros y específicos: 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 años antes de poder finalmente ver los frutos del trabajo.

Quizá te interese leer sobre el mercado y las necesidades del cliente en la investigación.

Pero, aun así, nuestra certeza no será del 100%. Las condiciones de un experimento rara vez son exactamente repetibles. Podemos controlar los aspectos demográficos del universo, pero no sus perfiles de actitud, su relación con la categoría y la marca.

¿Realmente conoces las necesidades del cliente? Investiga y rompe paradigmas

 

No tiene sentido ser mejor que el peor del mercado

Otra opción utilizada es la de agregar al experimento un cierto tipo de “control” o referente contra el cual medirse. Este puede ser un producto existente, un competidor, una innovación pasada que se evaluó en su momento, etc… S

i bien esto nos permite la comparación contra algo más “real”, es difícil poder aislar las variables que influirán en las evaluaciones de los usuarios. ¿Qué producto elegir como benchmark? Un producto que ya existe seguramente tendrá menos novedad, pero sí fue exitoso mostrará una mejor evaluación de desempeño. ¿Elegir un producto de baja participación de mercado o poco conocido es un benchmark válido?

Dicho esto, llegamos al diseño avanzado de modelos más sofisticados que trabajan asignando probabilidades de compra a cada individuo. Un comprador asegurado, sea por el criterio que sea, tendrá una probabilidad de “1” (100%) de realizar una compra efectiva post-lanzamiento, un rechazador neto tendrá probabilidad “0”, y de ahí todos los valores intermedios.

La suma de estas probabilidades nos daría una aproximación al porcentaje total de compradores posibles tras el lanzamiento. Estimar este valor no es tarea sencilla. Existen un gran número de factores que pueden influir incrementando o reduciendo esta probabilidad de compra a lo largo del período inmediato al lanzamiento.

Cuanto más sofisticado es nuestro algoritmo de modelaje de probabilidades, más certero será el pronóstico. Igualmente, nuestra certeza de la conducta futura siempre tendrá un margen de error y no será del 100%.

Conoce más de la complejidad del proceso de compra de los clientes.

 

En la búsqueda constante de mejores resultados

Ciertamente, la experiencia de estos modelos de probabilidades siempre logran mayor eficacia en los pronósticos de una investigación de mercados. Si bien requieren de una mayor inversión en tiempo y dinero, se justifican cuando el costo del lanzamiento de un nuevo producto necesita de una estimación del retorno de la inversión para poder conseguir el OK final.

En muchos casos las noticias no son las esperadas, pero aun así sirven para corregir y hacer más eficiente el plan de marketing, u optimizar los recursos a invertir.

En todos los casos poder predecir el desempeño de un nuevo producto, aún con cierto margen de error, es mejor que andar a ciegas y reaccionar cuando el producto ya está en el mercado y la inversión ya fue hecha.

Por último te invito a leer: ¿Qué sigue después de realizar la investigación de mercados?