Como investigadores todos nos hemos enfrentado alguna vez a la medición de la preferencia entre distintas opciones, de la importancia de distintos atributos y/o de la satisfacción con distintos aspectos de una marca, producto o servicio.
Entre las herramientas que utiliza un investigador para dar respuesta a este tipo de cuestiones las más comunes son:
- Escalas numéricas (1-7, 0-10): permiten a los entrevistados puntuar individualmente cada alternativa.
- Escalas de ranking: en las que se solicita al entrevistado que ordene según su preferencia las alternativas.
- Preguntas de preferencia directa: en las que se presentan a los entrevistados todas las alternativas y se les pide que elijan la mejor/preferida.
- Reparto de pesos: se pide a los encuestados distribuir un número de puntos entre las distintas alternativas.
El principal punto débil de todas ellas radica en que demandan a los entrevistados llevar a cabo tareas que NO son habituales (procesar listas extensas, puntuar, ordenar y distribuir puntos). Además, las escalas numéricas, quizá las más extendidas, presentan dos sesgos adicionales: alta probabilidad de que el consumidor asigne una nota similar a muchas alternativas y sesgos individuales/sociales (lo que para un entrevistado es un 8, para otro podría ser un 7…).
Imaginaros lo que nos llevaría hacer la compra, si para elegir cada producto de la lista, tuviéramos que llevar a cabo alguno de los procesos citados anteriormente. Lo más normal para nosotros a la hora de elegir, es comenzar por uno de los productos disponibles y compararlo con un pequeño grupo de productos similares para descartar los peores y quedarnos con los mejores.
Entonces, ¿cómo nos podemos enfrentar a este tipo de mediciones? Aquí es donde entra en juego la metodología Max Diff que también debe de estar muy presente en la mente de los investigadores.
¿Y qué es Max Diff? Esta metodología, conocida como Maximum Difference Scaling en inglés, es una técnica de investigación que nos permite medir la importancia/preferencia/satisfacción de/con distintas alternativas (conceptos, claims, atributos, aspectos…) de una forma mucho más sencilla y natural para el entrevistado.
Su principal fortaleza radica en la simplicidad de su estructura. A cada entrevistado se le muestra un subconjunto de todas las posibles alternativas (normalmente 4) y se le pide que elija cuál es la mejor/más importante/más satisfecho y cuál es la peor/menos importante/menos satisfecho. Una vez ha contestado, se le muestra un segundo subconjunto de alternativas y se le pide que lleve a cabo la misma tarea. El proceso continúa hasta que el entrevistado ha llevado a cabo esta tarea sobre todos los subconjuntos de alternativas.
Mediante nuestra plataforma Toluna Start, primera plataforma de inteligencia del consumidor en tiempo real, es posible desplegar esta metodología de una forma extremadamente ágil permitiendo testar hasta 50 alternativas (imagen y/o texto).
A pesar de que el número de combinaciones puede ser muy alto, el diseño experimental nos permite no tener que mostrar todas las posibles y reducir así el número de preguntas necesarias. Durante la etapa de diseño del cuestionario, nuestro equipo se encarga de seleccionar cuidadosamente el número de preguntas y las alternativas que se mostrarán en cada una de ellas parar asegurar un diseño idóneo.
Toluna Start permite llevar a cabo la metodología Max Diff de una forma muy visual. Por ejemplo, si quisiéramos conocer la preferencia por determinados superhéroes, los entrevistados lo visualizarían de la siguiente forma:
Además, una vez finalizado el campo, tendremos acceso a los resultados a través de un scorecard que nos facilitará la toma de decisiones y que se genera en tiempo récord.
El scorecard básico calcula la utilidad/preferencia mediante el recuento, mostrando las siguientes métricas.
- Porcentaje de veces que cada alternativa ha sido seleccionada como la MEJOR
- Porcentaje de veces que cada alternativa ha sido seleccionada como la PEOR
- Diferencia entre ambos porcentajes (%Mejor-%Peor).
- Ranking basado en la diferencia de ambos porcentajes.
- Puntuación Max-Diff: se normaliza la diferencia entre los % de mejor y peor para visualizar más fácilmente los resultados (el mejor posicionado siempre tendrá una puntuación de 100 y el peor de 0).
Este scorecard permite ordenar los datos por el ranking y por la puntuación MaxDiff normalizada para mejorar la visualización.
Además, es posible añadir la metodología TURF al Max Diff -lo que nos permitirá optimizar nuestro porfolio-, optar por un scorecard más avanzado basado en las utilidades que aporta un ranking más preciso o incluso optar por un informe completo con conclusiones y recomendaciones llevado a cabo por nuestro equipo de Research.
Desde Toluna os recomendamos comenzar a aplicar esta técnica de investigación en vuestros estudios. Max Diff os permitirá mejorar significativamente la calidad/robustez de la investigación y os resultará extremadamente sencilla y ágil gracias a nuestra plataforma Toluna Start.
Volver al blog
