19 jun. 2008

Publicidad conductual en Internet













Gran parte del éxito de Google se debe a que desarrolló una metodología más eficiente para realizar búsquedas en Internet y, al mismo tiempo, popularizó una forma de monetizar esa metodología.

A la primera metodología la llamó PageRank, y a la segunda AdWords.

Esta última es la clave de la fortaleza financiera de Google, ya que le permite tener una posición dominante en la inversión publicitaria en Internet.

Básicamente se trata de un mecanismo por el cual los anunciantes compran (“subastan”) palabras claves. Cuando un usuario pone una palabra clave en Google, junto con los resultados de la búsqueda aparecen los “enlaces patrocinados” de las compañías que hayan comprado esa palabra clave.

Google logra con esa metodología que los anuncios de las empresas sean "conductuales" ("behavioral"), es decir, que tengan relación con lo que el usuario está haciendo en ese momento (por ej, buscar una palabra), con lo cual no resultan molestos e incrementan la probabilidad de que los usuarios hagan click en ellos (incrementando los ingresos de Google, que cobra por cada uno de esos clicks).

Es una forma muy inteligente de segmentar el mercado ya que un usuario que está buscando en Google las palabras “viajes a Londres” muy probablemente esté interesado en compañías que ofrecen esos viajes.

Este tipo de publicidad "conductual" que orienta los anuncios en función de lo que una persona está haciendo es una evolución natural de la publicidad “contextual” (que se adapta al contexto o al contenido de la página donde está ubicada).

Si bien este tipo de publicidad es usada por Google en su motor de búsquedas, el resto de la publicidad (por ej, los “banners”) se guían por simples aproximaciones, deduciendo el interés de los usuarios de una página según el contenido general de la misma (por ej, anuncios de hoteles en una página de una agencia online) o simplemente por demográficos (por ej, jóvenes universitarios en Facebook).

Sería muy valioso para las compañías anunciantes si se pudiera expandir la tecnología de publicidad conductual desde los motores de búsqueda a toda la Internet.

De hecho, una de las principales barreras que ven los anunciantes al planear una campaña online es justamente determinar en qué sitios están navegando sus consumidores.


Desde hace un tiempo, varias compañías están trabajando justamente en esa tarea, y muchas han logrado avances significativos.

¿Cómo lo han logrado?

Básicamente, usan una tecnología que recolecta información de los hábitos de navegación de los usuarios, generalmente provista por los ISP (proveedores de acceso a Internet), y a través de palabras claves encontradas en esos registros de navegación ajustan los anuncios mostrados.

Esto beneficia a las empresas, que pueden incrementar la relevancia de sus anuncios.

Los anunciantes y las agencias que han experimentado con la publicidad conductual están altamente satisfechos con los resultados logrados.


La publicidad conductual también beneficia a los ISPs, que actualmente ven cómo Google se queda con la mayoría de la publicidad online de todo el tráfico que pasa por sus redes “tontas”.

Incluso las agencias perciben a la publicidad conductual como el elemento que agregará más valor en las campañas online del futuro.


El único que podría estar disconforme es el usuario, ya que el hecho de registrar los hábitos de navegación puede ser considerado una invasión a la privacidad.

Entre las empresas que están desarrollando esta tecnología se encuentran Phorm, NebuAd, Adzilla, Burst Media, FrontPorch y AlmondNet.

Actualmente se están llevando a cabo experimentos con esta tecnología en varios países. Uno de los más notables es el Reino Unido, donde Phorm ha formado una alianza con los principales ISPs (British Telecom, Virgin media y Carphone Warehouse) para probar la tecnología registrando los hábitos de uso del 70% de los usuarios de Internet en ese país (1).

Cuando estos experimentos salieron a la luz, se desató mucha controversia ya que Phorm delega en los ISPs la forma en que se comunica este test a los usuarios, y la mayoría de ellos han elegido una metodología “opt-out”, es decir, todos los usuarios son registrados para participar a nos ser que expresen su deseo de darse de baja (contrariamente al sistema “opt-in” donde solo los usuarios que expresan su deseo de participar son registrados).

Obviamente esta metodología “opt-out” maximiza el número de usuarios registrados en el sistema ya que muchos usuarios ni siquiera se enteran de que han sido dados de alta (la mayoría de los usuarios no lee los “acuerdos de servicio”).

Entre las personas que han criticado este sistema está Timothy Berners-Lee, a quien se le atribuye haber sido el creador de Internet, quien dice: “(la historia de navegación) me pertenece (…) si alguien quiere usarla entonces tiene que negociar conmigo, yo tengo que estar de acuerdo y tengo que entender qué obtengo a cambio” (2).

Phorm alega que su tecnología protege la privacidad de los usuarios al asociar sus hábitos de uso a un número generado al azar (almacenado en una “cookie”), y que nunca asocia esa información a un nombre específico.

Lamentablemente, el pasado de Phorm no la ayuda en sus alegatos, ya que originalmente se llamaba 121Media y se dedicaba a producir “adware” y “spyware”, esos programas molestos que se instalan en los ordenadores, escondidos dentro de otros programas, que son difíciles de borrar y que generan molestos pop-ups basándose en los hábitos de navegación (3).

Sin embargo, si los consumidores recibieran garantías de que la información no será mal usada estarían dispuestos a proveerla voluntariamente.


En EEUU otras compañías tales como NebuAd y FrontPorch están realizando experimentos similares con ISPs (4), cubriendo al 10% de los usuarios de Internet de ese país (5).

Mientras la controversia continúa, los anunciantes están entusiasmados con esta nueva técnica y planean usarla en el futuro.


Entretanto, Google se mantiene al margen y observa el desenlace de esta historia. Sabe que cualquier acusación sobre la metodología podría afectarla, ya que Google almacena los datos de las búsquedas asociadas a las direcciones IP de los usuarios durante 2 años.

En resumen, la idea de poder tener publicidad conductual en toda página de Internet es muy poderosa. Los anunciantes se beneficiarían, los ISPs podrían diversificar sus fuentes de ingresos y los usuarios obtendrían publicidad más relevante.

Sería una lástima que toda la idea se desplomara solo por la equivocación de algunas compañías en la forma de lidiar con la privacidad de los usuarios.




Autor: Cesar Perez Carballada
Artículo publicado en http://www.marketisimo.com/
Para recibir estos artículos por correo: haga click aquí





(1) New York Times, 20 de Marzo de 2008
(2) BBC News, 17 de Marzo de 2008
(3) The Economist, 7 de Junio de 2008
(4) The Register, 10 de Abril de 2008
(5)Washington Post, 4 de Abril de 2008

Continuar leyendo el resto del artículo...


8 jun. 2008

¿Qué es y cómo se usa el análisis conjoint?


Aunque tiene un nombre un poco peculiar, el análisis conjoint o en su versión en inglés “conjoint analysis” es una herramienta de investigación de mercado sumamente utilizada por muchas compañías.

¿Por qué es tan popular?

La respuesta reside en su utilidad, ya que entre otras cosas permite:

- elegir los atributos más valiosos para posicionar una marca

- al tener que elegir entre varios productos potenciales, identificar al que tendrá mayor nivel de ventas

- decidir cuál es el precio adecuado para un producto

- estimar la cuota de mercado de un producto nuevo antes de su lanzamiento

- segmentar el mercado de acuerdo a los atributos de un producto

Evidentemente son cuestiones que se plantea cualquier Director de Marketing, con lo cual tener una herramienta científica cuantitativa que las responda es algo muy valioso.

En este artículo nos concentraremos en describir el análisis conjoint y las decisiones claves que se deben tomar para llevarlo a cabo, más que en los detalles matemáticos de su aplicación.

Primero definamos qué es el análisis conjoint.

Básicamente, se trata de una técnica estadística que permite medir el valor relativo de cada atributo de un producto, con lo cual se puede determinar qué combinación de estos atributos maximiza la probabilidad de elección por parte del consumidor.

Inicialmente fue desarrollada para su uso en modelos matemáticos de psicología y su aplicación al marketing fue ideada en 1974 por Paul Green, profesor en The Wharton School.

El principio básico del análisis conjoint es que cada producto o servicio puede ser explicado como una combinación de atributos (por ejemplo, una pizza es el conjunto de varios atributos como el tipo de masa, la cantidad de queso, los ingredientes, etc.) y cada atributo puede tener varios niveles u opciones (el atributo ‘masa’: masa crujiente, masa fina, etc.).

En la práctica funciona de la siguiente manera: un consumidor indica el nivel de preferencia entre opciones mutuamente excluyentes de productos potenciales (por ejemplo, elige entre una pizza crujiente con doble queso vs. una pizza fina con poco queso) luego la metodología deriva el valor (“valores de utilidad”) de cada atributo y determina el producto con mayor atractivo.

Para llevar a cabo un análisis conjoint se deben seguir 6 pasos:

1) Seleccionar los atributos relevantes para la categoría del producto o servicio

El primer paso consiste en definir cuáles son los atributos relevantes en la categoría. Por ejemplo, al desarrollar una nueva hamburguesa, se pueden encontrar 5 atributos relevantes: tipo del pan, tipo de filete, tamaño de la hamburguesa, ingredientes y precio.

Cuanto mayor sea el número de atributos, mayor será la complejidad del estudio, por lo cual se recomienda no superar los 6 atributos. Sin embargo, se han llegado a hacer análisis conjoint con más de 50 atributos*.

Para identificar los atributos relevantes en la categoría se pueden usar técnicas cualitativas (“focus groups”), aprovechar la experiencia del equipo que está desarrollando el producto, recabar información secundaria (por ej, rankings especializados) o una combinación de los anteriores.

2) Seleccionar los niveles para cada atributo

Para cada atributo se deben definir sus niveles u opciones. En el caso de la hamburguesa, los niveles del atributo “tipo de pan” podrían ser “normal”, “integral” y “normal con sésamo”, mientras que para el atributo “precio” los niveles podrían ser 2,99€, 3,99€ y 4,99€.

De esta manera se pueden definir los siguientes atributos y niveles para una potencial hamburguesa:


Para seleccionar los niveles de cada atributo se deben tener en cuenta tres cosas: (i) ser consistentes con los atributos observados en el mercado (si la categoría ya existe), (ii) tratar de minimizar su número, para simplificar la evaluación de los consumidores y (iii) considerar aproximadamente la misma cantidad de niveles para cada atributo ya que si un atributo tiene muchos más niveles que otro puede recibir una mayor ponderación solo por ese hecho.

3) Determinar la “combinación de atributos” a ser evaluada

En el caso de la hamburguesa, el objetivo final del test sería determinar cuál de todas las combinaciones de atributos es la preferida por los consumidores.

Los consumidores evaluarán las “combinaciones de atributos” una a una pero si el producto tiene muchos atributos esto puede no ser práctico. Por ejemplo, en el caso de la hamburguesa, para evaluar todas las combinaciones de atributos, se deberían medir 324 opciones (= 3 x 3 x 3 x 3 x 4).

La belleza del análisis conjoint es que permite medir solo una fracción de esas opciones y aun así inferir el potencial de todas las demás.

Una técnica usual para hacerlo se denomina “combinación ortogonal” la cual, sin entrar en detalles técnicos, permite reducir la cantidad de “combinaciones” significativamente. En nuestro ejemplo permitiría reducir las potenciales combinaciones a 16 (= 3 + 3 + 3 + 3 + 4).

De esta manera, un consumidor debería calificar solo 16 potenciales productos y aún así podríamos evaluar el potencial de cualquiera de las 324 potenciales alternativas.

Para minimizar la fatiga de los entrevistados, se recomienda un máximo de 25 “combinaciones de atributos”, aunque es preferible tener 16 o menos.

4) Diseñar el procedimiento de recolección de datos

Para obtener la opinión de los consumidores, se presentan los productos (de forma verbal, a través de dibujos o con prototipos) a una cantidad estadísticamente representativa de consumidores en el segmento de mercado elegido.

La evaluación puede ser de tres formas, según se le pida al entrevistado:

- “evaluar los productos de a pares”, pidiendo al consumidor que elija uno de los dos, o reparta puntos entre los dos productos presentados.


Si hay muchos productos, esta metodología puede ser tediosa para el consumidor. En nuestro ejemplo, con 16 potenciales productos, el consumidor debería calificar 120 pares [=(16x15)/2].

- “ordenar los productos en un ranking”, pidiendo al consumidor que ordene los productos por orden de preferencia. Luego usamos softwares específicos (como MONANOVA o LINMAP) para transformar esos rankings en “valores de utilidad”.

- “calificar los productos en una escala”, pidiendo al consumidor que le ponga a cada producto una calificación de 0 a 10, con un número mayor para mayor nivel de preferencia.

5) Seleccionar el método computacional para obtener los “valores de utilidad”

Esta parte es sumamente técnica y consiste básicamente en hacer regresiones matemáticas para determinar los “valores de utilidad”. Existen softwares específicos para esta tarea o en algunos casos incluso se pueden utilizar planillas de cálculo (por ej. Excel).

6) Evaluar las opciones de producto

Como resultado del análisis de obtienen los “valores de utilidad”. Para nuestro ejemplo de la hamburguesa, podríamos obtener los siguientes valores por atributo y nivel:


Esos valores nos permiten realizar los siguientes análisis.

Mayor potencial de ventas

De esa tabla de “valores de utilidad”, podemos componer la hamburguesa ideal: pan normal con sésamo, de carne, con bacon, XL y que cuesta 2,99€, ya que logra un valor de utilidad de 100.

Debe notarse que esa opción ideal quizás no sea la más rentable, por lo que esta información sobre preferencia debe ser combinada con un análisis de coste-beneficio.

De las 323 combinaciones restantes con valores de utilidad entre 0 y 100, aquí tenemos 3 ejemplos:


De esas 3 hamburguesas, la que tiene mayor potencial de ventas es la #5, con un valor de utilidad de 58.

Elección de atributos y precio

Al diseñar la oferta de hamburguesas notamos que la alternativa de 'bacon' (30) es más preferida que pepinillos (10) por 20 puntos (30- 10); según esta evaluación la preferencia relativa “bacon-pepinillos” es equivalente a pagar 3,99€ (20) vs 4,99€ (0), con lo cual podemos inferir que los consumidores equiparan la satisfacción adicional del 'bacon' sobre los pepinillos a 1€ incremental.

Esa conclusión es muy valiosa ya que no solo permite identificar los atributos más valorados por los consumidores (para basar el posicionamiento o la publicidad en ellos) sino que además permite establecer relaciones entre los atributos y el precio, eligiendo la opción que optimice los márgenes.

Cuota de mercado

Si dentro de las alternativas a testear hemos agregado los productos existentes en el mercado, como resultado obtendremos el nivel de preferencia de nuestro producto vs. los productos competidores existentes en el mercado.

Dividiendo la cantidad de consumidores que han preferido nuestro producto sobre la cantidad de consumidores entrevistados y ponderando la probabilidad de compra por el volumen de compras de cada consumidor se obtiene la cuota de mercado que obtendría nuestro producto en el mercado.

Nivel de ventas proyectado

Con la cuota de mercado pronosticada para nuestro producto y el tamaño proyectado del mercado total, podemos estimar las ventas de nuestro producto (ajustando por nivel de notoriedad o “awareness” y por presencia en los canales de distribución).

Segmentación de mercado según atributos de producto

Si aún no hemos decidido el segmento objetivo de nuestro producto, podemos realizar el análisis conjoint en una muestra estadísticamente representativa del mercado total para identificar a los consumidores que privilegian los mismos atributos, agrupándolos en segmentos.

Conociendo las características demográficas de esos segmentos (por ej. edad) o los hábitos de medios (por ej, ver MTV) podríamos definir gran parte de nuestra estrategia de segmentación y comunicación.


En resumen, el análisis conjoint es una forma científica de responder a un gran número de cuestiones relevantes al momento de lanzar/rediseñar un nuevo producto, que incrementan su probabilidad de éxito. Sin embargo es una técnica compleja de implementar, por lo cual le recomendamos que se asesore con un especialista o agencia de investigación de mercado para llevarla a cabo.



Autor: Cesar Perez Carballada
Artículo publicado en http://www.marketisimo.com/
Para recibir estos artículos por correo: haga click aquí




* Tal como han demostrado J. Wind et al en su estudio realiado en 1989 para diseñar los hoteles Courtyard de la cadena Marriot: J. Wind et al, “Courtyard by Marriot: designing a hotel facility with consumer-ased marketing models”, Interfaces, Vol 19, No 1, 1989.

Continuar leyendo el resto del artículo...


Related Posts Plugin for WordPress, Blogger...