El poder de la información
Bernd Skiera
Daniel M. Ringel
Este artículo es parte de la revista IESE Insight, nº 32, primer trimestre 2017. DOI:10.15581/00.ART-2982
Los artículos de la revista IESE Insight son copyright IESE Business School.
Los artículos de la revista, copias para uso académico y números anteriores pueden comprarse
directamente en www.iesep.com
Colgar el texto parcial o completo en webs de acceso público está prohibido. Para obtener permiso
para subir artículos a intranet solicita información en iesep@iesep.com
EL PODER DE LA INFORMACIÓN
H
ace poco dirigimos un taller de mar- de debería invertir más en publicidad? ¿Cuál es
keting junto con un directivo de de- la rentabilidad de esa inversión?
sarrollo de negocio de Amadeus, el Para nuestra sorpresa, los participantes se
principal proveedor de soluciones bloquearon. Primero, tardaron mucho tiempo
tecnológicas para la industria de viajes. El taller en plasmar los datos en un formato que les per-
se centraba en Travel Audience, la plataforma mitiera responder a las preguntas porque el ta-
de publicidad online que Amadeus ofrece a las maño de las muestras superaba la capacidad de
empresas del sector. Dimos a los participantes un programa de hojas de cálculo convencional.
cuatro series de datos con entre 770.000 y más Después, les costó diferenciar la causalidad de
de nueve millones de “observaciones” que reve- la correlación. Y, por último, se quejaron de la
laban el comportamiento y la interacción de los cantidad de datos que debían analizar, hasta
usuarios en un mercado específico. Después les que les recordamos que esas series apenas cu-
pedimos que analizaran los datos y respondie- brían ¡una semana!
ran a unas cuantas preguntas básicas: ¿dónde Este episodio pone de manifiesto la nece-
obtiene la empresa el máximo beneficio? ¿Dón- sidad de que los profesionales del marketing
actualicen sus habilidades en el procesamien- que puede ser de gran utilidad para fabricantes,
to de datos. No basta con pedirle a un subor- tiendas y organismos reguladores.
dinado que haga ese trabajo. Tampoco resulta
eficiente depender de los departamentos de TI La gran curva del aprendizaje
para acceder a datos clave, puesto que pueden del big data
tardar días e incluso semanas en facilitarlos. Desde la aparición de los navegadores, a los
Quienes sean capaces de extraer e interpretar profesionales del marketing no les ha quedado
los datos por sí mismos reaccionarán más rá- más remedio que adaptarse al boom de la in-
pidamente a los cambios del mercado y, por lo formación. Internet les permitía medir a gran
tanto, disfrutarán de una ventaja competitiva. escala la reacción de los consumidores a un
¿Qué hacer ante la proliferación de marcas anuncio, es decir, cuántos hacían clic y cuántos
y productos y la ubicuidad del big data? ¿Por terminaban comprando.
dónde empezar? Interpretar las relaciones Pero el océano de datos ha crecido expo-
competitivas de mil productos, por ejemplo, nencialmente debido a la ubicuidad de los te-
es extremadamente difícil: haría falta una ta- léfonos inteligentes, cada vez más asequibles
bla gigantesca, a todas luces engorrosa. Por y potentes. Además de todos los datos de que
esta razón, hemos ideado un método para vi- ya disponían, las empresas pueden obtener
sualizar la estructura competitiva del mercado ingentes cantidades de datos sobre el compor-
en un único mapa que facilita la elaboración de tamiento del consumidor en función de su ubi-
estrategias y políticas de comunicación y pre- cación las 24 horas del día.
cios competitivas. Pero, si bien ofrece más y mejor informa-
En este artículo explicamos este método, ción, el big data plantea importantes dificulta-
que permite aprovechar el big data de grandes des, desde datos de mala calidad hasta series
mercados en los que compiten más de mil pro- incompletas o la confusión de la correlación
ductos para visualizar sus estructuras compe- con la causalidad.
titivas. También arroja información valiosa so- Y hay indicios de que los profesionales del
bre el comportamiento del consumidor, por lo marketing van por detrás de la curva de apren-
dizaje. El principal cometido del marketing
antes era desarrollar estrategias y eslóganes
RESUMEN EJECUTIVO creativos. De hecho, muchos eligieron esta
área porque no querían realizar operaciones
Debido a la creciente En este artículo, los autores matemáticas. Pero la revolución digital lo
proliferación de artículos y explican cómo se valieron de ha cambiado todo. Aunque la producción de
marcas, a las empresas les los datos del flujo de clics para contenido creativo será siempre un elemento
cuesta hacer un seguimiento visualizar la competencia en central del marketing, los profesionales han de
de cómo compiten sus categorías que contienen más adoptar un enfoque que les permita demostrar
productos en el mercado. El de mil productos. Su método la validez de sus ideas con datos.
big data de las búsquedas puede ser de gran utilidad para Este cambio no implica que tengan que ser
online les permite conocer fabricantes y tiendas por igual, especialistas en tecnologías de la información
mejor su cuota de mercado pues arroja más información o crear ellos mismos bases de datos o la arqui-
y a sus competidores clave. sobre el comportamiento del tectura de TI, tareas que debe seguir asumien-
Pero obtener y analizar consumidor, y más valiosa, do el departamento de TI. Pero sí que deberán
cantidades ingentes de datos que los estudios de mercado desarrollar sólidas habilidades matemáticas y
plantea múltiples dificultades. tradicionales. de gestión de datos si quieren tener éxito. El
auge de las plataformas colaborativas como haya recomendado una en concreto y, aunque
Kaggle que resuelven problemas de analítica nos acordemos de la marca, más difícil será que
y modelos predictivos así como la creciente nos acordemos del tipo o modelo.
popularidad de los cursos online de análisis de Esta incapacidad para recordar un producto
datos dan fe de la ampliación del campo de ac- específico ilustra la carencia fundamental de las
ción del marketing. encuestas de consumo. Cuando las empresas de
estudios de mercado preguntan a los consumi-
Cuota de mercado y competencia dores qué alternativas sopesaron antes de efec-
Hace poco un directivo de un comparador de tuar una compra, no suelen recordarlo, pues mi-
precios online declaró que su empresa podía raron cientos de productos. Uno de los objetivos
predecir rápidamente el éxito o fracaso de un de nuestra investigación era cubrir esa laguna,
nuevo producto con solo seguir los clics de los que impide a los profesionales del marketing
usuarios que les dirigían de su web a las tiendas. tomar decisiones informadas.
Eso nos dio una idea: ¿por qué no usar los clics
para predecir la cuota de mercado? Un método de cinco pasos
También decidimos hacer algo que a las De acuerdo con las características de nuestro
empresas de estudios de mercado no se les da estudio, analizamos el mercado de los televiso-
muy bien. Los métodos tradicionales, basados res LED en Alemania. Elegimos dicho mercado
en gran medida en los datos de panel recopi- por tres razones:
lados por escáneres, precisan de numerosas Los televisores LED se han convertido en
compras dentro de una misma categoría para artículos de consumo duraderos muy popu-
que el cambio de un producto a otro sea un in- lares en todo el mundo.
dicador válido de su sustituibilidad. En nuestro Como este mercado supera las mil referen-
caso, nos propusimos identificar la competen- cias, el uso de modelos tradicionales para
cia entre productos duraderos que los consu- analizar la competencia entre ellas sería en-
midores suelen comprar solo una vez. Las de gorroso, cuando no imposible.
cuota de mercado y competencia son dos de Se trata de un mercado bien conocido y con
las áreas más importantes en las que el big data características fáciles de entender, lo que nos
puede proporcionar información clave a los permitía comprobar fácilmente la validez de
profesionales del marketing. nuestros hallazgos.
Basamos nuestro análisis en el flujo de clics Nuestro método contemplaba cinco pasos:
de los consumidores en las webs. Este flujo Recabar datos mediante la observación del
constituye una herramienta de gran utilidad, comportamiento del consumidor en una pla-
pues contiene información de alta calidad que taforma online que contiene información de
puede diseccionarse según distintas dimensio- diversos productos.
nes. La mayor parte de las empresas de estu- Estudiar qué productos miraba cada consu-
dios de mercado recaban únicamente datos de midor para establecer cuál era su conjunto de
las compras, lo que vale para estimar la cuota opciones.
de mercado, pero no dice gran cosa del proceso Identificar la asimetría competitiva.
de decisión de los consumidores antes de que Crear un mapa que visualizara la estructura
efectúen una compra. competitiva asimétrica del mercado con un
Pongamos que vamos a comprar una lava- modelo llamado DRMABS.
dora por primera vez. La cantidad de opciones Trasladar a este mapa los atributos del pro-
puede ser abrumadora. Tal vez alguien nos ducto.
formación sobre una amplia gama de productos, jos de clics capturados cubrían hasta 16 pro-
como las tiendas online, los comparadores de ductos. Por ello, establecimos el corte en esa
precios y las webs dedicadas al análisis de pro- cantidad y eliminamos los que la superaban,
ductos. En nuestro caso optamos por idealo.de, puesto que podrían estar generados por pro-
uno de los comparadores de precios más impor- gramas informáticos que recopilan grandes
tantes de Alemania. cantidades de datos sobre los productos pero
Para capturar esta información, introduji- no desvelan nada sobre la consideración del
mos un píxel de seguimiento en cada página de consumidor.
la web. Recogimos datos de 105.606 consumi-
dores que usaron idealo.de para buscar y com- DETERMINAR
2
EL CONJUNTO DE OPCIONES
parar 1.124 televisores LED de 56 marcas en
septiembre de 2012. Un píxel de seguimiento A partir de los datos recogidos en el paso ante-
es una pequeña imagen, normalmente transpa- rior, estudiamos qué productos percibía cada
rente, insertada en el código HTML de una web comprador como sustitutos válidos para des-
para registrar el uso que hacen sus visitantes. velar las relaciones competitivas entre ellos.
Cada vez que un consumidor abre una nue- Creamos un conjunto de opciones para cada
va página de la web, el navegador descarga el consumidor que visitaba la web a partir del aná-
píxel de seguimiento del servidor de la web y lisis de los datos de su flujo de clics respecto a
el servidor registra esa visita específica. los productos que buscaba y comparaba online.
Durante el proceso de búsqueda, que puede Como puede que un comprador mire cinco
prolongarse unos cuantos días, hay consumi- televisores LED y otro solo dos, creamos conjun-
dores que visitan la web varias veces. De ahí que tos de opciones para más de 100.000 consumido-
res. De ese modo, pudimos comprobar cuántas
veces aparecían dos productos determinados en
LOS AUTORES los conjuntos de opciones. Cuanto más aparecían
juntos, más fuerte era su relación competitiva.
Bernd Skiera es titular de la Fuqua (Universidad Duke). Capturamos todas las relaciones competitivas
cátedra de Comercio electró- en una matriz de 1.124 por 1.124, lo que nos brindó
nico en la Universidad Goethe Daniel M. Ringel está una visión muy amplia del mercado.
(Fráncfort), miembro del finalizando su doctorado en la
consejo ejecutivo de e-Finance Universidad Goethe. En verano 3
IDENTIFICAR
LA ASIMETRÍA COMPETITIVA
Lab y director del Real-time de 2017 empezará a trabajar
Advertising Competence como profesor adjunto en la Identificamos dos tipos de asimetría competi-
Center. Su investigación se Universidad de Carolina del tiva: entre todos los productos de un mercado
centra en el comercio electró- Norte en Chapel Hill. Estudió (asimetría competitiva de la cuota de merca-
nico, el marketing online y los Dirección de Empresas en la do) y entre pares de productos (asimetría com-
medios interactivos, temas Universidad Estatal de Baden- petitiva local).
sobre los que ha publicado Württemberg en colaboración La premisa de la asimetría competitiva de la
libros, además de artículos en con IBM, así como un cuota de mercado es que, si hay más consumi-
las revistas de marketing más Executive MBA con una dores que consideren como opción el producto
prestigiosas. Ha sido profesor beca en la Goethe Business A que el B, el C y el D, A es el competidor más
visitante e investigador en las School y en colaboración con fuerte. Así pudimos identificar qué productos
universidades de Stanford y de la Fuqua School of Business competían entre sí, además de cómo se distri-
California en Los Ángeles, así (Universidad Duke). Ha buía la consideración de los consumidores en-
como en las escuelas de nego- trabajado como consultor y tre esos mismos productos.
cios Cambridge Judge, Stern ha fundado una empresa de La premisa de la asimetría competitiva local
(Universidad de Nueva York) y comercio electrónico. es que, desde el punto de vista de un producto,
el otro podría ser un competidor más fuerte que
comparan miles de productos. Capturan las Le gusta, pero sigue sin estar segura. Tras re-
búsquedas de los consumidores en tiempo real, visitar la página de Apple, vuelve a la de HTC.
a diferencia de otras fuentes que, como Goo- Hace clic en el más barato y se abre en una
gle, solo proporcionan información resumida, nueva ventana la web de la correspondiente
como el total de búsquedas por palabras clave. tienda online.
Documento de consulta gratuito para el uso exclusivo del/a Prof. Guillermo Villacrés Cárdenas, 2017-10-19
Para entender mejor el valor de los datos del En este caso, el “conjunto de considera-
flujo de clics, pensemos en un escenario habi- ción” de Susana es de tres teléfonos. Es decir,
tual. Una compradora –llamémosla Susana– los productos que compara se consideran de
busca un iPhone. Hace una búsqueda en Google forma relacionada entre ellos: Apple se consi-
y uno de los primeros resultados que obtiene es dera conjuntamente con Samsung, Samsung
un comparador de productos y precios. con HTC y HTC con Apple.
Susana hace clic en la web y se abre una pá- Es un ejemplo del tipo de información que
gina de un iPhone con características técnicas, pueden arrojar los datos sobre los flujos de
fotos y las valoraciones de otros consumidores. clics y que no pueden obtenerse con los méto-
Estudia la información y opta por mirar otros dos tradicionales de estudios de mercado. Sin
teléfonos. Escribe “teléfonos Samsung” en la tanto matiz, estos últimos solo registrarían si
caja de búsqueda y hace clic en el que le intere- Susana hizo clic en una página de producto de
sa, pero se le hace tarde y decide continuar en HTC y después compró allí el teléfono. Los da-
otro momento. tos del flujo de clics ofrecen una imagen más
Al siguiente día, Susana va directamente detallada del viaje del consumidor.
al comparador y busca “iPhone”. Le gusta,
pero quiere asegurarse de que es la elección Ventajas para todos
acertada. Para reducir la lista de cientos de Nuestro método para visualizar la competen-
smartphones, aplica filtros con las caracterís- cia proporciona información que no facilitan
ticas que más le interesan. Hace clic en un mo- otras fuentes y puede ser de gran utilidad para
delo de HTC y se abre la página del producto. fabricantes y tiendas, así como para legislado-
res y organismos reguladores.
FIGURA 2
Visualización del mercado LOS FABRICANTES pueden usar los mapas de la
estructura competitiva asimétrica del mer-
alemán de televisores LED
cado para ver rápidamente cómo se organiza,
MAPA DE LA ESTRUCTURA COMPETITIVA
ASIMÉTRICA DE UN MERCADO QUE INCLUYE
1.124 PRODUCTOS. 30
28
1 27
29
26
3
2 25
24
4 22
14
17 23
21
5 16
6 13 19
15
7 20
10 12
9 18
8
11
Las burbujas representan cada frecuencia de la consideración del El grosor de las flechas indica lo
uno de los productos (referencias) producto como opción) intensa que es una relación: cuanto
El color de las burbujas indica la Las flechas representan la más oscura y gruesa es la flecha,
pertenencia a un submercado asimetría competitiva local y más intensa es la relación
El tamaño de las burbujas indica apuntan a los competidores del Los submercados están
la asimetría competitiva global (la producto numerados del 1 al 30
LOS LEGISLADORES Y ORGANISMOS REGULADORES Competition Among More Than 1,000 Products
deben seguir de cerca las estructuras com- Using Big Search Data”. Marketing Science 35, nº 3,
petitivas del mercado para detectar posibles (2016): pp. 511-534.