Entonces, si bien existen decenas de estos patrones que ha estudiado la psicología y que muchos de ellos son aplicables en esta disciplina también, he seleccionado aquellos 4 que creo conveniente evitar que sucedan en el día a día del Analista de Marketing o Analista Web. Veamos cuáles son y algunos ejemplos descriptivos a continuación:.

1. La trampa de la confirmación

Generalmente acostumbramos a buscar, reconocer y valorar, información que es consistente con nuestras actitudes, expectativas y creencias. Por ejemplo, si nos hemos formado ya una impresión de una situación dada, solemos favorecer los hallazgos que confirmen esa impresión y que obviamos o desacreditamos aquellos que no encajen con esa primera impresión.

Este compromiso cognitivo prematuro  hacia una primera impresión, puede respaldar una serie de errores de análisis e interpretación de situaciones sesgadas que luego repercutirán en las decisiones que se tomen.

Para evitar esta trampa mental se sugiere buscar de forma activa, datos o información que invaliden nuestra primera impresión o bien demuestren que nuestras expectativas puedan no cumplirse. Luego, y a partir de estos hallazgos, se aconseja probar interpretaciones alternativas de los datos e información disponible.

.

2. La trampa del marco de referencia

El marco de referencia es un encuadre de interpretación que todos solemos utilizar (colección de estereotipos y anécdotas), en las que nos basamos para entender y responder a distintos eventos. Son filtros emocionales que hemos construido a lo largo de nuestra vida y que nos permiten dar un sentido al mundo que nos rodea. Las decisiones que tomamos están normalmente influenciadas por estos filtros o marcos de referencia. Los más arraigados, la mayoría de las veces, resultan de un aprendizaje cultural. Lo cierto es que cuando uno intenta explicar un evento concreto, el entendimiento del mismo dependerá del marco en el que se lo encuadre. Asociado también al CAR (criterio de auto referencia), suele ser un problema especialmente cuando se analizan e interpretan datos de comportamiento de usuarios o clientes de distintas culturas.

Entonces, por ejemplo, si estamos analizando datos de conversión de una página que pretende conseguir suscripciones de emails y no alcanza los objetivos deseados, el marco de referencia que utilicemos definirá en gran medida la interpretación de los porqués. Probablemente si es analista es latino y la página de análisis sea de un mercado germano, se puede concluir que el diseño no está adaptado al mercado, pero se pasa por alto un marco de referencia local en el que claramente los alemanes rechazan dejar sus datos de correo electrónico por que valoran la privacidad de manera diferente que lo hacen los latinos.

.

3. La trampa de la asociación errónea de ratios elevados

Imaginemos un campaña exitosa de la que se pretende realizar un análisis que facilite hallazgos para su reproducción o extrapolación. Los datos son los siguientes:

1200 visitas que compraron mientras la campaña estaba activa.

1000 de estos compradores visitaban el sitio por primera vez gracias a la campaña.

170   de los compradores eran visitas por primera vez y no venían por la campaña.

30    de los compradores eran visitas recurrentes, no venían por la campaña y compraron otro producto.

Según los datos anteriores, parece evidente la asociación entre los compradores que respondieron a la campaña y el hecho de que sean visitas únicas. Pero la realidad es que esa inferencia de asociación es una falacia. Si bien el 84% de las visitas que compraron tras responder a la campaña eran visitas nuevas, también es cierto que el 85% de las visitas que compraron no habiendo respondido a la campaña también era la primera vez que visitaban el sitio web. El ratio del 84% nos precipita a inferir la asociación, pero la realidad es que están estadísticamente desasociadas.

.

4. La trampa de la ilusión de cluster

Esta trampa reside en la tendencia a percibir erróneamente a pequeñas muestras de distribuciones aleatorias como si fuesen clusters o vetas de los que se infiere el hallazgo de un patrón de comportamiento. Esto sucede por que habitualmente los humanos -esto no le sucedía a E.T.- sobreestimamos la cantidad de variabilidad que una muestra aleatoria o semi-aleatoria pueda tener.

Un ejemplo que utilizó Thomas Gilovich para demostrarlo fué la siguiente secuencia expuesta a un grupo de entrevistados:

0xxx0xxx0xx000x00xx00

La mayoría de las personas entrevistadas creían que esta secuencia no era aleatoria y que había un patrón de comportamiento claro detrás de ella. Parece ser que el número de alternancias que la gente espera en este tipo de secuencias es de un 0,7, cuando en realidad siempre es del 0,5. En fin, que la variabilidad de la muestra debe se constatada antes de dar por hallada una pepita de oro.

Lo cierto es que lo anterior y muchas trampas más que se nos presentan en el trabajo del análisis web o del marketing analítico, pueden no ser descubiertas por nadie más y pasar totalmente desapercibidas a los ojos de vuestros superiores. Pero, está en el afán de un buen profesional el superar estas trampas para poder incrementar la asertividad en sus conclusiones.

Espero que les haya servido de algo, y si véis que hay alguna otra trampa en la que caéis con frecuencia, podéis comentarla aquí abajo para que el resto tome conciencia de ella y busque mecanismos de evasión.

¡Compártelo!

• 
• 
• 
• 
• 

Sobre el autor

Juan Cruz Aliaga
Consultor estratégico y Profesor en Marketing Online. Ubicación: Barcelona, España.

Posts Relacionados

¿Cómo utilizar el embudo multicanal de GA? 1ª parte

La mayoría de vosotros ya sabréis que en Google Analytics existe una nueva función llamada “Embudo Multicanal”. Si bien esto es una novedad que miles de blogs han contribuido a difundir, he querido escribir una serie...

El método AIDA aplicado al dashboard de una web

Normalmente cuando se habla de funnels, se suele trabajar con el objetivo de optimizar un proceso como puede ser un formulario de registro, el checkout de una tienda online, etc... con la finalidad de optimizar este proceso...

Segmentando funnels en Google Analytics

Cuando nos ponemos a optimizar conversiones, una de las acciones que suelen dar más ROI es echarle un ojo a los funnels de conversión de objetivos, porque esto permite trabajar para evitar pérdidas de conversiones en vez de trabajar...