Nos hemos trasladado... a partir de ahora puedes encontrarnos en:

Gracias por tu confianza!

www.sergisimon.com

Marketing, ventas, matemáticas y riesgo

¿Pueden Servir de algo las matemáticas para mejorar nuestras ventas? Yo creo que posiblemente sí, pero de lo que estoy seguro es que comprender como se enfrenta la gente en general a los números si que es de grandísima utilidad.

John Allen Paulos, matemático y gran divulgador estadounidense, ha dedicado gran parte de su obra a mostrarnos lo que él denomina “anumerismo” o “analfabetismo matemático”.

Deja muy claro que la forma en la que se enseñan las matemáticas, los prejuicios adquiridos y hasta el sexismo asociado a su facilidad para entenderlas, tiene enormes consecuencias que serían fácilmente evitables con un poco de apertura de miras.

Ni las matemáticas son cosa de chicos, ni hay gente que nace para entenderlas y gente que por mucho que lo intente nunca las comprenderá.

Leer la obra de John Allen Paulos (ver recomendación de su obra) sería un buen principio, pero en este post haré una MUY BREVE introducción a dos de los problemas más comunes a los que nos enfrentamos.

En primer lugar, hay un tema puramente psicológico, o de cómo interpretamos los valores asociados a eventos determinados. Como ya he comentado en otros posts, el cerebro humano está “programado” para decidir en pro de reducir pérdidas antes de que obtener ganancias. Un claro ejemplo es el experimento de D.Kahnema y Tversky que resumo a continuación:

Imagínese que es usted el general de un ejercito de 600 soldados que está en un situación de clara inferioridad en el campo de batalla y debe tomar una decisión. Sus asesores le plantean las siguientes opciones:

a) Escapar por el sur y salvar 200 de sus soldados o,
b) Escapar por el norte y tener un 33% de probabilidades de que todos se salven y un 66% de posibilidades de que no lo consiga ninguno

Al poner en esta situación a un gran número de encuestados, la gran mayoría (el 75%) se decanta por la primera opción alegando que, al menos, aseguramos que se salven 200 soldados y evitamos la probabilidad del 66% de que mueran todos.

Hasta aquí todo parece muy coherente!

Pero Tversky y kahneman hicieron el mismo experimento pero ahora las opciones sobre las que elegir se planteaban de la siguiente manera: (en negrita marco las diferencias)

a) Escapar por el sur y perder con toda seguridad 400 soldados

b) Escapar por el norte y tener un 33% de probabilidades de que ninguno muera y un 66% de posibilidades de que caigan todos

En este caso la gran mayoría (el 80%) elige ahora la opción 2).

Nótese que en realidad el resultado de las dos opciones es el mismo en ambos casos, pero en función de si planteamos las preguntas en base a vidas salvadas o en base a vidas perdidas hace cambiar por completo la decisión mayoritaria.

Pensemos entonces en que si nuestros mensajes y argumentos se plantean como opciones de decisión en el que nuestros potenciales clientes perciban que minimizan pérdidas, el resultado esperado será siempre más favorable.

En segundo lugar, está el hecho de que no entendemos los porcentajes, los valores esperados, los grandes números y ya no digamos los ratios. Pero por otro lado, la prensa, la publicidad, las memorias de las compañías y los informes ejecutivos están llenos de estos.

Si se sigue poniendo precios acabados en 99, con un “por solo” delante, estoy seguro de que es porque todavía funciona, y aunque todos sabemos redondear a la decena, centena o millar más próximo, por alguna extraña razón seguimos primando el primer dígito que observamos.

Un ejemplo que al leer por primera vez me causó asombro y una leve sonrisa es el que refiere J.A Paulos en su libro “el hombre anumérico” (1988). En él hace referencia a un artículo del informático Douglas Hofstadter, que citaba la frase del envoltorio del cubo de Rubik: “este cubo admite más de tres mil millones de combinaciones”. Hofstadter se entretuvo en calcular las combinaciones reales del cubo resultando un valor de 4 x 10¹⁹, es decir, un 4 seguido de 19 ceros.

Tres mil millones es un 3 seguido de 9 ceros, por tanto, la frase del envoltorio es rigurosamente cierta, no obstante, ¿porqué dejarnos 10 ceros?. Es como si al cruzar la frontera des de Francia encontráramos un letrero que anunciara “ESPAÑA: Más de 10 habitantes” (y aquí solo omitimos un 4 seguido de 6 ceros). Pero el motivo de dejarse tantos ceros es sencillo, tres mil millones es más fácil de asimilar que un extraño 4 x 10¹⁹.

Y atención, en el envoltorio del cubo de Rubik no tiene mucha o ninguna importancia poner un valor u otro, pero ahora, en el que la Big Data es casi una disciplina aceptada e internalizada en muchos departamentos de marketing y ventas, equivocarnos en 10 ceros no es baladí.

Como muy bien aconseja J. A Paulos, todos deberíamos tener un ejemplo claro para cada orden de magnitud numérica y así facilitar comparaciones y decisiones.

La diferencia entre 1.000 y 10.000 es muy clara, pero ¿Podemos decir lo mismo para la diferencia entre 10¹² y 10¹⁸?

En marketing digital, los números que aparecen en cuanto a interacciones, conexiones, relaciones y otros parámetros, cuando trabajamos a escala mundial y para determinados sectores arrojan valores de gran tamaño y en estos casos, entender intuitivamente las diferentes magnitudes y poder compararlas será de gran utilidad para el marketing analytics.

Y en definitiva, no tener una mente preparada para comparar valores muy grandes o muy pequeños intuitivamente es un riesgo que estamos corriendo y que a mi entender es fácilmente mitigable.

Pensar rápido, pensar despacio. D. Kanehman. 2011

Hoy recomiendo...

Pensar rápido, pensar despacio. D. Kahneman. 

En la cubierta trasera y en las solapas puede leerse lo siguiente:

«¿Quién está mejor pertrechado para la vida: el que piensa lento o el que piensa deprisa? Daniel Kahneman muestra en este libro que las mayores expectativas de éxito corresponden a las personas que adiestran ambos métodos de toma de decisiones y son capaces de decidirse en cada momento del día por el más conveniente».

«La vida se compone de cientos de actividades automáticas, pero también de decisiones deliberadas que marcan nuestra actividad diaria, nuestro trabajo y nuestras relaciones. A la hora de tomar tales decisiones, hay personas que optan por una actitud más reposada, más racional y meditativa, mientras que otras, por el contrario, se muestran más impulsivas y ceden más terreno a sus sentimientos cuando se inclinan por una opción u otra. En este libro, Daniel Kahneman sostiene que no existe un único modelo correcto de toma de decisiones: la deliberación lenta, pausada y que se detiene ante todas las variables posibles antes de decidirse no es superior ni inferior a la toma de decisiones rápida, intuitiva y emocional. Se trata de procesos complementarios, a la vez que innatos y susceptibles de perfeccionarse».

En este libro, Kahneman hace una brillantísima descripción y desarrollo de los sesgos a los que estamos sujetos cuando hacemos predicciones y en consecuencia decidimos cómo actuar.

Así, anclaje, disponibilidad, sustitución, optimismo, efecto marco o aversión a las pérdidas son ejemplos que hoy en día, gracias a su trabajo, están bien definidos y bien documentados.

Daniel Kahneman (Tel Aviv, 1934) se licenció en Psicología por la Universidad Hebrea de Jerusalén y posteriormente se doctoró en Berkeley. Consagrado al estudio del juicio humano y la toma de decisiones en entornos de incertidumbre, en 2002 fue distinguido con el premio Nobel de Economía, convirtiéndose así en el primer no economista en ser reconocido con tan prestigioso galardón. En la actualidad, ocupa la cátedra Eugene Higgins de Psicología en la Universidad de Princeton y es profesor de Asuntos Públicos en la Escuela Woodrow Wilson».

Libro imprescindible para cualquier profesional!!!

Strip sobre riesgo e incertidumbre (5)

Strip sobre riesgo e incertidumbre (5) by Sergio7173

Marketing, incertidumbre y modelos de atribución

En marketing los modelos de atribución son la base de la planificación, predicción y optimización de los diferentes canales de interacción con el cliente

Los modelos de atribución, o el peso que cada acción de marketing o comercial ha tenido sobre la generación real de demanda es quizás uno de los temas que más me apasionan del marketing.

Des de una perspectiva puramente matemática, la atribución es un problema complejo porque:

• Intervienen muchas variables

• Estas variables no son independientes, es decir, influyen unas en otras y hasta se retroalimentan o inhiben

• Los targets son personas y como tales nos enfrentamos a comportamientos no siempre racionales

• Los conocimientos básicos en estadística, al generalizarlos, suelen llevarnos a cometer errores de análisis e interpretación de los datos

Y hoy en día, en el que a los canales tradicionales añadimos la analítica web, el problema se vuelve algo más complejo. Disponemos de gran cantidad de información o métricas sobre el tráfico en la red, las conversiones, su origen, el % de rebote… Y de este modo, el número de variables y su interacción aumentan.

Leyendo el obligado artículo “Multi-Channel Attribution Modeling: The Good, Bad and Ugly” de Avinash Kaushik, gurú del marketing digital, rápidamente nos damos cuenta de la importancia de los análisis multicanal y de la forma de abordarlos a través del análisis de métricas puntualmente proporcionadas por herramientas tipo analytics.

¿Pero que pasa con el resto de canales? ¿Podemos afirmar que en una conversión a través de nuestra página no ha habido ninguna influencia de nuestro equipo comercial o del departamento de telemarketing o del envío de un catálogo?

El ajuste de las métricas mediante la determinación de influencias cruzadas con acciones no digitales aporta una información valiosísima para planificar, ajustar y optimizar nuestras acciones de marketing.

Por otro lado, todos estos análisis llevan asociada “incertidumbre”, y al igual que con las encuestas electorales, siempre me ha sorprendido que los resultados no vayan acompañados de un índice de significancia o de su correspondiente margen de error.

En definitiva, los modelos de atribución deberían convertirse en rigurosos modelos de análisis multivariantes (heurísticos, algorítmicos o mixtos) incluyendo la incertidumbre asociada para poder actuar en cada momento de la forma más efectiva.

Y esto es lo que de alguna manera aborda el marketing mix modeling (MMM), en el que en futuros posts iremos profundizando.

Strip sobre riesgo e incertidumbre (4)

Strip sobre riesgo e incertidumbre (4) by Sergio7173

101 formas de definir objetivos bajo incertidumbre

La definición y caracterización de objetivos es uno de los grandes retos a los que se enfrenta un responsable de sistemas de gestión, un responsable de marketing, y en general, cualquier profesional que debe tomar decisiones de forma habitual.

Que cumplan los criterios de ser específicos, medibles, alcanzables, asignables y acotados en el tiempo parece limitar la creatividad y es común encontrar de forma recurrente los mismos objetivos una y otra vez.

En mi opinión, quizás el problema radica en que no se presta una especial atención a entender estos conceptos y la forma de abordarlos con amplitud de miras. No entiendo lo difícil que suele hacerse la transferencia de conocimiento “intersectorial”. Parece que una vez “asentados” en un sector y una categoría profesional, el lenguaje, las acciones, y las decisiones se circunscriben a un reducido número de técnicas y herramientas.

Podemos leer todas las guías que queramos sobre la forma en la que deben fijarse los objetivos, pero haz la prueba, busca en “google”: “objetivos empresa”. Luego, ves a “imágenes” y encontrarás algo como esto:

¿De verdad los objetivos son flechas y dianas? Podría ser. De entrada, parece que gráficamente los objetivos los representamos con direccionalidad, acuerdo y acierto con precisión.

Ahora, en vez de “objetivos”, prueba con “objetivos ejemplos”. Ves también a imágenes y lee unos cuantos de los que aparecen. ¿Que te parece?.

Efectivamente, no queda explicitada la direccionalidad, ni el acuerdo ni el acierto con precisión, y lo que es peor, no parece que sirva para mucho haber fijado estos objetivos si pretendemos que nos ayuden a mejorar nuestros procesos o a hacernos más eficientes.

¿Y qué podemos hacer? De entrada aprender a trabajar el concepto de incertidumbre, asumir que se puede reducir pero no eliminar, y observar como se gestiona en otros campos y profesiones.

Cada una de las características que nos piden que tenga un objetivo aporta más o menos incertidumbre. Me explico:

• Que sea específico: normalmente como más específico menos certeza tendremos sobre su consecución absoluta.

• Que sea medible: cómo más cueste medirlo, menos certeza tendremos sobre su consecución.

• Que esté acotado en el tiempo: En este caso, dependerá del objetivo. Aunque parece que es más fácil acertar a corto, a veces, el largo plazo reduce la incertidumbre. Pensemos por ejemplo en todos aquellos eventos cuya media se ajusta a la ley de los grandes números.

• Que sea alcanzable: Curiosa característica relacionada con la incertidumbre. Difícil distinción a veces la que se da entre optimismo e ignorancia.

• Que sea asignable objetivamente: Cuando un objetivo depende de una única persona, normalmente se introduce menos incertidumbre que si es difuso en cuanto a la responsabilidad de alcanzarlo.

De esta forma, si trabajamos los objetivos en términos de incertidumbre, se nos abre un campo enorme de posibilidades. Saber como gestionan la incertidumbre los médicos, las entidades financieras, los meteorólogos, las aseguradoras, los ingenieros aerospaciales o los agricultores, nos ayudará a fijar objetivos que busquen algo más que su consecución, es decir, que sean útiles.

Os aseguro que hay más de cien formas de fijar objetivos y conseguir que esta acción sea lo que se merece, la más importante fase de la gestión.