(#382). HORMESIS EN EL FACE VALUE DE CUPONES DE DESCUENTO

[REVISIÓN DE ARTÍCULO] En este estudio publicado en el Journal of Marketing, los autores analizan la relación existente entre el valor monetario de un cupón de descuento y el consiguiente gasto en uno de los posibles productos en los que puede emplearse.

El cupón de descuento es una clásica herramienta de promoción de ventas, y se puede diseñar de tal forma que se empleee con varios productos de una misma marca, independientemente del precio que tengan estos. Por ejemplo, un cupón de descuento de $50 para un producto Apple que permita emplearlo en cualquiera de sus dispositivos a la venta.

Lo que se plantean los autores es si el “face value” del cupón, es decir, si la magnitud del descuento tiene una relación lineal con el importe del producto que se compra y donde se hace efectivo ese descuento. Aunque una relación lineal sería intuitivamente esperable, los autores encuentran una asociación en forma de U invertida, en un claro patrón de hormesis.

Los autores argumentan que existe evidencia en la literatura de marketing de que pueden ocurrir casos contrapuestos en la mente del consumidor. En primer lugar, su presupuesto mental se puede incrementar, con lo que estaría dispuesto a gastar más dinero del inicialmente planeado. Sin embargo, en segundo lugar, el consumidor puede centrarse en la comparativa de ahorro entre productos de diverso precio dada la cantidad fija de descuento. Por tanto, en el primer caso existiría una fuerza que dirigiría al consumidor a gastar más, y en el segundo una fuerza que lo llevaría a gastar menos. Para explicar el resultado de esa tensión, los autores proponen que debe haber un valor umbral a partir del cual prevalece una fuerza sobre otra, es decir, por debajo de ese valor se tiende a incrementar el gasto, y por encima a reducirlo.

Metodología y resultados

Los autores realizaron 5 estudios diferentes para probar su hipótesis de asociación en forma de U invertida, así como para investigar los factores moderadores en esa relación.

El primero de ellos fue un estudio de campo, mientras que el resto fueron experimentos realizados en un entorno controlado.

Para el estudio de campo, los autores recogieron datos de 106 restaurantes en China entre mayo de 2005 y marzo de 2008, con un total de 26660 consumidores registrados. Los autores dividieron a los restaurantes en función del gasto medio por persona que los clientes habían reportado, es decir, una forma de diferenciar aquellos más caros de los más baratos. Los resultados se muestran en la siguiente figura:

b382_2De este modo, la hipótesis lineal se cumple en restaurantes más baratos, pero el efecto de hormesis se presenta en los más caros.

El segundo estudio trató de considear la propensión al ahorro de los consumidores. Como era de esperar, los que tenían más orientación al ahorro presentaban una asociación no lineal con la probabilidad de elegir la opción más cara (ver figura):

b382_3No obstante, puede haber una contradicción entre los resultados de estos dos primeros estudios, porque en el primero de ellos la curva es no lineal en situación de precios caros, mientras que en el segundo lo es para aquellos que más desean ahorrar (probablemente son más sensibles al precio).

En el tercer estudio los autores analizaron el rol de una sobrecarga de información (cuando se provee de mucha información sobre un producto hasta el punto de que es difícil procesarla en su totalidad), en el contexto de elección en un restaurante. Como se aprecia en la siguiente figura, la hormesis aparece en la situación en que hay menos sobrecarga de información, por lo que los consumidores tienen una mayor capacidad para no distraerse y realizar comparaciones entre el ahorro a la hora de elegir diferentes opciones de producto.

b382_4

En el cuarto estudio, los autores mostraron que la tendencia a realizar comparaciones modera la relación entre la magnitud del cupón y el precio del producto elegido, tal y como se aprecia a continuación:

b382_5En el quinto estudio, finalmente, los autores les pidieron a los participantes que explícitamente indicaran su preferencia por un producto específico de la gama ofrecida sobre la que gastar el cupón. Para aquellos con una débil preferencia inicial, la curva vuelve a ser no lineal:

b382_6

Limitaciones/Comentarios

La asociación entre la magnitud de un cupón y el gasto subsiguiente cuando se puede elegir entre diferentes productos de la misma marca es compleja, ya que diversos factores moderadores influyen en que se produzca un efecto de hormesis, una curva en forma de U invertida. Así, el nivel de precio de los productos, la orientación al ahorro de los consumidores, la sobrecarga de información, la tendencia a comparar y las preferencias iniciales cambian la forma de la relación.

Básicamente, la lección que podemos aprender de esta investigación es que no siempre el tamaño de los descuentos hace que se produzca una elección más cara. Así, si lo que pretende la marca o el distribuidor es incentivar la compra de los productos más caros (los que probablemente dejan mayor margen), en situaciones donde el consumidor tiene tendencia al ahorro, los precios son elevados, o el cliente es más maduro y medita diversas comparaciones, se puede producir una respuesta a la dosis en forma de U invertida.

¿Dónde está el punto que maximiza el efecto? Como siempre que hablamos de hormesis, es muy complejo saberlo. Los autores se refieren a ello como una de las limitaciones de su estudio.

LEE EL ARTÍCULO ORIGINAL AQUÍ:

Jia, H. M et al. (2018). Do Consumers Always Spend More When Coupon Face Value is Larger? The Inverted U-Shaped Effect of Coupon Face Value on Consumer Spending Level. Journal of Marketing, doi 10.1509/jm.14.0510

Indicadores de calidad de la revista*

Impact Factor (2017) Cuartil Categoría
Thomson-Reuters (JCR) 7.338 Q1 BUSINESS
Scimago (SJR) 8.616 Q1 MARKETING

* Es simplemente un indicador aproximado para valorar la calidad de la publicación

Todos los posts relacionados




(#362). ¿HORMESIS ENTRE EL VOLUMEN DE ENTRENAMIENTO Y LA HIPERTROFIA?

[MONOTEMA] Emplear ejemplos de otras disciplinas científicas es una herramienta muy interesante para conseguir estimular el aprendizaje de los alumnos que cursan una determinada rama del conocimiento. En mis clases de marketing suelo utilizar, sobre todo, analogías con el ámbito de la salud y el deporte, donde también tengo experiencia como investigador.

Es cierto que, a veces, podemos abusar de ejemplos sacados del mundo del deporte, pensando que son familiares para todos, cuando en realidad siempre hay una parte del alumnado que les cuesta seguirlo, tal y como comenta Andrew Gelman en su blog.

Sin embargo, sigo pensando que las sinergias obtenidas de la unión de varias áreas de la ciencia, junto con el ejercicio de trasladar la explicación de un contexto a otro, son muy estimulantes y motivadoras, y producen un entendimiento global mucho más completo del problema.

En este post, vamos de nuevo a pararnos en un fenómeno no lineal: la hormesis, algo de lo que ya hemos hablado en post anteriores, pero que sigue siendo un concepto de difícil digestión para algunos estudiantes de marketing en el Grado de Administración y Dirección de Empresas. A través de la analogía con lo que sucede en el entrenamiento de hipertrofia muscular, vamos a intentar mejorar la comprensión de una de las más relevantes características de los sistemas complejos.

La explicación de Bayesian Bodybuilding

Menno Henselmans publicó recientemente este interesante artículo en su blog, donde aludía a resultados de sus propias investigaciones y también a otras publicaciones para realizar un dibujo estimulante sobre la relación entre el volumen de entrenamiento con pesas y la hipertrofia muscular.

Henselmans analiza la relación entre ambas variables tras consultar decenas de estudios publicados hasta la fecha. En esos estudios, se reporta el tamaño de efecto (magnitud de la diferencia sustantiva) y el volumen referido al número de series por grupo muscular ejecutadas en una semana de entreno.

Recordemos que el tamaño de efecto complementa al resultado de los clásicos test estadísticos. Por ejemplo, con muestras muy grandes las diferencias entre el grupo de experimental y de control pueden ser significativas estadísticamente, pero el tamaño de efecto (magnitud real de la diferencia) puede ser de escasa relevancia. Por contra, resultados estadísticamente no significativos por falta de potencia (como puede ocurrir con muestras pequeñas) pueden enmascarar tamaños de efecto importantes.

Por ejemplo, con muestras suficientemente grandes se podría decir que la estatura de una población de niños es mayor que otra cuando la diferencia es de 150 cm a 149.5 cm. Sería una diferencia estadísticamente significativa pero sustantivamente poco relevante; la magnitud del efecto es muy pequeña. Sin embargo, otro estudio con muestras pequeñas de otras poblaciones de niños podría reportar que ambas poblaciones tienen la misma estatura aunque la diferencia real fuera de 150 cm frente a 140 cm. Aquí la magnitud del efecto sería considerable, pero la baja potencia lo haría estadísticamente no significativa. Lo ideal, por tanto, es diseñar estudios que detecten estadísticamente magnitud de efectos, y los valoren según su importancia sustantiva.

La conclusión a las que llega Henselmans es que un incremento del volumen de entrenamiento se asocia linealmente con el incremento de la hipertrofia muscular. Sin embargo, en subpoblaciones distintas, como en deportistas inexpertos frente a deportistas experimentados, esa relación difiere, y muestra un carácter no lineal con rendimientos decrecientes. Gráficamente se entiende mejor:

Henselmans-meta-analysis-training-volume-untrainedHenselmans-meta-analysis-training-volume-trainedEs más, un entrenamiento de alto volumen puede llevar al sobre entrenamiento, como bien indica citando este estudio. De este modo, hay un patrón de respuesta a la dosis por el cual las máximas ganancias de hipertrofia se consiguen con un volumen medio de entrenamiento, pero no con los extremos testados. Esto puede ocurrir también en el entrenamiento de fuerza (no siempre hipertrofia y fuerza van de la mano).

Henselmans concluye el artículo con la identificación de diferentes variables que pueden afectar a la relación entre el volumen y la hipertrofia (ver siguiente figura).

Training-volume-vs-recovery-capacity

Esas variables son moderadoras en el sentido de que cambian el tamaño de efecto de la asociación entre ambas. De este modo, se complica mucho más el entendimiento de esa relación, porque en función de una o varias de esas variables, la curva de hormesis puede variar. En suma, cada individuo necesita un estudio pormenorizado de esas variables para diseñar una rutina de entrenamiento óptima. Sin embargo, para dar reglas generales hemos de tomar la distribución de tamaños de efecto, y dar una curva de hormesis promedio, pero que no tiene por qué funcionar con la situación de un individuo particular. Así, volvemos a darnos cuenta de cómo se pueden producir cambios importantes cuando se baja del “universo promedio” a los casos particulares. Y esto es el “abc” de la interpretación de los análisis estadísticos en ciencias sociales.

Matizaciones al análisis de Bayesian Bodybuilding

Pero lo más atractivo de todo esto es que quizá podríamos interpretar los resultados de los análisis de Henselmans de manera diferente.

Para ello, hemos pasado los datos de las gráficas a una hoja de cálculo. Hemos perdido precisión, sí, y no conocemos las varianzas de cada uno de los tamaños de efecto. Pero, aunque sea de manera aproximada (y no podemos ir más allá por esta limitación), podemos ofrecer un dibujo ligeramente divergente.

En cuanto a los deportistas inexpertos, podemos hacer un primer análisis del modelo lineal, y obtenemos estos resultados:

hiper1

Claramente se aprecia que no hay evidencias para un efecto lineal.  La regresión lineal simple por mínimos cuadrados ordinarios (con homocedasticidad) nos dice perfectamente que no existe asociación entre el volumen de entrenamiento (volumen) y la hipertrofia (efecto). Por tanto, contradecimos la conclusión de Henselmans.

Si añadimos un término cuadrático buscando la no linealidad, tampoco obtenemos significatividad:

hiper2

bayesian1

Y lo mismo ocurre con un análisis similar (no igual) realizado con polinomios fraccionales:

hiper3 bayesian2

No obstante, tanto el ajuste cuadrático como el de polinomios fraccionales nos muestran una posible relación de hormesis, donde la dosis justa de entrenamiento que maximiza la hipertrofia se da en los valores centrales.

Pero, aunque la relación sea no significativa, ¿se puede hablar de hormesis? No del todo, hay que ser prudente, porque tenemos poca muestra (39 observaciones). Quizá con una muestra más grande (más estudios publicados) se podría llegar a la significatividad, pero no lo sabemos. Siendo conservadores, diríamos que para deportistas inexpertos no hay una relación clara entre volumen de entrenamiento e hipertrofia, y que, por ejemplo, entrenar 10 series por músculo y semana ofrece las mismas ventajas que cualquier otro entrenamiento más exigente.

Pero, de nuevo, esto son recomendaciones generales; la heterogeneidad de los estudios (como puede apreciarse en los diagramas de dispersión mostrados por Henselmans) es ciertamente importante.

¿Y qué sucede para deportistas con experiencia?. Pues podríamos matizar las conclusiones de Henselmans en función de los datos (de nuevo insisto que no es una crítica  Henselmans, ya que no dispongo de datos originales), sino un ejercicio sencillo de interpretación, con fines docentes, nada más.

En este caso el efecto sobre la hipertrofia lo hemos llamado “e2” y el volumen de entrenamiento “v2”. Vemos que estamos cerca de una relación lineal. Como hay heterocedasticidad, al computar los errores estándar robustos la significatividad al 95% se pierde ligeramente.

hiper4

Si intentamos hacer un ajuste cuadrático y con polinomios fraccionales, de nuevo los resultados son no significativos. Sin embargo, al visionar las gráficas de ajuste vemos que existe una tendencia creciente, y no esos rendimientos decrecientes de los que hablaba Henselmans.

bayesian3 bayesian4

De este modo, conseguir ganancias de hipertrofia es más complicado para deportistas entrenados (algo lógico, porque se parte de un nivel inicial de hipertrofia superior), pero aquí la tendencia es lineal, y probablemente con más estudios podríamos conseguir un nivel de asociación significativo, es decir, a mayor volumen mayores ganancias de músculo. No obstante, y de nuevo siendo prudentes, con esos 44 estudios que tenemos no podemos concluir más que existe una evidencia limitada de que así ocurre.

Conclusión

Menno Henselmans, de Bayesian Bodybuilding, ha realizado un interesante análisis sobre la relación entre el volumen de entrenamiento y la ganancia muscular. Sus interpretaciones sobre linealidad, hormesis y rendimientos decrecientes pueden, quizá, ser matizadas, aunque como hemos indicado nuestro análisis es sólo aproximado, ya que no disponemos de los datos originales y ha habido contaminación por pasar los datos de los gráficos de dispersión a una hoja de cálculo. No obstante, y teniendo en cuenta esta limitación, hemos mostrado que las relaciones mostradas en gráficos no tienen por qué ser significativas a nivel estadístico, y que esas tendencias pueden ser reinterpretadas en función del tipo de ajuste elegido, es decir, el tipo de modelo empleado.

Sin embargo, esas tendencias son en sí valiosas, en el sentido en que es probable que muestren un efecto escondido por un tamaño pequeño de muestra. Si aceptamos esta hipótesis, podemos decir que existe una relación de hormesis entre el volumen y la hipertrofia en deportistas no entrenados, pero esa relación desaparece en individuos más expertos, donde la asociación es creciente y lineal. 

Como puede apreciarse, esto cambia de forma importante las recomendaciones generales sobre entrenamiento de hipertrofia en función de las características de cada individuo, y es ahí donde de nuevo Henselmans acierta en indicarnos los múltiples factores que pueden entrar en juego.

El traslado de este ejemplo al ámbito del marketing o de la administración de empresas, es sencillo, como vimos en posts anteriores. Es un buen ejercicio para los estudiantes el pensar en relaciones de variables en el ámbito de las ciencias sociales donde se pueden dar relaciones análogas a las descritas en este post, así como reflexionar sobre la complejidad de todos los fenómenos que nos rodean y que pretendemos entender, y la diferencia que existe entre encontrar patrones generales y la realidad a nivel de caso individual.

Todos los posts relacionados




(#334). EXPLORANDO LA NO LINEALIDAD CON MAXIMA

[MONOTEMA] Hemos explicado que los fenómenos sociales son complejos y que la relación entre las variables a menudo es no lineal, con diferentes formas de curva: rendimientos decrecientes, histéresis, hormesis o efectos acumulativos. También hemos hecho mención a los procesos caóticos.

Para tratar de entender bien esos conceptos en el ámbito de un curso de introducción al marketing voy a proveer de diferentes códigos en Máxima para realizar simulaciones, y explorar gráficamente cómo se pueden comportar esos fenómenos. Máxima es un software gratuito de análisis matemático (descargar aquí).

Decaimiento exponencial

Vamos a representar la siguiente función:

Para ello, escribimos el siguiente código en una sesión con wxMaxima:

f1(x):=block([y1],
y1:400*exp(-x),
return (y1))$
plot2d(f1,[x,0,40],[y,0,400],[color, blue]);

Básicamente se trata de crear una variable local y1 que contenga la expresión de la función que queremos. El uso de variables locales es siempre adecuado para llevar los cálculos ordenados y evitar problemas en códigos largos. Por tanto, definimos la función f1(x) a través de la variable local y1. Después empleamos la función “plot2d” para llamar a la función que hemos especificado (f1) y decirle el rango en el que queremos que se represente en el eje X y en el eje Y, y también el color (en este caso azul). Es importante señalar que el rango de valores de los ejes es meramente ilustrativo y no tiene ningún significado específico en este y en los siguientes ejemplos.

decaimiento_exponencialComo puede verse, la función decae muy rápidamente con los primeros valores de x y se va suavizando a medida que x se incrementa. En marketing hay fenómenos que pueden asemejarse a este tipo de curvas, como por ejemplo los relacionados con los de la fluencia (facilidad con la que la información proviene a la mente). Así, la información más fuertemente asociada con el estímulo que estamos valorando llega con mucha más intensidad, pero a medida que seguimos intentando nombrar más asociaciones esa fluencia decae y nos cuesta mucho más trabajo hacerlo.

Esta también es una de las razones por las cuales la comunicación de marketing puede ser importante. Si conseguimos que la marca tenga notoriedad y una alta fluencia, siempre estará en los primeros puestos del conjunto evocado.

Este tipo de curvas pueden reflejar también el aprendizaje. Por ejemplo pueden representar la caída de la inversión necesaria en publicidad para conseguir los mismos resultados de marketing. Al comienzo del tiempo, una marca necesita una gran inversión para adquirir notoriedad y tratar de persuadir. Sin embargo, con el paso del tiempo, puede seguir manteniendo esos niveles de notoriedad y persuasión con una menor inversión, debido al aprendizaje del consumidor:

decaimiento_exponencial_2Efectos acumulativos

Vamos a representar la siguiente función:

Para ello, escribimos el siguiente código en una sesión con wxMaxima:

f2(x):=block([y2],
y2:exp(x),
return (y2))$
plot2d(f2,[x,0,40],[y,0,400],[color, magenta]);

efectos_acumulativos

Lo que tenemos aquí es una función que se mueve de manera opuesta al decaimiento, es decir,  para los primeros valores de x la función está “dormida”, avanza muy poco, pero a partir de un determinado umbral crece rápidamente.

Como comentamos en el post correspondiente, este tipo de relaciones entre variables se da en biología cuando hablamos de tóxicos que se acumulan en nuestro cuerpo, donde hasta un determinado nivel no producen efectos adversos importantes, pero que cuando sobreprasan un punto producen enfermedades u otro tipo de efectos no deseados.

En marketing, estas curvas pueden darse en los procesos de enamoramiento de marcas. Al comienzo, durante las primeras exposiciones la emoción que siente el consumidor crece casi imperceptiblemente, pero después de ir conociendo más cosas sobre la marca, experimentarla, llega un momento en que la pasión se dispara y la persona se vuelve un verdadero fan y defensor de la marca.

efectos_acumulativos_2Hormesis

Vamos a representar la siguiente función:

Para ello, escribimos el siguiente código en una sesión con wxMaxima:

f3(x):=block([y3],
y3:40*x-x^2,
return (y3))$
plot2d(f32,[x,0,40],[y,0,400],[color, green]);

hormesisRecordemos que la hormesis es un fenómeno de respuesta a la dosis por la cual existe una dosis adecuada para obtener el máximo efecto, mientras que por encima y por debajo de esa dosis el efecto es más pequeño.

En marketing este tipo de curvas pueden reflejar la relación entre la intensidad de la emisión de publicidad y el efecto sobre la atracción a la marca. Puede que haya un punto donde se maximiza esa atracción, pero si la empresa sigue intensificando sus campañas el consumidor puede empezar a cansarse e incluso comenzar a sentir rechazo por la marca.

Puede también ocurrir en la relación entre la apelación al miedo en publicidad y la capacidad de persuasión de una campaña de marketing social (lucha contra la droga, tabaquismo, accidentes de tráfico, etc.). El miedo funciona, pero a partir de un determinado umbral de intensidad de apelación al terror, la persona puede sentir que es algo irreal, exagerado, o incluso ser tan terrible que trata de distanciarse de ese mensaje que le hace daño.  Todo ello disminuye el efecto de la campaña:

hormesis_2Histéresis

Vamos a representar la siguientes funciones:

Para ello, escribimos el siguiente código en una sesión con wxMaxima:

f4_ida(x):=block([y4],
y4:96*log(x)-x,
return (y4))$
f5_vuelta(x):=block([y5],
y5:100+5*log(x)+200*x/(1+x),
return (y5))$
plot2d([f4_ida,f5_vuelta],[x,0,40],[y,0,400],[color, red, red],[legend,false]);

histeresis

Lo que hemos hecho ahora es crear dos funciones, una para el “camino de ida” y otra para el “camino de vuelta”, simulando algo parecido a lo que ocurre en los procesos de histéresis. La primera función comienza creciendo no linealmente hasta que va suavizándose (rendimientos decrecientes), acercándose a un punto de saturación. Refleja, por tanto, una respuesta intensa a los primeros niveles del estímulo. Sin embargo, a medida que la intensidad del estímulo crece la respuesta ya no es tan efectiva, hasta llegar a un punto en el que se necesita una gran variación en el estímulo para conseguir un mínimo de variación en la respuesta.

Cuando cesa el estímulo, podemos imaginar que la curva sigue un camino de vuelta que no va por el mismo lugar a medida que el tiempo avanza. Debido a un efecto aprendizaje, aunque el estímulo no exista la respuesta se mantiene o decae hasta un nivel por encima de cero. Esa diferencia entre el origen de las dos curvas (100 en el gráfico) es lo que se llama impregnación, y nos da una idea de cómo permanece el efecto aunque la causa no esté.

En marketing, este tipo de curvas puede reflejar la respueta de los individuos a las campañas publicitarias. Al comienzo, existe una respuesta muy intensa, pero a medida  que la campaña se intensifica el consumidor puede cansarse o llegar a un umbral máximo de emoción o persuasión que no crece más aunque sí que lo haga el presupuesto publicitario. Cuando termina la campaña, el consumidor no borra esa respuesta de su mente, la mantiene a un determinado nivel (impregnación), que puede permanecer por un tiempo variable (desde horas hasta años), e influir en futuros comportamientos de compra:

histeresis_2

Una visión conjunta

Vamos a representar ahora todas las funciones generadas en el mismo gráfico. Para ello, escribimos el siguiente código en una sesión con wxMaxima:

f1(x):=block([y1],
y1:400*exp(-x),
return (y1))$
f2(x):=block([y2],
y2:exp(x),
return (y2))$
f3(x):=block([y3],
y3:40*x-x^2,
return (y3))$
f4_ida(x):=block([y4],
y4:96*log(x)-x,
return (y4))$
f5_vuelta(x):=block([y5],
y5:100+5*log(x)+200*x/(1+x),
return (y5))$
plot2d([f1,f2,f3,f4_ida,f5_vuelta],[x,0,40],[y,0,400],[color, blue,magenta, green,red, red],[legend,false],[xlabel,”Estímulo”], [ylabel, “Respuesta”]);

nolineal

Con este gráfico final observamos la complejidad de las relaciones entre los estímulos de marketing y las respuestas de los consumidores, lo que dificulta mucho la capacidad para hacer predicciones. En marketing, no solemos conocer en detalle las ecuaciones que rigen esas relaciones, sólo podemos tratar de estimarlas con estudios empíricos o realizar aproximaciones teóricas. Es más, en algunas situaciones se podrían dar varios tipos de fenómenos no lineales. Por ejemplo, en la relación entre intensidad de la publicidad y efecto sobre la actitud del consumidor, se pueden dar fenómenos de hormesis, de histéresis, acumulativos, o incluso decaimientos. Depende de muchos factores, y de ahí la extrema complejidad de realizar.

Por tanto, la incertidumbre es alta, pero existen herramientas estadísticas y heurísticas que nos pueden ayudar. Pero recordad (especialmente mis alumnos) que no hay ni varitas mágicas, ni bolas de cristal, ni genios del marketing.

Todos los posts relacionados




(#40). CONSUMO BAJO Y MODERADO DE ALCOHOL Y CÁNCER

El consumo alto de alcohol se ha asociado a multitud de cánceres: colon, mama en mujeres, oral, laringe, hígado y esófago, y se sospecha que también con el de estómago, páncreas o pulmón. Se estima que el alcohol produce el 3.6% de los cánceres en el mundo (1.7% en mujeres y 5.2% en hombres). Sin embargo, el consumo moderado o bajo de alcohol se ha asociado a tener menor riesgo de enfermedades cardiovasculares y diabetes que los abstemios, aunque a partir de cierto umbral de consumo los efectos se vuelven totalmente negativos.

Los autores realizan un ambicioso estudio siguiendo durante 30 años a 88043 mujeres y 47881 hombres, profesionales del ámbito sanitario.  Los resultados dicen que un consumo entre 15 y 30 gramos de alcohol al día está mínimamente asociado con el desarrollo de cáncer (está en el límite de la significación estadística al 5%). Para los hombres tampoco existe una asociación estadísticamente significativa (aunque sí que hay un patrón ascendente) entre el consumo bajo-moderado de alcohol y los cánceres asociados específicamente a esta droga. Ese consumo equivale aproximadamente a 2 latas de cerveza de 33 cl al día. Sin embargo, para las mujeres el límite estaría en una sola lata. Es importante señalar que el tabaco actúa como multiplicador del riesgo, sobre todo en mujeres, donde un consumo bajo (entre 5 y 14.9 gramos al día) está asociado al desarrollo de cáncer (principalmente cáncer de mama) si la mujer es, además, fumadora.

El estudio es bastante completo, con diferentes análisis de sensibilidad, y con una muestra suficientemente grande. Una limitación es el que se centre en un solo colectivo profesional, y que puede haber error de medida en el consumo de alcohol reportado por los propios participantes (lo que podría “tapar” un poco la significación estadística). Hay que destacar que este estudio específicamente trata de la asociación del alcohol con el cáncer y no con otros tipos de enfermedades que pudiera provocar un consumo bajo o moderado de alcohol, aunque como el artículo sostiene, hay diferentes investigaciones que muestran cierto efecto “protector” de un consumo bajo de alcohol sobre algunas enfermedades.

Por tanto, este estudio nos dice que, ante todo, evitemos el tabaco  si nos gusta beber alcohol. Si no somos fumadores, aproximadamente un par de tercios de cerveza para los hombres y un quinto para las mujeres no parece tener efectos significativos sobre el incremento de probabilidad de desarrollar cánceres asociados al alcohol. La asociación con el cáncer de mama hace que, posiblemente, las mujeres debieran pensarse si ese “quinto de cerveza al día” debiera ser evitado, al menos, hacerlo sólo eventualmente.
 

Cao, Y., Willet, W. C., Rimm, E. B., Stampfer, M. J. & Giovanucci, E. L. (2015). Light to moderate intake of alcohol, drinking patterns, and risk of cancer: results from two prospective US cohort studies. BMJ, 351,h4238. doi: 0.1136/bmj.h4238

Indicadores de calidad de la revista*
JCR Impact Factor (2014): 17.44
SJR  Impact Factor (2014): 2.21
* Es simplemente un indicador aproximado para valorar la calidad de la publicación

Todos los posts relacionados




(#22). COMPLEJIDAD DE LOS FENÓMENOS SOCIALES

Todos hemos escuchado alguna vez que vivimos en un mundo “complejo”. Pero, ¿qué significa exactamente ese término cuando hablamos de fenómenos sociales? La complejidad rige el comportamiento de la naturaleza y también de las relaciones en la sociedad, por tanto, es muy recomendable adoptar una visión sistémica acerca de cualquier fenómeno que nos rodea, con el fin de tener la capacidad de entender y manejar esa complejidad.

En este post vamos a comentar algunos aspectos esenciales de los sistemas complejos, con el objetivo de que comprendamos que la economía, la psicología o el marketing  también  caben en ese gran saco de caos, no linealidad, incertidumbre o interconexión característico de los sistemas físicos y biológicos. Pondremos especial atención al ámbito del marketing donde, como se desprenderá de la interpretación de este artículo, la complejidad es especialmente relevante. Esto nos hará replantearnos algunas cuestiones relativas a la generación de conocimiento y toma de decisiones.

 
(Nota para los estudiantes de marketing: Es muy importante completar esta lectura con el material auxiliar sobre no linealidad, caos, determinismo vs azar, y predicciones).

Pensamiento sistémico
La complejidad de los fenómenos sociales se refleja a través del pensamiento sistémico, que es la capacidad de ver el mundo como un sistema complejo, donde todo está conectado con todo, y donde el todo es más que la suma de las partes.
 
Un sistema es un conjunto de elementos que interaccionan entre sí con un objetivo común. Un motor de un coche, un bosque, el cuerpo humano o un equipo de baloncesto son ejemplos de sistemas.

La complejidad dinámica surge porque los sistemas tienen unas características importantes (Sterman, 2001):
 

  • Los sistemas cambian constantemente.
     
  • Los agentes (variables y constantes) en un sistema interactúan considerablemente unos con otros y con el mundo natural, y todo conecta con todo.
     
  • El fuerte vínculo entre los actores hace que nuestras acciones se retroalimenten ellas mismas (feedback).
     
  • Hay relaciones no lineales, donde los efectos no suelen ser proporcionales a la causa.
     
  • El sistema es históricamente dependiente, es decir, comportamientos pasados influyen.
     
  • La dinámica de los sistemas surge espontáneamente de su estructura interna. A menudo, pequeñas perturbaciones aleatorias son amplificadas y moldeadas por la retroalimentación, generando un patrón de comportamiento en el tiempo y en el espacio.
     
  • La capacidad y el comportamiento de los agentes en un sistema complejo cambia a lo largo del tiempo. La evolución conduce a la selección y proliferación de algunos agentes, mientras otros se extinguen.
     
  • El retraso en los canales de realimentación indica a largo plazo la reacción de un sistema a una intervención, a menudo diferente de las respuestas a corto plazo
     
  • La causa y el efecto están distanciados en el tiempo y en el espacio. Tendemos a buscar las causas próximas a los sucesos que tratamos de explicar

He aquí, los rasgos de un sistema complejo aplicados a un problema de marketing (Martínez & Martínez, 2009):
 

  • Cambio constante: Las actitudes y el comportamiento de los agentes en un sistema complejo cambian en el tiempo.
     
  • Unión y retroalimentación: Las actitudes y comportamientos pasados afectan al presente, y el presente afecta al futuro. Las actitudes y los comportamientos son variables endógenas en las que existe la retroalimentación.
     
  • Las relaciones entre los elementos son casi siempre no lineales y hay asimetría entre las actitudes y comportamientos de los clientes.
     
  • Dependiente de la historia: Un fallo en el servicio con un consumidor puede que lo haga cambiar de marca y no volver a comprarla jamás.
     
  • Una pequeña y negativa perturbación (como un rumor negativo sobre un producto o información perjudicial de una empresa) puede ser mayor debido a la realimentación, generando a priori un comportamiento colectivo inesperado (boicotear la empresa o defenderla). El comportamiento global emerge de los vínculos entre los elementos individuales.
     
  • Aprendizaje y adaptación: Los consumidores aprenden de la experiencia y cambian sus expectativas de consumo. Los efectos psicológicos, como contraste y asimilación dependen del tipo de consumidor y de la situación.
     
  • Retardos temporales: Hay diferentes tiempos de demora para causas similares. Una inversión similar realizada por 2 empresas para mejorar la actitud del cliente hacia la marca (ejemplo: adoptar un sistema de calidad) puede tener efectos diferentes dependiendo de la reputación de cada empresa.
     
  • Comportamientos contra-intuitivos: En muchos mercados competitivos, los consumidores satisfechos no son leales. Algunos programas de lealtad de marca deberían centrarse en crear monopolios en la mente del consumidor, en vez de mejorar la satisfacción del consumidor

Esta complejidad ocasiona dificultades en el desarrollo de la ciencia del marketing; Una muestra de la complejidad que subyace a la formación de las actitudes de las personas sobre los productos la tenemos en el fenómeno conocido como word of mouth (comunicación boca-oído). Como explicanRanaweera & Jayawardhena (2014), esas interacciones sociales entre los consumidores son relevantes a la hora de formar la opinión sobre un producto o marca, y pueden cambiar las propias opiniones personales.

El mundo, la vida…prácticamente todo es no lineal
La no linealidad es una característica de los sistemas complejos, de la vida, del mundo en sí mismo. Por ejemplo, según Lara, Salinero & Del Coso (2014), la relación entre el tiempo empleado en finalizar un maratón y la edad del deportista tiene forma de U. El trabajo muestra la peculiaridad de que un atleta a los 18 años tarda un tiempo similar en completar el maratón que un participante de 55 a 60 años. Para llevar a cabo su investigación, los científicos elaboraron una base de datos con los tiempos de más de 45000 corredores que participaron en el maratón de Nueva York en las ediciones de 2010 y 2011.

11357_2013_9614_Fig1_HTML
Taleb (2012) habla de los fenómenos no lineales cuando se refiere a los eventos llamados “Cisne negro”, que rompen con lo establecido y producen cambios inesperados (ej. una guerra, un terremoto, un accidente aéreo, un crack bursátil, etc.). Otros ejemplos los recoge Silver (2012), como el efecto de la imprenta sobre la impresión de libros y diseminación del conocimiento, o la máquina de vapor sobre el crecimiento económico.

Sin llegar, a los extremos de esos eventos tan extraordinarios, usualmente los efectos no lineales se producen continuamente en marketing. Por ejemplo, Chung, Derdenger & Srinivasan (2013) cuantificaron el valor de la firma de Tiger Woods por Nike en términos de ventas de pelotas de golf de la marca de Oregón. Así, Nike vendió aproximadamente 1416000 pelotas de golf más cada mes desde que Woods estaba bajo su amparo. Desde 2000 a 2010 Nike consiguió un beneficio adicional de 103 millones de dólares proveniente de 9.9 millones en ventas de pelotas de golf. Esto habría hecho que Nike recuperara alrededor de un 57% de los 181 millones de dólares invertidos en Woods en su contrato de apadrinamiento con sólo la venta de pelotas de golf. No obstante, tras las infidelidades de Woods, y su escarnio público a finales de 2009, se produjo un descenso en los beneficios de pelotas de golf Nike vendidas de unos 1.4 millones de dólares en los cuatro meses posteriores al escándalo. Los siguientes gráficos reflejan claramente esas formas no lineales, en cuanto a ventas y cuota de mercado.
golfOtro ejemplo de una temática similar lo tenemos en la evolución temporal de las ventas de Gatorade entre 2006 y 2008, incluyendo cuando la tenista María Sharapova firmó por la marca de bebidas para deportistas (Elberse & Verleun, 2012).  Como se puede apreciar, la curva es no lineal porque las ventas dependen fuertemente de la época del año, un factor que es mucho más importante que el que, en este caso, una estrella mediática fiche por la marca.

sharapovaOtro ejemplo interesante a este respecto es el de la marca de calzado Hush Puppies. Como indicaGladwell (2002), tenía unas ventas muy escasas en 1994, hasta el punto de que el propietario de la marca  pensaba eliminar progresivamente esos zapatos, y de pronto, empezó a ser utilizado por ciertos jóvenes en Manhattan, y luego posteriormente varios diseñadores comenzaron a incluirlas en sus colecciones. Es un ejemplo de cómo se transformó no linealmente de ser una marca desterrada a convertirse en la última moda. De 30000 pares de zapatos vendidos en 1994 se pasó a 430000 en 1995.

Las tesis de Gladwell
Gladwell (2002) identifica la Ley de los Pocos, Lo Pegadizo, y el Poder del Contexto, como claves en esa diseminación. La idea de los “Conectores” es central en la tesis de Gladwell. De hecho, el autor enfatiza en la importancia de éstos, los cuales pueden ser más o menos relevantes en función de su experiencia y capacidad de persuasión. Por ello, habla de los “Mavens”, o expertos conectores influyentes en los artículos de consumo. La clave para diseminar un “virus” social es  encontrar esos conectores adecuados. Gladwell comenta también del poder de “Lo pegadizo”, y pone el ejemplo de Marlboro, y su eslogan en 1954 “Winston tastes good like as cigarrote should” Ese incorrecto uso de “like” en lugar de “as”, era algo deliberado para provocar la atención y la atracción de los consumidores. Esa catchprhasetodavía es un latigillo entre los habitantes de Estados Unidos. 

Además, subraya el ejemplo del asesinato de una mujer en Nueva York, en 1964, Kity Genovese, que fue asediada por un delincuente durante una hora y media en la calle y brutalmente matada con 38 testigos. Ninguno de los cuales hizo nada por evitarlo, ni siquiera llamar a la policía. Posteriores experimentos han demostrado que esta mujer hubiera tenido más probabilidad de salvarse si hubiese sido vista por menos gente, ya que la responsabilidad de la gente se diluye en el grupo al pensar que algún otro había llamado a la policía, o que si nadie lo hace es porque no hay ningún problema aparente.

Habla, asimismo, de cómo se gestó y desarrolló Barrio Sésamo (cuando se refiere a la importancia de “lo pegadizo”). Psicólogos y sociólogos se encargaron de desarrollar el programa e hicieron diversos experimentos con niños para ver cuál era la mejor forma de diseñar el producto. Uno de los hallazgos más importantes fue desterrar la idea de los psicólogos sociales de que no se debía mezclar ficción y realidad. Cuando eso se hizo, los niños tuvieron una mayor atracción.

Comenta, asimismo, el estudio del profesor Zimbardo donde hizo como una especie de role-playing en una prisión ficticia. Aquellos que actuaban como guardianes empezaron a tener comportamientos muy violentos y se hubo de suspender el experimento. Es una muestra del Poder del Contexto.

Cuenta también el caso de Airwalk, una empresa dedicada a producir zapatillas para un pequeño segmento de consumidores: los skaters. Esta empresa quería expandirse y crecer, y para ello contrató a un publicista que era anteriormente ejecutivo de Converse. Este publicista contactó con varios jóvenescools de todo el país y periódicamente iba hablando con ellos sobre lo que llevaban puesto, sobre las últimas tendencias. Estos jóvenes actuaban como innovadores en el proceso de difusión de nuevas tendencias, y entonces este publicista realizaba campañas puntuales reflejando las tendencias de las que hablaban esos chicos. Ejemplos, como la preocupación por el Tíbet, James Bond, etc., es decir, cosas que se estaban poniendo de moda. Las ventas de Airwalk en mitad de los 90 se multiplicaron en relación a las que tenían unos años antes, la marca consiguió entrar en el segmento del surf, las bicicletas, etc., con una imagen de “alternativo”,  y de marca no dirigida a las grandes masas. Llegó a estar tercera en ventas por detrás de Nike y Adidas

Hormesis
La base de muchos fenómenos no lineales está relacionada con la hormesis, el efecto del estrés, los estímulos pequeños y los efectos de acumulación. En toxicología, la hormesis (del griego ὁρμάω “estimular”) es un fenómeno de respuesta a dosis caracterizado por una estimulación por dosis bajas y una inhibición para dosis altas, que resulta en una curva de respuesta a nuevas dosis en forma de J o de U invertida. Un contaminante o toxina que produzcan el efecto de hormesis tiene, pues, a bajas dosis el efecto contrario al que tiene en dosis más elevadas. Al parecer la hormesis es una característica de incontables medicinas: con las dosis recomendadas por los médicos tienen un efecto curativo, pero en caso de sobredosis se dan efectos dañinos para la salud.

También lo contrario puede ser cierto: la mayoría de los opiáceos tienen en grandes dosis un efecto analgésico, pero dosis muy pequeñas presentan efectos negativos. En el caso de vitaminas y oligoelementos, las dosis pequeñas no sólo son positivas, sino esenciales para la salud, mientras que grandes dosis son también peligrosas para la salud. Para los antibióticos está ampliamente aceptado que las dosis bajas no son recomendables precisamente porque pueden ser beneficiosas para las bacterias atacadas. Siempre se ha de acabar el tratamiento indicado por el médico incluso después de haber remitido la infección.

El principio de funcionamiento de la hormesis no siempre está claro. A menudo se consideran dos efectos completamente contrarios que funcionan en paralelo: un efecto positivo que ya se presenta en dosis muy pequeñas, y un efecto negativo que sólo aparece con las dosis más grandes; en el caso de dosis grandes, el efecto positivo es eclipsado por el efecto negativo (www.wikipedia.org). Este concepto de hormesis lo utiliza Taleb (2012) para ilustrar cómo funciona el rendimiento en deporte, cómo las dosis bajas de entrenamiento producen rápida adaptación y no mejoran, mientras que las muy altas producen sobreentrenamiento y bournout. Por tanto, hay que ciclar el entrenamiento con estrés, descanso y supercompensación. De este modo, Taleb (2012) justifica que no es bueno que al organismo se le de una constante dosis de alimento, ya que si se evita el estrés se vive menos. Hay que pasar hambre de vez en cuando para vivir más. Taleb (2012), habla de los estresantes y del mecanismo de la sobrecompensación, y como los caballos buenos suelen perder ante malos y ganar a mejores que ellos, por el estrés que supone la motivación de competir ante mejores que tú. Y habla de que es mejor ir al gimnasio después de un día duro para estresar el cuerpo un poco más y así que aparezca la sobrecompensación. En cuanto a los estresantes, pone interesantes ejemplos como el de las mujeres que llevan su carga en la cabeza y cómo esto fortalece los huesos mucho más que cualquier medicina.

En marketing tenemos muchos fenómenos de hormesis. Por ejemplo, el referido a la relación entre la efectividad de la apelación al miedo en publicidad y su intensidad. El miedo aterroriza a la gente y puede llegar a hacerle cambiar su comportamiento. En psicología de la salud, por ejemplo, el miedo es usado para realizar campañas de prevención y concienciar a los ciudadanos (ver Gallopell-Morvan et al., 2011). Sin embargo, no están claros los efectos que producen este tipo de estrategias. Witte & Allen (2000)realizaron un metanálisis  descubriendo que la efectividad se incrementa cuanto mayor es la apelación al miedo. No obstante, otros estudios como los de Gallopel-Morvan et al. (2011) o Rossiter & Bellman (2005) sugieren que cuando el miedo es muy explícito la reacción es contraria a lo esperado, aparecen reacciones individuales de ansiedad, siendo los individuos más ansiosos los que reaccionan de forma más negativa. Por consiguiente, la credibilidad es fundamental para poder mejorar la probabilidad de que el mensaje enviado con la campaña sea aceptada. Goldstein, Martin & Cialdini (2010), por su parte, argumentan que la apelación al miedo suele funcionar pero sólo cuando hay instrucciones claras sobre qué actuación tiene que hacer el consumidor para paliar ese posible riesgo. De este modo, es probable que la relación entre la efectividad publicitaria y la intensidad de apelación al medio siga una curva en forma de U invertida, que es una curva típica de hormesis:

 
Histéresis
La histéresis es un conocido fenómeno físico en el que un material ferromagnético es imantado ante la presencia de un campo magnético de intensidad H. La inducción magnética B sólo empieza a crecer a partir de un determinado valor de H. Cuando el material se acerca a la saturación existen rendimientos decrecientes, por lo que incrementos muy grandes de H apenas producen efectos en B. Sin embargo, cuando el campo magnético se elimina, el material no se desmagnetiza, existe un magnetismo residual que se mantiene aunque la fuente generadora del campo magnético ya no esté (punto “b” de la figura mostrada debajo). Para que B vuelva a cero hay que desmagnetizar el material aplicando un campo en sentido opuesto, por ejemplo, aunque también se pueden emplear otros procedimientos.

Este fenómeno es comentado ampliamente en la investigación de Hanssens & Ouyang (2001) en el ámbito del marketing. La histéresis por tanto, nos hace pensar que realmente muchos fenómenos se rigen por este principio. Por ejemplo, sería plausible pensar que la relación entre la intensidad de acciones publicitarias y su efectividad podría ser modelada por el cuadrante superior derecho del gráfico mostrado debajo, donde se produce un efecto de saturación a partir de cierta intensidad, y donde cuando esa publicidad desaparece queda un residuo en la mente del consumidor que puede permanecer casi indefinidamente. La histéresis es una de las grandes oportunidades de investigación en marketing, y cuestiona muchísimo todos los modelos que pretenden relacionar la publicidad o cualquier otra inversión en comunicación de marketing y las ventas de la empresa.

hyesteresis-1Efectos acumulativos
En relación a los efectos acumulativos, Aguado et al. (2013) por ejemplo, muestran que la administración prolongada de pequeñas concentraciones de mercurio es capaz de cambiar la estructura de las arterias. Según su investigación, la exposición a bajas dosis de mercurio aumenta los niveles de una proteína inflamatoria —la ciclooxigenasa-2 (COX-2)— y de una proteína productora de estrés oxidativo —la NADPH Oxidasa -, que pueden producir cambios en la morfología y en el número de células musculares lisas. El mercurio, de esta forma, y a largo plazo, podría ser un factor de riesgo ambiental para la enfermedad cardiovascular produciendo hipertensión, enfermedad coronaria, disfunción renal, aterosclerosis e infarto de miocardio.

Otro ejemplo de efectos acumulativos es el mostrado por The Interact Consortium (2013), quienes revelan que por cada 336 ml diarios de refresco azucarado, aproximadamente una lata, aumenta hasta un 22% el riesgo de padecer diabetes de tipo 2. Asimismo, Catalina-Romero et al. (2013) muestra que el estrés laboral se relaciona con un aumento de grasas en la sangre. Se asocia esta situación con la dislipidemia, una condición patológica que altera las concentraciones de lípidos y lipoproteínas en la sangre, lo que incrementa el riesgo de enfermedades cardiovasculares. Arrebola et al. (2014) encuentran que el contaminante PCB-153, y que se prohibió en España en los 80 todavía está presente en muchos alimentos ricos en grasas (especialmente en pez espada, atún y salmón) y afecta a largo plazo a la probabilidad de padecer cáncer en hombres.

El organismo reacciona al estrés de manera positiva, ya que crea las llamadas proteínas de estrés que hacen que las células se fortalezcan ante sucesivas exposiciones. El problema viene cuando el estrés es continuo, entonces esos efectos positivos empiezan a desvanecerse hasta convertirse en negativos. Dicho de otro modo, exponer el cuerpo ante situaciones de estrés puntuales lo fortalece, mientras que a situaciones permanentes lo deprime (Blank, 2014).

En marketing los efectos acumulativos también están presentes. De este modo, y como simple ejemplo, podríamos decir que cuando una persona se compra un coche a la edad de 30 años, esa decisión estará parcialmente basada en la acumulación de impactos de comunicación de marketing desde que era niño. Por tanto, ¿cómo influye la publicidad en las ventas de una marca? Es una pregunta tremendamente difícil de responder debido a los efectos a muy largo plazo que puede llegar a tener.

Comportamientos contraintuitivos
Los sistemas complejos también se caracterizan porque a veces tienen comportamientos contraintuitivos. Por ejemplo, se realizó un experimento en Drachten, una pequeña ciudad holandesa en la que se quitaron todas las señales de tráfico y se redujeron los siniestros (Taleb, 2012). Esto indica que a veces, una intervención realizada sobre un sistema, tiene efectos que desafían la intuición.
 
La interpretación de las estadísticas siempre se tiene que hacer con cautela, y hay que considerar que para estudiar un fenómeno y dar respuesta a algún problema las variables que influyen son casi innumerables. Muchas de esas variables probablemente no tendrán ningún efecto importante, pero hay otras que si se omiten del análisis sí. Por ejemplo, la polución del aire causa más mortalidad y enfermedades que fumar pasivamente, los accidentes de tráfico o la obesidad (Janke, 2014), siendo los niños especialmente vulnerables. Sin embargo si se analiza la correlación entre las entradas hospitalarias de niños con el nivel de polución del aire en una ciudad se puede llevar a una conclusión equivocada, ya que en muchas ciudades hay alertas que indican cuándo el aire está más contaminado, y eso hace que algunos niños se queden en casa y no salgan a la calle, lo que lleva a su vez a menor entradas hospitalarias. El no considerar esa variables desvirtúa y aminora la asociación entre polución del aire y efectos en la salud.
 
Causas y efectos distantes en el tiempo
Los sistemas complejos se caracterizan por ser históricamente dependientes, pudiendo haber mucha distancia entre el efecto y la causa que lo originó. Por ejemplo, es sobradamente conocido en medicina que la exposición del feto durante el embarazo a diferentes tóxicos repercute en su salud en el futuro (www.pehsu.org). Pero también hay efectos positivos. Así, Santos Concejero et al. (2014) demuestran que los atletas kenianos tienen un mejor rendimiento en pruebas de fondo porque tienen una mejor oxigenación cerebral en el lóbulo prefrontal, debido a  la exposición prenatal a la altitud y los altos niveles de actividad física durante la niñez.
 
Otro tipo de retrasos temporales los tenemos en el llamado gap traslacional (Taleb, 2012), que es la diferencia en tiempo entre un descubrimiento formal y su primera implementación. Por ejemplo, un gap de dos siglos entre el descubrimiento de los gérmenes y la aceptación de éstos como causa de enfermedad, 30 años entre la teoría  de la putrefacción de los gérmenes y el desarrollo de la antisepsia, y un retraso de 60 años entre la antisepsia y la terapia con medicinas. Esto nos indica que ciertos descubrimientos científicos no cambian inmediatamente la forma de proceder de la sociedad, ni mucho menos. Blank (2014), nos muestra varios ejemplos a lo largo de la historia de este hecho.

 
Caos
Otro concepto importante que los profesionales del marketing deben conocer es la relevancia de los procesos caóticos y su relación con la predicción en marketing. La teoría del caos estudia los fenómenos no lineales. Concretamente, el caos es un proceso dinámico no lineal donde eventos aparentemente aleatorios son en realidad predecibles a través de unas simples ecuaciones deterministas. De esta forma, un fenómeno que parece localmente impredecible puede además ser globalmente estable, exhibir límites claros y ser muy sensible a las condiciones iniciales. En este tipo de fenómenos, pequeñas diferencias en los estados iniciales producen grandes diferencias en los estados finales o a través del tiempo (lo que se conoce como Efecto Mariposa).
 
El siguiente es una muestra muy simple de cómo funciona el comportamiento caótico xt+1=rxt(1- xt),donde xt es un número entre 0 y 1 y representa la población en el año t como máximo porcentaje que soporta el hábitat, r es un número positivo y representa un ratio combinado entre la reproducción y la muerte, que puede estar entre 0 y 4.

Se puede articular una simple simulación en una página de Excel. Vemos como el sistema es muy sensible a las condiciones iniciales (valores de x), por lo que pequeños cambios en esos valores propiciarán resultados muy diferentes en el tiempo. El sistema tiene un comportamiento caótico sólo para ciertos niveles de r. A pesar de la imposibilidad de predecir con exactitud el estado futuro de esos sistemas, tienden a evolucionar dentro de una zona muy concreta del espacio de fases, situando una especie de pseudocentro de gravedad de los comportamientos posibles. El estado de un sistema dinámico es un sumario de todas sus propiedades en un momento del tiempo, y un proceso es una secuencia de estados cuya sucesión está gobernada por la ecuación dinámica. El espacio de fase es la colección de todos los estados que un sistema puede desarrollar. La teoría del caos (una de las aportaciones científicas más notables del siglo XX) nos ayuda a comprender cómo, por ejemplo, dos empresas que realizan la misma estrategia de marketing, invierten la misma suma de dinero y compiten con un producto casi idéntico, pueden llegar a obtener resultados totalmente dispares, ya que las condiciones iniciales nunca son idénticas.

Mundo pequeño e interconectado
En 1967, el psicólogo Stanley Milgram mandó cientos de cartas a gente en Nebraska pidiéndoles que le hicieran llegar un envío a un corredor de bolsa de Boston. La idea era que cada una de esas personas le mandara el envío al conocido que más posibilidades tuviera de acercarse al objetivo final. Milgram descubrió que los envíos que llegaban correctamente a su destino tenían una media de seis personas en la red, acuñando la clásica frase “seis grados de separación” (aunque parece ser que hay controversia sobre la originalidad de la misma). Aunque este experimento tuvo limitaciones y fue criticado en muchos sentidos (hubo envíos que nunca llegaron a su destinatario final), los científicos han aprendido recientemente que otras redes exhiben esta propiedad de “pequeño mundo”. Por ejemplo, en internet, que contiene más de tres billones de páginas, las webs están típicamente a 19 clics unas de otras.

Una red es una colección de nodos en un sistema y sus interconexiones. Esos nodos pueden ser empresas, departamentos, personas o roles, máquinas o nodos de conocimiento (conceptos destacados que sirven como hipervínculos) (Iacobucci, 1998).

Gladwell (2002) explica que los experimentos de Milgram inspiraron un juego, el cual consistía en unir a Kevin Bacon con otros actores. El programador informático Brett Tjaden creó una técnica para analizar todas las uniones entre actores. Kevin Bacon no fue el primero de la lista (hubo al menos 3 grados de separación) pero Rod Steiger (no sobrepasaba los 2 grados de separación).
 
El poeta británico John Donne, por su parte, escribió: “Ningún hombre es una isla, entero en sí mismo; todo hombre es un pedazo de algo, una parte de tierra firme. Si el mar se llevara un trozo, Europa perdería un Promontorio, como si se llevaran la casa de tus amigos o la tuya propia: la muerte de cualquier hombre me disminuye, porque soy parte de la Humanidad, y por eso nunca procures saber por quién doblan las campanas; doblan por ti”.

Por tanto, John Donne, en el siglo XVI ya hablaba de esa conexión entre todos, algo que también defendió el filósofo, matemático y político Gottfried Wilhelm von Leibniz en el siglo XVII.

¿Impredecibilidad?…Sobre todo incertidumbre
No se puede confiar en ninguna ley para hacer predicciones sobre sucesos futuros  ¿Qué ocurrirá si tomo una decisión específica? No se tiene ninguna certeza sobre lo que realmente ocurrirá. Taleb (2012) discute los sistemas complejos y sus interdependencias, y como hablar de causalidad en esos contextos (zoología, economía, etc.) es casi imposible. Sostiene que la predictibilidad de eventos específicos es muy difícil, es lo que llama causal opacity. No se puede aislar la causalidad en un sistema complejo, y pone el ejemplo de una investigación que demostró que es también la pérdida de densidad en los huesos lo que causa la vejez y no únicamente a la inversa como se creía anteriormente.

En marketing no se pueden hacer predicciones exactas sobre hechos futuros. No se pueden usar ecuaciones deterministas pero se puede reducir la incertidumbre mediante técnicas probabilísticas, es decir,  usando las matemáticas. Gracias a las aportaciones de grandes matemáticos como Fermat y Pascal, podemos emplear la estadística para intentar hacer predicciones en sucesos completamente aleatorios o donde no tenemos toda la información.

La aleatoriedad juega un importante papel en el marketing, pero es solo una parte de la historia. Se pueden hacer predicciones sobre sucesos aleatorios El marketing como ciencia se sitúa entre las leyes físicas y los sucesos aleatorios. Es necesario tener conocimientos matemáticos, especialmente estadísticos, para desarrollar nuestros conocimientos. La mala noticia es que cualquier persona puede tener éxito en los negocios  En marketing se predice usando la estadística; los modelos tienen una parte sistemática y parte aleatoria; las predicciones no serán exactas.

720px-Normal_Distribution_PDF.svg
Este es un ejemplo de una distribución de probabilidad. Puede ser generada por un modelo aleatorio, determinista o mixto. Hay que saber interpretarlo, ya que nos proporciona información  muy útil para hacer predicciones, siempre dentro de la incertidumbre inherente a los sucesos probabilísticos.

El factor suerte
Por si todo esto que hemos comentado no fuera suficiente, dentro de esos factores que no podemos controlar, no sabemos medir, o no tenemos suficiente información se encuentra la suerte. Y ésta también es importante en marketing. Desde el punto de vista científico podríamos decir que el único fenómeno completamente aleatorio en la naturaleza sería el que rige el momento de desintegración de un núcleo atómico, por lo que cualquier otro fenómeno estará dirigido por ciertas causas que determinen su comportamiento. No obstante, podemos relajar un poco esta afirmación, y (aunque sea inexacto) usar el lenguaje coloquial por el cual muchos de nosotros atribuimos a la “suerte” el que sucedan ciertos eventos que no tienen una causa fácilmente identificable.

Un ejemplo de cómo la suerte puede actuar en marketing lo cuenta Seize9 (2014):

“Si piensas en Andre Agassi, piensas en una melena, colores fluor y unos vaqueros. Pero los pantalones vaqueros para jugar el tenis no fueron diseñados para él. Peter Moore era el encargado de realizar algunos de los pósters más famosos de Nike. En uno de los más recordados, el de John McEnroe al más puro estilo Rebelde Sin Causa, Peter Moore quedó encantado con la imagen que proyectaba. Tanto que incluso se convirtió en el presidente del club de fans de McEnroe que Nike creó. También diseñó su colección completa, incluido un casi desconocido logo con las iniciales MC. En una ocasión, Moore preguntó a McEnroe “Si pudieras elegir una prenda para jugar, ¿cuál sería?” Y el rebelde dijo unos pantalones vaqueros. La línea se desarrolló en ese sentido, pero una vez producido, a McEnroe no le gustó demasiado. El siguiente en pasar por allí fue Andre Agassi, que quedó encantado y convertido para la eternidad en “el chico de los vaqueros”.

Conclusión
Vivimos en un mundo complejo, caracterizado por fenómenos no lineales, donde las causas son raramente proporcionales al efecto, donde existen retrasos temporales y donde todo está conectado con todo. La relación entre variables puede ser regida por curvas de hormesis o histéresis, lo que dificulta muchísimo la modelización para realizar predicciones.

Las aproximaciones lineales pueden ser una alternativa para ciertos casos, pero hay que reconocer abiertamente sus limitaciones para describir fenómenos no lineales, sobre todo a partir de los puntos en los que la respuesta a la dosis cambia. Esto nos lleva a tomar con mucha precaución los resultados de las investigaciones que no tienen en cuenta fenómenos como la hormesis, histéresis, retrasos temporales, efectos de acumulación, etc. Y esta es una de las grandes dificultades que se encuentran los profesionales e investigadores de marketing (y de otras disciplinas) para generar y acumular conocimiento.

Al final siempre vamos a tener la incertidumbre propia de manejar información incompleta, aunque ello no quiere decir que todo sea impredecible. No es así. Existe la posibilidad de predecir, pero siempre en el contexto de incertidumbre inherente a la probabilidad. Esa incertidumbre es característica esencial del mundo cuántico, pero también existe en el universo macroscópico cuando hablamos de fenómenos sociales. Metodologías como la dinámica de sistemas, los análisis fractales o la lógica borrosa, y herramientas que permiten el manejo de relaciones no lineales con las mínimas asunciones posibles sobre los datos, son algunas  alternativas interesantes para tratar de entender un poco mejor este mundo complejo. La heurística es también otra disciplina atractiva para no “perder la cabeza” ante esta locura de redes, nodos, y curvas imposibles que caracterizan a la naturaleza.

Todos los posts relacionados