¿Sesgar o no sesgar? ¡Ésta es la cuestión!
Todos mis clientes, cuando abordan un estudio de medición y mejora de la satisfacción de sus clientes, llegan al punto de tener que definir las cuotas. Simplificándolo mucho, una cuota es un tamaño de muestra o submuestra al que quiero llegar, con el objetivo de garantizar que la muestra final sea “representativa” del total de mi universo de clientes.
Es decir, si para mi negocio la edad de los clientes, su sexo y la población en la que viven son variables significativas, me será conveniente determinar una cuota por cada una de estas variables (y combinación entre ellas), con el objetivo de asegurar que, en la muestra final, tendré representantes de cada una en la misma proporción que constan en el universo. Cierto es que, si la aleatoriedad está a nuestro favor, la muestra final debería ser un reflejo del universo de clientes sin necesidad de utilizar las cuotas. Sin embargo, no es conveniente confiar en la suerte en estos temas (por el coste y tiempo que supone hacer estos estudios), además de que, en algunos casos (¡no en todos!) puede que me resulte mucho más interesante sesgar la muestra final en beneficio de los intereses de mi negocio. Y, justamente, esa es la cuestión. Voy a explicarlo con un poco más de detalle.
Imaginemos que tenemos 1.000 clientes activos. Esto equivaldría a nuestro universo de clientes. De estos 1.000 clientes, imaginemos que tenemos 50 clientes A, 150 clientes B y el resto (800) clientes C.
El tamaño de muestra que debería conseguir para un error muestral del +/- 5% y un intervalo de confianza del 95% (los típicos en este tipo de estudios) es de 278 clientes. Si la aleatoriedad funciona (es decir, si no determino cuotas) seguramente obtendré la siguiente distribución de clientes dentro de la muestra:
- – Clientes A –> 20 clientes (dado que los clientes A representan un 5% del total de clientes (50 clientes A sobre 1.000 clientes activos en total), con lo que, es de suponer, que obtendremos (si tenemos suerte) un 5% de la muestra final).
- – Clientes B –> 42 clientes.
- – Clientes C –> 216 clientes.
Como Director General, Director Comercial y/o Director de Marketing: ¿es esto lo que necesito? ¿Esto es lo que me interesa? En mi opinión, no. Lo que me interesa más que nada es conocer la satisfacción de mis clientes más importantes. Si sólo tengo la satisfacción de 20 de los 50 clientes A, tengo un error muestral en este segmento del +/- 17,15%. Asimismo, en los clientes B (los segundos más importantes en facturación), obtendré un error muestral del 12,87%. Es demasiado elevado.
Pero, independientemente de los errores muestrales, por sentido común, me interesa más saber lo que opinan mis clientes más importantes que los menos importantes, dado que el futuro de mi negocio seguramente dependerá más de ellos. Eso no quita que pueda intensificar mi relación comercial con los clientes C y que, a lo mejor, si los tratara mejor (es decir, si mejorara los procesos para incrementar su satisfacción), podrían convertirse en clientes B o A. Naturalmente he de tener también esto en cuenta.
Pero, si he de elegir, me interesa (sin dejar de lado los clientes C, obviamente), sesgar el tamaño de muestra hacia los clientes A y B para tener más clientes encuestados de los que “aleatoriamente” les tocaría, dado que su opinión me es mucho más interesante.
Por ello, mi recomendación –en este variable en concreto: tipología de clientes A, B, C- es sesgar la muestra hacia los clientes A y B. Siguiendo el ejemplo, el planteamiento de cuotas podría quedar de esta forma:
- – Clientes A –> 50 de los 50 (al menos intentarlo, dado que alguno pueda que no quiera participar en el estudio). (+/- 0% de error muestral si se consigue).
- – Clientes B –> 108 clientes de los 150 (+/- 5,01% de error muestral).
- – Clientes C –> 120 clientes de 800 (= +/- 8,25% de error muestral).
Es cierto que en el caso de los clientes C el error muestral es algo superior al estándar. Pero eso no invalida por completo los resultados. Simplemente, se ha de tener en cuenta para el análisis. En caso de que aparezcan atributos o procesos mal valorados, es casi seguro que la organización tenga allí una oportunidad de mejora. Es decir, siguiendo con el mismo ejemplo, si 120 clientes no están satisfechos con un atributo, aunque “por mala suerte” hayamos seleccionado por azar justo a los únicos 120 clientes de 800 que están insatisfechos con ese atributo (cosa bastante improbable), ya son muchos –demasiados- clientes (sobre un total de 800) como para que la organización no se plantee el tomar acciones correctivas o de mejora.
Por ello, en todos los estudios de satisfacción de clientes que he desarrollado, siempre he propuesto el sesgo (un sesgo razonable, se entiende) en cuanto a la tipología de clientes A,B,C.
