0:00

Así que, hasta ahora hemos hablado de la recopilación de datos exploratorios. Hemos hablado
de la recopilación de datos descriptivos. A continuación, queremos pasar a la recopilación de
datos causales. Como puede observar, este tipo de recopilación de datos es más estricto.
Dejame darte un ejemplo. Muchas veces, cuando piensa en nuestros sitios web, nuestras
empresas, piensa en las páginas de destino. Piense en la página de destino A, ¿es mejor que la
página de destino B? ¿Cómo podemos determinar eso? Ahí es donde podrías querer hacer un
experimento de campo. Algunos grupos de clientes ven la página de destino A. Otro grupo de
clientes ve la página de destino B. Miramos las tasas de clics y luego decidimos qué página de
destino es mejor. En otras palabras, estamos tratando de establecer un vínculo causal entre el
cambio de la página de destino y la tasa de clics. De eso se trata la causalidad y de eso se
tratan los experimentos de campo. Así que hay muchas compañías que te permiten hacer este
tipo de pruebas A B.

0:50

Por ejemplo, comenzamos a pensar en la prueba A B que necesita para comenzar a distinguir
entre correlación y causalidad. La correlación es la relación entre dos variables. Así que
tomemos el precio y las ventas.

1:02

¿Están las ventas y los precios correlacionados, probablemente así? Si los precios bajan, las
ventas también podrían caer.

1:09

La causalidad es una variable que produce un efecto en la otra. Correlación y causalidad no son
lo mismo. Tomemos algunos ejemplos concretos para tratar de entender la diferencia entre
correlación y causalidad.

1:23

Para nosotros, la correlación y la causalidad, hay tres requisitos si empiezas a pensar en la

inferencia causal.

1:29

En primer lugar, ¿existe alguna correlación? Básicamente, eso es evidencia de asociación entre
X e Y. Digamos que X es precio, Y es ventas, ¿existe una relación entre ellos? Pero eso no es
suficiente para la causalidad. Hay otros dos requisitos también. Uno es el antecedente
temporal, X debe ocurrir antes de Y. Entonces, si quiere decir que los cambios en los precios
impulsan las ventas, debemos poder decir que los cambios en los precios son buenos antes de
que sucedan los cambios en las ventas.

1:58

Y, finalmente, no hay un tercer factor que conduzca a ambos. En otras palabras, debe controlar
otros posibles factores. Así que tomemos un ejemplo para tratar de entender la relación entre
los dos y cuál es la diferencia entre los dos.

2:11
Así que hay una historia popular que las cigüeñas, por ejemplo, traen bebés. Por lo general,
comenzó en los países más fríos donde solían ver, por ejemplo, un montón de cigüeñas
atravesando y aterrizando repentinamente en una casa, y unos meses más tarde verá a un
bebé en la casa. Bueno, ¿realmente las cigüeñas están trayendo bebés? Bueno, tratemos de
entender cada uno de los diferentes elementos y veamos si hay alguna causalidad, ¿de
acuerdo? Si empiezas a pensar en la correlación, bueno, podría haber algún tipo de
correlación. Ves casas en las que están sentadas las cigüeñas. Ves bebés en esa casa. ¿Están
relacionados? Están relacionados. ¿Pero es causalidad? Esa es la pregunta clave. Por un lado,
hay correlación. Cigüeñas y bebés en la misma casa. ¿Hay antecedente temporal? Eso es
verdad también. Las cigüeñas entran, los bebés vienen un poco más tarde.

2:57

Pero ¿hay un tercer factor que conduzca a ambos?

3:02

Y ahí es donde, por ejemplo, la causación y la correlación se presentan de manera diferente.

3:07

¿Cuál es la pregunta clave? Por lo general, empezamos a pensar por qué nuestras cigüeñas
están sentadas en una casa en particular. Por lo general, la respuesta podría ser, y esto es en
países más fríos, por lo general, la respuesta podría ser porque esas casas son más cálidas.

3:19

Entonces empiezas a pensar por qué esas casas son más cálidas. Por lo general, esas casas
pueden ser más cálidas porque tienen mujeres embarazadas.

3:26

en otras palabras, hay un tercer factor. Las casas están razonablemente cálidas, lo que significa
que la cigüeña está llegando y se sienta en la parte superior de la casa y ve a un bebé que
viene unos meses más tarde en esa casa. Se trata de la correlación, pero definitivamente no se
trata de la causalidad. Entonces esa es la diferencia clave cuando empiezas a pensar en la
correlación versus la causación.

3:45

Ahora, cuando empiezas a pensar en la historia general, también empiezas a pensar en muchas
otras compañías que pueden ayudarte a distinguir entre las dos.

3:54

La idea clave para distinguir entre estos dos es comenzar a hacer experimentos de campo. En
otras palabras, empiezas a manipular sistemáticamente los precios. Usted comienza a
manipular sistemáticamente las páginas de destino para ver cómo pueden tener un impacto
causal. Así que hay muchas compañías que lo ayudarán a realizar estas pruebas AB. Entonces,
un ejemplo simple podría ser, si empiezas a pensar en dos páginas, página de destino A versus
página de destino B, ¿cómo distingues qué página es mejor? Bueno, esto es lo que,
idealmente, te gustaría hacer. Un grupo de clientes que ingresará a su sitio web verá la página
de destino A. Otro grupo de clientes, elegidos al azar, verá otra página de destino, la página de
destino B. Luego, con el tiempo, verá la tasa de clics. Ves las compras. Eso puede ayudarte a
determinar qué página de destino es mejor. Esto es precisamente lo que muchas empresas te
ayudan a hacer. Por ejemplo, Optimizely es una compañía que lo ayudará en estas pruebas AB,
lo ayudará a comprender qué página de destino es mejor, es decir, monetizar las páginas de
destino generales y determinar qué página debe mostrar a sus clientes.

4:57

Hay muchas, muchas otras compañías que hacen lo mismo. En general, cuando observa, en
este espacio en particular, muchas empresas están empezando a ayudar a otras compañías en
términos de diseño de páginas de destino, en términos de optimización general de la página
web, etc. Así que hay muchas compañías que te ayudan a realizar pruebas móviles de AB.
¿Cuál es la idea aquí? Básicamente, en un sitio móvil, también desea responder qué páginas de
destino son mejores, qué icono debe mostrarse, etc. Así que una empresa como Optimizely te
ayudará a hacerlo. Y también tiene muchas de las compañías que podrían hacer lo mismo. Por
ejemplo, Leanplum es otra compañía que hace lo mismo, y también hay muchos, muchos otros
competidores.

5:36

Entonces, cuando empiezas a pensar en el plan de precios de estas diferentes compañías, los
planes iniciales generalmente son gratuitos. Así que puedes hacer muchas pruebas A B por tu
cuenta. Pero si empiezas a pensar en tus landing pages generales, empiezas a pensar en el
embudo general de compra, es cuando empiezas a pagar el dinero que es el paquete
empresarial. ¿Cuáles son los tipos de preguntas que pueden ayudar, que se pueden responder
utilizando este tipo de datos? El primero es la optimización de sitios web. ¿Qué tipo de sitios
web? Qué páginas de aterrizaje, qué iconos deben mostrarse, etc. ¿Cómo deberían
optimizarse? En segundo lugar, puedes empezar a pensar en el diseño de aplicaciones móviles.

6:11

Muchas compañías están saliendo con aplicaciones móviles. ¿Cómo deberían ser mejor
diseñados? Y por supuesto, puedes llevarlo al extremo. Puede comenzar a pensar en cómo
debe diseñar la aplicación en general, pero también puede comenzar a pensar qué versión de
la aplicación debe mostrarse a diferentes clientes. El caso extremo sería uno a uno de
marketing. En términos generales, todas estas empresas lo ayudan a recopilar datos mediante
experimentos de campo. En otras palabras, estás manipulando sistemáticamente las páginas
de destino. Es posible que esté manipulando páginas de pago, etc., para tratar de comprender
cómo estos cambios sistemáticos causan cambios en el comportamiento del cliente. Entonces,
¿qué hemos hecho hasta ahora en este módulo? Hemos examinado tres tipos diferentes de
recopilación de datos, que van de la mano con diferentes tipos de decisiones de marketing.
Primero, comenzamos con la recopilación de datos exploratorios, donde hablamos sobre
grupos focales, hablamos sobre comunidades de Internet. Luego entramos en el tipo
descriptivo de selección de datos. Hablamos de encuestas, hablamos de datos de puntos de
venta, hablamos de datos relacionados con la planificación de medios, etc. Y luego terminamos
hablando de causalidad. En otras palabras, hablamos sobre experimentos de campo y otras
compañías que lo ayudan con experimentos de campo. Entonces, cuando empiezas a pensar
en el resumen general de este módulo, se trata de datos. Pero, lo que es más importante, es
una sinergia entre el tipo de preguntas que necesita responder y el tipo de datos que mejor se
adapten para responderla. Es muy, muy importante pensar en la sinergia a medida que
empiezas a pensar en el tipo de datos que te gustaría obtener. Si la pregunta que le gustaría
responder es más exploratoria, si hace grupos de enfoque, puede hacer comunidades de
Internet. Si el tipo de pregunta que desea responder es más descriptivo, en otras palabras,
desea obtener números concretos en términos de participación de billetera, en términos de
participación de voz, entonces el tipo de datos que debe recopilar es muy diferente de El tipo
exploratorio de datos. Y, por último, si la pregunta que necesita responder es de naturaleza
más causal. Por ejemplo, si cambié mi página de destino, ¿qué pasaría? Entonces, el tipo de
datos que necesita recopilar sería más a lo largo de las líneas de experimentos de campo. Por
lo tanto, es muy importante mantener en mente el objetivo administrativo y el tipo de
recopilación de datos porque son altamente sinérgicos.