Imagina que estás comparando dos productos en una tienda online. Uno tiene 4,8 estrellas y el otro, 4,2. Tu primera tentación sería pensar que el primero es mejor. Si además acumula cientos de opiniones, la conclusión parece todavía más convincente.
Sin embargo, antes de decidir, me haría otra pregunta. ¿Quiénes han puesto esas estrellas?
La respuesta importa porque las valoraciones online no proceden de personas elegidas al azar. Primero, alguien decide comprar. Después decide si publica una opinión. Y, durante ese proceso, puede haber visto lo que opinaban los demás.
Las estrellas resumen las valoraciones registradas, pero no garantizan que estas representen a todos los compradores ni que anticipen tu propia experiencia. Para explicar por qué, empezaremos con el ejemplo de un videojuego imaginario.
Un videojuego puede perder estrellas sin haber empeorado
Supongamos que sale al mercado un videojuego de estrategia especialmente complejo. Sus primeros compradores son, en buena parte, aficionados al género que llevaban tiempo esperando algo así. Les entusiasman las partidas largas, la dificultad y la cantidad de decisiones que deben tomar. En este ejemplo hipotético, las primeras opiniones le dan una media de 4,9 estrellas.
Ahora imaginemos que yo busco un juego para desconectar media hora por la noche. Veo la puntuación, leo algunos elogios y lo compro. Pero descubro que exige mucho más tiempo del que quiero dedicarle. A mí no me convence y le doy tres estrellas.
Si llegan más compradores con unas preferencias parecidas a las mías, la media puede descender aunque el videojuego siga siendo exactamente el mismo. Lo que ha cambiado es la composición de sus compradores.
Este es el mecanismo que me interesa destacar. Una valoración puede describir sinceramente una experiencia y, aun así, ser poco informativa para otra persona con necesidades diferentes.
Los primeros compradores no representan necesariamente a los siguientes
Xinxin Li y Lorin Hitt estudiaron la autoselección en las reseñas online, en un trabajo publicado en Information Systems Research en 2008. Desarrollaron un modelo y contrastaron sus predicciones con reseñas de libros en Amazon. Su análisis muestra cómo las diferencias de preferencias entre compradores tempranos y posteriores pueden influir en la evolución de las puntuaciones. También advierte de que los lectores de las primeras reseñas pueden no corregir adecuadamente esas diferencias al decidir qué comprar.
Yo trasladaría la idea a una pregunta sencilla. ¿Hasta qué punto se parecen a mí las personas que están recomendando este producto?
En nuestro videojuego imaginario, quienes celebran su dificultad no están necesariamente exagerando. La dificultad es precisamente lo que buscaban. Mi error consistiría en interpretar su entusiasmo como una recomendación válida para cualquier jugador.
Esto tampoco significa que todas las puntuaciones deban caer con el tiempo. La dirección del cambio depende de quién llegue después, de sus expectativas y de su experiencia. La autoselección identifica un mecanismo posible, no una trayectoria inevitable.
Comprar y opinar son dos decisiones distintas
El siguiente filtro aparece después de la compra. No todas las personas que adquieren un producto dejan una reseña.
Pensemos en dos compradores hipotéticos que están igual de satisfechos. Uno recibe la petición de valoración cuando tiene tiempo y responde. El otro la ignora. También podemos imaginar a alguien que escribe para explicar un problema o para ayudar a otros usuarios a configurar el producto.
No asumiría que siempre opinan los más enfadados, ni que siempre lo hacen los más entusiasmados. Esa dirección necesita evidencia en cada contexto. Lo que sí sabemos por el funcionamiento del sistema es que la media visible se construye con las respuestas disponibles.
Por eso distinguiría entre la satisfacción de quienes publican y la satisfacción del conjunto de clientes. Pueden coincidir, pero la coincidencia no viene garantizada por el contador de opiniones.
Tener muchas reseñas no elimina por sí solo los filtros que determinan quién participa. Una muestra grande de un grupo seleccionado puede seguir dejando fuera experiencias relevantes.
Lo que vemos también puede influir en lo que opinamos
Hasta aquí he hablado de personas distintas que llegan al mismo producto. Hay otro mecanismo que conviene separar. La valoración anterior puede influir en la respuesta posterior.
Lev Muchnik, Sinan Aral y Sean J. Taylor lo investigaron en un experimento publicado en Science en 2013. Asignaron aleatoriamente 101.281 comentarios de una web de noticias a tres condiciones, añadiendo un voto positivo, uno negativo o ninguno.
El voto positivo inicial aumentó un 32 % la probabilidad de recibir un voto positivo del siguiente usuario y elevó un 25 % la puntuación final media respecto al control. Los votos negativos provocaron respuestas correctoras y no generaron el mismo efecto acumulativo.
La asignación aleatoria permite atribuir las diferencias a la señal introducida dentro de aquel entorno. Pero me parece esencial respetar su alcance. Se evaluaban comentarios, no productos, y la puntuación era un saldo de votos, no una media de estrellas. No podemos trasladar esos porcentajes a una tienda electrónica.
Lo que me llevo del experimento es la evidencia de un mecanismo. Las evaluaciones previas pueden intervenir en la formación de las siguientes. Varias opiniones coincidentes no tienen por qué ser juicios completamente independientes.
Las valoraciones forman parte del proceso que describen
Las valoraciones son endógenas al mercado porque se generan dentro de un proceso de decisiones que también puede contribuir a modificar. Una reseña favorable puede animarme a comprar. Si compro, tendré una experiencia que quizá publique. Mi opinión pasará entonces a formar parte de lo que verán otras personas. Mientras tanto, el grupo de compradores puede ir cambiando.
Para mí, la consecuencia práctica es clara. La media no funciona como un termómetro independiente de la calidad. Resume experiencias y evaluaciones producidas bajo unas condiciones concretas.
Esto no implica que las estrellas sean inútiles ni que estén siempre alejadas de la experiencia de los clientes. Implica que debo interpretarlas teniendo en cuenta cómo se han generado y qué quiero averiguar con ellas.
No hace falta que haya reseñas falsas
También separaría este problema del fraude. En el ejemplo del videojuego, todas las opiniones podrían ser auténticas. Los aficionados disfrutarían de verdad y los jugadores ocasionales podrían sentirse sinceramente decepcionados. El problema de representatividad seguiría existiendo.
Por eso, una compra verificada no resuelve todas las dudas. Ayuda a acreditar una transacción, pero no convierte a ese comprador en representante del resto ni garantiza que su evaluación sea independiente de las anteriores.
La autenticidad y la representatividad responden a preguntas distintas. Confundirlas lleva a exigir a los sistemas de verificación algo que, por sí solos, no pueden ofrecer.
Cómo leería las reseñas antes de comprar
Yo usaría la puntuación como una primera señal y después buscaría información sobre el encaje del producto con mis necesidades.
Me fijaría en qué se elogia y qué se critica. En nuestro videojuego, una queja sobre partidas demasiado largas podría ser mucho más útil para mi decisión que una diferencia de unas décimas en la media. Para otro jugador, esa misma duración sería una ventaja.
También miraría la distribución de las puntuaciones. Una media puede ocultar experiencias muy diferentes. Leer las razones de esa discrepancia ayuda a plantear mejores preguntas, aunque no elimine los sesgos del sistema.
Y examinaría los cambios en el tiempo con prudencia. Si las opiniones empeoran, buscaría indicios de problemas concretos, cambios del producto o diferencias en los usos descritos. No daría por hecho que la caída se debe a compradores nuevos, pero tampoco asumiría automáticamente una pérdida de calidad.
Qué haría una empresa con esta información
Si gestionara una tienda online, evitaría convertir la media de estrellas en el único indicador de experiencia del cliente.
La compararía con devoluciones, incidencias y consultas de soporte. Buscaría qué problemas se repiten y entre qué tipos de compradores. Si dispusiera de datos adecuados, analizaría también si la evolución coincide con cambios en la captación de clientes, en el producto o en la forma de solicitar las reseñas.
Al pedir opiniones, utilizaría criterios consistentes y daría a los compradores un tiempo razonable para probar el producto. Una invitación amplia puede reducir algunos filtros de captación de respuestas, pero no garantiza que quienes contesten sean representativos.
Sobre todo, procuraría describir con claridad para quién es adecuado el producto. En el videojuego imaginario, explicar la duración y la dificultad ayudaría al comprador a valorar su encaje antes de dejarse llevar por la puntuación.
La pregunta que me interesa como consumidor y como responsable de marketing va más allá de cuántas estrellas tiene un producto. Quiero saber qué experiencias hay detrás de esas estrellas y cuánto se parecen sus protagonistas a las personas que van a comprar después.
Deja una respuesta