Respuestas duplicadas

Una encuesta con sorteo que ofrece un certificado de regalo: 4.000 respuestas en tres días. Las analizas y notas algo — 47 respuestas desde una sola IP, todas con datos demográficos aleatorios distintos, pero con las mismas terminaciones de email.

Una persona intentaba aumentar sus probabilidades. O quería estropear las estadísticas. En cualquier caso, son 47 unidades de basura que sesgan todas las conclusiones. Las respuestas duplicadas son uno de los problemas de calidad de datos más frecuentes y, a la vez, más solucionables en las encuestas.

Definición

Las respuestas duplicadas son una situación en la que el mismo encuestado envía varios registros en una única encuesta, de forma intencionada o accidental. Puede ocurrir por fallos técnicos (reenvío del formulario), por motivación (sorteos, recompensas) o como parte de una manipulación de los resultados. Se detectan analizando metadatos técnicos (IP, cookie, huella del dispositivo), señales de contenido (respuestas idénticas o demasiado parecidas) y patrones temporales. Pertenecen a la clase más amplia de problemas de fraud detection.

De dónde vienen los duplicados

Duplicados accidentales. Fallos técnicos: una persona rellenó la encuesta, pulsó "enviar", la página se quedó colgada, recargó y volvió a enviar. O un autoguardado combinado con un envío manual. Estos duplicados son poco frecuentes y se eliminan automáticamente con una configuración mínima.

Duplicados motivados. Las encuestas con sorteos, regalos o descuentos son la fuente clásica. La gente las responde varias veces para aumentar sus probabilidades. Se da en campañas de marketing, concursos y promociones. Normalmente desde un único dispositivo o IP, pero con respuestas distintas para que "parezca real".

Fraude de panel. En investigaciones realizadas a través de paneles de encuestados — intentos de "participantes" profesionales de responder una misma encuesta muchas veces para obtener más recompensas. El caso más difícil: duplicados creados deliberadamente desde distintos dispositivos y VPN.

Distorsión malintencionada. Un esfuerzo deliberado por arruinar las estadísticas: un competidor, un cliente descontento, un grupo organizado. La escala es pequeña, pero puede afectar de forma significativa a muestras reducidas.

Métodos de detección

Deduplicación por dirección IP. El método más simple: una IP = una respuesta. La ventaja — es fácil de configurar. La desventaja — también bloquea a participantes legítimos de un mismo hogar o red corporativa que comparten IP.

Browser fingerprinting. Un conjunto de características del dispositivo: resolución de pantalla, fuentes instaladas, zona horaria, user agent. La combinación crea una huella única. Se puede eludir borrando las cookies y cambiando de navegador, pero detecta la mayoría de los intentos "simples".

Token único en el enlace. Cada encuestado recibe un enlace personal del tipo /survey?token=abc123. Un acceso repetido con el mismo enlace queda bloqueado. Funciona para campañas de email con una base de contactos conocida.

Cookies. Tras la primera respuesta, se escribe un marcador en el navegador. En un intento repetido, el sistema lo lee y no deja pasar de nuevo. Borrar las cookies elude la protección, pero la mayoría de la gente no lo hace.

Análisis del contenido. Secuencias de respuestas idénticas o casi idénticas desde una misma fuente son una señal de duplicado. Las coincidencias en los campos abiertos son especialmente sospechosas.

Patrón temporal. Varias respuestas desde una misma fuente en un intervalo corto (10-30 segundos entre intentos) son casi con seguridad duplicados.

Ejemplo: limpieza de datos en una encuesta de marketing

Una empresa lanzó una encuesta con sorteo de código promocional. Recibió 3.200 respuestas en 5 días. Antes del análisis, realizaron una comprobación:

• Repeticiones por IP: 340 duplicados de 78 IP únicas
• Misma huella de dispositivo, respuestas distintas: otros 65 casos
• Email coincidente con IP distintas (un intento de eludir el bloqueo): 22 casos
• Respuestas demasiado rápidas (< 45 seg): 180 casos

En total, 607 respuestas sospechosas — el 19% del conjunto de datos. Tras la limpieza quedaron 2.593 respuestas. El NPS de la muestra "en bruto" era 34, y el de la muestra limpia, 41. La diferencia de 7 puntos es consecuencia directa de que los manipuladores daban predominantemente valoraciones neutras o bajas para "camuflarse" entre los encuestados normales.

Cómo prevenir los duplicados de antemano

Es mejor prevenir que limpiar. Algunas prácticas:

No dar un incentivo explícito para duplicar. Si una encuesta ofrece un premio, la mecánica debería implicar una respuesta por persona, y no "cuantas más respuestas, más probabilidades". Un código promocional por participar en lugar de una lotería reduce la motivación de manipular el sistema.

Enlaces personales. Al enviar invitaciones, dale a cada uno su propio token. Un acceso repetido se bloquea automáticamente.

Protección combinada. IP + cookie + fingerprint — tres capas que juntas cubren más del 95% de las duplicaciones accidentales. El fraude profesional sigue pasando, pero su escala en las encuestas de negocio normalmente no es crítica.

Reglas explícitas al inicio de la encuesta. Un texto del tipo "Por favor, completa la encuesta solo una vez — las respuestas repetidas no se contabilizan" funciona con los encuestados concienzudos: no intentarán responder por segunda vez.

Cuándo los duplicados son normales

Hay escenarios en los que varias respuestas de una misma persona son aceptables:

• Estudios longitudinales. La misma persona responde la encuesta una vez por trimestre — no son duplicados, son puntos de medición a lo largo del tiempo. Se necesita un identificador único para vincularlos.
• Encuestas de pulso. Los empleados responden con regularidad encuestas cortas — cada oleada es independiente.
• Interacciones repetidas con un producto. Una encuesta después de cada pedido de un cliente recurrente es una métrica correcta, no un duplicado.

En estos casos es importante distinguir un "duplicado dentro de una oleada" (un problema) de "varias oleadas de una misma persona" (lo normal). Lo primero requiere bloqueo; lo segundo requiere un identificador correcto para el análisis.

Duplicados en SurveyNinja

En SurveyNinja, la limitación de respuestas repetidas se configura mediante los límites de participación: bloqueo por IP, cookie o dispositivo. Los ajustes están disponibles en los parámetros de la encuesta. Para los usuarios que se topan con un bloqueo de respuesta repetida, hay un artículo de ayuda que explica los motivos del bloqueo.

Los duplicados son un tipo de respuesta problemática que se filtra como parte del proceso general de fraud detection. Una combinación de medidas — técnicas (límites, tokens) y analíticas (revisión de patrones antes del análisis) — proporciona la protección más completa de la calidad de los datos.

Las respuestas duplicadas no son solo "filas de más". Son una distorsión sistemática de la muestra a favor de quienes más se esfuerzan por responder la encuesta varias veces. La protección frente a duplicados se construye antes del lanzamiento (límites, tokens), y la limpieza se hace antes del análisis (revisión de IP, fingerprint, patrones temporales). Una IP puede ser una familia, pero 47 respuestas desde una sola IP son casi con seguridad fraude.

Preguntas frecuentes

¿Siempre hay que bloquear los duplicados?

En la mayoría de los casos — sí. Las excepciones: encuestas anónimas con una audiencia amplia, donde importa maximizar el alcance y el riesgo de manipulación es bajo. Pero incluso ahí conviene mantener una protección básica (cookie + patrón temporal) para filtrar los duplicados técnicos evidentes.

¿No filtra el bloqueo por IP a participantes legítimos?

Sí, en redes corporativas y hogares es posible. Para esos casos se usa una protección combinada: IP + browser fingerprint. Si las huellas del dispositivo difieren, las respuestas pasan aun con una IP coincidente. Para encuestas excepcionalmente sensibles, puedes desactivar el bloqueo por IP y apoyarte en fingerprint y cookies.

¿Se pueden identificar los duplicados una vez recopilados los datos?

Sí, mediante un análisis posterior: revisión de IP, fingerprint (si se almacenó), señales de contenido (patrones de respuesta idénticos) y regularidades temporales. Exporta los datos junto con los metadatos técnicos y filtra los duplicados antes del análisis.

¿Qué hago si la encuesta es anónima pero necesito protección frente a duplicados?

Los métodos técnicos (cookie, fingerprint, IP) funcionan también en encuestas anónimas — no revelan la identidad, solo identifican un dispositivo repetido. Los tokens personales quedan descartados — rompen el anonimato. Este nivel de protección es suficiente para encuestas masivas sin manipulación dirigida.

¿Cómo sé si la protección es suficiente?

Tras recopilar los datos, analiza la distribución de respuestas por IP: si ninguna IP produce más de 2-3 respuestas, la protección funciona. Si ves concentración (decenas de respuestas desde una misma fuente) — la protección está dejando pasar cosas y hay que reforzarla. Mira también la coherencia con la demografía esperada: un sesgo fuerte puede ser señal de manipulación desde dispositivos concretos.