Representatividad

Imagina esta situación: antes de unas elecciones, un canal de televisión realiza una encuesta en línea en su sitio web — "¿Por quién vas a votar?". Participan 100.000 personas. El resultado: candidato A — 72%, candidato B — 28%.

En las elecciones reales gana el candidato B con un 54%. ¿Cómo pudo equivocarse tanto una encuesta con cien mil votos? Es elemental: la audiencia del canal no es un reflejo de la sociedad. Es un grupo concreto por edad, condición social y orientación política. 100.000 respuestas de una audiencia no representativa son peores que 1.000 respuestas de una representativa. El tamaño de la muestra no te salva si la muestra está sesgada. De eso trata precisamente este artículo: de la representatividad.

Qué es la representatividad

Representatividad es la propiedad de una muestra de reflejar las características clave de la población sobre la que se extraen conclusiones. Si la estructura de la muestra coincide con la estructura de la población en parámetros importantes (sexo, edad, región, comportamiento), la muestra es representativa y los resultados se pueden generalizar. Si no, las conclusiones solo son válidas para quienes fueron encuestados, no para todo el grupo objetivo.

La representatividad no es una propiedad binaria ("sí" o "no"). Es un grado: una muestra puede ser más o menos representativa en distintos parámetros al mismo tiempo. Puede reflejar perfectamente la estructura por edad pero estar sesgada por geografía. Puede estar equilibrada por demografía pero omitir sistemáticamente a personas con una experiencia determinada (por ejemplo, antiguos clientes).

Por qué la representatividad es crítica

Sin representatividad, la investigación responde a una pregunta equivocada. En lugar de "¿Qué piensan nuestros clientes?" obtienes "¿Qué piensan aquellos de nuestros clientes a los que no les importa rellenar formularios?". Y esos son grupos fundamentalmente distintos.

Los datos sesgados llevan a decisiones erróneas. Si en una encuesta de satisfacción están sobrerrepresentados los clientes leales, la puntuación media será exagerada. La dirección decidirá que todo va bien y no invertirá en mejoras. Mientras tanto, la "mayoría silenciosa" — los que no respondieron — se marcha a la competencia.

Los datos no representativos no escalan. Probaste una nueva función con 50 beta testers — entusiastas que pidieron participar ellos mismos. A todos les encanta. Lanzas la función a toda tu audiencia y descubres que a los usuarios normales les resulta confusa. La opinión de los entusiastas no representaba la opinión de la mayoría.

Sin representatividad, todos los cálculos posteriores carecen de sentido. El intervalo de confianza, la significación estadística, el tamaño de la muestra — todas estas herramientas presuponen que la muestra es aleatoria y representativa. Si no lo es, las fórmulas dan números correctos, pero su interpretación es errónea.

De qué depende la representatividad

El método de muestreo

Los métodos probabilísticos (muestreo aleatorio simple, estratificado, por conglomerados) garantizan la representatividad por diseño: cada elemento de la población tiene una probabilidad conocida de entrar en la muestra. Los métodos no probabilísticos (muestreo por conveniencia, bola de nieve) no lo garantizan, pero pueden acercarse a la representatividad con un control adecuado. Más sobre los métodos en el artículo "Muestra".

El canal de distribución

El canal determina a quién puedes alcanzar físicamente. Una campaña de email llega solo a quienes dejaron una dirección. Una encuesta en el sitio web — solo a los visitantes del sitio. Un formulario emergente en una aplicación — solo a los usuarios activos. Cada canal aplica su propio "filtro", y si ese filtro corta sistemáticamente determinados grupos, la muestra queda sesgada.

Ejemplo. Una empresa realiza una encuesta de satisfacción por email. Pero el 35% de los clientes hicieron el pedido por teléfono y no dejaron email. Ese 35% es, muy probablemente, otro grupo demográfico (de más edad, menos orientado a lo digital). Su opinión no aparece en los datos, y la satisfacción media puede estar sistemáticamente exagerada o subestimada.

La autoselección de los encuestados

Aunque envíes la invitación a un grupo perfectamente equilibrado, no responderán todos. Y quienes respondan no son un subgrupo aleatorio. Tienden a responder: los muy satisfechos (quieren elogiar), los muy insatisfechos (quieren quejarse), las personas con mayor nivel de estudios, las personas con más tiempo libre. Tienden a no responder: los "del montón", los ocupados, los indiferentes. Esto es el sesgo de autoselección, una de las amenazas más insidiosas para la representatividad.

El tamaño de la muestra

Una muestra grande no garantiza la representatividad — el ejemplo del canal de televisión lo demuestra. Pero una muestra pequeña desde luego no puede ser representativa: con 30 respuestas las fluctuaciones aleatorias son demasiado grandes para reflejar la realidad. El tamaño es una condición necesaria, pero no suficiente.

Cómo comprobar la representatividad

Es imposible demostrar la representatividad por completo — para ello habría que conocerlo todo sobre la población, y entonces la investigación no haría falta. Pero se puede comprobar respecto a parámetros clave.

Compara la estructura de la muestra con datos conocidos sobre la población. Si en la base de clientes hay un 55% de mujeres y un 45% de hombres, pero en las respuestas hay un 70% y un 30%, la muestra está sesgada por sexo. Si el 40% de los empleados trabaja en oficinas regionales y entre quienes respondieron solo son el 15%, las regiones están infrarrepresentadas.

Analiza el perfil de los no respondientes. Si tienes datos de aquellos a los que enviaste la invitación, compara a quienes respondieron y a quienes no. ¿Difieren por edad, antigüedad, actividad, ticket medio? Si es así, las respuestas no representan a todo el grupo.

Realiza una prueba de sensibilidad. Elimina de los datos el 10% de los encuestados más activos (los que respondieron primero) — ¿cambiaron los resultados? Si es así, los datos son sensibles a la composición de la muestra, lo que significa que la representatividad está en duda.

Cómo aumentar la representatividad

Usa muestreo estratificado. Divide la población en subgrupos y controla que cada grupo esté representado de forma proporcional. Si el 30% de los clientes son de la capital, asegúrate de que también supongan alrededor del 30% de la muestra.

Combina canales. Email para la audiencia digital, un código QR para los puntos offline, Telegram para los más jóvenes, llamadas telefónicas para quienes no usan internet de forma activa. Un canal = un filtro. Varios canales = una cobertura más completa.

Lucha contra la falta de respuesta. Los recordatorios aumentan la tasa de respuesta en un 15–25%. Los cuestionarios cortos se rellenan con más gusto. Las invitaciones personalizadas funcionan mejor que las impersonales. Cuantas más personas de la muestra inicial respondan realmente, menor será el error de no respuesta.

Usa la ponderación estadística. Si en las respuestas están sobrerrepresentadas las mujeres jóvenes e infrarrepresentados los hombres mayores, puedes asignar pesos a las respuestas para compensar el desequilibrio. La respuesta de un hombre mayor "pesa" más, la de una mujer joven — menos. No es una solución perfecta (supone que las personas sobrerrepresentadas e infrarrepresentadas dentro de un grupo son iguales), pero es mejor que nada. Más detalles en el artículo Weighted Survey.

Añade cribado y cuotas. Las preguntas de cribado descartan a los encuestados irrelevantes, mientras que las cuotas limitan el número de respuestas de cada subgrupo: "Nos basta con 100 respuestas de hombres de 18–30 — no aceptamos más, esperamos otros segmentos".

Representatividad y encuestas en línea

Las encuestas en línea, por definición, abarcan solo a personas con acceso a internet — y eso no es el 100% de la población. Para la investigación de marketing de consumo esto no suele ser crítico (el público objetivo ya está en línea de todos modos). Para la investigación sociológica es una limitación importante.

Otra particularidad de las encuestas en línea es que la autoselección es más pronunciada que en las entrevistas telefónicas o presenciales. Cuando un entrevistador llama por teléfono, a la persona le resulta más difícil negarse. Cuando llega un email con un enlace, es más fácil ignorarlo. Por eso la tasa de respuesta de las encuestas en línea es más baja, y el error de no respuesta es potencialmente mayor.

Esto no significa que las encuestas en línea no puedan ser representativas. Pueden serlo — siempre que controles la muestra, combines canales y analices el perfil de los no respondientes. El creador SurveyNinja ayuda en ello: filtrado de respuestas por parámetros, variables ocultas para transmitir información sobre el segmento, analítica integrada para comparar subgrupos.

Errores típicos

"Tenemos muchas respuestas, así que es representativo". No. 10.000 respuestas de tus seguidores de Instagram son la opinión de los seguidores de Instagram, no la "opinión de los clientes". El volumen no compensa el sesgo.

Ignorar a los no respondientes. Si respondió el 20% de los invitados, ¿quiénes son el otro 80%? Si no te haces esta pregunta, no sabes hasta qué punto tus datos representan al conjunto.

Representatividad en un solo parámetro. Una muestra puede estar perfectamente equilibrada por sexo — y a la vez radicalmente sesgada por edad, geografía o comportamiento. Comprueba varios parámetros a la vez.

Extrapolación más allá de la población. Encuestaste a clientes — y sacas conclusiones sobre "el mercado en general". Pero tus clientes ya son un grupo filtrado (los que te eligieron precisamente a ti). Su opinión no equivale a la opinión de "todos los consumidores".

La representatividad no es una formalidad ni un requisito académico. Es la respuesta a la pregunta "¿Se puede confiar en estos datos?". Si la muestra es representativa, las conclusiones son válidas para toda la audiencia. Si no, corres el riesgo de tomar una decisión basada en la opinión de una minoría creyendo que es la opinión de la mayoría. Comprueba la representatividad antes de empezar a sacar conclusiones, no después.