Generar datos sobre lo que los clientes realmente quieren

En un nivel fundamental, las decisiones que toman los gerentes sobre los ingresos y los beneficios se dividen en dos categorías: las relacionadas con el crecimiento y las relacionadas con la reducción de costes. Ambos tipos tienen como objetivo aumentar los márgenes. Pero la forma en que se utilizan los datos en cada proceso de toma de decisiones es completamente diferente.

Los datos de reducción de costes son precisos. Las empresas conocen muy bien su estructura de costes y pueden calcular con un nivel de certeza razonable los ahorros que generará cada alternativa que se esté considerando. Los directivos utilizan los datos relacionados con los costes como información objetiva para la toma de decisiones, ya que los consideran fiables y razonablemente predecibles.

Los directivos no tratan los datos relacionados con el crecimiento de la misma manera y por una buena razón. Las alternativas de crecimiento suelen implicar lanzar nuevos productos o entrar en nuevos mercados, y son actividades en las que la incertidumbre es alta. En este caso, los datos se utilizan principalmente como una herramienta de persuasión entre los directivos. Un ejemplo estereotipado sería más o menos así: los directivos recopilan los datos que refuerzan su propio punto de vista sobre lo que creen que es la decisión empresarial correcta. Durante una reunión, todos explican sus distintos motivos y presentan sus distintos puntos de datos. Por lo general, acaban llegando a un consenso que todos consideran que tiene sentido. Luego salen de la habitación pensando que su propia alternativa era la mejor, pero que en la vida hay que hacer concesiones.

La mayoría de las decisiones de gestión relacionadas con el crecimiento se toman de esta manera porque los gerentes no tienen datos que predigan de forma fiable cómo reaccionarán los nuevos clientes ante sus ofertas o cómo reaccionará cualquier cliente nuevo o antiguo ante las ofertas innovadoras. ¡Si tan solo Coca Cola hubiera sabido como era de esperar que sus clientes no preferirían New Coke! Pero sus ejecutivos carecían de una forma de generar información predecible sobre esa puntuación o de decirles que los datos que habían generado a partir de sus pruebas de sabor, en última instancia, no serían relevantes.

Los profesionales de la innovación disruptiva tienen una herramienta de este tipo para predecir de forma fiable el comportamiento de los clientes. Es una metodología que descubre lo que en el lenguaje de la innovación disruptiva se denomina el «trabajo por hacer» de una persona. En resumen, la idea es la siguiente: los consumidores no van a la tienda a comprar productos. Van a la tienda a comprar algo que les permita hacer un trabajo importante en sus vidas. El ejemplo clásico, atribuido al profesor de HBS Ted Levitt, es que la gente no quiere comprar una broca de un cuarto de pulgada; quiere algo que haga un agujero de un cuarto de pulgada. Hacer un agujero de un cuarto de pulgada es el trabajo que hay que hacer. El producto que hace ese trabajo de forma más fiable, fácil, cómoda y económica es la herramienta que es más probable que compren para ese trabajo.

Determine las tareas pendientes de sus clientes, según han descubierto los profesionales de la innovación disruptiva, y generará datos que predicen de forma más fiable lo que comprará un cliente y por qué. ¿Cómo lo hace? Tradicionalmente, a los innovadores corporativos se les dice que realicen estudios etnográficos, empezando sin ideas preconcebidas, y que observen el comportamiento y las frustraciones de los clientes con la misma mentalidad abierta que emplean las empresas emergentes. Siendo la naturaleza humana lo que es, es algo difícil de hacer.

Aquí, en cambio, hay una versión simplificada de una metodología para identificar el trabajo que debe realizar un cliente que comienza con la información sobre su propio producto. Como la información del producto no forma parte de un trabajo por hacer, la información sobre su producto se eliminará del proceso en el paso 6 para no distorsionar los resultados. Pero de esta manera, puede abrirse camino hacia una nueva visión empezando por un territorio conocido. (Y no hará que las personas a las que va a entrevistar se pregunten de qué van todas sus preguntas durante todo el proceso de entrevista).

Paso 1. Prepare una lista de las características clave de su oferta. Enumere al menos 10 de ellos. Su producto o servicio puede ser más rápido que el de la competencia. O más barato. O tener una resolución de pantalla mejor. O tienen asientos de piel. O una batería que dure muchos días. O conéctese a Internet y le permitirá jugar con otras personas en línea. Supongamos que vende coches. Su lista puede incluir características como la velocidad, el consumo de gasolina, la poca contaminación del medio ambiente, el número de puertas, los colores, el tipo de asientos, los portavasos y las comodidades del interior del coche para el conductor y los pasajeros.

Paso 2. Entreviste al menos a 10 consumidores y 10 no consumidores sobre las distintas funciones relacionadas con su oferta. Los no consumidores son personas que no compran ni su oferta ni la de la competencia. Entonces, en este caso, entrevistaría tanto a personas que conducen coches como a personas que podrían conducir coches pero que eligen no hacerlo. Las entrevistas pueden ser anónimas, pero tiene que grabar toda la conversación. Para cada una de las características de la lista anterior, haga tres preguntas. Primero, «¿Dónde se encuentra cuando utiliza esta función?» En segundo lugar, «Cuando utiliza esta función, ¿qué es lo que realmente intenta hacer?» Y tercero, «Si esta función no estuviera disponible, ¿qué utilizaría en su lugar?» Bien, he aquí una parte importante: para los consumidores, tienen que hacer las dos segundas preguntas sin hacer referencia a su producto. Volviendo al coche, supongamos que pregunta: «¿Por qué se sienta en el asiento del copiloto de su propio coche?» y la respuesta fue: «Soy vendedor y entre reuniones trabajo en el coche». Luego pregunta: «Cuando hace eso, ¿qué intenta lograr?» Él responde: «Intento tener un entorno que imite el espacio de mi oficina para poder concentrarme y trabajar cómodamente durante un tiempo». Luego, la tercera pregunta: «Si no pudiera hacer eso, ¿qué haría en su lugar?» Él responde: «En el coche utilizo el portavasos para el café y en el asiento del copiloto puedo trabajar con mi portátil y recargar mi teléfono. Si no pudiera hacerlo iría a una cafetería, pero es difícil concentrarse allí. Es ruidoso y pierdo el tiempo buscando uno».

Paso 3. Transcriba las grabaciones. Es importante que no se pierda nada. La transcripción debe acabar pareciendo una entrevista, grabando fielmente exactamente lo que se dijo, con pausas. Ser sistemático en cuanto a cuándo se detienen los datos es importante para el análisis estadístico utilizado en el paso 5.

Paso 4. Codificar las transcripciones rastreando todos los sustantivos, verbos, adjetivos y adverbios significativos. Para continuar con nuestro ejemplo, extraeríamos de la frase: «Intento tener un entorno que imite el espacio de mi oficina» y obtenemos los siguientes códigos: «intente», «entorno», «imita», «oficina» y «espacio». Con esto, crea una tabla en la que cuenta el número de instancias de cada palabra (de modo que si en toda la primera transcripción la palabra oficina solo se repite una vez (tendría un 1 en la primera fila). Complete la tabla hasta que se hayan codificado todas las frases de todas las transcripciones. Hay herramientas de software disponibles para hacerlo más fácilmente.

Paso 5. Agrupe los códigos. Mediante la técnica estadística del análisis de conglomerados, agrupe los códigos en función de su proximidad. Es decir, mide el número de veces que cada palabra aparece cerca una de la otra (por eso son importantes las pausas). Deje que el software que elija determine el número óptimo de clústeres. El resultado final es que todos sus códigos aparecerán ahora en grupos.

Paso 6. Elimine los datos descriptivos para que solo le queden datos prescriptivos. Para ello, elimina todos los grupos que contienen información sobre su producto, en este caso, todos los grupos que contienen la palabra «coche». El resultado final es una serie de grupos, cada uno de los cuales contiene varias palabras clave diferentes. Dentro de cada grupo, estos códigos hacen referencia a la forma de pensar del cliente y a las partes del contexto que el cliente considera relevantes para decidir qué producto alternativo comprar. Si compara el rendimiento del producto en relación con las preocupaciones expresadas en cada grupo, su próxima mejora del producto quedará muy clara, no solo para usted, sino también para sus colegas. En este ejemplo, sería más fácil argumentar a favor de centrar un esfuerzo de innovación en ayudar a los vendedores a ser más productivos y trabajar más cómodamente en sus coches. ¿Mejores enchufes eléctricos, quizás, para que la gente pueda cargar más de un artículo a la vez? ¿Almacenamiento para ordenadores o muestras? ¿Algo que imite un escritorio de forma más eficaz? El punto es que se trata de una vía fructífera para prestar más atención, ya que la mayoría de los modelos de coches venden menos de 100 000 unidades al año, pero millones de la gente que trabaja en sus automóviles.

Durante la década de 1950, Edward Deming y otros desarrollaron herramientas como los gráficos estadísticos de control de los procesos y técnicas de gestión de la calidad total que hacían que los datos de reducción de costes que utilizamos hoy en día fueran predecibles y fiables. Sin embargo, antes de eso, los datos sobre la reducción de costes eran tan poco fiables como lo son los datos relacionados con el crecimiento en la actualidad. Ahora están empezando a surgir las primeras herramientas que añaden previsibilidad y fiabilidad a las decisiones relacionadas con el crecimiento. Los trabajos por hacer es una de esas herramientas. Una vez que los directivos aprendan a calcular el trabajo que hay que hacer por sí mismos, sus decisiones relacionadas con el crecimiento pasarán a ser mucho más objetivas y se basarán menos en opiniones.