Preguntas de respuesta abierta o de texto:
Las preguntas de respuestas abierta o de texto son aquellas que permiten al encuestado escribir libremente su opinión sobre un tópico en un espacio determinado. En el diseño de encuestas siempre tienen gran importancia las preguntas de respuesta abierta pues abren una ventana al encuestado para añadir información de forma no predefinida por nosotros. Por ejemplo, cuando se hace una pregunta como la siguiente: “¿Qué mejoraría del servicio de nuestro restaurante?”, pueden salir respuestas infinitas: desde la lentitud en la toma del pedido, hasta el estado de la vajilla. Es precisamente esta variedad de respuestas la que permite detectar puntos problemáticos y llevar a cabo acciones para la mejora de nuestro negocio.
Sin embargo, cuando se acumulan muchas respuestas de tipo abierto, ya no resulta sencillo extraer aprendizajes simplemente leyéndolas: es preciso abordar su análisis de forma más sistemática. Esto permitirá que este tipo de respuestas se convierta en una fuente de datos fácilmente comprensible, que se pueda utilizar para tomar acciones específicas. Por otra parte, el hecho de que se obtenga una tabulación de los resultados, permite comparar estos resultados en el tiempo. De esta forma, si nos damos cuenta que el 20% de los clientes mencionan el estado de la vajilla dentro de los comentarios abiertos, podemos determinar que es necesario tomar acciones sobre ese supuesto en particular.
¿Cómo empezar?
Antes de abordar todo el corpus de las respuestas abiertas de una pregunta, puedes dar un vistazo inicial a una parte aleatoria de tus comentarios, entre 5% y 25% del total, según lo variadas que creas que puedan ser las respuestas.
En este primer enfrentamiento, puedes establecer una categorización inicial de las respuestas e incluso, a partir de estas categorías, delimitar subgrupos de respuestas.
Ejemplo:
| Cara | Mala atención | Mucha gente | Tallas pequeñas | Mala calidad |
Si tenemos una encuesta clásica de NPS, para la calidad del servicio y producto de una tienda de ropa, podríamos crear a partir de las respuestas abiertas negativas las siguientes categorías amplias:
| ID de respuesta | Respuesta abierta | NPS | Cara | Mala atención | Mucha gente | Tallas pequeñas | Mala calidad |
| 65294813 | Un par de medias cuesta 20 €. | 7 | x | ||||
| 65294863 | Después de hacer una fila de 20 personas para pagar, resultó que el artículo no tenía código de barras y no lo pude comprar. Además cuando reclamé esto, ¡me trataron mal! | 5 | x | x | |||
| 65299687 | No pude usar el probador por el exceso de gente en la tienda. | 7 | x | ||||
| 65386221 | Los empleados parecen estar desbordados por la cantidad de personas que entran en el local. | 6 | x | x |
Luego, cuando se comienza el proceso de sistematización de cada respuesta, se puede realizar una tabla de cómputo, que incorpore por ejemplo el id de la encuesta, la valoración NPS obtenida y las categorías mencionadas en la respuesta abierta.
Podrá ocurrir que, retomando la lectura de las respuestas, necesitemos agregar una categoría. Puede hacerse. Lo importante es asegurarnos que las categorías sean lo suficientemente diferenciadas entre sí para no debilitar nuestro análisis. Mientras más diferenciadas nuestras categorías, será más útil la sistematización. En una segunda vuelta de sistematización, podemos decidir crear unas categorías más detalladas, por ejemplo distinguiendo entre “Cara ropa de abrigo” y “Cara ropa de vestir”. En sucesivas pasadas, podemos reordenar nuestro corpus de datos por diferentes categorías, para ver uno detrás de otro los comentarios que hemos incluido en una categoría, y decidir si hace falta dividirla en subcategorías –dependiendo del detalle que necesitemos para cumplir nuestros objetivos de análisis.
Una vez hayamos sistematizado todo el corpus se pueden obtener los porcentajes de respuestas más comunes. Por ejemplo, de 100 respuestas obtenidas, 35 pueden hacer alusión a “Mala atención”. También se pueden filtrar las respuestas en función del puntaje NPS, para conocer cuáles categorías son más frecuentes en determinados puntajes. Además, podemos estudiar la combinación de las categorías. Por ejemplo, en 5 casos se repitió la combinación “mala atención” y “mucha gente” y en otros 6 casos “mala atención” y “cara”. Como analistas podemos crear sentido entre la aparición de ambas categorías y darle un significado importante. La “mala atención” puede ser producto de un exceso de compradores en el local. También podemos relacionar el precio de la ropa con la atención esperada, encontrando que por el precio de la ropa se esperaría una atención mejor. Estas cadenas de significados son muy útiles en el momento de querer llevar a cabo acciones concretas en función de los datos arrojados por una encuesta. En resumen:
- La sistematización de las respuestas de tipo abierto permite obtener una visión general, basada en datos tangibles, sobre el tema que se está preguntando, en vistas de realizar acciones puntuales.
- Obtener estadísticas generales de este tipo de respuestas permite hacer un “tracking” en el tiempo del tema preguntado
Y recuerda, si tienes un corpus de respuestas que te resulta demasiado grande o complejo para analizar, siempre puedes recurrir a un Experto, que hará de tus preguntas abiertas la fuente de datos más confiable para tomar tus decisiones.
Corregido por Erika Krajcovicova.