{"id":6071,"date":"2022-03-23T08:50:50","date_gmt":"2022-03-23T08:50:50","guid":{"rendered":"https:\/\/transferencia.tec.mx\/?p=6071"},"modified":"2025-05-19T14:46:40","modified_gmt":"2025-05-19T20:46:40","slug":"como-escribir-resenas-de-productos-mas-utiles","status":"publish","type":"divulgacion-ciencia","link":"https:\/\/tecscience.tec.mx\/es\/divulgacion-ciencia\/como-escribir-resenas-de-productos-mas-utiles\/","title":{"rendered":"\u00bfC\u00f3mo escribir rese\u00f1as de productos m\u00e1s \u00fatiles?"},"content":{"rendered":"

Por Alberto L\u00f3pez Hern\u00e1ndez<\/strong><\/a><\/p>\n

\u00bfRecuerdas la \u00faltima vez que compraste algo en l\u00ednea? Muy probablemente revisaste las rese\u00f1as y las opiniones de otros consumidores para tomar tu decisi\u00f3n de compra, \u00bfno es as\u00ed?<\/p>\n

Los consumidores escriben activamente rese\u00f1as y opiniones de los productos que compran y usan, especialmente a trav\u00e9s de plataformas digitales. A los consumidores nos gusta dar nuestra opini\u00f3n de nuestras experiencias de consumo.<\/p>\n

Investigaciones recientes han encontrado que cerca del 90% de las compras realizadas en l\u00ednea son influenciadas por las rese\u00f1as que los consumidores leen de otros consumidores en l\u00ednea. Sin embargo, no se ha investigado qu\u00e9 tipo de rese\u00f1as son aquellas que resultan m\u00e1s \u00fatiles, y por lo tanto, influyen m\u00e1s en la toma de decisi\u00f3n de compra de otros consumidores que las leen.<\/p>\n

En una reciente investigaci\u00f3n realizada en el Grupo de Investigaci\u00f3n de Comportamiento del Consumidor y Mercadotecnia Consciente, del Tecnol\u00f3gico de Monterrey, se estudi\u00f3 este fen\u00f3meno.<\/p>\n

\r\n \r\n \"\"\r\n <\/picture>
El 90% de las compras realizadas en l\u00ednea son influenciadas por las rese\u00f1as que los consumidores leen de otros consumidores.<\/figcaption><\/figure>\n

Machine learning<\/em> para analizar las rese\u00f1as<\/h2>\n

Se analizaron m\u00e1s de 400 mil rese\u00f1as de la plataforma Amazon tomando en cuenta todas las categor\u00edas de producto disponibles. Despu\u00e9s se realiz\u00f3 un an\u00e1lisis de modelado de t\u00f3picos con el algoritmo Latent Dirichlet Allocation<\/em> (LDA), el cual es una t\u00e9cnica de machine learning<\/em> que agrupa textos en funci\u00f3n a su similitud y correlaci\u00f3n de palabras, e identifica los principales t\u00f3picos que est\u00e1n presentes en un conjunto de textos.<\/p>\n

En este caso, se emple\u00f3 el algoritmo LDA para identificar los principales t\u00f3picos que los consumidores expresan al escribir sus rese\u00f1as de productos. El an\u00e1lisis dio como resultado cinco grandes t\u00f3picos a los que se les llam\u00f3 los cinco tipos de rese\u00f1as, los cuales se exponen a continuaci\u00f3n.<\/p>\n\n\n\n\n\n\n\n\n
<\/td>\nLos cinco tipos de rese\u00f1as que los consumidores escriben,
\n<\/strong>las cuales describen al producto en t\u00e9rminos de:
\n<\/strong><\/td>\n<\/tr>\n
1<\/td>\nLos sentidos del tacto, olfato y vista<\/td>\n<\/tr>\n
2<\/td>\nEl sentido de la audici\u00f3n<\/td>\n<\/tr>\n
3<\/td>\nEl sentido del gusto<\/td>\n<\/tr>\n
4<\/td>\nEl proceso de instalaci\u00f3n<\/td>\n<\/tr>\n
5<\/td>\nEl desempe\u00f1o y sus caracter\u00edsticas<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Los resultados muestran que los consumidores escriben sus rese\u00f1as principalmente en t\u00e9rminos de su experiencia sensorial<\/strong> (tacto, olfato, vista, audici\u00f3n y gusto) y no sensorial<\/strong> (instalaci\u00f3n, desempe\u00f1o y caracter\u00edsticas del producto). Se agruparon estos cinco tipos de rese\u00f1as en dos categor\u00edas generales que se denominaron 1) rese\u00f1as sensoriales y 2) rese\u00f1as no sensoriales.<\/p>\n

Principales hallazgos del estudio<\/h2>\n

Una vez que se identificaron los principales tipos de rese\u00f1as que los consumidores escriben y comparten, el siguiente paso fue identificar qu\u00e9 tipo es el que resulta m\u00e1s \u00fatil para los consumidores que leen las rese\u00f1as.<\/p>\n

Para esto se realiz\u00f3 un modelo de regresi\u00f3n de Poisson inflada con ceros, el cual permite identificar el efecto en una variable dependiente de conteo con abundantes ceros. En este caso, la variable dependiente es de conteo (n\u00famero de veces que una rese\u00f1a fue votada como \u00fatil por otros consumidores) y hay muchas rese\u00f1as que nunca fueron votadas como \u00fatiles, por lo que hay abundantes ceros en los datos. Debido a esto, el modelo de regresi\u00f3n de Poisson inflada con ceros es el modelo \u00f3ptimo para analizar estos datos.<\/p>\n

Los resultados de la regresi\u00f3n indican que las rese\u00f1as que describen al producto en t\u00e9rminos de la experiencia sensorial son significativamente menos \u00fatiles que aquellas que describen al producto en t\u00e9rminos de la instalaci\u00f3n, desempe\u00f1o y caracter\u00edsticas del producto (rese\u00f1as no sensoriales).<\/p>\n

las rese\u00f1as sensoriales son menos \u00fatiles que las rese\u00f1as no sensoriales<\/p><\/blockquote>\n

Experimentaci\u00f3n para identificar el fen\u00f3meno<\/h2>\n

Para identificar la raz\u00f3n por la cual los consumidores perciben como menos \u00fatiles a las rese\u00f1as sensoriales, se realiz\u00f3 un experimento en el cual se mostraron diferentes tipos de rese\u00f1as sensoriales y no sensoriales a los participantes, y despu\u00e9s se les pregunt\u00f3 qu\u00e9 tan \u00fatil era la rese\u00f1a, qu\u00e9 tan objetiva era la rese\u00f1a, y qu\u00e9 tan probable era que compraran el producto descrito en la rese\u00f1a.<\/p>\n

Los resultados de este experimento muestran que una raz\u00f3n clave por la cual los consumidores eval\u00faan como menos \u00fatiles<\/em> a las rese\u00f1as sensoriales es porque los consumidores las perciben como poco objetivas. Es decir, los consumidores no conf\u00edan en los sentidos de alguien m\u00e1s para tomar sus propias decisiones de consumo. Por el otro lado, las rese\u00f1as no sensoriales son percibidas como m\u00e1s objetivas, y por lo tanto, los consumidores las consideran m\u00e1s \u00fatiles<\/em>.<\/p>\n

Efecto en la intenci\u00f3n de compra del producto<\/h2>\n

Otro resultado interesante de este experimento es que se analiz\u00f3 el efecto de la utilidad de la rese\u00f1a en la intenci\u00f3n de compra del producto, donde se identific\u00f3 que efectivamente a mayor percepci\u00f3n de utilidad de la rese\u00f1a mayor intenci\u00f3n de compra por parte de los consumidores que leen dicha rese\u00f1a. Es decir, las rese\u00f1as no sensoriales no solamente incrementan la percepci\u00f3n de utilidad, sino tambi\u00e9n incrementan la intenci\u00f3n de compra del producto.<\/p>\n

Word-of-click<\/em> y su importancia en los medios digitales<\/h2>\n

En esta investigaci\u00f3n se analiz\u00f3 el comportamiento del consumidor en medios digitales, donde un concepto clave de interactividad es el n\u00famero de votos de utilidad que recibe una rese\u00f1a. En la disciplina de la mercadotecnia se le denomina word-of-click<\/em>, ya que con un solo clic las personas recomiendan algo. En esta investigaci\u00f3n se propone que un acto tan simple como el darle clic en la utilidad de una rese\u00f1a, tiene efectos importantes en la intenci\u00f3n de compra del consumidor.<\/p>\n

escribe rese\u00f1as\u00a0m\u00e1s objetivas,<\/em>\u00a0sobre aspectos como la instalaci\u00f3n, el desempe\u00f1o y otras caracter\u00edsticas tangibles del producto<\/p><\/blockquote>\n

Ayuda a otros consumidores como t\u00fa<\/h2>\n

La pr\u00f3xima ocasi\u00f3n que te encuentres escribiendo una rese\u00f1a de un producto trata de escribirla en t\u00e9rminos de caracter\u00edsticas m\u00e1s objetivas,<\/em> como la instalaci\u00f3n, el desempe\u00f1o y las caracter\u00edsticas tangibles del producto; de esta forma, las rese\u00f1as ser\u00e1n m\u00e1s \u00fatiles para otros consumidores que est\u00e1n buscando comprar ese mismo producto.<\/p>\n

\u00bfQuieres saber m\u00e1s?<\/h2>\n

El art\u00edculo completo est\u00e1 publicado en acceso abierto en el Journal of Research in Interactive Marketing: https:\/\/doi.org\/10.1108\/JRIM-04-2021-0121<\/a><\/p>\n

Autores<\/h2>\n

Alberto L\u00f3pez Hern\u00e1ndez<\/strong> es profesor-investigador de la Escuela de Negocios en el Tecnol\u00f3gico de Monterrey, Campus Monterrey.<\/p>\n

Ricardo Garza<\/strong> es el Chief Technology Officer en Softtek.<\/p>\n

Referencia del art\u00edculo<\/h2>\n