Terminaste la encuesta de satisfacción y tienes diez puntuaciones alineadas por atributo. Precio 3.8, soporte 4.1, facilidad de uso 3.5, riqueza de funciones 4.3… En el momento en que lo muestras en la reunión de dirección, te preguntan esto: «¿y por dónde empezamos?»
No hay recursos para subir todas las satisfacciones a la vez. Hace falta priorizar. Pero «arreglar primero la puntuación más baja» es un error. Y es que aunque la puntuación sea baja, arreglar un elemento que al cliente le da igual no tiene efecto. El retorno de la mejora está justo donde algo es «importante pero con baja satisfacción». Mostrar esto en un único diagrama de dispersión es lo que hace el análisis de importancia-desempeño (IPA: Importance-Performance Analysis). En este artículo ordenamos, con el tacto de la práctica real, desde la lectura de los 4 cuadrantes hasta cómo medir la importancia (aquí está la mayor bifurcación), cómo trazar los ejes y las trampas propias de los datos de satisfacción.
1. Por qué «la lista de puntuaciones de satisfacción» no permite decidir
Un informe que se limita a alinear las puntuaciones de satisfacción por atributo en un gráfico de barras es, a pesar de ser el output que más se produce en serie en el terreno de la investigación, el que menos se usa para decidir. La razón es simple: «lo baja que es la puntuación» y «la prioridad de mejora» no coinciden.
Puntuación baja ≠ prioridad de mejora
Por ejemplo, aunque la satisfacción con «el diseño del PDF de la factura» sea baja, de 3.2, si el cliente no le da importancia, mejorarlo apenas moverá la lealtad. A la inversa, aunque «la rapidez de la primera respuesta del soporte» esté en un nivel medio, de 3.9, si el cliente le da la máxima importancia, el efecto de elevarlo a 4.3 es enorme.
Para decidir hacen falta dos ejes: «cuánta importancia da el cliente a ese elemento (importancia)» y «cuánta satisfacción siente actualmente (desempeño)». Graficar cada atributo en estos dos ejes y dividirlo en 4 cuadrantes es la idea del IPA. Desde que en 1977 Martilla & James lo propusieron en Importance-Performance Analysis (Journal of Marketing), se sigue usando en campos tan amplios como CX, calidad de servicio, turismo y salud: un marco de larga vida.
La forma de medir la satisfacción en sí (5 o 10 niveles, el concepto de Top 2 Box) la tratamos en la guía de diseño de satisfacción del cliente (CSAT). Este artículo es el paso siguiente: «cómo convertir la satisfacción medida en acciones de mejora».
2. Los 4 cuadrantes del IPA — el mapa de por dónde empezar
Si colocamos la importancia en el eje vertical y la satisfacción en el horizontal, y dividimos en cuatro por la media (o la mediana) de cada uno, cada atributo cae en alguno de los siguientes 4 cuadrantes.
Los 4 cuadrantes del IPA y las acciones
Principios de lectura
- En la práctica solo se mira la «mejora prioritaria»: los 2-3 elementos que caen aquí son el tema de mejora del próximo trimestre
- La calidad excesiva se «mueve», no se «recorta»: si bajas la calidad por ser de baja importancia, te dolerá el día que su importancia suba. Primero, revisión de la asignación de recursos
- Contén el impulso de arreglar lo de baja prioridad: dejarse arrastrar por los elementos cuyo valor absoluto de puntuación es bajo es la mayor trampa. Mira siempre también el eje de importancia
3. Cómo medir la importancia — pregunta directa vs derivación estadística
El éxito o fracaso del IPA se decide en un 80% por cómo midas la importancia. Si haces esto de cualquier manera, el eje vertical de los 4 cuadrantes deja de ser fiable y todo el análisis se desmorona. Hay básicamente dos formas de medir la importancia, y cada una tiene debilidades opuestas.
Método A: pregunta directa (importancia explícita / Stated Importance)
Consiste en preguntar de nuevo, aparte de la satisfacción, «¿qué importancia tiene para usted el siguiente elemento?». Es simple, pero tiene una manía fatal.
Los respondientes contestan «importante» a casi todo. Nadie, ante la pregunta «¿es importante el soporte?», responde «me da igual». Como resultado, las puntuaciones de importancia se pegan en bloque a un rango de 4.0 a 4.5 (efecto techo) y apenas hay diferencias entre elementos. El eje vertical se aplasta y los 4 cuadrantes dejan de funcionar.
Método B: derivación estadística (importancia derivada / Derived Importance)
Consiste en considerar como «importancia» el coeficiente de correlación o de regresión entre la satisfacción de cada atributo y «la satisfacción global (o la intención de continuidad, o el NPS)». La idea es «si la satisfacción con el soporte se mueve, la satisfacción global también se mueve mucho → el soporte es importante», y no se le pregunta la importancia directamente al respondiente.
Por un lado evita el efecto techo de la pregunta directa, pero tiene debilidades como la multicolinealidad (los atributos están correlacionados entre sí y los coeficientes se vuelven inestables) y la confusión entre correlación y causalidad. La práctica de correlación y regresión que sirve de base a la derivación la ordenamos en la guía de tabulación de encuestas y pruebas de significación.
La conclusión práctica: mirar ambas y leer la «brecha»
Tanto en lo académico como en lo práctico, se considera lo mejor medir tanto la importancia explícita como la derivada y leer el desfase (la brecha) entre ambas.
- Elementos donde «al preguntar directamente dicen que es importante, pero su impacto en la satisfacción global es pequeño» → la postura de cara a la galería del cliente. Hace mucho ruido pero no mueve la conducta
- Elementos donde «al preguntar directamente parecen poca cosa, pero mueven con fuerza la satisfacción global» → impulsores ocultos de los que ni el propio cliente es consciente. Aquí está la mina de oro
La importancia derivada es un concepto que se continúa con el «análisis de impulsores clave» del que hablaremos a continuación, y el IPA es la salida que visualiza ese resultado en 4 cuadrantes.
4. Cómo construir el diagrama de dispersión — la elección discreta y crucial del punto de corte de los ejes
¿Dónde trazas la cruz que divide los 4 cuadrantes? Esto condiciona la conclusión más de lo que parece. Hay principalmente tres opciones.
| Punto de corte | Naturaleza | Cuándo conviene |
|---|---|---|
| Media | Evaluación relativa. Ventajas y desventajas dentro del propio conjunto de elementos | Lo más habitual. Priorización interna de mejoras |
| Mediana | Robusta frente a valores atípicos. Estable aunque la distribución esté sesgada | Cuando la satisfacción se sesga hacia las puntuaciones altas (medida contra el efecto techo, más abajo) |
| Punto medio de la escala (3.0 si son 5 niveles) | Evaluación absoluta. «¿Se superó la línea de aprobado?» | Comparación con la competencia o juicio del nivel absoluto |
La trampa de la división por la media: «al sumar un elemento cambia la conclusión»
La división por la media, la más usada, tiene una debilidad que suele pasarse por alto. Como la línea divisoria es la media de todos los elementos, basta con añadir o eliminar un elemento para que la línea se mueva y para que un atributo salte de la mejora prioritaria a la zona de mantener.
«En el informe del mes pasado el soporte estaba en mejora prioritaria, y este mes está en la zona de mantener. No hemos hecho ninguna acción» —no es raro que este caso no sea una mejora, sino que simplemente cambiaron los elementos tabulados y se movió la línea de la media. Si usas la media como punto de corte, fija el conjunto de elementos y anota siempre la posición de la línea.
Cómo construir el diagrama de dispersión en sí (el gráfico de dos ejes en Excel, las etiquetas de los ejes y las líneas auxiliares de los cuadrantes) lo tratamos en la guía de visualización de resultados de encuestas y en la guía de tabulación de encuestas en Excel.
5. El efecto techo de los datos de satisfacción — la mayor trampa del IPA
Lo que con más frecuencia rompe el análisis en el IPA es el «efecto techo», por el que los datos de satisfacción se sesgan hacia las puntuaciones altas.
La satisfacción del cliente sale estructuralmente alta. En una escala de 5 niveles se concentra en una media de 4.0 a 4.5, y rara vez hay elementos por debajo de 3.0 (también influye el sesgo de muestreo de que los clientes insatisfechos directamente no responden y se marchan). Entonces, en el diagrama de dispersión todos los elementos se apiñan en el lado derecho (alta satisfacción) y la división del eje horizontal deja de funcionar. «Todo está en la zona de mantener» y no se decide nada.
Las acciones para afrontarlo
- Dividir por la mediana: más robusta frente al sesgo de la distribución que la media. Aunque todo esté apiñado a la derecha, permite partir los elementos en dos
- Estandarizar la satisfacción (convertir a puntuación z): convertir cada elemento a su «posición relativa dentro del conjunto de elementos» antes de graficar. Sin dejarse arrastrar por lo alto del valor absoluto, se ve la diferencia relativa entre elementos
- Usar la «tasa de insatisfacción» o la «diferencia respecto al Top box» en lugar de la satisfacción: ampliar para ver las diferencias mínimas dentro de la franja de puntuaciones altas
Dejar pasar el efecto techo y leer «como todo está arriba a la derecha, nuestra empresa va sobre seguro» es la lectura errónea más típica del IPA. Cuando construyas el diagrama de dispersión, lo primero es sospechar si los puntos no estarán formando un solo cúmulo.
6. IPA mejorado — el enfoque diagonal y la «asimetría de la satisfacción»
Los 4 cuadrantes clásicos también tienen críticas, y se han propuesto varias versiones mejoradas. Las dos siguientes resulta útil conocerlas en la práctica.
El enfoque diagonal (Bacon 2003)
En lugar de dividir por las medias vertical y horizontal, consiste en trazar la línea de 45 grados de «importancia = desempeño» y medir la prioridad por la distancia a esa línea. Bacon (2003) señaló que cuando los atributos se concentran cerca de los límites de los cuadrantes la clasificación en 4 cuadrantes se vuelve inestable, y mostró que es más robusto evaluar la prioridad de forma continua por la desviación respecto a la diagonal (el grado en que la importancia supera al desempeño). Su ventaja es que evita la disyuntiva de «en cuál de los dos cuadrantes cae».
La asimetría de la satisfacción — conexión entre IPA y Kano (Matzler 2004)
El IPA clásico supone que «la importancia es un valor fijo, independiente de la satisfacción», pero Matzler et al. (2004) mostraron que la importancia de un atributo cambia según el nivel de satisfacción (asimétrica, no lineal).
- Calidad básica (Must-be): que funcione se da por sentado. Aunque se cumpla, la satisfacción no sube, pero si falta provoca una fuerte insatisfacción (ej.: poder iniciar sesión, que la facturación sea exacta)
- Calidad atractiva (Attractive): que no esté no genera insatisfacción, pero que esté dispara la satisfacción (ej.: un soporte que se anticipa de forma inesperada)
Es decir, «la importancia para un cliente insatisfecho» y «la importancia para un cliente satisfecho» son cosas distintas, y calculando la importancia derivada por separado para el grupo de alta satisfacción y el de baja satisfacción se pueden separar la calidad básica y la calidad atractiva. El sentido de la inversión cambia según si algo «está en la mejora prioritaria pero en realidad es calidad básica (aunque lo arregles, la satisfacción no sube y solo se queda en resolver la insatisfacción)» o si es «calidad atractiva (si lo arreglas, la satisfacción se dispara)».
7. La perspectiva editorial — 5 cosas que no debes hacer en el IPA
Desde la posición de quien sigue de forma continua los casos del sector y la voz de los profesionales, cinco accidentes que se repiten en el IPA. Ninguno es un caso de «el análisis estaba mal», sino de «se erró la lectura».
1. Tragarse sin más la importancia de la pregunta directa
El accidente más frecuente. Acabas con «pregunté la importancia y todo salió 4.2» y el eje vertical se aplasta. Si haces girar el IPA solo con la pregunta directa, casi con certeza colapsa por efecto techo. Combina siempre la importancia derivada (correlación con la satisfacción global). Si solo puedes obtener una de las dos, elige la derivada.
2. Dejar pasar el efecto techo de la satisfacción y quedarte tranquilo con «todo arriba a la derecha»
Cuando construyas el diagrama de dispersión, lo primero es ver si los puntos no forman un solo cúmulo. Si están apiñados a la derecha, prueba la división por la mediana o la conversión a puntuación z. Un IPA en el que «todos los elementos están en la zona de mantener» casi sin duda está pasando por alto el efecto techo.
3. No entender la inestabilidad de la división por la media y que la conclusión oscile cada mes
Cada vez que sumas o restas elementos, la línea divisoria se mueve y el cuadrante cambia sin relación con las acciones. Fija el conjunto de elementos y anota siempre el valor de la línea divisoria. Si lo sigues en serie temporal, si no registras también la posición de la línea, la comparación con el mes anterior no tiene sentido.
4. Confundir la «calidad excesiva» con una fortaleza y seguir defendiéndola
Convencerte de que un elemento de baja importancia × alta satisfacción «es nuestra fortaleza» y seguir volcando recursos en él, sin llegar a la mejora prioritaria. La zona de calidad excesiva no es algo de lo que enorgullecerse, sino un candidato a reasignación. Eso sí, conviene comprobar una vez, desde la óptica de la asimetría (si es calidad básica), que esa «baja importancia» no sea algo temporal.
5. Fijar el cuadrante con la satisfacción de un atributo de N pequeño
Si el diseño hace que «solo respondan las personas pertinentes» a cada atributo (ej.: la satisfacción con el soporte solo la responden quienes lo usan), la N varía mucho según el atributo. Decidir el cuadrante con la satisfacción media de un atributo de N=15 y moverte porque «es mejora prioritaria» es peligroso. Anota siempre la N por atributo y deja en suspenso el juicio de los atributos con N pequeña. El concepto de tamaño de muestra está en cómo determinar el tamaño de muestra necesario.
8. Operar el IPA con la herramienta de encuestas Kicue
El IPA se divide en una fase de «medir satisfacción e importancia con preguntas» y una fase de análisis de «volcarlo en un diagrama de dispersión y leerlo en 4 cuadrantes». Lo que cubre Kicue es la primera; la segunda es una combinación con herramientas externas.
- Medición de la satisfacción y la importancia explícita: compatible con el diseño de preguntas que mide la satisfacción de cada atributo y la «importancia» en escala Likert de 5 o 7 niveles (tipos de pregunta, guía de diseño de escala Likert)
- Pregunta de satisfacción global adjunta: puedes colocar en el mismo formulario las preguntas de «satisfacción global» e «intención de continuidad» necesarias para calcular la importancia derivada
- Exportación CSV con ID de respondiente: exporta la satisfacción por atributo y la satisfacción global en una estructura de una fila por respuesta. Sirve para el cálculo de correlaciones de la importancia derivada y para dividir el grupo de alta satisfacción y el de baja satisfacción
- Tabulación GT y tabulación cruzada: hasta la comprobación de la media y la distribución de cada atributo es posible en el panel
⚠️ Alcance que Kicue no cubre
- No crea diagramas de dispersión del IPA ni gráficos de los 4 cuadrantes: la operativa es exportar el CSV y graficar y dividir los cuadrantes con Excel (diagrama de dispersión) / R / Python / SPSS / JASP
- No tiene función de cálculo de la importancia derivada (correlación, regresión): el análisis estadístico se realiza en herramientas externas. Kicue en sí no incorpora funciones de análisis estadístico
- Tampoco hace preprocesamiento como la estandarización con puntuación z o la división por la mediana: todo ello se realiza tras la exportación, en la hoja de cálculo o en el software estadístico
Como artículos relacionados, leer en conjunto la guía de diseño de satisfacción del cliente (CSAT), la guía para elegir entre métricas de CX, la guía de tabulación de encuestas y pruebas de significación, la guía de visualización de resultados de encuestas y la guía de diseño de un programa de VoC deja ver la secuencia completa de «medir la satisfacción → decidir la prioridad de mejora → llevarlo a la operación».
En resumen — 6 puntos para usar el IPA en la toma de decisiones
- En la práctica solo se mira la «mejora prioritaria» — los 2-3 elementos que caen en alta importancia × baja satisfacción son el próximo tema de mejora
- Puntuación baja ≠ prioridad — mira siempre también el eje de importancia. Contén el impulso de arreglar la zona de baja prioridad
- Para la importancia, la derivada (correlación) como principal y la pregunta directa como secundaria — solo con la pregunta directa, colapsa casi siempre por efecto techo
- Sospecha del efecto techo de la satisfacción — si el diagrama de dispersión se apiña a la derecha, división por la mediana o conversión a puntuación z
- En la división por la media, fija el conjunto de elementos y anota la posición de la línea — de lo contrario, la comparación con el mes anterior pierde sentido
- Anota la N por atributo y deja en suspenso las N pequeñas — los atributos que solo responden los pertinentes tienen la N repartida
El IPA no es difícil «porque el análisis sea avanzado». Si no fallas en dos puntos —cómo medir la importancia y el sesgo de los datos de satisfacción—, es un marco de alta relación coste-beneficio que, con un único diagrama de dispersión en Excel, permite hacer avanzar las decisiones del comité de dirección.
Si quieres diseñar una encuesta que mida satisfacción e importancia, ¿por qué no pruebas la herramienta gratuita de encuestas Kicue? Puedes empezar en una sola cuenta con la parte que crea los datos de entrada del IPA: el diseño de preguntas Likert de satisfacción por atributo y satisfacción global, la exportación CSV con ID de respondiente, y la tabulación GT y cruzada (la creación del diagrama de dispersión, el cálculo de correlaciones de la importancia derivada y la estandarización con puntuación z se operan en combinación con Excel / R / Python / SPSS / JASP).
Referencias
- Martilla, J. A., & James, J. C. (1977). Importance-Performance Analysis. Journal of Marketing, 41(1), 77-79.
- Bacon, D. R. (2003). A Comparison of Approaches to Importance-Performance Analysis. International Journal of Market Research, 45(1), 55-71.
- Matzler, K., Bailom, F., Hinterhuber, H. H., Renzl, B., & Pichler, J. (2004). The asymmetric relationship between attribute-level performance and overall customer satisfaction: a reconsideration of the importance–performance analysis. Industrial Marketing Management, 33(4), 271-277.
- Oh, H. (2001). Revisiting importance-performance analysis. Tourism Management, 22(6), 617-627.
- Azzopardi, E., & Nash, R. (2013). A critical evaluation of importance–performance analysis. Tourism Management, 35, 222-233.