"Pusimos preguntas abiertas y volvieron casi todas en blanco o con 'nada en particular'." Es una de las quejas más comunes en operación de encuestas. Las preguntas abiertas (texto libre) son el único modo de capturar las palabras reales del cliente, pero un mal diseño produce tres dolores a la vez: nadie escribe / las respuestas son demasiado cortas / no se puede analizar después.
Este artículo recorre para qué sirven realmente las preguntas abiertas, por qué se saltan, cuándo usarlas frente a las cerradas, las reglas de redacción y las decisiones de UX que deciden si los respondentes participan. La idea ingenua de "más abiertas = más insight" es sólo medio cierta — el foco está en ser deliberado para que la gente realmente escriba.
1. Qué es una pregunta abierta
Una pregunta abierta (también OA / FA: Free Answer) no da opciones al respondente y le pide que escriba su propia respuesta con sus propias palabras.
Para qué son buenas las abiertas
- Captar lo no anticipado — saca a la luz opciones o encuadres que el diseñador no había previsto
- Conseguir el por qué tras una nota — complementa los ratings numéricos con razones
- Preservar las palabras reales del cliente — útil para copy de marketing y storytelling interno
- Cubrir huecos del diseño cerrado — qué quería decir la gente con "Otro"
Estructura típica
Q. ¿Cómo valoraría nuestro servicio en general? (escala de 10)
→ Nota = 6
Q. Cuéntenos por qué dio esa nota. (texto abierto)
→ "Más caro que la competencia, pero la calidad del soporte compensa."
Schuman & Presser (1979) The Open and Closed Question describieron las abiertas como "el modo de hacer aflorar los temas relevantes (salient) que las cerradas no ven." Al mismo tiempo, esa misma línea de investigación ha señalado más de 40 años que abusar de las abiertas dispara la carga cognitiva, lo que hace que se disparen los blancos y las respuestas de una palabra.
2. Por qué la gente no escribe — el problema de la carga cognitiva
El gran enemigo de las abiertas es la carga cognitiva. Elegir entre opciones es "tomar lo que hay". Las abiertas exigen "verbalizar desde cero," y eso es muy caro cognitivamente.
Evidencia empírica sobre tasa y calidad de respuesta
Smyth, Dillman, Christian & McBride (2009) "Open-Ended Questions in Web Surveys" es el paper de referencia sobre cómo se comportan las abiertas en encuestas web. Observaciones clave:
- Efectos de posición — abiertas al inicio: no-respuesta más alta; abiertas al final: respuestas más cortas.
- Distribución de longitud — la mayoría rondan 30–100 caracteres; menos del 10% supera 200.
- Tasa de "nada" / "N/A" — el 15–30% de las respuestas abiertas son funcionalmente no-respuestas (una palabra, negación).
La carga en cuatro etapas
Lo que pasa en la cabeza del respondente puede descomponerse en cuatro etapas:
- Comprender la pregunta — ¿qué me están pidiendo?
- Recuperar de memoria — ¿qué experiencias relevantes vienen?
- Verbalizar — convertir el pensamiento en texto (la etapa más pesada)
- Tipear — entrada física de caracteres
Sobre el modelo de Tourangeau, Rips & Rasinski (2000) The Psychology of Survey Response — comprensión → recuperación → juicio → reporte — las cerradas tributan principalmente sobre "reporte"; las abiertas tributan sobre las cuatro etapas.
3. Abiertas vs cerradas — cuándo usar cada una
El reflejo de "más abiertas profundizarán nuestra comprensión del cliente" es medio equivocado. Los dos formatos cumplen funciones distintas.
Cómo elegir
| Objetivo | Mejor formato | Por qué |
|---|---|---|
| Cuantificar y comparar | Cerrada (SA/MA) | El análisis estadístico exige datos estructurados |
| Descubrir opciones desconocidas | Abierta | Brilla en la fase de formulación de hipótesis |
| Obtener razones tras una nota | Nota + abierta | Par numérico + cualitativo |
| Captar tendencias a gran N | Cerrada | Leer 1.000 textos libres no es práctico |
| Pocas voces en profundidad | Abierta (apoyo a entrevista) | Cuando N es pequeño, las abiertas brillan |
"Si una cerrada lo hace, usa cerrada"
Geer (1991) "Do Open-Ended Questions Measure Salient Issues?" encontró que alrededor del 80% de la información de una abierta puede capturarse con una cerrada bien diseñada. A la inversa, el 20% restante — los descubrimientos inesperados — es para lo que sirven las abiertas. Suelta la asunción de que "todo abierto = comprensión más profunda".
4. Cinco reglas de redacción
Cinco reglas del lado del enunciado para que la gente realmente conteste.
Regla 1: nombra el objetivo concreto en la pregunta
❌ "¿Tiene algún comentario?" — demasiado abstracto; no saben qué escribir. ✅ "Si hay algo que querría que mejorase nuestro equipo de soporte, descríbalo concretamente." — objetivo (soporte) y ángulo (mejora) explícitos.
Regla 2: enunciado de 1–2 frases
Un enunciado largo dispersa la atención antes de terminar de leer. Apunta a unos 40–80 caracteres de información esencial. Holland & Christian (2009) "The Influence of Topic Interest and Interactive Probing" muestra que el enunciado verboso eleva directamente la no-respuesta.
Regla 3: distingue "por qué" de "cómo"
"¿Por qué dijo eso?" extrae razones / contexto. "¿Cómo podríamos mejorarlo?" extrae soluciones / pedidos. Mezclarlos confunde al respondente sobre qué escribir — y esa confusión es gran fuente de "nada en particular."
Regla 4: conecta con la pregunta anterior
Vincula la abierta con la nota o selección previa: "Cuéntenos por qué dio esa nota..." / "Si eligió 'Insatisfecho' en Q3..." Bien hecho, puede duplicar la tasa de respuesta según casos públicos. Sin contexto, el respondente no sabe a quién y para qué se le pregunta, y pierde motivación.
Regla 5: ofrece ejemplos o placeholders
Un campo en blanco intimida psicológicamente. Placeholders y ayudas tipo "p. ej., el envío llegó tarde, la descripción del producto difería del real" ayudan a empezar a escribir. Pero ejemplos fuertes sesgan la respuesta hacia ellos, así que da varias direcciones (positiva y negativa) cuando los uses.
5. Reglas de UX
El enunciado es la mitad; el diseño del campo decide la otra mitad.
El tamaño del campo dicta la longitud
Israel (2010) "Effects of Answer Space Size on Responses to Open-Ended Questions in Mail Surveys" demostró que el tamaño del espacio de entrada escala con la longitud de las respuestas. En web pasa igual.
| Campo | Longitud probable | Caso de uso |
|---|---|---|
| Una sola línea (OA) | 5–20 chars | Respuestas cortas: nombre de producto/empresa |
| 3–4 líneas | 30–80 chars | Razones o pedidos concisos |
| 5–8 líneas | 100–300 chars | Narrativas detalladas, propuestas de mejora |
| Auto-expandible | sin límite | UGC / formato reseña |
Un patrón perverso: "démosle mucho espacio" con una caja de 10 líneas backfires — el vacío grande intimida y la no-respuesta sube. Dimensionar al objetivo real es la jugada correcta.
Obligatoria vs opcional
- Obligatoria → sube la tasa de respuesta, pero se cuelan ".", "n/a", "ninguna" que no aumentan calidad real.
- Opcional → sólo escriben los que tienen algo que decir. Mejor calidad pero menor N.
El patrón operativo dominante es "abiertas opcionales por defecto, obligatorias sólo para outliers (p. ej., notas muy bajas)" — obligatoriedad condicional.
Coste de input en móvil
El teclado virtual en móvil supone una carga física real, y la longitud de respuesta abierta suele ser 30–50% menor que en escritorio según informes de proveedores. Si tu audiencia es muy móvil, esperá menos rendimiento del esperado en pruebas desktop.
6. Diseñar pensando en análisis con IA
El análisis con LLM de respuestas abiertas (codificación, sentimiento, resumen) ya es habitual, y diseñar pensando en él cambia mucho la eficiencia operativa.
Qué encaja bien con IA
- Objetivo bien acotado — ítems como "sobre nuestro equipo de soporte" se clasifican con alta precisión.
- Un tema por ítem — combinar "precio + calidad + entrega" obliga al modelo a desenredar mezclas.
- Nota + razón en par — emparejar nota numérica con razón hace trivial "razones tras notas altas vs bajas".
Qué encaja mal con IA
- Preguntas abstractas — "¿algún comentario?" deja perplejos a modelos y humanos por igual.
- Ítems multi-tema — el etiquetado se rompe.
- Ítems que sólo reciben ultra-cortas — bajo 30 caracteres suele ser ruido incluso para LLMs.
Detalles de método en nuestro guía de análisis IA de respuestas abiertas.
7. Visión editorial — cinco reglas que mueven la aguja
Siguiendo informes del sector y casos públicos, cinco puntos en los que insistiríamos con fuerza.
1. Limita las abiertas a 2–3 por encuesta. Equipos que "quieren más voz del cliente" a veces lanzan encuestas con 5 o 6 abiertas — patrón que vemos en la prensa especializada repetidamente. En la práctica, cuantas más abiertas pongas, más rápido cae la calidad de las posteriores. Elige las 1–2 más importantes y reemplaza el resto por cerradas. Es el balance realista de yield y calidad.
2. Si "nada en particular" supera el 30%, rediseña el ítem. 30%+ de no-respuesta es una señal de diseño. O la pregunta es muy abstracta, mal posicionada, o desconectada del ítem previo. No te encojas de hombros con "no les interesa" — es normal recuperar 5+ puntos sólo reformulando.
3. Evita las abiertas obligatorias por defecto. Suben los conteos pero también suben la tasa de basura "."/"x"/"ninguna." La calidad del dato suele empeorar. El 60% de calidad por opcionales > 95% de calidad mixta por obligatoria es el consenso operativo recurrente.
4. No dimensiones la caja con esperanza. "Démosles mucho espacio y escribirán más" es un deseo, no una regla. Israel (2010) muestra que lo opuesto puede ocurrir. Elige un tamaño que case con la longitud que querés — demasiado vacío intimida y reduce respuestas.
5. En la era del análisis IA, diseñá ítems clasificables desde el inicio. "Lo metemos a una IA después y lo arreglamos" choca con una verdad dura: preguntas abstractas producen respuestas no-etiquetables, incluso para LLMs. En diseño, escribí 5–10 etiquetas que querrías aplicar a las respuestas y confirma que la pregunta produce respuestas que encajan. Esa disciplina sola corta el coste de análisis a la mitad.
8. Las abiertas en la Herramienta de Encuestas Kicue
Kicue trae los componentes para una operación seria de abiertas como estándar.
Tipos de pregunta OA / FA
Los tipos de pregunta abierta vienen en dos sabores: OA (entrada de una sola línea) y FA (multi-línea, formato largo). OA está fijado a una sola línea para respuestas cortas, mientras FA admite entrada multi-línea para narrativas detalladas. Obligatorio/opcional y mín./máx. de caracteres se configuran de forma independiente.
Artículos de diseño relacionados
El diseño de abiertas se conecta con otros temas. Ver también nuestra guía de matrices, diseño de cribado, efectos del orden de preguntas y métodos de análisis IA de respuestas abiertas.
Elegir la herramienta correcta — Los límites del plan gratuito, soporte de ramificación, capacidades IA y exportación CSV varían mucho entre herramientas. Consulta nuestra comparativa de herramientas de encuestas gratuitas para encontrar la adecuada para este enfoque.
Resumen
Checklist para diseñar y operar preguntas abiertas:
- Las abiertas son para "descubrimiento inesperado". Análisis numérico y tendencia a gran escala son terreno de las cerradas.
- 15–30% de no-respuesta es la base. El diseño la mejora mucho pero no la lleva a cero.
- Cinco reglas de redacción: nombra el objetivo / 1–2 frases / distingue por qué vs cómo / conecta con la previa / ejemplos para empezar
- El tamaño del campo dicta la longitud — cajas demasiado grandes pueden intimidar y reducir respuestas
- 2–3 abiertas por encuesta es el techo práctico — la calidad de las siguientes cae bruscamente
- En era IA, diseñá para clasificabilidad desde el inicio — retrofit en análisis sale caro
La creencia ingenua de "más abiertas = más voz del cliente" es a menudo contraproducente. Usa cerrada cuando cerrada sirva, y concentra abiertas en los 2–3 ítems que de verdad las necesitan — ese es el núcleo para conseguir cantidad y calidad del texto libre.
Referencias
Académico y metodológico
- Schuman, H., & Presser, S. (1979). The Open and Closed Question. American Sociological Review.
- Smyth, J. D., Dillman, D. A., Christian, L. M., & McBride, M. (2009). Open-Ended Questions in Web Surveys. Public Opinion Quarterly.
- Holland, J. L., & Christian, L. M. (2009). The Influence of Topic Interest and Interactive Probing on Responses to Open-Ended Questions in Web Surveys. Public Opinion Quarterly.
- Israel, G. D. (2010). Effects of Answer Space Size on Responses to Open-Ended Questions in Mail Surveys. Journal of Official Statistics.
- Geer, J. G. (1991). Do Open-Ended Questions Measure Salient Issues? Public Opinion Quarterly.
- Tourangeau, R., Rips, L. J., & Rasinski, K. (2000). The Psychology of Survey Response. Cambridge University Press.
Guías de proveedores y prácticas
- Qualtrics: Open-Ended Question Best Practices.
- SurveyMonkey: Open-Ended Survey Questions.
- Forsta: Designing Effective Open-Ended Questions.
¿Querés diseñar y operar abiertas de extremo a extremo? Probá la herramienta de encuestas online gratuita Kicue. Los tipos OA (una línea) y FA (multi-línea) vienen de serie, así que podés ajustar el campo a la profundidad de respuesta que necesitas para maximizar calidad y yield.