"Recogimos N=500, pero al analizarlos casi ninguno era nuestro target real" — un desastre autoinfligido que sigue ocurriendo. Ocho de cada diez veces, la causa raíz es una sección de cribado (SC) mal diseñada. Y, sin embargo, el cribado se trata como un calentamiento previo al cuestionario principal y rara vez recibe el tiempo que merece — un patrón que la prensa especializada repite constantemente.
Este artículo recorre cómo deberían diseñarse realmente las preguntas de cribado: estructura básica, fallos típicos, proceso de diseño en cinco pasos, las matemáticas de la tasa de incidencia (IR) y las cuotas, y las reglas que no se pueden saltar en operaciones. Si haces investigación cuantitativa con seriedad, esta es la pieza del diseño que decide silenciosamente si tus datos valen la pena de analizar.
1. Qué son las preguntas de cribado
Las preguntas de cribado (SC) son el bloque de preguntas previo al cuestionario principal que verifica si el respondente forma parte del público objetivo. A los no cualificados se les termina de inmediato; sólo los cualificados pasan al cuestionario principal (MQ).
Para qué sirve el cribado
- Filtrar al target — confirma demografía, comportamientos, actitudes
- Asignar a cuotas — gestiona objetivos de completes por celda
- Optimizar coste — en panel research, reduce los pagos a no cualificados
- Proteger la calidad del dato — evita que respuestas fuera del target contaminen el análisis
Estructura típica
[SC1] Género: Hombre / Mujer / Otro
[SC2] Edad: entrada numérica (autocategoriza por tramos)
[SC3] Región / comunidad
[SC4] ¿Compraste algún producto de la categoría X en los últimos 3 meses? Sí / No
[SC5] Frecuencia de compra: al menos una vez al mes / menos / nunca
→ Quien marque "No" en SC4 o "nunca" en SC5 termina aquí
→ Los cualificados pasan a [MQ Q1]
Académicamente, Couper (2008) Designing Effective Web Surveys describe el cribado como el mecanismo que minimiza la diferencia entre la "población objetivo" y la "muestra obtenida". Cuando el cribado falla, fallan también los supuestos de cualquier estadística posterior.
2. Por qué importa el cribado — qué pasa cuando falla
Fallo 1: respondentes fuera de target contaminan el dato
Querías encuestar a "personas que visitaron una cafetería en los últimos seis meses", aflojas el screener y acabas con gente respondiendo de memoria difusa. Antes incluso de cualquier análisis estadístico, las respuestas dejan de ser fiables.
Las Standard Definitions de AAPOR sitúan la verificación de elegibilidad como requisito básico para controlar el error de muestreo y de cobertura — y la SC es la que ejecuta esa verificación.
Fallo 2: las cuotas estallan y hay que volver a campo
Pones cuotas de "100 mujeres de 20 / 100 de 30 / 100 de 40", arrancas, y la celda de 20 se llena enseguida mientras la de 40 nunca completa. Si recompletas sólo 40, sumas sesgo sobre sesgo.
Fallo 3: errar la IR pulveriza el presupuesto
Apuntas a "usuarios de suscripción de café por delivery" suponiendo IR del 10%, descubres que la IR real es 2% — y el coste se multiplica por 5. Sin estimación de IR previa, los proyectos con panel suelen acabar en desastre presupuestario.
La documentación metodológica de Pew Research Center trata estimación de IR y diseño muestral como una sola etapa de planificación.
3. Proceso de diseño en cinco pasos
La práctica converge en estos cinco pasos.
Paso 1: definir población y target con precisión
Escribe en una frase a quién quieres representar: p. ej., "mujeres en España de 20–49 años que compraron cosmética online en los últimos 3 meses". Cada pregunta de cribado se justifica contra esa frase.
Paso 2: enumerar las condiciones a verificar
Descompone la frase en condiciones comprobables:
- Demográficas — género, edad, región, ocupación, ingresos
- De comportamiento — compra, uso, frecuencia, recencia
- Actitudinales — interés en la categoría, awareness de marca
Paso 3: ordenar las preguntas
Heurística por defecto: amplio → específico, neutro → sensible, sin esfuerzo de memoria → con esfuerzo.
| Posición | Ejemplo | Por qué |
|---|---|---|
| Inicio | Género, edad | Atributos amplios para toda la muestra |
| Medio | Región, ocupación | Filtros intermedios |
| Después | Uso, frecuencia | Sensible o con esfuerzo de memoria |
| Final | Condiciones detalladas | Confirmación final sólo a cualificados |
Paso 4: diseñar cuotas
Fija targets por celda y calcula contactos necesarios desde la IR. Nuestra guía sobre cómo determinar el tamaño muestral sirve de input para el screener.
Paso 5: piloto antes de la salida
Antes del campo principal, piloto pequeño (N=30–100). Mide IR real, tiempo de respuesta y puntos de abandono. Saltarse el piloto prácticamente garantiza un problema en el campo principal que se podría haber detectado en un día.
4. Cinco reglas para diseñar la SC
Regla 1: una condición por pregunta (MECE)
No comprimas varias condiciones en una pregunta. "¿Eres mujer de 20 años que compró cosmética en los últimos 3 meses?" hace inviable la lógica de routing. Separa cada condición y combínalas con lógica de salto.
Regla 2: incluye siempre "ninguna de las anteriores"
Pon "ninguna" o "no he comprado" como opción explícita. Krosnick (1991) Response Strategies for Coping with the Cognitive Demands of Attitude Measures in Surveys muestra que sin esa salida los respondentes tienden al satisficing — eligen algo plausible y se cuelan en el screener.
Regla 3: distingue "actualmente" de "en el pasado"
"¿Usas el producto X?" es ambiguo entre uso actual y pasado. Usa marcos temporales explícitos: "actualmente lo uso", "lo he usado en los últimos 3 meses", "lo he usado en los últimos 12 meses", "nunca lo he usado".
Regla 4: ítems sensibles al final del SC
Ingresos, salud, religión, ideología — al final del cribado, no al inicio. Ponerlos delante dispara el abandono.
Regla 5: no filtres la "respuesta correcta"
Nunca prologues con "este estudio es para usuarios del producto X". Crea incentivo para que los no cualificados se declaren cualificados y destruye la validez. En el sector se describe como herida autoinfligida — ese nivel de básico.
5. Las matemáticas: tasa de incidencia y diseño de cuotas
Usa esta fórmula en diseño para que las cuotas no se desplomen.
Contactos necesarios
Ejemplo: 500 completes objetivo, IR 10%, completado 80% → 500 / (0,10 × 0,80) = 6.250 contactos.
Gestión por celda
Cuotas tipo género × edad:
| Celda | Objetivo | IR estimada | Tasa de completado | Contactos necesarios |
|---|---|---|---|---|
| Mujeres, 20s | 100 | 12% | 80% | 1.042 |
| Mujeres, 30s | 100 | 10% | 80% | 1.250 |
| Mujeres, 40s | 100 | 8% | 75% | 1.667 |
| Mujeres, 50s | 100 | 5% | 70% | 2.857 |
Es habitual variar IR y completado por celda — los benchmarks de Centiment y Pollfish observan repetidamente que las celdas más mayores tienen IR y completado más bajos.
6. Visión editorial — cinco reglas que de verdad mueven la aguja
Siguiendo informes del sector y casos públicos, estos son cinco puntos que vale la pena defender con fuerza.
1. Dedica al SC tanto tiempo como al cuestionario principal. El SC no es un calentamiento, es una disciplina de diseño aparte que decide si el resto del proyecto es salvable. Equipos que dedicaron 30 minutos al SC y se llevaron el golpe en análisis aparecen en la prensa especializada una y otra vez. Asigna al menos una hora, idealmente dos. No es inversión: es prerrequisito de un dato útil.
2. No subestimes el sesgo de auto-reporte — te aplasta. Cuando preguntas "en los últimos 3 meses", la memoria humana tiende a inflar la ventana en 1,5–2× — un hallazgo replicado en investigación sobre respuesta a encuestas (Tourangeau et al., 2000). Si tu screener dice "últimos 3 meses", diseña asumiendo que en realidad estás preguntando "últimos 6 meses".
3. Saltarse el piloto te cuesta una semana. Un piloto de N=50 captura el 70–80% de los problemas que reventarían el campo principal. Pilotas un día, corriges otro y son dos días. Sin piloto, pierdes una o dos semanas reconstruyendo el campo. El ROI es tan desigual que no hay defensa para saltárselo.
4. Teme más los "falsos cualificados" que los "falsos no cualificados". Un SC laxo deja entrar a no target y corrompe el dato. Un SC estricto deja fuera a algunos target y sube el coste. El primer fallo es muchísimo más caro — las decisiones equivocadas valen órdenes de magnitud más que el coste de reclutamiento. En la duda, criba más estricto, no menos.
5. No ordenes el SC sólo por conveniencia de cuotas. Preguntar género y edad arriba es eficiente para routing. Pero poner ítems sensibles o de mucha memoria arriba dispara el abandono. Optimiza la tasa total de completado, no la eficiencia de routing del propio screener. Este trade-off aparece en casi cualquier guía metodológica por algo.
7. El cribado en la Herramienta de Encuestas Kicue
Kicue trae de serie todos los componentes para operar cribados serios.
Tipo de pregunta SCREEN
El tipo SCREEN permite marcar cada opción como "cualifica" o "termina" directamente. Frente al apaño de pegar lógica de salto a una SA genérica, la intención de diseño queda explícita y se revisa y modifica más fácil.
Lógica de salto y de visualización
Cuando la cualificación depende de combinaciones de SC, combina lógica de salto y lógica de visualización. Condiciones del tipo "continúa sólo si SC1 = A AND SC3 = B" se expresan sin esfuerzo.
Cuotas con monitorización en tiempo real
El módulo de cuotas sigue objetivos por celda contra completes en vivo. Cuando una celda (p. ej., mujeres de 20s) llega al objetivo, el sistema puede auto-cribar a los siguientes cualificados en esa celda.
Parámetros de URL para el handoff con paneles
Si el tráfico viene de un panel externo, los parámetros de URL llevan el ID del panel, género, tramo de edad y otros atributos ya verificados — y no hace falta repreguntarlos en el SC.
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 de cribado:
- El SC no es calentamiento, es un dominio de diseño aparte. Minimiza la brecha entre población intencional y muestra obtenida.
- Ocho de cada diez fallos nacen en el SC — fugas off-target, cuotas que estallan, IR mal estimada.
- Cinco pasos: definir población → enumerar condiciones → ordenar preguntas → diseñar cuotas → piloto.
- Cinco reglas: una condición por pregunta, siempre "ninguna", distinguir actual vs pasado, ítems sensibles al final, nunca filtrar la respuesta.
- Contactos necesarios = completes objetivo / (IR × completado) — estimación por celda.
- Los equipos que se toman el SC en serio ganan en análisis. Es la línea de vida del proyecto.
En el seguimiento de informes del sector, "los equipos que recortan en el SC también recortan en análisis". Tratar el screener como un objeto de diseño independiente es la bifurcación que decide la calidad de la encuesta.
Referencias
Académico y metodológico
- Couper, M. P. (2008). Designing Effective Web Surveys. Cambridge University Press.
- Krosnick, J. A. (1991). Response Strategies for Coping with the Cognitive Demands of Attitude Measures in Surveys. Applied Cognitive Psychology.
- Tourangeau, R., Rips, L. J. y Rasinski, K. (2000). The Psychology of Survey Response. Cambridge University Press.
Organismos y centros de metodología
- AAPOR (American Association for Public Opinion Research): Standard Definitions.
- Pew Research Center: Our Survey Methodology in Detail.
Benchmarks de proveedores (como observaciones del sector)
- Centiment: A Guide to Incidence Rate in Survey Research.
- Pollfish: What Is Incidence Rate in Market Research?
- Forsta: Survey Screening Best Practices.
- Qualtrics: Survey Screener Design Guidelines.
¿Quieres diseñar y ejecutar encuestas con cribado de extremo a extremo? Prueba la herramienta de encuestas online gratuita Kicue. El tipo de pregunta SCREEN, la lógica de salto y las cuotas en tiempo real vienen de serie, así que tu diseño de cribado fluye directo al análisis.