Il bias di selezione nel marketing

Quasi ogni decisione che prendiamo è in­con­scia­men­te offuscata dai pre­giu­di­zi. Il termine tecnico per questo effetto psi­co­lo­gi­co è “bias di selezione”, noto anche come effetto di selezione o di­stor­sio­ne di selezione. Questa di­stor­sio­ne cognitiva indica che un risultato sbagliato è ri­con­du­ci­bi­le a errori di selezione, come può accadere ad esempio durante la selezione delle unità di cam­pio­na­men­to. Questo ha un impatto anche sulle ricerche di mercato ed è quindi di rilevanza anche per le imprese.

Il bias di selezione ha gravi im­pli­ca­zio­ni per la scelta delle in­for­ma­zio­ni. Non solo nelle ricerche di mercato o nella scienza, ma anche nelle si­tua­zio­ni quo­ti­dia­ne. Solo chi è con­sa­pe­vo­le della propria fal­li­bi­li­tà può sfruttare i bias (di­stor­sio­ni) e i loro effetti a proprio vantaggio. La con­sa­pe­vo­lez­za delle va­lu­ta­zio­ni errate può portare vantaggi decisivi alle imprese. Con­tra­sta­re con­sa­pe­vol­men­te la di­stor­sio­ne di selezione consente di ottenere risultati più si­gni­fi­ca­ti­vi negli studi.

Il bias di selezione è una di­stor­sio­ne sta­ti­sti­ca nella selezione delle unità di cam­pio­na­men­to. Tali di­stor­sio­ni an­dreb­be­ro evitate per ottenere dati e risultati si­gni­fi­ca­ti­vi. Nel marketing, ad esempio, il bias di selezione mette a re­pen­ta­glio l’obiet­ti­vi­tà dei sondaggi fra clienti e di altre misure di ricerca di mercato. I motivi per cui si verifica l’effetto di selezione sono mol­te­pli­ci e sono ri­con­du­ci­bi­li sia ai par­te­ci­pan­ti che agli addetti alla selezione delle unità di cam­pio­na­men­to. Un aspetto molto im­por­tan­te è infatti la di­spo­ni­bi­li­tà delle persone a par­te­ci­pa­re, quando non è casuale. Bias di selezione co­no­sciu­ti sono, ad esempio, il “bias di non risposta”, il “bias di auto-selezione” e il “bias di so­prav­vi­ven­za”. Si parla di bias di so­prav­vi­ven­za quando in un’indagine, che sia stata di successo oppure no, vengono presi in con­si­de­ra­zio­ne solo i dati dei “so­prav­vis­su­ti”.

Le pre­cau­zio­ni e le con­tro­mi­su­re ne­ces­sa­rie per mi­ni­miz­za­re al massimo o escludere com­ple­ta­men­te un bias di selezione sono re­la­ti­va­men­te complesse. Nella ricerca sociale empirica o nella ricerca di mercato, per garantire risultati rilevanti, si ricorre a tecniche sta­ti­sti­che, come ad esempio la cor­re­zio­ne di Heckman.

Il bias di selezione è da tempo di grande rilevanza non solo per la ricerca. In ambito aziendale, ma anche nella vita di tutti i giorni, se­le­zio­nia­mo in­for­ma­zio­ni o riceviamo dati che sono già stati distorti in modo selettivo. Se com­met­tia­mo errori già nella selezione è dovuto anche, in gran parte, alle di­stor­sio­ni cognitive, che poi alterano ine­vi­ta­bil­men­te il risultato.

La frequenza con cui si ma­ni­fe­sta­no di­stor­sio­ni di selezione dimostra chia­ra­men­te che noi non siamo im­par­zia­li, ma che anche solo av­vi­ci­nar­si a uno stato di im­par­zia­li­tà richiede uno sforzo im­por­tan­te. Gli esempi seguenti del bias di selezione mostrano le numerose im­pli­ca­zio­ni di una di­stor­sio­ne di selezione.

Nel primo esempio bisogna condurre un sondaggio sulla co­no­scen­za generale di una marca di un in­te­gra­to­re ali­men­ta­re salutare. Se il sondaggio si effettua in palestre, negozi di prodotti naturali o su­per­mer­ca­ti biologici, le persone in­ter­vi­sta­te faranno parte dei target del prodotto, il che può sembrare sensato. Questo, tuttavia, ge­ne­re­reb­be già un bias di selezione com­pro­met­ten­do l’af­fi­da­bi­li­tà del risultato della ricerca di mercato.Le persone che fre­quen­ta­no palestre, negozi di prodotti naturali o su­per­mer­ca­ti biologici sono di solito più ricettive all’efficacia e all’im­por­tan­za di prodotti salutari. Si può presumere, quindi, che la co­no­scen­za del marchio in questi gruppi di persone sia più elevata, il che fal­si­fi­che­reb­be la va­lu­ta­zio­ne.

Il secondo esempio di bias di selezione dimostra, invece, quali possono essere le im­pli­ca­zio­ni di una selezione non casuale. I ri­cer­ca­to­ri economici devono condurre un’indagine sulla con­giun­tu­ra economica il più rap­pre­sen­ta­ti­va possibile di tutte le imprese del paese. La selezione dei dati avviene, tuttavia, sulla base del registro delle imprese e delle società com­mer­cia­li e di capitale che vi sono re­gi­stra­te. In questo caso, il bias di selezione è ancora più forte di quanto si possa supporre a prima vista: la di­stor­sio­ne esclude non solo i piccoli com­mer­cian­ti, ma anche numerosi liberi pro­fes­sio­ni­sti di successo (come avvocati, medici e ar­chi­tet­ti), artisti e coloro che svolgono un lavoro se­con­da­rio, in qualunque settore.

Questo esempio è ovvio e ri­cer­ca­to­ri esperti non com­met­te­reb­be­ro questo errore. Tuttavia, può capitare che tanti bias di selezione meno evidenti si sommino arrivando a di­stor­ce­re anche un dato fon­da­men­ta­le come quello delle pre­vi­sio­ni eco­no­mi­che di un paese.

Il bias di selezione rap­pre­sen­ta una sfida so­prat­tut­to per le ricerche di mercato, ma lo è meno per il marketing attivo. Anche nella va­lu­ta­zio­ne del successo delle campagne pub­bli­ci­ta­rie, che dopotutto non sono altro che un tipo di ricerca di mercato, è ne­ces­sa­rio tenere conto, ad esempio, di eventuali di­stor­sio­ni di selezione per riuscire a pre­sen­ta­re risultati di marketing af­fi­da­bi­li.

Nei sondaggi tra clienti e utenti, svolge un ruolo fon­da­men­ta­le una variante del bias di selezione, il “bias di auto-selezione”,. Questo bias si verifica ogni volta che i par­te­ci­pan­ti possono decidere in autonomia se par­te­ci­pa­re a un sondaggio oppure no. Se chi non partecipa ha un’opinione si­gni­fi­ca­ti­va­men­te diversa (ad esempio è in­sod­di­sfat­to dell’azienda) rispetto a chi decide di par­te­ci­pa­re (ad esempio è sod­di­sfat­to dell’azienda), il bias di selezione può causare una so­prav­va­lu­ta­zio­ne della sod­di­sfa­zio­ne del cliente. Il problema del bias di selezione può e deve pertanto essere ridotto con metodi di pon­de­ra­zio­ne sta­ti­sti­ca.

Per il marketing, il bias di selezione rap­pre­sen­ta una sfida par­ti­co­la­re perché si verifica spesso con­tem­po­ra­nea­men­te ad altri fenomeni di di­stor­sio­ni cognitive. Per con­tra­star­lo ef­fi­ca­ce­men­te da un punto di vista sta­ti­sti­co, è quindi in­nan­zi­tut­to ne­ces­sa­rio conoscere la com­bi­na­zio­ne di di­stor­sio­ni. Possiamo citare, ad esempio, il bias di pub­bli­ca­zio­ne (quando vengono pub­bli­ca­ti solo risultati positivi) o il bias di auto-selezione appena men­zio­na­to (quando par­te­ci­pa­no solo de­ter­mi­na­ti gruppi di persone).

Minore è la quantità di dati e/o il campione ana­liz­za­to, maggiore è la pro­ba­bi­li­tà che si generi un bias di selezione che rende inaf­fi­da­bi­li i dati per il marketing. Errori non rilevati possono di­stor­ce­re qualunque studio o indagine fino a rag­giun­ge­re un’ar­bi­tra­rie­tà assoluta che può portare, ov­via­men­te, anche a decisioni di marketing rovinose. Uno studio ben pro­get­ta­to permette quindi di prevenire sia effetti inconsci e di­stor­sio­ni in­de­si­de­ra­te che possibili ma­ni­po­la­zio­ni.

Vi preghiamo di osservare la nota legale relativa a questo articolo.