Datos ordinales: definición, ejemplos, recopilación y análisis

Las empresas invierten más en herramientas de datos para ayudar a sus equipos de marketing a tomar mejores decisiones.

Pero el marketing necesita algo más que datos y herramientas de análisis para implementar una estrategia de marketing eficaz. También necesitan comprender el tipo de datos que recopilan y cómo analizarlos para obtener información significativa.

Esto implica volver a lo básico y comprender los datos ordinales, uno de los tipos de datos de marketing clave. Este artículo explorará los datos ordinales y cómo informan las decisiones de marketing basadas en datos.

El nivel de satisfacción del cliente es un ejemplo de datos ordinales. Sus variables pueden ser:

• Muy Satisfecho
• Satisfecho
• Neutral
• Insatisfecho
• Muy insatisfecho

Utilizando datos ordinales, puede calcular la frecuencia, la distribución, la moda, la mediana y el rango de las variables.

Una vez que haya definido los datos ordinales, es posible que se pregunte acerca de otros tipos de datos, como los datos nominales, de intervalo o de razón. ¿En qué se diferencian de los datos ordinales? Aquí hay algunas definiciones rápidas:

• Los datos nominales son una clasificación de datos cuyas variables tienen un conjunto finito de valores y categorías que no están ordenadas. Con datos nominales, mide variables como el tipo de empleo, que tiene varios resultados, como trabajo independiente, de tiempo completo o híbrido.
• Los datos de intervalo son un tipo de datos en los que el intervalo entre dos valores no es constante. Los datos de intervalo surgen de muchas maneras, por ejemplo, al medir intervalos de tiempo o cuando varía la diferencia entre dos mediciones. La forma más común de representar datos de intervalo es usar una tabla con columnas para los límites superior e inferior de cada rango.
• Los datos de proporción son un tipo de datos utilizados para el análisis estadístico. Los datos de la relación no proporcionan ninguna información sobre los valores que representa. Esta información debe obtenerse de otras fuentes referenciadas por los datos de la relación. A menudo se usa en el análisis de información financiera, pero también se puede aplicar a otros tipos de datos.

5 ejemplos de datos ordinales

Los datos ordinales se presentan en diferentes formatos. Aquí hay algunos ejemplos de datos ordinales y cómo sincronizarlos con su estrategia comercial para mejorar sus esfuerzos de administración de datos.

1. Nivel de interés

Tanto si ya ha lanzado su producto al mercado como si ha introducido nuevas funciones en su producto existente, deberá realizar una investigación de mercado para hacer preguntas y medir el interés de su público objetivo.

La investigación de mercado implica analizar datos tanto cualitativos como cuantitativos para comprender las necesidades de los clientes, sus socios compradores y qué los motiva a comprarle. Esta información puede ayudar a mejorar sus campañas de marketing en el futuro.

Por ejemplo, si organiza conferencias regularmente, las encuestas pueden ayudarlo a saber qué tan bien lo hizo y si sus asistentes quieren asistir a la conferencia nuevamente. Este es un ejemplo de datos de nivel de interés:

Fuente: SurveyMonkey

Las preguntas que haga revelarán el nivel de interés de los clientes potenciales en su producto o servicio. Los niveles de interés van desde no interesado, ligeramente interesado, neutral hasta muy interesado.

2. Nivel educativo

Este tipo de datos ordinales proporciona información sobre el nivel de competencia de su público objetivo.

El nivel de educación puede preguntar si su público objetivo ha adquirido diferentes niveles de educación formal, como la escuela secundaria, la universidad y la escuela de posgrado. Puede recopilar estos datos asignando números a cada nivel, como 1 para educación no formal, 2 para educación primaria, y así sucesivamente, hasta 10 para un doctorado universitario.

Los datos del nivel de educación son útiles cuando se utilizan análisis en su proceso de contratación para ayudarlo a evaluar las solicitudes de empleo de los posibles candidatos.

Los datos de nivel educativo pueden ayudarlo a hacer predicciones poderosas sobre a quién contratar en el futuro para respaldar el crecimiento de la empresa, dónde enfocar sus esfuerzos de reclutamiento y encontrar candidatos adecuados para puestos específicos.

Si dirige un equipo de ventas, evaluar el nivel de educación de los miembros de su equipo le permite saber cómo respaldar sus objetivos de desarrollo profesional. De esta manera, puede crear un equipo de ventas de alto rendimiento y mejorar la retención.

3. Situación socioeconómica

Comprender el estado socioeconómico de su público objetivo ayuda a crear y refinar sus segmentos de clientes en función de sus perfiles demográficos y psicográficos.

Luego puede confiar en estos segmentos al ejecutar campañas de marketing personalizadas que satisfagan sus necesidades y deseos. Los datos ordinales sobre el estado socioeconómico de un público objetivo B2C incluyen género, ubicación, ingresos familiares, estado civil y edad.

Por otro lado, los datos para un público objetivo B2B incluyen los ingresos anuales brutos, la etapa de crecimiento del negocio, la cantidad de empleados, la posición en el mercado y el tipo de industria.

4. Nivel de satisfacción

El nivel de satisfacción refleja qué tan contentos están sus clientes con las diferentes interacciones de la marca. Por ejemplo, su proceso de incorporación de clientes o qué tan bien resuelve los diferentes problemas de los clientes.

La satisfacción del cliente puede expresarse como extremadamente satisfecho, satisfecho, insatisfecho o extremadamente insatisfecho. Los datos del nivel de satisfacción lo ayudan a medir la satisfacción con el servicio al cliente y el manejo de ventas para identificar áreas de mejora.

Este es un ejemplo de los datos del nivel de satisfacción de una encuesta de ajuste del mercado de productos que realizó Buffer:

Fuente: tampón

Con estos datos, la empresa pudo saber qué tan útil es el programador Power de Buffer para sus clientes, lo que significa que el producto era el adecuado para sus usuarios.

5. Comparación

Esto implica hacer preguntas que revelen las similitudes o diferencias entre dos o más puntos de datos. Una vez que identifique las similitudes o diferencias, puede aprender qué características son similares, cuáles son diferentes y el grado en que son diferentes o similares.

Por ejemplo, es posible que desee comparar el rendimiento de los ingresos de 2021 a 2022. Su comparación producirá significativamente menos, aproximadamente lo mismo, más y significativamente más para los ingresos de cada año.

Con esto, puede medir las tendencias macroeconómicas y de la industria y ajustar su estrategia para que se ajuste a su proceso de elaboración de presupuestos para controlar los gastos. Incluso puede decidir llevar esto más lejos y comparar las tendencias de la industria para que pueda crear informes y escribir contenido de liderazgo intelectual para impulsar el conocimiento de la marca.

Cómo recopilar datos ordinales

Si le pidiera a alguien que clasificara su nivel de satisfacción en una escala del 1 al 5, su respuesta sería ordinal. Puede recopilar estos datos ‌a través de encuestas o escalas Likert utilizando un software de encuestas.

Las encuestas son uno de los métodos más antiguos para recopilar datos ordinales. Puede usar encuestas para determinar los sentimientos de su público objetivo sobre productos, temas o problemas específicos relacionados con su marca, producto o servicio. Puede encuestar con muchos métodos, incluso en persona, por teléfono o en línea.

Sin embargo, con las encuestas, es difícil recopilar datos precisos de personas que no quieren responder preguntas honestamente o entenderlas. Las encuestas también requieren mucho tiempo por parte del investigador para crearlas, validarlas y analizarlas.

Una escala de Likert es una encuesta que pide a los participantes que estén de acuerdo o en desacuerdo con cada afirmación de la encuesta, por ejemplo, "Estoy totalmente en desacuerdo". Luego, los participantes se asignan una respuesta basada en sus sentimientos hacia la declaración y su nivel de acuerdo con ella.

Las escalas de Likert mejoran la claridad durante el análisis porque los encuestados se califican a sí mismos en una escala ordenada con intervalos claramente definidos, por ejemplo, una escala de 1 a 7.

Para recopilar datos ordinales, debe realizar encuestas con preguntas que clasifiquen las respuestas mediante una escala implícita o explícita. Por ejemplo, si tiene mucho tráfico que llega al sitio web de su empresa, puede usar una herramienta de comentarios del sitio web empresarial para recopilar comentarios de su sitio web. Preguntar:

"¿Qué tan contento estás con la publicación del blog que acabas de leer?"

Las posibles respuestas podrían ser:

• Feliz
• Infeliz
• Satisfecho
• Insatisfecho

Pruebas a realizar con datos ordinales

Puede realizar varias pruebas en datos ordinales para medir la diferencia entre dos o más grupos. Estas pruebas incluyen:

• La prueba de Kruskal-Wallis
• La prueba U de Mann-Whitney
• Prueba de suma de rangos de Wilcoxon
• Prueba de la mediana de estado de ánimo

Los datos ordinales son un tipo de datos que clasifica los valores de menor a mayor. En otras palabras, los datos ordinales se clasifican u ordenan.

Prueba Kruskal-Wallis H

La prueba de Kruskal-Wallis es una prueba no paramétrica utilizada para comparar las medianas de tres o más grupos independientes. Se utiliza cuando los datos no se distribuyen normalmente y la varianza entre los grupos es desigual. La prueba Kruskal-Wallis también puede comparar dos grupos dependientes: imágenes de antes y después del rediseño de un sitio web.

Prueba U de Mann-Whitney

La prueba de Mann-Whitney es una prueba no paramétrica utilizada para comparar la mediana de dos muestras independientes. Se puede usar cuando hay datos ordinales, como calificaciones en una escala del 1 al 5, o cuando no hay grupos claros en los datos.

Prueba de rango con signo de Wilcoxon

La prueba de rango con signo de Wilcoxon es una prueba no paramétrica que se puede utilizar para conjuntos de datos con o sin distribución normal. Es una alternativa a la prueba t en los casos en que los datos no tienen una distribución normal.

Cuando se ejecuta una prueba t, se supone que la distribución subyacente de los datos es normal, pero esta suposición puede ser incorrecta.

Por ejemplo, al probar la diferencia de altura entre dos grupos, digamos que un grupo tiene una altura promedio de 180 cm y el otro grupo tiene 170 cm. No verás ninguna diferencia significativa en sus alturas.

Sin embargo, al usar la prueba de rango con signo de Wilcoxon, puede ver más allá de la diferencia regular en sus alturas.

Prueba de la mediana del estado de ánimo

La prueba se basa en la premisa de que los estados de ánimo de las personas se agrupan en torno a un punto medio, siendo algunos más positivos o negativos que otros. La prueba de la mediana de Mood a menudo mide cómo se sienten las personas sobre un tema o idea, como la opinión de su cliente sobre sus productos o servicios. Puede predecir el comportamiento en función de sus estados de ánimo, por ejemplo, si sus clientes le comprarán a usted o a sus competidores.

Cómo analizar datos ordinales

Hay dos formas de analizar datos ordinales: estadística inferencial y descriptiva.

Las estadísticas descriptivas resumen las características de un conjunto de datos e identifican patrones. Aquí están las estadísticas descriptivas para datos ordinales:

• Distribución de frecuencias
• Medidas de tendencia central
• Rango (medidas de variabilidad)

Las estadísticas inferenciales , por otro lado, predicen lo que puede suceder en el futuro en función de los datos que tiene. Puede usar datos ordinales para recopilar información, crear hipótesis o incluso sacar conclusiones con las cuatro pruebas descritas anteriormente.

Las pruebas de suma de rango con signo de Kruskal-Wallis, Mann Whitney U y Wilcoxon analizan datos ordinales. Todas son pruebas no paramétricas, lo que significa que no se basan en suposiciones sobre la distribución de datos.

Analítica descriptiva

El análisis descriptivo recopila, analiza e informa datos sobre eventos que ya han ocurrido. Esto difiere del análisis predictivo, que predice eventos futuros en función de datos históricos. El análisis descriptivo ayuda a las empresas a identificar patrones en el pasado para mejorar su toma de decisiones en el futuro.

En el análisis descriptivo, el objetivo es encontrar patrones en los datos existentes, no predecir lo que sucederá en el futuro. El análisis descriptivo tiene como objetivo encontrar relaciones de causa y efecto entre eventos pasados ​​y usar estas relaciones para predecir eventos futuros.

A diferencia de otros métodos de análisis, el análisis descriptivo se puede utilizar en cualquier momento con cualquier dato disponible. Esto lo hace más accesible para empresas más pequeñas con recursos insuficientes para modelos predictivos o grandes conjuntos de datos requeridos por otros métodos.

gráficos

Las barras y los gráficos presentan los datos de una manera fácil de comprender. Son útiles cuando los datos son demasiado grandes o complicados para mostrarse en una tabla. El tipo de gráfico que elija depende de la cantidad de información que desee transmitir, las dimensiones de los datos y su audiencia.

Los gráficos de barras muestran información como barras con longitudes proporcionales a sus valores. Se usan cuando los datos son categóricos, lo que significa que se dividen en grupos específicos. Aquí hay un gráfico de barras para un centro de llamadas, que muestra el tiempo necesario para responder cada día de la semana:

Fuente: Datapine

Son una buena opción cuando desea que su audiencia pueda comparar valores fácilmente. Los gráficos de barras son más intuitivos y fáciles de entender en comparación con los números. También es posible usar barras en combinación con líneas u otros gráficos, como diagramas de dispersión, histogramas o gráficos circulares.

Los gráficos de líneas se utilizan cuando los datos tienen un valor ordenado. Estos gráficos usan líneas para conectar puntos en dos ejes con la misma escala en ambos lados. Estas líneas pueden ser continuas o punteadas y comenzar en cualquier punto de cualquiera de los ejes.

Las líneas representan cambios a lo largo del tiempo, como la forma en que el mercado de valores fluctúa diariamente o cómo cambia el costo de la energía año tras año. Aquí hay un ejemplo de clientes potenciales entrantes mensuales durante 12 meses visualizados usando un gráfico de líneas:

Medidas de tendencia central

La tendencia central es el promedio de un conjunto de números. Mide qué tan cerca se agrupan los números en un conjunto de datos alrededor de su media.

Los tres tipos principales de tendencia central son la media, la mediana y la moda. La medida de tendencia central más común es la media aritmética, calculada sumando todos los valores en el conjunto de datos y dividiendo esta suma por el número de valores en ese conjunto de datos.

La mediana también se puede usar como una alternativa para calcular la tendencia central, simplemente encontrando el valor medio en un conjunto de datos después de ordenar todos los números de menor a mayor. La moda es el valor más frecuente en un conjunto.

Conclusiones clave

Los datos ordinales son más complejos que los datos nominales y se usan comúnmente para medir el interés. La escala de Likert es un ejemplo popular de datos ordinales.

Utilice algunos de los ejemplos reales proporcionados aquí para inspirar su propia recopilación de datos de encuestas. Mientras lo hace, obtenga más información sobre las encuestas y cómo ayudan a recopilar datos.