Earn money by answering our surveys

Register now!

¿Cómo conseguir que los usuarios de Internet compartan más datos personales?

Earn up to 50€ by participating in one of our paid market research.

Register now!

¿Qué datos personales están dispuestos a compartir los usuarios de Internet a cambio de una mejor personalización de la oferta de marketing? ¿Cómo adaptar su estrategia de marketing para obtener más datos? Estas preguntas son objeto de debate en el momento de la entrada en vigor del RGPD y de la privacidad electrónica. ¿Qué datos puede recopilar una empresa sin temor a que sus clientes pierdan la confianza? Es una cuestión delicada (y crucial a la vez) la que nos proponemos analizar hoy. Se acaba de publicar un estudio fascinante que ofrece respuestas precisas sobre el intercambio de 17 categorías de datos basadas en diez promesas de marketing. Este estudio le ayudará a desarrollar una estrategia de recopilación de datos verdaderamente eficaz.

Resumen

La personalización tiene un coste: los datos personales

En la era digital, la personalización de contenidos es una cuestión de rutina en todos los sectores. Desde la creación y consecuente emisión de este (Netflix, YouTube) hasta la publicidad en línea y el comercio electrónico (Amazon, Alibaba), los algoritmos de recomendación pueden aumentar el rendimiento empresarial. Netflix, por ejemplo, estima que sus algoritmos recomendaban el 80% del contenido consumido en su plataforma.

Un algoritmo de recomendación propuso el 80% del contenido consumido en Netflix

Los beneficios de la personalización algorítmica son claros: mayor satisfacción del cliente y mayor fidelidad. Pero este aumento de la satisfacción y fidelización del cliente tiene un coste para el usuario: el de sus datos.
Para comprender completamente el valor de los datos, primero debemos hablar sobre los diferentes tipos de datos personales.

Los diferentes tipos de datos personales

Wadle y col. (2019) proporcionan una clasificación muy útil que también forma la base del estudio, el cual se discutirá más adelante en este artículo. Se identifican un total de 17 categorías de datos personales (ver más abajo).

  • origen racial o étnico: etnia, nacionalidad, color de piel
  • opiniones políticas: opiniones sobre temas de actualidad, comportamiento electoral, interés político.
  • creencias religiosas o filosóficas: comunidades de fe, conciencia, valores y conceptos morales.
  • pertenencia a un colectivo determinado: sindicatos, asociaciones, partidos políticos
  • datos genéticos: disposición a enfermedades, análisis de ADN, ascendencia biológica
  • datos biométricos para una identificación única: imágenes faciales, escaneo de iris, huellas dactilares
  • salud física o mental: salud, medicamentos, diagnósticos, frecuencia cardíaca
  • datos sobre la vida sexual: frecuencia, prevención, orientación sexual
  • números de identificación: número de documento nacional, número de personal, número de seguridad social
  • datos demográficos: fecha de nacimiento, estado civil, edad, sexo
  • información de contacto: números de teléfono, direcciones de correo electrónico, domicilio
  • características físicas: color de pelo, talla de zapato, peso, estatura
  • situación financiera: ingresos, pasivos, activos de capital
  • formación profesional y ocupación: títulos obtenidos, ocupaciones pasadas, asistencia a escuelas y universidades.
  • relación con otras personas: compañeros, frecuencia de contacto, familiares
  • capacidades físicas e intelectuales: fuerza máxima de agarre, coeficiente intelectual, agudeza visual
  • intereses temáticos: actividades de ocio, estilo musical, aficiones

El precio de los datos

El precio de los datos se puede abordar de dos formas diferentes: desde la perspectiva de la empresa y desde la perspectiva de la percepción del consumidor. De hecho, los datos se “venden” entre las empresas que los recopilan (en realidad, se “prestan” para un uso específico y limitado). Sin embargo, el valor económico no se corresponde necesariamente con el valor «emocional» que el consumidor les atribuye. En 2017, el Consejo Superior de Protección al Consumidor de Alemania publicó un informe muy detallado sobre la importancia de los datos de los clientes en los intercambios entre empresas, y las conclusiones hablan por sí solas: un conjunto completo de datos sobre un usuario puede alcanzar los 55 dólares estadounidenses. Por este precio, obtiene datos que los europeos podemos considerar extremadamente sensibles, como el historial crediticio (consulte la tabla a continuación).

Precio por conjunto de datos Descripción
1€ (aprox) Por un conjunto de datos «masivo» para una persona y alrededor de 30 variables
Hasta 0,5€ Por la dirección completa (nombre, calle, número)
0,7$ Por los datos de viaje y ubicación de un ciclista
Hasta 2€ Por fecha de nacimiento
10$ Por los datos de teléfonos móviles (por un año y un usuario)
Hasta 55$ Por el conjunto completo de datos sobre una persona, incluida la fecha de nacimiento, la dirección o el historial crediticio

El valor de los datos del consumidor en los intercambios entre empresas (fuente: Sachverständigenrat für Verbraucherfragen)

 

valeur pour la protection des données personnelles par type de données et par pays

Cantidad aproximada de personas que pagarían para proteger cada tipo de datos (fuente: Harvard Business Review, 2015)

Veamos ahora la percepción del valor que los consumidores tienen sobre sus propios datos; un interesante estudio apareció en Harvard Business Review en 2015, el cual lo cuantificó. Los resultados mostraron una gran disparidad, según las categorías de datos y, también,  según el país. Numerosos estudios de investigación han puesto de relieve esta sensibilidad «cultural». Un ejemplo son los grupos focalizados, realizados en 7 países europeos por Lancelot Miltgen y Peyrat-Guillard (2013).


 

Roeble y col. (2015) también encuestaron a los consumidores sobre el valor de sus datos, de manera remunerada como contraprestación por compartir sus datos personales; la  evaluación posterior se realizó mensualmente.

Compensation mensuelle attendue par les consommateurs pour le partage de leurs données à caractère personnel

Compensación mensual esperada por los consumidores por compartir sus datos personales (fuente: Roeble et al.2015)

Como puede ver, hay poca correspondencia entre la realidad económica (valores a menudo inferiores a 1 euro) y la percepción de los consumidores sobre el valor de sus datos. Esta discrepancia solo puede generar frustración, ya que los usuarios sobreestiman la importancia de sus datos a la luz de una ecuación que les es principalmente desfavorable, ya que actualmente no reciben nada.

Al 50% de los consumidores les gustaría recibir más de 20 € al mes por compartir sus datos personales

El intercambio de datos personales depende del contexto

La voluntad de los usuarios de Internet de compartir sus datos depende en gran medida del contexto de la recopilación de datos, tal y como demostraron Roeble y col. (2015) en un estudio cuantitativo.
El fascinante estudio de Wadle y col. (2019) lo confirma y demuestra que es la importancia del beneficio percibido por el consumidor lo que es decisivo en el intercambio de sus datos.
El estudio se realizó en Alemania con 1121 personas que respondieron un cuestionario en línea. Tuvieron que evaluar su propensión a compartir sus datos (clasificados en 17 categorías, representados en el eje de abscisas) de acuerdo con diferentes promesas: mejor personalización, más seguridad, más ahorro de tiempo, mejor entorno, toma de decisiones más fluida, mejor salud. Los diversos beneficios aparecen indicados en orden en el diagrama de más abajo.
Los resultados muestran que los usuarios comparten fácilmente algunos tipos de datos (por ejemplo, datos demográficos) en cualquier contexto; otros, por el contrario, son percibidos como altamente confidenciales y muy poco compartidos con terceros, siendo el caso de los datos financieros, biométricos, sexuales y genéticos.

partage des données personnelles en fonction des promesses marketing

Voluntad de compartir una categoría de datos personales a cambio de beneficio (fuente: Wadle y col.2019)

¿Cómo leer el gráfico?

Las 17 categorías de datos personales, como se indica en abscisas (financieros, identificaciones). Las promesas de marketing están en orden (únicas, atractivas). Cuanto más roja sea la casilla en la intersección de una categoría de datos y una promesa de marketing, menos probable es que el usuario comparta este tipo de datos para obtener la promesa de marketing.
Algunos ejemplos concretos:

  • Los usuarios alemanes rara vez están dispuestos a compartir sus datos financieros; la única (leve) excepción son sus beneficios económicos
  • El 60% de los usuarios alemanes están dispuestos a compartir sus datos demográficos independientemente de la promesa hecha.
  • Casi el 70% de los usuarios compartirían sus aficiones e intereses (temáticos) para beneficiarse de una mejor personalización

Conclusiones

Los resultados del estudio presentado anteriormente permiten a los profesionales del marketing identificar cómo proceder para obtener más datos de los usuarios. Mantener la confianza del cliente es fundamental. Por lo tanto, se deben utilizar tácticas precisas, casi quirúrgicas, para recopilar datos útiles dentro de un marco legal que funcione correctamente.

Fuentes

  • Miltgen, C. L., & Peyrat-Guillard, D. (2014). Cultural and generational influences on privacy concerns: a qualitative study in seven European countries. European Journal of Information Systems, 23(2), 103-125.
  • Morey, T., Forbath, T., & Schoop, A. (2015). Customer Data: Designing forTransparency and Trust. Horvord Business Review, May, 1.
  • Palmetshofer, W., Semsrott, A., & Alberts, A. (2016). Der Wert persönlicher Daten: Ist Datenhandel der bessere Datenschutz. Veröffentlichungen des Sachverständigenrats für Verbraucherfragen. Berlin: Sachverständigenrat für Verbraucherfragen (SVRV).
  • Roeber, B., Rehse, O., Knorrek, R., & Thomsen, B. (2015). Personal data: how context shapes consumers’ data sharing with organizations from various sectors. Electronic Markets, 25(2), 95-108.
  • Wadle, L. M., Martin, N., & Ziegler, D. (2019, June). Privacy and Personalization: The Trade-off between Data Disclosure and Personalization Benefit. In Adjunct Publication of the 27th Conference on User Modeling, Adaptation and Personalization (pp. 319-324). ACM.

 

Ilustraciones: shutterstock

Etiquetas: ,

Author: Pierre-Nicolas Schwab

Pierre-Nicolas es doctor en marketing y dirige la agencia de estudios de mercado IntoTheMinds. Sus principales campos de interés son BigData, comercio electrónico, comercio local, HoReCa y logística. También es investigador de marketing en la Universidad Libre de Bruselas y ejerce de entrenador y formador para varias organizaciones e instituciones públicas. Se puede contactar con él por correo electrónico o Linkedin.

Share This Post On

Submit a Comment

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *