BWS – BWS

Escalamiento Mejor-Peor (Best-Worst Scaling, BWS)

Campo(s) Disciplinario(s) Principal(es): Metodología Cuantitativa, Psicometría, Marketing, Economía Experimental.

Proponentes Clave: Jordan Louviere.

1. Definición y Fundamentos Teóricos

El Escalamiento Mejor-Peor, conocido por sus siglas en inglés como BWS (Best-Worst Scaling) o Escalamiento de Máxima Diferencia (MaxDiff), es una técnica psicométrica avanzada utilizada para medir la importancia o preferencia relativa de múltiples atributos, características u opciones. Desarrollada por el econometrista Jordan Louviere, esta metodología se basa en los principios de la Teoría de la Utilidad Aleatoria (Random Utility Theory, RUT), la cual postula que la elección de un individuo entre un conjunto de opciones se basa en la maximización de la utilidad percibida, donde esta utilidad tiene un componente determinista y uno estocástico.

A diferencia de las técnicas tradicionales de calificación o clasificación (rating o ranking), donde los encuestados asignan puntuaciones o rangos a cada elemento de forma independiente, el BWS obliga a los participantes a realizar elecciones binarias repetidas entre un subconjunto de elementos. En cada tarea de elección, se presenta al individuo un conjunto de opciones (generalmente entre tres y cinco) y se le pide que identifique simultáneamente el elemento que considera el “mejor” (o más preferido/importante) y el elemento que considera el “peor” (o menos preferido/importante). Este enfoque de elección forzada reduce significativamente los sesgos de respuesta comunes, como el sesgo de indulgencia (la tendencia a calificar todos los elementos como buenos) o el uso inconsistente de la escala, proporcionando una discriminación mucho más fina entre las preferencias.

La potencia del BWS reside en su capacidad para transformar datos de elección discreta en una escala de intervalos. Al elegir el mejor y el peor, el encuestado está implícitamente expresando la máxima diferencia de utilidad entre esos dos elementos dentro del conjunto presentado. Matemáticamente, se asume que la elección del par Mejor-Peor es la que maximiza la diferencia de utilidad percibida entre todos los pares posibles dentro del conjunto. Esta diferencia de utilidad proporciona la base para estimar los parámetros de preferencia de cada atributo en una escala común, permitiendo comparaciones directas de la importancia relativa de todos los ítems estudiados.

2. Orígenes y Desarrollo Histórico

El desarrollo del Escalamiento Mejor-Peor está intrínsecamente ligado a la necesidad de superar las limitaciones inherentes a las técnicas de calificación tradicionales en la investigación de mercados y la psicometría. A lo largo de los años setenta y ochenta, los investigadores se enfrentaron al desafío de obtener medidas de preferencia precisas cuando los encuestados utilizaban las escalas de manera idiosincrásica. Las escalas Likert, por ejemplo, sufren de variabilidad en la interpretación de los puntos de escala, lo que dificulta la comparación interpersonal de las puntuaciones.

La idea fundamental de BWS fue formalizada por Jordan Louviere a principios de la década de 2000, aunque sus raíces conceptuales se encuentran en los trabajos sobre elección discreta y diseños experimentales que él y otros desarrollaron en el contexto del Análisis Conjunto (Conjoint Analysis). El BWS se puede considerar una extensión o simplificación del Análisis Conjunto de Elección (Choice-Based Conjoint, CBC), ya que ambos se basan en la RUT y utilizan tareas de elección forzada para estimar la utilidad.

Louviere propuso el BWS como una alternativa robusta y eficiente al ranking tradicional. El argumento central era que es mucho más fácil y confiable para un individuo identificar el extremo de una lista (el mejor y el peor) que ordenar todos los elementos de manera precisa. Este enfoque aprovecha la capacidad humana para detectar diferencias extremas, minimizando la carga cognitiva del encuestado. La simplicidad y la solidez estadística del método aseguraron su rápida adopción, primero en la investigación de mercados para la priorización de características de productos y, posteriormente, en campos como la salud pública, la economía ambiental y la psicología.

La evolución del BWS ha llevado a la creación de varios subtipos, adaptando el formato de elección a diferentes objetivos de investigación, desde la evaluación de la importancia de atributos (BWS Caso 1) hasta la evaluación de objetos o perfiles completos (BWS Caso 2 y Caso 3), lo que demuestra la flexibilidad y adaptabilidad del marco teórico original a diversas estructuras de datos y preguntas de investigación.

3. Principios Centrales del Escalamiento de Máxima Diferencia

El principio operativo central del BWS es la maximización de la diferencia de utilidad. Si un encuestado elige el ítem A como el mejor y el ítem B como el peor de un conjunto S, la probabilidad de esta elección se modela asumiendo que la diferencia de utilidad entre A y B es mayor que la diferencia de utilidad entre cualquier otro par de ítems en S. Este principio se formaliza mediante modelos de elección discreta, típicamente el Modelo Logit Multinomial (MNL) o variaciones más sofisticadas como el Logit Anidado o el Logit de Parámetros Mixtos (Mixed Logit).

La estimación de los parámetros de utilidad se realiza a nivel del par. Cada tarea de elección (elegir el mejor y el peor de un conjunto de K ítems) genera K(K-1) pares posibles de Mejor-Peor. Solo un par es elegido, y la probabilidad de elegir ese par específico se relaciona con la diferencia exponencial de las utilidades latentes de los ítems. Este proceso permite la derivación de una puntuación de escala para cada ítem, donde el cero representa la media de la importancia o preferencia, y los valores positivos/negativos indican una mayor/menor importancia relativa.

Un aspecto crucial del BWS es el diseño experimental. Para asegurar que todos los ítems sean comparados de manera justa y eficiente, se utilizan habitualmente Diseños de Bloques Incompletos Balanceados (Balanced Incomplete Block Designs, BIBD). Estos diseños aseguran que cada ítem aparezca el mismo número de veces en las tareas de elección y, lo que es más importante, que cada par de ítems co-aparezca el mismo número de veces. La implementación de un diseño balanceado es fundamental para desvincular la preferencia real del ítem de los efectos de contexto o presentación, garantizando que las estimaciones de utilidad sean robustas y no sesgadas por la estructura del cuestionario.

4. Tipos y Diseños de BWS

Aunque el principio fundamental de la elección Mejor-Peor se mantiene, la técnica BWS se ha diversificado en tres casos principales, cada uno diseñado para abordar diferentes estructuras de datos y objetivos de investigación:

• Caso 1: Escalamiento de Ítems (Item Scaling): También conocido como BWS estándar. Se utiliza para medir la importancia o preferencia de una lista de atributos o características (por ejemplo, ¿Qué característica de un teléfono es la más importante y la menos importante?). El objetivo es obtener una escala de importancia única para todos los ítems.
• Caso 2: Escalamiento de Objetos (Object Scaling): En este caso, el investigador presenta diferentes objetos o perfiles que están definidos por un conjunto fijo de atributos (por ejemplo, diferentes marcas de café). La tarea de elección se centra en seleccionar el perfil u objeto más preferido y el menos preferido. Este caso se asemeja más al Análisis Conjunto de Elección, pero se enfoca en la evaluación de los objetos en sí mismos, no en los niveles de los atributos.
• Caso 3: Escalamiento de Características de Objetos (Multi-Profile Scaling): Este es el más complejo y permite al encuestado evaluar los atributos dentro de un contexto específico. Por ejemplo, en un escenario de producto A, ¿qué característica es la mejor y cuál es la peor? Esta variación es útil cuando la importancia de un atributo puede variar significativamente dependiendo del objeto o perfil al que pertenece.

La selección del diseño experimental es crítica, especialmente en el Caso 1. Los diseños no balanceados o incompletos pueden llevar a estimaciones sesgadas. Los diseños BIBD son preferidos porque maximizan la eficiencia estadística. Sin embargo, cuando el número de ítems es muy grande (más de 30), los diseños BIBD completos pueden requerir demasiadas tareas de elección. En tales situaciones, los investigadores recurren a diseños de bloques incompletos casi balanceados o diseños generados algorítmicamente que optimizan la cobertura de pares y la eficiencia de estimación, manteniendo la carga cognitiva del encuestado en un nivel manejable.

5. Ventajas Metodológicas sobre Otras Técnicas

El Escalamiento Mejor-Peor ofrece varias ventajas metodológicas significativas sobre las técnicas de calificación directa (escala Likert, escala de 1 a 10) y las técnicas de clasificación completa (ranking):

En primer lugar, el BWS elimina el problema del uso diferencial de la escala. Cuando se pide a los encuestados que califiquen elementos, un individuo puede usar consistentemente solo el extremo superior de la escala (“inflación de calificaciones”), mientras que otro puede ser más conservador. Dado que el BWS se basa en la elección relativa (¿cuál es el mejor entre estos?), las respuestas son menos susceptibles a las diferencias culturales o personales en el uso de la escala. Las métricas de importancia o preferencia resultantes son inherentemente de intervalo, lo que permite realizar análisis estadísticos paramétricos robustos, como la regresión o la segmentación, que no son apropiados para los datos ordinales generados por la clasificación completa.

En segundo lugar, el BWS reduce la carga cognitiva. Pedir a un encuestado que clasifique 20 ítems de 1 a 20 es una tarea ardua y propensa a errores, especialmente a medida que se acerca al centro de la lista. En contraste, elegir el mejor y el peor de un subconjunto de cuatro o cinco ítems es intuitivo y rápido. Esta menor carga cognitiva se traduce en datos de mayor calidad, menor tasa de abandono en las encuestas y una mayor consistencia en las respuestas. La elección de los extremos (mejor y peor) es la elección más fácil y confiable que un ser humano puede hacer en un contexto de preferencia.

Finalmente, la principal ventaja estadística es la capacidad de lograr una mayor discriminación entre los ítems. Las calificaciones directas a menudo resultan en una gran cantidad de empates o agrupamientos (varios ítems reciben la misma puntuación alta), lo que dificulta la identificación del verdadero orden de importancia. El BWS, al forzar la identificación de los extremos, genera una dispersión más amplia y clara en las puntuaciones de utilidad estimadas, permitiendo a los investigadores distinguir con precisión el ítem marginalmente más importante del siguiente, una distinción crucial en la toma de decisiones estratégicas.

6. Aplicaciones en Diversos Campos

La versatilidad metodológica del BWS ha impulsado su adopción en una amplia gama de disciplinas académicas y comerciales. En el campo de la Investigación de Mercados, la aplicación más común es la priorización de características de productos. Las empresas utilizan BWS para determinar qué características son las más valoradas por los consumidores (el “mejor” para el cliente) y cuáles son las menos importantes (el “peor”), lo que informa las decisiones de desarrollo de productos, fijación de precios y asignación de recursos.

En el sector de la Salud Pública y la Economía de la Salud, el BWS se utiliza para medir las preferencias de los pacientes y los ciudadanos respecto a las políticas de atención médica, los resultados de los tratamientos o la asignación de recursos sanitarios. Por ejemplo, puede utilizarse para determinar qué criterios (como el tiempo de espera, la calidad del personal o el costo) son los más importantes para los pacientes al elegir un proveedor de atención médica. Esta aplicación es fundamental para la toma de decisiones basada en el valor y la planificación de políticas que reflejen las prioridades de la población.

Otras áreas de aplicación incluyen la Psicología Organizacional, donde se utiliza para evaluar la importancia relativa de los factores de motivación o de los atributos de los trabajos; la Economía Ambiental, para valorar bienes no comercializables (como la calidad del aire o la biodiversidad) a través de las preferencias de la población; y la Psicometría, donde se ha demostrado su utilidad en la construcción de escalas de personalidad o la evaluación de actitudes complejas. La capacidad del BWS para generar una escala de importancia robusta a partir de elecciones simples lo convierte en una herramienta invaluable para cualquier investigación que requiera la priorización de elementos.

7. Análisis de Datos y Modelos Estadísticos

El análisis de los datos generados por el Escalamiento Mejor-Peor requiere la aplicación de modelos de elección discreta, siendo el Modelo Logit Multinomial (MNL) el más frecuentemente utilizado. La estimación se realiza contando la frecuencia con la que cada ítem es elegido como “Mejor” y como “Peor” a lo largo de todas las tareas de elección y todos los encuestados.

El primer paso del análisis implica calcular la puntuación de la diferencia de frecuencia (Best minus Worst, B-W) para cada ítem. Esta puntuación simple ya ofrece una primera indicación de la importancia relativa. Sin embargo, para obtener estimaciones de utilidad a nivel de intervalo y realizar inferencia estadística, se utiliza el modelo MNL. En este modelo, la elección del par (Mejor, Peor) se interpreta como una elección entre todas las combinaciones de pares posibles. Los coeficientes estimados del modelo (los parámetros de utilidad) representan el valor latente de cada ítem. Estos coeficientes pueden ser escalados para que sumen cero o para que el ítem menos importante tenga un valor de cero, facilitando la interpretación.

Para abordar la heterogeneidad de preferencias entre los encuestados, que es común en grandes muestras, los investigadores a menudo emplean modelos más avanzados, como el Logit de Parámetros Mixtos (Mixed Logit o Random Parameters Logit). Este modelo permite que los parámetros de utilidad varíen en la población, típicamente asumiendo una distribución normal de las preferencias. El uso de Mixed Logit es crucial para identificar segmentos de mercado o grupos de encuestados que valoran los atributos de manera significativamente diferente, lo que proporciona una visión mucho más rica y matizada que la obtenida mediante el MNL estándar.

8. Críticas y Limitaciones

A pesar de sus numerosas ventajas, el Escalamiento Mejor-Peor no está exento de críticas y limitaciones que deben ser consideradas por los investigadores.

Una limitación metodológica importante es el supuesto de Independencia de Alternativas Irrelevantes (IIA) que subyace en el Modelo Logit Multinomial estándar. El supuesto IIA establece que la razón de probabilidades de elegir un ítem sobre otro no se ve afectada por la presencia o ausencia de otras alternativas. Si este supuesto se viola (por ejemplo, si dos ítems son percibidos como sustitutos muy cercanos), las estimaciones de utilidad pueden ser sesgadas. Aunque el uso de modelos más avanzados como el Mixed Logit mitiga este problema, la complejidad del análisis aumenta considerablemente.

Otra preocupación se relaciona con la carga de diseño. Si el número de ítems a evaluar es muy grande, incluso con diseños BIBD, el número de tareas de elección necesarias puede volverse excesivo, lo que incrementa la fatiga del encuestado. Además, el BWS solo mide la importancia relativa; no proporciona una medida de la importancia absoluta o la disposición a pagar (a menos que se combine con preguntas de precios o se integre en un análisis conjunto más amplio). Un ítem puede ser consistentemente el “mejor” entre un conjunto de opciones mediocres, lo que no necesariamente implica que sea altamente valorado en un contexto absoluto.

Finalmente, existe el riesgo de que el encuestado desarrolle una estrategia de respuesta simplificada, especialmente si la tarea de elección es repetitiva. En lugar de evaluar la utilidad de cada par, el encuestado podría centrarse únicamente en la elección del “mejor” y elegir el “peor” de forma casi aleatoria, o viceversa. Si la discriminación entre los ítems es muy baja para la mayoría de los encuestados, el BWS puede no proporcionar una ventaja significativa sobre las técnicas de calificación directa, aunque la evidencia empírica generalmente sugiere que la discriminación sigue siendo superior en la mayoría de los casos.

Lecturas Adicionales

• Best-Worst Scaling (Wikipedia, en inglés)
• Louviere, J. J., & Woodworth, G. (1983). Design and analysis of simulated consumer choice or allocation experiments: An approach based on aggregate data. Journal of Marketing Research.
• Marley, A. A. J., & Louviere, J. J. (2005). Some probabilistic models of best-worst choice and ranking. Journal of Mathematical Psychology.
• Random Utility Theory (Wikipedia, en inglés)