Diseño de experimentos con empujones conductuales

Un experimento con empujones conductuales compara dos formas de presentar las opciones para ver cuál lleva a tomar mejores decisiones. Asignas a las personas al azar a distintos grupos, muestras a cada grupo una versión diferente de un formulario, menú o interfaz y mides la diferencia en su conducta. La clave es usar la asignación al azar y las pruebas estadísticas para confirmar que la diferencia es real y no se debe a la suerte. Por ejemplo, un plan de jubilación podría comprobar si inscribir automáticamente a los empleados con una aportación del 5 por ciento aumenta el ahorro frente a exigir que se inscriban por iniciativa propia, y después medir si la diferencia se mantiene entre miles de empleados.

Fíjate en esto: Sin una asignación al azar adecuada y pruebas estadísticas, una mejora aparente podría ser solo una fluctuación aleatoria.

Cómo funcionan los experimentos con empujones conductuales

Un experimento bien diseñado sigue una secuencia clara: primero identificas una conducta concreta que quieres cambiar, después creas dos versiones del entorno en el que se elige, asignas a las personas al azar a cada versión y mides la diferencia en los resultados. La asignación al azar es crucial: garantiza que cualquier diferencia entre los grupos se deba a tu empujón conductual y no a diferencias que ya existían entre las personas. Un programa de bienestar de una empresa podría asignar al azar a sus empleados a recibir un folleto sencillo con un descuento para el gimnasio o un mensaje personalizado que muestre cuántos compañeros con perfiles de salud similares usan el gimnasio. Después, registraría las visitas reales al gimnasio durante tres meses.

Principios clave del diseño

Los buenos experimentos requieren una muestra de tamaño adecuado y una única medida clara. Una biblioteca universitaria comprobó si colocar los libros populares a la altura de los ojos aumentaba los préstamos. Para ello, asignó al azar a distintas sedes la altura a la que debían mostrar los libros y midió las tasas de préstamo entre 12 000 visitantes. También comprobó si añadir mensajes de comparación social, que mostraban a los estudiantes cuántos compañeros ya habían devuelto los libros a tiempo, reducía las devoluciones tardías. La clave es cambiar una sola cosa a la vez para saber qué causó cualquier efecto que observes.

Significación y potencia estadísticas

La diferencia del 8 por ciento en la situación inicial podría ser real o deberse al azar. Las pruebas estadísticas calculan la probabilidad de observar esa diferencia si tu empujón conductual en realidad no tuviera ningún efecto. Si esa probabilidad es inferior al 5 por ciento, los investigadores dicen que el resultado es «estadísticamente significativo». Pero también necesitas suficientes participantes para detectar efectos relevantes. Un gobierno municipal que prueba una interfaz rediseñada para pagar el estacionamiento necesita miles de transacciones para detectar con confianza una mejora del 10 por ciento; una prueba piloto con 50 usuarios no podría distinguir un efecto real de las variaciones aleatorias.

Errores frecuentes

Los experimentos pueden fallar cuando los grupos no son realmente comparables, cuando revisas los resultados y terminas antes de tiempo porque te gusta lo que ves, o cuando pruebas muchas variantes y solo informas de las ganadoras. Una tienda en línea podría probar 20 combinaciones de colores y anunciar con orgullo la que obtuvo mejores resultados, sin tener en cuenta que algunas destacarían por puro azar. La solución es decidir de antemano el tamaño de la muestra y el plan de análisis, y después respetarlos sin importar lo que sugieran los primeros datos.

Los experimentos rigurosos con empujones conductuales utilizan métodos de ensayos controlados aleatorizados, adaptados de la investigación médica a las políticas basadas en la conducta.

• Mertens, Kauer y Hallsworth (2022): Un metaanálisis de intervenciones de arquitectura de decisiones en distintos ámbitos de la conducta encontró un tamaño del efecto combinado, pero con una heterogeneidad considerable. Esto sugiere que las diferencias de contexto y población importan mucho para la eficacia de los empujones conductuales [2].
• Sunstein (2015): Su análisis ético de los empujones conductuales destaca una arquitectura de decisiones transparente que preserve la libertad de elección y, al mismo tiempo, oriente las decisiones hacia el bienestar. Sostiene que los empujones bien diseñados pueden ser más éticos que las medidas obligatorias o los impuestos [3].

Los experimentos con empujones conductuales tienen varias limitaciones. El sesgo de publicación significa que los experimentos con resultados positivos tienen más probabilidades de publicarse, lo que hace que su eficacia parezca mayor. También hay preocupaciones éticas sobre la manipulación: incluso cuando los empujones preservan formalmente la libertad de elección, sus críticos sostienen que pueden aprovechar los sesgos cognitivos y aplicarse sin consentimiento.