Estrategia y crecimiento
El peligro de copiar casos de éxito sin analizar los fracasos

Una campaña muestra testimonios de cinco clientes satisfechos. Una consultora presenta el método que siguieron diez empresas de éxito. Un fundador explica qué hábitos le hicieron millonario. Los relatos pueden ser ciertos. La pregunta incómoda es otra: ¿qué ocurrió con quienes hicieron lo mismo y no tuvieron ese resultado?
No es una objeción retórica. Si observamos exclusivamente a quienes permanecen visibles, nuestras conclusiones pueden estar distorsionadas antes incluso de empezar a analizarlas.
Abraham Wald y los aviones que no regresaban (sesgo del superviviente)
Durante la Segunda Guerra Mundial, Abraham Wald estudió cómo estimar la vulnerabilidad de los aviones a partir de los daños observados en los aparatos que regresaban de misiones. Sus memorandos fueron reeditados por el Center for Naval Analyses en 1980.
La explicación popular resume el problema con un dibujo de un avión y puntos rojos. Los impactos que vemos pertenecen a aviones supervivientes. No podemos concluir sin más que esas zonas son las que más conviene blindar. Puede ocurrir que las zonas con menos impactos visibles sean precisamente aquellas donde recibir un disparo impide regresar.
Hay que tener cuidado con la iconografía viral: el famoso dibujo de los puntos no es una reproducción documental del análisis de Wald. Sirve como ilustración. El trabajo original consistía en métodos estadísticos para corregir la información incompleta de la muestra.
La lección es bastante menos vistosa que el dibujo, pero mucho más poderosa: el dato ausente puede cambiar el sentido del dato presente.
El problema de estudiar solo a quienes compraron
Pensemos en una compañía de software. Entrevista a sus mejores clientes y descubre que valoran mucho la flexibilidad, las integraciones y la atención técnica. Concluye que esos tres atributos son los motivos principales para elegirla.
Quizá lo sean para quienes compraron y permanecieron. Pero ¿qué opinaron quienes descartaron la propuesta? ¿Cuántos necesitaban una implantación más sencilla? ¿Cuántos vieron el precio como una barrera? ¿Cuántos abandonaron el proceso porque la documentación les pareció insuficiente?
El estudio de clientes actuales no está mal. Está respondiendo a otra pregunta: qué valoran los que llegaron y siguen. No identifica automáticamente por qué se pierde la mayoría de las oportunidades.
En ventas, el sesgo puede ocultarse dentro del CRM. Si solo analizamos los tratos cerrados, confundimos el perfil del comprador actual con todo el mercado potencial. Si las oportunidades perdidas se registran mal, ni siquiera sabemos cuál es nuestra muestra real.
El espejismo de las mejores campañas
Supongamos un experimento hipotético. Una agencia revisa las cinco campañas más rentables del año y observa que cuatro utilizaron un vídeo corto. Decide que el vídeo corto es la causa del éxito.
¿Qué pasaría si descubriéramos que otras cuarenta campañas con vídeos cortos fueron poco rentables? El formato podría seguir siendo útil, pero la conclusión cambiaría. Necesitaríamos comparar campañas similares, presupuestos, públicos, calidad de oferta, estacionalidad y criterios de atribución.
También puede existir selección posterior: solo se documentaron cuidadosamente las campañas que salieron bien. Los fracasos se archivaron, se borraron o se cambiaron de nombre. El problema ya no está en la interpretación; está en cómo se construyó el conjunto de datos disponible.
Startups, fundadores y el mercado de las recetas
El sesgo del superviviente explica por qué son peligrosas muchas listas de "las diez cosas que hacen las empresas millonarias". Sus protagonistas pueden describir hábitos reales. Pero para afirmar que esos hábitos causaron el éxito haría falta saber si también estaban presentes en empresas que no prosperaron.
Levantarse temprano, lanzar rápido, contratar perfiles determinados o invertir en marca pueden ser decisiones útiles. Ninguna de ellas se convierte en causa demostrada por aparecer repetida en entrevistas a ganadores.
La selección editorial añade otro filtro: se publican más historias extraordinarias que fracasos corrientes. Si una estrategia produce una excepción espectacular y mil resultados normales, quizá solo veamos la excepción.
Tecnología y producto: también desaparecen los usuarios
Las métricas de producto suelen concentrarse en quienes completan un registro o utilizan una funcionalidad. Es lógico: de ellos tenemos datos. Precisamente por eso hay que prestar atención a quienes nunca terminaron el proceso.
Un panel de usuarios activos puede mostrar satisfacción elevada, mientras el onboarding elimina silenciosamente a personas que encuentran el sistema complejo. Una funcionalidad puede gustar mucho a sus usuarios actuales y seguir siendo incomprensible para el resto.
El análisis debe incluir exposición, activación, abandono, cohortes y motivos de salida. No siempre será posible recuperar cada caso perdido, pero sí reconocer que existe un vacío de información y diseñar maneras razonables de reducirlo.
Cómo investigar lo que no estamos viendo
Definir la población: ¿queremos entender a todos los leads, a quienes solicitaron una demo, a los clientes actuales o a quienes renovaron? Cambiar de población cambia la respuesta.
Revisar las exclusiones: ¿qué casos desaparecen porque no rellenaron un formulario, rechazaron una encuesta o no permiten seguimiento? La ausencia no debe convertirse automáticamente en ausencia de problema.
Comparar grupos: cuando sea posible, contrastar compradores con no compradores, usuarios activos con abandonos y campañas rentables con campañas fallidas. Evitar comparar periodos con circunstancias muy diferentes sin ajustar el análisis.
Investigar lo cualitativo: entrevistas de pérdida, motivos de cancelación, conversaciones de soporte y análisis de objeciones ayudan a entender lo que una tasa no explica.
Aceptar lo desconocido: si un porcentaje relevante de oportunidades carece de motivo de pérdida, escribirlo. Una casilla "desconocido" honesta es mejor que una clasificación inventada para completar un informe.
La tabla de clientes que casi nadie construye
Un análisis de adquisición útil puede empezar con una tabla de etapas: personas expuestas a la propuesta, visitas, solicitudes, conversaciones, ofertas, compras, renovaciones y abandonos. En cada paso conviene registrar el volumen conocido, las exclusiones y los datos que no tenemos.
Por ejemplo, una tasa de cierre elevada entre quienes llegan a demostración puede convivir con una tasa muy baja de personas que logran solicitarla. El equipo de ventas podría estar funcionando bien y el acceso a la demo, mal. Si estudiamos solamente a quienes completan el recorrido, atribuiremos el resultado al departamento equivocado.
Tampoco basta con cambiar una tasa por otra. Hay que considerar cuándo se registraron los datos, qué cohortes son comparables y si el cambio afecta a segmentos distintos. La pregunta no es cuál es la gráfica más vistosa: es qué parte de la experiencia estamos dejando fuera. Es el mismo problema que describe la falacia de McNamara: medir lo disponible y tratar lo ausente como inexistente.
Lo que este sesgo no demuestra
No todos los casos de éxito son engañosos. Son útiles para entender posibilidades, mecanismos y ejecuciones. El error aparece cuando se presentan como prueba de que una estrategia funciona siempre o de que el mismo resultado se reproducirá en cualquier empresa.
Cuando alguien presenta una estrategia infalible, la pregunta no debería ser solamente "¿a quién le funcionó?". Debería incluir "¿a cuántos no les funcionó y por qué?". Esa segunda pregunta suele valer más dinero.
Antes de copiar una estrategia de éxito
- Define qué resultado quieres reproducir y en qué condiciones ocurrió: mercado, tamaño, inversión, momento y canal.
- Busca activamente ejemplos que utilizaron la misma táctica y no obtuvieron ese resultado. Su ausencia en una presentación comercial es una señal, no una prueba.
- Separa los elementos replicables de aquellos que dependían de la marca y la distribución previa, del equipo o del contexto económico.
- Diseña una prueba limitada con condiciones de salida. Copiar lo visible sin estudiar lo que desapareció convierte el benchmarking en una apuesta.
Preguntas frecuentes
¿Es el sesgo del superviviente un problema exclusivamente estadístico?
Tiene una base de selección de muestras, pero afecta a decisiones cotidianas cuando tomamos relatos visibles como representación de todos los casos posibles.
¿Podemos utilizar casos de éxito en marketing?
Sí. Deben describir condiciones, contexto y resultados verificables, evitando prometer que el mismo desenlace será universal.
¿Cómo se corrige si no tenemos datos de quienes abandonaron?
Primero se reconoce la limitación; después se diseñan mejores registros y, cuando sea viable, investigación específica sobre pérdidas y abandono.
Fuentes y lecturas
- Abraham Wald, A Method of Estimating Plane Vulnerability Based on Damage of Survivors, reimpresión del Center for Naval Analyses (1980): https://www.cna.org/reports/1980/0204320000.pdf