Una de las clases que más disfruté durante el desarrollo del Diplomado en Community Manager 3.0 fue la de Luis Fernando Martínez Funes. En esta materia trabajamos con varios conceptos de estadística y econometría que me hicieron recordar la época en la que estudié Economía (desde 1982 hasta 1987).
Uno de los temas que llama mi atención es que muchos Community Managers tienen resistencia (o aversión) hacia el uso de herramientas estadísticas pero es innegable que debemos apoyarnos en tales herramientas para poder presentar los informes a nuestros clientes. En este post voy a abordar las diferencias entre “correlación” y “causalidad” y por qué los Community Managers deben manejar estos conceptos.
Según Wikipedia:
En probabilidad y estadística,”la correlación indica la fuerza y la dirección de una relación lineal y proporcionalidad entre dos variables estadísticas. Se considera que dos variables cuantitativas están correlacionadas cuando los valores de una de ellas varían sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos variables (A y B) existe correlación si al aumentar los valores de A lo hacen también los de B y viceversa. La correlación entre dos variables no implica, por sí misma, ninguna relación de causalidad.”
En palabras más sencillas: decimos que hay correlación entre dos variables cuando ocurren cambios en una variable luego de ocurrir cambios en otra.
¿Cuándo hay causalidad? Según Wikipedia:
“En estadística, la causalidad se refiere a una relación de necesidad de concurrencia de dos variables estadísticas correlacionadas, probar causalidad entre dos variables implica además de que guarden una correlación positiva, estudiar en casos donde una pueda aparecer sin la otra, etc.”
Como establece el texto anterior, la causalidad ocurre cuando hay correlación positiva entre las dos variables. Esto quiere decir que la primera variable produce cambios en la segunda variable.
Sin embargo, es importante destacar que el hecho de que haya correlación entre dos variables no necesariamente quiere decir que exista causalidad. Un ejemplo típico: una persona lava su carro (coche) e inmediatamente después, llueve. Muchas personas erróneamente creen que la lluvia, que es producto de un complejo proceso de cambios climáticos, puede darse porque una persona lave su carro. En este caso, solamente hay correlación y dos variables cambian pero la causa de la segunda nunca podría deberse a los cambios en la primera variable.
¿Cómo podemos aplicar estos conceptos en el trabajo del Community Manager?
Lo primero que debemos hacer es estudiar con cierta profundidad estos dos conceptos (correlación y causalidad) de forma que podamos establecer mejores conclusiones en el momento de hacer nuestros análisis de actividad de las diferentes cuentas que manejamos. No debemos atribuir causalidad de forma ligera ya que podemos provocar que nuestros clientes tomen decisiones erradas (recuerda que en los negocios, las decisiones erradas tienen un costo económico).
Otra cosa que debemos hacer es analizar la data que genera la actividad de las cuentas que manejamos y empezar a establecer en dónde puede que haya correlación y en dónde causalidad y poner a prueba nuestras creencias (es muy importante tomar un curso de herramientas estadísticas que nos permita hacer mejores análisis y poder determinar con mejor exactitud en dónde hay correlación y en dónde hay causalidad)
Algunas creencias erróneas sobre causalidad aplicadas al mundo Social Media:
- Tener más seguidores te vuelve más “influenciador”.
- Aumentar el número de publicaciones te hace más “popular”.
- Publicar con frecuencia mejora el branding de la marca.
- Recibir comentarios (sin importar que sean positivos o negativos) mejora el engagement de la marca.
Hay muchas más creencias erróneas que estas cuatro pero creo que es suficiente para ejemplificar cómo podemos llegar a conclusiones sin haber analizado en profundidad ni con las herramientas adecuadas toda la data que se deriva de la actividad en redes sociales de una marca.
Nota: Luis Fernando Martínez Funes recomienda visitar el sitio www.tylervigen.com para investigar un poco sobre la correlación entre diferentes variables.