La abuela de un estudiante es mucho más propensa a morir repentinamente justo antes de que el estudiante tenga un examen, que en cualquier otro momento del año. Mike Adams (fuente: The Dead Grandmother/Exam Syndrome)
Mi experiencia como profesora universitaria durante más de 10 años corrobora el estudio de Mike Adams, profesor de biología de Universidad Estatal de Eastern Connecticut en que pone de manifiesto que las abuelas son 10 veces más susceptibles de morirse antes de un examen parcial, y 19 veces más antes de un examen final. Y los malos alumnos tienen una probabilidad 50 veces mayor de perder a su abuelita que los buenos alumnos.
Y de hecho confío en que si un día soy abuela tener la suerte de que se hayan eliminado los exámenes como sistema de evaluación en el aprendizaje.
El libro everybody lies
Bromas y no tan bromas aparte, hoy querría compartir una primera reflexión sobre mi reciente lectura del libro de Seth Stephens-Davidowitz, Everybody Lies: Big Data, New Data, and What the Internet Reveals About Who We Really Are (Todos mienten, big data, new data y las revelaciones de internet sobre cómo somos en realidad).

Y he dicho «primera» reflexión porque este es un libro que merece muchas re-lecturas y reflexiones posteriores. El libro lo recomiendo encarecidamente a cualquiera que le gusten mínimamente las analíticas y/o la naturaleza humana. Es un libro lleno de muchas verdades. Incluyendo algunas de las que duelen.
Su autor, Seth Stephens-Davidowitz, estudió filosofía en Standford y se doctoró en economía en Harvard. Ha trabajado como analista de datos en Google y es un habitual colaborador en The New York Times. Y el año pasado, a partir precisamente de una investigación de cinco años con grandes volúmenes de datos, publicó este libro donde sostiene la idea de que mentimos sobre nuestros pensamientos ocultos, nuestros deseos o cualquier otro tema.

No sólo mienten algunos estudiantes sobre la muerte de su abuela. Como comenta Seth, mentimos sobre cuántas copas tomamos una noche, mentimos sobre la frecuencia a la que vamos al gimnasio, practicamos deporte o tenemos relaciones sexuales. Sobre lo que nos han costado unos zapatos o pantalones nuevos. Decimos que seguiremos en contacto cuando no lo hacemos, o que no se trata de ti cuando lo es, o que te quiero cuando no es cierto. Decimos que somos felices cuando estamos al borde de una depresión o que nos atraen las personas del sexo opuesto cuando preferimos las del nuestro. Mentimos a los amigos, a los jefes, a los niños, a los padres, a los médicos, a nuestras parejas y a nosotros mismos.
Sin embargo, cuando somos más transparentes y decimos algo más parecido a la verdad es cuando estamos a solas con nuestro ordenador e interaccionamos con los buscadores. En esos momentos nos sentimos cómodos y buscamos lo que realmente nos interesa, deseamos y pensamos.
In other words, people’s search for information is, in itself, information. When and where they search for facts, quotes, jokes, places, persons, things, or help, it turns out, can tell us a lot more about what they really think, really desire, really fear, and really do than anyone might have guessed. This is especially true since people sometimes don’t so much query Google as confide in it: “I hate my boss.” “I am drunk.” “My dad hit me.” (Fuente: Stephens-Davidowitz, Seth. Everybody Lies: The New York Times Bestseller. Bloomsbury Publishing. Kindle Edition.)
Es triste pero todos intuimos que le es mucho más fácil a un niño o niña decirle a Google «mi papá me pega» que decírselo a cualquier otra persona cercana a su entorno.
El autor investiga sobre el racismo, el aborto auto-inducido, la depresión, el abuso infantil, las mafias, el humor, las preferencias e inseguridades sexuales, política y deportes, entre muchos otros temas.
Así por ejemplo, intenta responder a preguntas cómo:
- ¿Cuánto sexo tiene la gente realmente?
- ¿Cuántos estadounidenses son realmente racistas?
- ¿Qué deberías decir en una primera cita si quieres una segunda?
- ¿Está América experimentando una crisis oculta de aborto clandestino?
- ¿Cuál es el mejor lugar para criar a tus hijos?
- ¿Puedes ganar en el la bolsa analizando las búsquedas?
- ¿Los padres tratan a los hijos de manera diferente que a las hijas?
- ¿Cuántos hombres son gays?
- ¿Las películas violentas provocan un aumento del crimen violento?
- ¿Sobre qué dolencias o síntomas buscan las personas antes de detectarles un cáncer de páncreas?
- ¿Cuántas personas leen los libros que compran?
Para responder a éstas y muchas otras preguntas más utiliza grandes volúmenes de datos extraídos de Google Trends, Google Adwords, Wikipedia, Facebook, PornHub, Ignoble, y Prospect, entre otras fuentes de información. Precisamente al principio del libro explica la variedad de información que se puede extraer de textos, palabras o imágenes.
Y luego en el libro continua explicando los distintos tipos de análisis realizados. Algunos de los resultados obtenidos son realmente sorprendentes, otros divertidos, otros conmovedores y otros, francamente deprimentes. Y lo que más sorprende del libro es la capacidad de Seth de formular las preguntas de forma muy distinta a lo que estamos habitualmente acostumbrados. Y además, añadirle un sentido de humor a todo el libro que hace que la lectura te enganche desde el primer momento.
Algunos fragmentos
Comparto a continuación algunos de los fragmentos que he subrayado del libro porque me han llamado la atención, o me han hecho pensar o, simplemente, me he reído con ellos.
we tend to exaggerate the relevance of our own experience.
Ante cualquier análisis, tendemos a darle mucho más peso a cualquier punto relacionado con nosotros mismos o nuestra experiencia e ignorar otros aspectos que también pueden ser relevantes. Ya sabíamos que somos egocéntricos pero tenlo especialmente presente al analizar cualquier situación.
Me hizo reír la analogía que utiliza para destacar la importancia de nunca dejar de buscar y analizar más y más información en los datos y que nunca creas que ya los tienes todos:
One theory I am working on: Big Data just confirms everything the late Leonard Cohen ever said. For example, Leonard Cohen once gave his nephew the following advice for wooing women: “Listen well. Then listen some more. And when you think you are done listening, listen some more.” That seems to be roughly similar to what these scientists found.
Y es el consejo que le dio Leonard Cohen a un sobrino suyo para seducir a las mujeres: «Escucha bien. Entonces escucha un poco más. Y cuando pienses que has terminado de escuchar, escucha un poco más». Así que ya sabes sobre Big Data: nunca tienes toda la información.
Algún dato sorprendente de cierta búsquedas que difícilmente alguien confesaría en público:
Adults with children are 3.6 times more likely to tell Google they regret their decision than are adults without children.
Los adultos con niños tienen 3,6 veces más probabilidades de decir a Google que se arrepienten de su decisión que los adultos sin niños.
Hay un capítulo entero dedicado a la verdad sobre el sexo. Y entre las muchas curiosidades que se van comentado me llamó la atención las dudas que tienen las mujeres sobre sus maridos cuando realizan búsquedas empezando por «Is my husband…» (es mi marido…):
“Is my husband gay?” “Gay” is 10 percent more likely to complete searches that begin “Is my husband . . .” than the second-place word, “cheating.” It is eight times more common than “an alcoholic” and ten times more common than “depressed.”
A las mujeres les preocupa mucho más si están casadas con un hombre gay que si sus maridos son alcohólicos o tienen una depresión. Y es que descubrir que tu marido es gay debe ser más preocupante si no eres un hombre.
Un capítulo lo dedica principalmente al odio y a los prejuicios raciales o de género. El autor observa que los padres preguntan 1.5 más veces a los buscadores si su hija es guapa que si su hijo es guapo. Y tres veces más si su hija es fea que si su hijo es feo. Pero me ha encantado la frase añadida por el autor en paréntesis:
(How Google is expected to know whether a child is beautiful or ugly is hard to say.)
Cómo se espera que Google sepa si un niño o niña es feo o guapo ya es más complicado de responder.
También analiza las inquietudes de las mujeres embarazadas y lo que pueden hacer durante el embarazo. Las búsquedas más populares en Estados Unidos son si pueden «comer gambas», «beber vino», «beber café» o «tomar Tylenol». Pero realizando el mismo estudio en otros países las búsquedas son distintas. Y, ¿adivinas cuáles son dos de las cinco máximas preocupaciones que tiene una mujer embarazada de España pero que no la tienen las mujeres de otros países? Pues quizá ya lo habrías sospechado: si puede «comer jamón» y «tomar el sol».
También comenta que datos analizados muestran que el ratio de suicidios es más bajo especialmente a las 9:00 de la mañana y evidencia que
most people are far less miserable in the morning than I am.
«la mayoría de la gente es mucho menos miserable por la mañana que yo».
Anécdotas y curiosidades como estas hay un montón y consiguen que la lectura del libro resulte muy entretenida.

Nelio A/B Testing
Pruebas A/B nativas en WordPress
Usa tu editor de páginas favorito en WordPress para crear variaciones y lanza pruebas A/B con solo un par de clics. No se necesita saber nada de programación para que funcione.
Soportando la verdad
Pero también hay algunas verdades especialmente duras. Una parte del libro está dedicada a reflexionar precisamente sobre hasta que punto podemos soportar la verdad.
Digital truth serum has revealed an abiding interest in judging people based on their looks; the continued existence of millions of closeted gay men; a meaningful percentage of women fantasizing about rape; widespread animus against African-Americans; a hidden child abuse and self-induced abortion crisis; and an outbreak of violent Islamophobic rage that only got worse when the president appealed for tolerance. Not exactly cheery stuff.
El suero de la verdad digital (le llama así a las búsquedas de Google) ha revelado un interés permanente en juzgar a las personas por su apariencia; la existencia continua de millones de homosexuales sin salir en el armario; un porcentaje significativo de mujeres que fantasean con la violación; un ánimo generalizado contra los afroamericanos; abusos infantiles ocultos y crisis de aborto auto-inducido; y brotes violentos de ira islamofóbica que empeoran cuando el presidente apela a la tolerancia. No son exactamente temas alegres.
Seth sugiere que en vez de deprimirnos, toda esta información debería servir para entender mejor la complejidad de la naturaleza humana y a la vez ser capaz de mejorar la situación. Así por ejemplo, las búsquedas mostraron que el discurso de Obama tras los atentados de San Bernardino empeoró la islamofobia. Esta información ha servido para confirmar que cuando damos lecciones a personas indignadas, su enfado puede crecer. Pero en cambio, tal y como se analizó después de un segundo discurso, provocar sutilmente la curiosidad de la gente, dar nueva información y ofrecer nuevas imágenes de los que provocan su rabia puede cambiar los pensamientos de los ofendidos en direcciones diferentes y más positivas.
Análisis en las empresas
Si ya nos vamos a nuestra área de interés desde un punto de vista profesional, una parte del libro está dedicada a la importancia de analizar bien la información para conocer a tus clientes.
Por un lado remarca que la mejor manera es realizando tests A/B y es por eso que Google o Facebook realizan miles de experimentos para conocer a sus clientes.
Muestra el ejemplo de cómo Obama usó A/B testing en su campaña. La primera versión en su página inicial era la que se muestra en la imagen:

Decidieron experimentar con la imagen del vídeo de la página y el texto del botón para dar soporte a la campaña.

El test A/B que se creo incluía 4 versiones de la imagen y 4 variaciones de botón.
¿El resultado?
La versión ganadora del test A/B en la web de Obama se estima que consiguió un 40% más de gente que se involucrara y unos 60 millones de dolares adicionales de soporte a la campaña.

Seth remarca en este capítulo que:
A fundamental reason for A/B testing’s importance is that people are unpredictable. Our intuition often fails to predict how they will respond.
Nuestra intuición no es suficiente para predecir cómo va a responder la gente. Y por este motivo la mejor manera para entender el comportamiento de las personas es realizando tests A/B. Cita a Clark Benson, CEO de ranker.com comentado que «Al final del día, no puedes asumir nada. Testea literalmente todo».
Y aquí añado mi aportación con nuestra experiencia en Nelio: cada vez que hemos intentado analizar los tests A/B que realizan nuestros clientes con Nelio A/B Testing para intentar descubrir algunas verdades generales, sólo conseguimos llegar a la conclusión de que cuantos más tests realices, mejor.
Seth comenta que los tests A/B nos sirven para rellenar algunos vacíos en el entendimiento de la naturaleza humana. Y su utilidad no sólo sirve para testear una página web. También es aplicable a muchos otros entornos. En concreto, explica un experimento realizado por Benjamin F. Jones para analizar el impacto en el aprendizaje de lecciones en colegios. El resultado, y aquí no voy a hacer spoiler, no es ni mucho menos el que te esperarías.
Sobre conclusiones con las analíticas en las empresas, consuela leer en el libro (por aquello de mal de muchos…) que en muchas situaciones es muy complejo medir la causalidad entre cualquier campaña de marketing y su impacto en las ventas.
De hecho este tema ha sido y sigue siendo uno con el que nos seguimos volviendo locos (y creo que no somos los únicos). Lees muchos artículos sobre que hay que medirlo todo y que ante cualquier acción de marketing, deberías definir previamente los objetivos que quieres conseguir y analizar el impacto que consigues. Pero esto, en una mayoría de casos, es imposible. Por ejemplo, en LinkedIn compartí la imagen de la noticia publicada en la edición impresa de La Vanguardia, Los reyes del WordPress.

Que LinkedIn me informe de que mi publicación ha tenido más de 13 mil visitas y más de 100 likes, ¿me sirve para algo? ¿Supone algún impacto en nuestras ventas? Sinceramente, no tengo ni idea. Quiero decir, puedo ver que hubo un incremento de visitas a nuestra web que llegan de LinkedIn. Pero no puedo saber con certeza si justo esa publicación o cualquier otra en LinkedIn es la que ha provocado que un lector se haya convertido en cliente.
Y es que uno de los problemas que tenemos las empresas es que «las cosas que podemos medir frecuentemente no son las que nos interesan». Y en particular:
We can’t easily measure critical thinking, curiosity, or personal development.
Así que, analiza todo lo que puedas, pero no te desesperes cuando descubras que hay muchas cosas que no podrás saber.
Y Seth añade una cuestión ética sobre este tema: ¿hasta que punto las empresas tienen el derecho de juzgar cómo nos ajustamos como clientes a sus servicios basándose en criterios predictivos estadísticos no directamente relacionados con el servicio? Lo ilustra con el ejemplo de cómo un banco puede determinar en una entrevista si conceder un crédito basándose en las respuestas a preguntas que realizaron otros clientes y su comportamiento posterior. En particular, se comprobó que los clientes que habían insistido en que «prometían que devolverían el préstamo» y mencionaban a Dios, eran menos propensos a devolver el préstamo. ¿Puede un banco, si dices esta frase en la entrevista, no concederte un préstamo?
Conclusión
Y podría seguir hablando de muchas otras investigaciones que va descubriendo el libro…
Lo que más me gusta es como acaba mostrándote la parte más humana de todos nosotros. Nuestra mente es tan compleja que ni nosotros mismos somos capaces de auto-descifrarnos.
De hecho, tras leer el libro, Seth consigue que te sientas totalmente identificado con las declaraciones que él mismo hizo en una entrevista:
Yeah. I think I had a dark view of human nature to begin with, and I think now it’s gotten even darker. I think the degree to which people are self-absorbed is pretty shocking. (Fuente: Everybody lies: how Google search revelas our darkest secrets)
Todos tenemos un lado oscuro y nuestro nivel de «ensimismamiento» es bastante chocante. Así que mi primera conclusión es que no te fíes sobre lo que diga la gente de ti, de tu empresa o de tus productos públicamente. Fíate sólo de lo que te estén revelando aquellos datos que consigues obtener de lo que a ti realmente te interesa.
Una de las esperanzas de Seth es conseguir que el libro tenga un efecto parecido al que tuvo con él cuando era más joven la lectura de Freakonomics de Levitt y que le motivó a realizar su doctorado al descubrir que:
a combination of curiosity, creativity, and data could dramatically improve our understanding of the world.
Pues la joven que me recomendó este libro, tuvo claro tras leerlo que se dedicaría al análisis de datos profesionalmente cuando acábase este año su grado.
Lo que consigue Seth Stephens-Davidowitz con su libro es que te apasione el negocio y el mundo de los análisis de datos. Es un libro que no te dejará indiferente.
Finalmente, sólo me queda felicitar al autor de este libro.
Imagen destacada de Steinar Engeland en Unsplash
Deja una respuesta