Tag Archives: nodexl

MARKETING RESEARCH Y LA INTERNET I DE IV

Ver a los niños jugar fútbol soccer es hermoso, se parecen a las parvadas de pájaros que vuelan en grupo de un lado a otro. Así corren los niños detrás del balón. Para donde lo patean para allá van todos. Da risa ver como lo hacen. En cierto sentido así hemos estado manejándonos los mercadólogos desde la violenta irrupción de Internet en nuestras vidas.

Para bien o para mal Internet es omnipresente en la vida de casi todos, sobre todo en la de los jóvenes. Hace un par de meses hicimos una pequeña encuesta, en la ciudad de México, a 200 jóvenes de 18 a 45 años de edad y sabemos que el 95% de ellos usan Internet y claro cuando todos usan Internet las diferencias desaparecen. Parafraseando a Enrique Santos Discépolo: es lo mismo ser mujer que hombre, rico, pobre, muy joven, maduro, todo es igual.

Para completar el cuadro el 76% de los jóvenes que usan Internet lo tienen en su casa y si le échas algo de imaginación podrás acertar quien es el provedor oficial. ¡Acértaste! Telmex está en el 74% de los hogares y “from far, far away” Cablevision con el 22%, Totalplay 3% y otros 1%.

jovenes con internet en casa

Los jóvenes usan Facebook, Twitter, Youtube, Google+, etc. muy bien y a veces hasta mucho mejor que los profesionales. ¿No lo crees? la forma en que éstos usan las redes sociales ha descarrilado carreras de artistas y hasta derrocado presidentes (léase Mubarak). Y claro que todo esto es lógico, pues se la pasan todos los días de la semana en Internet (únicamente el 7% se conecta exclusivamente los fines de semana) durante más de 3 horas diarias (3.67 hrs. para ser exacto).

Para los mercadólogos el mensaje es claro. Hay que aprender a investigar en Internet. No podemos correr como los mocosos, todos en bola detrás de la pelota, aunque esa sea nuestra naturaleza. El panorama no es muy claro, qué digamos, pero con algo de esfuerzo y entusiasmo podemos ver lo que está sucediendo. Esta serie de artículos es un esfuerzo para aclarar la situación de la investigación de mercados en Internet y recomendarte algunas herramientas de investigación.

Caso curioso, Internet es el medio y el objeto de investigación, es decir, lo podemos utilizar como herramienta de investigación: hacer entrevistas por email, Facebook, focus groups en Youtube o en hangouts de Google+, etc. y/o investigar lo que hay en él directamente. Al primer caso se le llama investigación “online” y allí parece que no hay mucha duda, todos sabemos qué es una encuesta por email, Facebook, etcétera; es en el segundo caso donde se aprecia algo de confusión la siguiente ilustración describe cuatro modalidades de investigación sobre Internet que se pueden hacer para mejorar la mercadotecnia.

Internet research¿Cuáles de estos cuatro tipos de investigaciones o de datos necesita una empresa? Depende, y ¿de qué depende? De 2 cosas, sí oíste bien, únicamente de 2 cositas: la estrategia que emplea (medios que usa) y el grado de actividad que tiene en Internet. Por ejemplo, si te dicen: hay que hacer un análisis web y tú dices ándale eso es lo que necesitamos, seguramente tu abuelita te diría “pero por el amor de Dios criatura si no tienes ningún contenido, qué visitas vas a tener, lo único que hay que ver es tú página web 1.0 (o sea tipo folleto); si te recomiendan analizar redes sociales seguro que también te vas a a interesar pero resulta que tu hija de 9 años tiene un blog más exitoso que el de tú empresa y ya no se diga de tus hijos más grandes que hacen mejores vídeos en Youtube que tú y tienen cientos de suscriptores en su(s) canal(es). ¿Qué tal algo de publicidad en Internet? La cuestión es que la publicidad en Internet es como el agua embotellada, es “gratis” pero hay gente que prefiere pagar por ella. De hecho, en un principio todo era gratis pero los mercadólogos sabían que nuestra naturaleza es correr en bola tras la pelota por lo que inventaron la ciencia del empaque (Bill Gates sabe mucho de esto, se hizo millonario vendiendo algo que era gratis) y de eso vivimos todos los que nos dedicamos al negocio de las jícamas con chile. En el próximo capítulo: MARKETING RESEARCH Y LA CIENCIA DEL CLIC II DE IV.

Un abrazo y hasta la próxima.

REGRESIÓN LINEAL ¡QUÉ LA FUERZA TE ACOMPAÑE!

Déjame adivinar. Cuando estudiabas estadística, tu primer gran quebradero de cabeza lo tuviste con el tema de regresión lineal ¿cierto? Es posible que hasta el día de hoy todavía tengas algunos “hard feelings”  con esta técnica pero espero que después de leer este post puedas conciliarte con ella. La regresión lineal es un tema básico y muy importante para los investigadores de mercado y no obstante, que es tal vez de los análisis más sencillos, muchas personas le siguen sacando la vuelta. Qué mala fama le han creado a la pobre. Es necesaria en los estudios de satisfacción, elasticidad de precios, imagen de marca, de candidatos políticos, planeación, pronósticos de operación, ventas, inversión, etcétera. En este post vamos a explicarte la regresión y a mostrarte una forma de graficarla para deleite tuyo y de tus clientes.

Seguramente has escuchado la historia que explica de donde viene el término de regresión, es muy ilustrativa pero pocos nos damos por enterado de su significado. Verás, se cuenta que en un estudio donde se relacionaba la estatura de los hijos con la de sus padres se observó que los padres muy altos tenían en promedio hijos más bajos que ellos y al revés que los padres de muy baja estatura tenían en promedio hijos más altos. La estatura promedio de los hijos de ambos tipos de padres -ojo al Cristo que es de plata- se aproximaba al promedio general de estatura de la población. Es como si hubiera una fuerza que hiciera regresar las cosas, en este caso la estatura del ser humano. Esa fuerza es la media o promedio. En la regresión lineal lo que se busca es encontrar esa media, una vez que la conoces es fácil hacer pronósticos pues sabes que ese promedio es la fuerza de atracción que va a aglutinar a los puntajes diferentes a él. Puede suceder que una persona sea muy alta o muy baja pero la naturaleza de las cosas hará que en las siguientes generaciones las cosas se equilibren, emparejen o tiendan al promedio general. En la regresión lineal, a todas las personas que son distintas al promedio, se les denomina errores de muestreo o varianza de error; es como si dijeras que algo ocurrió con esas personas que no son iguales al promedio, y allí es donde echamos a andar el hamster ¿Qué está ocurriendo? o más bien dicho ¿qué o quién está afectando a esas personas que la fuerza del promedio no es suficiente para atraerlas? Ese qué o quién es lo que llamamos variable independiente. En otras palabras, con la regresión lineal buscamos determinar que factor o variable está provocando la variación en la variable dependiente (se llama dependiente porque dependiendo de los valores de la independiente es el valor que va a asumir) ¿Complicado? Sigue leyendo.

Comúnmente los clientes nos piden realizar análisis de regresión múltiple (que es exactamente lo mismo que la regresión lineal simple sólo que en este caso son dos o más variables las que suponemos que están afectando a la variable dependiente) para conocer cuales son las variables que determinan la satisfacción. Ese es el ejemplo que viste en la ilustración del principio; sin embargo, para que te quede perfectamente claro lo que vas a hacer, vamos a ilustrarte la técnica y el método con un ejemplo de regresión lineal simple en Excel ¿Por qué en Excel? Bueno, puedes hacerlo en tu programa de estadística favorito pero te aconsejo que lo hagas en este paquete si no quieres perderte la gráfica divertida con NodeXL (add-in gratuito de graficación de Excel).

Suponte que eres dueño de Yupies’ Pizza y que los clientes siempre te preguntan cuánto tiempo va a tardar en llegar su pizza; para darles una respuestas necesitas hacer pronósticos sobre el tiempo que se tardan tus repartidores en llevar un pedido de pizza a su destino; tienes datos de las últimas 10 entregas donde conoces la distancia hasta la que fueron a dejar los pedidos y el tiempo que dilataron en llegar tus repartidores. La tabla de abajo contiene esos datos.

De repente y para variar un cliente te pide que le digas cuánto tiempo vas a tardar en llevarle la pizza y sabes que ese cliente se encuentra a 14 kilómetros de distancia ¿Qué tiempo le dirías? Ve con cuidado la sexta entrega de tu tabla de datos ¡Exacto! 15 minutos. Lo dedujiste, sin necesidad de hacer ninguna regresión lineal, porque anteriormente ya habías entregado una pizza a la misma distancia y ese fue el tiempo que le tomó a tu repartidor llevarla. Pero qué pasa si regresa tu repartidor y te dice que se tardó 17 minutos ¿qué le vas a decir al próximo cliente cuando te pregunte cuánto tiempo vas a tardar en entregarle si sabes que está exactamente a 14 kilómetros de distancia? ¿Le dirás 15 o 17 minutos? ¿Te acuerdas de la fuerza, el promedio? Deja que la fuerza te acompañe, que el promedio responda por ti. Serían 16 minutos ¿verdad? Esa pregunta estuvo “simple” pero qué tal que te pregunta cuánto tiempo vas a tardar en llevarle la pizza y sabes que está a 10 kilómetros de distancia. Buscas en la tabla de arriba y ¡pelas! te das cuenta que no has hecho ninguna entrega a esa distancia por lo tanto no sabes cuanto tiempo te va a llevar entregarla. Entonces te acuerdas de la fuerza y trazas una línea que atraviesa todos los puntos de tus entregas anteriores (ve la gráfica de abajo); esa linea representa el promedio (media en estadística) de los puntos combinados “X” (distancia) y Y (tiempo) y das con la solución pues estimas que el tiempo de entrega está entre el cruce de la distancia a la que vas (10 km) en el eje X y el tiempo de entrega (11.5 minutos) en el que se cruza con el eje Y. Por las razones anteriores a este método estadístico se le llama regresión lineal y simple porque ocupa una sola variable independiente y no por fácil que ese es otro cantar.

regresion lineal gráfica

La mayoría de las veces los problemas a los que te enfrentas no son tan claros ni tan sencillos; en este caso, cualquiera puede entender que la distancia afecta el tiempo en que se entrega la pizza; además los datos son pocos y es fácil manipularlos e incluso hacer una gráfica donde puedes ver que a mayor distancia también se incrementa el tiempo. La regresión lineal en particular y la estadística en general te ayudan a analizar problemas más complejos donde se tienen que manejar grandes números o relaciones no tan claras. Por ejemplo, en los estudios de satisfacción del cliente es difícil conocer cuáles variables son las que afectan la satisfacción en general y sobre todo saber cuánto; ese “cuánto” se llama coeficiente de regresión y es la cantidad que varía la variable dependiente en función de la independiente. En otras palabras, qué tanto aumenta o disminuye la satisfacción general cuando los niveles de las variables independientes que pueden ser precio, calidad, atención, amabilidad, puntualidad, servicio o cualesquier otro aspecto de tu producto o servicio disminuyen o aumentan. A los aspectos que determinan la satisfacción en general los mercadólogos les llaman “drivers” y son claves para proporcionar una experiencia más satisfactoria al cliente; lo que en términos prácticos significa retenerlo y que siga consumiendo tus servicios o productos. Ese coeficiente de regresión también se llama beta de regresión porque se representa con la letra griega beta.

En el gráfico del principio, cada uno de los círculos representa un “driver” que afecta la satisfacción en general del cliente con la línea área; el número que hay dentro de cada círculo es el coeficiente de regresión o beta de ese “driver”. Si sumas estos coeficientes vas a obtener 100% eso se debe a que hemos ajustado todas las betas para que en total sumen 100%. ¡Atención! no es que los coeficientes resultantes del análisis de regresión múltiple sumen 100%, es más ni siquiera están expresados en porcentajes; lo que sucede es que para las personas que van a ver tu gráfica es más fácil interpretar esos números ajustados que si le dices que tienes un coeficiente de regresión o una beta de “.30”, “.35” o lo que sea que es el coeficiente. Algunas agencias de investigación presentan el mismo análisis de regresión pero en lugar de ajustar a 100% sólo indican el orden en el que afectan las variables independientes a la satisfacción general (variable dependiente); Por ejemplo, dicen el atributo “A” afecta en primer lugar a la satisfacción, el Atributo “B” en segundo lugar y así sucesivamente. Desde nuestro punto de vista eso está mal hecho pues no es lo mismo decir “A sus órdenes General” que “Órdenes generales”: Por si no entendiste mi lenguaje cantinfleado ahí te va de nuevo: si X1 afecta en 90% y X2 en 10% es más sencillo decidir prioridades que si sólo dices X1 en primer lugar y X2 en segundo.

Te vas encontrar con un montón de opciones y estadísticas que puedes pedirle a tu programa estadístico (total, pedir no empobrece) desde las estadísticas descriptivas que ya conoces como medias, desviación estándar, máximo, moda, mediana, entre otras y hasta las pruebas de normalidad*; sin embargo, en general, hay cuatro aspectos a los cuales debes prestar atención para tu análisis de regresión y gráfica, estos son:

1. El coeficiente de la variable dependiente, también llamado constante o intercepción.
2. El coeficiente de regresión que te señala cuánto afecta la variable independiente (VI) a la dependiente (VD).
3. La significancia de ese coeficiente (en Excel está etiquetado como probabilidad en otros programas dice significance o sig.) la cual te indica si la relación entre la VI y VD es verdadera o producto del azar.
4. La forma en que se presenta ese coeficiente, si está estandarizado o en bruto.

Claro que hay varias cosas más que aprender acerca de la regresión lineal pero algo de tarea te tenemos que dejar. Así que ya para terminar te explicamos los 4 puntos anteriores con el mismo ejemplo de los datos de Yupies’ Pizza. El cuadro siguiente contiene la salida del análisis de regresión tal y como lo arroja Excel.

1. Se llama intercepción porque es el lugar donde la línea promedio; si esa que representa la fuerza, cruza con el eje “Y” (la variable dependiente); si te fijas viene siendo algo así como el promedio cuando no hay ninguna influencia, o sea cantidad cero de la VI; por eso debes sumar siempre está constante a la influencia que ejerce la variable o variables independientes; más adelante viene la prueba empírica en la fórmula de la regresión lineal simple.

2. El coeficiente de regresión es la cantidad que está aumentando “Y” por cada unidad de “X”; en palabras simples, si vas a entregar tu pizza a 10 kilómetros de distancia y el coeficiente te dice que por cada kilómetro el tiempo de entrega va aumentar 1.0411, entonces debes multiplicar por 10 kilómetros para conocer el tiempo total que te va a llevar hacer la entrega.

3. ¡Espérate! antes de dar por buenas tus predicciones o presumir de que si hay una relación entre las variables que estás manejando para incrementar la satisfacción de tus clientes debes cerciorarte que la relación es significativa o como dice Excel que la probabilidad sea menor a .05; si el número que obtienes es mayor a .05 la relación entre esa VI y la VD fue puro azar, no hay tal relación. En nuestro caso, obtuvimos 4.26599E-05 (ese -05 significa que el decimal debes recorrerlo cinco dígitos a la izquierda, entonces es .0000426599 y claro que es mucho menor que .05 lo que nos llena de alegría pues hemos descubierto que la relación si es significativa.

Excel te arroja los coeficientes en bruto; es decir, no los estandariza** ¿estanda…qué? Cuando un coeficiente está estandarizado la beta siempre va de -1 a 1, eso sirve para que puedas comparar cualquiere regresión que hagas independientemente del tipo de unidades de medición que estás usando; es decir, no importa si tu variable independiente está en kilómetros, millas, si se trata de peso, estatura, de una escala de 5 o 7 puntos; simpre tendrás coeficientes de regresión entre -1 y 1. Si obtienes una beta de “-1” significa que la relación es perfecta y negativa: cuánto más aumenta la variable independiente más disminuye la independiente y si tu beta es de “1” también hay una relación perfecta entre la VD y la VI pero ésta es positiva; si la VI aumenta la VD también lo hace siempre en la misma proporción. Ambas betas tienen su utilidad, la estandarizada es útil siempre que quieres comparar las betas entre si. Por ejemplo, en nuestra gráfica de satisfacción es importante saber cuál VI es más predictora; en cambio en el ejemplo de pizzas necesitas saber específicamente el tiempo que te va llevar entregar el pedido, en ese caso, sí requieres el coeficiente sin estandarizar para sustituir en la fórmula de regresión y hacer el pronóstico, analiza el desarrollo de la fórmula de abajo.

Según nuestros cálculos sustituyendo en la fórmula las betas que obtuvimos, llevar la pizza a 10 kilómetros de distancia nos tomaría 11.51 minutos (multiplica el .51 por la unidad de tiempo o sea 60 segundos para obtener el resultado real, 11:30:60), casi como lo habíamos pronosticado con nuestra gráfica ¿Estará el repartidor entregando el pedido exactamente a las 11.51? Muy probablemente no, pero en el peor de los casos lo hará en 12.85 minutos (12:51:00 minutos) y en el mejor en 10.76 minutos (10:45:00 minutos); a eso se le llama intervalo de confianza (ve el resultado de arriba de Excel) y es nada más ni nada menos que el error que debes sumarle y restarle a tus estimaciones. Debimos habérselo puesto a nuestra ecuación pero para que no te asustaras lo omitimos; sin embargo, no hay falla, ese error siempre lo vas a encontrar en los libros de estadística (es un juego de palabras).

¿Y la gráfica Apá? Estos vídeos te explican como correr una regresión lineal múltiple y graficarla con NodeXL.

Unable to display content. Adobe Flash is required.

Unable to display content. Adobe Flash is required.

Unable to display content. Adobe Flash is required.

Unable to display content. Adobe Flash is required.

Unable to display content. Adobe Flash is required.

* ¡Precaución! la regresión lineal simple o múltiple asume algunos supuestos que debes revisar que se cumplan como la distribución normal de los errores, su independencia, entre otros; te sugiero que le des una repasada a esos conceptos para que te sientas más seguro de lo que estás haciendo.
** Para estandarizar una beta solo multiplica el coeficiente de regresión de la VI por su desviación estándar y divídelo entre la desviación estándar de la VD.

Hasta la próxima.


ANÁLISIS DE REDES SOCIALES

¿Sabes por qué Borondongo le dio a Bernabé? Resulta que fue porque Bernabé le pegó a Muchilanga y ¿Por qué Bernabé le pegó a Muchilanga? Bueno, la cosa es que antes Muchilanga le había pegado a Burundanga y ¿Por qué Muchilanga le dio a Burundanga?…Como dijera Celia Cruz “¡Qué lío!”

Antes de que te explique los conceptos de medición de una red social, primero debes conocer los elementos que la componen. Son dos y se llaman vértices o nodos y aristas o líneas de conexión. Los vértices son las personas, objetos o conceptos de la red y las aristas son las líneas que indican si hay o no una relación entre ellos ¿Qué tipo de relación? bueno, esa es la mejor parte, la relación puede ser cualquiera. Por ejemplo, es claro que arriba la relación entre Borondongo, Bernabé, Muchilanga y Burundanga no es precisamente de amor pero de todas formas se trata de una red…de madrazos pero una red al fin y al cabo. De acuerdo, ahora que ya sabes lo que es un vértice y una arista, vamos a entrar a dos temas, uno es el de las medidas que se usan para analizar una red y el otro es el de los “insights” y todo lo que puedes hacer con estas medidas.

Hay carretadas de medidas para analizar una red, sin embargo unas cuantas son las que tienen mayor prominencia y estas se llaman medidas de centralidad, te voy a explicar cuatro de ellas: grado de centralidad, centralidad intermedia, cercanía de centralidad y centralidad “eigenvector”. Perdón por no traducir este último término pero parece que las cosas apenas se están asentando en el área y no sé como explicártelo. No es excusa, el mismo Microsoft ha cambiado en varias ocasiones la forma de calcular estas medidas en su programa NODEXL (clic aquí para bajar el software) así que fíjate bien en la versión que estás usando y como está calculando.

Como dijo muy acertadamente la reina de la salsa Celia Cruz, es un tremendo lío analizar las redes sociales. Afortunadamente, las medidas que existen actualmente han venido a ayudarnos a desenmarañar todo este lío. Para ilustrar estas medidas nos auxiliaremos de la red papalote creada por David Krackhardt, esta red está integrada por 10 vértices (personas) y 18 aristas (conexiones). Si no me crees cuenta las bolitas y los palitos del papalote de arriba.

1. Grado de centralidad. Es una medida de popularidad, importancia, protagonismo, etc. del vértice y se calcula con base al número de vértices a los que éste está conectado de forma directa. En la red papalote Diane tiene un grado de centralidad de 6 pues está conectada directamente con Andre, Beberly, Carol, Ed, Fernando y Garth. Su calculo es muy sencillo como lo puedes ver en la tabla de abajo; simplemente cuenta, en el gráfico del papalote, los enlaces directos de Diane con las otras personas. Otro ejemplo, es Heather que tiene un grado 3 de centralidad ya que está conectada directamente con Fernando, Garth e Ike.

tabla de grados de la red papalote

“So far so good”. Pero es necesario que te percates que está medida y en general todas las de centralidad dependen del tamaño de la red así que para hacer el análisis más interesante los sociólogos promedian este valor utilizando el número de vértices a los que puede estar conectado cualquier otro vértice o sea (n-1) donde n es igual al número de vértices de la red ¿Por qué (n-1)?

Mira este ejemplo de estrella clásico y dime cuántos vértices pueden estar conectados al Punto 3. Así es, sólo 4, por lo cual el grado máximo de centralidad del punto 3 no puede exceder de 4; así que si divides 4 entre (n-1) vas a obtener 1; en otras palabras, el grado de centralidad máximo que puede alcanzar un vértice es 1. Si sacas el promedio a Diane ¿Cuál sería su grado de centralidad? 6/9 es igual a .66. No es 1 pero es muy alto. Este número te sirve para comparar distintas redes. Si leíste el post anterior sobre la red Coca-Cola sabrás que puedes ir comparando marcas e incluso establecer normas de cohesión. Más adelante te doy otros tips.

Red estrella

Centralidad intermedia. Ser famoso en la vida no lo es todo, hay personas que sin serlo llegan a ser imprescindibles pues establecen puentes que ayudan a extender la red o integrarla. Imagínate un goleador y a un medio campista de un equipo de fútbol, el primero es el más popular porque mete goles (como Diane) pero el segundo es el que le da coherencia al equipo y hace que funcione en todos los sectores, a eso se refiere esta medida. Para calcularla es necesario que conozcas otro concepto llamado “distancia geodésica”. De forma muy simple, la distancia más corta que hay de un vértice a otro se llama geodésica. En la red papalote Carol puede llegar a Ed tomando varios caminos; por ejemplo, puede agarrar la arista 3 (Andre) luego la arista 1 (Andre a Beberly) y bajar por la arista 6 (Ed) pero sólo hay un camino corto que le lleva a Ed y es a través de la arista 8 que va a Diane y luego la 10 que va de Diane a Ed. Entonces la conclusión es que sólo hay una geodésica entre Carol y Ed.

El primer paso para obtener la centralidad intermedia de un vértice es calcular el número de geodésicas entre cada par de vértices sin incluir el vértice del que quieres conocer esta medida; después contar el número de veces que dicho vértice se interpone entre esos dos puntos y dividirlo entre el número de geodésicas. Vamos a suponer que quieres determinar la centralidad intermedia de Diane y empiezas contando las geodésicas que hay entre Carol y Ed, la cual es sólo una y da la casualidad que Diane también se interpone en esa ruta, entonces divides 1(Interposiciones Diane) entre 1 (geodésicas Carol y Ed) que es igual a 1 (1/1 = 1). Recuerda que esto lo tienes que hacer para todos los pares de puntos. El último paso es sumar los resultados de todas esas divisiones y “voila” esa es la centralidad intermedia de Diane. Yo le llamo a esta medida el metiche (así le decimos en México a las personas que se entrometen en asuntos que no son de su incumbencia); no por nada se dice que este “metiche” tiene control sobre el flujo de información.

Si quieres aburrirte un rato aquí te dejo las tablas con el cálculo completo de las “metiches” de Diane y Heather. Nota en ellas 2 cosas: la primera es que en este caso también se saca promedio dividiendo por el número de pares pero excluyendo un vértice [(n-1) (n-2) / 2] y la segunda es que Heather tiene un valor más alto que Diane porque sin Heather es imposible alcanzar a Ike y Jane y a la inversa Ike y Jane no pueden alcanzar al grupo sin Heather. Observa que Hetaher es vital para tener acceso a la información en dos sectores o grupos de la red y para extender la red. No te debería sorprender, pero siempre que analizas una marca, la publicidad es una especie de Heather. Le da extensión y significado a la red (marca) y si lo hace bien también le da coherencia; por lo tanto, un medidor de la publicidad debería ser la centralidad intermedia. Pero esto, por favor, no se lo digas a nadie porque los publicistas y mercadólogos podrían darse cuenta.

tabla de intermediacion de dianetabla de intermediacion de heather

Cercanía de centralidad. Ya conocimos a la popular Diane y la metiche de Heather ahora te voy a presentar a la “metecasas” (se dice que una persona es “metecasas” cuando se la vive chismeando en todas las casas); a una persona así que le vas a contar si está en todos lados; lo mismo se mete en la casa de Burundanga, que en la de Bernabé o Muchilanga; le da igual y sabe de todo y de todos. Una persona así es difícil de controlar o manipular pues tiene información de primera mano, no depende de otros para informarse ¿Y entonces que necesita una persona para no depender de otros? Fácil, es estar cerca de las otras personas. Piensa en la televisión y en Internet mientras que en la televisión hay un grado enorme de centralidad intermedia, en Internet con las redes sociales hay un grado altísimo de cercanía de centralidad. Ahora, te das cuenta porqué el pánico de los medios tradicionales, están perdiendo control o sea $$$$$ y su peor tragedia es que no han entendido Internet.

Para obtener este medidor requerimos unos hielos, una pizca de limón y…no perdón, eso fue el viernes pasado; quiero decir, que para determinar la cercanía de centralidad de un vértice es necesario contar el número de aristas de la geodésica que hay entre ese vértice “metecasas” y cada uno de los otros vértices. Si cuentas las aristas de la distancia geodésica (camino más corto) que hay entre Diane y Jane vas obtener una distancia de 4, cuéntalas en la figura de la red papalote, por favor, y haz lo mismo para todos los demás puntos y Diane; la suma total de eso te da la cercanía de centralidad. Al igual que las otras medidas también depende del tamaño de la red por lo que hay que promediar pero en este caso la cosa está más fea porque la medida es inversa, es decir, el valor crece a medida que hay menos cercanía. La solución es cambiar el numerador por el denominador de la división, así [(n-1)/d(pi,pk)]. Analiza la tabla de abajo para que te queden las cosas claras.

cercania de centralidad de diane

¿Te imaginas si no existieran los sacerdotes y te pudieras comunicar directamente con Dios? ¿Que hubiera esa cercanía? ¡Uyyy! lo que harías y sobre todo lo que te ahorrarías: tiempo, dinero y esfuerzo. La moraleja es busca los caminos más cortos. ¿Quieres saber quién es la más metecasas? observa el cuadro de abajo y tu dímelo. Correcto, no es la más sino el más y se trata de dos y no de uno: Fernando y Garth.

Cercanía de centralidad

Centralidad eigenvector. ¿Sabes cuál es uno de los principales criterios que utiliza Google para mostrarte los resultados de una búsqueda? Una página es importante para Google si está enlazada a muchos otros sitios y además si esos sitios a su vez tienen muchos enlaces. Esta medida nos ayuda a entender el peso y relevancia del vértice en la red. Esto no te recuerda a tu Twitter y los cientos de seguidores que tienes.

¿Cómo sacarle provecho a una red? Lo primero que tendríamos que comprender es que se trata de relaciones y comunicación y en este sentido requerimos saber con quién deseamos relacionarnos o comunicarnos y por qué o para qué. Inevitablemente las redes nos remiten a un concepto de eficiencia y/o de control del o los grupos que las forman. Tú decides cuál es tu objetivo ¿o a caso no siempre los príncipes han buscado casarse con princesas para extender su reinado? Y colorín colorado este cuento se ha acabado.

Si te gustó el artículo o tienes algo que decir dilo ahora o calla hasta el próximo post.