El problema o es tener datos, es no saber qué pregunta hacerles
Se habla muchísimo de datos y, sin embargo, una parte muy grande del problema sigue estando antes de los datos. Está en la pregunta. En muchas empresas no falta información. Faltan buenas hipótesis, buenas preguntas y una lectura más fina de qué se quiere entender de verdad. Por eso se invierte en dashboards, en herramientas, en tracking, en modelos y en reporting, y aun así las decisiones siguen naciendo con una mezcla poco glamurosa de intuición, prisa y ganas de confirmar lo que ya se pensaba de antemano.
El problema no es técnico. O no solo. Es de criterio. Tener muchos datos no garantiza tener más claridad. A veces solo da una sensación más sofisticada de control. Y esa es una trampa muy cómoda. Si el panel se ve serio, si el volumen es grande y si todo parece medible, resulta fácil pensar que la marca está leyendo bien lo que pasa. Luego aparecen decisiones que no se sostienen, campañas que optimizan lo equivocado o reposicionamientos construidos sobre señales demasiado superficiales.
Kantar ha insistido en sus tendencias recientes en algo bastante básico y bastante útil. La calidad del dato y del training set importa más a medida que el ecosistema se vuelve más dependiente de modelos, automatización y decisiones asistidas por IA. En su panorama para 2026 plantean que la base de todo sigue siendo disponer de datos de calidad y saber cómo entrenar y ajustar sistemas de decisión fiables. Eso vale para tecnología, pero también vale para estrategia. Un dato pobre o una pregunta torpe rara vez acaban dando una buena decisión.
Muchas veces el fallo aparece antes. Se pregunta mal. Se mira solo aquello que deja una cifra rápida. Se confunde comportamiento con motivación. Se toma una caída de rendimiento como un problema de creatividad cuando quizá es de propuesta. Se interpreta un buen CTR como una señal de valor cuando tal vez solo indica curiosidad o una creatividad agresiva. Se fuerza al dato a responder cosas para las que no fue recogido. Y así se termina usando la investigación para decorar decisiones ya tomadas en lugar de orientar decisiones mejores.
También pasa bastante que se piensa el research como una fase previa y no como una disciplina que acompaña todo el proceso. Primero se investiga, luego se decide, luego se ejecuta. Sobre el papel suena limpio. En la práctica, lo que suele funcionar mejor es otra cosa. Observar, contrastar, reformular, volver a preguntar, cruzar señales, detectar qué no se está viendo y asumir que una buena pregunta cambia más la dirección de un proyecto que una tabla con veinte métricas bien presentadas.
Ese punto enlaza con una lectura bastante actual del marketing. Se habla mucho de incrementality, de media mix, de attribution y de modelización, y todo eso es útil cuando está bien aterrizado. Marketing Week también ha advertido de los límites de convertirlo todo en una promesa de claridad absoluta. En su cobertura reciente sobre marketing mix modelling señalaba que los modelos agregados pueden quedar muy bien en el gráfico y a la vez ocultar más de lo que aclaran cuando toca entender la causa real del rendimiento. No es un argumento contra la medición. Es un recordatorio de que medir no equivale automáticamente a comprender.
Por eso el research sigue siendo tan importante. No solo porque ayude a recoger información, sino porque obliga a formular mejor el problema. A veces el gran salto no viene de descubrir un insight brillante, sino de dejar de perseguir respuestas para preguntas mal construidas. Esa diferencia parece pequeña y no lo es. Si la pregunta es pobre, la decisión suele ser pobre aunque venga envuelta en un informe impecable.
También influye bastante el clima actual. Google viene señalando que la búsqueda es cada vez más dinámica y conversacional, con usuarios que combinan texto, imagen y audio para explorar temas con más profundidad. Esa forma de buscar refleja algo más amplio. La gente ya no se comporta de forma tan lineal ni deja señales tan fáciles de leer como antes. Si el comportamiento es más complejo, las preguntas también tienen que mejorar. No vale con medir clics y visitas y dar por entendido lo demás.
En branding esto se nota mucho. Hay marcas que analizan el síntoma y no el significado. Ven un dato de notoriedad, un estudio de consideración o una caída de engagement y reaccionan rápido, pero no siempre se preguntan qué tensión real hay detrás, qué parte pertenece a producto, qué parte a percepción y qué parte a una lectura equivocada de la categoría. Ahí es donde el dato necesita contexto, criterio y una capa de observación que no siempre cabe en un dashboard.
El research bien planteado no sirve para acumular información. Sirve para reducir error. Para separar señales de espejismos. Para que el posicionamiento no salga solo de la intuición del equipo más convencido de la sala. Para que el insight no sea una frase resultona escrita al final de una presentación. Y para que la estrategia, cuando llega, se apoye en algo más que en una sensación.
Al final, el problema no suele estar en que falten datos. El problema está en que sobran respuestas a preguntas pequeñas y faltan preguntas que de verdad muevan una decisión importante. Y esa diferencia, en marketing, cambia bastante más de lo que parece.
Si te interesa seguir profundizando, lee también nuestro artículo sobre cómo las marcas que mejor conectan no hablan más, significan .–>
