Métodos mixtos en investigación de mercados

Por qué combinar cualitativo y cuantitativo dejó de ser una elegancia metodológica para convertirse en una decisión de portafolio.

Un brand manager mira los resultados de un tracking trimestral. La consideración bajó tres puntos. El equipo discute si el dato es ruido o señal, y si responde al cambio de empaque, al nuevo competidor o a una conversación incómoda en redes que nadie midió. La pregunta que importa, “¿qué hacer la próxima semana?”, no se contesta solo con el cuantitativo ni con un par de focus groups programados para “explorar más a fondo”. Se contesta articulando ambos en una arquitectura que tenga una lógica causal.

Esa arquitectura es lo que la literatura denomina métodos mixtos. La etiqueta es engañosamente simple. Lo difícil, y lo que separa a un estudio mixto bien diseñado de uno que solo yuxtapone hallazgos, es la integración. La revisión de Bryman (2007) ya mostraba que una proporción importante de estudios publicados como “mixed methods” presentaban los componentes cuali y cuanti en capítulos separados sin convergencia analítica real. Quince años después, McGoldrick (2017) documentó que en la industria de consumo la situación tiende a repetirse: los proveedores etiquetan como mixtos proyectos en los que el cualitativo aparece como ilustración decorativa al final del informe.

La promesa de los métodos mixtos no consiste en combinar dos fuentes de evidencia. Es construir una inferencia que ninguna de las dos podría sostener por sí sola.

Qué dice realmente la literatura

Creswell y Plano Clark (2011, 2018) son la referencia canónica, y la base sobre la que conversa la mayoría de los manuales en español. Su definición operativa describe los métodos mixtos como una recopilación, análisis e integración deliberados de datos cuantitativos y cualitativos, guiados por un marco filosófico, generalmente el pragmatismo (Johnson y Onwuegbuzie, 2004). El pragmatismo importa porque resuelve, en términos prácticos, una discusión que en los noventa parecía bloqueante: si paradigmas con supuestos epistemológicos distintos —positivismo frente a constructivismo— pueden hablarse sin contradicción. La respuesta pragmatista es que la utilidad para resolver el problema de investigación pesa más que la pureza paradigmática. Esa decisión filosófica, aunque suene lejana al brief comercial, condiciona cómo se integran los hallazgos cuando estos entran en conflicto.

La inferencia que habilita un diseño mixto bien hecho opera en tres capas:

• Una capa de observación (lo que muestran los datos, cuali y cuanti).
• Una capa de interpretación (qué patrón emerge cuando ambos se confrontan).
• Una capa de mecanismo (por qué ocurre lo que ocurre, bajo qué condiciones, con qué variables intervinientes).

La diferencia entre un informe trivial y uno valioso suele radicar en si la capa de mecanismo se construye o se asume.

Los tres diseños fundacionales

La taxonomía de Creswell y Plano Clark organiza el campo en torno a tres arquitecturas básicas. Cada una tiene una lógica causal distinta y, por tanto, un campo de aplicación en el que rinde más.

Diseño convergente paralelo

Cuali y cuanti se recogen aproximadamente simultáneamente, se analizan por separado y se confrontan en una fase de integración. La intención es triangular: si dos métodos con supuestos distintos llegan a la misma conclusión, la confianza en esa conclusión aumenta; si divergen, la divergencia misma se convierte en hallazgo.

Es el diseño más usado en la industria, y también donde más fácilmente se cae en la trampa de la yuxtaposición sin integración. La integración real exige una matriz conjunta —Fetters y otros la llaman joint display— en la que cada hallazgo cuantitativo se lee contra el verbatim que lo confirma, lo matiza o lo contradice. Sin esa disciplina, un estudio convergente termina siendo dos estudios pegados con cinta adhesiva.

Funciona especialmente bien cuando el problema admite múltiples perspectivas legítimas y el objetivo es validar una medida o una hipótesis con evidencia de naturalezas distintas. En investigación de mercados, los estudios de salud de marca con componente conversacional, las evaluaciones post-launch que combinan tracker y comunidades digitales, y los estudios de experiencia de cliente que integran NPS con análisis de tickets entran en esta familia.

Diseño secuencial explicativo (cuanti → cuali)

Primero cuantifica, después explica. La lógica es que el cuantitativo identifica patrones, segmentos o anomalías que merecen profundización, y el cualitativo entra a contestar el porqué.

Es el diseño que más natural resulta en compañías con cultura analítica: hay dashboards, hay segmentaciones, hay puntos del journey con caída de conversión, y la pregunta operativa es si ese pico u oscilación responde a una causa identificable y accionable. Es ideal cuando los datos cuantitativos producen sorpresas que el equipo no sabe interpretar.

Su debilidad principal es la dependencia del muestreo cuantitativo: si la fase cuantitativa ya estaba sesgada o midió mal el constructo, el cualitativo posterior explicará un fenómeno parcialmente artificial. Una fase cualitativa rigurosa puede incluso revelar que la pregunta cuantitativa estaba mal formulada, lo que es un hallazgo valioso pero a veces incómodo para el sponsor que ya cerró el dashboard.

Diseño secuencial exploratorio (cuali → cuanti)

Es el espejo del anterior. Comienza con lo cualitativo —idealmente, con perfiles diversos, no solo del segmento target— para construir un mapa del fenómeno y de su vocabulario nativo, y luego utiliza esos hallazgos para diseñar el instrumento cuantitativo que medirá su prevalencia.

Su mayor valor aparece cuando el campo es nuevo, cuando se sospecha que las categorías heredadas no capturan lo que importa o cuando el lenguaje del consumidor difiere del de la marca. La construcción de escalas válidas, la calibración de un buyer persona, los estudios fundacionales en categorías emergentes y la definición de un Job-to-be-Done dependen casi siempre de esta secuencia.

El riesgo está en la traducción: convertir un insight cualitativo rico en una batería de preguntas cuantitativas tiende a empobrecerlo. La calidad del estudio depende menos del tamaño de la muestra cuantitativa y más del rigor con el que se hizo el puente entre las dos fases.

Las arquitecturas más complejas

Cuando los problemas crecen en escala temporal, política o de gobernanza, la taxonomía básica se queda corta. Creswell y Plano Clark identifican tres configuraciones avanzadas que en investigación de mercados se ven con creciente frecuencia.

Diseño anidado. Un componente cuali o cuanti se inserta en un diseño dominante. Un test experimental de concepto que incluye una entrevista breve post-estímulo, una segmentación cuanti acompañada de etnografías digitales en cada clúster identificado, o un piloto de innovación con métricas de uso y diarios de experiencia. La lógica es que el componente subordinado no busca generalizarse: ilumina el componente principal.

Diseño transformativo. Aquí, la arquitectura se subordina a un marco de justicia social, de género, de inclusión o de derechos. En la práctica B2B, esto se ha vuelto relevante en estudios de inclusión financiera, de acceso a la salud, de diseño universal y, cada vez más, en evaluaciones ESG, donde el cliente final exige no solo medir el fenómeno, sino también hacer visible la voz de poblaciones tradicionalmente subrepresentadas. La crítica obvia es la confusión entre análisis y advocacy; la respuesta seria es que el marco transformativo solo se sostiene si la rigurosidad metodológica iguala o supera la de los diseños estándar.

Diseño multifase. Varios estudios mixtos secuenciados en el tiempo, cada uno alimentando al siguiente, organizados alrededor de un objetivo común. Es la arquitectura típica de un programa de innovación —exploración, ideación, concept test, prototipo, piloto, post-launch— y de una evaluación de programa de transformación. La fortaleza es la trazabilidad longitudinal del aprendizaje; la debilidad es la dependencia de la continuidad organizacional, porque los programas multifase mueren con los cambios de equipo.

Cómo elegir, en términos operativos

La pregunta práctica no es “¿qué diseño es mejor?”, sino “¿qué decisión de negocio voy a tomar y qué tipo de evidencia la respalda?”. La elección depende de cuatro variables interdependientes:

1. El estado del conocimiento previo. Cuando el campo es opaco, es secuencial exploratorio. Cuando hay mediciones que no se entienden, secuencial explicativo. Cuando hay hipótesis competentes que merecen confrontación, convergente.
2. El tipo de inferencia que la decisión requiere. Generalización a una población, profundidad mecanística sobre un fenómeno, validación cruzada entre fuentes, o trazabilidad longitudinal de un cambio.
3. El presupuesto y el reloj. Los diseños mixtos son, salvo excepciones, más caros y más lentos que los puros. Esa es una restricción real, no un detalle. La pregunta honesta es si la decisión en juego justifica el costo de la integración. Para muchas decisiones tácticas, no lo justifica.
4. La capacidad del equipo para integrar. Aquí está el punto ciego más frecuente: las organizaciones contratan métodos mixtos sin que ningún integrante del equipo —cliente o proveedor— tenga la formación para interpretar cuali y cuanti en una sola arquitectura interpretativa. El resultado es el informe en dos capítulos que Bryman criticaba.

Dónde rinden los métodos mixtos en investigación de mercados

Más allá del marco académico, la práctica industrial ha desarrollado tradiciones informales mixtas que contravienen el lenguaje de Creswell. El concept testing combina el screening cuantitativo con respuestas abiertas codificadas. Los estudios de U&A fusionan ocasiones declaradas con journeys etnográficos. Las segmentaciones de calidad articulan el análisis estadístico multivariado con perfiles arquetípicos derivados de inmersiones cualitativas. La gobernanza de un programa de Customer Experience exige integrar encuestas de satisfacción, voz del cliente abierta y telemetría de uso.

La diferencia entre estos estudios bien hechos y los mediocres es metodológica, no de presupuesto: si la integración es disciplinada, el estudio rinde; si los componentes se yuxtaponen, el costo adicional no se traduce en una mejor decisión.

Tres tensiones que el campo todavía no resuelve

Una primera tensión: la incompatibilidad paradigmática. Smith y Heshusius (1986) argumentaron que paradigmas con supuestos epistemológicos opuestos no pueden integrarse coherentemente, y que las llamadas integraciones son síntesis falsas. El pragmatismo respondió ese reto en términos prácticos, pero la objeción filosófica sigue activa, y los investigadores serios tienden a ser explícitos sobre el marco que adoptan.

Una segunda tensión: la divergencia entre la academia y la industria. Harrison y Reilly (2011) y McGoldrick (2017) muestran que las clasificaciones que se enseñan en posgrado se traducen muy parcialmente en la práctica de investigación. La industria opera con tipologías propias —exploratorio, explicativo, embebido, concurrente, híbrido— y con horizontes temporales que no permiten la rigurosidad propia de un proyecto académico. Esto no descalifica la práctica industrial, pero sí obliga a no romantizar el grado de “mixto” de un estudio comercial promedio.

Una tercera tensión, más reciente: la frontera entre lo cualitativo y lo cuantitativo se está volviendo borrosa. Los embeddings de transcripciones permiten tratar el discurso como un espacio vectorial mensurable. La codificación cualitativa asistida por modelos de lenguaje cambia la economía de la integración: lo que tomaba ocho semanas de análisis manual puede hacerse en dos, lo que reabre la viabilidad de mixtos en proyectos en los que antes el cálculo costo-beneficio los descartaba. Las modalidades nuevas —sensores biométricos, eye-tracking, datos pasivos de comportamiento— no encajan limpiamente ni en cuali ni en cuanti, y empujan al campo hacia tipologías más sofisticadas. Mertens y otros han empezado a hablar de “diseños multimodales” como una evolución natural.

Eso no convierte los métodos mixtos en obsoletos. Los hace más exigentes intelectualmente, porque la integración deja de ser un acto al final del estudio para convertirse en un proceso continuo a lo largo de todo el ciclo analítico.

Para pensar:

Para una organización que toma decisiones basadas en la investigación, la pregunta relevante no es si adoptar métodos mixtos. Es qué arquitectura de evidencia corresponde a cada tipo de decisión, qué nivel de integración puede sostener su equipo, y dónde el costo adicional de mezclar se traduce efectivamente en mejor inferencia.

La elegancia metodológica importa menos de lo que parece. Lo que importa es si, al final del estudio, la conversación entre los datos cuanti y los relatos cuali deja al equipo de negocio en mejor posición para decidir lo que sigue. Cuando esa condición se cumple, el método mixto justifica su nombre. Cuando no, es solo un informe largo.

Referencias clave

• Bryman, A. (2007). Barriers to integrating quantitative and qualitative research. Journal of Mixed Methods Research, 1(1), 8–22.
• Creswell, J. W., y Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3.ª ed.). SAGE.
• Fetters, M. D., y Molina-Azorin, J. F. (2020). Utilizing a mixed methods approach for conducting interventional evaluations. Journal of Mixed Methods Research, 14(2), 131–144.
• Harrison, R., y Reilly, T. (2011). Mixed methods designs in marketing research. Qualitative Market Research, 14(1), 7–26.
• Johnson, R. B., y Onwuegbuzie, A. J. (2004). Mixed methods research: A research paradigm whose time has come. Educational Researcher, 33(7), 14–26.
• McGoldrick, P. J. (2017). Application of mixed methods by consumer marketing practitioners. En Creating Marketing Magic and Innovative Future Marketing Trends. Springer.
• Tashakkori, A., y Teddlie, C. (Eds.). (2010). SAGE handbook of mixed methods in social and behavioral research(2.ª ed.). SAGE.