| indicador | valor |
|---|---|
| Ediciones | 4.00 |
| Marcas en el panel | 119.00 |
| Marcas en todas las ediciones | 92.00 |
| Ejes reales del mapa comun | 3.00 |
| Estabilidad media de los drivers | 0.63 |
| Efecto misma ventana | 5.15 |
| Efecto con desfase | -0.56 |
EmpatIA · apéndice del análisis longitudinal
Qué se puede comparar entre ediciones, cómo, y qué no
1 Cómo leer este apéndice
El informe longitudinal afirma cosas sobre el tiempo: que una marca subió, que un indicador se movió, que lo que mueve la preferencia sigue siendo lo mismo. Este documento explica con qué derecho se afirma cada una y, sobre todo, cuáles no se pueden afirmar.
La distinción que ordena todo lo que sigue es una sola. El estudio no sigue a las mismas personas: cada edición es una muestra nueva de la misma población. Eso significa que toda diferencia entre dos años mezcla tres cosas —un cambio real del mercado, un cambio en quién contestó, y el azar del muestreo— y que separarlas es el trabajo central del panel.
2 Qué se compara, y entre qué
2.1 El diseño: cortes repetidos, no seguimiento
El estudio son encuestas transversales repetidas. No hay panel de personas: nadie contesta dos veces. Por lo tanto no existe ningún análisis de cambio individual, y todas las afirmaciones de este informe son sobre agregados —una marca, un indicador, el mercado—, nunca sobre trayectorias de personas.
Lo que sí se sigue son las marcas, que son las mismas de una edición a otra.
2.2 Qué marcas entran
Una marca entra al panel si tiene base suficiente —el mismo corte del ranking anual, sobre los conocedores efectivos— en al menos dos ediciones. Las que no la tienen no se eliminan: quedan registradas en cobertura_marcas.csv con la razón, y sus tramos se cortan donde se corta su base.
Las láminas que hablan de trayectoria completa usan un subconjunto más exigente: las marcas con puesto en todas las ediciones. Es una decisión conservadora. Una marca que entró en 2025 podría aparecer «subiendo» solo porque su primera medición fue baja.
| situacion | marcas |
|---|---|
| Dejo de medirse | 18 |
| En todas las ediciones | 95 |
| Se incorporo despues | 30 |
2.3 Nombres, industrias y enunciados
Tres armonizaciones, todas registradas en tablas propias para que se puedan auditar:
Nombres. Se unen solo las grafías idénticas salvo mayúsculas y espacios. La regla es conservadora a propósito: en este estudio conviven Enel y Entel, Shein y Shell. Fusionar por parecido sería un desastre silencioso. Lo unido está en armonizacion_nombres.csv.
Industria y categoría. Una marca puede llegar sin industria en una edición, porque ese año no estaba en el listado. Se completa con lo que se sabe de las otras: la industria de una marca no cambia de un año a otro. Cuando sí cambia —porque el cliente la reclasificó— queda anotada en cambios_clasificacion.csv, porque un cambio de clasificación mueve el promedio de dos grupos a la vez y eso no es movimiento del mercado.
Enunciados. Los atributos se siguen por su código, no por su texto. Un mismo atributo puede venir redactado distinto entre ediciones; las diferencias quedan en armonizacion_enunciados.csv. Que el código coincida no prueba que la pregunta mida lo mismo: si una redacción cambia de sentido, la serie debería cortarse, y eso requiere revisar el instrumento, no el dato.
| atributo | redacciones | anio | enunciado | dimension |
|---|---|---|---|---|
| vanguardia | 2 | 2023 | Se mantiene actualizada y a la vanguardia tecnológica | Tecnologia |
| vanguardia | 2 | 2024 | Se mantiene actualizda y a la vanguardia tecnológica | Tecnologia |
| vanguardia | 2 | 2025 | Se mantiene actualizada y a la vanguardia tecnológica | Tecnologia |
| vanguardia | 2 | 2026 | Se mantiene actualizda y a la vanguardia tecnológica | Tecnologia |
2.4 Atributos comunes
Toda comparación entre ediciones se hace sobre los atributos que existen en todas las ediciones comparadas. Los tres atributos de IA responsable, que se incorporan en 2026, no entran en ninguna serie: tienen una sola medición.
3 Las muestras, y por qué importan aquí más que nunca
En un informe anual la composición de la muestra es un dato de contexto. En un informe longitudinal es una amenaza directa: si la muestra cambia, un cambio de composición se lee como cambio de mercado.
| variable | categoria | minimo | maximo | rango |
|---|---|---|---|---|
| GSE | D | 20.539 | 32.53 | 11.991 |
| GSE | C1b | 8.960 | 16.92 | 7.961 |
| GSE | C2 | 15.649 | 21.92 | 6.267 |
| GSE | C1a | 4.517 | 10.66 | 6.142 |
| Tramo de edad | 18 a 24 | 14.112 | 19.92 | 5.808 |
| Tramo de edad | 65 a 75 | 8.845 | 13.71 | 4.868 |
| Tramo de edad | 25 a 34 | 16.168 | 20.94 | 4.775 |
| Tramo de edad | 45 a 54 | 17.749 | 21.38 | 3.628 |
| Genero | Hombres | 47.328 | 49.94 | 2.612 |
| Genero | Mujeres | 50.060 | 52.67 | 2.612 |
| Tramo de edad | 55 a 64 | 13.919 | 16.03 | 2.111 |
| GSE | C3 | 29.326 | 31.30 | 1.976 |
La respuesta, en esta serie, es que edad y género se mantienen —se mueven a lo más 5,8 puntos entre la primera y la última edición— pero el grupo socioeconómico no: la categoría D pasa de 20,5% a 32,5%, un corrimiento de 12,0 puntos concentrado entre 2024 y 2025.
Eso tiene tres consecuencias, y el informe las asume explícitamente:
- Los niveles absolutos entre ediciones lejanas se leen con cuidado. Si el índice medio del mercado baja dos puntos entre 2024 y 2026, parte de esa baja puede ser composición.
- El orden es mucho más robusto que el nivel. Un corrimiento de composición afecta a casi todas las marcas en la misma dirección, así que mueve poco quién le gana a quién. Por eso el informe se apoya en puestos, tramos y rankings, y no en el nivel.
- Desde 2026 hay ponderador muestral y antes no. Eso corrige la composición de esa edición y la deja algo menos parecida a las anteriores en su construcción, aunque más parecida al país. El apéndice de la edición 2026 documenta el ponderador.
Lo que no se hizo: reponderar hacia atrás las ediciones 2023 a 2025 para forzar una composición común. Se podría, pero cambiaría cifras ya publicadas y entregadas al cliente, y la corrección quedaría sin documentar en los informes que la gente ya tiene.
4 El índice que se sigue en el tiempo
Todas las series del panel usan el Índice EmpatIA publicado de cada edición: el mismo número del ranking de ese año, calculado sobre quienes conocen la marca, con su peso de análisis y con los ponderadores de cercanía y tecnología de ese año (50/50 en 2023 y 52,5/47,5 desde 2024). Una serie que cruza de 2023 a 2024 incluye ese cambio de ponderadores. Su efecto sobre una marca es 2,5 puntos porcentuales de la diferencia entre sus puntajes de cercanía y tecnología: con las diferencias habituales, unas décimas del índice.
El Índice EmpatIA promedio de cada año es el que publica esa edición: el promedio simple del índice entre las marcas de su ranking, cada una una vez, con un error que suma las influencias de cada persona sobre todas las marcas que evaluó. Entre dos años, el margen del cambio es \(\sqrt{\mathrm{SE}_1^2 + \mathrm{SE}_2^2}\). Como cada año promedia su propio listado, el cambio del promedio combina percepción y entrada o salida de marcas.
Existe además un resumen ampliado, que suma todos los atributos con los coeficientes de la primera edición disponible. Los pesos se mantienen fijos; no se promedian coeficientes de años futuros, porque eso le daría al pasado información que no tenía. Su escala no es un porcentaje ni es el índice publicado, y sus márgenes condicionan a esos pesos: no incluyen la incertidumbre de haberlos estimado. Sus comparaciones con la preferencia son descriptivas y no constituyen una selección validada de fórmula para el ranking.
5 El margen del nivel y el margen del cambio
Es la distinción que más decisiones sostiene en el informe.
5.1 Nivel
El margen del puntaje de una marca en una edición se estima remuestreando personas completas mil veces: si una persona entra al remuestreo, entran todas sus respuestas juntas. Eso conserva la dependencia entre las marcas que esa persona conoce, que es real y que tratarla como independiente subestimaría el margen.
5.2 Cambio
El margen de un cambio entre dos ediciones es más ancho, y necesariamente:
\[ \text{ee}(\Delta) = \sqrt{\text{ee}(a)^2 + \text{ee}(b)^2} \]
Las dos ediciones son muestras independientes, así que las varianzas se suman. Una diferencia de diferencias arrastra dos márgenes, y por eso un movimiento tiene que ser bastante más grande que un nivel para poder afirmarse.
| indice | transiciones | var_observada | var_ruido | var_real | confiabilidad_cambio | sd_real |
|---|---|---|---|---|---|---|
| Indice EmpatIA | 322 | 0.001 | 0.001 | 0.001 | 0.466 | 0.024 |
| Indice ampliado | 322 | 0.033 | 0.016 | 0.018 | 0.532 | 0.133 |
La confiabilidad se calcula restando la varianza de muestreo a la varianza observada, acotando en cero la varianza de señal. Dice qué proporción de la diferencia entre marcas —o entre momentos— es real y cuánta es medición.
5.3 Comparaciones múltiples
Mirar trescientas transiciones y quedarse con las que salieron significativas produce hallazgos falsos por construcción. Las pruebas son bilaterales y se ajustan por Benjamini–Hochberg al 5% sobre el conjunto de transiciones comparadas de cada índice.
Los intervalos que se muestran son marginales, no simultáneos: el 95% aplica a cada cifra por separado, no al conjunto. El remuestreo por marca estima incertidumbre marginal y no la covarianza conjunta de todos los rankings, razón por la cual el informe no usa una prueba binomial sobre «cuántas marcas resultaron significativas»: esas pruebas no son independientes entre sí.
| transiciones | con_movimiento_empatia | con_movimiento_ampliado | esperadas_por_azar | p_binomial |
|---|---|---|---|---|
| 322 | 11 | 9 | 16.1 | NA |
6 El espacio común de posicionamiento
El mapa de posicionamiento de cada edición se calcula con los datos de esa edición, así que sus ejes no son los mismos de un año a otro: una marca podría «moverse» en el dibujo solo porque el mapa cambió debajo de ella.
El panel calcula por eso un espacio común: un único mapa estimado sobre las cuatro ediciones a la vez, usando los atributos comunes. Cada marca-año se proyecta sobre él. Así un desplazamiento en el dibujo es un desplazamiento de la marca.
El número de ejes reales se decide comparando la varianza de cada eje contra la que tendría en datos sin estructura, barajando las columnas. La orientación de cada eje se fija por convención —el primero apunta hacia «es tecnológica»— porque multiplicar un eje por −1 da el mismo eje y sin esa convención el mapa se daría vuelta entre corridas.
| eje | varianza | umbral_azar | es_real |
|---|---|---|---|
| 1 | 32.527 | 10.705 | TRUE |
| 2 | 11.404 | 9.314 | TRUE |
| 3 | 9.366 | 7.857 | TRUE |
| 4 | 6.646 | 7.243 | FALSE |
| 5 | 4.961 | 6.770 | FALSE |
| 6 | 4.301 | 6.377 | FALSE |
| 7 | 4.160 | 5.967 | FALSE |
| 8 | 3.054 | 5.485 | FALSE |
| atributo | eje | carga | enunciado | dimension |
|---|---|---|---|---|
| presencia_nacional | eje1 | -0.596 | Tiene presencia en todo Chile | EmpatIA |
| personas_reales | eje1 | -0.227 | Me permite contactarla a través de personas reales (ej: un ejecutivo) | Humanidad |
| cercana | eje1 | -0.170 | Es cercana | Humanidad |
| amable | eje1 | -0.109 | Es amable en el trato | Humanidad |
| lenguaje | eje1 | -0.108 | Usa mi mismo lenguaje | Humanidad |
| antiguedad_cliente | eje1 | -0.098 | Reconoce la antigüedad de nuestra relación siendo su cliente | Humanidad |
| preocupada | eje1 | -0.070 | Se preocupa genuinamente de mi | Humanidad |
| empatica | eje1 | -0.068 | Se pone en mi lugar cuando tengo un problema | Humanidad |
| valores | eje1 | -0.063 | Comparte mis valores y principios | Humanidad |
| contingencias | eje1 | -0.063 | Toma en cuenta y se adapta a las contingencias (ej: pandemia) | Humanidad |
7 Lo que mueve la preferencia, edición por edición
El modelo de elección se estima por separado en cada edición, con el mismo especificado: logit condicional dentro de la persona, un estrato por etapa del ranking de preferencia, errores agrupados por persona.
Que se estime por separado es lo que permite la pregunta interesante: ¿el orden de los drivers es el mismo todos los años? Si lo fuera por construcción, la respuesta no significaría nada.
| edicion_a | edicion_b | atributos | correlacion |
|---|---|---|---|
| 2023 | 2024 | 25 | 0.708 |
| 2023 | 2025 | 25 | 0.662 |
| 2023 | 2026 | 25 | 0.560 |
| 2024 | 2025 | 25 | 0.663 |
| 2024 | 2026 | 25 | 0.547 |
| 2025 | 2026 | 25 | 0.631 |
| atributo | enunciado | dimension | lugar_promedio | lugar_mejor | lugar_peor | recorrido | ediciones |
|---|---|---|---|---|---|---|---|
| segura | Sus transacciones son seguras | EmpatIA | 1.00 | 1 | 1 | 0 | 4 |
| web_intuitivo | Su sitio web y/o aplicación son de uso fácil e intuitivo | Tecnologia | 2.25 | 2 | 3 | 1 | 4 |
| presencia_nacional | Tiene presencia en todo Chile | EmpatIA | 4.25 | 3 | 6 | 3 | 4 |
| cercana | Es cercana | Humanidad | 5.00 | 4 | 6 | 2 | 4 |
| agil | Su atención y/o servicio es ágil | Tecnologia | 7.00 | 2 | 13 | 11 | 4 |
| automatizado | Sus procesos son automatizados | Tecnologia | 8.00 | 4 | 10 | 6 | 4 |
| amable | Es amable en el trato | Humanidad | 8.25 | 4 | 15 | 11 | 4 |
| personas_reales | Me permite contactarla a través de personas reales (ej: un ejecutivo) | Humanidad | 9.25 | 4 | 14 | 10 | 4 |
| lenguaje | Usa mi mismo lenguaje | Humanidad | 10.50 | 5 | 22 | 17 | 4 |
| contactable | Es fácil de contactar | EmpatIA | 12.00 | 7 | 22 | 15 | 4 |
7.1 Validación temporal
La prueba más exigente que se le puede hacer a un modelo de preferencia no es explicar el año en que se estimó, sino acertar en el siguiente. El modelo entrenado en una edición se aplica a las personas de la edición siguiente —gente que no existía en sus datos— y se mide qué proporción de sus marcas preferidas adivina.
| entrenamiento | evaluacion | criterio | personas | acierto | desde | hasta |
|---|---|---|---|---|---|---|
| 2023 | 2024 | Modelo anterior | 1044 | 46.43 | 43.28 | 49.44 |
| 2023 | 2024 | Indice anterior | 1044 | 12.93 | 11.02 | 14.94 |
| 2023 | 2024 | Conocimiento anterior | 1044 | 15.28 | 13.12 | 17.48 |
| 2024 | 2025 | Modelo anterior | 1013 | 51.39 | 48.53 | 54.45 |
| 2024 | 2025 | Indice anterior | 1013 | 12.64 | 10.76 | 14.61 |
| 2024 | 2025 | Conocimiento anterior | 1013 | 20.04 | 17.47 | 22.56 |
| 2025 | 2026 | Modelo anterior | 985 | 52.48 | 49.52 | 55.43 |
| 2025 | 2026 | Indice anterior | 985 | 19.59 | 16.95 | 22.23 |
| 2025 | 2026 | Conocimiento anterior | 985 | 23.40 | 20.76 | 25.94 |
8 Lo que este informe no puede afirmar
Vale la pena dejarlo explícito, porque son los errores de lectura más fáciles de cometer.
No hay causalidad. Percepción y preferencia se preguntan en la misma entrevista. Que una marca que mejoró su percepción tenga después más preferencia es una asociación, no un efecto. El panel lo hace un poco menos débil al usar el desfase temporal, pero no lo convierte en causa.
No hay trayectorias de personas. Nadie contesta dos veces. Cualquier afirmación del tipo «las personas cambiaron de opinión» está fuera del alcance de este diseño: lo que cambia es la distribución de opiniones en la población.
No se corrige la composición hacia atrás. El corrimiento de GSE documentado más arriba se declara, no se deshace. Los niveles entre ediciones lejanas se leen con ese descuento.
Los intervalos no son simultáneos. Cada uno vale por sí mismo. Mirar cien intervalos y quedarse con el que no cruza cero es exactamente la forma de encontrar un patrón que no existe.
Dos puntos no son una tendencia. El bloque de inteligencia artificial tiene dos mediciones. Se puede decir cuánto cambió entre ellas; no se puede decir hacia dónde va.
9 Reproducibilidad
Todo el análisis se reproduce corriendo, desde la carpeta panel/:
source("codigo/0_masterfile.R")Los seis pasos dejan sus resultados en panel/tablas/, en csv y en un Excel único, y sus figuras en panel/figuras/. El informe y este apéndice no recalculan nada: leen esas tablas. Si una tabla falta, la lámina correspondiente lo dice en lugar de quedar en blanco.
La verificación automática del proyecto —auditoria/comprobar.R— revisa que el panel descubra todas las ediciones procesadas y que sus productos sean posteriores a las tablas de las que salen.