Research & Evidence

Buscar un método

Busca entre títulos, preguntas, territorios e identificadores MSC.

41 resultados
  1. MSC-P-001¿Cómo transformar una afirmación de marketing en una pregunta comprobable?Ciencia de la decisión↗
  2. MSC-P-002Correlación o causalidad: ¿qué permite afirmar realmente un análisis?Medición de marketing↗
  3. MSC-P-003¿Cómo expresar la incertidumbre de un resultado de marketing?Ciencia de la decisión↗
  4. MSC-P-004Significación o tamaño del efecto: ¿qué resultado debe interpretarse?Ciencia de la decisión↗
  5. MSC-P-005¿Cómo medir un constructo de marketing que no es directamente observable?Investigación de mercados↗
  6. MSC-P-006¿Cómo diseñar y validar una escala de medición?Investigación de mercados↗
  7. MSC-P-007Alfa u omega: ¿cómo evaluar la fiabilidad de una escala?Investigación de mercados↗
  8. MSC-P-009ACP, AFE o AFC: ¿qué método elegir?Investigación de mercados↗
  9. MSC-P-010¿Cuándo debe realizarse un experimento de marketing?Medición de marketing↗
  10. MSC-P-011¿Cómo diseñar una prueba A/B que estime realmente un efecto?Medición de marketing↗
  11. MSC-P-012¿Cuántas observaciones necesita un experimento?Ciencia de la decisión↗
  12. MSC-P-013¿Cómo medir el efecto incremental de una campaña con un grupo de control?Medición de marketing↗
  13. MSC-P-017¿Cómo detectar selección, contaminación y pérdida en un experimento?Medición de marketing↗
  14. MSC-P-018Regresión predictiva o causal: ¿qué se intenta estimar?Modelos de marketing↗
  15. MSC-P-019¿Cómo diagnosticar una regresión de marketing antes de interpretarla?Modelos de marketing↗
  16. MSC-P-022¿Cómo estimar la elasticidad-precio y su incertidumbre?Ciencia de precios↗
  17. MSC-P-026Logit vs Probit: ¿cómo elegir para una probabilidad de compra?Ciencia del cliente↗
  18. MSC-P-029¿Qué clientes presentan la mayor probabilidad de abandono?Ciencia del cliente↗
  19. MSC-P-027TAM, UTAUT o UTAUT2: ¿qué marco usar para estudiar la aceptación tecnológica?Investigación de mercados↗
  20. MSC-H-001Medición y causalidad: ¿cómo establecer un efecto de marketing?Medición de marketing↗
  21. MSC-H-002Modelos de respuesta de marketing: forma, retardo y saturaciónModelos de marketing↗
  22. MSC-H-003Ciencia de precios: conectar precio, demanda y contribuciónCiencia de precios↗
  23. MSC-H-004Ciencia del cliente y elección: comportamiento, valor y heterogeneidadCiencia del cliente↗
  24. MSC-H-005Ciencia de la medición: construir indicadores válidosInvestigación de mercados↗
  25. MSC-H-006Métodos estadísticos de decisión: elegir, cuantificar, validarCiencia de la decisión↗
  26. MSC-P-008¿Cómo validar una escala de medición de marketing?Investigación de mercados↗
  27. MSC-P-014¿Cómo diseñar un experimento geográfico de marketing?Medición de marketing↗
  28. MSC-P-015¿Cómo estimar un efecto con diferencias en diferencias?Medición de marketing↗
  29. MSC-P-020¿Cómo tratar la endogeneidad del precio?Ciencia de precios↗
  30. MSC-P-021Efectos fijos o aleatorios: ¿qué modelo de panel elegir?Modelos de marketing↗
  31. MSC-P-023¿Cómo estimar una función de demanda?Ciencia de precios↗
  32. MSC-P-024¿Cómo simular un escenario precio-volumen-margen?Ciencia de precios↗
  33. MSC-P-028¿Cómo estimar la CLV con BG/NBD y Gamma-Gamma?Ciencia del cliente↗
  34. MSC-P-030¿Cómo analizar la retención con un modelo de supervivencia?Ciencia del cliente↗
  35. MSC-P-043¿Cuánto vale un suscriptor con solo seis meses de retención observada?Ciencia del cliente↗
  36. MSC-P-031¿Cómo construir una segmentación de clientes útil?Ciencia del cliente↗
  37. MSC-P-032¿Cómo probar la estabilidad de una segmentación?Ciencia del cliente↗
  38. MSC-P-033¿Cómo validar un pronóstico de marketing?Ciencia de la decisión↗
  39. MSC-P-034¿Cómo construir una simulación Monte Carlo para una decisión de marketing?Ciencia de la decisión↗
  40. MSC-P-035¿Cómo modelar saturación y adstock?Modelos de marketing↗
  41. MSC-P-039¿Qué prueba estadística elegir?Ciencia de la decisión↗
← Todos los métodos
FICHA DE MÉTODOMSC-P-027Ciencia de la mediciónDosier científico verificado

TAM, UTAUT o UTAUT2: ¿qué marco usar para estudiar la aceptación tecnológica?

TAM se centra en la utilidad y la facilidad de uso percibidas. UTAUT amplía la explicación a la expectativa de rendimiento, el esfuerzo, la influencia social y las condiciones facilitadoras. UTAUT2 añade constructos para contextos de consumo. La elección depende de la población, el contexto y la conducta estudiada, no del número de variables disponibles.

Redacción científica: Marketing Science Center

Respuesta directa

Elegir un marco, definir sus constructos y probar primero un modelo de medida y después un modelo estructural en una población declarada.

TAM se centra en la utilidad y la facilidad de uso percibidas. UTAUT amplía la explicación a la expectativa de rendimiento, el esfuerzo, la influencia social y las condiciones facilitadoras. UTAUT2 añade constructos para contextos de consumo. La elección depende de la población, el contexto y la conducta estudiada, no del número de variables disponibles.

Davis, 1989, Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information TechnologyVenkatesh et al., 2003, User Acceptance of Information Technology: Toward a Unified View

01

La respuesta en 30 segundos

TAM se centra en la utilidad percibida y la facilidad de uso. UTAUT añade el contexto organizativo, las condiciones facilitadoras y los moderadores. UTAUT2 extiende el marco al consumidor con motivación hedónica, valor-precio y hábito. El marco debe elegirse antes del análisis según la población y la decisión, nunca según el resultado más favorable obtenido a posteriori.

02

Tres niveles de lectura

  • Decisor: ¿qué marco sirve a la decisión?
  • Profesional: ¿qué ítems, grupos y momentos recoger?
  • Analista: medición, estructura, incertidumbre y robustez.

03

Situación de marketing concreta

Un equipo prepara el lanzamiento de un servicio digital. Debe distinguir la aceptación inicial por parte de los empleados, el uso voluntario por parte de los consumidores y el uso repetido. Estas poblaciones no implican los mismos constructos ni las mismas decisiones.

04

Pregunta científica

En una población, contexto y horizonte declarados, ¿qué constructos se asocian con intención y uso autodeclarado, y con qué incertidumbre?

05

Por qué falla una elección automática

Añadir todos los constructos aumenta la carga de respuesta, el riesgo de solapamiento y los grados de libertad analíticos. Elegir después de la estimación el marco que produce el R² más alto convierte la comparación en una selección oportunista.

06

Intuición de los tres marcos

MarcoPregunta dominanteContexto
TAMUtilidad y esfuerzo percibidosAceptación parsimoniosa
UTAUTRendimiento, esfuerzo, influencia, condicionesOrganización y despliegue
UTAUT2UTAUT + disfrute, coste percibido, hábitoUso del consumidor

07

Datos necesarios

  • Población, tecnología, voluntariedad, fecha y horizonte.
  • Ítems de la escala elegida, traducción documentada y opciones idénticas.
  • Intención medida antes del uso autodeclarado cuando el uso es el objetivo.

08

Modelo formal y símbolos

η = Bη + Γξ + ζ

η designa los constructos endógenos, ξ los constructos exógenos, B las relaciones entre constructos endógenos, Γ los efectos de los constructos exógenos sobre η y ζ el residuo. Las moderaciones se introducen únicamente mediante términos de interacción preespecificados; el modelo de medición vincula los constructos latentes con sus ítems.

09

Cálculo declarado

  1. Declarar marco y exclusiones.
  2. Probar el modelo de medición antes del estructural.
  3. Estimar relaciones, intervalos y diagnósticos en la especificación declarada.
  4. Comparar solo modelos preespecificados en las mismas observaciones.

10

Ejemplo numérico publicado

En el estudio UTAUT2 de Hong Kong con usuarios experimentados, 4127 participantes válidos pasan a 2220 en la segunda ola y 1512 en la muestra final. Edad media cercana a 31 años y una sola tecnología. R² pasa de 0,56 a 0,74 para la intención y de 0,40 a 0,52 para el uso autodeclarado. Las diferencias 0,18 y 0,12 no tienen intervalos de incertidumbre publicados ni prueban superioridad universal.

11

Supuestos de validez

  • Los ítems representan los constructos en la población estudiada.
  • Los grupos comparados comparten una medición suficientemente invariante.
  • Una asociación transversal no prueba temporalidad ni causalidad.

12

Diagnósticos e incertidumbre

Documentar los datos faltantes, la fiabilidad, la validez convergente y discriminante, la invariancia, los intervalos, la estabilidad en una muestra de control o una ola posterior y la sensibilidad a los ítems retirados. Un valor no disponible sigue siendo no disponible, nunca se convierte en cero.

13

Interpretación

Un coeficiente o un R² describe la especificación estudiada. Debe interpretarse junto con su incertidumbre, la calidad del modelo de medición y el alcance. No clasifica automáticamente las iniciativas de producto.

14

Conclusiones permitidas y prohibidas

Permitido

En esta población, los constructos se asocian con la intención o el uso según el modelo declarado.

Prohibido

Afirmar que modificar una puntuación causará la adopción, que el marco es universal o que el R² valida una decisión.

15

Decisión de marketing posible

El equipo puede elegir TAM para un diagnóstico parsimonioso de la aceptación, UTAUT para un despliegue organizativo o UTAUT2 para un uso por consumidores en el que el disfrute, el precio y el hábito sean sustantivamente necesarios. La elección final sigue siendo humana y documentada.

16

Cuándo usar cada marco

No utilizar estos marcos por sí solos para estimar un efecto causal, prever la demanda agregada, valorar financieramente una tecnología o sustituir un estudio de uso. Las alternativas incluyen un experimento, un panel longitudinal, un modelo de elección, un estudio cualitativo o un modelo de difusión, según la decisión.

17

Implementaciones reproducibles

El archivo de referencia recalcula únicamente las dos diferencias de R² publicadas, sin volver a estimar el modelo ni fabricar datos individuales.

CSV · Python 3.13.7

# R 4.5.1: transform(read.csv("msc-p027-tam-utaut.csv"), delta=r2_utaut2-r2_utaut)
* SPSS 31: COMPUTE delta = r2_utaut2 - r2_utaut.
* SAS 9.4: data result; set input; delta=r2_utaut2-r2_utaut; run;

18

Entregable final

  • Decisión, población, tecnología, horizonte y conducta objetivo.
  • Marco elegido, constructos incluidos y excluidos, procedencia y plan de análisis.
  • Resultados con incertidumbre, diagnósticos, límites y regla de revisión.

19

Fuentes y nivel de evidencia

Nivel de evidencia E3: tres textos fundacionales completos verificados al nivel de cada afirmación. La comparación sigue siendo una síntesis metodológica; no demuestra ni rendimiento comercial ni causalidad.

Leer después

MSC-P-005¿Cómo medir un constructo de marketing que no es directamente observable?→MSC-P-006¿Cómo diseñar y validar una escala de medición?→MSC-P-008¿Cómo validar una escala de medición de marketing?→MSC-P-009ACP, AFE o AFC: ¿qué método elegir?→