Qué Quiere la gente... y cómo predecirlo

'70 se lanzó el ERIS, uno de los primeros programas de predicción exitosos para la indus- tria cinematográfica. Sin embargo, las dudas persistieron. En 1983 ...
127KB Größe 31 Downloads 79 vistas
Por Thomas H. Davenport y Jeanne G. Harris

Qué quiere la gente... y cómo predecirlo Las empresas tienen acceso a sofisticadas tecnologías que mejoran la calidad de las decisiones. ¿Les sirven para anticiparse a las preferencias de sus clientes?

E

l año 2007 fue terrible para muchas grandes estrellas de cine. Una de las excepciones fue Will Smith, protagonista de Soy leyenda, récord de taquilla en diciembre, mes de su estreno. En 2008, su película Hancock recaudó más de US$ 625 millones a nivel mundial, pese a las críticas desfavorables. El éxito de Smith no sorprende porque, a excepción de la saga de Harry Potter, sus filmes generan más ingresos por sala y en el fin de semana del estreno que cualquier otra película con un protagonista masculino. ¿Sabe Will Smith algo que Jim Carrey y los demás desconocen? Es muy probable. Cuando llegó a Hollywood para iniciar su carrera, él y su agente estudiaron la lista de las 10 películas más taquilleras de todos los tiempos. “Las miramos y nos preguntamos: ¿cuáles son los patrones?”, recuerda Smith. Analiza los resultados de boletería correspondientes a cada fin de semana para encontrar los patrones del éxito. No cabe duda de que es un observador astuto, según lo demuestra su frecuente participación en películas que obtienen ingresos superiores a los US$ 120 millones. Su capacidad para determinar qué películas resultarán exitosas contradice a la sabiduría convencional, que ve a las predicciones como un arte y no como una ciencia. Los creadores y distribuidores de “productos culturales” no han empleado hasta ahora para ello herramientas analíticas (datos, estadísticas, modelos predictivos). Las empresas confían en la habilidad predictiva de los generadores de tendencias, y en el talento de estos para producir lo que la gente deseará comprar. Si Coco Chanel decía que había que subir el ruedo, los fabricantes lo hacían. Los sentimientos, y no los datos, eran cruciales. Harry Cohn, fundador de Columbia Pictures, creía que podía predecir el éxito de Métodos para predecir las prefeuna película según le doliera o no la espalda al mirarla (si eso sucedía, la perencias de los consumidores exislícula no era buena). ten desde hace décadas. Lo inteEstos generadores de tendencias todavía existen. Los vinos que reciben un resante es comprobar qué sucede puntaje de 90+ en Wine Spectator tienen prácticamente garantizada una alta decon las nuevas herramientas. manda. Los fabricantes de cualquier cosa, desde automóviles hasta tostadoras, confían en las recomendaciones de la Asociación del Color de los Estados UniTres apuntes útiles: dos para seleccionar colores para sus productos. El éxito de Rick Rubin, codirector de Columbia Records, es atribuido en parte a la “mezcla de determinación y n Los métodos de predicción con mística con que escucha una canción”. fundamento científico seguirán transEl criterio creativo y la experiencia en el tema tendrán siempre un papel vital formando las industrias en las cuales en la configuración y el marketing de los productos culturales. Pero el equililos nuevos productos sean caros y brio entre arte y ciencia está cambiando. Hoy las empresas tienen un acceso riesgosos, y los clientes carezcan de inédito a información y tecnología sofisticadas, lo cual permite que incluso los tiempo y concentración para estableexpertos más reconocidos sopesen factores y consideren evidencias hasta hace cer diferencias entre las ofertas. poco impensables. Como resultado, predecir lo que le gustará al consumidor está adquiriendo una importancia creciente en los campos de las compras y del n Para que las nuevas y variadas proentretenimiento. Los creadores y distribuidores de productos culturales avenpuestas desarrollen todo su potenturan pronósticos, incluso antes de que el proceso de elaboración se haya inicial habrá que calibrarlas. ciado, y los consumidores acceden a recomendaciones (una forma de predicción) acerca de productos o atributos que podrían interesarles. n Aunque potentes, estos sistemas no En el presente artículo, describimos los resultados de un estudio de los esfuerreemplazan la toma de decisiones. zos de predicción y recomendación para una variedad de productos culturales

Thomas H. Davenport es profesor de management y tecnología de la información en el Babson College. Jeanne G. Harris es investigadora senior y directora de investigación del Instituto para el Negocio de Alto Desempeño de Accenture. Ambos son autores de Competing on Analytics: The New Science of Winning (Harvard Business School Press, 2007).

El tema central

Marketing | Tendencias

1/6

Por Thomas H. Davenport y Jeanne G. Harris

(ver “Acerca de la investigación”), y explicamos cuál es la importancia de las tecnologías de predicción y recomendación, qué abordajes se Los autores revisaron los resultados de literatura e investigaciones académicas utilizan para realizar predicciones, sobre motores de recomendación, y sobre las razones que explican el éxito de en qué contextos se aplican y cuáles ciertas películas y cierta música. Después entrevistaron a representantes de 18 son las barreras que impiden un uso organizaciones dedicadas a la predicción o recomendación de productos culmás generalizado. turales, entre ellas empresas de software que ofrecen algún tipo de sistema de Con el tiempo, la predicción sorecomendación de películas, programas de televisión por cable, música, libros fisticada de los gustos del consumio compras online, y firmas que proveen predicciones a la industria de creación y dor ayudará a guiar las decisiones distribución de productos culturales. Realizaron un análisis detallado de este fede inversión en casi todos los pronómeno en la industria cinematográfica, a partir de entrevistas a representantes ductos y servicios de consumo. Hoy de estudios, distribuidores de películas y propietarios de salas para reunir datos ya es común que los consumidores sobre la utilización de modelos de predicción. consulten los comentarios y puntajes online, y que tanto fabricantes (Dell, Lego, Intuit, Timberland) como minoristas (Costco, Sears, Macy’s) pongan esas opiniones a disposición del público. A medida que proliferen las ofertas y la “participación en la mente del consumidor” se vea bombardeada por alternativas y opiniones, las tecnologías de recomendación permitirán a los usuarios evaluar las opciones y sintetizar las calificaciones de una manera más sistemática. La predicción será útil para los creadores de contenido y de productos con costosos procesos de elaboración, quienes buscarán someterlos a alguna forma de testeo o de predicción sistemática, como se hace hoy con los productos de consumo. Cuanto más temprano en el ciclo de desarrollo se realicen las predicciones, más útiles resultarán.

Acerca de la investigación

Las tecnologías de predicción cumplen la mayoría de edad

Las herramientas diseñadas para predecir y configurar lo que los consumidores desean, nos acompañan desde hace décadas. Pero, tal como ocurrió con muchas tecnologías de la información, recién empezaron a despegar en los años ’90. Sesenta años antes, George Gallup intentó, con escaso éxito, convencer a Hollywood de que aplicara sus flamantes encuestas de opinión pública para conocer las preferencias de los espectadores. A principios de los años ‘40, el Departamento de Investigación Social Aplicada de la Universidad de Columbia (antes conocido como Oficina de Investigación de Radio) desarrolló el Analizador de Programas Lazarsfeld-Stanton, que requería que las personas registraran las reacciones positivas y negativas a las películas mientras las veían. En los años ’70 se lanzó el ERIS, uno de los primeros programas de predicción exitosos para la industria cinematográfica. Sin embargo, las dudas persistieron. En 1983, en su libro Adventures in the Screen Trade, el guionista William Goldman señaló que “nadie sabe nada” sobre los factores asociados al éxito comercial de una película. A pesar de los pasos dados desde entonces por productores y distribuidores, el avance no es comparable con la evolución de las recomendaciones del consumidor. A fines de los ’90, Amazon.com fue pionera en el uso comercial generalizado de las predicciones. Lo hizo a través del “filtrado colaborativo”, un software que recomendaba a partir de correlaciones entre las elecciones previas del consumidor y otros productos que podrían gustarle. Más recientemente, la distribuidora de películas online Netflix Inc. tuvo éxito con otra forma de filtrado colaborativo. Su software genera recomendaciones correlacionando un conjunto de datos de más de 1.000 millones de calificaciones de películas realizadas por sus clientes. La funcionalidad “sugerencias” del TiVo es otro ejemplo: mediante una combinación de técnicas, selecciona programas para el teleespectador en función de sus patrones de conducta y los puntajes que adjudicó a otros programas. Amazon y Netflix son básicamente distribuidores de productos culturales; sus sistemas de recomendación son un elemento adjunto a su modelo principal de negocios. Recientemente aparecieron compañías especializadas en recomendación. ChoiceStream Inc. desarrolla software de recomendación de películas, programas de televisión, libros y productos de consumo, que otorga bajo licencia a los distribuidores de estos productos. Por su parte, Media Predict Inc. creó mercados de predicción para películas, libros, música y televisión. En 2007 se asoció a Touchstone Books, de la editorial Simon & Schuster, para seleccionar un libro, para su publicación, sobre la base de las calificaciones obtenidas en un mercado de predicción. El libro elegido, Hollywood Car Wash, tuvo un éxito comercial moderado. Otras empresas se focalizan en un medio o en un nicho de productos. Por ejemplo, Echo Nest Corp. y Platinum Blue Music Intelligence proveen capacidades de recomendación a distribuidores de música online. Si bien las tecnologías de recomendación nacieron en los Estados Unidos, se están di2/6

Por Thomas H. Davenport y Jeanne G. Harris

seminando por el mundo. La española Acquamedia Technologies SI produce software de recomendación para música que se vende en redes de telefonía móvil. Por su parte, Silver Egg Technology Co., de Japón, ofrece a los minoristas online de su país un software para recomendar productos a sus clientes. En cambio, las predicciones sobre productos que podrían ser exitosos, orientadas a los creadores y distribuidores de contenido cultural, son menos frecuentes. Es más sencillo hacerlo cuando el producto ya ha sido desarrollado, tiene atributos claros y se cuenta con algunos indicadores de su popularidad. A pesar de las dificultades de la predicción previa a la creación, la empresa británica Epagogix Ltd. anticipa el éxito de películas en base a los atributos del guión. Por ejemplo, como parte de un test para un fondo de cobertura, pronosticó que el filme Lucky You (2007) sería un fracaso y recaudaría apenas unos US$ 7 millones. La película, protagonizada por una estrella como Drew Barrymore y con un director y un guionista famosos, sumados a un argumento sobre un tema popular como es el póquer profesional, costó US$ 50 millones. Epagogix estaba en lo cierto: recaudó US$ 6 millones.

El valor de la predicción y la recomendación

La proliferación de la oferta de recomendaciones obedece, en parte, a que los consumidores están abrumados por la “paradoja de la elección”: muchas opciones disponibles y dificultad para distinguir las ofertas. Los productores enfrentan el problema opuesto: necesitan tomar decisiones de inversión inteligentes, en un mundo atestado de productos culturales. Por ejemplo, la cantidad de libros publicados en los Estados Unidos creció más de un 50 por ciento en el período 1994-2004. Pero, según Book Industry Study Group Inc., menos del 25 por ciento de los casi 300.000 libros publicados en 2004, vendió más de 100 ejemplares. Los estudios cinematográficos de todo el mundo están produciendo más películas de las que los espectadores pueden ver. En 2006, Hollywood estrenó 607 filmes, un 11 por ciento más que el año anterior y casi el doble que en 1990. Sin embargo, son pocos los que pueden ver el doble de lo que veían entonces. Las productoras indias estrenan más de 1.000 largometrajes por año. Los libros y las películas son sólo la punta del iceberg, dado que la gente dedica cada vez más tiempo a “producciones culturales” disponibles en sitios como YouTube. Esta tendencia a la producción incrementada tiene lugar en un momento en el cual se encareció la creación de ciertos contenidos culturales. Los estudios cinematográficos requieren grandes apuestas. Según la Asociación Cinematográfica de los Estados Unidos, filmar y comercializar una película costaba, en 2006, unos US$ 100 millones, con grandes posibilidades de terminar en un fracaso. En los 10 últimos años, el 80 por ciento de las ganancias totales se concentraron en el 6 por ciento de las películas, mientras que el 78 por ciento de las producciones perdieron dinero. Se estima que, al término de su ciclo de cinco años de exhibición en cines, ventas de DVD, acuerdos de televisión y fuentes adicionales de ingresos, las 132 películas estrenadas en 2006 por los principales estudios habrán perdido, en conjunto, US$ 1.900 millones. Tanto los productores como los consumidores están interesados en una buena conexión entre el contenido cultural y el público, que impulse esta actividad.

La tecnología habilita las predicciones

Una razón clave por la cual la predicción y la recomendación adquieren hoy mayor importancia es porque, técnicamente, es más sencillo realizarlas. Canales de distribución como Internet (para películas y libros) y los teléfonos celulares (para música), pueden llevar embebido un software que brinde recomendaciones. Además, estos canales generan datos detallados sobre la conducta y las preferencias del cliente. No obstante, suele no haber suficiente ancho de banda ni tiempo disponible para que los consumidores realicen una selección eficaz. Y cuanto más pequeña es la apertura al cliente (la pantalla del celular, por ejemplo), más importante es ayudarlo a decidir, porque la cantidad de información que puede desplegarse es muy limitada. Sin embargo, la mejor razón para utilizar recomendaciones es que parecen funcionar. Por ejemplo, los clientes de Netflix adjudicaron media estrella más, en un sistema de cinco estrellas, a las recomendaciones de la compañía que a sus propias elecciones. El Hollywood Stock Exchange es una especie de bolsa de valores que agrega apuestas virtuales de cientos de miles de jugadores, sobre el éxito de películas, artistas y directores. Según un estudio, las predicciones del HSE previas al estreno de una película, resultan bastante precisas y pueden compararse a las de los mejores expertos. Varias empresas descubrieron también que sus recomendaciones ayudan a vender más productos. Acquamedia señaló que los ingresos de sus clientes de telefonía móvil aumen3/6

Por Thomas H. Davenport y Jeanne G. Harris

taban hasta un 20 por ciento cuando utilizaban las recomendaciones de música de la firma. Asimismo, con la implementación del motor de recomendación de ChoiceStream Inc., la deserción de clientes de Blockbuster Inc. empezó a reducirse.

Un abanico de técnicas y tecnologías

Antes de incorporar tecnologías de predicción hay que entender la gran variedad de enfoques existentes. La primera generación de esta tecnología, el filtrado colaborativo, realiza correlaciones artículo por artículo o cliente por cliente. Este enfoque sigue siendo utilizado por Amazon y Netflix, y por distribuidores de opciones musicales para telefonía inalámbrica. ChoiceStream se focaliza en los atributos de una película (duración, género, tema, tono, calificación del crítico), y recomienda filmes con atributos similares. La estación de radio online Pandora usa clasificaciones creadas por sus empleados, y la empresa de recomendación de programas de música Echo Nest utiliza análisis computacional del sonido y análisis textual de contenido online sobre música. Ambas clasificaron timbre, tono, tempo, marca de tiempo e instrumentos de miles de canciones. Platinum Blue Music Intelligence se vale de la “deconvolución espectral” de ondas de sonido (una técnica empleada en la restauración de señales) para identificar las canciones que podrían interesarle a un determinado oyente. Epagogix emplea un sistema experto de diseño propio, con algoritmos basados en las redes neuronales, para predecir el éxito de una película. Muchos estudios utilizan análisis de regresión. Otros enfoques incluyen mercados como Hollywood Stock Exchange y Media Predict. Algunas compañías empiezan a sumar redes sociales como medio para recomendar productos culturales. Si a sus amigos les gustan ciertas canciones y películas, es probable que a usted también le gusten, y si a un desconocido y a usted les gustan las mismas canciones y películas, podrían trabar amistad. LiveWire Mobile y Last.fm Ltd. incluyen un elemento de red social en sus ofertas de música, mientras que Netflix cuenta con un servicio llamado “friends” que permite a los clientes compartir preferencias y críticas de películas. Cada enfoque tiene fortalezas y debilidades. Por ejemplo, el filtrado colaborativo requiere gran cantidad de información sobre compras pasadas y, según algunos expertos, acota la diversidad y subraya los grandes éxitos. Las redes neuronales también requieren muchos datos. La recomendación basada en atributos exige que alguien clasifique los productos culturales según atributos clave. Los mercados de predicción reclaman la presencia de gran número de participantes independientes. Las mejores herramientas de recomendación mantienen un equilibrio entre el sentido de individualidad de los consumidores y su identificación grupal, y entre lo que ellos conocen y lo que aún no han explorado, de modo de ampliar su horizonte a través de sugerencias novedosas y sorprendentes. Los clientes de LiveWire Mobile, por ejemplo, quieren encontrar canciones famosas y confiables, similares a las que les gustan, y otras capaces de desafiar y desarrollar sus gustos. El modelo de negocios de la empresa es de “pago por canción”. Si la gente está comprando los productos de a uno, conviene adoptar un enfoque de recomendaciones conservador; en cambio, si paga de buen grado una cuota mensual, significa que está más abierta a un motor de recomendaciones que le brinde sorpresas. Dado que los mercados de productos culturales se van modificando con el tiempo, es crucial monitorear las condiciones cambiantes para identificar las tendencias emergentes. La “gestión de modelos” es esencial para el desarrollo de algoritmos de recomendación que reflejen las lecciones basadas en la experiencia y mejoren la precisión de las predicciones. Hoy se sabe cada vez más sobre las conexiones matemáticas ocultas en la música y su aporte al deseo de escuchar ciertas canciones. Platinum Blue Music Intelligence aplicó este conocimiento al análisis de una canción y a la formulación de recomendaciones para aumentar sus posibilidades éxito (por ejemplo, ajustando los bajos). El análisis de la compañía derivó en la creación de 60 grupos diferenciados, incluyendo a unos 12 que están activos en cualquier punto de la historia. Comercializada como herramienta para ayudar a artistas y productores, esta tecnología utiliza análisis espectral del sonido. Se aplicó para testear la canción Crazy, de Gnarls Barkley, y determinó que pertenecía al mismo grupo de éxitos en el que figuraban antiguos hits de Olivia Newton-John y Mariah Carey, lo cual pronosticaba un gran éxito, como en realidad ocurrió. Innerscope Research está midiendo indicadores biológicos del interés mental, como el ritmo cardíaco y la respuesta galvánica de la piel, para evaluar el compromiso del consumidor con los programas de televisión y con la publicidad. La NASA desarrolló un indicador todavía más directo de la atención humana: las ondas cerebrales. Tan pronto como se compruebe que se puede ganar dinero con estas herramientas de evaluación biológica, su uso crecerá a pesar de los reparos morales de algunos observadores. 4/6

Por Thomas H. Davenport y Jeanne G. Harris

Predicciones y proceso creativo

En la mayoría de los casos estudiados, las recomendaciones se efectuaron cuando el producto cultural ya había sido creado, para ayudar al cliente a elegir entre diversas ofertas. Pero la pronosticación también tiene otras aplicaciones. La cadena europea de cines Kinepolis Group NV la emplea para prever la cantidad de personal que necesitará cuando proyecte determinadas películas, o durante ciertos fines de semana. Los estudios utilizan enfoques similares para establecer cuántos DVD deben producir y enviar al mercado. El enfoque previo a la creación también es activamente explorado por la industria cinematográfica, caracterizada por largos ciclos de producción y altos costos. Los productores se orientan por reglas generales, tales como: las estrellas atraen multitudes, el público prefiere los finales felices, las películas para mayores de 13 años recaudan más, y las segundas partes obtienen entre el 66 y el 75 por ciento de la facturación de la versión original. Los responsables financieros pronostican los ingresos de un filme tanto antes como después de su lanzamiento, mediante los denominados modelos de declinación. El alto porcentaje de fracasos demuestra que en la industria cinematográfica el proceso de decisiones es muy intuitivo. Sin embargo, los productores cuentan hoy con ayuda científica. Epagogix se focaliza en anticipar las posibilidades de éxito de un guión. Sus análisis de redes neuronales identifican los atributos de los guiones que se correlacionan con el éxito o el fracaso de taquilla. Sus predicciones son el doble de precisas que las de los estudios. Pero los ejecutivos de algunos estudios se resisten a que la toma de decisiones deje de ser un arte. Un ejecutivo les dijo a los directivos de Epagogix que la comunidad hollywoodense lo condenaría al ostracismo, si se enterara de que producía películas en base a modelos analíticos de predicción. En HBO Inc. se mostraron escépticos sobre la viabilidad de aplicar los análisis al costado creativo del negocio de la empresa. HBO utiliza algunas herramientas analíticas, pero no para pronosticar sino con otros fines. Por ejemplo, su departamento de planificación de la producción utiliza reglas codificadas, tales como “las películas con restricciones no deben incluirse en la programación diurna”, para ayudar a organizar la oferta diaria. Es muy probable que sean los artistas los que adopten las técnicas de predicción para orientar sus decisiones de todo tipo, desde aceptar el guión de una película hasta depurar una canción para optimizar su potencial de mercado. En Platinum Blue Music Intelligence, la respuesta fue mixta. Recibieron miles de emails de músicos: muchos los acusaban de intentar anularlos, mientras que otros se interesaban por obtener la tecnología para mejorar sus posibilidades de éxito.

Riesgos y oportunidades del modelo de negocios

Una empresa interesada en incorporar a su oferta la predicción o la recomendación de productos culturales, debe determinar previamente qué modelo de negocios va a adoptar. ¿La pronosticación será el único camino para ganar dinero, o acompañará a un modelo de negocios que obtiene ingresos a través de otros enfoques? Muchas de las empresas estudiadas, incluyendo a Apple, Netflix, LiveWire Mobile y Amazon, ganan dinero distribuyendo productos culturales, más que recomendándolos. El trabajo de recomendación es un elemento adjunto a su negocio de distribución. Si el modelo de distribución es problemático (en el caso de Pandora, la obligación de pagar regalías a las discográficas por la música online puso a la firma al borde del cierre), las recomendaciones por sí solas no alcanzan para que la organización avance. Cuando le sugerimos a Reed Hastings, CEO de Netflix, que la compañía podía vender sus capacidades de recomendación a otras distribuidoras de películas online o basadas en las telecomunicaciones, nos respondió que ese mercado no adjudicaba gran valor a las recomendaciones. La mayor parte de las empresas que brindan únicamente capacidades de recomendación o predicción son relativamente pequeñas. Para prosperar, deben desplegar esas capacidades en una amplia gama de industrias. ChoiceStream, por ejemplo, ahora ofrece recomendaciones en materia de películas, televisión, libros y música, además de hacerlo en el campo del comercio minorista online, y se propone utilizar su tecnología para publicidad online. ATG Recommendations, un emprendimiento reciente en el negocio de los motores de recomendaciones, tiene clientes que emplean sus herramientas para vender vino, alimentos horneados, camisetas y software por Internet. Los proveedores de software de recomendación dicen que sus enfoques desarrollan con rapidez una fuente de datos ricos y precisos sobre las preferencias del consumidor, de suma utilidad para los responsables de los productos y servicios que recomiendan. Sin embargo, algunas de estas pequeñas empresas, entre ellas Match-Mine, no tuvieron éxito y desaparecieron del mercado. Otro tema relacionado con la gestión es la necesidad de actualizar y depurar continuamente 5/6

Por Thomas H. Davenport y Jeanne G. Harris

los modelos. Netflix ofrece incentivos a los analistas externos para mejorar su modelo: otorgará el Premio Netflix, de US$ 1 millón, a quien logre mejorar el algoritmo predictivo de la empresa en un 10 por ciento. (Después de dos años, un grupo estaba a punto de alcanzar ese objetivo.) Amazon sigue depurando su modelo de filtrado colaborativo. Las empresas de recomendación basada en atributos, como ChoiceStream, que atiende a diversos clientes e industrias, deben depurar no sólo sus modelos analíticos sino también los medios, de modo de abaratar la recolección de atributos. Y las compañías como Echo Nest, que sólo ofrece un motor de recomendaciones, deben encontrar la manera de que su negocio sea rentable mediante asociaciones, publicidad online u otros medios. Finalmente, y a pesar de las grandes promesas de los sistemas de predicción y recomendación, es importante que los ejecutivos eviten los extremos. Estos sistemas no son un sustituto de la toma de decisiones, ni brindan respuestas automáticas e infalibles. El uso de estas herramientas no obvia la necesidad de un criterio de negocios y una visión cultural. Tal como dijo un ejecutivo de la industria cinematográfica: “Los consumidores ya se quejaban de que se los usaba, ¿no es esto el colmo de la utilización?”. Ni siquiera Will Smith recurre sólo a su análisis para elegir los guiones; también busca la opinión de su familia y amigos. La creación de productos culturales exitosos siempre será una combinación de arte y ciencia. Pero, aparentemente, la participación de la ciencia va en aumento. Es probable que los enfoques científicos de la predicción del éxito y la recomendación de productos sigan transformando, no sólo la industria de productos culturales, sino toda otra en la cual los nuevos productos sean costosos y riesgosos, y los clientes no estén en condiciones de ponerse a entender las diferencias entre las ofertas que proliferan. l © Gestión/MIT Sloan Management Review © 2008, Massachusetts Institute of Technology. Todos los derechos reservados. Distribuido por Tribune Media Services International.

6/6