TEDSalon NY2011
Sheena Iyengar: How to make choosing easier
Sheena Iyengar: Cómo elegir más facilmente
Filmed:
Readability: 3.7
2,749,817 views
Todos queremos experiencias y productos a la medida. Pero frente a 700 opciones, los consumidores se paralizan. En esta fascinante investigación, Sheena Iyengar demuestra cómo las empresas (y otros actores) pueden mejorar la experiencia de escoger.
Sheena Iyengar - Psycho-economist
Sheena Iyengar studies how people choose (and what makes us think we're good at it). Full bio
Sheena Iyengar studies how people choose (and what makes us think we're good at it). Full bio
Double-click the English transcript below to play the video.
00:15
Do you know how many choices you make
0
0
2000
¿Saben cuántas decisiones tomamos
00:17
in a typical day?
1
2000
3000
un día cualquiera?
00:20
Do you know how many choices you make
2
5000
2000
¿Saben cuánto escogemos
00:22
in typical week?
3
7000
2000
en una semana?
00:24
I recently did a survey
4
9000
2000
Hace poco hice una encuesta
00:26
with over 2,000 Americans,
5
11000
2000
a más de 2000 personas
00:28
and the average number of choices
6
13000
2000
y la cantidad promedio de elecciones
00:30
that the typical American reports making
7
15000
2000
que dice escoger un estadounidense medio,
00:32
is about 70 in a typical day.
8
17000
3000
son unas 70 al día.
00:35
There was also recently a study done with CEOs
9
20000
4000
No hace mucho, en una investigación siguieron
00:39
in which they followed CEOs around for a whole week.
10
24000
3000
durante una semana a un grupo de presidentes de empresas.
00:42
And these scientists simply documented all the various tasks
11
27000
3000
Los investigadores registraron las diferentes tareas
00:45
that these CEOs engaged in
12
30000
2000
desempeñadas por estos ejecutivos
00:47
and how much time they spent engaging
13
32000
2000
y el tiempo que emplearon en tomar
00:49
in making decisions related to these tasks.
14
34000
2000
decisiones relacionadas con esas tareas.
00:51
And they found that the average CEO
15
36000
3000
Encontraron que, en promedio,
00:54
engaged in about 139 tasks in a week.
16
39000
3000
acometían 139 trabajos por semana.
00:57
Each task was made up of many, many, many sub-choices of course.
17
42000
4000
Naturalmente, cada trabajo incluía muchísimas minidecisiones.
01:01
50 percent of their decisions
18
46000
2000
La mitad de esas decisiones
01:03
were made in nine minutes or less.
19
48000
3000
llevaron 9 minutos o menos.
01:06
Only about 12 percent of the decisions
20
51000
3000
Sólo un 12% requirieron
01:09
did they make an hour or more of their time.
21
54000
4000
una hora o más de su tiempo.
01:13
Think about your own choices.
22
58000
2000
Ahora piensen en sus elecciones.
01:15
Do you know how many choices
23
60000
2000
¿Saben cuántas pertenecen
01:17
make it into your nine minute category
24
62000
2000
a la categoría de 9 minutos,
01:19
versus your one hour category?
25
64000
2000
y cuántas a la de una hora?
01:21
How well do you think you're doing
26
66000
2000
¿Cómo califica la manera en que
01:23
at managing those choices?
27
68000
3000
maneja esas decisiones?
01:26
Today I want to talk
28
71000
2000
Hoy quiero hablar
01:28
about one of the biggest modern day choosing problems that we have,
29
73000
3000
de uno de los mayores problemas de la actualidad:
01:31
which is the choice overload problem.
30
76000
2000
elegir ante la sobrecarga de opciones.
01:33
I want to talk about the problem
31
78000
2000
Quiero hablar del problema
01:35
and some potential solutions.
32
80000
2000
y de unas posibles soluciones.
01:37
Now as I talk about this problem,
33
82000
2000
Mientras hablo de esto voy a
01:39
I'm going to have some questions for you
34
84000
2000
hacerles unas cuantas preguntas
01:41
and I'm going to want to know your answers.
35
86000
3000
y necesito conocer sus respuestas.
01:44
So when I ask you a question,
36
89000
2000
Cuando haga una pregunta,
01:46
since I'm blind,
37
91000
2000
como soy ciega,
01:48
only raise your hand if you want to burn off some calories.
38
93000
3000
levanten la mano solo si quieren quemar calorías.
01:51
(Laughter)
39
96000
3000
(Risas)
01:54
Otherwise, when I ask you a question,
40
99000
2000
De otra forma, cuando haga una pregunta,
01:56
and if your answer is yes,
41
101000
2000
si su respuesta es positiva
01:58
I'd like you to clap your hands.
42
103000
2000
por favor den una palmada.
02:00
So for my first question for you today:
43
105000
3000
Y ahora mi primera pregunta del día:
02:03
Are you guys ready to hear about the choice overload problem?
44
108000
3000
¿Están listos para oír hablar del problema de la sobrecarga de opciones?
02:06
(Applause)
45
111000
2000
(Aplausos)
02:08
Thank you.
46
113000
2000
Gracias.
02:11
So when I was a graduate student at Stanford University,
47
116000
2000
Siendo estudiante de postgrado de la Universidad de Stanford,
02:13
I used to go to this very, very upscale grocery store;
48
118000
3000
frecuentaba este supermercado de nivel muy, muy alto;
02:16
at least at that time it was truly upscale.
49
121000
2000
al menos en esa época era muy sofisticado.
02:18
It was a store called Draeger's.
50
123000
3000
Se llamaba Draeger's.
02:21
Now this store, it was almost like going to an amusement park.
51
126000
3000
Era casi como ir a un parque de diversiones.
02:24
They had 250 different kinds of mustards and vinegars
52
129000
3000
Había como 250 clases distintas de mostaza y vinagre,
02:27
and over 500 different kinds
53
132000
2000
más de 500 tipos distintos
02:29
of fruits and vegetables
54
134000
2000
de frutas y verduras
02:31
and more than two dozen different kinds of bottled water --
55
136000
3000
y unas 25 de agua embotellada.
02:34
and this was during a time when we actually used to drink tap water.
56
139000
4000
Y esto era cuando tomábamos agua del grifo.
02:38
I used to love going to this store,
57
143000
3000
Me encantaba ir a esa tienda,
02:41
but on one occasion I asked myself,
58
146000
2000
pero en una ocasión me pregunté,
02:43
well how come you never buy anything?
59
148000
2000
¿por qué nunca compro nada?
02:45
Here's their olive oil aisle.
60
150000
2000
Este es el estante del aceite de oliva.
02:47
They had over 75 different kinds of olive oil,
61
152000
2000
Tenían más de 75 clases diferentes,
02:49
including those that were in a locked case
62
154000
2000
incluyendo las que estaban en caja sellada
02:51
that came from thousand-year-old olive trees.
63
156000
4000
que provenían de árboles milenarios.
02:55
So I one day decided to pay a visit to the manager,
64
160000
2000
Una vez decidí visitar al gerente
02:57
and I asked the manager,
65
162000
2000
y le pregunté:
02:59
"Is this model of offering people all this choice really working?"
66
164000
3000
"¿Funciona bien esta estrategia de ofrecer todas estas opciones?"
03:02
And he pointed to the busloads of tourists
67
167000
2000
Él me señaló los buses llenos de turistas
03:04
that would show up everyday,
68
169000
2000
que llegaban todos los días,
03:06
with cameras ready usually.
69
171000
2000
usualmente con sus cámaras.
03:08
We decided to do a little experiment,
70
173000
3000
Decidimos hacer un pequeño experimento
03:11
and we picked jam for our experiment.
71
176000
2000
con las mermeladas. Este es el
03:13
Here's their jam aisle.
72
178000
2000
pasillo.
03:15
They had 348 different kinds of jam.
73
180000
2000
Tenían 348 clases diferentes.
03:17
We set up a little tasting booth
74
182000
2000
Instalamos un puesto para degustar,
03:19
right near the entrance of the store.
75
184000
2000
justo a la entrada de la tienda.
03:21
We there put out six different flavors of jam
76
186000
2000
Pusimos ahí mermeladas de seis sabores,
03:23
or 24 different flavors of jam,
77
188000
3000
o de 24 sabores diferentes
03:26
and we looked at two things:
78
191000
2000
y observamos dos cosas:
03:28
First, in which case
79
193000
2000
Primero, ¿en qué caso la gente
03:30
were people more likely to stop, sample some jam?
80
195000
3000
estaba dispuesta a detenerse a probar la mermelada?
03:33
More people stopped when there were 24, about 60 percent,
81
198000
3000
Más personas se detuvieron cuando había 24; un 60%,
03:36
than when there were six,
82
201000
2000
que cuando había sólo seis,
03:38
about 40 percent.
83
203000
2000
un 40%.
03:40
The next thing we looked at
84
205000
2000
También nos fijamos en qué
03:42
is in which case were people more likely
85
207000
2000
caso estaban más propensos a comprar
03:44
to buy a jar of jam.
86
209000
2000
un tarro de mermelada.
03:46
Now we see the opposite effect.
87
211000
2000
Aquí encontramos el efecto contrario.
03:48
Of the people who stopped when there were 24,
88
213000
2000
De los que se detuvieron cuando había 24,
03:50
only three percent of them actually bought a jar of jam.
89
215000
3000
sólo el 3% llegó a comprar mermelada.
03:53
Of the people who stopped when there were six,
90
218000
3000
De los que pararon cuando había seis,
03:56
well now we saw that 30 percent of them
91
221000
2000
vimos que el 30%
03:58
actually bought a jar of jam.
92
223000
2000
compró mermelada.
04:00
Now if you do the math,
93
225000
2000
Si hacemos los cálculos,
04:02
people were at least six times more likely to buy a jar of jam
94
227000
3000
las personas tenían seis veces más probabilidad de comprar
04:05
if they encountered six
95
230000
2000
mermelada si encontraban seis.
04:07
than if they encountered 24.
96
232000
2000
que si encontraban 24.
04:09
Now choosing not to buy a jar of jam
97
234000
2000
Bueno, decidir que no compramos mermelada
04:11
is probably good for us --
98
236000
2000
probablemente nos conviene,
04:13
at least it's good for our waistlines --
99
238000
2000
-al menos es bueno para conservar la línea-
04:15
but it turns out that this choice overload problem affects us
100
240000
3000
pero resulta que el problema de la sobrecarga de opciones
04:18
even in very consequential decisions.
101
243000
3000
nos afecta en decisiones bien trascendentales.
04:21
We choose not to choose,
102
246000
2000
Decidimos no decidir,
04:23
even when it goes against our best self-interests.
103
248000
3000
aun cuando esto no nos convenga.
04:26
So now for the topic of today: financial savings.
104
251000
3000
Ahora el tema del día: el ahorro financiero.
04:29
Now I'm going to describe to you a study I did
105
254000
4000
Voy a describirles un estudio que hice
04:33
with Gur Huberman, Emir Kamenica, Wei Jang
106
258000
3000
con Gur Huberman, Emir Kamenica y Wei Jang,
04:36
where we looked at the retirement savings decisions
107
261000
4000
en el que observamos las decisiones sobre ahorros para la jubilación
04:40
of nearly a million Americans
108
265000
3000
de cerca de un millón de estadounidenses,
04:43
from about 650 plans
109
268000
3000
de entre unos 650 planes
04:46
all in the U.S.
110
271000
2000
de este país.
04:48
And what we looked at
111
273000
2000
Nos interesaba ver si
04:50
was whether the number of fund offerings
112
275000
2000
el número de ofertas de fondos
04:52
available in a retirement savings plan,
113
277000
2000
disponibles en planes de ahorros para jubilación,
04:54
the 401(k) plan,
114
279000
2000
el programa 401(k),
04:56
does that affect people's likelihood
115
281000
2000
desmotivaba a la gente
04:58
to save more for tomorrow.
116
283000
2000
a ahorrar para el futuro.
05:00
And what we found
117
285000
2000
Y descubrimos que
05:02
was that indeed there was a correlation.
118
287000
3000
en verdad sí había una correlación.
05:05
So in these plans, we had about 657 plans
119
290000
3000
Teníamos 657 planes
05:08
that ranged from offering people
120
293000
2000
que iban desde
05:10
anywhere from two to 59 different fund offerings.
121
295000
3000
dos, hasta 59 opciones distintas.
05:13
And what we found was that,
122
298000
2000
Encontramos que cuanto
05:15
the more funds offered,
123
300000
2000
mayor era el número de
05:17
indeed, there was less participation rate.
124
302000
3000
fondos ofrecidos, había menos participación.
05:20
So if you look at the extremes,
125
305000
2000
Así, si miramos los extremos,
05:22
those plans that offered you two funds,
126
307000
2000
vemos que en los planes que ofrecen dos fondos,
05:24
participation rates were around in the mid-70s --
127
309000
3000
la tasa de participación era del 70% o más,
05:27
still not as high as we want it to be.
128
312000
2000
no tan alta como se quisiera.
05:29
In those plans that offered nearly 60 funds,
129
314000
3000
Y en los planes que ofrecían unos 60 fondos,
05:32
participation rates have now dropped
130
317000
3000
la tasa de participación descendió
05:35
to about the 60th percentile.
131
320000
3000
al percentil 60.
05:38
Now it turns out
132
323000
2000
Resulta que
05:40
that even if you do choose to participate
133
325000
3000
inclusive si decides participar,
05:43
when there are more choices present,
134
328000
2000
cuando hay más opciones,
05:45
even then, it has negative consequences.
135
330000
3000
aun en ese caso, hay consecuencias negativas.
05:48
So for those people who did choose to participate,
136
333000
3000
Así, para los que decidieron participar, cuanto mayor
05:51
the more choices available,
137
336000
2000
era el número de opciones,
05:53
the more likely people were
138
338000
2000
más personas se inclinaban
05:55
to completely avoid stocks or equity funds.
139
340000
3000
por evitar las acciones o los fondos de inversión.
05:58
The more choices available,
140
343000
2000
En cuanto hubiera más opciones,
06:00
the more likely they were
141
345000
2000
estaban más dispuestos
06:02
to put all their money in pure money market accounts.
142
347000
2000
a invertir en cuentas financieras de mercado.
06:04
Now neither of these extreme decisions
143
349000
2000
Pero ninguna de estas decisiones extremas
06:06
are the kinds of decisions
144
351000
2000
son las que
06:08
that any of us would recommend for people
145
353000
2000
nosotros recomendaríamos
06:10
when you're considering their future financial well-being.
146
355000
3000
para optimizar el bienestar financiero futuro.
06:13
Well, over the past decade,
147
358000
2000
En la década anterior
06:15
we have observed three main negative consequences
148
360000
3000
hemos visto tres consecuencias negativas principales
06:18
to offering people more and more choices.
149
363000
3000
al ofrecer más y más posibilidades.
06:21
They're more likely to delay choosing --
150
366000
2000
Lo más probable es que pospongan la decisión,
06:23
procrastinate even when it goes against their best self-interest.
151
368000
3000
que la aplacen aún cuando esto vaya en contra del propio interés.
06:26
They're more likely to make worse choices --
152
371000
2000
Es más probable que tomen las peores decisiones;
06:28
worse financial choices, medical choices.
153
373000
3000
en las finanzas y en la salud.
06:31
They're more likely to choose things that make them less satisfied,
154
376000
3000
Están más propensos a escoger cosas menos satisfactorias,
06:34
even when they do objectively better.
155
379000
3000
aunque objetivamente les vaya mejor.
06:37
The main reason for this
156
382000
2000
La principal razón
06:39
is because, we might enjoy gazing at those giant walls
157
384000
4000
es que gozamos con observar esa variedad gigantesca
06:43
of mayonnaises, mustards, vinegars, jams,
158
388000
2000
de mayonesa, mostaza, vinagre y mermelada,
06:45
but we can't actually do the math of comparing and contrasting
159
390000
3000
pero no somos capaces de hacer los cálculos para comparar,
06:48
and actually picking from that stunning display.
160
393000
4000
contrastar y elegir de esa impresionante exhibición.
06:52
So what I want to propose to you today
161
397000
2000
Hoy quiero proponerles
06:54
are four simple techniques --
162
399000
3000
cuatro técnicas sencillas
06:57
techniques that we have tested in one way or another
163
402000
3000
que hemos ensayado, de una forma u otra,
07:00
in different research venues --
164
405000
2000
en distintas investigaciones,
07:02
that you can easily apply
165
407000
2000
para que puedan ensayar
07:04
in your businesses.
166
409000
2000
en sus negocios.
07:06
The first: Cut.
167
411000
2000
La primera es, Cortar.
07:08
You've heard it said before,
168
413000
2000
Ya lo han oído antes,
07:10
but it's never been more true than today,
169
415000
2000
pero nunca ha sido más cierto que hoy,
07:12
that less is more.
170
417000
2000
que menos es más.
07:14
People are always upset when I say, "Cut."
171
419000
3000
La gente siempre se molesta cuando digo, "Cortar".
07:17
They're always worried they're going to lose shelf space.
172
422000
2000
Se preocupan por perder espacio en el anaquel.
07:19
But in fact, what we're seeing more and more
173
424000
3000
Pero en realidad lo que estamos viendo cada vez más
07:22
is that if you are willing to cut,
174
427000
2000
es que si uno decide cortar,
07:24
get rid of those extraneous redundant options,
175
429000
2000
deshacerse de opciones redundantes extrañas,
07:26
well there's an increase in sales,
176
431000
2000
habrá un aumento en las ventas,
07:28
there's a lowering of costs,
177
433000
2000
bajarán los costos,
07:30
there is an improvement of the choosing experience.
178
435000
4000
habrá una mejor experiencia en la elección.
07:34
When Proctor & Gamble
179
439000
2000
Cuando Proctor & Gamble
07:36
went from 26 different kinds of Head & Shoulders to 15,
180
441000
2000
pasó de 26 tipos diferentes de Head & Shoulders a 15,
07:38
they saw an increase in sales by 10 percent.
181
443000
3000
vieron un aumento del 10% en ventas.
07:41
When the Golden Cat Corporation
182
446000
2000
Cuando la corporación Golden Cat eliminó
07:43
got rid of their 10 worst-selling cat litter products,
183
448000
2000
los productos para deshechos de gatos que
07:45
they saw an increase in profits
184
450000
2000
menos se vendían, se aumentaron
07:47
by 87 percent --
185
452000
2000
las utilidades en 87%,
07:49
a function of both increase in sales
186
454000
2000
por dos causas: mayores ventas
07:51
and lowering of costs.
187
456000
2000
y menores costos.
07:53
You know, the average grocery store today
188
458000
2000
Se sabe que los supermercados de hoy,
07:55
offers you 45,000 products.
189
460000
2000
en promedio ofrecen 45 000 productos.
07:57
The typical Walmart today offers you 100,000 products.
190
462000
3000
En una tienda de Walmart se ofrecen unos 100 000 productos.
08:00
But the ninth largest retailer,
191
465000
5000
Pero la novena tienda más grande
08:05
the ninth biggest retailer in the world today
192
470000
2000
en el mundo actual
08:07
is Aldi,
193
472000
2000
es Aldi
08:09
and it offers you only 1,400 products --
194
474000
3000
y ofrece sólo 1400 productos;
08:12
one kind of canned tomato sauce.
195
477000
3000
un tipo de salsa de tomate en lata.
08:15
Now in the financial savings world,
196
480000
2000
En el mundo de los ahorros financieros,
08:17
I think one of the best examples that has recently come out
197
482000
3000
pienso que uno de los mejores ejemplos que han surgido
08:20
on how to best manage the choice offerings
198
485000
3000
sobre cómo manejar mejor las opciones
08:23
has actually been something that David Laibson was heavily involved in designing,
199
488000
3000
es el planteo de David Laibson,
08:26
which was the program that they have at Harvard.
200
491000
2000
el programa de Harvard.
08:28
Every single Harvard employee
201
493000
2000
Todos los empleados de Harvard
08:30
is now automatically enrolled
202
495000
2000
son incorporados automáticamente
08:32
in a lifecycle fund.
203
497000
2000
a un fondo de seguro de vida.
08:34
For those people who actually want to choose,
204
499000
2000
A quienes verdaderamente desean escoger,
08:36
they're given 20 funds,
205
501000
2000
se les ofrecen 20 fondos,
08:38
not 300 or more funds.
206
503000
2000
no 300 o más.
08:40
You know, often, people say,
207
505000
2000
Ya saben que a menudo la gente dice,
08:42
"I don't know how to cut.
208
507000
2000
"No sé como cortar.
08:44
They're all important choices."
209
509000
2000
Todas son opciones importantes".
08:46
And the first thing I do is I ask the employees,
210
511000
3000
Lo primero que hago es preguntar a los empleados:
08:49
"Tell me how these choices are different from one another.
211
514000
2000
"Díganme las diferencias que hay entre esas opciones.
08:51
And if your employees can't tell them apart,
212
516000
2000
Y si sus empleados no pueden diferenciar,
08:53
neither can your consumers."
213
518000
3000
tampoco lo podrán hacer sus clientes".
08:56
Now before we started our session this afternoon,
214
521000
3000
Esta tarde, antes de empezar esta sesión,
08:59
I had a chat with Gary.
215
524000
2000
estuve charlando con Gary.
09:01
And Gary said that he would be willing
216
526000
3000
Él me dijo que estaría dispuesto
09:04
to offer people in this audience
217
529000
2000
a ofrecer a las personas de esta audiencia
09:06
an all-expenses-paid free vacation
218
531000
3000
unas vacaciones con todo pagado
09:09
to the most beautiful road in the world.
219
534000
4000
a la carretera más bella del mundo.
09:13
Here's a description of the road.
220
538000
3000
Aquí, una descripción.
09:16
And I'd like you to read it.
221
541000
2000
Quiero que la lean.
09:18
And now I'll give you a few seconds to read it
222
543000
2000
Voy a dejar unos segundos para leerla
09:20
and then I want you to clap your hands
223
545000
2000
y luego quiero que den un aplauso
09:22
if you're ready to take Gary up on his offer.
224
547000
2000
si están listos a tomar la oferta de Gary.
09:24
(Light clapping)
225
549000
2000
(Pocos aplausos)
09:26
Okay. Anybody who's ready to take him up on his offer.
226
551000
3000
Bien. Cualquiera que esté listo a aceptar la oferta.
09:29
Is that all?
227
554000
2000
¿No son más?
09:31
All right, let me show you some more about this.
228
556000
3000
Bueno, voy a mostrarles algo más.
09:34
(Laughter)
229
559000
3000
(Risas)
09:37
You guys knew there was a trick, didn't you.
230
562000
3000
Ustedes sabían que había un truco.
09:44
(Honk)
231
569000
2000
(Pitazo)
09:46
Now who's ready to go on this trip.
232
571000
3000
¿Quién está listo para ese viaje?
09:49
(Applause)
233
574000
2000
(Aplausos)
09:51
(Laughter)
234
576000
2000
(Risas)
09:53
I think I might have actually heard more hands.
235
578000
3000
Creo que en verdad alcancé a oír más manos.
09:56
All right.
236
581000
2000
Muy bien.
09:58
Now in fact,
237
583000
2000
En realidad,
10:00
you had objectively more information
238
585000
2000
Uds. tenían más información
10:02
the first time around than the second time around,
239
587000
2000
en la primera ronda, que en la segunda.
10:04
but I would venture to guess
240
589000
2000
Pero puedo aventurarme y decir
10:06
that you felt that it was more real the second time around.
241
591000
4000
que pensaron que la segunda vez era más real.
10:10
Because the pictures made it feel
242
595000
2000
Porque las imágenes hacían que se
10:12
more real to you.
243
597000
2000
viera más real.
10:14
Which brings me to the second technique
244
599000
2000
Esto me lleva a la segunda técnica para
10:16
for handling the choice overload problem,
245
601000
2000
manejar el problema de la sobrecarga de opciones.
10:18
which is concretization.
246
603000
2000
que es Concretar.
10:20
That in order for people to understand
247
605000
2000
Para que la gente entienda
10:22
the differences between the choices,
248
607000
2000
las diferencias entre opciones,
10:24
they have to be able to understand
249
609000
2000
tienen que comprender
10:26
the consequences associated with each choice,
250
611000
3000
las consecuencias de cada opción,
10:29
and that the consequences need to be felt
251
614000
3000
y que las consecuencias deben sentirse
10:32
in a vivid sort of way, in a very concrete way.
252
617000
4000
de manera muy vívida, muy concreta.
10:36
Why do people spend an average of 15 to 30 percent more
253
621000
3000
¿Por qué razón la gente gasta 15% a 30% más en promedio
10:39
when they use an ATM card or a credit card
254
624000
2000
cuando usa tarjetas de débito o crédito,
10:41
as opposed to cash?
255
626000
2000
que cuando usa efectivo?
10:43
Because it doesn't feel like real money.
256
628000
2000
Porque no parece dinero real.
10:45
And it turns out
257
630000
2000
Resulta que
10:47
that making it feel more concrete
258
632000
2000
hacer que se vea más real, puede
10:49
can actually be a very positive tool
259
634000
2000
ser una herramienta muy positiva
10:51
to use in getting people to save more.
260
636000
2000
para que la gente ahorre más.
10:53
So a study that I did with Shlomo Benartzi
261
638000
2000
Hicimos un estudio con Shlomo Benartzi
10:55
and Alessandro Previtero,
262
640000
2000
y Alessandro Previtero,
10:57
we did a study with people at ING --
263
642000
4000
sobre personal de ING
11:01
employees that are all working at ING --
264
646000
3000
-funcionarios que trabajaban en ING.
11:04
and now these people were all in a session
265
649000
2000
estas personas estaban en una reunión
11:06
where they're doing enrollment for their 401(k) plan.
266
651000
3000
en la que se estaban afiliando a un plan 401(k).
11:09
And during that session,
267
654000
2000
A esa reunión,
11:11
we kept the session exactly the way it used to be,
268
656000
2000
que conservamos exactamente como se acostumbraba,
11:13
but we added one little thing.
269
658000
3000
le hicimos una pequeña adición.
11:16
The one little thing we added
270
661000
3000
Lo que añadimos fue que
11:19
was we asked people
271
664000
2000
le solicitamos al personal
11:21
to just think about all the positive things that would happen in your life
272
666000
3000
que pensaran en las cosas positivas que sucederían en sus vidas
11:24
if you saved more.
273
669000
2000
si ahorraban más dinero.
11:26
By doing that simple thing,
274
671000
3000
Con esta minucia
11:29
there was an increase in enrollment by 20 percent
275
674000
3000
hubo un aumento en las afiliaciones del 20%
11:32
and there was an increase in the amount of people willing to save
276
677000
3000
y un incremento en la cantidad que estaban interesados en ahorrar
11:35
or the amount that they were willing to put down into their savings account
277
680000
3000
o en lo que querían colocar en sus cuentas de ahorros,
11:38
by four percent.
278
683000
2000
de 4%.
11:40
The third technique: Categorization.
279
685000
3000
La tercera técnica es Clasificar.
11:43
We can handle more categories
280
688000
3000
Podemos manejar más categorías
11:46
than we can handle choices.
281
691000
2000
que opciones.
11:48
So for example,
282
693000
2000
Por ejemplo,
11:50
here's a study we did in a magazine aisle.
283
695000
2000
este es un estudio que hicimos en un pasillo de revistas.
11:52
It turns out that in Wegmans grocery stores
284
697000
2000
Vimos que en los supermercados Wegman's
11:54
up and down the northeast corridor,
285
699000
2000
a lo largo del corredor del nordeste,
11:56
the magazine aisles range anywhere
286
701000
2000
la exhibición de revistas puede contener
11:58
from 331 different kinds of magazines
287
703000
2000
desde 331 tipos diferentes
12:00
all the way up to 664.
288
705000
3000
hasta 664.
12:03
But you know what?
289
708000
2000
Pero, ¿saben?
12:05
If I show you 600 magazines
290
710000
2000
si les muestro 600 revistas
12:07
and I divide them up into 10 categories,
291
712000
3000
y las divido en 10 categorías,
12:10
versus I show you 400 magazines
292
715000
2000
y comparo con 400
12:12
and divide them up into 20 categories,
293
717000
3000
divididas en 20 grupos,
12:15
you believe that I have given you
294
720000
2000
creerán que les he ofrecido
12:17
more choice and a better choosing experience
295
722000
2000
más opciones y una mejor experiencia de elección
12:19
if I gave you the 400
296
724000
2000
si ofrezco esas 400,
12:21
than if I gave you the 600.
297
726000
2000
que si pongo 600.
12:23
Because the categories tell me how to tell them apart.
298
728000
3000
Porque la clasificación me indica cómo diferenciarlas.
12:28
Here are two different jewelry displays.
299
733000
3000
Estas son dos exhibiciones de joyas.
12:31
One is called "Jazz" and the other one is called "Swing."
300
736000
3000
Una se llama "Jazz" y la otra, "Swing".
12:34
If you think the display on the left is Swing
301
739000
3000
Si piensan que la de la izquierda es Swing
12:37
and the display on the right is Jazz,
302
742000
3000
y la de la derecha es Jazz,
12:40
clap your hands.
303
745000
2000
den una palmada.
12:42
(Light Clapping)
304
747000
2000
(Pocos aplausos)
12:44
Okay, there's some.
305
749000
2000
Bueno, hay algunos.
12:46
If you think the one on the left is Jazz and the one on the right is Swing,
306
751000
2000
Si piensan que la de la izquierda es Jazz y la de la derecha es Swing,
12:48
clap your hands.
307
753000
2000
den una palmada.
12:50
Okay, a bit more.
308
755000
2000
Bueno, algo más.
12:52
Now it turns out you're right.
309
757000
2000
Resulta que es correcto.
12:54
The one on the left is Jazz and the one on the right is Swing,
310
759000
2000
La de la izquierda es Jazz y la de la derecha es Swing.
12:56
but you know what?
311
761000
2000
Pero, ¿saben algo?
12:58
This is a highly useless categorization scheme.
312
763000
3000
Este esquema de clasificación es totalmente inútil.
13:01
(Laughter)
313
766000
2000
(Risas)
13:03
The categories need to say something
314
768000
3000
Las categorías deben indicar algo
13:06
to the chooser, not the choice-maker.
315
771000
3000
a quien escoge, no al que las define.
13:09
And you often see that problem
316
774000
2000
A menudo se ve este problema
13:11
when it comes down to those long lists of all these funds.
317
776000
3000
con esas enormes listas de fondos.
13:14
Who are they actually supposed to be informing?
318
779000
4000
Supuestamente ¿a quién están informando?
13:18
My fourth technique: Condition for complexity.
319
783000
3000
Mi cuarta categoría: Condicionar la complejidad.
13:21
It turns out we can actually
320
786000
2000
Resulta que podemos
13:23
handle a lot more information than we think we can,
321
788000
2000
manejar mucha más información que lo que pensamos,
13:25
we've just got to take it a little easier.
322
790000
2000
si solo la simplificamos un poco.
13:27
We have to gradually increase the complexity.
323
792000
3000
Tenemos que aumentar la complejidad gradualmente.
13:30
I'm going to show you one example of what I'm talking about.
324
795000
3000
Voy a mostrarles un ejemplo de lo que quiero decir.
13:33
Let's take a very, very complicated decision:
325
798000
2000
Veamos una decisión bien complicada;
13:35
buying a car.
326
800000
2000
la compra de un auto.
13:37
Here's a German car manufacturer
327
802000
2000
Este es un fabricante alemán de autos
13:39
that gives you the opportunity to completely custom make your car.
328
804000
3000
que permite personalizarlo por completo.
13:42
You've got to make 60 different decisions,
329
807000
2000
Tienes que tomar 60 decisiones,
13:44
completely make up your car.
330
809000
2000
para armar el coche.
13:46
Now these decisions vary
331
811000
2000
Y estas decisiones varían
13:48
in the number of choices that they offer per decision.
332
813000
3000
en el número de opciones que ofrece cada una.
13:51
Car colors, exterior car colors --
333
816000
2000
Colores, color exterior del auto.
13:53
I've got 56 choices.
334
818000
2000
Tengo 56 posibilidades.
13:55
Engines, gearshift -- four choices.
335
820000
3000
Motor, caja de cambios; 4 opciones.
13:58
So now what I'm going to do
336
823000
2000
Lo que voy a hacer es
14:00
is I'm going to vary the order in which these decisions appear.
337
825000
3000
variar el orden en que aparecen las decisiones.
14:03
So half of the customers
338
828000
2000
De modo que la mitad de los clientes
14:05
are going to go from high choice, 56 car colors,
339
830000
2000
van a ir de muchas opciones, 56 colores,
14:07
to low choice, four gearshifts.
340
832000
3000
a unas pocas, cuatro cajas.
14:10
The other half of the customers
341
835000
2000
La otra mitad de los clientes
14:12
are going to go from low choice, four gearshifts,
342
837000
2000
van a ir de pocas opciones, cuatro cajas,
14:14
to 56 car colors, high choice.
343
839000
3000
a 56 colores, muchas opciones.
14:17
What am I going to look at?
344
842000
2000
Y ¿qué voy a mirar?
14:19
How engaged you are.
345
844000
2000
Qué tan involucrado estás.
14:21
If you keep hitting the default button per decision,
346
846000
3000
Si se acciona siempre el botón por defecto en cada decisión,
14:24
that means you're getting overwhelmed,
347
849000
2000
esto indica que están abrumados,
14:26
that means I'm losing you.
348
851000
2000
o sea: los estamos perdiendo.
14:28
What you find
349
853000
2000
Encontramos que
14:30
is the people who go from high choice to low choice,
350
855000
2000
los que van de muchas opciones a pocas,
14:32
they're hitting that default button over and over and over again.
351
857000
3000
oprimen el botón por defecto una y otra vez, y otra más.
14:35
We're losing them.
352
860000
2000
Los perdemos.
14:37
They go from low choice to high choice,
353
862000
2000
Si van de pocas opciones a muchas,
14:39
they're hanging in there.
354
864000
2000
continúan ahí.
14:41
It's the same information. It's the same number of choices.
355
866000
3000
La misma información, el mismo número de opciones.
14:44
The only thing that I have done
356
869000
2000
Lo único que hice fue
14:46
is I have varied the order
357
871000
2000
alterar el orden
14:48
in which that information is presented.
358
873000
2000
en que se presenta la información.
14:50
If I start you off easy,
359
875000
2000
Si comenzamos con lo fácil,
14:52
I learn how to choose.
360
877000
2000
uno aprende a escoger.
14:54
Even though choosing gearshift
361
879000
3000
Aunque el escoger la caja de cambios
14:57
doesn't tell me anything about my preferences for interior decor,
362
882000
3000
no diga nada sobre las preferencias de la decoración interior,
15:00
it still prepares me for how to choose.
363
885000
3000
de todas maneras nos prepara para elegir.
15:03
It also gets me excited about this big product that I'm putting together,
364
888000
3000
Nos entusiasma un producto que estamos construyendo
15:06
so I'm more willing to be motivated
365
891000
2000
que ahora nos tiene más enganchados
15:08
to be engaged.
366
893000
2000
con el proceso.
15:10
So let me recap.
367
895000
2000
Para resumir.
15:12
I have talked about four techniques
368
897000
3000
He hablado de cuatro técnicas
15:15
for mitigating the problem of choice overload --
369
900000
3000
para mitigar el problema de la sobrecarga de opciones:
15:18
cut -- get rid of the extraneous alternatives;
370
903000
3000
Cortar, eliminar alternativas extrañas;
15:21
concretize -- make it real;
371
906000
3000
Concretar, hacerlo real;
15:24
categorize -- we can handle more categories, less choices;
372
909000
4000
Clasificar, podemos manejar más categorías con menos opciones;
15:28
condition for complexity.
373
913000
3000
Condicionar la complejidad.
15:31
All of these techniques that I'm describing to you today
374
916000
3000
Todas estas técnicas que les he presentado
15:34
are designed to help you manage your choices --
375
919000
3000
fueron diseñadas para ayudar a manejar las alternativas;
15:37
better for you, you can use them on yourself,
376
922000
3000
o mejor, para ustedes, para usarlas en sus asuntos,
15:40
better for the people that you are serving.
377
925000
2000
o para las personas a quienes sirven.
15:42
Because I believe that the key
378
927000
2000
Es que pienso que la clave
15:44
to getting the most from choice
379
929000
2000
para obtener lo mejor de una elección
15:46
is to be choosy about choosing.
380
931000
3000
es siendo cuidadoso al escoger.
15:49
And the more we're able to be choosy about choosing
381
934000
2000
Y cuanto más cuidadosos seamos en nuestras elecciones
15:51
the better we will be able
382
936000
2000
mejor podremos
15:53
to practice the art of choosing.
383
938000
2000
practicar el arte de elegir.
15:55
Thank you very much.
384
940000
2000
Muchas gracias.
15:57
(Applause)
385
942000
2000
(Aplausos)
ABOUT THE SPEAKER
Sheena Iyengar - Psycho-economistSheena Iyengar studies how people choose (and what makes us think we're good at it).
Why you should listen
We all think we're good at making choices; many of us even enjoy making them. Sheena Iyengar looks deeply at choosing and has discovered many surprising things about it. For instance, her famous "jam study," done while she was a grad student, quantified a counterintuitive truth about decisionmaking -- that when we're presented with too many choices, like 24 varieties of jam, we tend not to choose anything at all. (This and subsequent, equally ingenious experiments have provided rich material for Malcolm Gladwell and other pop chroniclers of business and the human psyche.)
Iyengar's research has been informing business and consumer-goods marketing since the 1990s. But she and her team at the Columbia Business School throw a much broader net. Her analysis touches, for example, on the medical decisionmaking that might lead up to choosing physician-assisted suicide, on the drawbacks of providing too many choices and options in social-welfare programs, and on the cultural and geographical underpinning of choice. Her book The Art of Choosing shares her research in an accessible and charming story that draws examples from her own life.
Watch a Facebook-exclusive short video from Sheena Iyengar: "Ballet Slippers" >>
Sheena Iyengar | Speaker | TED.com