El encuadre de pérdida sube el ahorro de unos y baja el de otros
Un experimento con más de 41.000 clientes de una fintech europea de ahorro para la jubilación encontró que el mensaje de pérdida y el de ganancia rinden casi igual en promedio, pero no en cada persona

Decirle a un cliente que va a perder un beneficio fiscal o que puede aprovecharlo da, en promedio, casi el mismo resultado. Pero ese promedio esconde dos públicos que reaccionan al revés. Es lo que encontraron Kevin Bösch y colegas, de las universidades de Paderborn, Colonia y Múnich, en un experimento de campo publicado el 2 de noviembre en Scientific Reports. En el cuarto de los clientes que más responde a la pérdida, el mensaje de pérdida elevó la tasa de aporte 9,4 puntos frente al de ganancia; en el cuarto que más responde a la ganancia, la bajó 8,4 puntos.
Un recordatorio, dos versiones
El estudio se hizo con una fintech europea que ofrece seguros de vida con ahorro invertido en fondos, con la mayoría de sus clientes en Suiza. Allí, el pilar 3a permite descontar de los impuestos los aportes a un plan de jubilación privado hasta un tope anual. Cada comienzo de noviembre, la empresa avisa por la aplicación y por correo cuánto le falta a cada cliente para llegar a ese tope antes de que cierre el año fiscal.
Los autores sortearon dos versiones de ese aviso. La de pérdida hablaba de «evitar perder valiosos beneficios fiscales» y pintaba de rojo, en el gráfico de barras, el monto pendiente. La de ganancia invitaba a «aprovechar las ventajas fiscales» y usaba un gris plateado. El resto (lo aportado, lo proyectado y lo que faltaba) era idéntico. El primer experimento, en 2021, incluyó a 22.919 clientes, con dos de cada tres en la versión de pérdida; el segundo, en 2022, a 18.288, mitad y mitad. Se midieron aportes reales: si la persona puso dinero extra hasta fin de año y cuánto.
Entre los dos años, 1.986 clientes (4,82 %) hicieron un aporte, de 1.868 euros en promedio. Con el primer experimento entrenaron un bosque causal, un método de aprendizaje automático que estima cuánto cambia el efecto del mensaje según las características de cada cliente. Usaron 13: entre otras, la edad, el valor del contrato, los aportes previos y el perfil de habilidades de su ocupación. Todas las cifras que reportan salen del segundo experimento, que el modelo no había visto.
Lo que esconde el promedio
En el conjunto, el mensaje de pérdida subió la tasa de aporte apenas 0,52 puntos, con un intervalo de confianza que incluye el cero (de −0,09 a 1,14). Leído solo así, el encuadre no importaría. Sin embargo, el modelo estimó un efecto positivo de la pérdida en el 54 % de los clientes y negativo en el 46 %. Cuando se ordenó a los clientes del segundo año según lo que el modelo anticipaba, el efecto real creció de un cuartil al siguiente, una señal de que esa clasificación capta diferencias reales y no ruido.
Con el monto pasó algo parecido. Entre quienes aportaron, el mensaje de pérdida subió el aporte en el 64 % de los casos, en 737 euros de media, y lo bajó en el resto, en 615 euros.
Luego simularon qué habría pasado si cada cliente hubiera recibido la versión que mejor le iba. La tasa de aporte habría pasado del 4,53 % que se obtiene con pérdida para todos a 6,86 %, un 51 % más, y el aporte medio, de 2.062 a 2.442 euros por cliente que aportó, un 18 % más. Las reglas que sugiere la literatura (asignar el mensaje según el sexo, la riqueza o una aproximación a la educación financiera) no superaron a la de mandar pérdida a todos.
Quién responde a qué
La pérdida funcionó mejor para decidir aportar entre quienes tienen contratos de mayor valor y trabajos que exigen procesar información o usar computadoras. La ganancia rindió más entre los mayores de 50 y entre quienes ya habían hecho muchos aportes extra. En el monto, los patrones cambian: allí la pérdida rinde más con los mayores de 50 y resta en ocupaciones manuales, como la construcción o la manipulación de cargas.
Los autores proponen explicaciones y aclaran que no las pusieron a prueba. Con impuestos progresivos, dejar el cupo sin usar le cuesta más a quien tiene más ingresos, y la aversión a la pérdida pesa más cuanto más hay en juego. Quien aporta seguido tendría una orientación a la promoción, la de avanzar hacia una meta, y el mensaje de ganancia encaja con ella. Y quien maneja mejor los números se representa con más claridad lo que perdería.
Qué tan firme es
La muestra es grande y la validación en otro año, con otro sorteo, es su punto más sólido. Un modelo estadístico clásico, con todas las interacciones, no detectó la heterogeneidad (p = 0,66 para la decisión de aportar), y su política de asignación habría logrado 867 aportes contra 1.255 del bosque causal.
Los límites son varios. El experimento no fue preregistrado y los datos no son abiertos, por un acuerdo de confidencialidad y por la protección de datos; el código sí está publicado. Uno de los autores trabajaba en la fintech cuando se hicieron los experimentos, aunque declaran que la empresa no intervino en el análisis. La muestra son personas que ya ahorran para su jubilación. Las estimaciones individuales son ruidosas, y el análisis del monto se apoya en menos de 2.000 personas. El 51 % es una simulación sobre datos ya recogidos, no el resultado de aplicar la política. Además, cada versión mezcla palabras y color, de modo que no se sabe qué parte del efecto viene del rojo.
El contexto
El hallazgo encaja con lo que Christopher Bryan, Elizabeth Tipton y David Yeager plantearon en 2021 en Nature Human Behaviour: casi todos los efectos de las intervenciones conductuales dependen del contexto y de la persona, y buscar un único «efecto verdadero» lleva a resultados que no se replican. En su revisión de 154 estudios del área, el 98 % usó muestras de conveniencia y solo el 18 % informó las características que podrían moderar el efecto.
El metaanálisis de Stephanie Mertens y colegas, en PNAS en 2022, reunió 455 efectos de 214 publicaciones. Las intervenciones sobre decisiones financieras fueron las de menor efecto (d = 0,25), y cerca del 15 % de las intervenciones tendería a ser contraproducente. Maximilian Maier y colegas reanalizaron esos datos ese mismo año y, tras corregir el sesgo de publicación, no encontraron evidencia de un efecto promedio, aunque sí de heterogeneidad en la mayoría de las categorías: algunos empujones funcionarían aunque el promedio no lo haga.
Lo que deja para la publicidad
- Un test A/B que elige el mensaje por su promedio puede descartar una versión que funciona muy bien en una parte del público, o imponer otra que le resta a otra parte.
- La aversión a la pérdida no convierte al mensaje de pérdida en la opción segura: en este caso, casi la mitad de los clientes respondió mejor a la ganancia.
- Personalizar el encuadre exige datos previos de cada cliente y una validación con otro grupo, como hicieron los autores.
Los autores advierten también un riesgo: una regla que solo busca más volumen de ahorro tiende a priorizar a los clientes con más recursos. Elegir qué se optimiza es tan importante como elegir el mensaje.