La Técnica de Respuesta Aleatoria Cuantitativa (RRT, por sus siglas en inglés) puede ser utilizada por investigadores para obtener respuestas honestas a preguntas que, debido a su naturaleza sensible (socialmente indeseable, peligrosa o incluso ilegal), de otro modo podrían provocar respuestas parcial o completamente falsificadas. A lo largo de los años, se han desarrollado modelos cuantitativos de RRT, a veces llamados modelos de Mezcla, para incorporar avances como la mezcla, la opcionalidad y la confianza mejorada, cada uno de los cuales tiene beneficios importantes. Sin embargo, ningún modelo único incorpora todas estas características. En este estudio, proponemos un modelo unificado justo de este tipo, al que llamamos modelo de Mezcla Opcional Confianza Mejorada (MOET). Después de desarrollar metodologías para evaluar MOET basadas en enfoques estándar y utilizarlas para explorar las características clave del nuevo modelo, mostramos que MOET tiene una eficiencia superior en comparación con el modelo de Opcional Confianza Mejorada (OET) cuantitativo. También demostramos que el uso de la capacidad de mezcla del modelo permite a los profesionales equilibrar de manera óptima la eficiencia del modelo con su privacidad, lo que hace que el modelo sea adaptable a una amplia variedad de escenarios de investigación.