5 errores comunes en el análisis de producto y cómo afrontarlos

Sabiendo que el análisis de datos de producto es una herramienta más de las que tenemos a nuestro alcance como UX Researchers, es bastante probable que en algún momento de nuestras carreras profesionales hayamos cometido errores.

Y es normal. Somos humanos. De hecho, nuestra disciplina, la investigación UX nos permite identificar y solucionar esos errores a través de la iteración. 

Gracias a esa experiencia, en el Estudio hemos identificado 5 errores comunes y, con ellos, posibles vías para solucionarlos. Son:

1. No medir el engagement real
2. Olvidarnos de datos cualitativos
3. Dejarnos llevar por el ruido
4. Fijarnos sólo en datos que bajan
5. Medir demasiados datos

Vamos a desgranar todos estos puntos, con el objetivo de crear una estrategia de análisis de datos de producto que sirva tanto a investigadores UX en sus tareas como a product managers a la hora de tomar decisiones.

No medir el engagement real

Cuando trabajamos en un producto digital, hay muchas métricas a nuestro alcance. El número de nuevos usuarios o descargas del producto son dos de ellas a las que se presta mucha atención en el análisis de datos de producto.

No obstante, esas dos métricas sirven esencialmente para conocer el grado de adopción, pero no el uso real de nuestro producto. Si queremos medir el engagement o enganche, deberemos fijarnos en otras métricas que se refieren al uso real de nuestro producto.

¿Cuáles son esas métricas? Las que hablan de la frecuencia (número de páginas por sesión) o de acciones (quienes avanzan en un embudo de conversión) serán mucho más útiles para medir esas interacciones con el producto.

Olvidar los datos cualitativos

Si fijarnos en las métricas correctas es importante, no lo es menos elegir correctamente nuestras fuentes de información. 

Hablar con quienes utilizan nuestro producto es fundamental y sin ese feedback no podremos conocer cuáles son nuestros puntos fuertes y débiles. Por eso, es importante mantener abiertos canales de comunicación: soporte, encuestas o entrevistas en profundidad, nos ayudarán a entender el uso que se hace del producto.

¿Es más caro que montar un dashboard? Por supuesto. Pero los datos que podemos obtener de esas conversaciones pueden ser fundamentales para entender los porqués reales de todo lo que vemos en esos paneles de métricas.

Dejarnos llevar por el ruido

Aunque el feedback es importante, no es menos importante saber diferenciarlo. En este sentido, hay diferentes estrategias para poder usarlo y aprovechar lo mejor de todo lo que nos dicen quienes usan nuestro producto.

Lo primero que tenemos que tener en cuenta es que, igual que nosotros no somos usuarios de nuestro producto, quienes nos aporten más opiniones y solicitudes de características pueden no representar a nuestro público ideal.

Toda esa información será valiosa, obviamente, pero puede estar sujeta a sesgos de diferente tipo (vienen de otra aplicación, no es el uso principal del producto). Por eso, en nuestra estrategia de investigación deberemos buscar fórmulas para activar a quienes no ofrecen su opinión de manera expresa, pero cuyo uso del producto se ajusta más a los estándares.

Fijarnos solo en métricas cuando descienden

Cuando una métrica crítica de negocio desciende es probable que sea demasiado tarde. De hecho, podemos adelantarnos a un posible descenso de métricas si la relacionamos con otras.

Un ejemplo claro, es cuando se producen incrementos en las tasas de cancelación de suscripciones o churn rate. Además de factores externos como nuevos competidores, podemos adelantarnos a esas cancelaciones a través de métricas como inicios de sesión o tasas de uso de algunas características. Si los usuarios acceden menos o vemos un incremento no esperado de las solicitudes de exportación de datos, podemos estar ante indicadores que nos adelantan un posible incremento de la tasa de churn.

De ahí que sea tan importante fijarnos en las métricas que nos permitan entender correctamente las tasas de uso de nuestro producto, tal y como comentábamos al principio, ya que en muchas ocasiones nos permitirán adelantarnos a circunstancias adversas.

Medir demasiados datos

No por mucho medir, entenderemos mejor cómo se comporta nuestro producto. De hecho, fijarnos en demasiados datos puede llevarnos a no ser capaces de tomar decisiones o llegar a conclusiones erróneas.

Como investigadores UX hemos de fijar siempre qué es lo que queremos medir y diseñar una estrategia de investigación en la que accedamos a los datos que nos permitan entender comportamientos y obtener las conclusiones apropiadas.

Esto también afecta a los product managers, ya que medir demasiados parámetros puede hacer que pierdan el foco de lo realmente importante, incluso afectando al roadmap de producto.

Estos cinco errores son fácilmente subsanables: con la debida planificación de estrategias tanto de investigación como de producto, seremos capaces de analizar los datos que necesitamos para que todo nuestro análisis de datos sea el correcto y, con él, obtener conclusiones accionables para llevar nuestro producto al éxito.