Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.
Métricas de seguimiento a partir de tests con usuarios
Una de las claves de nuestra disciplina, o al menos así lo pensamos desde el Estudio, es el trabajo desde la certeza y no desde la intuición. Por eso las métricas son fundamentales, y, en lo que se refiere a la usabilidad y la experiencia de usuario, aplicarlas a los distintos elementos que componen un producto digital de manera relevante. Por eso, en el post de hoy vamos a compartir una serie de reflexiones y comentarios sobre métricas al hilo de la publicación del libro «Lean Analytics», de Benjamin Yoskovitz y Alistair Croll.
Un buen proyecto de experiencia de usuario requiere de unos objetivos de negocio y unas métricas adaptadas a ellos. Imagen de Jacqui Brown
¿Qué convierte a un dato en una buena métrica?
- Que se pueda comparar con otros datos.
- Que se entienda con facilidad
- Que tenga una relación o una tasa o índice
Respecto a esta última cualidad, los índices son cifras sobre las que es fácil actuar y tomar decisiones, son fáciles de comparar per se y sirven para averiguar, con poco esfuerzo, puntos de fricción o en aquellos en los que se puede implementar alguna mejora. Si pensamos en un producto digital susceptible a esta medida, por ejemplo, un caso sería un servicio con versión free, freemium y premium. Tener un producto gratuito con todas las funciones podría reducir las ventas, pero tener un producto inmovilizado reduce la cantidad de nuevos usuarios. Aquí se necesita una métrica que combine los dos vistas.
Es importante, cuando elegimos las métricas por las que nos guiaremos en nuestro producto digital, que sean las correctas y no aquellas que no nos lleven a error, ya que esto es tan peligroso como no seguirlas en absoluto. Por ejemplo, no sirve de mucho utilizar los leads conseguidos para medir la productividad, si luego esos leads no convierten en forma de proyectos o contratos, ya que sería una cifra engañosa. Si mides algo y no está unido a un objetivo pero te planteas cambiar tu comportamiento en función de ese dato, en el fondo puede que estés perdiendo el tiempo o, pero aún, engañándote a ti mismo haciéndote creer que los datos están bien, y así no se consigue éxito. Esto es factible que pase con los índices de satisfacción de clientes, o del servicio de atención post-venta en un e-commerce, etc.
Así, para saber qué métricas son las más acertadas, es recomendable tener en mente estos criterios:
- Cualitativas vs cuantitativas: las métricas cualitativas no están estructuradas, son anecdóticas, reveladoras y difíciles de agregar, mientras que las cuantitativas involucran números y estadísticas, y proporcionan datos más duros pero menos conocimiento. Recolectar buenos datos cualitativos requiere preparación. Hay que hacer preguntas específicas sin atraer clientes potenciales o desviando sus respuestas y hay que evitar que el entusiasmo y la distorsión de la realidad se difundan en sus entrevistados. Las entrevistas no preparadas arrojan resultados engañosos o sin sentido.
- Que sean factibles y no relacionadas con la vanidad, porque aunque hay datos que nos hacen “sentir bien”, no son útiles para cambiar comportamientos y corregir errores. Son métricas vanidosas, por ejemplo, el número de visitas o páginas vistas, o el número de followers, likes o amigos, porque en muchas ocasiones no tienen consecuencias directas para el producto digital.
- Métricas exploratorias frente a métricas de informes: las métricas exploratorias son especulativas e intentan extraer información desconocida (insights), mientras que las métricas de informes te mantienen al tanto de las operaciones diarias normales y de gestión.
- Que se refieran al futuro (métricas adelantadas) y no al pasado (métricas demoradas): las métricas adelantadas son mejores porque todavía tienes tiempo para actuar sobre ellas, mientras que las métricas del pasado tan sólo explican qué ha pasado.
- Correlación no implica causalidad: si dos métricas cambian juntas están correlacionadas, pero si una métrica causa que otra métrica cambie, son causales. Si encuentras una relación causal entre algo que desea (como los ingresos) y algo que puede controlar (como qué anuncio muestra), puedes cambiar el futuro, pero hay que ser muy cuidadoso con qué causa qué. Encontrar una correlación entre dos indicadores es algo bueno, porque pueden ayudar a predecir lo que sucederá. Pero encontrar la causa de algo significa que puedes cambiarlo.
Por lo general, las causas no son simples relaciones uno a uno. Muchos factores conspiran para causar algo y rara vez se obtiene una relación causal del 100% sino varias métricas independientes, cada una de las cuales «explica» una parte del comportamiento de la métrica dependiente.
Pero incluso un grado de causalidad es valioso, y es conveniente ejecutar un experimento en el que se controlan las otras variables y se mide la diferencia. Esto es difícil de hacer porque no hay dos usuarios son idénticos; a menudo es imposible someter a un número estadísticamente significativo de personas a un experimento adecuadamente controlado en el mundo real, pero los tests con usuarios, o tests on page, o tests A/B, son recursos de gran utilidad para verificar los hallazgos de las fases previas de investigación, por ejemplo, y probar desde el color de un botón hasta la duración de las tareas clave de un producto digital.
Sabiendo que las métricas dependen del contexto y de los objetivos a conseguir (que, por supuesto, debe ser realistas), podemos establecer unos puntos básicos para medir la experiencia del usuario con un producto o servicio:
- Se debe medir cuando el usuario la está usando, es decir, necesitamos medir la experiencia “real”. Es conveniente que los usuarios se acerquen a la tarea con las expectativas de la vida real, sus objetivos y necesidades.
- Se debe medir en el contexto de uso de la tarea: cuando el usuario está terminando una tarea, acaba de enviar un formulario o ha cerrado sesión. Es decir, cuando efectivamente está interactuando y tiene todos los elementos para poder juzgar cómo fue su experiencia con una tarea concreta.
- Se debe medir en el momento de completar cada tarea, porque la memoria es tramposa. Aplazar la medición puede llevar a que el usuario tienda a sobre-evaluar o devaluar la experiencia.
Por último, también podemos incorporar la observación participante con los usuarios del test, con lo que dispondremos de una medición más completa de la experiencia de uso del servicio, desde un punto de vista objetivo y subjetivo. Estos análisis generan una gran cantidad de datos de calidad que no podemos obtener de otro modo y que se pueden utilizar para realizar un seguimiento más detallado.
En Torresburriel Estudio trabajamos los procesos de diseño de producto digital para lograr los objetivos definidos junto con nuestros clientes. Si quieres que exploremos la posibilidad de optimizar tu producto digital contacta ahora mismo con nosotros y nos pondremos en contacto para conocer tu proyecto.
[…] comenzar es muy importante crear un sistema que permita transferir el conocimiento adquirido durante la investigación de usuarios entre los diversos equipos que colaboran en el lanzamiento y […]