De las entrevistas a las mejoras de producto: cómo priorizar con evidencia

Una entrevista termina con una petición: añadir un panel, exportar datos o recibir más notificaciones. El equipo toma nota, crea una tarea y sigue adelante. Parece una forma directa de escuchar. El problema aparece cuando el backlog acumula soluciones cuyo propósito nadie puede explicar.

La investigación aporta contexto para decidir: qué intentaba conseguir una persona, qué se lo dificultó y qué consecuencias tuvo. Convertir ese conocimiento en mejoras exige conservar la distancia entre una petición, un problema y una posible respuesta de diseño.

Este proceso propone una forma práctica de recorrer esa distancia, haciendo visibles tanto la evidencia como la incertidumbre.

1. Investiga una decisión concreta

Antes de reclutar participantes, escribe qué decisión necesita tomar el equipo. «Entender a los usuarios» es demasiado amplio. «Decidir qué obstáculos debemos resolver antes de ampliar el flujo de facturación» permite elegir tareas, participantes y preguntas.

Define también qué evidencia podría cambiar la decisión. Si cualquier respuesta confirma la función que ya querías construir, conviene revisar el planteamiento.

GOV.UK recomienda transformar suposiciones en preguntas de investigación y elegir métodos según lo que se necesita aprender. Su orientación de trabajar con rondas pequeñas permite ajustar el estudio; no convierte una muestra cualitativa en una estimación de todo el mercado. Planificar investigación.

Pregunta por situaciones, acciones y consecuencias

Ante una petición de exportación, explora la última ocasión en que hizo falta: qué datos necesitaba, con quién los compartió, cómo resolvió la tarea y qué salió mal. Pide ejemplos concretos, sin presuponer el motivo.

Las entrevistas ayudan a comprender circunstancias y necesidades. GOV.UK aconseja preguntas abiertas y neutrales, apoyadas en experiencias reales. Puedes complementarlas con una tarea observada cuando necesites comprobar cómo se utiliza el producto. Entrevistas en profundidad.

2. Conserva la cadena entre observación y propuesta

Al sintetizar, separa tres niveles:

• Observación: lo que la persona dijo o hizo, con referencia a la sesión.

• Interpretación: qué podría explicar esa conducta y qué alternativas siguen abiertas.

• Propuesta: una intervención que merece explorarse.

GOV.UK distingue observaciones, hallazgos y acciones en su método de análisis. Esa separación facilita revisar una conclusión sin perder el material que la sostiene. Analizar una sesión.

Una ficha de oportunidad puede reunir segmento, tarea, obstáculo, consecuencia, referencias y dudas pendientes. Añade también los casos que contradicen el patrón. ¿Quién completó la tarea sin dificultad? ¿Qué cambió en su contexto?

Agrupar comentarios por palabras compartidas puede ocultar necesidades distintas. Dos solicitudes de «más control» podrían referirse a corregir un error y a delegar permisos. Conviene agrupar por situación y resultado esperado, y mantener las excepciones visibles.

3. Triangula sin forzar coincidencias

Una entrevista aporta explicaciones; la observación permite examinar conductas; la analítica puede mostrar dónde ocurre una pérdida; soporte recoge problemas de quienes decidieron contactar. Cada fuente tiene límites.

La triangulación consiste en contrastar perspectivas o métodos para aumentar la credibilidad de una conclusión. NN/g recomienda invertir más en ese contraste cuando la decisión es costosa o difícil de revertir. Triangulación en investigación UX.

Comprueba que las señales describen el mismo segmento, tarea y periodo. Un comentario repetido en una entrevista, un ticket y una reunión puede proceder de una sola persona. Contarlo tres veces exagera su alcance.

Cuando las fuentes discrepan, registra una pregunta: quizá quienes abandonan nunca llegan a soporte, o la métrica mezcla usuarios nuevos y expertos. La discrepancia ayuda a decidir qué investigar después.

4. Prioriza con severidad, frecuencia y confianza

Nielsen plantea evaluar problemas de usabilidad mediante frecuencia, impacto y persistencia. Es una base útil para discutir sus consecuencias. Severidad de problemas de usabilidad.

Para tomar decisiones de producto, propongo registrar estas dimensiones por separado:

Severidad: ¿qué impide o pone en riesgo?

Describe si el obstáculo genera una duda, obliga a repetir trabajo, bloquea la tarea o puede causar daño. Indica si reaparece en cada uso. Una barrera de accesibilidad grave puede requerir intervención aunque aparezca una sola vez en la muestra.

Frecuencia: ¿dónde se ha observado?

Anota el recuento y su denominador: «tres de seis participantes expuestos a esta tarea». Evita convertirlo en «el 50 % de los clientes». Para estimar prevalencia necesitas un diseño cuantitativo adecuado, no extrapolar entrevistas de conveniencia.

Confianza: ¿qué sabemos y qué falta?

Valora la calidad de las observaciones, la pertinencia de la muestra, la convergencia entre fuentes y las explicaciones alternativas. Puedes usar niveles bajo, medio y alto, siempre acompañados de una justificación. Son convenciones de trabajo, no probabilidades estadísticas.

Después considera esfuerzo, reversibilidad, dependencias y objetivos del producto. Mantenerlos separados evita rebajar la gravedad de un problema porque resulta caro resolverlo. Una fórmula puede ordenar una conversación, pero sus números no eliminan el juicio.

5. Un ejemplo hipotético: exportar facturas

Imaginemos una plataforma de facturación. En seis entrevistas, tres participantes piden exportaciones automáticas. Al reconstruir sus tareas, aparece una necesidad: comprobar qué facturas siguen pendientes antes de enviar un resumen semanal.

En una prueba posterior, cuatro participantes interpretan incorrectamente el estado «procesada». Soporte contiene consultas parecidas, aunque todavía falta comprobar su volumen y distribución. Estas cifras son ficticias y sirven únicamente para ilustrar el método.

La oportunidad se formula así: «Las personas responsables del cierre semanal necesitan distinguir facturas emitidas de facturas pagadas».

El equipo registra impacto relevante, frecuencia poblacional desconocida y confianza moderada en la explicación. Compara tres respuestas: aclarar los estados, ofrecer un filtro de pendientes o automatizar la exportación. Decide probar primero las dos primeras, más acotadas y reversibles, sin descartar que exista además una necesidad de integración.

El siguiente estudio comprobará si los participantes identifican correctamente las facturas pendientes y completan el resumen sin ayuda. Todavía no hay evidencia de que la propuesta funcione.

6. Cierra el ciclo y documenta lo aprendido

Cada oportunidad debería terminar con una decisión explícita: actuar, experimentar, investigar más o aplazar. Registra motivo, responsable y condición de revisión. El aplazamiento necesita contexto para que el problema no reaparezca como una petición nueva cada trimestre.

Antes de implementar, define una señal de éxito y posibles efectos adversos. Después compara con una referencia pertinente, revisa segmentos y vuelve a observar tareas. Un cambio en una métrica, por sí solo, no demuestra causalidad.

La IA puede ayudar a ordenar notas o proponer categorías, con revisión y protección de datos. Sus resúmenes deben conservar referencias verificables. Las respuestas de agentes sintéticos deben etiquetarse como hipótesis, sin sumarlas al número de participantes: NN/g señala que no sustituyen la investigación con personas reales. Límites de los usuarios sintéticos.

Checklist antes de llevar un hallazgo al backlog

• ¿La decisión y el segmento están definidos?

• ¿Las observaciones pueden rastrearse hasta su origen?

• ¿Separamos evidencia, interpretación y propuesta?

• ¿Buscamos contradicciones y voces ausentes?

• ¿Diferenciamos frecuencia observada y alcance estimado?

• ¿Explicamos severidad y confianza sin falsa precisión?

• ¿Existe una próxima acción con responsable y criterio de revisión?

Escuchar bien también implica poder explicar qué se hará con lo aprendido. Esa trazabilidad permite transformar investigación en decisiones que el equipo puede defender, comprobar y corregir.

Fuentes

1. GOV.UK Service Manual: Plan user research for your service.

2. GOV.UK Service Manual: Using in-depth interviews.

3. GOV.UK Service Manual: Analyse a research session.

4. Kathryn Whitenton, NN/g: Triangulation: Get Better Research Results by Using Multiple UX Methods.

5. Jakob Nielsen, NN/g: Severity Ratings for Usability Problems.

6. Maria Rosala y Kate Moran, NN/g: Synthetic Users: If, When, and How to Use AI-Generated “Research”.