Cómo analizar las entrevistas a usuarios para convencer a tus partes interesadas (Actualización: incluye herramientas de informe de investigación UX)

Por supuesto, puedes realizar análisis de datos de investigación UX sin tl;dv, pero eso es una tontería. Hemos dicho que es gratis, ¿verdad? Si ignoras el tl;dv, gastarás más tiempo, más dinero y obtendrás perspectivas menos valiosas de forma mal organizada. Por eso los diseñadores e investigadores de UX suelen reconocer a tl;dv como una de las mejores herramientasremote de investigación de UX.

Encuentra el equilibrio entre tener una mente abierta y un plan

Aunque es importante recopilar datos de forma que te prepares para la fase de análisis, es aún más importante empezar con la mente abierta. No cometas el error de caer en el sesgo del investigador planificando tu análisis tan minuciosamente por adelantado que acabes buscando las respuestas que quieres encontrar. No es así como funciona la investigación de usuarios. 

Sin embargo, es un gran consejo comenzar el proceso de investigación con una mente abierta, y tener un plan para recopilar, almacenar y volver a acceder fácilmente a los datos que obtengas por el camino.

No querrás pensar en tu análisis por primera vez después de estar enterrado en tres metros de datos. Empieza desde el principio. Tu proceso de entrevistas debe estructurarse de forma que te ayude a analizar los pequeños hallazgos.

Criba a tu público objetivo antes de entrevistarlo para asegurarte de que tienes a los mejores y más perspicaces usuarios. Esto es especialmente importante si vas a entrevistar a usuarios de las redes sociales y otras fuentes públicas que no son usuarios de tu propia aplicación. Elabora un plan de entrevistas para sacar el máximo partido a tu investigación.

A lo largo de todo el periodo de investigación, ten presentes tus objetivos, pero no tanto como para que se vuelvan prepotentes. La verdadera habilidad de las entrevistas a usuarios es escuchar. Claro que debes hacer las preguntas adecuadas a las personas adecuadas, pero si no escuchas lo que realmente dicen, te estás disparando en el pie. No dejes que tus propios pensamientos o expectativas entren en escena. Es hora de que tus usuarios hablen y de que sus voces sean escuchadas: ¡por ti!

De nuevo, tl;dv puede ayudar aquí como una de las mejores herramientas de voz del cliente. Tienes un registro permanente de lo que dijo tu usuario, cómo lo dijo y los gestos que mostró mientras hablaba. No confíes en la memoria ni en notas garabateadas a toda prisa. Dispones de transcripciones en más de veinte idiomas, grabaciones ilimitadas de reuniones y la posibilidad de marcar la fecha y hora de cada bit de información al que quieras volver. ¡Y todo eso es gratis!

@tldv.io

Tiene mucho sentido. #reunión #comedia #corporativa #reuniones #9to5 #primerdía

♬ sonido original - tldv.io - AI Meeting Recorder

Identifica tus objetivos

¿Quieres mejorar tu aplicación? Demasiado vago. Quizá quieras construir un conocimiento detallado e íntimo de quiénes son tu público y tus usuarios ideales, qué les motiva y cómo actúan a diario para alcanzar sus objetivos. En ese caso, es mejor que tu investigación esté diseñada para identificar patrones en el comportamiento diario de los entrevistados. 

Además, estate atento a los detalles demográficos, los patrones de estilo de vida y las distintas actitudes de los usuarios. Puedes incluso redactar tu propia guía de debate para la entrevista a los usuarios, para asegurarte de que diriges la conversación de la forma adecuada.

Por otro lado, si tu objetivo es probar una nueva función o una próxima aplicación, entonces podrías centrarte en los puntos de dolor, los puntos de satisfacción y tratar de clasificarlos en función de su prioridad.

No sólo tienes que averiguar cómo hacer las preguntas adecuadas para que el usuario se sienta cómodo revelando lo que piensa, sino que tienes que rastrear los datos de forma que puedas utilizarlos para diversos fines. Dependiendo de con quién vayas a compartir el análisis de los datos de tu investigación de usuarios, puede que tengas que pensar en la granularidad. ¿Te diriges a tu equipo de diseño o a las partes interesadas? ¿Necesitas dar ejemplos concretos o sólo tendencias generales? Planifica con antelación.

Prepara tu hipótesis (si es necesario)

Las hipótesis son importantes en determinados campos de investigación. Las pruebas de usabilidad, por ejemplo, exigen una hipótesis, porque tendrás que centrarte en áreas específicas que necesitan mejoras. Necesitarás, en cierto modo, comprender el problema y la posible solución, antes de sumergirte en la investigación de usuarios.

Sin embargo, no todas las investigaciones requieren una hipótesis. Y en algunos casos, empaña los datos. Si realizas una serie de entrevistas a usuarios, esperando que el punto de dolor A sea el problema, eso es exactamente lo que escucharás. Se creará una visión sesgada del problema en cuestión, lo que dará lugar a datos sesgados, que conducirán a un desarrollo de producto desaprovechado, ya que se pasarán por alto los problemas principales.

A veces, puedes empezar a realizar pequeños análisis cuando empiecen a llegar datos. Para garantizar que las entrevistas a los usuarios se realizan con calidad, no debe haber más de 4 al día. Preferiblemente 2 ó 3. Debe haber espacio entre las entrevistas para que los investigadores puedan revisar y etiquetar las notas. También les da tiempo para hacer un debriefing con la persona que toma las notas, si la hay, o para ojear las notas en tl;dv.

Se puede realizar un semi-análisis superficial a mitad de las entrevistas a los usuarios. También puedes aprovechar este tiempo de digestión para revisar tus preguntas, quizás modificándolas aquí y allá para obtener mejores respuestas en futuras entrevistas.

Este método evitará que intentes ahogarte en tus propias lágrimas tras un día repleto de entrevistas a usuarios, con sólo unas notas garabateadas a toda prisa y un cerebro que funciona a medias para intentar descifrarlas.

@tldv.io

Different kinda breakdown pal #breakdown #9to5 #latetowork #dayinthelife #corporatehumor IB: @punhubtiktok

♬ sonido original - tldv.io - AI Meeting Recorder

Descubrir sobre la marcha

El desarrollo de productos depende en gran medida de una investigación de calidad mediante estudios de usuarios, entrevistas y pruebas. El diseño UX también se basa en una investigación exhaustiva. Construir un producto basándote totalmente en tus fantasías sobre lo que debería ser es el camino más rápido hacia el arroyo de la m*erda. Y mejor que creas que allí tampoco hay remos.

La investigación de usuarios te ayudará a descubrir las pepitas de oro que necesitas para crear el producto que los usuarios adorarán. Tanto si estás pensando en características, funciones u otros aspectos de tu aplicación, es importante conocer las opiniones de usuarios reales. Es más caro arreglar un problema de desarrollo más tarde que construir una solución al principio. 

En algunos casos, es posible encontrar casos de uso totalmente nuevos mediante la investigación de usuarios, escuchando lo que quieren tus futuros usuarios. Esto puede ayudarte a posicionarte como líder en el nicho, preparándote para el éxito en un mercado saturado.

Nunca se detiene

Si hay algo que debes saber, es que el análisis de datos de investigación de usuarios no se detiene. No duerme. No siente lástima, ni remordimientos, ni miedo. Vale, puede que haya empezado a hablar de Terminator en algún momento, pero eso no cambia el hecho de que el análisis es un proceso continuo.

Una de las mejores formas de controlar el progreso y organizar tus ideas clave es tomar notas. No a la manera del siglo XX de tomar notas con lápiz y papel, no, no, no. Con el tomador de notas de tl;dv. 

Al grabar sesiones con tl;dv, puedes compartir fragmentos o sesiones enteras de vídeos con las partes interesadas para que tomen las medidas oportunas. Tomar notas no sólo te ayuda a analizar las cosas sobre la marcha, sino que te ayuda a llevar un registro de las cosas a medida que suceden. Es la mejor forma de hacer un seguimiento de todos los datos que recopiles.

Una forma de hacerlo, ya sea con investigación cualitativa o cuantitativa, es mantener breves sesiones con tus compañeros de investigación después de cada entrevista. Podéis revisar juntos sus respuestas y tomar notas adicionales. Siempre es bueno revisar una entrevista a un usuario antes de pasar a la siguiente.

Desglosa tus datos 

Agrupar los datos al final de tu investigación es una de las formas más fáciles de desanimarse por la gran cantidad de datos que tienes. No te preocupes, no todos los datos son iguales. Y en esta fase, saber encontrar oro en tus datos es la habilidad que necesitas.

Para obtener los mejores resultados, empieza por depurar tus notas y complementarlas con información contextual (con ayuda de las reuniones grabadas). Diferencia entre una descripción y una interpretación. La fase de análisis es el momento de interpretar.

A continuación, clasifica tus datos en varias áreas de análisis que te permitirán ponderar los distintos datos en función de su importancia y prioridad.

Tener una lista de este tipo es importante para determinar qué es importante ahora y qué será bueno tener más adelante. Este tipo de análisis es especialmente importante cuando tienes pocos recursos para ejecutar tus hallazgos; quieres centrarte sólo en las cosas que aportarán el máximo impacto a tus usuarios y te ayudarán a alcanzar los objetivos que te hayas marcado.

Eso significa guardar todas las ideas bonitas (pero no esenciales) en una cesta para más adelante y permitir que el equipo de desarrollo construya lo que sea absolutamente necesario en cada momento.

El establecimiento de prioridades comienza con el diseño de la investigación UX, basado en los objetivos organizativos que las partes interesadas han establecido para el proyecto. Para asegurarte de que obtienes la información necesaria para cumplir esos requisitos, tienes que tener presentes los objetivos y disponer de una forma de clasificar los datos.

Cómo priorizar el análisis de datos de tu investigación UX

1. Análisis temático

El análisis temático consiste básicamente en poner tus datos en "cubos" para su consideración. Al dividir tus datos en cubos bien organizados, puedes considerar cada pequeño detalle en función de su tema, así como de la importancia general de ese cubo temático.

Una forma de empezar a hacerlo es codificar por colores los temas. Cuando revises las transcripciones, dale a cada pepita de datos un color según su tema. Esto puede hacerse al final del día, o poco después de cada sesión, para asegurarte de que no pierdes la perspectiva de cada entrevista. Junto con tus notas, puedes codificar fácilmente por colores las transcripciones autogeneradas de tl;dv.

Si te cuesta decidirte por un tema, simplemente agrupa los datos que tengan un significado, alcance o premisa similares. Si te encuentras con que se dice lo mismo una y otra vez, es una buena idea convertirlo en un tema y almacenar allí todos los datos sobre el tema.

Según el Grupo Nielsen Norman, hay seis (6) pasos para el análisis de datos de las áreas temáticas.

Paso 1: Reúne tus datos

Paso 2; Lee todos tus datos de principio a fin.

Paso 3: Codifica tu texto con áreas temáticas

Paso 4; Crear nuevos códigos para encapsular nuevos temas

Paso 5: Tómate un día de descanso

Paso 6: Evalúa tus temas para que encajen bien

Es una buena idea crear una leyenda o clave de codificación para que tus compañeros también puedan entender tus datos. Un ejemplo de clave de codificación de texto es:

• • Rojo - puntos de dolor

• • Verde - positivos

• • Gris - sugerencias de los usuarios

• • Amarillo - aplicaciones utilizadas a diario

Fuente; NVIVO BLOG

2. Diagramas de afinidad

El diagrama de afinidad es una forma de organizar visualmente todos los hechos colocándolos en varias categorías (o grupos de temas). El diagrama de afinidad suele hacerse con un bolígrafo y papel, pero también puede ejecutarse perfectamente al estilo kanban con herramientas como Trello. El diagrama de afinidad recibe distintos nombres, como clasificación colaborativa, bola de nieve y, a veces, mapa de afinidad.

Ejemplo de mapeo de afinidad:

Fuente: Leow Hou Teng

¿Cuál es la diferencia entre los diagramas de afinidad y las áreas temáticas en la investigación de usuarios?

El análisis temático jerárquico es un proceso de descomposición de tus datos en temas y luego en subtemas. Esto se hace leyendo todas las transcripciones, notas de las entrevistas y otros datos relevantes, y luego codificando tus datos en busca de diversos temas. Las áreas temáticas suelen tener un alcance más amplio que los diagramas de afinidad. Un diagrama de afinidad presentará temas o grupos más pequeños que pueden explorarse más a fondo. 

El análisis temático consiste en clasificar tus datos en temas para considerar mejor cada detalle, mientras que el diagrama de afinidad consiste en agrupar los hechos por temas. Ambos métodos pueden utilizarse para comprender mejor a tus usuarios y mejorar tu producto en consecuencia. No son lo mismo y pueden utilizarse uno al lado del otro en el análisis de tu investigación, dependiendo de las perspectivas que quieras perseguir.

El método habitual

Toda esta charla sobre áreas temáticas y mapas de afinidad puede sonar abrumadora, pero en realidad, los investigadores normalmente arrojan sus notas en un lienzo (Miro, Mural o Figjam son los sospechosos habituales), y luego las agrupan en temas o momentos del recorrido del cliente.

Si una idea se repite con frecuencia en la investigación, los investigadores suelen utilizar puntos para indicarlo. También pueden utilizar algunos elementos de la aplicación que signifiquen lo mismo.

Aunque es similar a las áreas temáticas descritas anteriormente, se trata de un proceso más flexible.

Cómo analizar distintos tipos de datos

Análisis de datos cualitativos de UX procedentes de entrevistas a usuarios

Una cosa que puedes notar rápidamente con los datos cualitativos es que pueden parecer caóticos. Esto se debe a que son muy subjetivos. A menudo acabarás con un montón de datos, la mayoría de los cuales pueden ser repetitivos o inutilizables. Las entrevistas a usuarios suelen ser abiertas, lo que permite al usuario expresar sus opiniones sin filtros. Esto también significa que analizar los datos depende en gran medida de ti, el investigador de UX, y de cómo quieras manejarlos.

Cuando realices análisis cualitativos de datos de investigación de usuarios, presta atención a;

• • Patrones que aparecen en diversas áreas temáticas;

• • Hallazgos que sorprendieron a tu equipo;

• • Momentos (temas) de gran emoción para los usuarios;

• • Lo que te gusta y lo que no;

• • Funciones populares entre los usuarios;

• • Y casos de uso que tu IU actual no soporta suficientemente bien.

Pero si estás realizando una investigación exploratoria para la fase de descubrimiento del producto, descubrirás que esos datos pueden contener tanto datos cualitativos de actitud como datos cualitativos de comportamiento. Utilizando diagramas de afinidad y análisis temáticos, puedes descubrir las joyas ocultas en los datos. 

Para realizar un análisis temático, necesitarás 3 cosas: datos, preferencias de investigación (basadas en el equipo y los objetivos de la investigación) y el contexto del análisis. Armado con esto, puedes realizar el análisis de datos de tu investigación UX con software, mediante un diario o mediante diagramas de afinidad. 

¿Cómo puede ayudar la GPT?

Todo el mundo conoce ya la GPT, la tecnología impulsada por la IA que no está planeando en secreto la dominación del mundo haciendo que los humanos dependan excesivamente de la tecnología y olviden cómo es la vida al aire libre, para que aceptemos de buen grado la matriz de la vida real. Ni mucho menos.

@tldv.io

Escrito por ChatGPT #inception #chatgpt #ai #openai #meeting #corporate

♬ sonido original - tldv.io - AI Meeting Recorder

De todos modos, antes de ponernos las pilas con los robots, podemos utilizarlos para agilizar nuestra vida laboral y detectar cosas que se nos hayan pasado por alto. Por ejemplo, puedes alimentar a GPT con tu investigación y pedirle que señale sesgos, encuentre patrones y temas, e incluso destaque lo que te gusta y lo que no. Esencialmente, todo lo que te hemos esbozado más arriba en relación con el análisis de las opiniones de los usuarios puede ser realizado instantáneamente por un robot sin cuerpo.

Indicaciones GPT

Aquí tienes algunas sugerencias de GPT que puedes utilizar para que tu informe de investigación sobre UX sea aún más persuasivo.

1. ¿Puedes buscar en el repositorio todas las investigaciones relacionadas con un producto o función concretos?
2. ¿Puedes resumirme las principales conclusiones de un estudio concreto?
3. ¿Puedes organizar los estudios de investigación por fecha, autor o tema?
4. ¿Puedes identificar algún tema o patrón común que surja de los estudios de investigación?
5. ¿Puedes ayudarme a identificar lagunas en nuestra comprensión actual del comportamiento o las preferencias de los usuarios?
6. ¿Puedes proporcionarme un resumen de los métodos de investigación utilizados en un estudio concreto?
7. ¿Puedes ayudarme a crear una presentación que resuma los resultados de la investigación de un proyecto o iniciativa concretos?
8. ¿Puedes sugerir posibles estudios de seguimiento o preguntas de investigación basados en las conclusiones actuales?
9. ¿Puedes facilitarme una lista de estudios o fuentes de investigación externas que puedan ser relevantes para nuestro repositorio de investigación?

Aunque estas preguntas puedan parecer un poco vagas, permiten que GPT te explique detalladamente lo que necesita de ti. Tomemos como ejemplo la pregunta nº 7. He aquí la respuesta de GPT: