Cómo analizar las entrevistas a usuarios para convencer a las 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 tl;dv, gastarás más tiempo, más dinero y obtendrás información menos valiosa de una forma mal organizada. Es por eso que los diseñadores e investigadores de UX reconocen comúnmente a tl;dv como una de las mejores remote herramientas de investigación de UX.

Encontrar el equilibrio entre tener una mente abierta y un plan

Aunque es importante recopilar los datos de forma que te prepares para la fase de análisis, es aún más importante empezar con una mentalidad 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 buen consejo empezar el proceso de investigación con una mente abierta y tener un plan para recopilar, almacenar y volver a acceder fácilmente a los datos que se vayan obteniendo.

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

Selecciona a tu público objetivo antes de entrevistarlo para asegurarte de que cuentas con los mejores y más perspicaces usuarios. Esto es especialmente importante si vas a entrevistar a usuarios de 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, hay que tener presentes los objetivos, pero no tanto como para que resulten prepotentes. La verdadera habilidad de las entrevistas con usuarios es escuchar. Por supuesto, hay que hacer las preguntas adecuadas a las personas adecuadas, pero si no escuchamos lo que dicen, nos disparamos en el pie. No dejes que tus propios pensamientos o expectativas entren en escena. Ha llegado el momento de que tus usuarios hablen y de que sus voces sean escuchadas: ¡por ti!

Una vez más, tl;dv puede ayudar aquí como una de las mejores herramientas de voz del cliente. Tendrás un registro permanente de lo que ha dicho tu usuario, cómo lo ha dicho y los gestos que ha mostrado mientras hablaba. No confíes en la memoria o 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 dato quequieras recuperar. Y todo esto es gratis.

@tldv.io

Tiene mucho sentido. #meeting #comedy #corporate #meetings #9to5 #firstday

♬ sonido original - tldv.io - AI Meeting Recorder

Identifique sus objetivos

¿Quieres mejorar tu aplicación? Demasiado vago. A lo mejor lo que quieres es 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, esté atento a los detalles demográficos, los patrones de estilo de vida y las distintas actitudes de los usuarios. Incluso puedes redactar tu propia guía de debate para la entrevista con los usuarios, para asegurarte de que diriges la conversación por el camino correcto.

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

No sólo hay que averiguar cómo formular las preguntas adecuadas para que el usuario se sienta cómodo revelando lo que piensa, sino que también hay que hacer un seguimiento de los datos de forma que se puedan utilizar 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? Planifíquelo con antelación.

Prepare su hipótesis (si es necesario)

Las hipótesis son importantes en determinados campos de investigación. Las pruebas de usabilidad, por ejemplo, exigen una hipótesis, porque hay que centrarse en áreas específicas que necesitan mejoras. Antes de lanzarse a la investigación sobre los usuarios, es necesario comprender el problema y la posible solución.

Sin embargo, no todas las investigaciones requieren una hipótesis. Y en algunos casos, empaña los datos. Si realizas una serie de entrevistas a los 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 productos desperdiciado, ya que se pasarán por alto los problemas principales.

A veces, puede empezar a realizar pequeños análisis una vez que empiecen a llegar los datos. Para garantizar que las entrevistas con los usuarios se realizan con calidad, no debería 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 a hacer un debriefing con la persona que toma las notas, si la hay, o a ojear las notas en tl;dv.

Se puede realizar un semianálisis superficial a mitad de las entrevistas con los usuarios. También se puede aprovechar este tiempo de digestión para revisar las preguntas y, tal vez, modificarlas para obtener mejores respuestas en futuras entrevistas.

Este método evitará que te ahogues en tus propias lágrimas después de 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 a través de estudios de usuarios, entrevistas y pruebas. El diseño de la experiencia del usuario también se basa en una investigación exhaustiva. Crear un producto basándose exclusivamente en fantasías sobre lo que debería ser es el camino más rápido hacia el arroyo de la mierda. Y es 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 la opinión 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 a través de 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 debe 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 las ideas clave es tomar notas. Pero no como en el siglo XX, con papel y bolígrafo. Con el anotador detl;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; te ayuda a llevar un registro de las cosas a medida que suceden. Es la mejor manera de hacer un seguimiento de todos los datos recopilados.

Una forma de hacerlo, tanto si se trata de investigación cualitativa como 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 con un usuario antes de pasar a la siguiente.

Desglose los datos 

Agrupar los datos al final de la investigación es una de las formas más fáciles de desanimarse ante la gran cantidad de datos que se tienen. 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, clasifique sus datos en varias áreas de análisis que le permitirán ponderar los distintos datos en términos de 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 se dispone de pocos recursos para ejecutar los hallazgos; hay que centrarse sólo en las cosas que aportarán el máximo impacto a los usuarios y ayudarán a alcanzar los objetivos designados.

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 de la 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 los objetivos en mente y tener una forma de clasificar los datos.

Cómo priorizar su análisis de datos de investigación de UX

1. Análisis temático

El análisis temático consiste básicamente en clasificar los datos en "cubos". Al dividir los datos en cubos bien organizados, se puede considerar cada pequeño detalle en función de su tema y de la importancia general de ese cubo temático.

Una forma de empezar a hacerlo es codificar los temas por colores. Al revisar las transcripciones, asigne a cada dato un color según su tema. Puede hacerlo al final del día o poco después de cada sesión para asegurarse de no perder la perspectiva de cada entrevista. Junto con sus notas, puede codificar fácilmente por colores las transcripciones generadas automáticamente en 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 lo mismo que se dice una y otra vez, es una buena idea convertirlo en un tema y almacenar allí todos los datos sobre el tema.

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

Paso 1: Recopilar datos

Paso 2: Lea todos sus datos de principio a fin.

Paso 3: Codifique su texto con áreas temáticas

Paso 4: Crear nuevos códigos para encapsular nuevos temas

Paso 5: Tómese un día de descanso

Paso 6: Evalúe sus temas para ver si encajan bien

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

• • Rojo - puntos de dolor

• • Verde: aspectos positivos

• • Gris - sugerencias de los usuarios

• • Amarillo: aplicaciones utilizadas diariamente

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 se suele hacer con bolígrafo y papel, pero también se puede ejecutar 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 mapa 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 consiste en dividir los datos en temas y subtemas. Para ello, se leen todas las transcripciones, las notas de las entrevistas y otros datos relevantes y, a continuación, se codifican los datos en función de los distintos 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 los 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 los usuarios y mejorar el producto en consecuencia. No son lo mismo y pueden utilizarse conjuntamente en el análisis de su investigación en función de las perspectivas que quiera 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 algunas características in-app que significan lo mismo.

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

Cómo analizar diferentes tipos de datos

Análisis de datos cualitativos de UX a partir de entrevistas con usuarios

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

Al realizar análisis cualitativos de datos de investigación de usuarios, presta atención a;

• • Patrones que aparecen en diversas áreas temáticas;

• • Hallazgos que sorprendieron a su equipo;

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

• • Gustos y disgustos;

• • Funciones populares entre los usuarios;

• • Y casos de uso que su interfaz de usuario actual no soporta suficientemente bien.

Pero si está realizando una investigación exploratoria para la fase de descubrimiento del producto, descubrirá que esos datos pueden contener tanto datos cualitativos de actitud como datos cualitativos de comportamiento. Mediante el uso de diagramas de afinidad y el análisis temático, puede descubrir las joyas ocultas en los datos. 

Para realizar un análisis temático, necesitarás tres cosas: datos, preferencias de investigación (basadas en el equipo y los objetivos de la investigación) y el contexto de análisis. Con estos elementos, puedes realizar el análisis de datos de tu investigación de UX con software, a través de un diario o de diagramas de afinidad. 

¿Cómo puede ayudar GPT?

Todo el mundo conoce ya a GPT, la tecnología impulsada por inteligencia artificial que no está planeando en secreto la dominación del mundo haciendo que los seres humanos dependan excesivamente de la tecnología y olviden lo que se siente al aire libre para que aceptemos de buen grado la matriz de la vida real. Nada de eso.

@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 nuestro trabajo y detectar cosas que se nos hayan pasado por alto. Por ejemplo, puedes darle a GPT tu investigación y pedirle que señale sesgos, encuentre patrones y temas, e incluso destaque lo que te gusta y lo que no. Básicamente, todo lo que hemos descrito anteriormente en relación con el análisis de las opiniones de los usuarios puede ser realizado al instante 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. ¿Puede buscar en el repositorio todas las investigaciones relacionadas con un producto o una función concretos?
2. ¿Puede resumirme las principales conclusiones de un estudio concreto?
3. ¿Puede organizar los estudios de investigación por fecha, autor o tema?
4. ¿Puede identificar algún tema o patrón común que surja de los estudios de investigación?
5. ¿Puede ayudarme a identificar lagunas en nuestra comprensión actual del comportamiento o las preferencias de los usuarios?
6. ¿Puede facilitarme un resumen de los métodos de investigación utilizados en un estudio concreto?
7. ¿Puede ayudarme a crear una presentación que resuma los resultados de la investigación para un proyecto o iniciativa concretos?
8. ¿Puede sugerir posibles estudios de seguimiento o preguntas de investigación basadas en los resultados actuales?
9. ¿Pueden facilitarme una lista de estudios de investigación o fuentes externas que puedan ser relevantes para nuestro repositorio de investigación?

Aunque estas preguntas puedan parecer un poco vagas, permiten a GPT explicarle en detalle lo que necesita de usted. Tomemos como ejemplo la pregunta nº 7. Esta es la respuesta de GPT: