Análisis de datos en la investigación de UX | Investigación de UX #33

¿Sabes qué papel juega el análisis de datos en la investigación de UX? Hoy, nos gustaría centrarnos en el tema del análisis de datos en UX discutiendo el análisis de datos cualitativos y cuantitativos, y aprendiendo sobre sus etapas, objetivos principales y metas. También sugeriremos cuándo es el momento adecuado para llevarlo a cabo en un proyecto.

Análisis de datos en la investigación de UX – tabla de contenido:

1. ¿Por qué analizar los datos recopilados?
2. ¿Cuándo analizar los datos?
3. Análisis de datos en la investigación de UX
4. Definiendo los objetivos del análisis
5. Análisis cualitativo de los datos de investigación
6. Resumen

¿Por qué analizar los datos recopilados?

Tomar una decisión de producto basándose únicamente en datos en bruto es un gran error de UX. Omitir la etapa de análisis puede resultar en proporcionar a los usuarios una solución incompleta o ineficaz, o incluso hacer que el equipo del proyecto se enfoque en resolver el problema equivocado o en reconocer a los verdaderos usuarios. Por estas y otras razones, el análisis de datos es un proceso esencial que mantiene todo el proyecto en el camino correcto. Lo hace teniendo en cuenta las verdaderas necesidades de los usuarios y recopilando información que ayuda a desarrollar la mejor y más óptima solución posible.

¿Cuándo analizar los datos?

Muchas personas tienen una grave concepción errónea de que el análisis debe realizarse después de completar la investigación, es decir, al recopilar información de muchas fuentes. Sin embargo, este enfoque es ineficaz, ya que examinar una cantidad tan grande de datos requiere un gran esfuerzo, mano de obra y tiempo. Es más eficiente investigar los datos de manera continua, por ejemplo, tomando unos minutos después de cada entrevista en profundidad.

Además, recuerda tomar notas durante tu investigación. De esta manera, puedes anotar observaciones frescas y asegurarte de que no se omita nada. Estas reflexiones te permiten seleccionar fácilmente información y elegir de ella aquellas que serán más relevantes para las recomendaciones de diseño posteriores. Analizar de manera continua, después de cada pequeño paso de investigación, te permite realizar el análisis final de resumen de una manera mucho más organizada y estructurada, pero sobre todo, mucho más rápida.

Análisis de datos en la investigación de UX

El análisis de datos en investigación de UX transforma datos previamente no procesados en información significativa que apoyará las decisiones comerciales. Realizar un análisis de datos integral consiste en cinco pasos básicos – estos pasos son:

1. Definir los objetivos del análisis
2. Organizar los datos
3. Investigación
4. Clustering
5. Identificación de resultados y percepciones

Definiendo los objetivos del análisis

El primer paso define los objetivos de nuestro análisis – estos deben estar en estricta conformidad con los objetivos de la investigación de UX. En esta etapa, recuerda no desviarte de los motivos que te hicieron comenzar a realizar la investigación – por ejemplo, cuáles son las necesidades del usuario; en qué página la tasa de rechazo es más significativa y por qué; qué mejoras hacer para aumentar la tasa de conversión; o cómo hacer que nuestro producto sea más atractivo que la competencia. Aferrarte a estos, y a los objetivos de investigación te ayudará a entender cómo realizar el análisis de datos de una manera que sea útil para el proyecto. Para definir exactamente qué estás buscando.

Organizando los datos

Cada encuesta proporciona diferentes tipos de datos, más y menos relevantes para el proyecto. Por lo tanto, debes gestionar, seleccionar y filtrar los datos de manera inteligente para usabilidad. Organizar los datos también permite su disposición reflexiva para poder acceder rápidamente a la información deseada cuando sea necesario. Por ejemplo, puedes catalogar los datos por la subpágina del sitio web a la que pertenecen. La segregación es clave para realizar un análisis de datos eficiente y mejorar su visualización, lo que hace que los interesados comprendan mejor todo el proceso.

Investigación

La fase de investigación se encuentra en el corazón de todo el proceso de análisis de datos. Su objetivo principal consiste en identificar las palabras, ideas o frases que aparecen con mayor frecuencia en las respuestas de los usuarios y que son más propensas a estar alineadas con el propósito del análisis. Este proceso no se trata solo de buscar palabras y sus sinónimos, sino de entender lo que significan para los usuarios en su contexto.

Haber identificado palabras y expresiones significa depender del grupo de usuarios estudiado. Esto sucede porque las personas varían. Tienen experiencias y comportamientos únicos, así como formas de expresarse. Por lo tanto, debes evitar transcribir las respuestas de los usuarios a tu vocabulario. En su lugar, adhiérete a lo original tanto como sea posible, porque cualquier variación, incluso la más pequeña, puede perjudicar la fase de investigación reconfigurando todo el análisis de datos.

Clustering

El siguiente paso es idear los llamados clusters para etiquetar las respuestas de acuerdo con las identificadas en la fase de investigación. Estos clusters ayudan al equipo a diferenciar los problemas priorizados. Por ejemplo, si más de la mitad de las respuestas de los usuarios encajan en el cluster creado etiquetado como “Rendimiento de la interfaz”, el equipo probablemente debería priorizar este tema y buscar problemas específicamente relacionados con el rendimiento de la interfaz.

Identificación de resultados y percepciones

No olvidemos que los resultados no son percepciones. Los resultados se refieren a los hechos descubiertos, investigados, luego agrupados y catalogados que el equipo de investigación sacó a la luz a través del proceso de análisis. Las percepciones, por otro lado, se refieren solo al acto de reconocimiento de las causas que ocasionaron los resultados. Esta es una característica bastante distinta, ya que las respuestas de los usuarios no siempre conducen a la fuente del problema. El trabajo del diseñador, entonces, es mirar más allá y buscar percepciones.

Los usuarios generalmente no pueden identificar la fuente de sus dificultades por sí mismos. Por lo tanto, el equipo de investigación debe revisar los resultados durante el proceso de análisis de datos, discutirlos y luego buscar percepciones y emparejarlas con los objetivos de investigación. Un taller para identificar las percepciones más relevantes ayuda a cumplir con esta tarea. El uso efectivo de esta herramienta implica realizar varias rondas de discusión separadas por breves descansos.

Los pasos descritos anteriormente son un proceso de análisis de datos bastante general y estándar que funciona con cualquier método de investigación (tanto cualitativo como cuantitativo). Todo lo que necesitas hacer es adaptar adecuadamente los pasos a tu proceso.

Análisis de datos cuantitativos vs. cualitativos

Aunque el proceso de análisis de datos cuantitativos no es significativamente diferente del análisis de datos cualitativos, debido a la naturaleza de esta investigación, los diseñadores pueden recibir diferentes percepciones. La investigación cuantitativa se centra en recopilar y analizar datos numéricos, utilizando estadísticas y probabilidad. Indicadores como la tasa de rechazo de una página determinada, por ejemplo, o el perfil demográfico de un usuario, proporcionan a los investigadores información concreta y cuantificable sobre cómo las personas interactúan con el producto y la audiencia misma.

La investigación cualitativa se centra más en conceptos abstractos, como el comportamiento humano. Por esta razón, tómate un poco más de tiempo para estudiar y evaluar para comprender completamente la experiencia y opiniones del usuario. Vale la pena hacer preguntas útiles en esta etapa, como:

• ¿Qué les gusta más a los usuarios del producto y qué les gusta menos?
• ¿Por qué algunos usuarios reaccionan de manera diferente a otros?
• ¿Tuvieron (y cuándo) los usuarios una reacción emocional?
• ¿Están (y por qué) los usuarios satisfechos con el producto?

Dada la diferencia en los datos recibidos, tiene sentido utilizar tanto anécdotas cuantitativas como cualitativas como parte de la investigación de UX. De esa manera, los datos recopilados se complementan entre sí y brindan una visión clara y más profunda de los resultados.

Resumen

Un análisis de datos correctamente realizado permite tomar decisiones de diseño mejores y más óptimas. Omitir sus hallazgos conduce a desarrollar un producto incompleto e ineficaz que no responde a las necesidades reales de los usuarios. Por eso, el análisis de datos es un proceso tan crítico que determina el éxito de todo el proyecto. Te permite recopilar y seleccionar información clave que, cuando se traduce en recomendaciones de diseño concretas, ayuda a desarrollar la mejor solución posible, adaptada a las necesidades y requisitos de los usuarios. Los pasos de análisis de datos que describimos te ayudarán a llevarlo a cabo de manera estructurada y a enfocarte en lo que más importa.

Si te gusta nuestro contenido, únete a nuestra comunidad de abejas trabajadoras en Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.