Por Qué la Mayoría de las Decisiones de Producto Están Construidas en Arena
Lanzas una feature. Todo el equipo cree que va a resolver un problema clave. Pero las métricas de uso se estancan. Los tickets de soporte se disparan. El product manager suspira. ¿Te suena familiar?
La verdad dura: la mayoría de los equipos operan con corazonadas disfrazadas de datos. Encuestas, notas de CRM, e incluso entrevistas directas con usuarios pueden ser terriblemente engañosas. Como dijo Erika Hall, hacer una pregunta directamente es la peor manera de obtener una respuesta verdadera y útil.
Para construir productos que realmente funcionen, necesitamos ir más allá del feedback superficial y entender a los usuarios en cuatro niveles distintos: lo que dicen, lo que piensan y sienten, lo que hacen, y por qué lo hacen. Este framework, originalmente articulado por Hannah Shamji, es una lente poderosa para cualquier dev o equipo de producto.
Vamos a desglosar cada nivel con técnicas concretas que puedes aplicar desde mañana.
Los Cuatro Niveles: Del Ruido a la Señal
Nivel 1: Lo Que Dicen (El Menos Confiable)
Este es el dato más fácil de recolectar — y el más peligroso de confiar. La gente exagera, se enfoca en casos extremos y racionaliza su comportamiento después del hecho. Un usuario que dice "necesito absolutamente una tabla de comparación" no significa que no pueda lograr su objetivo sin ella.
Qué hacer: Usa encuestas y datos de CRM solo como punto de partida, nunca como tomador de decisiones. Trata cada necesidad declarada como una hipótesis a probar.
Nivel 2: Lo Que Piensan y Sienten (Contexto, Pero Aún Sesgado)
Las entrevistas y los estudios de diario dan un contexto más rico, pero la memoria es un filtro defectuoso. Los usuarios reconstruyen su experiencia a través del lente de cómo quieren ser percibidos.
Técnica práctica: Usa la Rueda de las Emociones de Geoffrey Roberts durante las entrevistas. En lugar de preguntar "¿Cómo te sentiste?", presenta la rueda y pide al usuario que señale. Esto mueve la conversación más allá de "bien" o "mal" a emociones precisas como "frustrado" o "curioso".
Nivel 3: Lo Que Hacen (El Estándar de Oro)
Los datos de comportamiento — clics, scrolls, hovers, tiempo en tarea — no mienten. Pero los análisis brutos pueden ser engañosos sin contexto.
Técnica práctica: Realiza sesiones de análisis de tarea. Observa a los usuarios completando un flujo de trabajo central sin pedirles que hablen en voz alta. El protocolo de "hablar en voz alta" en realidad interrumpe el comportamiento natural. En su lugar, observa dónde el mouse se detiene sin hacer clic, dónde los usuarios hacen scroll hacia adelante y atrás, y cuánto tiempo pausan. Solo haz preguntas después de que indiquen que terminaron o están atascados.
# Script simple de análisis de grabación de sesión (conceptual)
# Rastrear puntos de hesitación en una sesión de usuario
import pandas as pd
# Supongamos que tenemos un CSV con eventos de mouse
datos_sesion = pd.read_csv('sesion_usuario_001.csv')
# Filtrar eventos hover con duración mayor a 3 segundos (hesitación)
hesitaciones = datos_sesion[
(datos_sesion['tipo_evento'] == 'hover') &
(datos_sesion['duracion_ms'] > 3000)
]
# Agrupar por elemento de UI y contar
puntos_dolor = hesitaciones.groupby('id_elemento').size().sort_values(ascending=False)
print("Principales puntos de hesitación:")
print(puntos_dolor.head())
Nivel 4: Por Qué Lo Hacen (El Insight Más Profundo)
Este nivel descubre motivaciones subyacentes, objetivos y causas raíz. Requiere conversaciones repetidas basadas en confianza y observación real del flujo de trabajo.
Técnica práctica: Usa "espejeo" — repite lo que el usuario dijo, o haz la misma pregunta parafraseada. Esto a menudo desencadena una segunda respuesta más honesta con contexto más rico.
Triangulación: Reconciliando Datos Conflictivos
Diferentes niveles a menudo se contradirán. Un usuario dice que quiere X (Nivel 1), pero su comportamiento muestra que realmente usa Y (Nivel 3). Eso no es un problema — es la señal. Triangula combinando métodos: encuesta + analítica + observación + entrevista.
Para lectura más profunda sobre métodos de investigación de usuarios, checa esta guía práctica sobre descubrimiento de necesidades del usuario — cubre horas de exposición, pruebas de UX en vivo y insights de helpdesk.
Errores Comunes y Limitaciones
- Dependencia excesiva de NPS: NPS mide sentimiento, no comportamiento. Es una métrica de vanidad. Enfócate en la tasa de éxito de la tarea y el tiempo en tarea.
- Sesgo de confirmación en pruebas de usuario: Muchos equipos "validan" suposiciones existentes en lugar de explorar genuinamente. Ve con preguntas, no con respuestas.
- Emociones como distracción: Alin Buda argumenta que nuestro trabajo es resolver problemas, no performar empatía. Usa señales emocionales como herramienta de diagnóstico, no como objetivo final.
Próximos Pasos: Crea un Hábito de Investigación
- Horas de exposición: Cada miembro del equipo debe pasar 2 horas cada 6–8 semanas observando usuarios reales.
- Prueba de UX en vivo: Invita a toda la empresa a observar las sesiones. Haz visibles las dificultades de los usuarios.
- Sesiones de co-diseño: Muestra prototipos a los usuarios y pídeles que rankeen funcionalidades. Sus prioridades te sorprenderán.
Para un análisis más profundo de cómo la IA y los flujos de trabajo agénticos están cambiando el desarrollo de producto, mira este análisis sobre muchos agentes, un equipo.
Conclusión
El verdadero entendimiento del usuario no viene de herramientas caras o grandes muestras. Viene de una práctica disciplinada de observar, diagnosticar y construir confianza. Deja de validar. Empieza a investigar.
Una acción para esta semana: Agenda una sesión de 30 minutos para ver a un usuario completar tu funcionalidad principal. No hagas preguntas. Solo observa. Luego pregúntate: ¿qué aprendí que ninguna encuesta podría haberme contado?