Cómo Analizar los Datos de Entrevistas a Usuarios: Guía Completa
¿No es molesto tener que adelantar docenas de grabaciones de entrevistas durante horas para encontrar una sola cita que te ayude a tomar una decisión de producto sólida? ¡Lo detesto! Ese tiempo valioso podrías haberlo dedicado a construir productos increíbles.
A menudo, son estas situaciones tediosas las que nos llevan a la conclusión de que necesitamos mantener los datos de nuestras entrevistas organizados. Y para ello, debemos crear un proceso para materializar continuamente estos aprendizajes, convirtiéndolos así en funciones y soluciones.
Si esto te resulta familiar pero no sabes por dónde empezar a organizar tus montones de investigaciones de usuarios, no te preocupes. ¡Estoy aquí para ayudarte!
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
Have an account? Log In
El poder de las entrevistas cualitativas
En mi opinión, las entrevistas a usuarios (y el análisis cualitativo en general) son el tipo de trabajo más valioso que realizan los responsables de producto.
No puedes crear productos increíbles sin saber quiénes son tus usuarios y qué desean. Por medio de las entrevistas, en cambio, te sumerges en la realidad en la que viven estas personas y experimentas los dolores y molestias que afrontan en su vida diaria al realizar ciertas tareas.
Esta percepción te da la base de conocimiento adecuada para formular soluciones que realmente sean útiles para ellos y puedan mejorar sus vidas. Por eso, es de suma importancia que los responsables de producto optimicen sus procesos de entrevistas a usuarios y se aseguren de aprovechar al máximo el tiempo limitado que tienen para hablar con ellos.
Cómo organizar los datos de entrevistas
En cuanto tu equipo supere las 20 entrevistas de usuario, todo empieza a ponerse caótico. Para encontrar una cita o un aprendizaje específico, puede que tengas que buscar a la persona que realizó la entrevista y preguntarle por ello. Inevitablemente, no recordará los detalles exactos de esa entrevista.
Al final, terminas con un montón de aprendizajes que no están asociados a supuestos concretos. Un desastre así hace que sea casi imposible obtener conclusiones útiles de la investigación.
De ahí el valor de organizar meticulosamente las entrevistas de usuarios.
Conceptos básicos de organización
Antes de sumergirnos en los procesos más complejos, repasemos primero las formas sencillas de mantener organizadas tus entrevistas.
Convenciones para nombrar entrevistas
Si haces entrevistas de manera constante, en algún momento terminarás con cientos de grabaciones en tu cuenta de almacenamiento en la nube (o en una herramienta de ideación). Imagina lo doloroso que sería buscar entre gran cantidad de estos archivos si sus nombres se parecen a esto ("Gracias" a Zoom por su pésima lógica de nombres):
No hay forma de que puedas encontrar una entrevista específica aquí.
Así que considera adoptar una convención estándar para nombrar tus archivos de entrevistas que los haga fáciles de buscar. Tal vez algo como esto:
Ahora tienes entrevistas estructuradas con nombres, temas y fechas buscables. También puedes agregar el nombre del PM que realizó la entrevista. Pero si estás usando una herramienta de entrevistas especializada, tanto el nombre como la fecha de la entrevista ya serán buscables, y puedes eliminarlos del nombre de los archivos.
Herramientas de programación
Programar la fecha y hora para la entrevista también puede ser un proceso que consume mucho tiempo. Hay interminables cadenas de correos con los participantes para intentar cuadrar el día y la hora de la llamada. A esto se suma el lío extra cuando alguien no se presenta y hay que reprogramar la reunión.
Sin embargo, con una herramienta de programación, puedes establecer fácilmente los bloques de tiempo disponibles para tus llamadas y dejar que los entrevistados elijan el que más les convenga.
Puedes utilizar cualquier herramienta de programación disponible para esto, como Calendly, Google Workspace y Hubspot.
Calendarios compartidos
Esta es especialmente útil cuando hay varias personas en tu equipo realizando entrevistas. Con un calendario compartido, puedes “pasar” una entrevista programada para ti a un colega en caso de que no puedas atenderla.
Además, puedes compartir este calendario con toda la empresa y animar a personas de distintos departamentos a unirse y escuchar lo que los usuarios opinan sobre el producto. Esta táctica es excelente para mantener a todos "conscientes de los usuarios" y romper silos entre departamentos.
Transcripción y resumen
Los equipos de producto tradicionalmente realizan grabaciones de audio y video de sus entrevistas. Luego usamos estas grabaciones para analizar los aprendizajes y encontrar citas específicas que queremos destacar en nuestros hallazgos.
También existe el caso de uso de mantener registros. A veces, quieres volver a tus entrevistas antiguas y analizar las respuestas de los usuarios desde una perspectiva diferente.
Sin embargo, el problema con las grabaciones de audio/video es que son lentas de consumir y difíciles de navegar.
Por esta razón, te recomiendo usar una herramienta de transcripción y resumen (también puedes usar IA en la investigación de usuarios para ayudar con esto).
Las transcripciones son textos que se pueden desplazar y buscar. Si hay una parte específica de una entrevista que quieres encontrar, simplemente presiona Comando-F y búscala. Además de buscar dentro de la entrevista específica, muchas herramientas también te permiten hacer consultas en todas las entrevistas que has realizado.
Los resúmenes son el siguiente paso en la evolución. Puedes pedirle al modelo LLM de IA (generalmente integrado en la herramienta de transcripción) que construya para ti un resumen de los hallazgos más importantes.
De esta manera, también ahorrarás mucho tiempo en el análisis de tus transcripciones. Dado el contexto adecuado, los LLM modernos (especialmente GPT-4) son bastante buenos analizando la entrevista por ti.
En cuanto a las herramientas, actualmente estoy usando Krisp porque lidero su producto de Transcripción y Resumen. Pero también recomiendo probar Dovetail, Otter.ai, Fireflies.ai y otros más. Alternativamente, puedes considerar el software más científico y profundo de análisis cualitativo de datos, como Atlas.ti, Nvivo, Maxqda, entre otros.
Agrupar el Contenido de las Transcripciones de Entrevistas por Hipótesis
Muchas herramientas de gestión de entrevistas te permiten resaltar ciertas partes de la transcripción y etiquetarlas. Este tipo de funcionalidad fantástica te permite organizar las entrevistas con clientes (así como tus estudios de caso, notas y otros proyectos de investigación) según:
- El tema general (por ejemplo, descubrimiento de monetización, características de activación, etc.)
- Características de la persona (por ejemplo, geografía, profesión, etc.)
- Tipo de usuario en términos de participación (por ejemplo, usuarios inactivos, usuarios avanzados, etc.)
Pero, probablemente la aplicación más valiosa de esta funcionalidad es resaltar las respuestas de los usuarios y etiquetarlas según la hipótesis que pueden validar.
Lo que normalmente haces es transferir todas tus hipótesis activas a tu herramienta de entrevistas de usuario en forma de etiquetas y comenzar a etiquetar las partes relevantes de tus entrevistas. Cuando haces clic en una de estas etiquetas, verás una compilación de todas las citas relevantes de todas tus entrevistas.
Así es como se ve en Dovetail:
Como puedes ver, es bastante útil: puedes ver de un vistazo todo lo relacionado con esa hipótesis en una sola pantalla y tomar una decisión rápida al respecto.
Ahora que sabemos cómo organizar los datos de entrevistas con usuarios, pasemos a cómo puedes analizarlos.
Cómo Interpretar Entrevistas con Usuarios
Generalmente evito hablar de teoría, pero este es uno de los pocos casos en que aprender el enfoque científico-teórico aporta valor (y es aplicable a escenarios reales). Así que repasemos los tres métodos clásicos de análisis cualitativo de datos. Considera cómo podrías usar IA en el análisis de datos junto con estos métodos.
Análisis Narrativo
Este tipo de análisis es el método más poco estructurado y cualitativo entre todos. Se centra puramente en las historias de los usuarios e intenta descubrir ideas interesantes según cómo se sienten acerca de tu producto y cómo lo perciben.
A diferencia de otros tipos de análisis, lo que importa son las emociones de tus usuarios y la manera en que ven tu producto en su día a día.
Usemos Slack como ejemplo.
Imagina que eras uno de los primeros gestores de producto en Slack y querías revolucionar la manera en que las personas se comunican en el trabajo. Sabes que la gente usa principalmente el correo electrónico como su canal principal, y quieres brindarles algo que se parezca más a las plataformas de redes sociales (es decir, publicaciones con comentarios).
Al realizar un análisis narrativo, podrías pedir a las personas que describan su comunicación diaria por correo electrónico, escuchar sus quejas y obtener una comprensión general de cómo sienten este aspecto de su día.
Luego, harías las mismas preguntas de investigación sobre su experiencia con los formatos de publicaciones en redes sociales, observarías su respuesta emocional y entenderías el viaje típico del usuario al crear publicaciones y comentar en ellas.
Utilizando todos estos conocimientos (y aplicando el razonamiento deductivo), entonces puedes crear tu persona de usuario con sus objetivos y desafíos. Además, también podrás visualizar los diferentes recorridos y hábitos de usuario que necesitas considerar al construir tu producto.
Análisis Temático
A diferencia del análisis narrativo, este es un poco más “cuantitativo” y te permite aportar algo de estructura a tus hallazgos. El análisis temático consiste en leer las transcripciones de tus entrevistas e identificar diferentes temas que se repiten en varias entrevistas.
Volviendo al ejemplo de Slack...
Al analizar las respuestas de tus entrevistados, pronto podrías notar que muchos de ellos se quejan de la inconveniencia de gestionar los “permisos de visualización” (quién puede ver tu mensaje y quién no) en una típica cadena larga de correos electrónicos.
¡Genial, ahora has identificado un tema común (y una posible propuesta de valor única para tu función de 'permisos de canal')!
También podrías identificar otra queja recurrente: la incomodidad de leer mensajes anteriores en una cadena de correos electrónicos. ¡Voilà! Otro tema común y otra oportunidad para destacar con tu próxima funcionalidad.
La función de etiquetas que mencioné hace un momento es una excelente herramienta para realizar análisis temático. Cada vez que veas algo interesante en la transcripción de la entrevista, puedes resaltarlo y agregarle una etiqueta de 'tema'. Después, puedes abrir la página de la etiqueta 'tema' y ver todas las citas relacionadas con ella.
Análisis de Contenido
El análisis de contenido de las entrevistas es la metodología de investigación más estructurada y cuantitativa entre estas tres. En este caso, tu objetivo es hacer que tus hallazgos sean medibles.
Por ejemplo...
Si ya has identificado un tema (es decir, la inconveniencia de gestionar permisos en una cadena de correos electrónicos) en tus entrevistas, podrías intentar calcular el porcentaje de personas que consideran que esto es muy incómodo y compararlo con el porcentaje de personas a quienes realmente no les molesta.
Cuantificando tus datos, podrás entender la importancia de tus descubrimientos. Si solo el 20% de los entrevistados piensa que los permisos de visualización en cadenas de correo electrónico son un problema, entonces la propuesta de valor de tu función de permisos de canal sería débil.
Esto, por supuesto, es bastante útil. Pero, en mi experiencia, la aplicación más valiosa del análisis de contenido es validar (o invalidar) tus hipótesis.
Con el análisis de contenido, utilizas la misma técnica que en el análisis temático. Pero, en este caso, mides el porcentaje de respuestas que validan tu hipótesis. Imagina que estás desarrollando una app de transcripción (igual que Dovetail) con la siguiente hipótesis:
Creo que reducir el tiempo de procesamiento de las transcripciones de 10 minutos a 10 segundos aumentará drásticamente la visualización de las transcripciones
Ahora, imagina que analizas tus respuestas de entrevista y descubres que el 80% de las personas dice que tiene entrevistas una tras otra y normalmente lee las transcripciones al final de la jornada laboral.
Esto significa que tu hipótesis es inválida y no deberías perder tiempo ni recursos optimizando tu motor de procesamiento.
Método de Análisis Extra: La Teoría Fundamentada
El método científico tradicional (que es ampliamente utilizado en la gestión de productos) comienza con la formulación de hipótesis y luego su validación mediante evidencia empírica.
Pero el problema es que no siempre puedes formular estas hipótesis. A veces, especialmente cuando estás en la fase temprana de ideación de tu startup, no sabes nada sobre tu mercado ni tus usuarios. Así que no hay manera de que puedas redactar hipótesis significativas.
Es aquí donde entra la teoría fundamentada para ayudarte.
En lugar de crear hipótesis y luego validarlas con datos, el proceso de investigación aquí te guía a analizar los datos primero y luego crear hipótesis en base a los conocimientos que encuentres en tus datos.
Para una startup en fase temprana, esto significaría empezar a entrevistar usuarios sin hipótesis, y entender sus necesidades y recorridos. Solo cuando tengas una comprensión básica de lo que quieren, puedes comenzar a formular tus hipótesis.
Cómo Actuar Según Tu Investigación Cualitativa
Tus entrevistas a usuarios no tienen sentido (y tus decisiones están llenas de sesgo de investigación) si no eres capaz de extraer algo accionable de ellas. En esta sección, revisemos los pasos básicos para actuar según tus aprendizajes y veamos cómo puedes aplicarlos en la vida real. También puedes utilizar la IA en la investigación UX de forma complementaria a estos pasos.
Paso 1: Valida o Invalida Tus Hipótesis
A menos que utilices la teoría fundamentada, cada entrevista de usuario debe tener como objetivo validar una o más hipótesis. Así es como puedes validar tus hipótesis:
- Utiliza las funciones de etiquetado y anotación de tu herramienta de entrevistas para recopilar todas las ideas necesarias relacionadas con esa hipótesis en una sola pantalla.
- Invita a tu equipo de producto (incluyendo diseñadores UX y partes interesadas) y evalúa estos hallazgos.
- Decide si consideras que esa hipótesis está validada o no.
A veces, el conjunto de datos que tienes puede no ser suficiente para obtener una respuesta concluyente a tu pregunta. En ese caso, simplemente realiza más entrevistas hasta que recopiles suficientes datos.
Paso 2: Actúa Sobre las Hipótesis Inválidas
Si tus hallazgos de entrevistas invalidan una hipótesis (lo cual es más común que validarla), entonces puedes actuar de dos maneras posibles:
- Revisa tu hipótesis: Quizás parte de la hipótesis era válida y solo necesitas crear una nueva hipótesis modificada basada en la anterior.
Por ejemplo, supongamos que asumiste que las personas preferirían gestionar los permisos para cada publicación individual en Slack. Los datos de las entrevistas muestran que las personas sí quieren permisos, pero no deben ser a nivel de publicación. En este caso, cambias tu hipótesis a esto:
Creemos que las personas preferirán gestionar los permisos a nivel de canal
- Considera que está invalidada y descártala: Si no ves ninguna revisión viable para tu hipótesis, simplemente descártala y empieza a formular nuevas.
Paso 3: Transforma Hipótesis Validadas en Soluciones de Producto
Si logras validar tu hipótesis, entonces puedes empezar a trabajar en una solución de producto para ella.
Lo sé, es obvio, pero la mayoría de nosotros terminamos postergando y eventualmente olvidando estas oportunidades. Así que, para evitar esta pérdida de valor, sugiero organizar talleres regulares de ideación de producto y aprovechar los frameworks de diseño para desarrollar e iterar tus soluciones.
Los principales responsables en esta reunión son tus diseñadores de producto (o ingenieros si la solución implica un proceso de codificación complejo). Normalmente puedes iniciar estos talleres presentando diapositivas o un tablero colaborativo que contenga los insights que has recopilado relacionados con esa hipótesis.
(Por cierto, las herramientas de entrevistas tienen esta función, así que no te molestes con PowerPoint y usa estas funciones en su lugar).
Luego, comienzas a idear diferentes funcionalidades y propuestas de diseño que cubran el caso de la hipótesis. Finalmente, puedes utilizar cualquier herramienta de priorización para identificar las funcionalidades más valiosas de la lista y marcarlas como “listas para el backlog”.
Paso 4: Añade las Soluciones de Producto a tu Hoja de Ruta
Bien, este paso es obvio. Tan pronto como tu equipo de UX tenga los diseños y termines tus requisitos para la solución, agrégala al backlog y dales prioridad.
¡El Análisis de Datos Cualitativos es tu Superpoder de Producto!
Los Product Managers son la voz de sus usuarios en cada empresa. Gracias al conocimiento profundo de las necesidades y problemas de nuestros usuarios, las opiniones de los Product Managers tienen un peso significativo y la gente tiende a estar de acuerdo con nosotros. (¡O, al menos, deberían!)
Los PM pueden lograr esto con rigurosos procesos de recopilación y análisis de datos cuantitativos. Pero, las entrevistas a usuarios tienen una gran ventaja. Durante las reuniones con tu equipo directivo, tus opiniones se vuelven irrefutables en el momento en que citas a tus usuarios.
Así que, ¡asegúrate de tener todos tus datos de entrevista bien organizados y muy bien analizados!
No olvides suscribirte a nuestro boletín para más recursos y guías de gestión de producto, además de los últimos podcasts, entrevistas y otras ideas de líderes y expertos de la industria.
