5 formas de eliminar los riesgos de las decisiones de diseño con datos

Si tuviera que clasificar cada parte del proceso de desarrollo de productos por riesgo y recompensa, el diseño sería uno de los activos de mayor riesgo y mayor recompensa.

¿Por qué el diseño es un activo de alto riesgo?

Es posible que los clientes no siempre noten errores ocultos en los rincones más oscuros del producto. No tienen idea de los análisis detrás de su comportamiento o la cantidad de tareas de Jira que los ingenieros completaron en un sprint.
Sin embargo, lo que sí notan los clientes es cómo se ve el producto y si su interfaz es clara para ellos.

A medida que más clientes ingresan al producto, cada decisión de diseño siguiente se convierte en una táctica más arriesgada.

Si la intuición del diseñador sobre la "próxima opción correcta" para el producto vale la pena, las métricas del producto se disparan y el equipo se regocija con los comentarios felices de los clientes.

Sin embargo, si la "decisión correcta" en realidad resulta ser incorrecta, las pérdidas están a la vuelta de la esquina. Los esfuerzos de desarrollo no dan los resultados esperados. La cuota de mercado de los competidores aumenta. Los equipos de productos se sienten desmotivados.
Las decisiones de diseño incorrectas pueden costarle mucho a su producto y dejarlo muy por detrás de sus competidores.

Por ejemplo, después de que Duolingo actualizó su interfaz de usuario Path, algunos de sus ávidos estudiantes incluso iniciaron una petición pública para revertir los cambios, tanto que no les gustó.

¿Cómo minimizar el riesgo de tomar una decisión de diseño equivocada?

Probablemente, la confianza es lo que necesita un tomador de decisiones de producto para poder dormir bien por la noche. Creo que los datos, ya sean cuantitativos o cualitativos, son algo que puede brindar esa confianza y ayudar a eliminar el riesgo de la decisión.

Según el tipo de datos utilizados y la etapa de publicación cuando se valida el diseño, tracé los métodos para eliminar los riesgos de las decisiones de diseño de la siguiente manera:

Validación del diseño antes
del lanzamiento Cuando hay mucho en juego, siempre es mejor validar las decisiones antes de tomarlas. En términos de desarrollo de productos, retrasar los cambios de diseño antes de que los usuarios los vieran todavía parece seguro. En esta etapa, las siguientes técnicas de validación pueden ser útiles:

1. Dimensionamiento del grupo de clientes potencialmente afectado

El nuevo diseño tiene como objetivo mejorar la experiencia de agregar amigos para los clientes y lleva un par de semanas implementarlo. Solo piense, ¿cuál sería el impacto del cambio en las métricas clave del producto en comparación con los recursos gastados en implementarlo?

Sin embargo, ¿qué pasa si ese 2% de los clientes son los únicos clientes que pagan y solicitan que sea más fácil agregar amigos? Entonces resolver este problema puede ser de importancia crítica. Aquí viene la gravedad del problema.

2. Comprender la gravedad del problema

Una forma de medir la prioridad de la característica es comprender si es fundamental que los clientes la arreglen o no. Puede echar un vistazo a los comentarios cualitativos de las siguientes fuentes:

• entrevistas de investigación de usuarios
  ¿Los clientes se quejan del problema durante una entrevista o estudio de investigación?
• tickets
  de atención al cliente ¿El equipo de atención al cliente informa un aumento en el volumen de tickets en la función?
• Comentarios de NPS y formularios de comentarios integrados en el producto
  ¿Los comentarios de los clientes están repletos de solicitudes para corregir la característica?
  ¿Los detractores de NPS mencionan el problema en sus comentarios?

Ahora que sabemos cómo eliminar los riesgos del diseño antes de mostrárselo a los clientes, echemos un vistazo a cómo validarlo después de que los clientes lo hayan visto.

Validación del diseño después del lanzamiento
En un entorno tecnológico, la velocidad lo es todo. Especialmente en las empresas emergentes, la toma de decisiones es muy rápida y los plazos antes de los lanzamientos son ajustados. Esto hace que la validación del diseño antes de su lanzamiento sea casi imposible. Sin embargo, el CEO todavía quiere saber cómo afecta a los clientes.
En ese caso, la recopilación de datos cuantitativos podría ayudar más.

Clasifiquemos las formas según su precisión en la medición del impacto en los clientes:

1. Pruebas A/B (en mi humilde opinión, uno de los mejores métodos)
   La comparación de grupos de clientes con y sin el cambio en igualdad de condiciones brindará la información más imparcial sobre el verdadero impacto de la característica.
2. Evaluación del impacto a lo largo del tiempo
   En caso de que los cambios de diseño hayan tenido un impacto real en el producto, es posible que observe una tendencia ascendente o descendente en las métricas principales del producto. Prefiero este método menos que las pruebas A/B porque las métricas también pueden verse afectadas por la estacionalidad, el tráfico u otros cambios de productos introducidos al mismo tiempo.

¡Eso es todo!

Recapitulemos rápidamente cómo reducir el riesgo de las decisiones de diseño con datos

• Validar las decisiones de diseño antes del lanzamiento es menos riesgoso. Comprender la proporción de clientes afectados por el diseño y comparar su impacto en los clientes con los esfuerzos de desarrollo podría ayudar a priorizar e incluso eliminar el alcance de la solución diseñada.
• Todavía es posible minimizar los riesgos de diseño después de que los clientes lo vean. Para esto, puede realizar pruebas A/B del cambio en una cierta cantidad de clientes, evaluar cómo afectó las métricas del producto y el comportamiento del cliente a lo largo del tiempo, o realizar un seguimiento de los cambios en los comentarios de los clientes.

Puedes encontrar más de estos en mi blog :

• El secreto de los gráficos potentes: cómo PayPal, TikTok y Airbnb visualizan sus datos
• Enganchados por el crecimiento: cómo las empresas informan mal las métricas de crecimiento y qué medir en su lugar
• Mapa de métricas de productos: qué es y cómo construirlo