Un método consistente para convertir datos de comportamiento en resultados medibles.
Cómo construí un marco de optimización basado en evidencia que transformó el conocimiento del cliente en mejoras continuas de producto en varias marcas minoristas.
El enfoque, en breve
Los interesados proponían mejoras cada semana, y ninguna de las ideas estaba mal, ese era el problema: lo que faltaba era una forma compartida de decidir qué ideas merecían realmente la inversión antes de construirlas. En su lugar, construí un bucle repetible: la investigación producía evidencia, la evidencia producía una hipótesis, las hipótesis se convertían en prototipos, y los prototipos se convertían en experimentos medidos cuyos resultados alimentaban la siguiente hipótesis.
El reto nunca fue la falta de ideas. Era la confianza: una forma repetible de saber qué ideas merecían la inversión.
Mi papel, en breve
Construí y dirigí este marco de optimización basado en evidencia en Steinhoff Retail, convirtiendo el conocimiento del cliente en mejoras de producto continuas y medidas en varias marcas minoristas. Eso significaba ser dueño del bucle de principio a fin: investigación, hipótesis, prototipo, prueba, resultado, y construir el centro de investigación compartido que permitió que seis años de evidencia se acumularan en lugar de tener que redescubrirse cada vez.
Impacto, en breve
A lo largo de seis años, el marco produjo 120 iniciativas documentadas de investigación y optimización y 42+ experimentos nombrados y codificados individualmente con resultados divulgados, no victorias reportadas de forma selectiva. El Selector de muestras de Harveys logró +13.2% de conversión y +69.2% de interacción con un 84.2% de probabilidad de superar al control, con una previsión de retorno de £388,467 en seis meses; la Calculadora de Financiación generó +30.4% de conversión, +31% de transacciones y +14.1% más de solicitudes de financiación; y Comprar por tipo alcanzó el doble de la tasa de conversión media del sitio, generando el 14.53% de los ingresos del sitio en el periodo. Como cada resultado alimentaba la siguiente hipótesis, no fueron victorias aisladas sino un método acumulativo y repetible para decidir qué construir a continuación.
El problema nunca fue la falta de ideas.
Los interesados proponían mejoras cada semana. Producto quería una cosa. Marketing quería otra. Merchandising tenía su propia lista. Ninguno de ellos estaba equivocado. Ese era el problema. Cada idea sonaba razonable en una reunión.
Lo que no existía era una forma compartida de responder a cinco preguntas antes de construir cualquiera de ellas: ¿Qué problemas importan realmente? ¿Qué ideas merecen la inversión? ¿Qué oportunidades son comercialmente rentables? ¿Qué cambios deben priorizarse? ¿Qué suposiciones aún necesitan validarse?
Sin eso, la priorización se convertía en una negociación, no en una decisión.
El reto nunca fue la falta de ideas. Era la confianza: una forma repetible de saber qué ideas merecían la inversión.
Artefacto de evidencia: el backlog de hipótesis. Una cola densa y desordenada de propuestas en competencia, antes de que existiera un marco compartido para arbitrar entre ellas.
Un bucle, en marcha continua.
La investigación producía evidencia. La evidencia producía una hipótesis. Las hipótesis se convertían en prototipos. Los prototipos se convertían en experimentos. Los experimentos producían nueva evidencia, que alimentaba la siguiente hipótesis.
El experimento individual nunca fue lo importante. El bucle sí lo era.
No todas las ideas merecían la misma cantidad de evidencia antes de lanzarse. Algunas se resolvían rápido, se corregían y se publicaban, sin necesidad de una prueba formal. Otras conllevaban una incertidumbre real, y esas pasaban por el bucle completo: investigación, prototipo, prueba, resultado. El criterio estaba en saber distinguir cuál era cuál.
No todas las ideas necesitaban el mismo peso de evidencia. Las correcciones rápidas y las hipótesis probadas se trataron como dos categorías distintas desde el principio.
Cómo era realmente el bucle, una vez.
Los siguientes cinco momentos son un proyecto real, el Selector de muestras de Harveys, y encajan exactamente con el bucle anterior.
El plan, expuesto antes de construir nada.
Como vimos que los usuarios en la investigación moderada tenían dificultades para cambiar las opciones de color en la página de producto móvil de Harveys, esperábamos que reposicionar el selector mejorara la facilidad de navegación. Medimos esto usando la tasa de conversión y la interacción con las muestras, definidas antes de que se ejecutara la prueba, no elegidas después para favorecer el resultado.
El problema, encontrado en el laboratorio.
Las muestras de color estaban debajo de la imagen del producto, en un panel desplazable independiente. Cambiar el color no actualizaba visiblemente la imagen sin desplazarse. Los usuarios subían para comprobar que había funcionado, y luego bajaban de nuevo para seguir eligiendo. Una pequeña fricción, repetida constantemente, en la página con más peso comercial del sitio.
Resuelto de forma económica, antes de que se encareciera.
Un boceto, probado en papel con compañeros que no eran diseñadores. Luego un wireframe, que llevaba la misma estructura a un prototipo de pantalla rápido. Cada etapa costaba casi nada y descartaba las ideas que no habrían sobrevivido al contacto con un cliente real.
Solo una vez que la dirección era firme.
Diseño visual completo, validado una vez más mediante investigación guerrilla sobre un prototipo funcional, antes de escribir una sola línea de código de producción. Solo entonces, una prueba A/B formal: una división del tráfico 50/50 entre el control rediseñado y una variación más atrevida, realizada con clientes reales.
Reportado en su valor real y honesto.
+13.2% de aumento en la tasa de conversión. +69.2% de aumento en la interacción. Una probabilidad del 84.2% de superar al control, calculada mediante estadística bayesiana y reportada sin redondear al alza. Retorno previsto: £388,467 en seis meses.
La prueba no encontró el problema. Una persona, observando las manos de otra persona dudar, encontró el problema. La prueba nos dijo cuánto valía.
El aprendizaje no vino de la prueba. Vino de observar a alguien desplazarse por la pantalla.
No una vez. Repetidamente.
El Selector de muestras no fue un caso especial. Fue el mismo bucle, aplicado a un problema distinto, a lo largo de seis años y dos marcas.
Calculadora de Financiación
- Problema
- Los usuarios tenían dificultades para entender y usar la calculadora de financiación en las páginas de producto móviles.
- Evidencia
- La investigación moderada señaló confusión en un punto de interacción específico de la página de producto móvil.
- Enfoque
- Se reformateó la calculadora; se midió con tres métricas, no una: tasa de añadir a la cesta, tasa de conversión y tasa de solicitud de financiación.
- Resultado
- +30.4% de tasa de conversión, +31% de aumento en transacciones y +14.1% de aumento en el número de solicitudes de financiación
- Aprendizaje
- Medir tres resultados en lugar de uno evitó que una victoria estrecha ocultara un problema más amplio.
Optimización del Checkout
- Problema
- El embudo de checkout perdía el 18% de todo el tráfico en Datos de Pago, peor en móvil (22%) que en escritorio (13%).
- Evidencia
- Los tres métodos de pago se comportaban de forma muy distinta: el 67% de los usuarios elegía Financiación, pero PayPal, elegido por solo el 6%, tenía la mayor caída, con un 42%.
- Enfoque
- Las cifras del embudo eran solo una entrada. Se trianguló una evaluación heurística, un benchmarking de competidores, grabaciones de sesiones y service blueprinting antes de validar las mejoras mediante un programa de laboratorios y pruebas A/B en 2017–18.
- Resultado
- +27% de conversión en el checkout, medido en una prueba A/B de cuatro semanas antes del despliegue completo.
- Aprendizaje
- La analítica destacó los síntomas. La investigación reveló las causas. El checkout no era un problema: eran tres recorridos distintos con un solo nombre.
Búsqueda y Navegación
- Problema
- Los clientes recurrían constantemente a la búsqueda, pero esta estaba visualmente oculta en la cabecera, una fricción para las personas con la intención de compra más clara.
- Evidencia
- Al exponerla aumentaron las sesiones con búsqueda y la progresión hacia la página de producto, pero también se redujo el uso del buscador de tiendas y se suavizó la conversión entre quienes buscaban, una señal de que la variación también llegaba a usuarios con menor intención, no solo a más de los mismos.
- Enfoque
- Sin ninguna función nueva, sin cambio de texto: la propia barra de búsqueda no se tocó. Se hizo visible, y luego se midió en todo el embudo, no solo el uso de la búsqueda de forma aislada.
- Resultado
- +54% de aumento en sesiones con búsqueda · +51% de aumento en progresión hacia la página de producto
- Aprendizaje
- La mayor cifra individual de todo el programa surgió de hacer visible una herramienta ya existente, no de construir una nueva, aunque cambió quién la usaba, no solo cuántos.
Quiosco SleepPRO
- Problema
- El quiosco construido por el proveedor tenía demasiados pasos y poca señalización: las pruebas en tienda mostraron que los clientes no podían navegarlo sin ayuda.
- Evidencia
- Las sesiones moderadas en tienda con clientes reales revelaron exactamente dónde se quedaba atascada la gente, pantalla por pantalla.
- Enfoque
- Se bocetó un flujo más sencillo, se construyó un prototipo de pantalla rápido, se probó con compañeros que nunca lo habían visto antes, y se iteró.
- Resultado
- +25% de conversión en tienda · +60% de uso por parte de los clientes
- Aprendizaje
- La interfaz por defecto de un proveedor no es una limitación fija. Es solo otra interfaz, y responde al mismo proceso que cualquier cosa construida internamente.
Comprar por tipo
- Problema
- Los usuarios no podían encontrar rápidamente productos que coincidieran con sus necesidades clave.
- Evidencia
- Tanto la investigación como los datos de comportamiento apuntaban a la misma fricción: a la gente le costaba pasar de la página de inicio a la categoría de producto correcta.
- Enfoque
- Se añadieron botones de acceso rápido ‘Comprar por tipo’ a la página de inicio, enlazando directamente a la categoría de producto correcta.
- Resultado
- Tasa de conversión combinada del 0.45%, el doble de la media del sitio del 0.22%, generando el 14.53% de los ingresos del sitio en el periodo (£103,657 de £713,240)
- Aprendizaje
- Aunque ahora menos usuarios utilizan la navegación principal para la mayoría de los productos, más están llegando al producto que quieren, más rápido, a través de Comprar por tipo.
Nada de esto funcionó por instinto.
Cada hipótesis de este programa partió de la evidencia, no de la opinión. Laboratorios de usabilidad moderados, investigación guerrilla, entrevistas a clientes, observación en tienda, encuestas. Analítica de comportamiento, análisis de embudo, análisis de salida, segmentación por dispositivo, pruebas A/B y multivariantes.
Ninguna de las dos bastaba por sí sola. La analítica podía decirte dónde se iba la gente. Solo una sesión de laboratorio podía decirte por qué.
Comportamiento real de los encuestados, no el resumen de un diseñador: la distribución de métodos de pago que dio forma al rediseño del checkout.
Acto V: Lo que se acumula
Cada experimento se convirtió en algo que el siguiente podía aprovechar.
Una prueba que fallaba no se eliminaba. Se archivaba, por separado y de forma deliberada: su propia categoría, no mezclada con las victorias. A lo largo de seis años, esa disciplina construyó algo más grande que cualquier rediseño individual de página: un registro vivo de lo que ya se había probado, lo que ya se había aprendido, y lo que aún merecía la pena preguntar.
El programa no se limitó a mejorar el producto. Se volvió más rápido mejorando el producto, año tras año, porque cada vez había que redescubrir menos.
La evidencia no solo demostraba decisiones individuales. Hacía que cada decisión posterior fuera más rápida y estuviera mejor informada.
120 tarjetas · 13 listas · 177 archivos adjuntos. Incluyendo un archivo permanente y dedicado de pruebas perdedoras y no concluyentes: conservadas, no descartadas.
El trabajo que nunca tocó una pantalla.
La taxonomía de KPIs detrás de este programa no se limitaba al sitio web. Junto a la conversión online, cada iniciativa se etiquetaba también frente al soporte de televenta y la afluencia en tienda, evidencia de que el pensamiento aquí nunca se limitó a una ventana de navegador. Se esperaba que un cambio en una página de producto móvil se reflejara en las cifras de un call center y en la afluencia de una tienda, no solo en un informe de embudo.
El propio centro de investigación es un artefacto de liderazgo, no solo un archivo de investigación. Elegir construir una memoria organizativa compartida, estructurada y buscable (en lugar de dejar que seis años de investigación vivan en bandejas de entrada y presentaciones olvidadas) es en sí misma una decisión que solo toma alguien que piensa más allá de sus propios entregables.
Reflexión
Lo que realmente se acumuló.
La mayor lección no fue que un experimento mejorara la conversión. Fue que la toma de decisiones basada en evidencia se acumula: cada resultado afina la siguiente hipótesis, cada fallo se archiva en lugar de repetirse.
La investigación, el prototipado y la experimentación nunca fueron disciplinas separadas aquí. Eran el mismo instrumento, usado a distintas velocidades: un boceto reduce la incertidumbre al coste de una tarde; una prueba guerrilla, al coste de un día; una prueba A/B, al coste de una construcción.
Al construir un marco repetible, la optimización dejó de ser una secuencia de proyectos y se convirtió en una capacidad organizativa. Eso sigue siendo cierto en la forma en que trabajo ahora.
Ve la misma disciplina aplicada a un programa de discovery más largo y de mayor riesgo.