Leyes de UX para la Conversión y el Análisis

El objetivo de esta guía es recoger y añadir todos los principios de conversión (incluimos usabilidad y persuasión), además de los propios sesgos que tenemos nosotros a la hora de analizar. La forma en la que el usuario interactúa con nuestro producto, además de las conclusiones que extraemos nosotros de ello son las bases sobre las que cimentar un proceso de conversión. Además, ser conscientes que el usuario se comporta de un cierto modo aunque no lo sepa con ciertas tendencias intrínsecas a su naturaleza (como nosotros a la nuestra) nos permite aprovecharlo para favorecer la fluencia cognitiva del usuario y no engañarnos a nosotros mismos:

leyes de ux

1. Ley de Hick o ley de hick-Hyman

• Definición: El tiempo y el esfuerzo que los usuarios necesitan para decidir está directamente influenciado por el número de opciones que se les presentan. Este es el enforque de una de las principales leyes de UX.   Es decir que cuantas más opciones tenga un usuario, mayor esfuerzo le implicará de decidir. La forma en la que tenemos que entender la Ley de Hick.es considerando la siguiente pregunta: ¿Qué es lo que realmente quiero que haga el usuario? No vale el argumento, «se lo muestro por si le interesa», ese tipo de argumentario es el que terminar haciendo que la web sea «pesada» en términos de esfuerzo.

Si pensamos en el ejemplo de Yahoo vs Google en su momento, ¿qué es lo que realmente un usuario quería hacer? Encontrar la información a sus dudas. Y la mejor forma de hacerlo es simplemente preguntándole, no mostrándole 800k opciones para que elija: (fuente: flickr.com)

2. Carga cognitiva de la tarea

• Definición: Total de recursos mentales necesarios para completar una tarea

No es un principio como tal, pero sí está muy ligado a la ley Hick-Hyman expuesta arriba pues no solo es la cantidad de opciones las que dificultan la realización de una tarea, sino la cantidad de recursos mentales que debe emplear el usuario para lograrlo. Contrariamente a lo que se piensa, hacer las cosas sencillas requiere mucho más trabajo que hacerlas complejas, en palabras de Steve Jobs: «Tienes que trabajar duro para limpiar tu pensamiento para hacerlo simple. Pero al final vale la pena porque una vez que llegas allí, puedes mover montañas.»

3. Efecto del uso estético

• Definición: Es la tendencia de percibir algo como más usable o con mejor usabilidad por ser más atractivo/bonito/estético.

La lógica que que hay detrás de este principio es que cuánto más bonito es algo mejor funcionará, y por ello reafirmamos lo que ya sabemos, que el diseño no está desacoplado de la usabilidad, y que en ningún caso lo estético es a coste de que el usuario sea incapaz de encontrar lo que busca (servicio, producto, etc.). Por último, es interesante destacar que a la hora de conducir tests de usabilidad es importante analizar cuán fácil o difícil es realizar una tarea, no que opinión o qué buenas palabras tiene resp Así que cuando pensemos en algo bonito, podemos suponer que indirectamente estamos pensandoHacer algo bonito, no es simplemente para Para leer más: Emotional Design de Donald Norman (libro aquí)

4. Sesgo por anclaje (anchoring bias)

• Definición: La primera pieza de información recibida afecta a las juicios posteriores.

Este anclaje nos sirve para aumentar el valor percibido de una cosa. Un claro ejemplo lo tenemos en el caso de Mailchimp que muestra el precio más caro primero: Para nosotros es habitual «esperar» el precio más económico a la izquierda de modo que tener el precio más caro allí nos sirve de anclaje para ir a los planes que más le interesan a Mailchimp el Standard y el Essentials. Otro ejemplo lo tenemos cuando se empieza a filtrar el precio de un nuevo gadget de Apple (i.e. el nuevo iPhone saldrá a la venta por 1500€) y todo el mundo empieza a debatir sobre lo caro que es ese producto, cómo lo pueden poner a ese precio, etc. para terminar sacando el gadget a 995€ y entonces claro, ES UN OFERTÓN pues el precio ha disminuido (de forma mental en 505€ o un 33%).

5. Efecto dotación (endowment effect)

• Definición: Los usuarios valoran más las cosas que sienten como suyas.

Muchos estudios demuestran que a la hora de valorar una cosa si sientes que esta es de tu propiedad: (fuente: thedecisionlab.com) En nuestro ámbito de trabajo, debemos entender que si un usuario siente algo cómo suyo le será más difícil desprenderse o dejar de pagar por ello, por eso potenciar ese sentimiento de prioridad es importante via opciones freemium para que tengan su propia cuenta, regalándoles parte del servicio, etc: (fuente: ventureharbour.com) A nivel de copies, usar términos que ayuden a potenciar este efecto nos ayudará (i.e. «Mis proyectos», etc.) Puedes leer más: aqui.

6. Efecto de Barnum (o efecto Forer)

• Definición: Aceptación como exactas, declaraciones vagas y genéricas sobre nuestra personalidad que podrían ser aplicadas a también a otras personas.

¿Alguna vez te han leído las cartas o has leído tu horóscopo y has pensado «Wow, ha acertado mucho»? A continuación, veréis el ejemplo del test de personalidad que Psicólogo Bertram R. Forer les entregó a sus alumnos: ¿Te sentiste identificado? Seguro que sí, el 87% de sus alumnos lo puntuaron como «muy acertado». Este efecto puede ser usado aprovechado de muchas maneras en las primeras etapas de un embudo de conversión para atacar a un espectro de usuario mucho más amplio, usar elementos cómo «Sólo para ti», etc. Sin olvidar nunca que al final la personalización es la mejor forma de conversión.

7. Ley de proximidad

• Definición: Los objetos que están cerca o próximos entre sí se les considera relacionados.

La proximidad ayuda a tu cerebro a establecer relación de cercanía como vemos en la siguiente imagen: En ella vemos cómo el bloque de la izquierda de 4×4 bolas es entendido como tal, como 1 solo bloque. mientras que en el caso de la derecha lo sentimos como si fueran 2 bloques diferentes (1 de 3×4 y otro de 1×4). El valor de esta ley es que podemos agrupar la información de forma visual permitiendo que el usuario pueda entender y organizar la información de una forma más eficiente. Del mismo modo, podemos entender que nexos de conexión hace el usuario si cierta información se entiende como bloque cuando no debería ser así. Por último, vemos un ejemplo web de proximidad: (fuente: webdesignerdepot.com)

8. Ley de prueba social (efecto Bandwagon)

• Definición: Los usuarios suelen adaptar su comportamiento en función de lo que los otros hacen.

Esta ley es sobradamente conocida, aunque no todo el mundo la aprovecha de la forma correcta. Sabemos que detrás de la búsqueda de la prueba social está el evitar el dolor de equivocarnos, para nosotros es mucho más importante no sentir dolor (elegir mal) que la propia ganancia. Por eso preferimos «perder con todos» que «ganar solos», lo que sin duda no queremos es «perder solos», es decir ser los únicos que cometimos ese error. Entre las grandes marcas, se difiere/adapta la forma de explotarlo que va desde ejemplos cómo Amazon mostrando el producto más vendido:

A planes de suscripción mensual: A refuerzos de cuanta gente está lo usando: Sin duda, la prueba social, bien implementada, en el lugar adecuado y sin abusar genera mucha más confianza que no incluirlo.

9. Ley del extremo-final (o Peak-End rule)

• Definición: Los usuarios miden la calidad de una experiencia por cómo se sintieron en el pico (cuando las emociones eran más intensas) o al final del evento.

No podemos pensar que los usuarios (y nosotros) medimos las experiencias en su término medio, es decir «¿cómo me sentí en general comprando?», más bien es «¿Qué es lo peor que me pasó comprando en esa página», «¿Que es lo que más me sorprendió/me gustó? Ah sí! al terminar de comprar, me regalaron 1 bote extra de gel hidroalcohólico». Teniendo esto en mente hay que tener en cuenta 3 cosas:

• Evita cualquier situación en el customer journey que sea tan negativa para el usuario cómo para que quedar guardada en su memoria
• Identifica los momentos en los que tu producto aporte más valor y céntrate en mejorarlos.
• Termina el customer journey de una forma «inmejorable» es decir dejando una gran impronta en el usuario.

A continuación un ejemplo de una compra que realicé durante el covid-19. Al terminar recibí este email: Además, destaco la idoneidad del regalo, había comprado mascarillas FPP2 y su regalo era un gel hidroalcohólico, «¡Wow! Me vendrá genial».

Sesgos de Análisis:

1. Sesgo de supervivencia (survivorship bias)

• Definición: Tendencia a distorsionar el conjunto de datos centrándonos únicamente en los éxitos e ignorando los fracasos.

Un ejemplo mundano sería cuando alguien dijera algo así como: «A pesar de lo que digan las noticias, viajar a este país es muy seguro, tanto yo como otras personas han viajado allí sin problemas«, el problema de esta sentencia radica en el hecho que solo estás valorando las opciones que han sobrevivido, ¿y si realmente la probabilidad de volver sano fueran del 0,01%? En ese caso, seguirías argumentando lo mismo porque solo conoces lo que sobrevive. Es intrínseco al ser humano, pero hacemos nuestro análisis dado solo las opciones que se nos muestran y no todas las existentes, este tipo de sesgo lo podemos llegar a sufrir este tipo de sesgo cuando analizamos qué es lo que hace la competencia pues analizamos la competencia de éxito y no la evaluamos con toda la existente.  Otro  típico ejemplo «Los 20 hábitos de la gente de éxito» entre los que incluye levantarse a las 5am. Que 20 personas de éxito no lo haga, no implica que el resto de «personas de no-éxito», no lo hagan. Lo mejor que podemos hacer para minimizar este sesgo es conseguir múltiples fuentes de información (cualitativa y cuantitiva), hacer análisis de brainstorming para extraer otros posibles escenarios que el que estamos analizando y realizar estudios y tests que nos arrojen información y datos que desconocíamos.

2. Sesgo de no ergodicidad (non-ergodicity bias)

• Definición: Problema que sucede cuando analizamos algo en un periodo de tiempo suficientemente corto tal como para que la volatilidad y la aleatoriedad nos lleven a conclusiones erróneas.

Aunque este sesgo no impacta directamente sobre usuario, sí en nuestra capacidad de analizar los datos. Muchas veces el problema que ocurre a la hora de analizar unos datos es que si lo hacemos en un periodo de tiempo relativamente corto, podemos no observar ningún tipo de patrón y llegar a pensar que por ejemplo no crece. Sin embargo, lo que estamos observando es la mayor volatilidad y aleatoridad que genera la escala; mientras que si lo miras en una mayor escala de tiempo mayor, donde la aleatoriedad que más suavizada un patrón:

3. Efecto Yule-Simpson

• Definición: Se da cuando la tendencia que vemos en un conjunto de datos agregados (i.e. en un test) desaparece o se invierte cuando dichos datos se presentan de forma aislada.

Podemos encontrar este tipo de efecto si estamos realizamos test A/B y en el resultado global no se aprecia una gran mejora, pero cuando analizamos el resultado por separado vermos que (segmentos/genero/dispositivo/etc.) encontramos que hay alguno en que el resultado es muy notable. Un ejemplo parecido lo podríamos tener a la hora de analizar los datos en Google Analytics, supongamos elsiguiente caso donde vemos el ratio de conversión de España vs México: Si ahora analizamos los misma información pero desagregada por dispotivio nos encontramos con una situación muy diferente y es que quizá no deberíamos centrar nuestros esfuerzos en optimizar por país sino en mejorar la conversión en Desktop: En la lista mostrada, hemos explicado 12 principios y sesgos que pueden hacer que tu proyecto rinda mejor a la vez que alejarte de errores durante el análisis. La lista de principios de conversión y sesgos es muy extensa, solo en iSocialWeb consideramos alrededor de 150. Por ello, conocer bien tu proyecto, pero a la vez entender toda la psicología detrás de una compra o lead es fundamental para maximizar el valor de nuestros proyectos.