\u00bfEn qu\u00e9 consiste la metodolog\u00eda data-driven?<\/h2>\n
Tanto si se trata de un redise\u00f1o como si hablamos de un proyecto de mejora continua la metodolog\u00eda que se aplica es muy similar y consta de las siguientes fases:<\/p>\n
![\"\"](\"https:\/\/dks.digital\/wp-content\/uploads\/2020\/09\/01-metodologia.png\")
<\/p>\n
Lo ideal es trabajar con un grupo de expertos cada uno en su campo tal y como sucede en las consultoras pero claro, el escenario ideal no siempre es alcanzable en primera instancia. \u00bfDebemos por ello renunciar a aplicar esta metodolog\u00eda? Claro que no. Tanto los Product owners como los Product designer deber\u00edan conocerlas y ponerlas en pr\u00e1ctica en sus organizaciones con el equipo que tengan a disposici\u00f3n. A veces es m\u00e1s una cuesti\u00f3n de filosof\u00eda de trabajo que de recursos.<\/p>\n
<\/h2>\n1. Definici\u00f3n<\/h2>\n
Esta frase viene muy al caso para ilustrar esta fase del proceso:<\/p>\n
![\"\"](\"https:\/\/dks.digital\/wp-content\/uploads\/2020\/09\/02-texto.png\")
<\/p>\n
En primer lugar, definiremos los objetivos de negocio<\/strong> del producto, imprescindibles para poder responder a dos preguntas b\u00e1sicas, \u00bfqu\u00e9 queremos conseguir?\u00bfcu\u00e1l va a ser nuestro KPI de \u00e9xito?<\/p>\n En segundo lugar, tendremos que ver si la experiencia de usuario del activo est\u00e1 siendo traqueada de alguna manera y, si es as\u00ed, cu\u00e1les son las herramientas para auditarlas. De esta primera auditor\u00eda saldr\u00e1n mejoras sobre la medici\u00f3n que tendremos que implementar.<\/p>\n En tercer lugar, y una vez que tengamos el control de los datos, monitorizaremos nuestro plan de medici\u00f3n con los objetivos que hemos definido. Esto nos servir\u00e1 para empezar a detectar hilos de los que tirar en nuestra investigaci\u00f3n.<\/p>\n \u00a0<\/strong><\/p>\n Es una de las fases m\u00e1s densas y bonitas de todo el proceso. La finalidad de la investigaci\u00f3n es extraer insights de mejora que alimenten nuestras hip\u00f3tesis<\/strong>. \u00bfC\u00f3mo lo haremos? Pues combinando m\u00faltiples fuentes de datos tanto cuantitativos como cualitativos con diferentes herramientas que nos permitan detectar qu\u00e9 tenemos que mejorar para conseguir los objetivos que nos hemos propuesto. Es importante tener siempre el foco en los objetivos para no perdernos en un sin fin de m\u00e9tricas y datos, as\u00ed como, para definir qu\u00e9 tipo de investigaci\u00f3n necesitamos hacer. Pero tambi\u00e9n para priorizar las hip\u00f3tesis de mejora que extraigamos en la siguiente fase.<\/p>\n \u00a0<\/strong><\/p>\n Una vez tengamos los hallazgos de la investigaci\u00f3n, generaremos las hip\u00f3tesis de mejora:<\/p>\n \u00a0 Dado este {{problema}} lo cual puede deberse a {{datos de usuarios}}, si modificamos este {{problema}} por esta {{alternativa}} obtendremos el siguiente {{resultado}}.\u00a0 <\/em><\/p>\n Documentamos todo el proceso y priorizamos nuestras hip\u00f3tesis. Una t\u00e9cnica muy sencilla es en base al par valor – esfuerzo que requiere la puesta en marcha de esa hip\u00f3tesis.<\/p>\n Con esto, ya podremos elaborar nuestro plan de optimizaci\u00f3n de producto<\/strong> en detalle y definir un backlog para empezar a trabajar.<\/p>\n \u00a0<\/strong><\/p>\n \u00a0<\/strong><\/p>\n Las hip\u00f3tesis son el germen de un experimento. A partir de ellas crearemos los wireframes y prototipos que queremos testar para obtener un determinado resultado. Es importante definir el margen de mejora que queremos para tambi\u00e9n saber si debemos o no iterar.<\/p>\n Una vez haya transcurrido el tiempo necesario para la ejecuci\u00f3n del test, veremos si tenemos o no variante ganadora y analizaremos los resultados en profundidad para que, en caso de que haya que iterar, tengamos una pista de por d\u00f3nde empezar a cambiar nuestro wireframe.<\/p>\n En esta fase pondremos en producci\u00f3n tanto las implementaciones directas, normalmente quick wins o fallos funcionales que sea necesario solventar, como las variantes ganadoras de los test. Eso s\u00ed, con su tracking correspondiente para asegurarnos siempre de que tendremos los datos que reflejan la interacci\u00f3n del usuario.<\/p>\n Una vez hayamos implementado las mejoras evaluaremos nuevamente nuestros objetivos para ver cu\u00e1n cerca o lejos estamos de ellos. Y vuelta a empezar.<\/p>\n Fundamentalmente una nueva forma de tomar las decisiones sobre dise\u00f1o, m\u00e1s basadas en el m\u00e9todo cient\u00edfico que en la visi\u00f3n de experto, pero sobre todo aporta un nuevo modelo mental que posiciona al usuario en el centro de la toma de decisiones. S\u00ed, digo el usuario porque el dato es importante en tanto y en cuanto refleja un comportamiento del usuario sobre el producto. No nos olvidemos de esto.<\/p>\n2. Investigaci\u00f3n<\/h2>\n
3. Roadmap<\/h2>\n
4. Experimentos y an\u00e1lisis<\/h2>\n
5. Implementaci\u00f3n<\/h2>\n
![\"\"](\"https:\/\/dks.digital\/wp-content\/uploads\/2020\/09\/03-implementacion.png\")
<\/p>\n\u00bfQu\u00e9 aporta la metodolog\u00eda data-driven a un perfil UX\/UI?<\/h2>\n