Cuando los datos no son el verdadero problema
Muchas veces, cuando los resultados nos parecen incongruentes con nuestras expectativas, empezamos a revisar con detalle los métodos, los algoritmos y el manejo de los datos. Sin embargo, es frecuente que esas incongruencias tengan su origen en la capa de la comunicación humana.
Y, en muchos casos, no es una equivocación de nadie. Cada persona puede estar interpretando el problema desde una perspectiva diferente.
Una palabra, múltiples interpretaciones
Hace un tiempo, teníamos como objetivo mejorar la activación de los usuarios. Había datos, dashboards de resultados y muchas reuniones, pero los equipos no lograban llegar a acuerdos.
Se suponía que la activación era una variable importante y se asumía que, para todos, era muy claro en qué consistía.
Pero cuando surgió la pregunta de qué significaba que un usuario estuviera “activado”, cada persona respondió algo distinto.
Para algunas personas, la activación consistía en completar el flujo de compra: elegir un producto, agregarlo al carrito y realizar el pago.
Para otras, bastaba con realizar una primera acción, como registrarse o guardar un artículo en favoritos.
También había quienes consideraban suficiente mostrar la intención de compra, por ejemplo, al agregar productos al carrito.
Las interpretaciones se traslapaban: una misma acción era, para algunos, una señal intermedia y, para otros, evidencia suficiente de activación.
El problema no estaba en el dashboard
En ese momento surgió el verdadero problema. Y no estaba en ninguna métrica, ni en ningún resultado ni en ningún dashboard.
El problema estaba en que intentábamos medir algo que aún no habíamos definido de forma conjunta.
En este caso, se había establecido que un usuario se consideraba activado al completar su primera compra. Sin embargo, esa definición no era conocida ni utilizada de manera consistente por todos los equipos. Las acciones previas, como registrarse, guardar productos o agregar artículos al carrito, evidenciaban interés, pero no generaban conversiones.
Resolver el problema exigió algo más que elegir una métrica. Primero acordamos a qué comportamiento llamaríamos activación. Después verificamos si esa señal realmente se relacionaba con el resultado esperado. Finalmente, dejamos la definición documentada para todo el equipo.
Y lo mejor fue que las reuniones sobre el tema disminuyeron, se volvieron efectivas y el trabajo empezó a fluir.
Cuando un concepto clave significa algo distinto para cada persona, podemos realizar análisis correctos y aun así llegar a decisiones incompatibles. Los datos no eliminan las diferencias de interpretación. Si la definición inicial es ambigua, el análisis puede reforzar esa ambigüedad en lugar de resolverla.
Tres preguntas antes de medir
Antes de pedir más datos o solicitar un nuevo dashboard, se recomienda acordar tres aspectos fundamentales:
- ¿Qué comportamiento queremos medir y en qué consiste?
- ¿Por qué ese comportamiento importa?
- ¿Qué decisión cambiaría con esa información?
Estas preguntas nos ayudan a convertir una idea general en una definición útil, observable y compartida.
Conclusión
Un dashboard no corrige una definición ambigua. Solamente la hace ver más profesional.
Antes de analizar, visualizar o automatizar una métrica, es necesario asegurarse de que todas las personas involucradas entiendan lo mismo por ella.