Entender y medir un comportamiento puede parecer sencillo, hasta que te preguntas ¿a qué le llamo “comportamiento”?
El día que «comportamiento» dejó de ser una palabra simple
La primera vez que me enfrenté a esa palabra fue para «clonar» el comportamiento de un humano en un robot móvil, para que aprendiera a navegar en un espacio. No tenía idea de cómo hacerlo.
El comportamiento que quería clonar estaba definido por registros de sensores de sonar y láser, capturados mientras un humano guiaba al robot en una tarea de navegación: ir del punto A al punto B esquivando obstáculos en el trayecto. El robot debía aprender ese comportamiento. Las trazas obtenidas eran la entrada de un algoritmo de aprendizaje automático, cuya salida era un controlador que «clonaba» el comportamiento del humano.
Sonaba razonable en el papel. En la práctica no era tan simple y ese fue mi primer contacto con una pregunta que después me acompañaría en cada proyecto: ¿a qué le llamamos comportamiento, y cómo lo convertimos en algo medible?
¿Por qué esta pregunta no es solo para robots?
El análisis del comportamiento está en el núcleo de distintas áreas: educación, recursos humanos, experiencia de usuario, consumo. Si trabajas en producto, análisis o negocio, probablemente ya la enfrentas todos los días, aunque no la llames así, cada vez que intentas entender por qué un usuario hizo (o no hizo) algo.
Cada área tiene su propio conjunto de métricas y variables para describir el comportamiento, dependiendo del objetivo y de las señales disponibles. Y ahí aparece el primer obstáculo: no hay una receta única para medirlo. Necesitamos traducirlo en eventos observables y registrables.
En algunas áreas esto es relativamente directo. En robótica móvil o en una plataforma digital hay muchas acciones que se registran sin mucho esfuerzo: girar, avanzar, hacer clic, abrir una pantalla, enviar una respuesta. En áreas como la psicología, el reto es mayor: motivación, ansiedad, intención o frustración no son directamente observables.
Para analizar un comportamiento, la lógica del proceso es siempre el mismo:
- Entender qué queremos medir.
- Identificar los eventos observables y medibles con los que contamos, o que podemos construir.
- Interpretar esas señales dentro de su contexto.
Este último paso es el que más se subestima.
¿Por qué el contexto lo cambia todo?
Una misma acción puede tener distintos significados. Por ejemplo, una persona puede abrir cinco veces el mismo material educativo porque:
- está interesada
- no comprendió el contenido
- la interrumpieron
- no encuentra una sección
- la plataforma no guardó su avance
Se dice rápido, pero construir un mapa de señales puede ser complicado. Hay casos en los que no contamos con las señales que necesitaríamos, o tenemos restricciones: en una plataforma digital, es frecuente que haya elementos de la interfaz sin trackear.
De vuelta al robot: el mapa de señales en acción
Esa misma limitación la viví con los sensores del robot: los sonares eran imprecisos, el láser no detectaba vidrio y su rango era limitado, así que no podía ver objetos en ciertas posiciones. El mapa de señales nunca fue perfecto — y aun así, fue suficiente para clonar el comportamiento que buscábamos.
El mismo principio, distintos escenarios
Ya sea un robot navegando un pasillo o un usuario navegando tu producto, el principio es el mismo: describir un comportamiento requiere una tarea objetivo y un mapa de señales observables y medibles, aunque ese mapa nunca esté completo.
Antes de interpretar tus métricas, detente a definir el comportamiento que realmente quieres comprender. Después, identifica qué señales puedes observar, cuáles te faltan y qué contexto necesitas para evitar conclusiones apresuradas.
¿Qué comportamiento estás tratando de entender y qué señales tienes realmente para describirlo?
