How do you use design research to identify user needs and innovation opportunities?

Tuve una experiencia con un software de señalización digital que se instalaba en los smartphones en las tiendas de retail tecnológico. Este software necesitaba activarse en una plataforma pero no podía ser con usuario y contraseña sino con un código. El problema es que todos los días enviaban cientos de casos al equipo de soporte técnico para resgistrarl los dispositivos. Para definir los objetivos de la investigación primero definí el objetivo general de la investigación: disminuir los casos de soporte por registro de dispostivos. Luego, definí objetivos secundarios para entender los diferentes usuarios internos y externos, las necesidades puntuales y sus limitaciones.

Entender el 'dolor' de los usuarios es crucial en la investigación de diseño. Me pregunto: ¿cómo aliviar a alguien cuyo 'pelo está en fuego'? Esto define mi objetivo de investigación: comprender no solo el problema, sino también el contexto y comportamiento del usuario, alineando esta información con nuestra visión de producto. Así, nos enfocamos en conectar con las necesidades de los usuarios y establecer un objetivo primario, definir un sistema de medición y asegurarnos de que contamos con metodologías rigurosas para obtener estos datos. Sin esto, es mejor replantear todo antes de dar el primer paso.

Sin importar si es un producto nuevo o no, siempre listo los mismos métodos y escojo los que más se acomoden al estado actual de conomiento o disponibilidad de la información; estos son los métodos: - Entrevistas a usuarios y expertos para conocer profundamente las necesidades y puntos débiles de los usuarios e información especializada sobre un problema, una población o sobre la tecnología. - Análisis competitivo o Bechmarking para tener una mejor comprensión de la competencia y las soluciones que existen. - Uso mucho la metodología "How Might We" para ampliar las posibilidades sin todavía dar ideas. - Al final hago un mapa de afinidad para clasificar la información por categorías.

En el amplio espectro de métodos de investigación, tengo una preferencia particular por las conversaciones espontáneas con los usuarios. Aunque sé que no siempre es el método más confiable, algo hay en esos diálogos de 40 minutos, tan libres y fluidos, que me resulta invaluable. Me gusta acercarme a estas charlas con una mezcla de curiosidad psicológica y la calidez de un amigo. No busco solo respuestas superficiales, sino entender en profundidad la raíz de sus experiencias y emociones. Este enfoque me permite descubrir aspectos que métodos más estructurados, como encuestas o experimentos, a menudo no revelan.

En este punto se pueden hacer varias cosas para tener una buena planificación: - Hacer un simulacro de cada metodología de trabajo con tu equipo más cercano para validar si todo lo que se necesita está articulado correctamente. - También es importante planificar metodologías intermedias para romper el hielo y relajar el espacio. - Si es una entrevista es vital planear las preguntas, una excelente guía es el libro "The Mom Test". - Para la selección de participantes hay que tener en cuenta a los usuarios extremos, es decir, los usuarios que ponen a nuestras hipótesis al límite pero creemos que no son los que más van a usar nuestros producto.

Cuando analizo los datos lo primero que hago es entender muy bien el contexto, primero exploro los datos y luego de entender ciertos patrones empiezo a articular mis conclusiones. Pero esto solo es el principio. Es muy importante definir quién es mi audiciencia, es decir, a quién le voy a presentar los resultados, qué mensaje les quiero transmitir, y cómo lo voy a hacer (quién-qué-cómo). Luego defino la voz y tono en que voy a contar los resultados y el mecanismo (presentaciones, un correo, o un informe).

El análisis de datos, para mí, es una fascinante combinación de ciencia y arte. Uno de los grandes retos es evitar caer en el sesgo personal; hay que estar abierto a estar equivocado y recibir con agrado las lecciones que la data nos ofrece. Para mantener la rigurosidad en este proceso, me gusta aplicar las metodologías de Data Science de IBM. Un error en esta etapa puede comprometer todo el esfuerzo previo. Personalmente, recomiendo involucrar a tres o más colaboradores en esta fase siempre que sea posible. Trabajar en equipo enriquece la interpretación de los datos, ya que diferentes perspectivas ayudan a crear narrativas más completas y marcos de referencia sólidos.