Diseño basado en datos (Data driven design)

Es un proceso basado en datos que se obtienen mediante herramientas de analítica (hotjar, Google Analitytics y Looker) que nos permiten mejorar el diseño basándonos en las estadísticas y así saber qué es lo que el usuario necesita y no lo que suponemos que necesita, ya que evaluamos la calidad del diseño basándonos en datos reales y en cómo es la interacción entre el usuario y el producto o servicio.

“Imagina un mundo en el que supiéramos el impacto que tendrá una experiencia antes de Implementarla”. 
Alastair Simpson, Design Leader Dropbox 
 
Esto no es tan imposible como parece, y la mayoría de las empresas de productos están construyendo experiencias de esta manera desde hace algunos años. Validando sus decisiones de diseño mediante datos fiables es algo habitual hoy en día.  
El diseño basado en datos busca la rapidez, la optimización en cada paso y dejar que los datos dirijan muchas de las decisiones de diseño. A menudo (pero no siempre) es posible obtener grandes porcentajes de mejora con pequeños ajustes, ya que las páginas tienen diseños similares y estandarizados. Cuantos más datos tengamos, mejores decisiones podremos tomar.

Y cuando se trata de productos y servicios digitales, los datos llegan tan rápido que no sabemos qué hacer con ellos, datos analíticos, datos de pruebas A/B (data-informed design) y encuestas de satisfacción del cliente, esto es esencial ya que al estar evaluando constantemente la calidad de la interacción con usuarios reales sabremos si lo que hemos lanzado al mercado tiene las funcionalidades que realmente necesita y si se utiliza como esperamos. El análisis constante de los datos también permite ver si hay algún tipo de fallo en el diseño y podremos visualizar esto con métricas a tiempo real, permitiendo mejorar propuestas y solucionar errores que desconocíamos que existían por ejemplo que el usuario se quede “estancado” en algún proceso debido a que le resulte confuso algún apartado del sitio o app. 

También es primordial tener información sobre los usuarios: ¿Quién es nuestra audiencia?, ¿Cuál es su rango de edad?, los tipos de dispositivos (web, Tablet, mobile) desde los cuales se reciben más visitas y las funcionalidades (comportamiento del usuario) que ya tienen aprendidas en el caso de un re-diseño, recordemos que siempre es más fácil recordar que re-aprender. 
Esto es importante por ejemplo si ya conocen la marca y tienen memorizado el color con el que se relaciona, siempre será más simple desarrollar un diseño acorde con el ecosistema digital ya existente.

Lo primero es realizar una Auditoria UX para saber cuáles son los puntos por mejorar y en caso de que no existan datos realizar un Tracking con ello conseguiremos: 
Métricas cuantitativas: La obtención de un volumen de datos objetivo nos ayuda a centrarnos más en los hechos reales que en lo que habíamos supuesto sucedería. 

• Behaviour Flow 
• Heat map 
• Analitycs 
• Trends & funnels 

Métricas cualitativas: Siempre es necesario estudiar al usuario y esto se consigue con los análisis cualitativos. El objetivo es entender cómo piensa el usuario y por qué. 

• Flow map 
• Recording 
• Test-Feedback 
• Focus groups 

En otras palabras, los métodos de diseño ya no deben considerarse complementos relativamente débiles de un proceso impulsado principalmente por la cognición humana y la interacción social, sino que tienen el potencial de convertirse en determinantes dominantes de los resultados del proceso. 

Rediseño

Diseño

Por tanto, es probable que la elección y adecuación de los métodos de análisis de datos empleados, así como el uso metodológicamente riguroso de las plataformas afecten en gran medida a la calidad de las soluciones generadas.