No puedes ver la satisfacción del cliente.
No se puede ver la usabilidad.
No hay un termómetro que mida directamente la inteligencia de alguien.
Si bien podemos hablar de clientes satisfechos, productos utilizables o personas inteligentes, no hay una forma directa de medir estos conceptos abstractos.
Y claramente estos conceptos varían. Todos hemos tenido experiencias que nos han dejado insatisfechos o, por el contrario, muy encantados. También hemos tenido nuestra parte de productos que eran frustrantes de usar, y otros que eran sorprendentemente fáciles de usar.
Si bien no podemos medir estas experiencias directamente, son estos conceptos ocultos y fluctuantes los que a menudo necesitamos medir y los que más nos importan.
Variables
Desde una edad temprana nos familiarizamos con el concepto de variable. En Álgebra tenemos ecuaciones como:
2x = 4
En la ecuación, x es la variable.
En programación de computadoras, una variable almacena un valor, al igual que lo hace en matemáticas. Por ejemplo, la variable PHP username username almacena el valor del nombre de usuario que una persona introduce en un formulario:
$nombre de usuario = _ _POST;
En la investigación, las variables son cosas que cambian, y se pueden controlar y medir. Por ejemplo, en una prueba A/B, si la mitad de los participantes ve un botón rojo y la otra mitad ve un botón azul en una página de donación, la variable es el color del botón.
Variables independientes vs Dependientes
Más específicamente, el color del botón se conoce como una variable independiente, y es la que generalmente se manipula en un estudio. Por el contrario, la variable dependiente es el número de clics en el botón (calculado como tasa de conversión).
Tanto las variables independientes como las dependientes son variables observadas. Podemos contar el número de clics, y como investigador, ver la diferencia en los colores de los botones.
Variables observadas vs Latentes
Se observan muchas variables en la investigación de UX. Cosas como respuestas a preguntas de encuestas, escalas de calificación estandarizadas, tiempo en la tarea, éxito de la tarea y problemas de usabilidad son observables (mientras que la usabilidad en sí no es observable).
Pero a menudo lo que queremos saber son las variables que no podemos ver o medir directamente, como la lealtad del cliente o la facilidad de uso. Estas variables ocultas se conocen como latentes (que en latín significa ocultas). La pregunta Net Promoter Score (NPS) y los 10 elementos de la Escala de Usabilidad del sistema (SUS) miden las variables observadas (escalas de calificación, tiempo en la tarea y otras) como una forma de estimar las variables no observadas de lealtad del cliente y usabilidad, respectivamente.
Cómo medir variables latentes
Si bien no podemos medir variables latentes directamente, podemos medirlas indirectamente utilizando variables observadas. Es similar a la técnica para encontrar planetas orbitando estrellas distantes. Los exoplanetas no se ven directamente (son demasiado tenues), pero se pueden observar indirectamente tanto por la oscilación de la gravitación que tienen en su estrella madre como por la pequeña cantidad de luz que bloquean fuera de la vista al pasar entre su estrella y nuestros telescopios.
De manera similar, para medir las variables latentes en la investigación, usamos las variables observadas y luego inferimos matemáticamente las variables invisibles. Para ello, utilizamos técnicas estadísticas avanzadas como el análisis factorial, el análisis de clases latentes (ACV), el modelado de ecuaciones estructurales (SEM) y el análisis Rasch. Estas técnicas se basan en las correlaciones entre variables.
Por ejemplo, identificamos la variable latente de usabilidad en nuestro artículo de 2009 utilizando un tipo de análisis factorial (PCA) examinando las variables de tiempo observadas (una medida de eficiencia), las tasas de finalización (una medida de efectividad) y las respuestas al cuestionario autoinformadas (una medida de satisfacción) para descubrir la variable latente de usabilidad.
Cuando desarrollamos el SUPR-Q como una medida de la calidad de la experiencia del usuario del sitio web, mapeamos los elementos observados (8 elementos a los que responden los usuarios) con las construcciones latentes de las variables de experiencia de usuario, la calidad de la experiencia de usuario, la apariencia, la usabilidad, la lealtad y la confianza mediante el modelado de ecuaciones estructurales (SEM).
Cuando realizamos un análisis de segmentación, queremos descubrir grupos de clientes invisibles. Pedimos a los participantes en una encuesta grande que respondan a muchos elementos. Tomamos las respuestas observadas y utilizamos el análisis de clases latentes para identificar los grupos subyacentes.
Cuando realizamos una clasificación de tarjetas para comprender cómo agrupan la información y los elementos los usuarios, tomamos el recuento observado de dónde colocan los elementos los participantes para inferir la variable latente de los grupos.
Conclusión
Las variables latentes u ocultas difieren de las variables observadas en que no se miden directamente. En su lugar, utilizamos variables observadas e inferimos matemáticamente la existencia y relación de variables latentes. Este es el método principal detrás de muchas técnicas poderosas, como el análisis factorial
- : Para encontrar construcciones subyacentes
- Análisis de clústeres: Para comprender las relaciones mediante la clasificación de tarjetas
- Análisis de clases latentes: Para agrupar a los clientes en segmentos
- Modelado de ecuaciones estructurales (SEM): Para validar medidas