El objetivo de este MaxDiff es valorar cuáles de las actuales features y algunas nuevas serían más valoradas por los usuarios de uno de nuestros clientes a la hora de comprar una membresía.
Lo primero que hicimos fue segmentar a los usuarios en dos grupos:
Después de algo más de una semana mandando la versión de email que validamos que funcionaba mejor, nos encontramos con algo menos de 100 respuestas en total. De las cuales, podíamos obtener los siguientes datos:
Esta información, ya de por sí, tiene mucho valor. Sin embargo, hay un detalle importante: en la parte superior, en verde dice «Download Follow-Ups».
Estos Follow-Ups son una configuración especial que tiene Survey King para que, una vez el usuario ha seleccionado las distintas opciones, reconoce cuál ha sido su favorita. A partir de ahí, le crea una pregunta ad-hoc en la que el usuario tendrá que explicar «por qué la funcionalidad X fue su favorita».
Si hacemos click en ese botón, nos descargaremos un excel en el que veremos la feature favorita del usuario y su comentario al respecto. Como tenemos dos segmentos de usuarios, tenemos 2 hojas de cálculo con preferencias y comentarios.
Y aquí empieza la fiesta.
Una opción muy lícita es hacerlo una a una, pero recordando una de las primeras lecciones que Javier Lipúzcoa me enseñó en mi primer mes en Product Hackers, existen formas de extraer por densidad de palabras los principales insights de estos comentarios.
Como no poseo tales skills, he ido a nuestro gran amigo ChatGPT para intentar crear ese algoritmillo para extraer esos insights:
Después de un rato intentándolo, me he dado por vencido por esta vía. No tenía tanto tiempo, así que he probado otra cosa mucho más obvia. Tan obvia como esto:
Así que manos a la obra. Empezamos a incluir los comentarios:
Guay, ya tenemos algo con lo que trabajar. Bien.
Viendo hasta donde podíamos llegar para este análisis MaxDiff, le he explicado que ambos outputs corresponden a dos cohortes distintas de usuarios y que si podía compararme ambos insights para extraer las principales diferencias:
Este output ha habido que limpiarlo un poco, pero bastante guay. Parece que es más sencillo hacer un análisis MaxDiff gracias a la IA.
Por último, viendo que existen esas diferencias entre cohortes, le he pedido que me cree un par de User Persona en los que veamos reflejada la información de estos dos segmentos de usuarios, con las features que tienen más importancia para cada uno de ellos:
Comparando los outputs con análisis previos que habíamos realizado, ambos grupos de usuarios corresponden con el trabajo que veníamos haciendo. Un grupo de usuarios tiene necesidades más pro, otros más básicas y atienden al nuevo plan «starter» que incorporamos anteriormente (como output de un Van Westendorp que hicimos).
Gracias a ChatGPT hemos entregado un análisis que de otra manera me habría llevado muchas horas (o días) en tan solo unos cuantos minutos.
