Product-market fit: qué puede hacer diseño para lograrlo

¿Qué es y de dónde viene la idea?

La definición más citada viene de Marc Andreessen, en un ensayo de junio de 2007: «Product/market fit means being in a good market with a product that can satisfy that market», es decir, estar en un buen mercado con un producto que puede satisfacerlo. En el mismo ensayo, Andreessen reconoce a Andy Rachleff como quien le ayudó a cristalizar la formulación.

La idea es sencilla. Antes del fit, el equipo empuja el producto a los usuarios. Después del fit, los usuarios empujan el producto a otros usuarios, y el crecimiento deja de depender de cada venta.

¿Por qué le importa a un diseñador junior?

Porque las etapas tempranas de un producto se viven como una carrera por el fit, y eso cambia qué diseño se prioriza. En esa fase conviene menos pulir la interfaz y más aprender qué segmento la necesita y qué hace que vuelva. Un junior que sabe distinguir “el usuario usa el producto” de “el usuario lo necesita” puede proponer experimentos más útiles.

Además, muchos equipos confunden la falta de fit con un problema de pantalla. Rediseñar un flujo que nadie quiere completar no cambia el hecho de que el producto no resuelve un problema lo bastante importante.

¿Cómo se mide?

Superhuman publicó cómo buscó su product-market fit. Su método se basa en una pregunta a usuarios activos: «¿Cómo te sentirías si ya no pudieras usar Superhuman?». Las respuestas posibles son muy decepcionado, algo decepcionado o no decepcionado.

Algunos detalles del caso de Superhuman, tal como los publicaron:

• Filtro de usuarios. Solo encuestaban a quienes habían usado el producto al menos dos veces en las dos semanas anteriores. En ese momento eran entre 100 y 200 usuarios. Sin ese filtro, la pregunta no dice nada útil.
• Segmentación de respuestas. Analizaban el grupo de “muy decepcionados” por perfil (fundadores, directivos, desarrollo de negocio) para entender quién se beneficia más y qué le encanta. Del grupo de “algo decepcionados” solo atendían a quienes valoraban la velocidad. A los “no decepcionados” los descartaban a propósito.
• Evolución de la puntuación. Según la fuente, la proporción de “muy decepcionados” partió de 22 % en el verano de 2017, subió a 33 % al enfocarse en el segmento correcto, y llegó a 58 % en tres trimestres de trabajo de producto.

El número de referencia, 40 % de respuestas “muy decepcionado”, aparece en el mismo caso. Superhuman lo atribuye a Sean Ellis, que lo habría obtenido al comparar casi cien startups: las que tenían tracción casi siempre superaban ese umbral. Es una heurística, no una prueba.

¿Qué puede hacer diseño?

1. Ayudar a encontrar el segmento. Los usuarios “muy decepcionados” suelen compartir algo. Diseño puede preguntar, observar y agrupar para entender qué tienen en común.
2. Reducir el tiempo hasta el primer valor. Un usuario que no llega rápido a lo que le interesa no se vuelve “muy decepcionado”. El onboarding y la primera pantalla importan más que el resto.
3. Reforzar lo que más aprecian. Cuando sabes qué le encanta a tu segmento, puedes proteger esa función y hacerla más visible.
4. Diseñar la razón para volver. Notificaciones, historial o progreso solo ayudan si reflejan algo que el usuario ya valora.
5. Medir la experiencia con el mismo criterio. Mide el tiempo hasta el primer valor y la retención por segmento, no solo las visitas.

El artículo sobre product-led growth explica cómo el uso del producto sustituye a la venta en algunos modelos. Si quieres relacionar estas métricas con las decisiones del equipo, el artículo sobre KPIs puede ayudarte a elegir cuáles mirar.

¿Cuándo NO conviene perseguir el fit?

• Sin usuarios activos. La pregunta de “muy decepcionado” necesita personas que usen el producto. Sin uso, la encuesta mide la imaginación.
• Si el producto todavía no tiene uso recurrente. La pregunta mide poco cuando nadie vuelve. En ese caso conviene primero entender por qué no vuelven.
• Como excusa para no hablar con clientes. La métrica dice si el fit existe, no por qué. Para eso siguen siendo necesarias las entrevistas de usuario.
• Si el fit se mide en el segmento equivocado. Una buena puntuación entre usuarios que no son el objetivo puede llevar a conclusiones falsas.

Ejemplo

Ejemplo ilustrativo: una app de notas para equipos pequeños con 300 usuarios activos.

• Encuesta: se pregunta a quienes usaron la app dos veces en las últimas dos semanas. El 18 % responde “muy decepcionado”.
• Segmentación: el grupo “muy decepcionado” son equipos de diseño que comparten notas de investigación. Les encanta la búsqueda por etiquetas.
• Acción de diseño: la búsqueda por etiquetas pasa a la pantalla principal, y el onboarding muestra un ejemplo con notas de investigación.
• Medición: en el siguiente trimestre, la proporción de “muy decepcionados” sube, y la retención a 30 días mejora en ese segmento.

El cambio no sale de una métrica sola. Sale de entender quién está decepcionado y por qué, y luego diseñar para ese grupo.

Si tu equipo usa IA para analizar esas respuestas abiertas, el artículo sobre métricas de producto con IA trata qué mirar cuando la métrica se apoya en modelos.

Errores comunes

• Tratar el product-market fit como un evento único que se alcanza y se olvida.
• Encuestar a usuarios que no son el segmento objetivo.
• Tomar el 40 % como prueba, en lugar de como heurística.
• Usar la pregunta sin filtrar por uso reciente.
• Rediseñar la interfaz para resolver un problema de propuesta de valor.
• Actuar sobre los “no decepcionados” como si fueran la mayoría.

Fuentes

• Superhuman, How Superhuman built an engine to find product-market fit
• Marc Andreessen, The only thing that matters (2007)