SUS (System Usability Scale): cómo aplicarla y leerla

La System Usability Scale es un cuestionario de diez ítems que mide la usabilidad percibida de 0 a 100. Cómo se calcula, qué significa el 68 y sus límites.

info Definición Rápida
La System Usability Scale (SUS) es un cuestionario breve de diez afirmaciones que mide la usabilidad percibida de un sistema. Cada respuesta se da en una escala de cinco puntos, y el resultado se convierte en un puntaje de 0 a 100. Su valor está en la comparación: sirve para ver si una versión mejora frente a la anterior o frente a un competidor, no para diagnosticar problemas.

¿Qué es y de dónde viene?

John Brooke la publicó en 1996 como un capítulo titulado “SUS-A Quick and Dirty Usability Scale”, en el libro Usability Evaluation in Industry. Su nombre explica su intención: una escala de bajo costo para evaluaciones globales. Según la página de UCL que la registra, la escala usa cinco puntos de respuesta, de “Strongly disagree” a “Strongly agree”.

Las diez afirmaciones alternan entre positivas y negativas. MeasuringU las enumera así: “Creo que me gustaría usar este sistema con frecuencia”, “Encontré el sistema innecesariamente complejo”, “Pensé que el sistema era fácil de usar”, “Creo que necesitaría ayuda de una persona técnica para usar este sistema”, “Encontré que las distintas funciones del sistema estaban bien integradas”, “Pensé que había demasiada inconsistencia en este sistema”, “Imagino que la mayoría de las personas aprendería a usarlo muy rápido”, “Encontré el sistema muy incómodo de usar”, “Me sentí muy seguro usando el sistema” y “Tuve que aprender muchas cosas antes de poder empezar con este sistema”.

¿Cómo se calcula?

El cálculo tiene una lógica sencilla que conviene entender antes de usarla:

  1. En los ítems impares (1, 3, 5, 7 y 9), que son positivos, se resta 1 a la respuesta.
  2. En los ítems pares (2, 4, 6, 8 y 10), que son negativos, se resta la respuesta a 5.
  3. Se suman los diez resultados y se multiplica por 2,5.

El resultado va de 0 a 100. MeasuringU advierte que ese número no es un porcentaje. Un 70 no significa que el sistema sea usable en un 70 %, sino que su usabilidad percibida está por encima de la media de otros sistemas evaluados.

Brooke advirtió que las puntuaciones de ítems individuales no tienen sentido por sí mismas, frase que MeasuringU cita en su análisis de los ítems sueltos. Lo que importa es el puntaje total.

¿Cómo se lee el resultado?

Según MeasuringU, a partir de unos 500 estudios, el promedio es 68. Por encima de ese valor, el sistema está sobre el promedio; por debajo, bajo el promedio. MeasuringU recomienda leerlo como percentil: un 74 está por encima del 70 % de los productos evaluados, y para una calificación A hay que superar el 80,3, que corresponde al 10 % superior.

NN/g también cita el promedio de 68 de 500 estudios, y señala que un 73 cae en el 30 % superior. Eso confirma que el número se lee mejor en comparación que en valor absoluto. Un equipo que pasa de 61 a 74 tiene una señal clara de mejora, aunque el 74 por sí solo no diga mucho.

¿Cuántos usuarios necesita?

Las fuentes no coinciden del todo. MeasuringU sostiene que la fiabilidad no depende del tamaño de la muestra y que puede usarse incluso con dos usuarios, pero advierte que las muestras pequeñas dan estimaciones imprecisas, así que conviene calcular un intervalo de confianza. NN/g es más prudente: indica que los cuestionarios cuantitativos suelen requerir al menos 20 a 30 usuarios, y que con cinco los resultados no son significativos.

Una lectura práctica: si necesitas comparar dos versiones con una diferencia pequeña, busca una muestra que te permita un intervalo de confianza razonable. Si solo quieres una señal de que algo empeoró o mejoró mucho, una muestra más pequeña puede bastar.

¿Cuándo usarla?

NN/g recomienda aplicarla después de la prueba, en estudios sumativos, para comparar con iteraciones anteriores o con competidores. Las pruebas formativas cualitativas no la necesitan: para descubrir problemas, la observación es más útil. Y su mayor valor llega cuando se repite con el mismo cuestionario a lo largo del tiempo.

Un punto que se pasa por alto: no conviene cambiar el orden ni la redacción de los ítems si quieres comparar con otros diseños. Un cuestionario modificado ya no es la SUS, y sus resultados no son comparables con el promedio de 68.

Relación con otras métricas

La SUS mide cómo se siente el usuario, no cómo se comporta. MeasuringU señala que su correlación con el rendimiento en tareas es modesta (r ≈ 0,24, es decir, explica cerca de 6 % de lo que ocurre en una prueba), de modo que alguien puede tropezar con un producto y aun así darle un SUS alto. Por eso conviene combinarla con medidas de comportamiento, como tasa de éxito y tiempo en tarea, y con los indicadores que usa el equipo, como los KPIs o la métrica norte.

Para la diferencia entre medir cómo funciona y medir qué cambia, la nota sobre investigación generativa y evaluativa ayuda a ubicar la SUS en la fase correcta.

Ejemplo

Ejemplo ilustrativo: un equipo de una app de bancos pequeños aplica la SUS a 30 personas antes y después de rediseñar el flujo de transferencias. La versión anterior obtiene un 58 y la nueva un 74. El equipo no se limita al número: revisa qué ítems mejoraron más, y observa que el ítem sobre necesitar ayuda técnica baja de forma notable. Además, mide la tasa de transferencias completadas sin llamar a soporte, porque la SUS por sí sola no dice si la gente terminó la tarea. Ambas señales apuntan a la misma dirección, y el equipo presenta el cambio con los dos datos.

Para tu próxima prueba: si aplicas la SUS, anota el puntaje de la versión anterior y de la nueva, y mide también una tarea. Así la comparación tiene dos patas.

¿Cuándo NO conviene?

  • Cuando la pregunta es qué problema existe. La SUS no identifica problemas concretos.
  • Cuando hay muy pocos usuarios y el resultado se va a presentar como definitivo.
  • Cuando el cuestionario se modificó. Ya no es comparable con el promedio.
  • Cuando se usa como calificación para evaluar personas o equipos.

Errores comunes

  • Leer el puntaje como porcentaje de usabilidad.
  • Comparar con una tabla de calificaciones de otra fuente sin revisar sus cortes.
  • Olvidar la inversión de los ítems pares al calcular a mano.
  • Presentar una diferencia pequeña como mejora sin intervalo de confianza.
  • Usar la SUS sola, sin medir el comportamiento en tareas.
  • Modificar las preguntas y seguir comparando con el promedio.

Fuentes

Preguntas frecuentes

¿Qué es la SUS?
Es un cuestionario de diez ítems, con escala Likert de cinco puntos, que mide la usabilidad percibida de un sistema. John Brooke lo publicó en 1996 como ‘SUS-A Quick and Dirty Usability Scale’.
¿Cómo se calcula el puntaje SUS?
En los ítems impares se resta 1 a la respuesta; en los pares, se resta la respuesta a 5. Se suma todo y se multiplica por 2,5 para obtener un valor de 0 a 100. El resultado no es un porcentaje.
¿Qué puntaje SUS es promedio?
Según MeasuringU, a partir de 500 estudios, el promedio es 68. Un puntaje por encima de 68 está sobre el promedio y uno por debajo, bajo el promedio. Conviene leerlo como percentil, no como calificación escolar.
¿Cuántos usuarios necesito para aplicar la SUS?
Hay opiniones distintas. MeasuringU indica que la fiabilidad no depende del tamaño de la muestra, pero que las muestras pequeñas dan estimaciones imprecisas. NN/g señala que los cuestionarios cuantitativos suelen requerir al menos 20 a 30 usuarios.