Triangulación: combinar métodos para confiar en un hallazgo

La triangulación combina métodos para responder una misma pregunta. Sus tipos, cómo mezclar datos cualitativos y cuantitativos y cuándo no usarla.

info Definición Rápida

Triangulación es combinar varios métodos, fuentes de datos o puntos de vista para responder una misma pregunta de investigación. Como todos los métodos tienen limitaciones, usar más de uno permite confiar en un hallazgo cuando los datos coinciden y detectar qué falta cuando no coinciden.

¿Qué es la triangulación?

Nielsen Norman Group la define, citando la Encyclopedia of Research Design (2010), como la práctica de usar múltiples fuentes de datos o múltiples enfoques para analizar los datos. En términos prácticos: contrastar una pregunta con varias fuentes o puntos de vista, para que las debilidades de un método las compense otro.

La clave es que ningún método es perfecto. Las muestras pequeñas de las pruebas cualitativas limitan lo que puedes generalizar. Las analíticas muestran qué pasa, pero no por qué. Combinar ambos reduce los puntos ciegos de cada uno.

¿Por qué le importa a un diseñador?

Porque las decisiones de diseño se discuten con personas que quieren datos. Si presentas solo unas entrevistas, alguien preguntará si eran representativas. Si presentas solo una métrica, alguien preguntará por qué. Triangular te permite responder con confianza y con contexto.

También te protege de un error frecuente: convertir una anécdota en una conclusión. Una persona molesta en una entrevista puede ser un caso raro, y la analítica puede confirmar o descartarlo.

¿Qué tipos de triangulación existen?

Simply Psychology y Koji recogen la taxonomía que se atribuye a Norman Denzin (1978), con cuatro tipos:

Tipo	En qué consiste	Ejemplo en UX
De datos	Datos de distintos momentos, lugares o personas	Entrevistas con usuarios nuevos y con usuarios antiguos
De investigador	Varios analistas revisan los mismos datos por separado	Dos personas codifican las mismas notas de entrevistas
De teoría	Varias lentes teóricas sobre los mismos datos	Leer los resultados con un modelo de tareas y con uno de motivación
Metodológica	Combinar métodos distintos o variantes del mismo	Encuesta, entrevistas y analítica sobre el mismo flujo

En la práctica, la más usada es la metodológica. Dentro de ella, Nielsen Norman Group propone ejemplos concretos: si baja la satisfacción, revisa ingresos y tiempo de uso; si una prueba cuantitativa muestra una tasa baja de éxito en un formulario, haz un estudio cualitativo para entender por qué; si las entrevistas sugieren una motivación, una encuesta mide qué tan frecuente es.

¿Cómo combinar datos cualitativos y cuantitativos?

La mezcla no es añadir una encuesta a las entrevistas. Nielsen Norman Group distingue los métodos mixtos: combinar ambos tipos en un mismo proyecto, para responder la misma pregunta, planificado desde el inicio y analizado en conjunto. Propone tres diseños comunes:

Explicativo secuencial: primero cuantitativo, luego cualitativo. Por ejemplo, un test A/B seguido de pruebas de usabilidad para entender por qué los usuarios prefieren una versión.
Exploratorio secuencial: primero cualitativo, luego cuantitativo. Por ejemplo, pruebas de usabilidad que informan las opciones de navegación, seguidas de un tree testing para ver cuál rinde mejor.
Convergente paralelo: ambos al mismo tiempo, y se analizan en conjunto. Por ejemplo, una encuesta de priorización de funciones (MaxDiff) junto con entrevistas sobre las razones de las elecciones.

Un ejemplo de NN/g sobre el rediseño del sitio de un hotel muestra el orden práctico: primero un benchmarking cuantitativo del éxito y el tiempo en las tareas principales, y luego un test cualitativo solo de las tareas donde más costó a los usuarios. Así los resultados cuantitativos guían qué se prueba en la sesión. NN/g también advierte que los métodos mixtos requieren más tiempo y recursos.

¿Qué hacer cuando los resultados no coinciden?

Koji distingue tres situaciones: convergencia (los métodos coinciden y sube la confianza en el hallazgo), complementariedad (cada método aporta una pieza distinta: la encuesta muestra qué les cuesta, las entrevistas por qué y la analítica dónde) y divergencia (los datos se contradicen). Para la divergencia, recomienda tratarla como un hallazgo que investigar, no como un problema que ocultar: dale una sección propia en el informe y no promedies una señal cualitativa solo porque la cuantitativa apunte a otro lado.

Una contradicción suele tener una causa concreta. Koji menciona el sesgo de deseabilidad social, muestras de entrevista poco representativas o métodos que miden cosas distintas.

Un orden de trabajo que ayuda:

Escribe la pregunta que quieres responder antes de elegir métodos.
Elige métodos con debilidades distintas, por ejemplo uno que mida cuánto y otro que explique por qué.
Define de antemano qué sería convergencia, para no interpretar los datos a posteriori.
Analiza juntos los resultados y anota dónde coinciden, dónde se complementan y dónde se contradicen.

¿Cuándo NO conviene triangular?

Triangular cuesta tiempo, participantes y coordinación. Nielsen Norman Group recomienda que el nivel de esfuerzo sea proporcional a la decisión: un rediseño completo justifica una mezcla de métodos cualitativos y cuantitativos, pero una decisión simple y reversible necesita menos. Koji añade que puedes omitir la triangulación pesada en chequeos rápidos de dirección, en ejercicios de alineación interna del equipo o cuando usas metodologías ya validadas en estudios triangulados anteriores.

Evita ejecutar dos métodos solo por variedad. Si no sabes qué pregunta responde cada uno, el resultado será dos informes desconectados.

Ejemplo

Ejemplo ilustrativo: un equipo ve que la tasa de finalización del registro cayó un 15 % después de un cambio. La analítica muestra que la caída ocurre en el paso de verificación. Con cinco entrevistas descubren que los usuarios no entienden por qué se les pide el número de teléfono. Una encuesta a usuarios que abandonaron mide cuántos mencionan lo mismo. Con esa combinación, el equipo cambia el texto de la pantalla y mide de nuevo. Ninguno de los tres datos habría bastado solo.

Errores comunes

Triangular solo de nombre, con dos métodos que responden preguntas distintas.
Ocultar los resultados contradictorios en lugar de investigarlos.
Mezclar métodos sin planificar el análisis conjunto.
Triangular decisiones pequeñas, y gastar semanas en algo reversible.
Asumir que la analítica basta para explicar por qué ocurre algo.

Si estás decidiendo qué método usar para cada pregunta, entrevistas de usuario, encuestas y pruebas de usabilidad son puntos de partida. Para guardar y reutilizar lo que encuentras de forma combinada, atomic research propone una forma de organizar los hallazgos. Y para ver cómo se conecta con la validación de ideas, concept testing es un buen siguiente paso.

Fuentes

Preguntas frecuentes

¿Qué es la triangulación en investigación UX?

Es usar varias fuentes de datos o métodos para responder la misma pregunta, de modo que las limitaciones de uno se compensen con los otros. Aumenta la credibilidad de los resultados.

¿Triangular significa siempre usar dos métodos?

No. Nielsen Norman Group recuerda que no hace falta exactamente dos métodos. Lo importante es buscar otro punto de vista o verificar un resultado.

¿Cómo combino datos cualitativos y cuantitativos?

Puedes hacerlo en secuencia, empezando por lo cuantitativo para detectar patrones y siguiendo con lo cualitativo para entender el porqué, o al revés. También puedes ejecutar ambos en paralelo si la pregunta lo permite.

¿Cuándo no vale la pena triangular?

En decisiones pequeñas y reversibles, o en chequeos rápidos de dirección. Según Nielsen Norman Group, cuanto más importante es la decisión, más compensa triangular; un rediseño completo lo justifica, un cambio simple y reversible mucho menos.