# Datos Cuantitativos

> Entiende qué son los Datos Cuantitativos en UX y cómo se diferencian de los datos cualitativos. Aprende a usar métricas para medir el comportamiento del usuario a gran escala.

*Tags: ux, tecnica, investigacion, semisenior*

---


> [!info] Definición Rápida
> Los datos cuantitativos en UX son información numérica que mide el comportamiento y las actitudes de los usuarios. Se centran en el "cuánto", "cuántos" o "con qué frecuencia", y se utilizan para analizar patrones a gran escala, validar hipótesis y medir el impacto del diseño.


## ¿Qué son los Datos Cuantitativos?

Imagina que eres el dueño de una tienda. Los datos cuantitativos son tu informe de ventas: te dicen cuántos clientes entraron, cuántos compraron algo, y cuál fue el producto más vendido. Te dan los números, el "qué".

En el mundo digital, estos datos responden a preguntas como:
- ¿**Cuántos** usuarios hicieron clic en el botón de compra?
- ¿**Qué porcentaje** de usuarios completó el formulario de registro?
- ¿**Cuál** es la tasa de abandono en la página de precios?
- ¿**Cuánto** tiempo pasan los usuarios de media en la aplicación?

Estos datos son medibles y se pueden analizar estadísticamente para encontrar patrones.

## Datos Cuantitativos vs. Datos Cualitativos

Son las dos caras de la misma moneda. Se necesitan ambos para tener una visión completa.

- **Cuantitativo (Qué):**
    - Se enfoca en números y estadísticas.
    - La muestra es grande (cientos o miles de usuarios).
    - Responde "cuántos" y "cuánto".
    - **Ejemplo:** "El 73% de los usuarios abandonan el proceso en el paso 3".

- **Cualitativo (Porqué):**
    - Se enfoca en observaciones, motivaciones y sentimientos.
    - La muestra es pequeña (5-10 usuarios).
    - Responde "por qué" y "cómo".
    - **Ejemplo:** "Los usuarios abandonan en el paso 3 porque el campo 'Dirección 2' es obligatorio y no saben qué poner".

## ¿Por qué son importantes?

- **Miden el impacto:** Son la única forma de saber si un rediseño ha tenido un impacto positivo (o negativo) en el comportamiento de los usuarios a gran escala.
- **Identifican problemas:** Un pico en la tasa de abandono o una baja tasa de conversión en una página son señales de alarma que te indican dónde debes investigar más a fondo.
- **Priorizan el trabajo:** Ayudan a tomar decisiones sobre en qué problemas centrarse. Un problema que afecta al 80% de los usuarios es probablemente más prioritario que uno que afecta al 5%.
- **Hablan el lenguaje del negocio:** A los stakeholders les encantan los números. Presentar tus argumentos de diseño con datos cuantitativos es mucho más persuasivo.

## Métodos para Recopilar Datos Cuantitativos

- **Analítica Web:** Herramientas como [[Google Analytics]] o [[Mixpanel]].
- **Pruebas A/B:** Se crean dos versiones de un diseño (A y B) y se muestran a diferentes grupos de usuarios para ver cuál funciona mejor en base a una métrica clave (ej. tasa de clics).
- **Encuestas a Gran Escala:** [[Encuestas de Usuario|Encuestas]] con preguntas cerradas (opción múltiple, escalas) enviadas a un gran número de usuarios.
- **Pruebas de Usabilidad Cuantitativas:** Pruebas como las de [[Maze]] o [[Useberry]] que miden tasas de éxito, tiempo en la tarea, etc., con muchos participantes.

## Consejos de Mentor

- **Combina siempre con datos cualitativos:** Los números te dicen qué pasa, pero no por qué. Sin el "porqué", es fácil sacar conclusiones equivocadas.
- **Cuidado con las métricas de vanidad:** El número de visitas a una página o el tiempo medio de la sesión pueden ser engañosos. Enfócate en métricas que estén directamente ligadas a los objetivos del usuario y del negocio (ej. tasa de conversión, tasa de éxito de tarea).
- **Define tus métricas antes de empezar:** Antes de lanzar un diseño, define claramente qué métrica esperas que mejore y cómo la vas a medir.

## Recursos y Herramientas

- **Herramientas:**
    - [[Google Analytics]]
    - [[Mixpanel]]
    - [[Hotjar]]
    - [[Maze]]
- **Libros:**
    - **[Lean Analytics](https://www.amazon.com/Lean-Analytics-Better-Startup-Faster/dp/1449335675):** Una guía excelente para elegir las métricas correctas.


---

Source: https://www.fernandoux.com/es/wiki/tecnicas/datos-cuantitativos/