Lecciones UI para creativos

Hace unos días escuchaba en la radio que el transporte público del área de Barcelona cambia sus tarifas. El cambio beneficiará a los usuarios asiduos al servicio, y penalizará a los esporádicos. Se me queda entonces cara de póker: ¿en qué grupo estoy yo?

Está claro a qué grupo perteneces si vas cada día, o si vas sólo algún fin de semana. Pero, ¿te penaliza o beneficiará si vas sólo algunos días a la semana? ¿A partir de qué momento eres usuario asiduo?
Con esta y otras dudas en la cabeza, fui a la web oficial a resolverlas.

Mi cara de póker se transformó hasta tener unos ojos como platos. En serio, ¿tanto cambio y sólo me daban unas tristes tablas para que me espabilase yo sola?

El sistema de información diseñado se basaba en esperar a que el usuario pasase sus buenos ratos para calcular qué abono le convenía.
Este caso no es aislado. Nos empeñamos en dar información desde nuestro prisma y no pensamos en la usabilidad de los datos que ofrecemos.
Así que decidí crear una calculadora para indicar al usuario la tarifa que le conviene[, es decir, darle la información que él realmente quiere.]
En el podcast de hoy veremos la usabilidad a nivel de datos y cómo en el caso de TMB lo resolví con un enfoque infográfico. Además de daré el acceso a la calculadora por si te interesa también como usuario.

¿Empezamos?

El espisodio de hoy se divide en dos partes:

1. Los datos usables: situación actual y mi propuesta de solución
2. Caso práctico: Calculadora de billete TMB recomendado al usuario

1. Datos usables: Situación actual

A la hora de ofrecer la información en un sitio web debemos pasar primero por la arquitectura de información (AI). Se trata de organizar, clasificar y estructurar los contenidos de un sitio web con el objetivo de que los usuarios puedan satisfacer sus objetivos con el mínimo esfuerzo posible.

Desde mi punto de vista a partir de mi experiencia es que el problema con el nuevo tarifario y las tablas facilitadas está ya incluso antes de la arquitectura de información, pero se detecta inmediatamente al llevarla a cabo.

En el momento en que buscamos ofrecer la información para satisfacer los objetivos con el mínimo esfuerzo posible, lo primero que detectamos en este caso es que la información que se está ofreciendo ya no cumple la meta de que el usuario necesite el mínimo esfuerzo posible.

Al proporcionar sólo las tablas de tarifas según zona damos por hecho que el usuario sólo necesita el precio y la zona para decidir qué quiere comprar.

Pero esto no es cierto porque son bonos que se basan en el número de veces que el usuario usará el servicio.

Así que con la información facilitada, lo mejor que puede hacer el usuario es tomar papel, lápiz y calculadora como hice yo y empezar a ver las opciones disponibles para los trayectos que quiere hacer en el tiempo que quiere (a la semana? al mes?).

¡Pobre del usuario que vaya a la estación a comprar el billete sin los deberes hechos! Tendrá que ponerse a hacer los cálculos allí, y probablemente estará camino del trabajo, la universidad, etc. Con lo que dudo mucho que tenga mucho tiempo para hacerlo allí in situ. Pero mejor que lo haga porque, si no, su compra puede salirle cara.

Solución: Datos usables

Esta situación se soluciona fácilmente en el momento que nos ponemos en el lugar del usuario con el fin de conseguir datos usables. Si no podemos porque es una situación que nos es completamente ajena, podemos utilizar técnicas como el hablar con expertos, entrevistar usuarios, etc.

Al ponerte en el lugar del usuario, o conseguir la información sobre él y cómo usa el servicio de otra manera, ves qué es lo que realmente necesita saber el usuario.

Por ejemplo, en el caso del nuevo sistema de abonos y tarifas, los datos se presentan ahora mismo para responder a la pregunta: ¿Cuánto vale un billete del tipo t-casual para 2 zonas, por ejemplo?

Pero el usuario no se levanta de la cama por la mañana con esta pregunta en mente. Lo que las personas usuarias del servicio se preguntan es: ¿Qué abono me interesa a mí en mis circunstancias?

Si te fijas, lo que he hecho es buscar la preguntas que el usuario real tiene en mente, e intentar responderla al hacer la calculadora.
De esta manera transformamos los datos que hasta ahora son simples datos en sí, en información relevante y útil para el usuario.

Para mí, es como si metieras los datos en una coctelera, los juntaras, combinaras, etc. y luego exprimieras el resultado para obtener la información con valor para el usuario.

Caso práctico de datos usables: Calculadora de abono TMB

El objetivo de la calculadora es calcular el abono más conveniente para el usuario, puesto que esto es lo que él necesita resolver. De esta manera, conseguimos convertir las tablas de datos actuales en datos usables para el usuario de los transportes vinculados a TMB.

Para ello, se basa en combinar la información de las tablas con la información de la situación particular del usuario. Para dar la información, el usuario dispone de un simple configurador.

La idea no es nada nueva. Es como el típico buscador para saber el horario que me conviene de trenes indicando de dónde salgo a dónde voy, el día y la franja horaria. O el buscador que nos podemos encontrar para seleccionar un vuelo.

El paso más allá que he querido aportar aquí es el de aplicar este planteamiento de buscador de mi mejor opción a la hora de seleccionar el billete más conveniente para el usuario en particular.

También he tenido en mente la funcionalidad y el contexto en que se utilizará la calculadora. Por eso, el acceso vía móvil es importante, ya que muchos usuarios la podrían necesitar en el momento de compra en la misma estación. Así que accederían a ella a través de su móvil, y lo harían con prisas.

Hay que tener en mente también que a menudo, irán también cargados o estarán de pie e incómodos, así que se ha de plantear teniendo en cuenta que no es una aplicación que el usuario utilizará en una situación sosegada o en la comodidad del sofá de su casa.

Información base de la calculadora

Respecto a la información, decía antes que la calculadora se basa:

• en la información que ya proporciona el sistema ahora mismo (listado de abonos y sus precios según zona)
• en la información de la situación concreta del usuario.

Para poder determinar la información de este último punto me puse de nuevo en la situación del usuario. ¿Qué sabe él que le condiciona la compra del abono?

Pues bien, lo que él sabe es la frecuencia con la que necesita viajar, el trayecto que suele hacer, es decir, el número de zonas que atraviesa, y aspectos que le podrían permitir obtener un abono con descuento (por ejemplo: su edad, si es familia numerosa, monoparental, si está en paro, etc).

Esta es la información que el usuario puede introducir a través del configurador.

Presentación de resultados basados en datos usables

Una vez el usuario haya introducido sus datos, hay que mostrarle la información. Y qué mejor manera que hacerlo gráficamente. Podría haber elegido la opción de mostrar un simple texto que dijera el abono que la calculadora le recomienda. Sin embargo, el usuario puede tener dudas.

Es decir, me pongo como usuario, introduzco mis datos y me dice: Tu mejor opción es la T-usual. Con esta información yo puedo pensar ¿Y por qué?

Así que es mejor una gráfica que me muestra los abonos que podría comprar teniendo en cuenta si tengo 25 años o menos, si estoy en paro, tengo familia numerosa etc. Y para cada abono la gráfica me dice cuanto me costaría al mes.

De esta manera, la calculadora me dice la opción más conveniente, pero yo misma puedo compararlas también. De esta manera tengo la información completa y puedo responder a más preguntas que pueda hacerme.

Acceso a la calculadora

Puedes acceder a la calculadora y ver tú mismo o misma la solución. Sólo tienes que entra en el episodio 26 de Lecciones UI para Creativos.

Por cierto, la calculadora actual está todavía en fase de desarrollo. La versión actual funciona, pero puede que en un futuro no muy lejano aún haya algún cambio más para mejorar la usabilidad u ofrecer alguna información o funcionalidad nueva.

Debo confesarte que la he hecho en tiempo récord para que esté disponible lo antes posible para los usuarios que ya tienen el dilema de qué nuevo abono comprar de aquí a nada. Así que como imaginarás,  en tiempo récord hay cosas que he tenido que dejar de lado para la primera versión estable.

Conclusiones: Apostemos por los datos usables

Hoy hemos visto que a menudo los datos son los grandes olvidados y se presentan desde el prisma de la empresa que los facilita, y no desde las necesidades del usuario. Por eso se presentan tablas que al usuario le implican un esfuerzo por su parte para obtener la información que realmente necesitan.

El caso más grave se da cuando esos datos que se dan sin considerar al usuario le resultan nada útiles tal y como los recibe.

Si los tratamos buscando su usabilidad de repente se vuelven en una herramienta útil para el usuairo y desvelan la informacicón que realmente tenían para él.

Como me gusta ser proactiva en vez de quedarme en la queja y en la crítica, he creado una calculadora que indica al usuairo cuál es el billete o bono de TMB más recomendable para él según sus necesidades.

Y ahora, sólo decirte que muchas gracias por escucharme. Si te ha gustado y te ha parecido interesante este podcast, puedes subscribirte a mi newsletter en maria-pascual.es para no perderte los próximos capítulos y poder acceder al material e información exclusiva para mis suscriptores, entre los que se encuentra el acceso a la plantilla que os he presentado hoy.

A través de mi página de contacto en maria-pascual.es también podrás contactarme si quieres que hablemos de un proyecto web o app que quieres realizar y para el cual te gustaría contar conmigo.

Y con esto me despido. Te espero en el episodio de la semana que viene con más herramientas, estrategias, metodologías y sistemas para proyectos y negocios User Interface que te ayuden cada vez a empoderarte más y más, y llegar más y más lejos.