6 ejemplos de análisis cualitativo que te servirán de inspiración

Cuando piensas en datos, probablemente lo primero que te venga a la cabeza sea información cuantitativa: cifras, números y estadísticas. Puedes volcarlos fácilmente en una hoja de cálculo para que, de repente, cobren sentido.

Sabes que los datos cualitativos también son cruciales, pero ¿cómo organizar e interpretar todas esas palabras, emociones y motivaciones una vez recopilados?

En esta guía encontrarás seis ejemplos de análisis de datos en investigación cualitativa de empresas que obtuvieron resultados reales. Para cada uno de ellos, se especifica el tipo de análisis que utilizaron y el papel que desempeñó en el éxito de la empresa. Lee hasta el final para descubrir nuevas técnicas que puedes aplicar hoy mismo en tu empresa y empezar a conseguir tú también grandes resultados.

6 ejemplos de análisis cualitativo en los que inspirarte

No hay duda: a cualquier empresa le viene bien analizar datos cualitativos para comprender mejor a sus clientes. Lo que no está tan claro es qué tipo de análisis cualitativo es el más eficaz.

No existe un método de análisis cualitativo universal que funcione igual de bien para todas las empresas. Todo dependerá de las necesidades que tengan. Por ejemplo, puede que tú quieras analizar reseñas de productos, pero otro equipo necesite interpretar miles de respuestas de encuestas.

A veces, conocer cómo lo hacen otras empresas puede ser de gran ayuda y muy revelador. Los siguientes seis ejemplos de análisis cualitativo de datos podrían ayudarte a identificar formas de mejorar tu propio proceso.

1. Art.com

Art.com es una empresa de comercio electrónico que vende impresiones artísticas. Con la política de devolución que aplican (reembolso íntegro y sin preguntas si no estás satisfecho/a con la compra) ya demuestran que para ellos el cliente es lo primero. Pero, para ser proactivo y ofrecer una experiencia de cliente satisfactoria desde el principio, es útil recoger y analizar datos para averiguar qué quiere y necesita realmente la gente.

¿Qué estrategia siguieron para hacer el análisis de datos cualitativos?

Art.com utilizó encuestas de Net Promoter Score® (NPS) para pedir a los clientes que calificaran la probabilidad de que recomendaran la empresa a amigos o colegas, y luego lo comentaran con sus propias palabras.

Recopilar los datos era una cosa, pero analizarlos era otra. Una persona se encargaba de peinar las hojas de cálculo con los insights, utilizando la función de búsqueda del programa para encontrar manualmente palabras y frases clave.

Art.com quería encontrar una solución de procesamiento del lenguaje natural (PLN) que analizara los datos por ellos. Para ello, recurrieron a una herramienta llamada Thematic que les permitió encontrar y clasificar automáticamente las respuestas de la encuesta por temas personalizados. (Nota: Este tipo de análisis de datos cualitativos se llama "análisis temático", como seguramente ya hayas adivinado).

Una función de Thematic esencial para el análisis de Art.com era la posibilidad de ver cómo los sentimientos de los clientes hacia la empresa, sus productos y la experiencia de compra repercutían en los resultados económicos de la empresa. En otras palabras, la herramienta les permitió cruzar datos cualitativos con datos cuantitativos de rendimiento para poder aplicar cambios útiles.

La responsabilidad de los análisis no tiene por qué recaer en una única persona, como pasaba en Art.com. Thematic les permitió crear un plan para compartirla. Ahora Art.com cuenta con el Team Consumer Leaders, un equipo formado por varias personas que se hacen cargo de los procesos de análisis cada mes.

Beneficios del análisis de datos cualitativos

¿Qué resultados consiguieron?: Art.com redujo el tiempo que dedicaban a estudiar manualmente los datos y transfirió la carga de una persona a todo un equipo de analistas gracias a la democratización de datos. Además, consiguieron comprender mejor los sentimientos y las reacciones de los clientes gracias a las encuestas NPS, porque pudieron analizar el impacto que los resultados tenían en el rendimiento del negocio.

¿Cómo podrías aplicar este ejemplo a tu empresa?: Podrías clasificar automáticamente el feedback en categorías o temas para que te ayude a tomar decisiones basadas en datos cualitativos en vez de guiarte por la intuición. Sigue el ejemplo de Art.com sobre cómo utilizar el análisis de datos cualitativos para tomar decisiones de producto centradas en el cliente y ofrecer una mejor experiencia de usuario.

2. Matalan

Matalan es una empresa muy conocida en el Reino Unido que ofrece descuentos en artículos para la familia en más de 200 puntos de venta. Cuando lanzaron su nuevo sitio web, la gran pregunta que les surgió fue: ¿cómo podemos ofrecer online la misma agradable experiencia por la que son conocidas nuestras tiendas físicas?

¿Qué estrategia siguieron para hacer el análisis de datos cualitativos?

Para encontrar la respuesta a esa pregunta, Matalan recurrió a Hotjar (¡somos nosotros! 👋). El equipo de experiencia de usuario de Matalan empezó utilizando nuestra herramienta Surveys para conocer la opinión de sus clientes sobre la nueva web. A continuación, utilizaron otras herramientas de Hotjar para obtener más contexto; por ejemplo, descubrieron que la combinación del widget de Feedback con las grabaciones de sesiones era justo la combinación que necesitaban:

Pero el equipo de Matalan no se detuvo ahí. Crearon un dashboard personalizado en Google Data Studio como base para analizar sus resultados. Cuando integraron los resultados de Feedback con Google Data Studio, pudieron hacer un análisis cualitativo utilizando el mismo método que hemos mencionado anteriormente: el análisis temático. Organizar la información por temas ayudó al equipo a detectar tendencias en las que se pudieron basar para decidir qué cambios hacer en el sitio web y someterlos a pruebas A/B.

Beneficios del análisis de datos cualitativos

¿Qué resultados consiguieron?: Después de utilizar Hotjar para formular hipótesis sobre el comportamiento de los clientes, aumentaron en un 17 % las versiones ganadoras de los split tests. Después, cuando integraron Google Data Studio, pudieron profundizar aún más en el proceso analítico. También se dieron cuenta de que era una forma estupenda de que más personas de la empresa pudieran consultar y de fomentar la comunicación entre los equipos.

¿Cómo podrías aplicar este ejemplo a tu empresa?: El análisis cualitativo de datos puede aportarte claridad sobre la experiencia de usuario real y ayudarte a tomar decisiones de diseño centradas en el cliente para reducir la fricción de los visitantes del sitio web.

3. Yatter

Yatter es una agencia que ayuda a las empresas a captar más leads con sus campañas de pago por clic para que puedan escalar y crecer. Gavin Bell, fundador de Yatter, trabaja para optimizar los anuncios en redes sociales y las páginas de destino de sus clientes (y los suyos propios) para atraer tráfico y conseguir ventas.

¿Qué estrategia siguieron para hacer el análisis de datos cualitativos?

El estilo de análisis de Gavin encaja perfectamente con uno de los tipos de análisis de datos cualitativos: el análisis diagnóstico o análisis de causa raíz. Básicamente, este método investiga por qué las personas toman decisiones buscando valores atípicos o patrones en los datos, y puede utilizarse tanto para la investigación cualitativa como para la cuantitativa.

Para su análisis cualitativo de datos, Yatter utiliza principalmente Hotjar Recordings para comprender la experiencia de las usuarias y los usuarios en los sitios web y hacer las mejoras correspondientes. ¿El consejo de Gavin? Visualiza siempre cinco grabaciones de clientes interactuando con un sitio antes de hacer cualquier cambio.

Por ejemplo, las personas usuarias de uno de los sitios web en los que trabajaba Gavin lo abandonaban durante el proceso de pago, y quería entender por qué. En las grabaciones vio cómo una persona tras otra se confundía y, en vez de pagar, hacía clic en el icono del menú. La decisión que tomó Gavin fue eliminar el botón de menú de esa página.

Gavin también utilizó las grabaciones con su sitio personal. Gracias a ellas se dio cuenta de que los leads pasaban mucho tiempo pensando en un nombre de usuario para introducirlo en un formulario. Gavin decidió que el formulario se rellenase automáticamente con los correos electrónicos de los usuarios, lo que les ahorraba varios segundos en el proceso y mejoraba su recorrido.

Beneficios del análisis de datos

¿Qué resultados consiguieron?:Gavin pudo identificar y solucionar hasta el más mínimo bug y obstáculo del sitio de un cliente gracias a las grabaciones de sesiones. Por ejemplo, Yatter aumentó las conversiones en un 20 % con solo eliminar el botón de menú de la página de pago. En su sitio personal, Gavin consiguió otro logro considerable ahorrándole tiempo a los visitantes, ya que los clientes satisfechos son los que se quedan.

¿Cómo podrías aplicar este ejemplo a tu empresa?: El análisis de datos cualitativos te ayudará a impulsar las ventas, pero también te permitirá conseguir insights sobre quiénes son los clientes, por qué hacen lo que hacen y cómo puedes satisfacerles. Con esta información podrás hacer los cambios adecuados en el momento oportuno para conseguir el deleite del cliente.

4. WatchShop

WatchShop es un comercio minorista independiente con sede en el Reino Unido. Está especializado en la venta de relojes de marca y de lujo directamente al consumidor (también conocido como negocio business-to-consumer o B2C). La empresa creó su primer sitio web de comercio electrónico en 2007. Desde entonces, no ha dejado de aplicar cambios y mejoras. ¿Cuáles son los objetivos de WatchShop? Intentar que más leads encuentren el sitio y optimizar su CX.

¿Qué estrategia siguieron para hacer el análisis de datos cualitativos?

WatchShop ya conocía el valor que aportan los datos de comportamiento, y precisamente por eso veían grabaciones de sesiones de Hotjar.😉 Pero necesitaban ayuda para interpretar los insights cualitativos que identificaban, así que probaron un método de análisis cualitativo de datos llamado análisis de sentimiento.

El análisis de sentimiento consiste en analizar datos textuales procedentes de encuestas, reseñas, correos electrónicos y otras fuentes para detectar si expresan determinadas emociones. En pocas palabras, el análisis de sentimiento ayuda a comprender cómo se sienten los clientes y por qué se sienten así.

WatchShop utilizó Lumoa, una herramienta basada en inteligencia artificial, para intentar racionalizar todas sus fuentes de datos basadas en texto. El software generó una puntuación general del sentimiento del cliente, que se convirtió en un indicador clave de rendimiento (KPI) que todos los stakeholders podían monitorizar.

Si esa puntuación del sentimiento del cliente subía o bajaba considerablemente en algún momento, WatchShop utilizaba el análisis cualitativo para comprender por qué. Después, pedía a los equipos correspondientes que corrigieran los aspectos negativos y aprovecharan los positivos.

Dado que Lumoa puede integrarse con otras plataformas, WatchShop lo conectó con TrustPilot, un sitio de valoraciones, para analizar las reseñas de los clientes. WatchShop también utilizó Lumoa para analizar las reseñas de la competencia, comprobar cómo se percibían otras marcas y averiguar qué podían aprender de ellas.

Beneficios del análisis de datos cualitativos

¿Qué resultados consiguieron?: WatchShop mejoró las páginas de listado de productos. Gracias al análisis del sentimiento, la empresa descubrió problemas en el recorrido del cliente que no habían detectado antes y utilizó lo aprendido para probar cambios en el sitio web. En la primera ronda de pruebas, la tasa de conversión de la empresa mejoró un 4 %, y tras la segunda ronda, las tasas de conversión aumentaron un 10 %.

¿Cómo podrías aplicar este ejemplo a tu empresa? Utilizar herramientas de análisis de datos cualitativos, como Lumoa, ayuda a los equipos a centralizar el proceso de analítica, para que puedan interpretar rápidamente grandes volúmenes de datos cualitativos. Clasificar estos datos también te ayuda a ordenar las iniciativas por prioridad en función de qué cuestiones son más importantes para tus clientes.

5. Materials Market

Materials Market es una empresa de comercio electrónico con sede en Reino Unido que actúa de intermediaria entre personas que necesitan materiales de construcción y proveedores que los suministran. Como quieren que su sitio web funcione lo mejor posible para los clientes, recurrieron a Hotjar para que les ayudara.

¿Qué estrategia siguieron para hacer el análisis de datos cualitativos?

El análisis de datos cualitativos no tiene por qué ser sofisticado para ser eficaz. Andrew Haehn, uno de los fundadores de Materials Market y Operations Director de la empresa, aplica una estrategia sencilla.

Todas las mañanas, durante el desayuno, Andrew ve grabaciones de Hotjar durante 20 minutos para observar atentamente cómo interactúan las usuarias y los usuarios con el sitio. Mientras come, analiza lo que va bien y lo que hay que mejorar.

Esta estrategia le funciona gracias a su constancia. Al ver grabaciones todos los días, Andrew se familiariza con los comportamientos habituales de las personas usuarias y está más atento a lo que puede despistarlos.

Para ser aún más eficaz, Andrew clasifica las grabaciones en función de lo pertinentes que sean. El algoritmo de Hotjar le ayuda a encontrar las grabaciones más pertinentes (las marcadas con pertinencia alta o muy alta), lo que le permite optimizar su tiempo.

¿El consejo de Andrew? Analiza los datos cualitativos junto con los cuantitativos (de Hotjar Heatmaps, por ejemplo, que representan visualmente las áreas más y menos populares de una página web) para detectar áreas de confusión y verificar problemas de experiencia de usuario.

Beneficios del análisis de datos cualitativos

¿Qué resultados consiguieron?: Materials Market utilizó Hotjar para recopilar y analizar datos cualitativos, y descubrió rápidamente formas de mejorar la experiencia de cliente. Algunos de los impresionantes resultados que consiguió la empresa tras ver las grabaciones fueron:

• Reducir del 25 al 4 % el porcentaje de abandono del carrito.

• Aumentar del 0,5 al 1,6 % la tasa de conversión de clientes de pago (en un solo mes).

• Aumentar en más de 11 000 € los ingresos (gracias a la mejora de la tasa de conversión).

¿Cómo podrías aplicar este ejemplo a tu empresa? Complementa el análisis de datos cualitativos con el análisis de datos cuantitativos para que te ayude a minimizar las frustraciones de los clientes y maximizar los beneficios. Establecer límites de tiempo y clasificar las grabaciones por pertinencia permite que el proceso analítico sea rápido y sin complicaciones.

6. MURAL

MURALes una empresa que ofrece soluciones de pizarra digital. Está especializada en la resolución creativa y colaborativa de problemas, así que es natural que apliquen las mismas técnicas a la hora de hacer análisis cualitativo de datos.

¿Qué estrategia siguieron para hacer el análisis de datos cualitativos?

MURAL lleva años perfeccionando sus técnicas de análisis de datos cualitativos utilizando diferentes métodos. Con el tiempo, a medida que la empresa crecía, buscó un hub centralizado para analizar el feedback de los clientes y otros insights.

MURAL, de la mano de su cofundador y Head of Product Augustín Soler, recurrió a la plataforma EnjoyHQ. EnjoyHQ ayudó a la empresa a recopilar datos cualitativos, generar métricas a partir de esos datos y hacer análisis temáticos.

Como equipo ávido de visualización de datos, exportan los resultados de EnjoyHQ a una pizarra de MURAL para poder organizar la información y así suscitar el debate y la colaboración. A continuación, utilizan el análisis de datos cualitativos como parte de su proceso de planificación. Los equipos de producto pueden centrarse en una función concreta que tengan previsto actualizar o lanzar en el futuro, analizar los resultados de esa función y utilizarlos como base para su trabajo.

Beneficios del análisis de datos cualitativos

¿Qué resultados consiguieron?: EnjoyHQ ayudó a MURAL a dar forma a su proceso de análisis de datos cualitativos. Ahora pueden analizar el feedback de los clientes de forma más estructurada, lo que mejora la comunicación y la colaboración.

¿Cómo podrías aplicar este ejemplo a tu empresa? Recopilar y analizar datos cualitativos es vital para optimizar las decisiones sobre productos. No tengas miedo de probar nuevos métodos de análisis de datos cualitativos o de personalizar las soluciones para satisfacer tus necesidades específicas.

Descubre formas de analizar datos cualitativos para conseguir buenos resultados

Los ejemplos de análisis de datos cualitativos de esta página muestran los claros resultados que se obtienen al centrarse en los insights sobre los clientes.

Los datos cualitativos complementan la información cuantitativa para que puedas conseguir incluso mejores resultados. Al incorporar nuevos tipos de análisis de datos cualitativos en los procesos de tu equipo, podrás dejar de guiarte por tu instinto y empezar a tomar decisiones de producto basadas en datos y centradas en el usuario.