Una plantilla de test de usabilidad es un plan listo para usar para observar a usuarios reales mientras intentan completar tareas en tu producto y tú te mantienes en silencio. Te da las tareas, un guion neutro, qué medir y un registro de resultados, de modo que cinco sesiones de unos 30 minutos te muestran dónde se atascan las personas. A continuación tienes una plantilla gratuita, el guion, una señal de éxito y la evidencia detrás de la regla de los cinco usuarios.
Ideas clave
Cinco usuarios de un mismo tipo encuentran la mayoría de los problemas. El modelo de Jakob Nielsen halló que cinco participantes descubren alrededor del 85 % de los problemas de usabilidad, y aconseja tres rondas de cinco en lugar de una de 15 (Nielsen Norman Group, 2000).
Cinco usuarios encuentran problemas, no cifras que citar. Para una tasa de finalización o un valor de referencia, Nielsen recomienda al menos 20 usuarios (Nielsen Norman Group, 2012).
En 1.189 tareas de 115 tests de usabilidad, la tasa media de finalización de tareas fue del 78 % (MeasuringU, 2011).
La System Usability Scale de 10 preguntas da una puntuación comparable tras las tareas. Por encima de 68 está por encima de la media.
Fija primero la señal de éxito: al menos 4 de 5 personas terminan sin ayuda.
¿Qué es un test de usabilidad?
Un test de usabilidad da a usuarios objetivo una tarea en la versión actual de tu producto y observa en silencio para ver dónde se atascan.
Kate Moran, de Nielsen Norman Group, lo divide en tres partes: un facilitador que da instrucciones sin orientar, tareas realistas y un participante realista que suele pensar en voz alta (NN/g, 2019).
El test cualitativo encuentra problemas y es el más habitual. El test cuantitativo recoge métricas como el éxito en las tareas y el tiempo por tarea, para fijar una referencia. Esta plantilla es cualitativa y moderada: observas en directo, en persona o compartiendo pantalla, de modo que al final puedes preguntar «¿Qué esperabas que pasara?»
Úsalo cuando algo ya está construido y la gente abandona o pide ayuda. Es barato y los resultados suelen ser evidentes en cuanto los ves. NN/g estima que un estudio sencillo lleva unos 3 días, desde la planificación hasta el análisis pasando por cinco sesiones, con incentivos que cuestan unos cientos de dólares.
No lo uses para saber si la gente quiere el producto. Las personas probarán de buena gana cualquier cosa que les pongas delante. Tampoco lo uses con un diseño que aún no existe. Un prototipo clicable hace ese trabajo, y un prototipo en papel es aún más barato. Para ver cómo se las arreglan las personas con el producto de un rival en vez del tuyo, haz un test bumerán.
¿Qué riesgo prueba y qué solidez tiene la evidencia?
Prueba la deseabilidad en sentido práctico: ¿pueden las personas usarlo de verdad para hacer su trabajo? La evidencia es comportamiento. Muestra que el producto funciona para la gente, pero no que lo valoren. Consulta nuestra guía para elegir un experimento de producto para ver el panorama completo.
Plantilla de test de usabilidad (copia y usa)
Abre la imagen a tamaño completo o copia la versión en texto de abajo.
A quién reclutar y cuántos
Cinco usuarios objetivo de un mismo tipo. No uses colegas, amigos que trabajen en tecnología ni gente que haya visto mucho el producto. Ofrece un pequeño agradecimiento por unos 30 minutos cada uno.
Plan paso a paso
Elige hasta tres tareas que sean las más importantes.
Escribe cada tarea como un objetivo, sin nombres de funciones.
Fija tu señal de éxito.
Haz una sesión de práctica con un colega para detectar problemas.
Realiza cada sesión grabando la pantalla con permiso.
Mantente en silencio mientras trabajan.
Ordena lo que viste según la frecuencia con que ocurrió y cuánto bloqueó a las personas.
Guion
«Estoy probando el producto, no a ti. No puedes hacerlo mal. Por favor, di en voz alta lo que piensas mientras avanzas. No podré responder preguntas hasta el final.
Esta es la primera tarea: [objetivo].»
Si piden ayuda: «¿Qué harías si yo no estuviera aquí?»
Después:
«¿Cuál fue el momento más confuso?»
«¿Qué esperabas que pasara cuando hiciste eso?»
Qué medir
Completada sin ayuda, por tarea. Tiempo por tarea. Número de errores. Momentos en los que quisiste explicar algo.
Señal de éxito que debes fijar antes de empezar
Punto de partida de Specky: al menos 4 de 5 terminan sin ayuda. Es un punto de partida, no una referencia. Para una tarea de la que depende tu negocio, como el pago, súbelo.
Registro de resultados
Persona
Tarea
¿Terminó sin ayuda?
Tiempo
Se atascó en
Gravedad (1 a 3)
Notas
¿Cómo se escriben buenas tareas para un test de usabilidad?
Una tarea es un objetivo que la persona ya tiene, escrito con sus palabras. Si la tarea nombra tu botón, estás probando si la gente sabe leer.
Tarea débil
Mejor tarea
«Usa el botón Importar para añadir invitados.»
«Tienes 40 invitados en una hoja de cálculo. Mételos en tu lista de invitados.»
«Abre Ajustes y cambia el logotipo de la factura.»
«Tus facturas deben mostrar tu nuevo logotipo. Haz que eso ocurra.»
Decide qué significa «hecho» antes de la primera sesión: «los invitados aparecen con nombres y correos» es un éxito, «encontraron la pantalla de importación» no. Da a la gente datos realistas e imprime cada tarea en una tarjeta para que puedan releerla sin preguntarte.
¿Cuántos usuarios necesitas para un test de usabilidad?
Cinco por ronda, de un solo tipo de usuario. El modelo de Nielsen dice que la proporción de problemas encontrados con n usuarios es 1 − (1 − L)ⁿ, donde L es la proporción que encuentra un solo usuario. En los proyectos que estudió, L tuvo una media del 31 % (Nielsen Norman Group, 2000).
Ese 31 % es una media. Un problema que solo afecta a una persona de cada diez es mucho más fácil de pasar por alto:
Usuarios en la ronda
Problemas encontrados (L = 31 %)
Probabilidad de ver un problema que afecta al 10 % de los usuarios
1
31 %
10 %
3
67 %
27 %
5
84 %
41 %
10
98 %
65 %
15
99,6 %
79 %
Por eso Nielsen recomienda repartir un presupuesto de 15 personas en tres rondas de cinco, corrigiendo el diseño entre rondas: los problemas poco frecuentes afloran a lo largo de las rondas.
Cada tipo de usuario necesita sus propias rondas. Para dos grupos, Nielsen sugiere de 3 a 4 usuarios cada uno; para tres o más grupos, 3 cada uno.
Las cifras requieren más gente. Para métricas estadísticamente significativas, recomienda al menos 20 usuarios (NN/g, 2012). En el mismo artículo, una encuesta a 217 participantes de una conferencia halló que los equipos tenían una media de 11 participantes por ronda.
Ejemplo práctico: por qué cinco usuarios no pueden darte una tasa de finalización
Este ejemplo es ilustrativo. Supón que 4 de 5 personas completan tu tarea de pago. Eso es un «80 % de éxito», pero el intervalo de confianza del 95 % (Wald ajustado) va de aproximadamente el 36 % al 98 %. La tasa real podría ser mala o excelente.
Ahora supón que 16 de 20 la completan. Sigue siendo el 80 %, pero el intervalo se estrecha a aproximadamente el 58 %–93 %. Usa cinco personas para encontrar y corregir problemas, y 20 o más cuando alguien necesite un porcentaje.
¿Qué deberías medir en un test de usabilidad?
Las cuatro métricas de la plantilla bastan para una ronda cualitativa. Dos añadidos hacen los resultados más fáciles de aprovechar.
¿Cómo se valora la gravedad de un problema de usabilidad?
Nielsen valora la gravedad según tres factores: con qué frecuencia ocurre el problema, lo difícil que es superarlo y si sigue molestando a la gente (NN/g, 1994). Su escala va de 0 a 4; la escala de 1 a 3 de la plantilla se corresponde con sus tres niveles superiores:
Gravedad en la plantilla
Nivel de Nielsen
Qué pasó
Qué hacer
1
2, menor
Los frenó, se recuperaron
Corregir cuando sea barato
2
3, mayor
Necesitaron varios intentos o adivinar
Corregir antes de la siguiente ronda
3
4, catástrofe
No pudieron terminar sin ayuda
Corregir antes del lanzamiento
Nielsen comprobó que las valoraciones de gravedad de una sola persona son demasiado poco fiables y recomienda promediar las de tres evaluadores. Valorad por separado y luego comparad.
¿Deberías añadir la System Usability Scale?
La System Usability Scale (SUS) es un cuestionario de 10 ítems con cinco respuestas, de «Muy de acuerdo» a «Muy en desacuerdo». John Brooke la creó en 1986, y usability.gov señalaba más de 1.300 artículos y publicaciones que la citan (usability.gov, archived).
Para puntuarla, resta 1 a cada respuesta de número impar, resta cada respuesta de número par a 5, suma los diez resultados y multiplica por 2,5 (MeasuringU, 2011). Ejemplo ilustrativo: las respuestas 4, 2, 4, 1, 4, 2, 5, 2, 4, 2 dan 16 en los ítems impares y 16 en los pares, así que 32 × 2,5 = una puntuación SUS de 80.
La puntuación no es un porcentaje. La media de 500 estudios es 68, y el 10 % superior puntúa por encima de 80,3. SUS tampoco es diagnóstica: dice lo usable que resulta algo, no qué corregir. Con cinco personas, léela como una señal aproximada y compárala de una ronda a otra.
Test de usabilidad frente a test de prototipo clicable y entrevista con clientes
¿Pueden las personas terminar el trabajo con lo que construimos?
¿Funcionará este diseño y lo piden?
¿Qué problema tiene la gente y cómo lo resuelve hoy?
Evidencia
Comportamiento sobre lo real
Comportamiento sobre una simulación
Lo que la gente dice sobre el pasado
Mejor momento
Después del lanzamiento, cuando la gente abandona o pide ayuda
Antes de construir
Antes de diseñar nada
Las entrevistas encuentran el problema, un prototipo prueba una solución antes de construirla y un test de usabilidad la comprueba cuando ya es real.
¿Cómo es un test de usabilidad en la práctica?
Este ejemplo es inventado para mostrar el método. Un equipo que gestiona una herramienta para organizadores de bodas ve que mucha gente empieza una lista de invitados pero no la termina. Observan a cinco organizadores intentar importar 40 nombres desde una hoja de cálculo.
Dos lo consiguen. Tres llegan a una pantalla titulada «Map fields», se detienen y vuelven atrás. Uno dice: «No sé qué me estáis pidiendo».
La señal no se cumple. El equipo sustituye esa pantalla por una vista previa de los nombres importados y prueba con otras cinco personas la semana siguiente. Cuatro lo consiguen. Nadie tuvo que rediseñar el resto del producto.
En el registro, que tres de cinco se bloqueen en una pantalla convierte «Map fields» en gravedad 3. Un botón «Done» por debajo del pliegue frenó a una persona y se anotó como gravedad 1. Primera ronda: 2 de 5. Segunda ronda: 4 de 5, que cumple la señal de éxito. Diez sesiones de 30 minutos, una pantalla cambiada.
¿Cuáles son los errores más comunes en los tests de usabilidad?
Ayudar. Cada vez que explicas, ocultas un problema real.
Nombrar la función en la tarea. «Usa el botón Importar» prueba la lectura, no la usabilidad.
Probar con colegas. Ya saben cómo funciona.
Pedir opiniones. Observa lo que hacen.
Escribir un informe en lugar de una solución. Corrige el problema principal y vuelve a probar.
Citar porcentajes a partir de cinco personas. «80 % de éxito» con 4 de 5 tiene un intervalo del 36 % al 98 %.
Cuándo no funciona: para preguntas sobre demanda o precio, para problemas poco frecuentes que necesitan decenas de sesiones para aparecer y para comportamientos que solo surgen tras semanas de uso real.
¿Cómo se graban sesiones de usabilidad de forma ética?
Una grabación de pantalla con voz son datos personales, así que trátala como tal. Cuenta a la gente qué grabas, quién lo verá y cuánto tiempo lo conservas, y consigue un sí antes de pulsar grabar. Diles que pueden parar en cualquier momento y recibir igualmente el agradecimiento. Usa cuentas de prueba y datos de ejemplo, nunca sus clientes reales ni datos bancarios. Comparte clips de 30 segundos del problema, no sesiones enteras, y borra los archivos originales cuando termine la ronda.
Cómo hacerlo en Specky
En la página Assumptions, haz clic en la nota y elige Pick a test, luego Usability test. Specky rellena cinco usuarios, la señal de éxito y un calendario de tres días.
Este lo realizas tú. Specky guarda el plan y el resultado. Haz las sesiones y grábalas tú mismo, con permiso.
Haz clic en Start running. Pega lo que ocurrió en cada sesión y anota el resultado.
Un test superado aparece en el tablero como Supported, porque ver a alguien terminar una tarea es comportamiento.
Unclear: los resultados difieren según el tipo de usuario. Sepáralos y haz cinco de cada tipo.
Contradicted: la gente no puede completarlo. Corrige primero el peor problema y vuelve a probar. Cualquier apuesta que dependa de esta nota aparece ahora como Contradicted, y debe seguir así hasta la nueva prueba.
¿Cuántos usuarios necesitas para un test de usabilidad?
Cinco usuarios de un mismo tipo es el punto de partida habitual. El modelo de Jakob Nielsen estima que cinco participantes encuentran alrededor del 85 % de los problemas de usabilidad, siempre que sean usuarios similares. Vuelve a probar con otros cinco después de cada corrección en lugar de hacer 15 de una vez. Para dos grupos de usuarios distintos, prueba con tres o cuatro de cada uno, y usa al menos 20 para las métricas que pienses citar.
¿Qué debes decir durante un test de usabilidad?
Lo menos posible. Lee la tarea, pide a la gente que piense en voz alta y luego guarda silencio. Si alguien pide ayuda, responde «¿Qué harías si yo no estuviera aquí?». Tus ganas de explicar señalan un problema de usabilidad, así que anótalo. Reserva preguntas como «¿Qué esperabas que pasara?» para el final.
¿Qué diferencia hay entre un test de usabilidad y la investigación de usuarios?
Un test de usabilidad es un tipo de investigación de usuarios. Comprueba si las personas pueden usar algo que ya existe, observándolas mientras intentan tareas. La investigación más amplia, como las entrevistas con clientes, explora lo que la gente necesita y cómo se las arregla hoy, antes de que se diseñe nada. Las entrevistas encuentran el problema; los tests de usabilidad comprueban la solución.
¿Cuál es una buena tasa de finalización de tareas?
En 1.189 tareas de 115 tests de usabilidad, MeasuringU halló una tasa media de finalización del 78 %, con el cuartil superior por encima del 92 % y el inferior por debajo del 49 %. Para tareas en las que fallar sale caro, como el pago, apunta al 100 %. Con cinco usuarios, cuenta los éxitos en vez de citar una tasa, porque el margen de error es demasiado amplio.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing