Stradivarius. Identificando barreras de conversión en la ficha de producto mediante user research
2024 · UX Research, User Testing, Análisis de usabilidad, Ecommerce
SUS 91/100
en usabilidad
El rediseño en producción confirmó su solidez, con un 90% en Customer Effort Score sobre perfiles de compra reales.
12 fallos críticos
identificados
Un diagnóstico preciso con insights accionables para priorizar la siguiente iteración, separando desktop y mobile.
Hoja de ruta lista para mejorar conversión
Del selector de talla a la galería, cada fricción detectada se convirtió en una recomendación específica y priorizable por canal.
Reto
Validar el rediseño de la ficha de producto de Stradivarius antes de priorizar mejoras
Stradivarius necesitaba validar el rediseño de su ficha de producto, ya publicado en producción, antes de priorizar la siguiente ronda de mejoras. El equipo digital quería saber con exactitud qué funcionaba, qué generaba fricción y dónde se perdían oportunidades de conversión. Hi Experience realizó dos proyectos de investigación independientes, uno en desktop y otro en mobile, para cubrir la experiencia completa de compra.
Enfoque
User testing y análisis de usabilidad para optimizar la conversión en eCommerce de moda
La ficha de producto concentra el momento más decisivo del proceso de compra: el instante en que una usuaria decide si una prenda es para ella. Diseñamos entrevistas moderadas con distintos grados de intervención, con 10 perfiles de hábitos de consumo y contextos socioeconómicos diversos.
Focalizamos el análisis en la galería, la foto de modelo y la navegación por la información de talla. Separamos desktop y mobile para capturar patrones de uso propios de cada contexto y no mezclar conclusiones.
Resultados
SUS 91/100, 12 fallos críticos identificados y hoja de ruta lista para la siguiente iteración
El estudio entregó al equipo digital un diagnóstico preciso de la ficha en producción, con insights accionables para priorizar la siguiente iteración. Una puntuación de 91,25 sobre 100 en usabilidad y un 90 % en Customer Effort Score confirmaron la solidez del rediseño, mientras que los 12 fallos críticos identificados trazaron una hoja de ruta clara de mejoras.
(SUS 91,25/100 · Customer Effort Score 90 % · 12 fallos críticos detectados)
La imagen del modelo emergió como uno de los elementos más determinantes en la decisión de compra. Las usuarias no solo evaluaban la prenda: buscaban referencias de talla y procesaban cómo quedaría la ropa en un cuerpo real, lo que reposiciona la jerarquía visual de la ficha.
La foto de modelo como factor de decisión
Evaluar la facilidad de añadir un producto a la cesta
Nos preguntamos qué tan difícil era para una usuaria añadir un producto a la cesta. Evaluamos la interacción con el selector de talla y el botón sticky al hacer scroll. Con ello validamos que la usuaria podía añadir a la cesta sin fricciones específicas de usabilidad.
La información de tallas generó la mayor carga cognitiva del proceso. Las tablas de medidas resultaban difíciles de interpretar y el uso de terminología técnica sin contexto ralentizaba la decisión. Se recomendó simplificar el lenguaje y mejorar la presentación de la guía de tallas para reducir el abandono en ese punto.
La selección de talla como barrera cognitiva
“Los resultados nos dieron exactamente lo que necesitábamos: confirmación de que el rediseño funcionaba bien y, al mismo tiempo, una lista clara de lo que todavía teníamos que resolver. Una combinación difícil de conseguir con datos cuantitativos solos.”
Galería: distintas necesidades según dispositivo
El comportamiento con la galería varió significativamente según el contexto. En desktop, las usuarias con trackpad encontraban fricción en la navegación entre imágenes. En mobile, el nivel de zoom disponible no siempre era suficiente para evaluar texturas y detalles del tejido, un dato crítico en moda.
Dos proyectos, dos metodologías
Diseñamos estudios con metodologías diferenciadas para cada plataforma, con estructura de sesión y perfiles adaptados al uso real en cada canal. La separación permitió extraer conclusiones propias de cada contexto y entregar al equipo recomendaciones específicas y priorizables para desktop y mobile por separado.
El análisis identificó aun así 12 fallos críticos concretos: problemas técnicos como la carga incompleta de la página o errores en el sticky bar que penalizaban la experiencia en momentos clave del proceso.