Un usuario que termina el onboarding no es un usuario que ha obtenido valor. Son dos cosas distintas, y confundirlas es la razón por la que muchos equipos celebran una tasa de finalización alta mientras la activación real no se mueve.
La respuesta corta. El time-to-value (TTV) es el tiempo que pasa desde el registro hasta que el usuario consigue su primer resultado útil de verdad. Optimizar el onboarding con feedback significa localizar ese momento, mapear los pasos que lo preceden y preguntar en cada uno qué está frenando a la gente, en vez de deducirlo de una curva de abandono.
Cuatro métricas que no son la misma
| Métrica | Qué mide | Por qué no basta |
|---|---|---|
| Finalización | Ha recorrido los pasos del asistente | Se puede completar sin entender nada |
| Comprensión | Sabe qué hace el producto | Saberlo no es haberlo usado |
| Activación | Ha realizado la acción que separa a quien se queda | Binaria: no dice cuánto costó llegar |
| Time-to-value | Cuánto tardó en llegar ahí | La única que mide el coste del recorrido |
La finalización es la más fácil de instrumentar y la menos informativa. Un usuario puede cerrar los seis pasos del asistente y no haber producido nada que le sirva.
Paso 1: identificar el primer evento de valor real
No lo decidas en una reunión. Obsérvalo.
Compara qué hicieron en sus primeras dos o tres semanas las cuentas que siguen contigo y qué no hicieron las que se fueron pronto. La acción que aparece casi siempre en el primer grupo y casi nunca en el segundo es tu evento de activación.
Suele ser más mundano de lo esperado: no «ha configurado el espacio de trabajo», sino «ha invitado a una segunda persona», «ha importado sus datos reales» o «ha compartido el primer resultado con alguien de fuera». El patrón habitual es que el evento implica a otra persona o a datos reales, porque ambos son señales de que el producto ha entrado en un flujo de trabajo de verdad.
Paso 2: mapear los pasos anteriores a ese evento
Escribe la secuencia mínima entre el registro y el evento de valor. Solo la mínima: todo lo que no sea imprescindible para llegar ahí es candidato a salir del camino crítico, no a optimizarse.
Con la secuencia delante, cada paso admite las mismas cuatro preguntas.
Paso 3: el mapa de fricción
Esta tabla es la herramienta central. Una fila por paso.
| Paso | Resultado esperado | Señal de comportamiento | Pregunta de feedback | Fricción posible | Acción |
|---|---|---|---|---|---|
| Registro | Cuenta creada | Abandono en el formulario | ¿Qué esperabas encontrar al entrar? | Campos innecesarios, verificación lenta | Reducir campos, diferir lo que no bloquea |
| Conexión de datos | Datos reales dentro | Empieza y no termina | ¿Qué te ha faltado para terminar la importación? | Permisos, formato, falta de confianza | Importación parcial, datos de ejemplo |
| Primera configuración | Producto adaptado a su caso | Acepta todo por defecto | ¿Se parece esto a cómo trabajáis? | Opciones sin contexto | Plantillas por caso de uso |
| Invitación al equipo | Segunda persona dentro | Nadie invitado en 7 días | ¿Quién más necesitaría verlo? | No sabe a quién, o no puede decidirlo | Invitación diferida con recordatorio |
| Primer resultado | Algo utilizable producido | Llega y no exporta ni comparte | ¿Te ha servido esto? ¿Qué harías con ello? | El resultado no es lo que esperaba | Ajustar la promesa, no el flujo |
| Segunda sesión | Vuelve por su cuenta | No vuelve en 72 h | ¿Qué te haría volver mañana? | No hay motivo recurrente | Revisar si el caso de uso es recurrente |
Las dos columnas centrales son las que hacen el trabajo. La señal de comportamiento te dice dónde mirar. La pregunta te dice por qué, y ninguna analítica va a contártelo.
Paso 4: dónde recoger el feedback
En el momento, y en el sitio. El feedback pierde contexto con la distancia respecto al hecho: una encuesta a los quince días devuelve una opinión general, y un mensaje al abandonar un paso devuelve el paso.
- En el punto de abandono, con una sola pregunta abierta.
- Justo después del primer resultado, cuando la impresión es fresca.
- En el soporte de los primeros días, que es la fuente más honesta y la menos leída.
- En conversaciones con cuentas que activaron rápido, para saber qué les resultó obvio.
Evita preguntar «¿qué te ha parecido el onboarding?». Pregunta qué intentaban hacer y qué se lo impidió.
Paso 5: cruzar comportamiento y feedback
Ninguna de las dos fuentes basta sola.
La analítica dice que el 3.º paso pierde gente, con precisión y sin explicación. El feedback dice que el formato de importación no coincide con lo que exportan sus herramientas, sin decirte cuánta gente. Juntas producen algo accionable: un problema concreto con un volumen asociado.
El error frecuente es actuar solo con la primera. Un abandono alto en un paso admite muchas causas: es confuso, es lento, pide algo que no tienen a mano, o simplemente no hacía falta estar ahí.
Paso 6: priorizar la fricción
No todos los puntos de abandono valen lo mismo. Ordénalos por:
- Cuántas cuentas distintas pasan por ahí, no cuántos mensajes.
- Cuánto retrasa el evento de valor, no cuánta gente se queja.
- Si existe alternativa: un paso lento con salida es distinto de uno que bloquea.
- En qué segmento se concentra. Si solo afecta a un tipo de cuenta, es una decisión de segmento.
- Cuánto cuesta arreglarlo, en último lugar y nunca primero.
Sobre los umbrales: no adoptes reglas fijas del tipo «si tres personas lo mencionan, es real». Fija un umbral acorde a tu volumen de usuarios y valídalo contra el comportamiento observado. Con cincuenta cuentas nuevas al mes, tres menciones son mucho; con cinco mil, son ruido.
Paso 7: probar el cambio
Un cambio en el onboarding se prueba en una cohorte, no en el histórico. Compara cohortes de registro posteriores al cambio con las anteriores, y déjalas correr al menos el tiempo que tardaba el evento de valor antes de tocar nada.
Cambia una cosa cada vez. Tres cambios simultáneos en el mismo tramo producen un resultado que no sabrás atribuir.
Paso 8: medir si el TTV ha bajado
Sobre tus propios datos, y contra tu propio periodo anterior:
- Mediana del tiempo hasta el evento de valor, no la media: unas pocas cuentas muy lentas distorsionan la media.
- Proporción que activa, por cohorte de registro.
- Dónde se pierde el tiempo, tramo a tramo, para ver si el cuello de botella se movió en vez de desaparecer.
- Tickets de soporte de la primera semana, que deberían bajar si la fricción era real.
- Retención a treinta días de quien activó rápido frente a quien activó tarde, tratándolo como observación y no como causa: quien activa rápido suele tener un caso de uso más claro de partida.
Antes y después
Antes. Asistente de seis pasos, todos obligatorios, con la importación de datos en el quinto. Tasa de finalización alta. La activación real, medida como «ha compartido un resultado», baja. El soporte de los primeros días se llena de preguntas sobre formatos de importación.
Después. La importación pasa al primer paso y admite un archivo parcial o datos de ejemplo. Tres pasos del asistente dejan de ser obligatorios y quedan accesibles después. Al abandonar la importación aparece una única pregunta abierta.
Lo relevante del ejemplo no es el resultado, sino el diagnóstico: la finalización subía porque el asistente era fácil de cerrar, y bajaba la activación porque el paso que producía valor estaba al final y era el más difícil. Ninguna métrica de finalización lo habría mostrado.
Dónde entra FlagUp
FlagUp no mide la activación ni el time-to-value: eso vive en tu analítica de producto. Lo que aporta es el lado cualitativo, que suele ser el que falta: recoger el feedback de los primeros días en un solo sitio con la cuenta asociada, agrupar los duplicados para que un problema se cuente una vez y no una por formulación, y avisar a quien lo señaló cuando se resuelve. Consulta los planes.
Preguntas frecuentes
¿Qué es el time-to-value?
El tiempo desde el registro hasta que el usuario obtiene su primer resultado realmente útil. Es distinto de completar el onboarding, que solo mide haber recorrido unos pasos.
¿Cómo sé cuál es mi evento de activación?
Observando, no decidiéndolo. Compara qué hicieron pronto las cuentas que se quedaron y qué no hicieron las que se fueron. La acción que separa ambos grupos es tu candidata.
¿Cuántas preguntas conviene hacer durante el onboarding?
Una por momento, abierta y sobre algo que acaba de pasar. Una encuesta larga durante el onboarding compite con la tarea que el usuario intentaba terminar.
¿Una tasa de finalización alta es buena señal?
No por sí sola. Indica que el asistente es fácil de cerrar. Si la activación no acompaña, lo más probable es que el paso que produce valor esté fuera del asistente o al final de él.
¿A partir de cuántas menciones un problema es real?
Depende de tu volumen. Fija el umbral en función de las cuentas nuevas que recibes y contrástalo con el comportamiento: si el abandono en ese paso confirma lo que dicen los mensajes, el problema es real aunque las menciones sean pocas.
¿Qué hago si el abandono está repartido y no hay un paso claro?
Suele significar que el camino es demasiado largo, no que un paso concreto falle. Reduce la secuencia mínima antes de optimizar ninguno de sus pasos.