Cómo los investigadores de Uber aplican y escalan el conocimiento del comportamiento humano

imagen

Hemos preparado para los lectores de Habra una traducci√≥n del art√≠culo del equipo de Uber Labs. Los colegas de Uber describen el proceso de trabajo de analistas altamente especializados (en el campo de la ciencia del comportamiento) dentro de una gran corporaci√≥n, c√≥mo interact√ļan con otros tipos de analistas (investigadores de UX, analistas de productos) y colegas de otros equipos (producto, desarrollo interno), que resuelven problemas y c√≥mo los abordan. Comentarios sobre el material de Gleb Sologub, director de an√°lisis de Skyeng.

En Uber Labs, nos esforzamos por utilizar las ideas y los m√©todos de la ciencia del comportamiento para crear programas y productos intuitivos y agradables. Los miembros de nuestro equipo tienen t√≠tulos en psicolog√≠a, marketing y ciencias cognitivas, poseen conocimiento de √°reas tem√°ticas, como la toma de decisiones, la motivaci√≥n y la capacitaci√≥n, las posibilidades metodol√≥gicas en el dise√Īo de experimentos y son expertos en modelos estad√≠sticos y enfoques causales. Este conocimiento nos permite analizar en profundidad los problemas de aumentar el grado de satisfacci√≥n del cliente, y gracias a nuestra experiencia en el campo de la metodolog√≠a y las estad√≠sticas, podemos medir el impacto de la satisfacci√≥n en el negocio (uno de esos enfoques es modelar un intermediario ).

En este artículo, describiremos cómo nuestro equipo aplica el conocimiento teórico sobre el comportamiento humano en la práctica, así como cómo y por qué trabajamos con equipos de productos y marketing para mejorar la experiencia del usuario de nuestros clientes. En particular, veremos un ejemplo con el producto Express POOL recientemente lanzado.

Nuestro camino hacia la ciencia del comportamiento (sobre datos)


En 2014, Uber se lanz√≥ casi todos los d√≠as en una nueva ciudad. Los grupos de trabajo en cada regi√≥n deber√≠an haber entendido qu√© estrategias y productos de comunicaci√≥n funcionan mejor en la regi√≥n, pero la mayor√≠a de ellos carec√≠an de experiencia en dise√Īo de experimentos y estad√≠sticas. Para resolver este problema, creamos Uber Labs, un equipo de investigadores con experiencia en psicolog√≠a, marketing y ciencias cognitivas. Este equipo centralizado deb√≠a usar sus habilidades en la metodolog√≠a y el dise√Īo de experimentos y analizar datos a trav√©s de modelos jer√°rquicos para mejorar nuestros productos en beneficio de los pasajeros y conductores en diferentes regiones.

Las consultas individuales fueron efectivas, pero necesit√°bamos escalar esta experiencia a una gama cada vez mayor de nuestros productos. Despu√©s de haber creado plantillas de calculadora para calcular el tama√Īo de la muestra y el an√°lisis estad√≠stico utilizando Riny's Shiny , brindamos a los equipos no t√©cnicos la oportunidad de utilizar nuestro conocimiento para sus tareas. Estas herramientas, para trabajar con las que solo era necesario cargar sus datos iniciales, inclu√≠an verificaciones integradas de supuestos estad√≠sticos y cumplimiento del modelo, as√≠ como la selecci√≥n automatizada del m√©todo anal√≠tico apropiado para un conjunto de datos en particular. En la salida, el usuario recibi√≥ resultados de an√°lisis y explicaciones claras de estos resultados. M√°s tarde, junto con el equipo de la plataforma de desarrollo experimental, creamos un proceso para analizar y verificar datos en nuestra herramienta de prueba A / B. Esto facilit√≥ a otros equipos el an√°lisis eficiente de los datos.

A medida que la empresa creci√≥ y se expandi√≥, creando nuevas √°reas para el desarrollo de productos, nos dimos cuenta de que pod√≠amos fortalecer nuestra influencia trabajando directamente con los equipos de desarrollo. A principios de 2017, comenzamos a aplicar el conocimiento aplicado sobre el comportamiento adem√°s de las estad√≠sticas. Pasamos de un enfoque pasivo y de apoyo a ideas ya formuladas a uno activo: comenzamos a usar nuestro conocimiento en el campo del aprendizaje y la memorizaci√≥n, lo que nos permiti√≥ proponer soluciones concretas basadas en la investigaci√≥n cient√≠fica existente. Adem√°s de la experimentaci√≥n, comenzamos a admitir nuevas direcciones: estrategia de producto, dise√Īo de programas, optimizaci√≥n de contenido y medici√≥n del impacto comercial.

Gracias a nuestra capacitaci√≥n, los especialistas en comportamiento est√°n bien versados ‚Äč‚Äčen m√©todos de investigaci√≥n cualitativos y cuantitativos. Nuestro campo de actividad se expandi√≥, dejamos de ser solo investigadores, nos convertimos en expertos en an√°lisis de datos y decidimos centrarnos en los m√©todos de investigaci√≥n cuantitativa como un componente importante de nuestro trabajo con datos. El departamento de UX de Uber emplea especialistas altamente calificados que se dedican a la investigaci√≥n de calidad. Al centrarnos en m√©todos cuantitativos, como probar ideas te√≥ricamente v√°lidas a trav√©s de la experimentaci√≥n y aplicar nuevos enfoques estad√≠sticos, complementamos el ecosistema de investigaci√≥n m√°s amplio de Uber.

Nuestro flujo de trabajo: cómo implementamos ideas y métodos


Organizamos nuestro flujo de trabajo para que no solo ayudemos a resolver problemas a través del asesoramiento en un momento específico, sino que también proporcionemos efectividad a largo plazo al escalar el conocimiento y los métodos en el campo de la ciencia del comportamiento utilizando plantillas y plataformas especiales. Le diremos más sobre estos procesos.

1. La consultoría es el enfoque más efectivo para resolver problemas tácticos a nivel de un producto o función específicos. Trabajamos directamente con productos, marketing y otros equipos de datos y ofrecemos recomendaciones científicamente sólidas para resolver los problemas que enfrentan.

2. Para ejercer una mayor influencia en la formación de estrategias analíticas y de productos, nuestro equipo crea pautas de contenido y desarrollo, así como plantillas de R y Python, lo que permite a nuestros colegas de Uber estudiar y reproducir nuestros métodos de forma independiente.

3. Finalmente, trabajamos con equipos de toda la empresa para proporcionar acceso con un clic a nuestras ideas y metodologías analíticas. Como ejemplo, podemos trabajar con un equipo que desarrolla una plataforma para experimentos en una herramienta para el análisis post- experimental .

Nuestro asesoramiento a menudo implica la aplicación de conocimientos teóricos a los problemas que describiremos en el siguiente ejemplo. En nuestro trabajo, adoptamos un enfoque cuantitativo para resolver tales problemas. Todo nuestro trabajo con datos se basa en preguntas sobre el comportamiento del usuario y se divide en tres categorías: evaluación cuantitativa de construcciones y procesos psicológicos, aplicación de métodos de ciencias del comportamiento y análisis experimental.

Primero, usamos los datos de Uber para cuantificar construcciones psicológicas ocultas y procesos que determinan el comportamiento. Para hacer esto, adaptamos los métodos existentes de las ciencias de la sociedad y el comportamiento, como el análisis factorial , o desarrollamos otros nuevos. Para resolver problemas más difíciles, aplicamos algunos métodos que se usan con menos frecuencia en la ciencia de datos, por ejemplo, el enfoque de modelado intermedio desarrollado por nosotros o el análisis de series de tiempo interrumpidas . Finalmente, analizamos los datos de varios experimentos, que van desde pruebas estándar A / B hasta métodos que se usan cuando las pruebas A / B son imposibles o indeseables, por ejemplo, experimentos con promoción aleatoria .

En ciencia, la investigaci√≥n se usa con mayor frecuencia para desarrollar a√ļn m√°s una teor√≠a, en lugar de resolver problemas aplicados. Para nuestro equipo, uno de los aspectos m√°s importantes de la transici√≥n del conocimiento te√≥rico a una tarea empresarial espec√≠fica es la capacidad de aplicar la investigaci√≥n aplicada para mejorar la experiencia del usuario.

Al comenzar a trabajar con equipos de productos en el campo de la ciencia del comportamiento, nos enfrentamos al hecho de que incluso cuando los conceptos parecen simples de entender y usar, su aplicación no sistemática puede tener consecuencias imprevistas. Por lo tanto, siempre es necesario considerar el contexto situacional e individual. Por ejemplo, en la ciencia de la conducta existe un fenómeno familiar de aversión a la pérdida, familiar para muchos. A primera vista, su esencia es obvia: las personas a menudo prefieren evitar pérdidas que obtener beneficios. Sin embargo, hay muchas situaciones en las que presentar algo como una pérdida puede molestar o enojar al usuario, en lugar de motivarlo. Por ejemplo, un usuario de larga data del programa de fidelización, para quien toda la experiencia de interactuar con la aplicación se basó en obtener puntos, puede enojarse si le dicen que perderá puntos si no realiza una compra de inmediato. Incluso las tendencias comunes, como la aversión a la pérdida, pueden tener consecuencias imprevistas o negativas si trabaja con ellas fuera de contexto. No importa qué tan exitoso sea su enfoque, recomendamos experimentar para comprender mejor y predecir con mayor precisión el resultado de su uso.

Caso: PISCINA Express


Dado que la ciencia del comportamiento es en gran medida situacional, gran parte de nuestro trabajo consiste en asesorar a los equipos que desarrollan un producto en particular. Nuestra colaboración con el equipo de Express POOL es un ejemplo de cómo el equipo de ciencias del comportamiento aplicado aplica la investigación teórica al desarrollo de productos.

A principios de 2018, Uber lanzó Express POOL . Al igual que uberPOOL , Express POOL implica viajar juntos y compartir los gastos con los pasajeros en el camino. A diferencia de uberPOOL, uberX y nuestros otros productos de transporte compartido, cuando use Express POOL tendrá que esperar un poco más para llegar al destino de un automóvil adecuado y caminar hasta el lugar de aterrizaje indicado. Tales cambios permiten crear rutas más directas y eficientes, lo que, a su vez, hace que el viaje sea más accesible.

Los pasajeros est√°n acostumbrados al hecho de que el autom√≥vil llega r√°pidamente exactamente donde est√°n, por lo tanto, al desarrollar el producto, se prest√≥ especial atenci√≥n a c√≥mo los usuarios interact√ļan con el nuevo producto. Qued√≥ claro que era necesario mejorar muchos aspectos: los clientes cancelaron los viajes entre la solicitud y la selecci√≥n de una opci√≥n adecuada. Los pasajeros tuvieron que esperar m√°s y las cancelaciones ocurrieron con mucha m√°s frecuencia que cuando se usaban otros productos.

Por lo general, comenzamos el proceso de consulta reuniéndonos con el equipo que trabaja en el producto para comprender el problema. Este equipo incluye un gerente de producto, gerente de marketing, investigador de experiencia de usuario, ingeniero y especialista en datos de productos. Revisamos y tomamos en cuenta la investigación preliminar del equipo, como las pruebas de usabilidad. En el caso de Express Pool, después de haber conectado con el proyecto, aprendimos los detalles descritos anteriormente.

Habiendo estudiado el contexto y entendiendo el problema general, realizamos una revisión de literatura especial con un análisis en profundidad de los datos disponibles de la ciencia de la conducta para determinar la metodología para resolver este problema. Entonces, profundamente inmersos en el contexto, transformamos nuestro conocimiento en escenarios de cambio real para los equipos de productos y recomendamos formas de probar estos desarrollos.

En este caso, comenzamos a estudiar la literatura sobre la ciencia del comportamiento para aprender más sobre cómo las personas perciben el tiempo y las expectativas. Hemos identificado tres conceptos que son importantes para comprender los tiempos de espera: rechazo de la inacción , transparencia de la acción y el efecto del gradiente del objetivo . El concepto de rechazo de la inacción es obvio: las personas tienen miedo de la inacción y quieren estar constantemente ocupadas. También descubrimos que la transparencia de las acciones o la divulgación a los usuarios de lo que sucede con su solicitud en un momento dado aumenta la calificación del producto por parte del consumidor. Finalmente, el efecto de gradiente de objetivo se caracteriza por un aumento en la motivación y grandes esfuerzos que las personas están listas para ejercer cuando sienten que se están acercando a su objetivo.

Ante esto, recomendamos mostrar el progreso mientras espera, reflejando cada paso en la aplicaci√≥n, por ejemplo, indicando los acompa√Īantes seleccionados y notificando al cliente sobre qu√© autom√≥vil se encontr√≥.

Se puede obtener informaci√≥n adicional, como una explicaci√≥n del principio de calcular los tiempos de llegada, haciendo clic en el icono de informaci√≥n. El equipo de Express POOL prob√≥ estas ideas con pruebas A / B y registr√≥ una reducci√≥n del 11% en el n√ļmero de cancelaciones despu√©s de llamar a la m√°quina.

imagen
Fig. 1. El dise√Īo de prueba de la interfaz de usuario de Express POOL muestra pasos detallados y utiliza iconos para obtener m√°s informaci√≥n sobre el estado del pedido.

Como se describe en este ejemplo, después de un estudio detallado de las características del comportamiento humano, desarrollamos ideas prioritarias basadas en suposiciones sobre el impacto potencial y los posibles riesgos. Para probar nuestras ideas, organizamos y realizamos experimentos, y luego analizamos los datos. En la Figura 2 se muestra todo el proceso de nuestro proyecto de investigación, plasmado en nuestro trabajo en Express POOL:

imagen
Figura 2. Por lo general, nuestro flujo de trabajo comienza con la declaración del problema y termina con experimentos.

1. Definición del problema.
Obtenga información sobre el problema de los equipos asociados.
2. Análisis en profundidad e inmersión en la ciencia del comportamiento.
Formule el problema en términos relevantes del campo de la ciencia del comportamiento.
3. Formulación de ideas basadas en el conocimiento científico existente.
Proponer una idea específica para un producto basada en los resultados de la investigación científica.
4. Priorización
Junto con otros equipos, priorice las ideas, teniendo en cuenta los resultados económicos esperados y los posibles riesgos.
5. Experimentación
Realice experimentos para probar ideas (desarrolle opciones de experimentos, determine el p√ļblico objetivo, analice los datos recibidos, etc.).

La aplicación de la ciencia del comportamiento ayuda a agregar valor al producto


Nuestro trabajo en Express POOL demuestra el valor √ļnico que nuestros estudios en el campo de las caracter√≠sticas del comportamiento humano, respaldados por d√©cadas de experimentos cient√≠ficos en este campo, representan para el producto en el futuro. Armados con esta informaci√≥n, trabajamos junto con investigadores de UX y analistas de productos que utilizan sus habilidades para resolver problemas distintos de los que estamos investigando. Por ejemplo, durante nuestro experimento con Express POOL, los analistas de productos monitorearon cuidadosamente las m√©tricas de las aplicaciones y encontraron oportunidades para mejorar la tasa de cancelaci√≥n de pedidos despu√©s de una solicitud. Los investigadores de UX realizaron viajes de prueba para comprender las causas de las dificultades de los pasajeros y comprender el problema. Como investigadores de datos de comportamiento, utilizamos nuestro conocimiento y metodolog√≠a para proponer una soluci√≥n a un problema que puede probarse emp√≠ricamente.

Tomamos en cuenta nuestro conjunto especializado de habilidades y c√≥mo podemos agregar valor al producto cuando elegimos con qu√© equipos trabajamos y qu√© proyectos emprendemos. A nivel global, elaboramos un plan de prioridad para el a√Īo, determinado por el desempe√Īo econ√≥mico deseado del producto. A un nivel m√°s detallado, el equipo de desarrollo proporciona informaci√≥n sobre qu√© √°reas del producto tienen los problemas m√°s acuciantes. En base a esto, elegimos qu√© proyectos y en qu√© secuencia llevaremos a cabo junto con otros equipos. Es importante tener en cuenta que nuestro equipo considera estas √°reas de desarrollo desde el punto de vista de la ciencia del comportamiento, determinando d√≥nde usar nuestro conocimiento aplicado y nuestra experiencia de an√°lisis cuantitativo. En algunos casos, esto puede significar la exclusi√≥n de la prioridad de aquellos experimentos para los cuales se necesita una s√≥lida base te√≥rica o investigaci√≥n cualitativa que no requiera nuestras habilidades metodol√≥gicas. Logramos resultados serios, siempre luchando por ejercer la m√°xima influencia tanto en los negocios como en el grado de relevancia de la aplicaci√≥n de la ciencia del comportamiento.

Resultados clave


En el futuro, a medida que Uber desarrolle nuevas oportunidades de desarrollo y mejore los productos existentes, esperamos que nuestro equipo tenga muchas oportunidades de utilizar la ciencia del comportamiento para ofrecer a nuestros usuarios el mejor servicio posible. En 2019, continuaremos colaborando con otros equipos en proyectos innovadores y altamente efectivos, y también invertiremos en ampliar nuestro conocimiento para hacer que la ciencia del comportamiento sea más accesible. Nos complace continuar aplicando activamente nuestro conocimiento teórico y metodológico y aumentar la efectividad de las funciones, programas y plataformas creadas en nuestra empresa.
Comentario de Gleb Sologub, director de an√°lisis de Skyeng

En Skyeng, los métodos de la ciencia del comportamiento se tienen en cuenta y se utilizan en la preparación de experimentos y pruebas A / B en varias páginas de destino, en el desarrollo de nuestras aplicaciones móviles y plataforma web para la realización de lecciones.

Por ejemplo, a trav√©s de pruebas A / B, recientemente descubrimos c√≥mo los efectos del cebado afectan la elecci√≥n de un paquete de lecciones para nuestros estudiantes y su decisi√≥n de compra, dependiendo de la ubicaci√≥n de las opciones en la p√°gina de pago. Comprender los mecanismos de motivaci√≥n nos ayuda a seleccionar los mejores esquemas de motivaci√≥n para maestros y gerentes de ventas. Y encarnamos el conocimiento en el campo de la metodolog√≠a de ense√Īanza en interfaces especiales, que permiten aumentar la efectividad del profesor.

Creo que no hay tantas compa√Ī√≠as en el mundo que puedan permitirse mantener un equipo separado de analistas de comportamiento en el personal. En Skyeng, estamos tratando de educar a los investigadores existentes para que expandan constantemente su arsenal de m√©todos y sepan c√≥mo elegir los que necesitan para una tarea espec√≠fica. Y, por cierto, nuestro equipo anal√≠tico est√° creciendo: ¬° hay vacantes interesantes !
Foto de meo de Pexels

Source: https://habr.com/ru/post/444690/


All Articles