FM

FlowMetrics — Product Discovery

Árbol OST · Supuestos · Experimentos · Entrevistas · Cadencia semanal

Q3 2026 Teresa Torres Framework Evidencia > Opiniones
🎯

Outcome Deseado Q3 2026

Aumentar retención a 90 días — construir solo lo que la evidencia valida primero

41%
Retención 90d actual
▼ base
65%
Retención 90d objetivo
▲ +24pp
120
Agencias activas
↗ Q3 target
Señales del producto · 230 tickets analizados
38%
Tickets: "¿Cómo conecto esta fuente?"
27%
Tickets: "El reporte tardó 4+ horas"
34%
Usuarios que llegan al 1er reporte en <30min
28
NPS (detractores: "curva de aprendizaje")
🌳

Árbol de Oportunidad-Solución (OST)

Mapea el espacio del problema antes de saltar a features — Teresa Torres, Continuous Discovery Habits

Outcome
Aumentar retención a 90 días: 41% → 65% en Q3 2026
Oportunidad 1
Usuarios no entienden el valor en la primera sesión (time-to-value >30 min)
Tour interactivo de producto
Galería de plantillas pre-hechas
Oportunidad 2
Conexión de fuentes de datos es lenta y confusa (38% de tickets de soporte)
Wizard de integración guiada
Auto-detección de cuentas OAuth
Oportunidad 3
Generación de reportes no es confiable (27% quejas de lentitud / fallos)
Pipeline asíncrono con notif.
Entrega directa al cliente (email/PDF)
Experimentos ligados a cada solución (ver sección 3 para detalles completos)
Exp A: Smoke test "Tour guiado" — botón ficticio en onboarding · 1 semana
Exp B: One-question survey en la pantalla de integración · 3 días
Exp C: Wizard of Oz de entrega automática a clientes · 2 semanas
⚠️

Mapa de Supuestos — Risk × Impact

Testa los supuestos de ALTO riesgo + ALTO impacto primero. No valides lo que ya sabes.

← baja confianza (alto riesgo) alta confianza (bajo riesgo) →
🔴 PROBAR PRIMERO — Alto impacto · Alto riesgo
Si los usuarios llegan al primer reporte en <10 min, la retención a 30 días mejora significativamente
Desirability — si falla, el producto entero falla
Las agencias confunden la curva de setup con el valor real del producto (no con calidad de datos)
Usability — puede ser el driver principal del churn
Las agencias estarían dispuestas a pagar $299/mes si el reporte se enviara automáticamente a su cliente final
Viability — hipótesis de expansión de ingresos
🟡 MONITOREAR — Alto impacto · Baja confianza media
Google Ads + Meta son las integraciones que bloquean el 80% de los usuarios nuevos
Feasibility — datos de tickets apuntan en esta dirección
Una galería de plantillas pre-hechas reduciría el tiempo de configuración en >50%
Usability — no hay datos directos aún
🔵 BAJA PRIORIDAD — Bajo impacto · Alto riesgo
Integración con Salesforce abriría un segmento Enterprise
Viability — solo 4 solicitudes en tickets
Un modo "dark" de la UI reduciría la fricción percibida
Usability — cosmético, no estructural
🟢 VALIDADO — No requiere experimento
Las agencias necesitan reportes con datos de múltiples canales en un solo lugar
Desirability — ya validado: 120 clientes pagando
El precio de $149/mes es asumible para agencias de 5-50 personas
Viability — evidencia en la base actual
🧪

3 Experimentos Diseñados — Escalera de Coste Mínimo

Cada experimento tiene hipótesis, métrica de éxito, duración y árbol de decisión pre-definidos

Experimento 01
One-Question Survey en Onboarding
Hipótesis Los usuarios no llegan al primer reporte porque no saben qué fuente conectar primero, no porque el proceso sea lento
Supuesto La confusión de "¿por dónde empiezo?" es la causa #1 de abandono en onboarding
Métrica >60% de respuestas mencionan "no saber qué integración usar primero"
Muestra 50 usuarios nuevos (próximas 2 semanas)
🪜 Escalón 2: Encuesta de 1 pregunta · $0 · 3 días
✅ Si pasa
Construir wizard de integración guiada (Oportunidad 2)
❌ Si falla
Descartar wizard → investigar causa raíz con entrevistas
Experimento 02
Smoke Test "Entrega Automática al Cliente"
Hipótesis Las agencias harían upgrade a $299 si el reporte se enviara automáticamente a su cliente con su branding
Supuesto El ahorro de tiempo de envío manual justifica +$150/mes para la agencia
Métrica >8% de usuarios del plan $149 hacen clic en el botón "Prueba Pro: envío automático"
Muestra Todos los usuarios plan base (120 agencias)
🪜 Escalón 3: Fake Door / Smoke Test · $0 · 1 semana
✅ Si pasa
Wizard of Oz: entregar el envío manualmente para validar workflow antes de automatizar
❌ Si falla
Descartar feature Pro de envío → buscar otra hipótesis de expansión
Experimento 03
Wizard of Oz — Reporte en <10 min (manual)
Hipótesis Si una agencia genera su primer reporte en <10 minutos, la probabilidad de retención a 30 días aumenta >40%
Supuesto El time-to-first-value es el predictor más fuerte de retención en los primeros 30 días
Métrica Retención a 30 días del grupo <10 min vs. grupo control >30 min
Muestra 20 usuarios nuevos — el equipo acompaña el onboarding manualmente
🪜 Escalón 5: Wizard of Oz · $0 · 2 semanas
✅ Si pasa
Priorizar sprint de mejora de onboarding automatizado · Feature flag MVP
❌ Si falla
El problema no es el onboarding → investigar por qué se van usuarios que sí completan el setup
🎙️

Guía de Entrevistas de Usuario — FlowMetrics

Preguntas de comportamiento pasado, no intenciones futuras · 30 min por sesión · 2-3 entrevistas/semana

Apertura 2 min

→
"Gracias por tu tiempo. Estoy investigando cómo las agencias trabajan con reportes de cliente. No hay respuestas correctas o incorrectas — quiero aprender de tu experiencia."

Contexto 5 min

1
"¿Cuántos clientes llevas actualmente? ¿Con qué frecuencia les mandas reportes?"
2
"¿Cómo es tu proceso actual de reportes — desde que exportas datos hasta que el cliente lo recibe?"
Busca: ¿cuántas herramientas usa? ¿tiene workarounds?

Story Mining 15 min

3
"Cuéntame la última vez que configuraste FlowMetrics para un cliente nuevo. ¿Qué pasó exactamente?"
No interrumpir. Preguntar "¿y luego qué?" hasta agotar la historia.
4
"¿Cuál fue la parte más frustrante de ese proceso?"
5
"¿Qué workaround usaste para resolver eso? ¿Lo has automatizado de alguna forma?"
Workaround = oportunidad de producto sin explotar
6
"¿Cuánto tiempo te llevó tener el primer reporte listo para ese cliente?"

Pain Discovery 5 min

7
"Si pudieras cambiar una sola cosa del proceso de reportes, ¿qué sería?"
8
"¿Has probado otras herramientas para esto? ¿Qué fue lo que no te convenció?"
Comparar, no preguntar "¿usarías X?"

Cierre 3 min

9
"¿Hay algo que debería haberle preguntado y no pregunté?"
✓
"¿Estarías dispuesto a probar un prototipo si construimos algo nuevo? ¿Puedo contactarte en 2-3 semanas?"
Post-entrevista (máx. 1h): Extraer oportunidades, quotes, workarounds y momentos emocionales. Etiquetar por tema. Tras 5 entrevistas: agrupar oportunidades y actualizar el OST.
📅

Cadencia Semanal de Discovery

Ritmo continuo de aprendizaje — no discovery como proyecto puntual, sino hábito del equipo

Lunes
📊
Revisar resultados del experimento de la semana pasada. Actualizar OST con lo aprendido.
Review
Martes
🎙️
Entrevistas de usuario (1-2 sesiones × 30 min). Foco en Oportunidad prioritaria de la semana.
Entrevistas
Miércoles
🎙️
1 entrevista adicional. Análisis preliminar de las 3 sesiones de la semana.
Entrevistas
Jueves
🔬
Síntesis de entrevistas. Identificar nuevas oportunidades. Actualizar mapa de supuestos.
Síntesis
Viernes
🧪
Diseñar el experimento de la semana siguiente. Escribir el brief completo con métrica de éxito.
Diseño exp.
Revisión Trimestral Q3
Target: 10-15 supuestos testados en el trimestre
¿Qué aprendimos que cambió el roadmap?
¿Qué oportunidades están validadas vs. invalidadas?
Actualizar OST completo con evidencia acumulada
Reglas de Oro del Equipo
Sin código hasta validar el supuesto más arriesgado
Preguntar sobre comportamiento pasado, no intenciones
Matar ideas rápido si el supuesto clave falla
Todo experimento tiene deadline + métrica antes de empezar
Stack Recomendado
Entrevistas: Grain / Otter.ai (transcripción)
Síntesis: Notion + tags de oportunidad
Experiments: FeatureFlags en prod (LaunchDarkly)
OST: FigJam / Miro — actualizar cada semana
FlowMetrics · Product Discovery Report · Q3 2026 · Basado en Continuous Discovery Habits (Teresa Torres) y The Right It (Alberto Savoia) Generado por CULTIVA IA · Consultoria & Estrategia de Producto