Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA INFORMÁTICA
Grupo 4
15 Noviembre de 2018
Bryan Cataldo
Nicolás Contreras
Ariel Cornejo
Octavio Gómez
Jaime Long
Juan Mansilla
1 Introducción
1.1 Aplicación a Analizar
El sistema seleccionado será la aplicación móvil Groupon LatAm, del sector del
comercio electrónico y que presenta cupones de descuentos utilizables en compañías locales
y nacionales, para tipos muy variados de productos y servicios. Esta se encuentra disponible
para los para los dispositivos Android y Iphone. Fue lanzada en el año 2017 para
Latinoamérica.
Actualmente, la aplicación en ambos sistemas, organiza los elementos según 4
categorías: destacados, shopping, viajes y cerca. La primera de estas, se encarga de la sección
de servicios como peluquería, restaurants, cursos, etc. La segunda sección, shopping,
organiza la venta de productos físicos (comida, artículos del hogar, tecnología, entre otros).
La tercera, ordena pasajes, vuelos, hoteles y todo lo relacionado con viajes; mientras que, la
última categoría, como su nombre lo indica, busca ofertas que se encuentren cerca de la
localización actual del usuario. Debido a esta categorización, la aplicación presenta una clara
deficiencia en la organización de la información, ya que no existen otras categorías dentro de
la aplicación y encontrar un producto o servicio consume bastante tiempo.
1.2 Objetivo
El objetivo que se busca al realizar un card sorting a la aplicación Groupon consiste
en que mediante la asociación y validación de los contenidos y conjuntos por los usuarios, se
logre organizar y clasificar la información de los productos en nuevas categorías. Estas
corresponderán a conjuntos más acotados y representativos para los distintos cupones que
ofrece la aplicación. Además, permitiría aumentar la usabilidad de la aplicación y ofrecer una
mejor experiencia de usuario.
2 Metodología
2.1. Muestra
El card sorting se realizó con 11 personas que era el máximo permitido por la
aplicación, en su versión gratuita. Este conjunto, considera usuarios activos y potenciales de
la aplicación o del sitio web de Groupon, considerando un rango etario entre 20 y 25 años. La
fecha para realizar el card sorting fue desde el 10 al 13 de noviembre del presente año.
El card sorting utilizado fue el de tipo híbrido, donde a los participantes se les
presenta un conjunto de categorías predefinidas en las cuales agrupa las tarjetas, pero pueden
crear nuevas si así lo desean.
La herramienta utilizada fue Optimal Sort, una plataforma online de card sorting
creada por la empresa Optimal Workshop en su versión gratuita. Esta es una herramienta muy
fácil de utilizar y ágil para la organización y creación de un card sorting. Además, resulta
agradable visualmente tanto para el creador como para los participantes.
2.4. Tarjetas
Las tarjetas utilizadas, que deberán ser ordenadas por los participantes, son las
siguientes:
● Bebidas
● Bicicleta MTB
● Cámara GoPro
● Celulares
● Chocolate Trencito
● Comida Casera
● Comida Rápida
● Comida Restaurant para 2 o 4 personas en Mesarina
● Comida Saludable
● Curso de Excel nivel básico
● Curso de manejo clase A
● Curso de programación Java
● Entradas a partido Universidad de Chile vs Colo Colo
● Entradas al cine para Deadpool 3
● Entradas al concierto de Green Day
● Entradas al teatro para Romeo y Julieta
● Hospedaje 2 días en Londres
● Joyas
● Microondas Daewoo
● Nintendo Switch
● Notebook
● Pack Cervezas
● Pasajes de avión a Inglaterra
● Patines 4 ruedas
● Playstation 4
● Refrigerador LG
● Relojes
● Televisor 4K LG
● Vino Tocornal 5L
● Xbox One
2.5. Categorías
● Accesorios
● Alcohol
● Deportes
● Entretención
● Eventos
● Gastronomía
● Línea Blanca
● Servicios
● Tecnología
● Viajes
● Videojuegos
3 Análisis e Interpretación de los resultados
3.1 Resultados de Cuestionario previo
El cuestionario previo sirve para conocer a los participantes que realizarán el card
sorting, y obtener una idea de las características generales de los usuarios que usan o podrían
usar la aplicación.
● Edad: El 60% de los participantes tiene 22 años, después 10% tiene 20, 21, 23 y 24
respectivamente. Esto implica que, efectivamente existen personas que usan o están
interesadas en el uso de la aplicación móvil de Groupon dentro del rango etario
previamente definido para la muestra.
● Género: El 63.6% de los participantes es hombre, y el 36.4% es mujer. Sin embargo,
debido al contexto de evaluación, no es posible entregar una proyección certera
respecto al género mayoritario que utiliza la aplicación de Groupon. Esto se debe
principalmente a que la cantidad de participantes del card sorting resulta ser muy
reducida para realizar una conclusión respecto a un parámetro tan amplio.
● Se encuentra conforme con el orden actual de la aplicación móvil: El 54.5% dijo que
no usa la aplicación móvil, mientras el 36,4% dijo que No estaba conforme, y sólo el
9% contestó que sí lo está. Tomando en consideración el porcentaje de participantes
que indicó que No estaban conformes, es preciso indicar que efectivamente existe un
descontento por parte de los usuarios respecto a la organización de las categorías. Esto
sustenta el problema base por el cual se desarrolló el card sorting.
● Qué tan seguido utiliza la aplicación: Nuevamente el 54,5% contestó que no utiliza la
aplicación. La misma cantidad de personas contestaron que la utilizan 1 vez al mes
(18.2%) o una vez a la semana (18.2%), mientras que solo una persona indicó que la
utiliza más de una vez al día (9.1%). Estos datos permiten desprender que la
aplicación no es de uso constante para los participantes, ya que estos la utilizan solo
de manera ocasional con un tiempo de espera mínimo de 1 semana. A pesar de esto,
existen algunos usuarios para los cuales esta resulta indispensable y la utilizan una
vez al día.
3.2 Tarjetas
Las tarjetas representan los contenidos que se desea categorizar según las distintas
temáticas del sitio web o aplicación, utilizando para ello una etiqueta con el nombre del
elemento o producto en cuestión. Todo esto, con el fin de agrupar el contenido de la manera
más fiel posible al modelo mental que tienen los usuarios. A continuación, se presentan
resultados obtenidos luego de aplicar el Card Sorting a un grupo reducido de personas,
mostrándose estos, en forma de tabla según la frecuencia de agrupación de las tarjetas
predefinidas por los desarrolladores de la encuesta.
De lo anterior se puede observar que de las tarjetas, el 50% de éstas (15), poseen una
categorización única, es decir, están clasificadas dentro de un solo grupo. Esto implica, que
existe un 100% de concordancia entre los participantes de que dichas tarjetas van agrupadas
en esa categoría. Conllevando con ello, que estas tarjetas deban pertenecer sí o sí a la
categoría asociada.
Por otro lado, el 6.66% (2) de las tarjetas fueron agrupadas en 3 categorías distintas,
de la cuales debe destacarse la “Cámara GoPro” que debido a la frecuencia en cada grupo
deja en evidencia que los participantes no están de acuerdo en cuál conjunto clasificarlo.
Respecto a la otra tarjeta “Comida restaurant para 2 o 4 personas en Mesarina”, a pesar
de encontrarse en 3 grupos, la mayoría de las personas lo hace en una sola de estas, lo cual
implica que se tiene claro a qué categoría pertenece. Por otra parte, al observar las tarjetas
restantes (43.3%), estas son agrupadas en dos categorías, pero una gran parte de dichas
tarjetas posee una clasificación con la cual la mayoría, casi absoluta, de los participantes
concuerda. Conllevando con ello, que dichas tarjetas necesariamente deben estar asociadas
con esas categorías.
Sin embargo, dentro de las tarjetas de dos categorías existen algunas para las cuales
debe replantearse la creación de nuevas categorías o combinación actual de algunas. Debido a
que, según la frecuencia presentada por dichas tarjetas, estas no son entendidas y no existe un
acuerdo mayoritario de a qué categoría deben pertenecer. Dentro de este grupo, se consideran
las tarjetas “Entradas a partido Universidad de Chile vs Colo Colo”, “Entradas al teatro
para Romeo y Julieta” y “Patines 4 ruedas”. Para estas, su frecuencia se encuentra entre el
40%, 50% y 60% para cada categoría, por lo tanto no existe una tendencia por parte de los
participantes hacia un conjunto en particular en la cual clasificarla. Finalmente, cabe destacar
que dentro del ordenamiento de las tarjetas no se considera el orden dentro de las categorías
para su análisis, por lo tanto cada carta tiene igual importancia independiente de su posición
en el grupo.
3.3 Categorías
● La clasificación con menor grado de acuerdo corresponde a Eventos, esto implica que
los participantes no poseen una concordancia mayoritaria respecto a los contenidos
que deben ser agrupados dentro de dicho grupo. A pesar de esto, 1 de las tarjetas,
Entradas al concierto de Green Day, posee una mayoría absoluta en la categoría,
pero se empareja con otras cartas para las cuales esta situación no se repite. Esto tiene
como resultado un agreement de 0.43, lo cual conlleva a replantear la existencia de la
agrupación Eventos. Dicho nivel de acuerdo se encuentra en estrecha relación con la
categoría Entretención la cual posee un agreement de 0.55; y se puede observar que
la mayoría de las tarjetas son compartida entre ambas clasificaciones. Debido a estos
resultados cabe plantear la eliminación del grupo Entretención y buscar la creación
de una categoría que agrupe a ambos conjuntos.
● En el caso de Tecnología su agreement es de 0.53 y el principal problema se
encuentra respecto a la tarjeta, Cámara GoPro, ya que esta se encuentra presente de
forma intermedia entre esta clasificación y Deportes. Debido a esto y al porcentaje de
acuerdo, se debe buscar replantear el nombre del conjunto, ya que dentro de este
grupo existen cartas que la mayoría apoya. Por lo tanto, su eliminación no es
favorable, pero sí una especificación del nombre para respaldar a las tarjetas de las
cuales la gran parte de la gente está de acuerdo.
● Deportes es una categoría que resulta conflictiva para los participantes, ya que logran
estar de acuerdo con un producto deportivo, como la Bicicleta MTB, pero genera
discrepancia con elementos que son utilizados en el deporte o que implican uno de por
medio. Este es el caso de eventos deportivos y tecnología deportiva, los cuales hacen
disminuir el agreement hasta un 0.54. Debido a que dichas tarjetas se encuentran en
variadas categorías a la vez, se debe plantear la eliminación de la categoría Deportes
ya que no es clara para las personas, pero se debe crear una que aloje a la tarjeta de
mayor acuerdo.
● Respecto a las siguiente categorías, Línea Blanca, Accesorios, Servicios y Viajes,
estas poseen un agreement entre 0.6 y 0.7, lo cual indica que son categorías que son
entendidas por la mayoría de los participantes y deben, potencialmente, estar en la
aplicación. La disminución del acuerdo en dichas agrupaciones se debe a una o dos
tarjetas con muy baja frecuencia que fueron incluidas, por lo tanto, no afectan de
manera significativa el sentido y los elementos que deben estar agrupados dentro de
dicho conjunto.
● Las categorías Videojuegos y Alcohol, poseen un agreement superior a 0.7 lo cual
implica la mayoría está de acuerdo con la agrupación realizada en dicho conjunto. Por
lo tanto, son clasificaciones que deben necesariamente considerarse en la aplicación,
debido a que logran agrupar de manera correcta elementos que para los participantes
tiene sentido situar ahí.
● Cabe destacar a la categoría Gastronomía con el mayor agreement de 0.93, lo cual
implica que es una clasificación entendida de forma precisa por los participantes. Esto
quiere decir, que los elementos agrupados dentro de esta son compartidos por casi
todos las personas, conllevando a que la categoría deba ser considerada de manera
obligatoria dentro de la aplicación.
● Finalmente, considerando el análisis desarrollado de cada categoría, cabe destacar que
los participantes no crearon categorías nuevas aún teniendo las instrucciones y la
posibilidad de hacerlo. Lo cual implica que las clasificaciones existentes, para las
personas, representaban de una forma mayoritaria o minoritaria a todas las tarjetas en
cuestión.
3.4 Tabla de Estandarización
Finalmentes, las cartas que obtuvieron una mayor diversidad de distribución fueron:
“Patines 4 ruedas”, “Cámara GoPro”, “Entradas a partido Universidad de Chile vs
Colo Colo”, “Entradas al cine para Deadpool 3”, “Entradas al teatro para Romeo y
Julieta”. Estas fueron organizadas en distintas categorías por los participantes y no presentan
una clasificación que represente a la mayoría de los participantes. Por lo tanto, se debe
replantear la creación de nuevos conjuntos que logren englobar de manera más entendible
dichas tarjetas, ya que para los actuales no existe un acuerdo claro.
3.5 Matriz de Similitud
● Todas las parejas que cuentan con un porcentaje inferior al 60% no deberían
considerarse en la misma categoría, porque, en general, los participantes estimaron
que no existe una relación tan grande entre las tarjetas con dicho porcentaje.
3.6 Dendrograma
En el caso del algoritmo The Actual Agreement Method (AAM), este como se explicó
anteriormente solo hace las asociaciones netamente como los usuarios los juntaron, es decir,
si un usuario junta a y b en la categoría z, y otro b y c en la categoría y, este crearía a y b en z
y b y c en y. Debido a esto, el algoritmo no es el más útil cuando se presentan pocos
participantes, ya que las coincidencias entre un número reducido de usuarios serán menores y
puede conducir a conclusiones incorrectas. A continuación, se presenta un listado de las
categorías que se tendrían que realizar según este algoritmo, todas estas tendrán que superar
el 60% de agreement para que sean consideradas.
● Accesorios: Esta categoría estaría conformada por joyas y relojes, la cual cuenta con
un 100% de agreement, esto quiere decir que el 100% de los participantes está de
acuerdo con la agrupación de dichas tarjetas bajo esta categoría, debido a esto, es
indispensable considerarla.
● Servicios: Dentro de esta categoría los se incorporarían las tarjetas: curso de excel
nivel básico, curso de programación en Java y curso de manejo clase A, esta
asociación cuenta con un 100% de agreement, por lo que dicha categoría sí o sí debe
tenerse en cuenta considerando estas tarjetas agrupadas dentro.
● Viajes: Con un 91% de agreement se agrupan las tarjetas hospedaje en Londres y
pasaje de avión a Inglaterra, debido a que el acuerdo entre los participantes es mayor
que el 60%, la categoría y agrupación de tarjetas debe ser considerada como válida y
necesaria.
● Videojuegos: Dentro de esta categoría se incorporan con un 100% de agreement las
tarjetas Playstation 4 y Xbox one, las cuales son indispensables, pero con un 91% se
puede agrupar también la Nintendo Switch, debido a que este nivel sigue
considerándose mayor a 60%, implica que la mayoría de los usuarios acepta esta
asociación. Por lo tanto, la categoría debe ser considerada.
● Línea blanca, tecnología: En este caso este algoritmo detecta que con un 91% las
tarjetas refrigerador Lg y microondas Daewoo podrían ir en la categoría de línea
blanca o la de tecnología. Debido a que el nivel de agreement es mayor que el 60%, la
mayoría de los participantes estarían de acuerdo con cualquier de las dos categorías,
en este caso, debe considerarse posteriormente algunas de las 2 clasificaciones, que
resultan indispensables, para la agrupación de dichas tarjetas.
● Entretención, eventos: En esta categoría con un 73% se agrupan las tarjetas entradas
al cine para Deadpool 3 y las entradas al teatro para Romeo y Julieta, estas podrían
incorporarse dentro de la categoría de entretención o en la de eventos según el
algoritmo. Independiente de cuál se escoja, estas seguirán teniendo sentido para los
participantes, debido a que la asociación de las tarjetas tiene más del 60%, lo cual
representa a la mayoría.
● Tecnología: En esta categoría se agruparon con un 91% las tarjetas de celulares,
notebook y televisor 4K Lg, debido al alto nivel de agreement, no cabe duda de que
esta categoría con dichas tarjetas debe ser considerada de manera obligatoria.
● Eventos: En esta categoría con un 55% se agruparían las entradas al partido de
Universidad de Chile vs Colo Colo con las entradas al concierto de Green Day, lo que
según el criterio de 60% parece insuficiente para considerarla como una asociación
que la mayoría de las personas acepta. Por lo tanto, dicha categoría no debe ser
considerar y debe plantearse la idea de crear nuevas categorías, especificar o juntar
otras, de tal manera que estas tarjetas puedan ser agrupadas bajo una clasificación que
la mayoría comparta.
● Alcohol: Dentro de esta categoría entrarían el Pack de cervezas y el vino tocornal de
5L, estos también poseen un 100% de agreement, por lo cual debe ser considerada
como una categoría indispensable dentro de la aplicación.
● Gastronomía: En esta categoría con un 82% se incorporan las tarjetas bebidas,
comida rápida, comida saludable y chocolate trencito; pero además, si se baja la
aceptación a un 64% se incorpora la carta comida de restaurante para 2 a 4 personas,
lo cual es suficiente para considerar agruparla también a esta categoría. Esto se debe a
que el agreement es mayor al 60% y por lo tanto para la mayoría de las personas la
asociación y agrupación de estas tarjetas bajo dicha clasificación tiene sentido.
Como se puede observar en la gran mayoría de los casos los dos algoritmos derivan a
la misma forma de clasificar las tarjetas, la diferencia que poseen en general es que el
segundo método permite agrupar en más de una categoría las tarjetas, pero esto no varía en
gran cantidad la organización general. Además, la gran cantidad de tarjetas fueron agrupadas
con más de un 60% de agreement, en algunos casos hasta llegando al 100%, lo cual permite
con certeza generar una correcta agrupación de las distintas tarjetas. Por último, es importante
señalar que estos dos algoritmos son muy útiles, pero es importante realizar un análisis
posterior al obtener resultados, ya que en algunos casos se deben tomar decisiones sobre si
considerar categorías que se encuentran entre el 50% y 60% de acuerdo.
4 Propuesta de estructura del sistema
El análisis de los datos obtenidos tras el desarrollo de un card sorting resulta crucial
para agrupar los contenidos, de forma tal, que la mayoría de las personas los entienda y
apruebe. Para esto, las diversas representaciones de datos entregadas por Optimal Sort fueron
de utilidad, ya que facilitan en gran medida la organización, tabulación y análisis de los datos.
En este caso, a pesar de que cada sección apunta a un análisis distinto, los más importantes
resultaron ser el dendrograma, las categorías y la tabla de estandarización. En particular, el
dendrograma, ya que permite observar, en general, como debieran agruparse las tarjetas
según los participantes y bajo qué categorías. Además, si este conjunto es entendido por la
mayoría de las personas, se tiene seguridad respecto a que esa clasificación es clara y que es
correcto considerarla como una representación capaz de agrupar dichos elementos. En el caso
de las categorías y la tabla de estandarización, estas permiten ver en mayor detalle la
categorización, pudiendo observar tarjetas que fueron agrupadas dentro de múltiples
conjuntos. Dando lugar con ello, a la generación de nuevas opciones y planteamiento de
categorías o especificación de las ya existentes, con el objetivo de mejorar la comprensión
por parte de las personas de la organización que se pretenda dar a dichos elementos.
Finalmente, cabe destacar que el desarrollo de un card sorting híbrido abre opciones
para los participantes de entregar sugerencias de su propio modelo mental respecto a la forma
en la cual organizar información. No obstante, en esta experiencia ningún usuario agregó
categorías personales. Por otra parte, debe considerarse que para un análisis más exhaustivo
de este caso se requiere de un número mayor de tarjetas, y en particular, de personas, ya que
la estructuración de una página como Groupon afecta a miles de usuarios. Sin embargo, el
desarrollo de este card sorting sienta las bases de una organización preliminar de la
aplicación, la cual podría mejorarse aplicando una experiencia similar de forma más detallada
y masiva.