Diagnosticar la Activación
Descubre dónde pierdes a los nuevos usuarios, identifica el momento ajá que separa a los retenidos de los que se van, y construye un plan dimensionado para mejorar la tasa de activación.
Estás consiguiendo registros, pero muy pocos se convierten en usuarios reales. El diagnóstico de activación te obliga a definir qué significa realmente "activado" para tu producto, medir cuántos nuevos usuarios lo alcanzan y cuánto tardan, identificar los pasos exactos donde se pierden, y descubrir qué comportamientos predicen la retención a largo plazo. El objetivo no es un flujo de onboarding más bonito, sino una comprensión cuantificada de lo que separa a los usuarios que se quedan de los que se van.
Plantilla de Prompt
Eres un analista de crecimiento obsesionado con el comportamiento de los nuevos usuarios y alérgico a las métricas vanidosas. Nunca confundes "completar el onboarding" con "estar activado". Sigues el volumen, haces los cálculos y desafías el pensamiento ilusorio.
Esto es con lo que estoy trabajando:
<contexto>
$ARGUMENTS
</contexto>
> Si lo anterior está en blanco, pregunta al usuario: "{{DESCRIBE TU PRODUCTO, VOLUMEN ACTUAL DE REGISTROS, LO QUE ACTUALMENTE CONSIDERAS "ACTIVACIÓN", CUALQUIER DATO SOBRE EL COMPORTAMIENTO DE NUEVOS USUARIOS — p. ej., tasas de finalización del onboarding, retención D1/D7, pasos de configuración o gráficos de Amplitude}}"
Ayúdame a diagnosticar la activación. Sigue estos pasos con precisión:
### Paso 1: Definir la Activación (El Momento Ajá)
La activación es un hito de comportamiento, no un paso del embudo. Es la acción que, una vez completada, predice la retención a largo plazo. No "completar el onboarding" sino "crear el primer dashboard y compartirlo" o "ejecutar 3 consultas en la primera semana".
- Si el usuario tiene una definición de activación existente, ponla a prueba: ¿completar esta acción realmente se correlaciona con una mayor retención a D30/D90? Si la respuesta no es clara o es negativa, la definición es incorrecta.
- Propón 2-3 eventos de activación candidatos. Para cada uno, indica la hipótesis de por qué predeciría la retención. Señala cuáles necesitan validación mediante comparación de cohortes (p. ej., en Amplitude: compara la retención a D30 de los usuarios que realizaron la acción en la semana 1 frente a los que no).
- Define la ventana de activación — el período de tiempo dentro del cual debe ocurrir la acción (p. ej., "dentro de los primeros 7 días"). Justifica la ventana con datos o razonamiento. Demasiado corta y te pierdes a los activadores tardíos; demasiado larga y pierdes la capacidad de intervenir.
### Paso 2: Medir el Embudo de Activación
Traza el embudo completo desde el registro hasta la activación. Cada paso, desde el primer contacto hasta el evento de activación.
- Dimensiona cada paso: números absolutos y tasas de conversión. Usa la multiplicación para pasos secuenciales (Registros x Tasa Paso 1 x Tasa Paso 2 = Usuarios Activados).
- Identifica la mayor caída absoluta. No el porcentaje más bajo — el paso que pierde más usuarios en términos absolutos. Una tasa de conversión del 90% sobre 100 usuarios importa menos que una tasa de conversión del 70% sobre 10,000 usuarios. Muestra los cálculos.
- Segmenta el embudo por canal de adquisición, persona/rol de usuario, plataforma y tipo de plan. Busca segmentos donde la activación sea 2x+ mejor o peor que el promedio — estos revelan una experiencia rota o un patrón replicable.
- Calcula el tiempo hasta la activación: mediana y percentil 75 desde el registro hasta el evento de activación. Los usuarios que se activan en la primera sesión frente a los que necesitan varias sesiones se comportan de manera muy diferente — cuantifica esto.
### Paso 3: Identificar los Bloqueadores de Activación
Para cada paso de caída importante, diagnostica POR QUÉ los usuarios se van. Clasifica cada bloqueador:
- **Brecha de valor:** Los usuarios no entienden lo que obtendrán (problema de mensajería/posicionamiento)
- **Brecha de esfuerzo:** Demasiados pasos antes del valor (problema de fricción)
- **Brecha técnica:** Errores, tiempos de carga, flujos rotos (problema de ingeniería)
- **Brecha de conocimiento:** Los usuarios no saben cómo realizar el siguiente paso (problema de educación)
Para cada bloqueador, estima el volumen abordable: "X usuarios al mes llegan a este paso y el Y% se pierde. Si reducimos la pérdida en un Z%, eso son W usuarios activados adicionales al mes."
Recomienda usar repeticiones de sesiones para validar las hipótesis sobre dónde y por qué los usuarios se atascan.
### Paso 4: Modelar el Impacto
Construye un modelo de impacto de activación simple. Para cada escenario, muestra los cálculos:
- **Escenario A (arreglar la mayor caída):** Registros actuales x conversión mejorada en el paso roto = nuevos usuarios activados. Delta = +N usuarios/mes.
- **Escenario B (reducir el tiempo hasta el valor):** Una activación más rápida se correlaciona con una mayor retención. Si los usuarios que se activan el día 1 retienen al X% frente al Y% de los que se activan el día 7, mover a los usuarios más temprano tiene un efecto compuesto aguas abajo.
- **Escenario C (arreglar el peor segmento):** Llevar al segmento rezagado a la tasa de activación promedio = +M usuarios/mes.
Clasifica los escenarios por impacto absoluto en usuarios activados. Luego estima el impacto en ingresos aguas abajo si hay datos de LTV o ARPU disponibles.
### Paso 5: Recomendar la Jugada de Activación (y Anti-Jugadas)
Recomienda 1-2 intervenciones específicas clasificadas por impacto y viabilidad. Sé concreto: "Añadir un selector de plantillas guiado como paso 2 del onboarding" no "mejorar la experiencia de onboarding".
Para cada recomendación, especifica:
- La métrica a la que se dirige y el aumento esperado (con cálculos)
- Cómo probarlo (diseña un test A/B — consulta **craft-experiment-design**)
**DÓNDE NO ENFOCARSE — anti-jugadas comunes:**
- "Rediseñar todo el onboarding" cuando solo un paso está roto
- Optimizar la activación para un canal de adquisición diminuto que representa <5% de los registros
- Añadir más pasos de onboarding para "educar" a los usuarios cuando el problema real es que ya hay demasiados pasos
- Invertir en activación cuando el volumen de registros es el cuello de botella real (usa **build-metric-tree** para comprobarlo)
- Enviar correos electrónicos de goteo a usuarios que ya se fueron en lugar de arreglar la experiencia en el producto para los nuevos usuarios
### Formato de Salida
Entrega:
1. Definición de activación (el momento ajá) y ventana de activación
2. El embudo completo dimensionado con tasas de conversión y números absolutos
3. Análisis de bloqueadores con categorización y volumen abordable
4. Modelo de impacto con escenarios clasificados y cálculos
5. Recomendaciones clasificadas y anti-jugadas
6. Preguntas abiertas — qué hipótesis necesitan validación, qué datos faltan
Sé directo. Sé cuantitativo. Si la definición de activación del usuario no resiste el escrutinio, dímelo.
Consejos
- Trae los datos de tu embudo de registro a activación. Incluso números aproximados desbloquean los pasos de dimensionamiento.
- Combínalo primero con build-metric-tree para confirmar que la activación es realmente el nodo de mayor apalancamiento en tu modelo de crecimiento. Si la retención o la adquisición es el verdadero cuello de botella, esta skill no ayudará.
- Usa craft-experiment-design para diseñar un test A/B para tu intervención de activación principal.
- Usa create-chart para construir un embudo de activación en Amplitude si aún no tienes uno.
- Revisa tu definición de activación cada trimestre — a medida que tu producto evoluciona, el momento ajá puede cambiar.