En este reportaje especial, Jono Marcus, Director de Behavioral Insights y Propietario de Proyectos Digitales de AtSource.io, la plataforma de sostenibilidad de Olam, en Olam International Ltd., explora cómo la ciencia del comportamiento puede hacer que los datos complejos sean significativos y útiles. Él ha trabajado en Olam durante los últimos tres años en las disciplinas de marketing, ciencias del comportamiento y tecnología digital, habiendo pasado los últimos veinte años tanto en la empresa como en la agencia en firmas como Cake/Havas y H+K Strategies. Ha sido consultor para grandes empresas globales en mercados desarrollados y emergentes, incluyendo Unilever, P&G, Roche e Intel, así como también ha dirigido agencias de consultoría conductual y de software.
Las plataformas ricas y pesadas en datos del sector agrícola son tan complejas y matizadas como los desafíos sociales y ambientales que enfrentamos. Por lo tanto, necesitan un fuerte sentido editorial para ser lo suficientemente digeribles para impulsar las decisiones de los usuarios, las acciones y el cambio de comportamiento duradero. En nuestra plataforma AtSource, que conecta a los clientes de café, cacao y otros cultivos con sus cadenas de suministro, esto se ha logrado a través de presentaciones de datos a medida (o experiencia de usuario personalizada) y mediante la respuesta a pruebas rápidas y la aplicación de los últimos hallazgos de la ciencia del comportamiento.
Diferentes presentaciones de datos
Hemos tenido que encontrar formas interesantes y pegajosas para que nuestros usuarios experimenten grandes conjuntos de datos a través de interacciones de usuario muy diferentes, o casos de comportamiento.
Aquí hay un ejemplo de la vida real de estos diferentes casos de comportamiento: Bob, con sede en Nueva York, que dirige la división de Sostenibilidad del Café de la Marca X, puede estar muy interesado en ver un marcador sobre la remediación del trabajo infantil en Nicaragua porque impacta en su cadena de suministro con Olam. La puntuación en esta área podría ayudar a impulsar las decisiones para hacer aún más para mitigar el problema desde el punto de vista de la sostenibilidad, así como compartir noticias y puntos de prueba de ese éxito con sus interesados.
Sin embargo, Jane, de adquisiciones en la Marca Y, está mucho más interesada en interrogar un mapa generado por contrato del viaje de su producto bruto, que muestra su huella de impacto completo (cómo afecta a las medidas sociales y ambientales, como las emisiones de carbono y el acceso de los trabajadores a la educación). Esto le ayuda a confirmar su conciencia del impacto de su marca en estas cuestiones y a informar sus futuras decisiones de compra, equilibrando el costo y las inversiones en sostenibilidad.
Cada uno de ellos requiere que los datos tengan un enfoque diferente, ya que los usarán de manera diferente. Bob en la división de Sostenibilidad del Café de la Marca X para su uso en el informe anual especializado en Sostenibilidad de su empresa; frente a la necesidad de Jane de evaluar el valor del contrato por bolsa de producto en hojas de cálculo que compartirá con su Director Financiero. Cuando diseñamos nuestra experiencia de usuario, debemos tratar con los comportamientos de estos usuarios tanto en los equipos de Sostenibilidad como en los de Compras, así como con los gerentes de marca, C-Suite y Comunicaciones, haciendo que los datos funcionen para todos.
Esto significa que tratamos de no mostrar nunca los resultados de los datos como tranquilizadores o preocupantes para nuestros diferentes usuarios sin indicar el contexto de por qué puede ser así, así como de explicar dónde pueden faltar datos o ser inconsistentes. Nuestra intención es hacer que el contexto sea el rey de la plataforma, lo que requiere un enfoque riguroso de la transparencia; así pues, también mostramos comparaciones con los años de referencia, los promedios de los países y con los años anteriores de los datos.
Usando los conocimientos sobre el comportamiento y las pruebas rápidas
Si queremos determinar la mejor manera de proporcionar datos útiles a un determinado tipo de usuario, tomamos pruebas de estudios de comportamiento y luego experimentamos con una prueba rápida y un enfoque de aprendizaje en la plataforma. Las pruebas nos dicen qué es lo que funciona mejor, y la ciencia del comportamiento busca decirnos la mecánica del porqué de esto, para que podamos hacer mejores experimentos la próxima vez.
Este enfoque de probar y luego cambiar rápidamente las características de una etapa de desarrollo a la siguiente reemplazó la confianza en los UXers de torre de marfil o en las decisiones basadas en anécdotas de los altos directivos. Por ejemplo, pensamos que debíamos colocar el mapa principal que muestra una vista de ojo de pájaro de todos los grupos de agricultores de los clientes muy temprano en el frente y en el centro de la plataforma, ya que realmente contiene un microcosmos en una imagen de los datos clave de cada usuario.
Sin embargo, debido a que los mapas son de hecho difíciles de tomar como presentaciones de datos antes de que la copia contextual proporcione un enfoque para ello (el fenómeno se llama «sesgo de focalización» en la ciencia del comportamiento y se ve en la neurociencia cuando la gente tiene dificultad para cambiar de perspectiva al tratar de descifrar los mapas), nuestros análisis del comportamiento y las observaciones de los usuarios en la plataforma nos llevaron a mover rápidamente el mapa más abajo en la página uno del tablero y hacerlo más discreto. No habríamos hecho esto si sólo tratáramos las masas de datos en nuestra plataforma en términos de lo que sería un UX más lógico para ello, no estaríamos apreciando eso como humanos y usuarios: «El cerebro consciente piensa que es el Despacho Oval, pero en realidad es la Oficina de Prensa» (Jonathan Haidt).
Al mostrar los datos, queremos impulsar un sentimiento de motivación y positividad para que los usuarios tomen o sugieran acciones para mejorar las huellas de impacto, lo cual abordamos utilizando colores brillantes de señalización en las baldosas métricas que crean una sensación de recompensa por el éxito, así como mostrando claramente las líneas de tendencia de los datos y proporcionando a las baldosas de volteo acciones en el reverso que muestren cómo Olam puede y mejorará ciertos resultados.
En conjunto, nuestro enfoque de dos vías de datos adaptados y presentaciones de datos variados y pruebas y aprendizaje dirigidos por las ciencias del comportamiento ha dado lugar a datos de la cadena de suministro que son consumibles y procesables para efectuar un cambio real en el mundo.