Design
Research
Para qué

Análisis de competidores, estudios de mercado y evidencia académica que respalda las decisiones de diseño de aden.

Audiencia

Equipo de UX y producto.

Este es material de trabajo interno del equipo de diseño. Sintetiza evidencia externa para informar decisiones — no representa conclusiones finales del producto ni posicionamiento público.

Research: Dashboard & Health Scores

Cómo las Apps Líderes Presentan Datos de Salud

1. El Patrón “Single Composite Score”

La tendencia dominante es destilar datos complejos en un score único 0-100. Un review académico de 2025 identificó 14 composite health scores en 10 empresas de wearables.

Comparativa de Scores

App Score Escala Inputs Principales Decisión UX Clave
Oura Readiness Score 0-100 HRV, HR reposo, temp corporal, sueño, actividad Color-coded: verde/amarillo/rojo por estado
WHOOP Recovery Score 0-100 (3 zonas) HRV (~85% peso), HR reposo, sueño 3 diales circulares (Sleep, Recovery, Strain)
Garmin Body Battery 0-100 HRV, estrés, sueño, actividad Metáfora de “batería” que drena/carga
Fitbit Daily Readiness 0-100 HRV, HR reposo, sueño Condiciona recomendaciones de ejercicio al score
InsideTracker InnerAge 2.0 Edad biológica 48 biomarcadores sanguíneos 3 zonas: rojo/amarillo/verde (riesgo/normal/óptimo)
Levels Health Metabolic Score 1-10 por comida Glucosa (CGM) Feedback loop: 2h post-comida con curva en tiempo real
Samsung Energy Score 0-100 HRV, sueño, actividad Ligado a ecosistema Galaxy Watch

Inputs Más Comunes

  • Heart rate variability: 86% de los scores
  • Resting heart rate: 79%
  • Actividad física: 71%
  • Duración de sueño: 71%
  • Calidad de sueño: 57%
  • Temperatura corporal: 29%

Hallazgo Crítico

Ningún fabricante revela fórmulas exactas. Los scores compuestos no han pasado por validación peer-reviewed. Los inputs individuales (HRV, etc.) sí tienen evidencia robusta, pero el compuesto es propietario.

Implicación para ADEN: Nuestro Health Score debe ser transparente en sus inputs y pesos para diferenciarse.

2. Patrones de Layout de Dashboard

Oura — Rediseño 2025 (3 Tabs)

Condensó de 5 tabs a 3: Today (foco diario), Vitals (snapshot de salud), My Health (tendencias a largo plazo).

  • Today funciona “como la página de Top Stories de una app de noticias” — time-aware, surfacing el insight más relevante del momento
  • Sleep, Readiness y Activity scores aparecen como shortcuts arriba
  • Ejemplo claro de progressive disclosure en dashboards de salud

WHOOP — Three-Dial Home Screen

  • 3 diales circulares arriba (Sleep, Recovery, Strain) con estados por color
  • Métricas más profundas detrás de taps
  • Progressive disclosure explícito: Strain Coach se desbloquea día 5, Sleep Coach día 7 (después de 4 días de calibración)
  • Crítica principal: Lenguaje de coaching “robótico y científico”; strain targets sin días de descanso crean presión insostenible

Apple Health — Summary + Browse

  • Solo 2 tabs: Summary (Favoritos + Highlights algorítmicos) y Browse (categorías)
  • Summary es customizable — usuario elige qué “Favorites” ver
  • iOS 26.4 añade food logging, AI insights y contenido de expertos en video

InsideTracker — Optimal Zone Visualization

  • Cada biomarcador plotteado en chart con 3 zonas personalizadas: riesgo (rojo), normal (amarillo), óptimo (verde)
  • Zonas personalizadas por edad, sexo, nivel de actividad
  • Diferenciador: “clínicamente normal” NO es lo mismo que “óptimo”

Implicación para ADEN: Este es exactamente nuestro modelo. Validado.

Levels Health — Dashboard Centrado en Comidas

  • Dashboard organizado por comidas, no métricas
  • Cada comida logeada activa timer de 2 horas
  • Calcula subida, pico y retorno-a-baseline de glucosa
  • Action-feedback loop inmediato que otros apps de biomarcadores no tienen

3. Best Practices de Visualización

  • Patrones F y Z de lectura: Métrica más crítica arriba-izquierda
  • Line graphs para tendencias de sueño y curvas de glucosa
  • Bar charts para actividad/fitness
  • Zonas de color en lugar de números crudos (reduce carga cognitiva)
  • Baselines personalizados en lugar de promedios poblacionales (Oura, InsideTracker, WHOOP)
  • Progressive disclosure: Un insight clave primero, detalle bajo tap

4. Anti-Patrones en Dashboards de Salud

Anti-Patrón Ejemplo Por Qué Falla
Data dumping Early Apple Health, Fitbit Todas las métricas a la vez sin jerarquía
Guía ambigua WHOOP: “días bajo strain target promueven recovery” Usuarios confundidos si recovery es meta o fallo
Sin lógica de descanso WHOOP targets siempre altos Crea fallo inevitable y churn
Scoring opaco Scores sin explicar inputs Usuarios desconfían de scores que no entienden
Rangos poblacionales “Normal” de población general No aplica a individuo — InsideTracker resolvió esto

5. Implicaciones para ADEN

Adoptar

  1. Score único prominente (Health Score 0-100) como hero del dashboard — validado por 14+ apps
  2. 3 zonas personalizadas para biomarcadores (óptimo/revisar/atención) — modelo InsideTracker
  3. Progressive disclosure — insight clave arriba, detalles bajo tap — modelo Oura 2025
  4. Baselines personalizados — no rangos poblacionales genéricos

Considerar Cambiar

  1. Transparencia del score — A diferencia de WHOOP/Oura, explicar qué pesa y cuánto
  2. “One Big Thing” — Oura cambia el insight principal durante el día. Nuestro dashboard podría ser time-aware
  3. Calibración visual — Mostrar que el score mejora con más datos (primeros 7 días = Baseline)

Evitar

  1. Data dump sin jerarquía
  2. Lenguaje clínico en la UI (WHOOP fue criticado por esto)
  3. Rangos genéricos de población

Fuentes