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: Onboarding en Apps de Salud

Patrones, Tasas de Conversión y Mejores Prácticas

1. El Espectro: Onboarding Corto vs. Largo

Los Extremos

App Screens Resultado Lección
Noom 96+ screens $750M+/año revenue, alta conversión Largo funciona SI entrega valor durante
Ada Health Conversacional (chat-like) 91% completion rate Chat > formularios para datos médicos
Recomendación estándar 3-5 screens Onboarding básico Complementar con progressive profiling

La Paradoja Noom

Noom tiene uno de los onboardings más largos de la industria y una de las conversiones más altas. Técnicas:

  1. Una oración por pantalla — combate fatiga visual
  2. Branching dinámico — preguntas se adaptan según respuestas anteriores
  3. Loading bars y visualizaciones entre secciones (“procesando tu input”) — esto solo aumenta conversiones 10-20%
  4. Social proof inyectado en steps 5 y 11 (donde sus datos mostraban drop-off)
  5. Quiz de perfil conductual que enseña al usuario sobre sí mismo antes de pedir pago
  6. Anclaje emocional — preguntar sobre eventos de vida (boda, vacaciones) crea urgencia
  7. Timer de cuenta regresiva en paywall

2. Colección de Datos Médicos

Patrones por Tipo

Patrón App Ejemplo Cómo Funciona
Conversacional Ada Health Preguntas médicas en chat step-by-step. 91% completion
Goal-first Noom, MyFitnessPal Primera pregunta es el objetivo, no demografía
Focus selection Oura Usuario selecciona área de wellness, app surfacea métricas relevantes
Auto-sync Fitbod, fitness apps Importar de Apple Health/Google Health
Calibración Oura, WHOOP 2-14 días de colección pasiva antes de scores

Datos de Fricción

Hallazgo Fuente
Cada campo requerido adicional cuesta 3-5% conversión Dropbox research
Requerir signup antes de mostrar valor aumenta abandono 56% CleverTap
74% de usuarios abandonan si enfrentan fricción al inicio Reteno
90% de usuarios abandonan apps en la primera semana Industry benchmark
Simplificar + social login boost completion 60% CleverTap

3. Estructura Ideal de Onboarding para Health App

Basado en la investigación, el patrón óptimo:

1. DEMOSTRACIÓN DE VALOR (0-60s)
   Mostrar qué hace la app ANTES de pedir datos
   
2. SELECCIÓN DE OBJETIVO (1 screen)
   "Qué quieres lograr?" — enmarca todo lo que sigue
   
3. DATOS ESENCIALES (3-5 screens)
   Edad, sexo, info básica — interactivo, no formulario
   Progress bars obligatorios
   
4. PERMISOS JUST-IN-TIME
   Pedir acceso a datos/notificaciones SOLO cuando
   el usuario entienda POR QUÉ se necesitan
   
5. PERSONALIZACIÓN INMEDIATA
   Mostrar un resultado/score/insight ANTES de
   pedir más datos o pago
   
6. PERÍODO DE CALIBRACIÓN
   Comunicar que scores mejoran en 2-14 días
   (Oura, WHOOP ambos hacen esto)
   
7. PROGRESSIVE PROFILING
   Pedir datos adicionales en contexto durante semanas

4. Anti-Patrones de Onboarding

Anti-Patrón Por Qué Falla
Front-load todos los permisos Cámara, ubicación, health data, notificaciones en primer launch
Muro de texto Usuarios no leen — usar ilustraciones o animaciones
Sin indicador de progreso Usuarios necesitan saber cuánto falta
Saltar demostración de valor Ir directo a registro sin mostrar qué hace la app
Decisión overload Muchas opciones en una pantalla. Una pregunta por screen
Tono “transaccional” Oura criticado por logística sin celebración
Focus áreas desconectados Oura: selección de focus se siente desconectada después de un mes

5. Implicaciones para ADEN

Nuestro Onboarding Actual (6 Steps)

Step 0: Welcome
Step 1: Datos Personales
Step 2: Historial Médico
Step 3: Estilo de Vida
Step 4: Panel de Análisis (complexity peak — 80% completion)
Step 5: Agendar Análisis
Step 6: Confirmación

Qué Validó la Investigación

  • 6 steps está bien si cada uno entrega valor
  • Progress bars ya los tenemos — correcto
  • Step 4 como pico de complejidad — el research sugiere social proof y loading animations justo antes del punto de drop-off

Qué Considerar Cambiar

  1. Goal-first — Antes de datos personales, preguntar “Qué quieres lograr?” (Noom pattern)
  2. Conversacional vs. formulario — Ada Health logra 91% completion con chat. Step 2 (Historial Médico) podría ser conversacional
  3. Resultado inmediato — Mostrar un preview de Health Score o insight después de Step 3, antes de pedir análisis
  4. Loading animations — Entre Step 3→4, mostrar “Procesando tu perfil…” con visualización (10-20% lift)
  5. Social proof — Inyectar en Step 4 (nuestro punto de mayor drop-off): “15,000+ colombianos ya completaron este paso”
  6. Progressive profiling — Mover datos no-críticos a post-onboarding (pedir en contexto)

Fuentes