Onboarding – Narrativa de Diseño

6 pasos para convertir un desconocido en un paciente empoderado

La Historia

María acaba de crear su cuenta. Verificó su email, configuró biometría, y ahora ve una pantalla que dice “Hola, María” con tres puntos de valor y un botón que dice “Empezar”. Tiene 5 minutos según la estimación en pantalla. En realidad, el onboarding completo puede tomar 15-20 minutos si explora todo. Pero no lo sabe todavía, y eso está bien.

Lo que María no sabe es que los próximos 6 pasos van a recolectar los 30+ data points que alimentan un motor de 1,620 cruces clínicos. Cada campo que llena – edad, peso, medicamentos, historial familiar – tiene un destino algoritmico. Su peso alimenta cálculos de IMC y cintura-talla. Su historial familiar contextualiza scores de riesgo poligenico. Sus medicamentos activan detección de colisiones gen-fármaco. Nada se pide por inercia.

Pero María no necesita saber esto. Lo que necesita es sentir, en cada paso, que ADEN la está entendiendo, no interrogando. La diferencia entre un onboarding que convierte y uno que abandona no está en la cantidad de datos que pide – la investigación demuestra que onboardings de 96+ pantallas pueden tener conversión altísima si cada paso entrega valor. La diferencia está en si cada paso devuelve algo. Un dato, un insight, una validación. María debe terminar cada step sintiéndose más comprendida que cuando lo empezo.

Principio de Diseño: Cada Paso Entrega Valor

El onboarding tradicional opera bajo un contrato implícito: “dame tus datos ahora, y después te doy valor”. Ese contrato no funciona. La investigación es clara: 74% de usuarios abandonan si enfrentan friction al inicio (Reteno), y 90% abandonan apps en la primera semana (industry benchmark).

La investigación de la industria demuestra que el contrato correcto es: “en cada paso, te enseña algo sobre ti mismo”. Las plataformas con mayor conversión inyectan social proof exactamente donde los datos muestran drop-off. Un quiz de perfil conductual le enseña al usuario algo sobre si mismo antes de pedirle compromiso. El onboarding no es un formulario – es una experiencia educativa que incidentalmente recolecta datos.

ADEN adopta este principio. Step 0 (Welcome) establece la propuesta de valor antes de pedir un solo dato. Step 1 (Datos Personales) es el mínimo necesario – nombre, edad, sexo, peso, estatura – pero al completarlo, María ve su progreso avanzar visiblemente en el progress bar. Step 2 (Historial Médico) es conversacional, no formulario, porque la investigación en interfaces médicas demuestra que el formato chat alcanza 91% completion para datos médicos. Step 3 (Estilo de Vida) es donde María empieza a verse reflejada – sus hábitos de sueño, ejercicio, nutrición devueltos como un espejo. Step 4 (Panel de Análisis) es el pico de complejidad, pero llega cuando María ya invirtio 80% del proceso. Step 5 y 6 son logística pura – agendar y confirmar.

Cada paso da más de lo que toma. Eso no es generosidad – es psicologia de conversión.

La Paradoja del Onboarding Largo

La investigación de la industria revela una paradoja: algunos de los onboardings más largos (96+ pantallas) generan las conversiones más altas. Esto desafia la sabiduría convencional de “onboarding corto = mejor conversión”.

La paradoja se resuelve con siete tecnicas documentadas en la investigación de engagement:

Una oración por pantalla – combate la fatiga visual. El cerebro procesa microdecisiones sin esfuerzo consciente.
Branching dinámico – las preguntas se adaptan según respuestas anteriores. El usuario siente que la app escucha.
Loading bars entre secciones – “Procesando tu input” con visualización. Solo esto aumenta conversiones 10-20%.
Social proof inyectado en puntos de drop-off. No al azar – exactamente donde los datos muestran abandono.
Quiz de perfil conductual – ensena al usuario sobre si mismo antes de pedir compromiso.
Anclaje emocional – preguntar sobre eventos de vida (boda, vacaciones) crea urgencia personal.
Timer de cuenta regresiva en paywall.

ADEN no puede adoptar todas estas tecnicas (no tenemos 96 pantallas ni paywall), pero adoptamos tres: loading animations entre Step 3 y 4, social proof en Step 4 (nuestro punto de mayor drop-off), y el principio de valor-por-step que atraviesa todo el flujo.

Decisiones Clave

Decisión	Por Qué	Dato	Alternativa Descartada
Goal-first en Step 0, no data-first	Preguntar “Que quieres lograr?” antes de demografias enmarca todo el onboarding. El usuario siente que ADEN se orienta a sus necesidades, no a las propias	Las plataformas de mayor conversión usan goal-first. “Primera pregunta es el objetivo, no demografia” (research)	Empezar con datos personales – comunica “necesitamos tu información”, no “queremos entender tu objetivo”
Step 2 (Historial Médico) conversacional, no formulario	Chat step-by-step para datos médicos alcanza 91% completion. Formularios largos causan decisión fatigue	Interfaces médicas conversacionales logran 91% completion. Cada campo requerido adicional cuesta 3-5% conversión (research)	Formulario clasico con 15+ campos – la densidad visual comunica “esto es un tramite”, no “esto es una conversación”
Loading animation entre Step 3 y Step 4	“Procesando tu perfil…” con visualización crea anticipación y comunica que el sistema está trabajando con los datos del usuario	Loading bars y visualizaciones entre secciones aumentan conversiones 10-20% (investigación de engagement)	Transición directa sin interstitial – pierde la oportunidad de comunicar que los datos del usuario ya tienen valor
Social proof en Step 4 (pico de complejidad)	Step 4 es el punto de mayor drop-off (80% completion). Social proof exactamente aquí reduce abandono	La investigación demuestra que el social proof debe ir exactamente donde los datos muestran drop-off. Mismo principio	Social proof en Step 0 o Step 1 – desperdicio. No hay friction en esos puntos. El social proof debe ir donde existe la duda
Panel “Recomendado” preseleccionado como default	Reduce decisión fatigue. 72 análisis son inmanejables para un usuario nuevo. El default inteligente (basado en edad, sexo, historial) elimina la paralización por opciones	Decisión overload es anti-patrón documentado. “Muchas opciones en una pantalla. Una pregunta por screen” (research)	Sin default, usuario elige desde cero – garantia de abandono en un catalogo de 72+ items
Búsqueda por síntoma (“Me siento cansado”)	Traduce la experiencia del usuario en decisión clínica. María no sabe que necesita un panel tiroideo, pero sabe que se siente cansada	Patrón de búsqueda por lenguaje natural (no por nombre clínico) es el diferenciador de Ada Health. El usuario habla como paciente, no como médico	Búsqueda por nombre de análisis – solo funciona para usuarios con conocimiento médico previo. Excluye al 90%+ del target
Chatbot de ayuda tras 90 segundos de inactividad	Detecta abandono potencial y ofrece guia sin interrumpir. “Esto puede parecer mucho. Quieres que te recomiende algo?” es empatia codificada	90% de usuarios abandonan apps en la primera semana (industry benchmark). Intervenir proactivamente en el momento de duda reduce esa cifra	Ninguna intervención – el usuario abandonado se va en silencio. Pop-up inmediato – interrumpe al usuario que está pensando, no abandonando
“Solo 5 minutos” en Welcome, no tiempo real completo	Ancla expectativas bajas. 5 minutos es el mínimo (steps 0-3). Steps 4-6 son percibidos como “ya casi” gracias al progress bar al 80%	La técnica de una oración por pantalla hace que 96+ screens se sientan rapidas. El time anchor crea el mismo efecto con menos screens	Mostrar “15-20 minutos” – honesto pero desalentador. El usuario que entra con expectativa de 5 min y termina en 15 no se siente enganado si cada step fue rápido
Progress bar visible en todos los steps	Los usuarios necesitan saber cuánto falta. Sin indicador, cada step se siente como “uno más de infinitos”	“Sin indicador de progreso: Anti-patrón. Usuarios necesitan saber cuánto falta” (research)	Sin progress bar – documentado como anti-patrón en toda la literatura de onboarding
Calibración messaging en Step 6	Comunicar que “tu Nivel de Salud mejora con más datos” establece expectativas y reduce decepcion si el score inicial es bajo	Las plataformas de rendimiento y salud usan períodos de calibración (2-14 días). Comunicar esto reduce churn post-primer-score	Presentar el primer score como definitivo – genera decepcion cuando el score mejora semanas después y el usuario ya abandono

El Momento Crítico: Step 4

Step 4 (Panel de Análisis) es donde el onboarding se gana o se pierde. Es la pantalla 5 de 8, al 80% de completitud, y es el pico de complejidad de todo el flujo.

El problema es claro: María llega de 3 steps relativamente simples (datos personales, historial, estilo de vida) y se encuentra con un catalogo de 72+ análisis de laboratorio organizados en categorías (sangre, hormonal, genómica). Sin intervención de diseño, este step es un muro. La investigación dice que cada campo requerido adicional cuesta 3-5% de conversión. Un catalogo de 72 items no es un campo – es un laberinto.

La solución es triple:

1. Default inteligente. El panel “Recomendado” viene preseleccionado basado en el perfil que María acaba de construir en los steps anteriores. Si tiene 32 años, es mujer, y reporto fatiga en Step 3, el default ya incluye panel tiroideo, perfil lipídico y hemograma. María no tiene que elegir 72 items – tiene que validar una selección que ya tiene sentido. La pregunta cambia de “Que quieres?” a “Esto se ve bien?”

2. Búsqueda por lenguaje de paciente. María no sabe que es “TSH” o “T4 libre”. Pero sabe que se siente cansada. La búsqueda por síntoma traduce su experiencia en decisión clínica. “Me siento cansado” sugiere panel tiroideo. “Me duele la cabeza frecuentemente” sugiere perfil metabólico. El sistema habla el idioma del paciente, no del médico. Este es el mismo patrón que la investigación en interfaces médicas conversacionales válida con 91% completion.

3. Chatbot de intervención. Si María pasa más de 90 segundos sin interactuar, o intenta volver atrás, el sistema detecta abandono potencial. No la interrumpe con un pop-up agresivo – le ofrece ayuda: “Esto puede parecer mucho. Quieres que te recomiende algo basado en lo que nos contaste?” El chatbot usa los datos de Steps 1-3 para generar una recomendación contextual. No es un bot genérico – es un bot que ya conoce a María.

El resultado: Step 4 sigue siendo complejo (no podemos eliminar la complejidad de elegir exámenes de laboratorio), pero la complejidad es manejada, no evitada. María tiene un default que la protege de la paralización, una búsqueda que habla su idioma, y un asistente que interviene si se pierde.

Perfil Pendiente: La Espera como Anticipación

La mayoría de las apps tratan la espera como un vacio. Perfil Pendiente trata la espera como anticipación.

Después de completar el onboarding y agendar su cita, María entra en un limbo: sus labs aun no están listos. Esto puede tomar entre 30 minutos (si sube resultados existentes) y varios días (si espera la cita y el procesamiento). En la mayoría de apps, este limbo se manifiesta como una pantalla vacia con un mensaje genérico. El usuario cierra la app y olvida que existe.

ADEN convierte este limbo en un timeline de tres pasos visibles: Cita, Muestras, Resultados. Cada paso tiene un estado claro (pendiente, en proceso, completado) y una acción asociada. Si la cita es en 3 días, el countdown es visible. El recordatorio de ayuno de 12 horas es prominente. La opción de agregar la cita al calendario nativo está a un tap.

La decisión más contraintuitiva: ofrecer “Subir labs existentes” como CTA secundario. María puede tener resultados de hace 3 meses en un PDF. Permitirle subirlos no reemplaza la cita de laboratorio nueva, pero le da al engine datos con los que trabajar mientras espera. Esto logra dos cosas: (1) reduce la espera percibida, y (2) alimenta la Capa 2 del engine con datos longitudinales desde el día uno.

El copy en Perfil Pendiente es deliberadamente cálido: “Tus muestras están siendo analizadas. Te avisaremos cuando estén listas.” No dice “procesando” (técnico), no dice “espera” (pasivo). Dice “están siendo analizadas” – implica que un equipo (humano o computacional) está trabajando en los datos de María. Es la diferencia entre esperar en una sala de espera y esperar mientras alguien trabaja para ti.

Cuando los resultados llegan, la pantalla se transforma: timeline completa, animación de celebración, y un CTA que dice “Ver mi salud”. No “Ver resultados” (clínico). No “Dashboard listo” (técnico). “Ver mi salud” – porque eso es lo que María quiere ver.

Conexión con el Engine

El onboarding es el pipeline de datos del engine disfrazado de experiencia de usuario.

Cada campo de los 6 steps tiene un destino algoritmico preciso:

Step 1 (Datos Personales): Edad, sexo y etnicidad alimentan la calibración latina del engine. Los umbrales ADEN difieren significativamente de los europeos: HOMA-IR usa 3.8 en lugar de 2.5 (+52%), cintura masculina usa 90 cm en lugar de 102 cm (-12 cm). Sin estos datos, el engine usaria umbrales europeos que subestiman riesgo en población colombiana.

Step 2 (Historial Médico): Medicamentos activos alimentan directamente la detección de colisiones gen-fármaco. El engine cruza 6 genes PGx (CYP2C19, CYP2D6, CYP2C9, VKORC1, SLCO1B1) con la lista de medicamentos para identificar el 77.7% de colisiones que son invisibles sin cruce genómico. Historial familiar contextualiza los 3 scores de riesgo poligenico (PRS). Una madre con diabetes tipo 2 no cambia el PRS, pero cambia la interpretación clínica del PRS.

Step 3 (Estilo de Vida): Hábitos de sueño, ejercicio y nutrición alimentan los 19 algoritmos de riesgo del engine, incluyendo PhenoAge (edad biológica) y Globorisk-LAC (riesgo cardiovascular calibrado para Latinoamérica). Un usuario sedentario con colesterol normal tiene un perfil de riesgo diferente al de un corredor con el mismo colesterol.

Step 4 (Panel de Análisis): La selección de exámenes determina los 30+ biomarcadores que entraran al engine. El default “Recomendado” no es arbitrario – está calculado para cubrir los inputs necesarios de los 19 algoritmos. Si María selecciona solo el panel básico, el engine funciona con menos datos. Si selecciona el integral de 72 análisis, los 1,620 cruces clínicos se ejecutan a capacidad completa.

La conexión no es visible para María. Ella no ve “1,620 cruces”. Ve “Panel Integral: 72 análisis seleccionados”. Pero cada dato que ingresa durante estos 6 steps viaja directamente a un motor que procesa en menos de 5 milisegundos lo que a un médico le tomaria 2 horas y 15 minutos.

Principio de Referencia: Permisos Just-in-Time y Celebración del Progreso

Las plataformas de salud consolidadas descubren datos pasivamente – wearables y sensores alimentan el perfil sin que el usuario llene un formulario. Eso es elegante, pero imposible para ADEN. Necesitamos datos de laboratorio que no vienen de un wearable. Necesitamos historial de medicamentos que no está en ninguna plataforma existente. Necesitamos historial familiar que no existe en ningun dispositivo. El onboarding activo es inevitable.

Pero adoptamos el principio más importante de la industria: just-in-time permissions. No pedir acceso a datos hasta que el contexto haga obvia la razón. ADEN hace exactamente esto: no pedimos acceso a plataformas de salud externas hasta Step 4, cuando María entiende que estamos construyendo su perfil de salud. No pedimos notificaciones hasta Step 6, cuando María entiende que vamos a avisarle cuando sus resultados estén listos.

Cada permiso llega cuando el “por qué” es autoevidente.

Donde divergimos conscientemente del patrón estándar de la industria: en la celebración del progreso. Las plataformas de salud generalistas tienden a ser estoicas – muestran datos sin emoción. No hay felicitaciones cuando la frecuencia cardiaca en reposo baja, no hay animaciones cuando el usuario completa una racha de sueño. Esa neutralidad funciona para ecosistemas tecnologicos donde la salud es un feature secundario.

ADEN es un producto de salud. La celebración importa. Cuando María completa Step 6 y llega a la Confirmación, hay animación y copy cálido. Cuando sus resultados llegan en Perfil Pendiente, hay celebración visual. No es gamificación – es reconocimiento. La investigación demuestra que la combinación de hábitos saludables + reconocimiento positivo genera engagement sostenido, y que el anclaje emocional durante el onboarding aumenta conversión. Para ADEN, la calidez es supervivencia.

El Journey Completo: De Invitación a Dashboard

Invitación (WhatsApp) --> Crear cuenta --> Verificar email --> Seleccionar plan -->
Checkout --> Permisos --> Welcome --> Steps 1-6 --> Conectar wearable -->
Perfil pendiente --> Dashboard con datos

El journey empieza antes de que María abra la app. Empieza cuando alguien en quién confía – su médico, una amiga, su hermana – le envía un link por WhatsApp. Ese momento de confianza prestada es el activo más valioso del flujo. La pantalla de invitación no necesita convencer a María de nada; necesita confirmar lo que ya intuye: “la persona que me envió esto me conoce y cree que me sirve.” Por eso la pantalla muestra quién invitó, no un pitch genérico. El código de invitación no es friction – es filtro. Solo entran personas que alguien ya válido. Registro, verificación de email y selección de plan son los tres pasos de compromiso creciente: identidad, contacto real, y disposición a invertir. El pago no está al final del onboarding – está antes. Esa decisión de diseño es deliberada. María paga antes de dar sus datos de salud porque el contrato es claro: “Primero decides si quieres esto. Después construimos juntos tu perfil.” Invertir la secuencia (datos primero, pago después) crea la sensación de que los datos fueron entregados como condición de acceso, no como parte de un servicio ya adquirido.

Después del checkout el arco emocional cambia de compromiso a inversion personal. Los permisos llegan just-in-time: notificaciones antes del welcome (porque el sistema va a avisarle cosas), acceso a salud antes de conectar wearable (porque el contexto ya es claro). El Welcome es la puerta emocional: “Hola, María” con tres puntos de valor y la promesa de 5 minutos. Los 6 steps de onboarding recolectan los 30+ data points que alimentan el engine, pero María no ve un formulario – ve una conversación que la entiende progresivamente. Cada step devuelve algo: el progress bar avanza, un dato sobre su perfil aparece, el sistema responde a lo que ella acaba de compartir. Step 4 es el pico de complejidad y el punto de mayor riesgo de abandono, pero llega cuando María ya invirtio el 80% del flujo y tiene momentum psicológico.

Los pasos finales – conectar wearable y perfil pendiente – son el puente entre la inversion y el payoff. El wearable es opcional pero se presenta en el momento de mayor apertura: María acaba de compartir su historial, sus hábitos, su vida. Agregar un dispositivo que complementa esos datos se siente natural, no invasivo. Perfil pendiente convierte la espera de labs en anticipación activa: timeline visible, countdown, opción de subir labs existentes. Y cuando los resultados llegan, la transformacion es completa: la pantalla de espera se convierte en “Ver mi salud” – el dashboard con su Health Score, su plan del dia, sus datos. El arco emocional cierra: curiosidad (invitación) a compromiso (registro + pago) a inversion personal (onboarding) a anticipación (espera de labs) a payoff (dashboard con datos reales). Cada fase alimenta la siguiente. Ninguna existe por inercia.