Analizando el recorrido digital del cliente: un nuevo marco para modelar el comportamiento secuencial

Por qué importan tus clics en las apps de salud

Cada pulsación, deslizamiento y pantalla que abres en una app de salud cuenta en silencio una historia sobre lo que intentas hacer: reservar una cita, consultar resultados de laboratorio o leer un mensaje. Cuando millones de personas usan estas apps, esas historias se acumulan en registros enormes y enmarañados que casi nadie puede leer a simple vista. Este artículo presenta una forma nueva de desenredar esos registros para que los proveedores de salud puedan ver las rutas principales que siguen las personas, detectar dónde se atascan y rediseñar sus servicios digitales para que sean más fluidos, seguros y menos frustrantes.

Del caos de clics a recorridos claros

Los autores se centran en el “recorrido digital del cliente”, es decir, la secuencia de pasos que una persona realiza al usar un sitio web o una app móvil para completar una tarea. En servicios en línea concurridos —como comercio electrónico, banca o salud— puede haber innumerables trayectorias posibles, lo que da lugar a lo que los diseñadores llaman un “modelo espagueti”: un mapa desordenado y superpuesto de clics que nadie puede interpretar. El estudio aborda este problema con datos de la app móvil de una gran organización israelí de mantenimiento de la salud, donde unos 120.000 usuarios generaban aproximadamente 5,5 millones de eventos al día. El objetivo es destilar esa complejidad en un pequeño conjunto de recorridos típicos que aún conserven la esencia de cómo las personas se mueven realmente por la app.

Enseñar a los algoritmos a reconocer tareas comunes

La primera parte del marco trata cada sesión de usuario —una visita a la app desde el inicio hasta el cierre— como si fuera un documento corto compuesto por “palabras”, donde cada palabra es una acción como abrir una pantalla o pulsar un botón. Se utiliza una técnica llamada modelado de temas, diseñada originalmente para encontrar temas en grandes colecciones de texto, para agrupar sesiones que comparten acciones similares. En términos prácticos, el algoritmo aprende que algunas sesiones tratan principalmente de programar una cita, otras de consultar resultados de pruebas y otras de enviar mensajes al médico. Una versión más avanzada puede incluso organizar estos temas en un árbol, mostrando temas generales en la parte superior (por ejemplo, «interacciones con el médico») que se dividen en otros más específicos (como «solicitar una receta» o «leer mensajes del médico»).

Seguir los pasos, no solo contarlos

Saber qué acciones tienden a aparecer juntas es solo la mitad de la historia; lo que realmente importa es el orden en que ocurren. En la segunda parte del marco, los autores se centran en cada grupo de sesiones y modelan el flujo paso a paso usando cadenas de Markov, una forma matemática sencilla de estimar la probabilidad de que una acción siga a otra. Esto permite resaltar las rutas más típicas dentro de cada tipo de recorrido y ver qué clics suelen conducir directamente a un callejón sin salida, como un error técnico o una salida prematura de la sesión. Al comparar cómo el modelado de temas y el modelo paso a paso asignan sesiones a grupos, el método también puede señalar recorridos “ambiguos” en los que los usuarios parecen mezclar varias tareas, una pista útil de que el diseño de la app puede no coincidir con la forma en que la gente realmente piensa.

Problemas reales revelados en una app de salud

La aplicación de este marco a la app de salud sacó a la luz problemas de diseño concretos que serían difíciles de detectar manualmente. En un recorrido relacionado con citas, la trayectoria más común en el mundo real terminaba con un mensaje de error en lugar de la pantalla de confirmación esperada, lo que reveló un fallo técnico en el último paso del proceso. En otro caso, los usuarios que consultaban resultados de laboratorio a menudo pulsaban un botón destinado a explicar el nombre de una prueba; en lugar de mostrar la información dentro de la app, los dirigía a un sitio web externo, tras lo cual muchos abandonaban la sesión. El análisis también mostró cómo distintos grupos de edad usan la misma función de forma diferente —por ejemplo, usuarios más jóvenes que programan más citas en nombre de familiares— lo que sugiere formas de adaptar la experiencia a segmentos específicos.

Qué significa esto para los usuarios comunes

Para los no expertos, el mensaje clave es que un análisis cuidadoso de los datos a nivel de clic puede ir más allá de diagramas atractivos y señalar exactamente las pantallas y los pasos que provocan confusión, pérdida de tiempo o tareas abandonadas. Al combinar dos herramientas complementarias —una que identifica los tipos principales de recorridos y otra que traza las rutas más probables paso a paso—, el marco ofrece a las organizaciones sanitarias una forma práctica de mejorar sus apps, reducir errores y ayudar a las personas a completar tareas vitales en línea. El mismo enfoque puede aplicarse en plataformas de compras, banca y aprendizaje, haciendo los servicios digitales más intuitivos y fiables sin exigir a los usuarios nada más que lo que ya hacen: usar la app.

Cita: Bar-El, L., Chalutz-BenGal, H., Gazit, S. et al. Analyzing the digital customer journey: a novel framework for sequential behavior modeling. Sci Rep 16, 14553 (2026). https://doi.org/10.1038/s41598-026-43762-8

Palabras clave: recorrido digital del cliente, aplicaciones de salud, comportamiento del usuario, análisis de registros de eventos, modelado secuencial