Del ruido de El Dorado a la ciencia de la conversión

Antes de construir tiendas y software fui, y sigo siendo, ingeniero ambiental. Mi monografía de grado en la Universidad Distrital se preguntó algo que en Bogotá tiene cara conocida: qué se ha investigado en este siglo sobre el ruido del aeropuerto El Dorado y la salud de las poblaciones de su área de influencia. La escribí con Ana Lucía Ramírez Montes, bajo la dirección de Jaime Alberto Moreno, y me tomó cerca de un año.

Hoy diseño páginas para que vendan. Parece un salto enorme, pero es el mismo oficio: ordenar evidencia antes de opinar. Estas son las cuatro lecciones que me traje de esa investigación↗ y que uso cada vez que alguien me pregunta por qué su sitio no convierte.

Primero, el método, que es lo que de verdad se hereda

No salimos a la calle con un sonómetro. Fue una revisión documental cualitativa: buscar, leer y ordenar fuentes académicas e institucionales publicadas hasta 2021. El corazón del trabajo fue una matriz con 88 documentos, cada uno descrito en diez columnas: tipo de fuente, área temática, año, título, autores, contenidos destacados, aportes a la investigación, referencias de interés y enlace. De esos 88, priorizamos 28 estudios centrados en El Dorado.

Llenar esa matriz obligaba a responder, de cada documento, qué le aportaba a la pregunta. No bastaba copiar el resumen. Eso, que suena a trámite, es lo que separa una pila de PDF de una investigación.

Lección 1: no todas las cifras valen lo mismo

Parte del método fue mirar con qué instrumento se obtuvo cada dato: la calidad del sueño con el índice de Pittsburgh, la somnolencia diurna con la escala de Epworth y la audición con audiometrías interpretadas con los índices ELI extendido y Larsen. Saberlo permitió separar los estudios de prevalencia, que miden cuánta gente está afectada, de los documentos que solo describen efectos. No es un detalle menor: 35 de los 88 documentos eran institucionales, con propósitos distintos a los de un estudio científico.

En una web pasa exactamente lo mismo. Una cosa es lo que la gente dice (una encuesta, un comentario amable) y otra lo que hace (hasta dónde baja, qué toca, qué abandona). Por eso en el panel de URG Technology↗ cada una de sus 31 métricas trae un botón que explica qué es, por qué importa y cómo se calcula. Si no puedes explicar cómo se calcula un número, no lo uses para decidir.

Lección 2: la vara con la que mides cambia la conclusión

Una de las conclusiones más citadas de la monografía es una resta. Hay 10 decibeles de diferencia entre la referencia de la Organización Mundial de la Salud que usamos (65 dB, el umbral que su tabla asocia con un incremento del riesgo cardiovascular) y los 75 dB que la Resolución 0627 de 2006 fija como máximo diurno para zonas de uso industrial, que es como se evalúan los aeropuertos. En un sector de tranquilidad y ruido moderado, el tope es 65 de día y 50 de noche. Según qué parámetro use cada autor, el mismo ruido parece un problema de salud o algo tolerable.

Y aun con la vara más alta, la norma se incumple: en Fontibón, en 2019, el 17 % de las mediciones diurnas y el 39 % de las nocturnas la superaron.

Traducido a conversión: define qué cuenta como éxito antes de medir. ¿Un clic al botón de WhatsApp? ¿Un formulario enviado? ¿Una venta cobrada? En La Roca el panel propio cuenta los clics al botón de WhatsApp y al de Google Maps, porque ahí es donde ese negocio cierra. Para este sitio la vara es más exigente y la elegimos a propósito: al menos una venta de un proyecto a través de la web. Cambiar la vara cambia la nota, así que conviene ponerla antes del examen.

Lección 3: a más exposición, más efecto (y aun así, cuidado con la causa)

En varias de las investigaciones revisadas, quienes vivían más expuestos al ruido salían peor. En estudios hechos en Fontibón, la mala calidad del sueño apareció en rangos que van del 60 % al 92,08 % de las personas encuestadas. La hipoacusia llegó al menos al 43 % entre los expuestos, frente al 15 % entre los no expuestos (Londoño y colaboradores, 2004). Y de noche cada decibel adicional se asoció con un 18 % más de perturbaciones del sueño en Engativá y un 6 % en Fontibón (Rivera, 2008).

Aquí viene la parte que más me marcó. Los propios autores del estudio de 2004 advirtieron que, por su diseño, no podían demostrar con certeza que esa diferencia se debiera al tráfico aéreo, y la monografía recomienda hacer estudios de prevalencia para la mayoría de las morbilidades identificadas. Es decir: hay una asociación fuerte y consistente, y aun así hay que decir en voz alta lo que la evidencia no permite afirmar.

La versión comercial de esa trampa la veo todo el tiempo. Las ventas suben después de un rediseño y alguien concluye que fue el rediseño. ¿Y si fue la temporada, la pauta nueva o un cambio de precios? Por eso medimos antes de tocar nada, cambiamos una cosa a la vez cuando se puede y volvemos a medir para comprobar si de verdad mejoró.

Lección 4: contar los límites también vende

Una investigación honesta dedica un capítulo a lo que no pudo probar. Nosotros heredamos esa costumbre a los casos de este sitio: decimos que URG está construida al 95 % y que no se ha lanzado por presupuesto de fotografía, marketing y pauta, y que en La Roca la web sola necesita marketing para crecer. Cuesta escribirlo y sirve para dos cosas: el cliente sabe con quién está hablando, y nosotros no vendemos lo que no podemos sostener.

Por eso, cuando aplicamos psicología de conversión, la regla es la misma: prueba social real, nunca inventada, y urgencia honesta. Si un equipo está agotado, se dice. Si una promesa de entrega es a dos días hábiles, se escribe la fecha. La confianza se construye igual que la evidencia: mostrando de dónde sale cada afirmación.

Lo que hoy tomaría semanas

Esa monografía tomó cerca de un año, y no por falta de método, sino por la cantidad de trabajo manual: encontrar cada documento, leerlo completo, llenar diez columnas por cada uno de los 88, clasificar, contar a mano en cuántos aparecía cada morbilidad y armar el análisis. Hoy, con inteligencia artificial bien dirigida, calculo que una revisión así tomaría semanas.

Lo que la IA acelera es lo lento: buscar y filtrar fuentes, extraer los datos de cada documento, contar menciones, proponer una primera clasificación. Lo que sigue siendo humano es lo que da valor: decidir los criterios de inclusión, distinguir un estudio de prevalencia de un documento descriptivo, no mezclar cifras de muestras distintas como si fueran una sola y verificar cada número contra su página.

Del ruido a la conversión hay menos distancia de la que parece: las dos son preguntas sobre personas que no se dejan responder con opiniones. Si tienes una decisión colgando de datos dispersos, así trabajamos la experiencia de uso y la conversión, y cada cifra de este artículo está referenciada, capítulo por capítulo, en la historia completa de la investigación↗. Si quieres que miremos tus números, escríbenos.