Taxonomía de etiquetas para un repositorio de research (temas, personas y journeys) + ejemplos

Una taxonomía de etiquetas para un repositorio de research sirve para que cualquier persona encuentre evidencias rápido y pueda comparar aprendizajes entre estudios. La mejor funciona con pocas etiquetas obligatorias (siempre) y varias opcionales (cuando aportan). Abajo tienes una propuesta lista para copiar: temas, personas, etapa del journey, área de producto y sentimiento, con ejemplos y reglas para mantener consistencia.

La clave es sencilla: define qué etiqueta responde a qué pregunta, limita el número de valores, y documenta reglas de uso para que todos etiqueten igual. Si lo haces, tu repositorio deja de ser una “carpeta grande” y se convierte en una base de conocimiento reutilizable.

Palabra clave principal: taxonomía de etiquetas para repositorio de research.

• Key takeaways
• Usa 5 grupos de etiquetas: tema, persona, journey stage, área de producto y sentimiento.
• Marca como obligatorias las que más ayudan a filtrar (tema + journey + producto) y deja el resto como opcionales.
• Define reglas: una etiqueta = una idea, vocabulario controlado, formato fijo y ejemplos reales.
• Revisa la taxonomía cada 6–8 semanas para añadir o fusionar etiquetas sin romper lo anterior.

Qué es una taxonomía de etiquetas y cuándo te compensa

Una taxonomía es un conjunto de etiquetas con nombres, definiciones y reglas que se aplican a tus insights, notas, clips o informes. No es solo una lista: es un acuerdo de equipo sobre cómo describir la evidencia.

Te compensa cuando ya tienes más de unos pocos proyectos, varios investigadores, o stakeholders que piden “¿tenemos algo sobre X?”. También te compensa si haces research continuo y quieres conectar hallazgos en el tiempo.

Principio básico: cada grupo responde a una pregunta

• Tema: ¿de qué trata el hallazgo?
• Persona: ¿quién lo vive o lo dice?
• Journey stage: ¿en qué etapa ocurre?
• Área de producto: ¿qué parte del producto o servicio afecta?
• Sentimiento: ¿cómo se siente la persona ante eso?

Errores típicos que rompen la búsqueda

• Etiquetas “cajón desastre” (por ejemplo, UX, mejoras, problemas).
• Mezclar niveles (tema y solución en la misma etiqueta: checkout_rediseñar_formulario).
• Sinónimos duplicados (registro y alta) o idiomas mezclados.
• Etiquetar “todo” por miedo a perder información.

Estructura recomendada: etiquetas obligatorias y opcionales

Un buen equilibrio reduce fricción: si pides demasiadas etiquetas obligatorias, la gente no etiqueta o lo hace mal. Si pides muy pocas, pierdes capacidad de filtrar.

Esta es una estructura práctica para la mayoría de repositorios de research.

Etiquetas obligatorias (siempre)

• Theme (Tema): 1–2 etiquetas.
• Journey stage (Etapa): 1 etiqueta.
• Product area (Área de producto): 1 etiqueta (o “cross-product” si aplica).

Etiquetas opcionales (cuando aportan)

• Persona: 0–1 etiqueta (o 2 si comparas dos perfiles).
• Sentiment (Sentimiento): 0–1 etiqueta.

Por qué este reparto suele funcionar

• Tema + etapa + producto permiten búsquedas útiles incluso sin saber a qué estudio pertenece.
• Persona y sentimiento añaden contexto, pero no siempre están claros en cada evidencia.

La taxonomía propuesta (valores, definiciones y ejemplos)

Abajo tienes una propuesta de vocabulario controlado que puedes adaptar. Mantén los valores cortos, consistentes y con definición para evitar interpretaciones.

1) Theme (Tema) — obligatorio

Regla: etiqueta el “problema o necesidad” observado, no la solución. Usa 1–2 temas máximo por evidencia.

• discoverability: la persona no encuentra una función, contenido o siguiente paso.
• comprehension: la persona no entiende un texto, concepto, precio o condición.
• trust: dudas sobre seguridad, fiabilidad, reseñas o legitimidad.
• friction: pasos extra, formularios largos, verificaciones o bloqueos.
• performance: lentitud, fallos, carga, errores técnicos.
• pricing_value: percepción de precio, valor, comparaciones, costes ocultos.
• support_help: necesidad de ayuda, contacto, autoservicio, FAQ, chat.
• onboarding: primeros pasos, configuración inicial, guía dentro del producto.
• accessibility: barreras de acceso (subtítulos, contraste, teclado, etc.).

Ejemplos de uso (Tema):

• Clip: “No veo dónde cambiar el idioma” → discoverability.
• Nota: “No entiende qué incluye el plan” → comprehension + pricing_value.
• Hallazgo: “Desconfía al pedir datos bancarios” → trust.

2) Persona — opcional

Regla: define personas como grupos estables, no como cargos infinitos. Si no hay persona definida, usa unknown o no etiquetes.

• persona_new_user: primera vez, poca experiencia.
• persona_power_user: uso frecuente, atajos, personalización.
• persona_buyer: decide y paga.
• persona_admin: gestiona permisos, facturación, configuración.
• persona_viewer: consume contenido, no configura ni paga.

Ejemplos de uso (Persona):

• Entrevista: “Como admin necesito añadir usuarios” → persona_admin.
• Test: “Solo quería mirar el vídeo, no crear cuenta” → persona_viewer + persona_new_user (solo si comparas perfiles; si no, elige una).

3) Journey stage (Etapa del journey) — obligatorio

Regla: usa una sola etapa por evidencia. Si algo cruza etapas, elige donde el problema “impacta” más.

• awareness: descubre el producto o problema.
• consideration: compara opciones, busca información.
• signup: registro, alta, verificación.
• onboarding: primer uso guiado, configuración.
• activation: logra el primer valor (“aha moment”).
• use: uso recurrente, tareas principales.
• support: pide ayuda, reporta un problema.
• renewal_churn: renovación, cancelación, downgrade.

Ejemplos de uso (Etapa):

• “No me llega el email de verificación” → signup.
• “No sé por dónde empezar tras entrar” → onboarding.
• “Quiero cancelar y no encuentro dónde” → renewal_churn.

4) Product area (Área de producto) — obligatorio

Regla: etiqueta la zona del producto que se puede “asignar” a un equipo. Mantén una lista corta; crea subáreas solo si realmente tienes volumen.

• landing_marketing: web pública, pricing, contenido comercial.
• account_profile: cuenta, datos, preferencias.
• auth_access: login, registro, SSO, permisos.
• core_workflow: flujo principal del producto (tu “job to be done”).
• billing_plans: planes, facturación, pagos, invoices.
• notifications: emails, alertas, mensajes in-app.
• help_center: soporte, documentación, contacto.
• mobile_app: experiencia móvil cuando sea un área clara.
• cross_product: afecta a varias áreas sin una dueña clara.

Ejemplos de uso (Área):

• Problema al pagar con tarjeta → billing_plans.
• Confusión en la página de planes → landing_marketing + tema pricing_value.
• Error al iniciar sesión → auth_access + tema performance.

5) Sentiment (Sentimiento) — opcional

Regla: úsalo para priorización y lectura rápida, no como “resultado final”. Etiqueta el sentimiento dominante.

• positive: satisfacción, alivio, confianza.
• neutral: sin carga emocional clara.
• negative: frustración, enfado, desconfianza.
• mixed: combina alto valor con fricción clara.

Ejemplo: “Me encanta la función, pero tarda mucho” → mixed + tema performance.

Reglas para mantener consistencia entre investigadores (sin dolor)

La consistencia no sale de pedir “disciplina”, sale de reglas simples y revisiones cortas. Estas normas suelen evitar el 80% del caos.

Convenciones de formato (nombres de etiquetas)

• Usa minúsculas y snake_case (ej.: pricing_value).
• No uses tildes ni caracteres especiales.
• Evita abreviaturas internas (si alguien nuevo no la entiende, no sirve).
• Prefiere nombres “neutros” (ej.: friction mejor que bad_form).

Reglas de asignación (cómo etiquetar cada evidencia)

• 1 evidencia = 1 idea principal: si un clip contiene dos problemas, sepáralo en dos entradas o dos clips.
• Máximo 1–2 temas: si necesitas 4 temas, tu tema está mal definido o la evidencia está mezclada.
• Etapa única: fuerza una decisión, mejora los filtros.
• Persona solo si está clara: si dudas, déjala en blanco.
• Sentimiento solo si añade lectura rápida: no lo conviertas en un juicio del investigador.

Reglas de vocabulario (evitar duplicados)

• No crees sinónimos: elige uno (signup o registration, pero no ambos).
• Si aparece un nuevo concepto, crea una etiqueta solo si esperas usarla al menos varias veces.
• Si dos etiquetas se pisan, fusiona y deja una como “alias” en la documentación.

Un “diccionario de etiquetas” obligatorio

Documenta cada etiqueta con: definición, cuándo usarla, cuándo no, y 1–2 ejemplos. Guarda este diccionario donde todo el equipo lo vea (por ejemplo, en tu wiki o en la descripción del proyecto).

Cómo implementarla en tu repositorio (pasos prácticos)

No necesitas un rework enorme para empezar. Empieza pequeño, prueba con 20–30 evidencias y ajusta.

Paso 1: decide la unidad de etiquetado

• Insight (recomendado): cada hallazgo con evidencia.
• Clip: fragmentos de entrevista o test.
• Nota: observaciones rápidas.
• Informe: demasiado grueso si quieres buscar fino.

Paso 2: crea plantillas con campos obligatorios

• Theme (1–2)
• Journey stage (1)
• Product area (1)
• Persona (0–1)
• Sentiment (0–1)

Paso 3: haz un piloto y mide fricción

• Etiqueta un lote pequeño y anota dudas.
• Si el equipo discute mucho una etiqueta, redefine la etiqueta o divide el concepto.
• Si nadie usa una etiqueta, elimínala o fusiónala.

Paso 4: crea un “ritual” de mantenimiento

• Revisión corta cada 6–8 semanas (30 minutos).
• Un “owner” de taxonomía rota por trimestre.
• Registro de cambios: qué etiquetas nuevas entran, cuáles se fusionan y por qué.

Paso 5: facilita el acceso a la evidencia

Siempre que sea posible, enlaza cada insight a su evidencia (clip, transcripción, captura). Si trabajas con audio o vídeo, una transcripción limpia acelera etiquetado y búsqueda.

Puedes combinar transcripción humana o automática según el caso, y revisar con un flujo de calidad cuando el contenido sea crítico. Si te interesa, puedes ver opciones de transcripción automática o de revisión de transcripciones.

Trampas comunes y criterios para ajustar la taxonomía

Una taxonomía viva mejora con el uso, pero también se puede descontrolar si crece sin reglas. Estas señales te dicen cuándo ajustar.

Señales de que tienes demasiadas etiquetas

• La gente tarda más en etiquetar que en escribir el insight.
• Hay muchas etiquetas con 1–2 usos.
• Se discuten nombres más que hallazgos.

Señales de que te faltan etiquetas

• Todo acaba en cross_product o en un tema genérico como friction.
• No puedes responder preguntas repetidas (por ejemplo, “problemas en onboarding”) sin leer todo.
• Los stakeholders crean sus propias listas paralelas.

Criterios de decisión: ¿crear, dividir o fusionar?

• Crear si el concepto aparece a menudo y cambia decisiones.
• Dividir si una etiqueta agrupa problemas distintos (ej.: trust puede dividirse en privacy y credibility si hace falta).
• Fusionar si dos etiquetas producen los mismos resultados de búsqueda.

Common questions

¿Cuántas etiquetas debo permitir por insight?

Normalmente 3 obligatorias + 0–2 opcionales funcionan bien. Si un insight necesita más, separa el insight o ajusta el vocabulario.

¿Qué hago si una evidencia encaja en dos etapas del journey?

Elige la etapa donde se ve el impacto principal (donde la persona se bloquea o decide). Si de verdad son dos momentos distintos, crea dos entradas.

¿Puedo usar etiquetas libres (free text) además del vocabulario controlado?

Sí, pero sepáralas: usa el vocabulario controlado para filtrar y el texto libre para matices. Si una etiqueta libre se repite mucho, conviértela en etiqueta oficial.

¿Cómo etiqueto si no tengo personas definidas?

Empieza sin persona o con una lista mínima (por ejemplo, persona_new_user y persona_admin). No inventes personas por estudio; crea personas estables con el tiempo.

¿Cuál es la diferencia entre “tema” y “área de producto”?

El tema describe el tipo de problema (por ejemplo, comprehension), y el área de producto indica dónde ocurre (por ejemplo, billing_plans). Los dos juntos permiten búsquedas mucho más útiles.

¿Debo etiquetar el método de research (entrevista, test, encuesta)?

Puede ser útil, pero no lo has pedido como dimensión y suele generar ruido si el equipo no lo usa. Si lo añades, hazlo opcional y con pocos valores.

¿Cómo entreno al equipo para etiquetar igual?

Haz una sesión corta de calibración con 10 evidencias: cada persona etiqueta y luego comparáis diferencias. Actualiza el diccionario con decisiones y ejemplos.

Si tu repositorio incluye muchas entrevistas grabadas, una base sólida empieza por capturar bien el contenido. GoTranscript puede ayudarte con soluciones de transcripción y subtitulado para que puedas buscar, citar y etiquetar evidencia de forma consistente, empezando por sus professional transcription services.