Empatía y descubrimiento
Gana el derecho a construir separando la demanda real de los deseos articulados mediante descubrimiento continuo basado en evidencia.
Explainer
El descubrimiento es el trabajo de ganarse el derecho a construir. La mayoría de los fracasos de producto no son fracasos de ejecución; son fracasos de demanda disfrazados de funcionalidades enviadas. El descubrimiento fuerte rechaza los atajos cómodos — encuestas sin comportamiento, focus groups, demos de gira para validar — y los reemplaza por un bucle apretado: entrevistar, observar, analizar y triangular evidencia cualitativa con señal cuantitativa hasta que el equipo esté honestamente menos equivocado que la semana pasada.
Preferencia declarada vs comportamiento revelado
Los usuarios son pronosticadores poco fiables de su propio comportamiento. Te dirán que quieren una funcionalidad que jamás usarán, que pagarían por algo que nunca pagarán y que odian una UI a la que vuelven una y otra vez. El descubrimiento es la disciplina de confiar en lo que los usuarios hacen por encima de lo que dicen. La entrevista es una herramienta para reconstruir comportamiento pasado, no para predecir comportamiento futuro.
- Comportamiento pasado > intención declarada > preferencia hipotética, en ese orden.
- Cuando tengas que preguntar por hipotéticos, pregunta por un momento reciente específico, no por un futuro genérico.
- Si un usuario dice 'definitivamente pagaría por esto', pregunta '¿cuánto has pagado por el workaround que usas hoy?'
Jobs-to-be-Done — tres escuelas
JTBD no es una sola cosa; existen tres escuelas que se solapan. Confundirlas es el error más común que cometen los PMs. Elige la escuela que case con tu decisión y mantente con su vocabulario.
- Christensen / Switch (Bob Moesta, Chris Spiek): se centra en el momento del cambio de una solución vieja a una nueva. Vocabulario: ansiedades, hábitos, push, pull, las cuatro fuerzas.
- Outcome-Driven Innovation (Tony Ulwick): trabajos funcionales descompuestos en outcomes deseados, medibles, puntuados por importancia y satisfacción actual. Vocabulario: opportunity score = importancia + max(importancia − satisfacción, 0).
- Strategyzer (Alex Osterwalder): los jobs como entrada para el diseño de la propuesta de valor — jobs funcionales, emocionales y sociales emparejados con dolores y ganancias.
La entrevista Switch y las cuatro fuerzas
La entrevista Switch reconstruye el momento en que un usuario pasó de una solución a otra. El framework: push de la situación actual, pull de la nueva solución, ansiedades sobre cambiar y hábitos del presente. Hay demanda cuando push + pull > ansiedades + hábitos. Los PMs fuertes sondean cada fuerza explícitamente.
- Push: ¿qué se rompió específicamente del flujo previo? ¿Cuándo? ¿Con quién?
- Pull: ¿qué de la nueva opción cruzó el umbral de 'lo bastante bueno para probar'?
- Ansiedad: ¿qué te preocupaba al adoptarla? ¿Coste, riesgo, riesgo social, curva de aprendizaje?
- Hábito: ¿qué te mantuvo en lo viejo tanto tiempo incluso después de que apareciera el push?
- Si las ansiedades o los hábitos pesan más que push + pull, la demanda es teórica, no real.
Mecánica de la entrevista de usuario
La mayoría de los PMs sobreestima qué tan buenas son sus entrevistas. Los mayores problemas: preguntas dirigidas, vender la solución, pedir al usuario que diseñe y aceptar las razones articuladas al pie de la letra. Una buena entrevista está estructurada pero no guionizada — reconstruye comportamiento con detalle vívido.
- Abre con un momento reciente específico: 'cuéntame paso a paso la última vez que pasó esto'.
- Sondea la línea de tiempo minuto a minuto; no aceptes resúmenes.
- Escucha cambios de energía — suspiros, aceleraciones, pausas — y síguelos.
- Pregunta por workarounds antes de proponer soluciones; el workaround es el precio de la entrada.
- Nunca termines una entrevista sin preguntar '¿qué no te he preguntado y debería haberte preguntado?'
- Graba (con consentimiento) y etiqueta transcripciones; la memoria comprime todo en 48 horas.
Descubrimiento continuo como hábito semanal
La práctica de descubrimiento continuo de Teresa Torres reemplaza la 'fase de descubrimiento' por una cadencia semanal. Objetivo: el trío de producto (PM, diseño, tech-lead) habla con al menos un usuario por semana, todas las semanas, y actualiza un Opportunity Solution Tree contra un outcome deseado claro.
- Recluta un panel continuo; no reinicies el sourcing en cada proyecto.
- Mantén una sync semanal del trío para actualizar el árbol, no para pedir permiso.
- Trata cualquier semana sin entrevista como deuda de descubrimiento — nómbrala y págala.
- Descubrimiento y entrega se intercalan; uno no es la puerta del otro.
Opportunity Solution Tree
Un OST visualiza la cadena que va de outcome deseado → oportunidades (problemas / necesidades no cubiertas surgidas de la investigación) → soluciones candidatas → tests de supuestos. Leído de arriba abajo, ves por qué se considera cada solución. Leído de abajo arriba, cada test escala hasta una oportunidad real de usuario atada al outcome del equipo.
- Un outcome en la raíz; varias oportunidades; varias soluciones por oportunidad; varios tests por solución.
- Resiste las soluciones que no se conectan a una oportunidad nombrada.
- Usa el árbol para discutir: '¿es esta oportunidad mayor que aquella?', '¿qué solución apunta mejor a esta oportunidad?'
- Refresca semanalmente con nueva evidencia; poda las ramas que pierdan evidencia.
Mapeo de riesgos y supuestos
Marty Cagan separa cuatro tipos de riesgo a los que se enfrenta toda idea de producto: Valor (¿lo usarán los usuarios?), Usabilidad (¿pueden usarlo?), Factibilidad (¿podemos construirlo?) y Viabilidad (¿funciona para el negocio — legal, ventas, soporte, finanzas?). El descubrimiento es la práctica de identificar cuál de estos riesgos domina cada idea, y luego diseñar el test más barato que retire ese riesgo.
- El riesgo de valor domina en categorías nuevas y audiencias nuevas.
- El riesgo de usabilidad domina en cambios radicales de UI.
- El riesgo de factibilidad domina en trabajo técnicamente novedoso (ML, tiempo real, escala).
- El riesgo de viabilidad domina en zonas reguladas o sensibles a precios.
Mapas de viaje y blueprints de servicio
Los mapas de viaje recorren a una sola persona usuaria por un workflow real a lo largo del tiempo, capturando acciones, pensamientos, emociones y momentos de fricción. Los service blueprints extienden el viaje incluyendo procesos de trastienda — qué tienen que hacer la empresa, los sistemas y las políticas para que el momento de cara al cliente funcione. La mayoría de productos B2B y operativos fallan en la trastienda, no en la pantalla.
- Construye el mapa a partir de una sesión real grabada, no de una suposición de taller.
- Marca cada paso con: acción, pensamiento, emoción, fricción, tiempo transcurrido.
- Para los service blueprints, añade acciones de trastienda, sistemas de soporte y SLAs.
- Resalta los 'momentos de la verdad' donde la experiencia tiene éxito o se rompe.
Diseño de encuestas y por qué la mayoría miente
Las encuestas son populares porque escalan; se mal usan porque son fáciles. La mayoría de las encuestas de producto sufren de sesgo de selección (solo responden los entusiastas), sesgo de deseabilidad social (los respondientes te dicen lo que creen que quieres oír) y efectos de orden (la pregunta de arriba contamina la respuesta de abajo). Las encuestas son útiles para cuantificar una hipótesis ya desarrollada cualitativamente — casi nunca para descubrir desde cero.
- Usa encuestas para dimensionar, no para descubrir.
- Evita '¿usarías?' y '¿cuánto pagarías?' — ambas son poco fiables.
- Ancla las preguntas en comportamiento de la última semana, no en preferencias en abstracto.
- Pilota con 10 usuarios antes de enviar; el 80% de los errores de diseño se detectan en las primeras 5 respuestas.
- Incluye siempre una pregunta abierta; los textuales suelen ser más útiles que las escalas.
Triangulación: cualitativo + cuantitativo + mercado
Los insights de fuente única son peligrosos. Triangula combinando entrevistas cualitativas (por qué), analítica cuantitativa (cuán grande) y evidencia de mercado (¿el mundo apoya esta tendencia?). Cuando los tres concuerdan, la convicción es alta. Cuando discrepan, sigue la discrepancia — ahí es donde vive el aprendizaje más útil.
- Lo cualitativo te dice qué pasa y por qué.
- Lo cuantitativo te dice qué tan grande y con qué frecuencia.
- La evidencia de mercado (competidores, industrias adyacentes, indicadores primarios) te dice si tienes el viento a favor o en contra.
- Documenta cada fuente con su nivel de confianza; no las promedies, pondéralas.
Output del descubrimiento: la biblioteca de insights
El descubrimiento sin artefacto se descompone dentro de la cabeza de un solo PM. El equipo necesita una biblioteca compartida de insights — fragmentos de entrevistas etiquetados, oportunidades, evidencia — que sobreviva a la rotación de PMs y se acumule a lo largo de proyectos. Incluso un simple doc compartido con etiquetado consistente le gana a una memoria brillante en silos.
- Etiqueta cada cita con: persona, job, oportunidad, severidad, confianza.
- Haz la biblioteca buscable; si no puedes encontrar una cita etiquetada en 30 segundos, el sistema ha fallado.
- Revisa las oportunidades top cada trimestre como candidatas a raíz del OST del trimestre siguiente.
Framework atlas
Reference cards for each method in this mission
Expand a card for when to deploy it, misuse patterns, sequencing guidance, and (where relevant) shorthand formulas.
Discovery interview · Bob Moesta & Chris Spiek (Re-Wired Group / The Rewired Group)Switch / Forces of Progress(Switch)
A structured interview format that reconstructs a user's switch from an old solution to a new one, mapped to the four forces: push, pull, anxiety, habit.
When to use
- Understanding why users adopted (or didn't adopt) a category.
- Pricing and packaging research.
- Churn and switching investigations.
When not to
- Pure usability testing of a specific UI.
- Discovery for an entirely new behavior with no prior solution to switch from.
How to apply
- Recruit users who switched within the last 90 days.
- Anchor the conversation to the day of the switch.
- Probe push, pull, anxiety, habit explicitly with timeline questions.
- Identify the moment of first thought, struggle, deciding event, and consumption event.
- Synthesize forces and map to demand strength.
- Asking about preference instead of behavior.
- Letting users summarize ('I just got tired of it') instead of reconstructing the timeline.
Discovery synthesis · Teresa TorresOpportunity Solution Tree(OST)
Visual structure connecting a desired outcome to opportunities (problems), candidate solutions, and the experiments that test them.
When to use
- Continuous discovery teams aligning on what to learn next.
- Quarterly planning where the outcome is fixed but the path is not.
When not to
- When the team has not yet defined a clear outcome — fix that first.
How to apply
- State the outcome at the root.
- Surface opportunities from research; cluster duplicates.
- Map candidate solutions under each opportunity.
- Define the riskiest assumption per solution and an experiment to test it.
- Update weekly with new evidence; prune unsupported branches.
- Stuffing every feature request as a 'solution' regardless of opportunity fit.
- Letting the tree become a static slide deck instead of a living doc.
Discovery quantification · Tony UlwickOutcome-Driven Innovation(ODI)
Decomposes a job into outcome statements (e.g. 'minimize the time it takes to identify duplicate contacts'), then surveys users on importance and current satisfaction. Opportunity score = importance + max(0, importance - satisfaction).
Opportunity = Importance + max(0, Importance − Satisfaction)
When to use
- Mature markets where the job is well understood and you need to find under-served outcomes.
- Roadmap arbitration when many possible directions look equally appealing.
When not to
- Brand-new categories where the user can't articulate the job yet.
How to apply
- Identify the core functional job through interviews.
- Decompose into outcome statements (verb + object + clarifier, e.g. 'minimize time to ___').
- Survey 100+ users for importance (1-10) and satisfaction (1-10).
- Compute the opportunity score per outcome.
- Prioritize outcomes with score > 12 as under-served opportunities.
- Writing outcome statements that contain solutions ('add an auto-detect button').
- Surveying users who don't actually do the job.
Discovery prioritization · Marty Cagan / SVPGRisk-Assumption Mapping
Categorizes the risks of a product idea into Value, Usability, Feasibility, and Viability and tests the largest risks first with the smallest possible experiment.
When to use
- Before committing eng capacity to a non-trivial bet.
- When the team feels unable to articulate why an idea might fail.
When not to
- Tiny incremental changes where a single A/B test is enough.
How to apply
- List all assumptions the idea depends on.
- Tag each as Value / Usability / Feasibility / Viability risk.
- Score by impact-if-wrong and confidence-now.
- Design the cheapest experiment to retire the top 1-2 risks.
- Re-rank weekly as evidence accumulates.
Root cause analysis · Sakichi Toyoda / Toyota Production SystemFive Whys
Iteratively ask 'why' to walk from a symptom to a root cause. Useful in user interviews, post-mortems, and bug triage.
When to use
- Surface-level user complaints whose real cause is unclear.
- Post-incident reviews.
When not to
- Multi-causal complex systems where a single 'why' chain oversimplifies; use a fishbone diagram instead.
How to apply
- Start with the observed symptom or complaint.
- Ask 'why' and capture the answer; don't accept generalities.
- Repeat 4–5 times until the answer is structural rather than personal.
Product Psychology
Cognitive biases that distort product decisions
Confirmation Bias in Interviews
Interviewers selectively probe and remember evidence that confirms the going hypothesis.
Product Risk
The team walks out of every research round 'validated', regardless of what users actually said.
Research Countermove
Pre-register the hypothesis and the falsification criterion. Have a second interviewer or transcriber tag quotes blind to the hypothesis.
Researcher / Demand Effect
Users mirror what they believe the interviewer wants to hear, especially when interviewer comes from the company that might pay them or refer them.
Product Risk
Hypotheticals get inflated agreement; pricing surveys inflate willingness to pay; feature interest is overstated.
Research Countermove
Use neutral recruiters who don't disclose the hypothesis. Pay users a fixed incentive regardless of stated enthusiasm. Anchor questions in past behavior, not future preference.
Recency Bias in Synthesis
The most recent interview disproportionately influences the synthesis even when earlier interviews carried the same signal.
Product Risk
Roadmaps swing toward whichever user the team last heard from, especially executives or vocal users.
Research Countermove
Tag every quote at intake, not at synthesis. Synthesis should weight every tagged quote equally, not by memorability.
Articulation Bias
Users who can articulate clearly are over-represented; quieter users with the same problem are missed.
Product Risk
Power-user features ship while novice-user pain remains invisible.
Research Countermove
Recruit deliberately across articulation styles; supplement interviews with observation, screen-share recordings, and unmoderated tests.
Hawthorne Effect
Users behave differently because they know they're being observed.
Product Risk
Lab usability tests overstate competence; users perform for the researcher.
Research Countermove
Use unmoderated remote tests, in-product analytics, and longitudinal studies whenever possible. Treat moderated lab tests as one of multiple data sources.
Cargo-Cult Discovery
Adopting discovery rituals (interviews, OSTs, story maps) without the underlying behavioral change in the team's decision-making.
Product Risk
Discovery becomes documentation theater; the same backlog ships regardless of what was learned.
Research Countermove
Tie every discovery output to a decision: 'This week's research changes our roadmap in this specific way, or it changes our confidence in this specific item.'
Organizational anti-patterns
When ceremonies look like rigor but aren't
Validating, Not Discovering
Research is scheduled after the spec is written; goal is to confirm rather than challenge.
PM has already committed to the solution and uses 'discovery' as a checkpoint to feel safe.
Run discovery before scoping. If you must run it after, give the team explicit permission to kill the idea based on findings.
The Persona Slide That Lives Forever
A glossy persona deck made 18 months ago is still cited in decisions; nobody can name a real recent user.
Personas are easier to display than to maintain; nobody owns their freshness.
Replace static personas with a continuous panel. Cite real recent quotes and behaviors in decisions, not 'Marketer Mary'.
Survey-First Discovery
The team's first move on every new question is to send a survey.
Surveys feel scientific and scale fast; interviews feel slow and subjective.
Lead with 5-7 interviews; only survey to size what interviews already revealed qualitatively.
The Loudest User Drives the Roadmap
Roadmap shifts in response to the latest angry support ticket or executive escalation.
Without an aggregated insight library, vivid recent feedback wins by default.
Aggregate weekly: count themes across interviews, support tickets, NPS verbatims, and churn reasons. Make the count visible in roadmap meetings.
Insights as Slide Decks
Research findings live as polished one-time decks; they don't accumulate into a searchable corpus.
Researchers and PMs are rewarded for visible deliverables, not infrastructure.
Standardize tagging. Build a searchable repository — even a structured Notion/Coda/Airtable database is enough.
Worked examples
Walkthroughs translated from real trade-off rooms
Catching a phantom feature with a switch interview
A team is convinced users want richer reporting. Surveys show 78% interest. Internal advocates are pushing for a Q1 build.
- Run 8 switch interviews with users who recently adopted a competitor that already has rich reporting.
- Map the four forces. Push and pull are real; anxieties (cost, change) are large; habit (existing internal dashboards) is the largest force.
- Find that only 2/8 actually use the rich reporting after switching; 6/8 still rely on legacy dashboards exported to spreadsheets.
- Reframe the opportunity: not 'rich reporting in product' but 'reduce the spreadsheet round-trip'. Ship a CSV export with templated views in 3 weeks instead of a 4-month reporting build.
TakeawayStated demand was real but did not translate into post-switch usage. The actual job was about leaving the product, not staying in it.
Using ODI to find the under-served outcome
A meeting-notes product wants to know which AI feature to build first.
- Interview 12 users to identify the functional job: 'capture decisions and action items from a meeting'.
- Decompose into 14 outcome statements, e.g. 'minimize time to identify action items', 'minimize chance of missing a decision'.
- Survey 200 users for importance and satisfaction.
- Highest opportunity scores: 'minimize time to share notes with absentees' (15.2) and 'minimize chance of missing a decision' (14.8).
- Lower than expected: 'minimize time to identify action items' (10.1) — already considered well-served by the existing product.
TakeawayODI redirected the team from auto-summarization (already satisfying) toward decision tracking and absentee summaries (under-served).
Killing a feature using risk-assumption mapping
Team wants to add an in-app marketplace for third-party integrations.
- List assumptions: users want to discover integrations in-product; partners will list; we can review submissions; legal can manage liability; revenue model works.
- Tag risks: Value (partial — direct evidence weak), Viability (dominant — legal & revenue model unsolved), Feasibility (medium).
- Test viability first with 5 partner conversations and a legal review — both come back negative under current contracts.
- Kill the marketplace; instead, ship a curated integrations directory and a partner program with handpicked launch partners.
TakeawayThe dominant risk was viability, not value. Testing the right risk first prevented a 6-month build that would have shipped into a legal wall.
Resources / Case Studies
Curated reading for this mission
Teresa Torres
The canonical operating manual for weekly discovery practices, the Opportunity Solution Tree, and assumption testing.
The single most actionable book on modern discovery practice; every team benefits from running its first 90 days.
Teresa Torres
The original blog series introducing the OST as a connective tissue between outcomes, opportunities, solutions, and tests.
The clearest free reference for the OST diagram and its discipline.
Bob Moesta
Moesta's articulation of JTBD applied to selling. Covers the four forces, switching moments, and the timeline interview.
Translates JTBD from theory to operational interview craft for PMs and sales partners.
Tony Ulwick (Strategyn)
Ulwick's school of JTBD with outcome-driven innovation, opportunity scoring, and quantitative discovery.
The right tool when the team needs to size and prioritize unmet needs at scale, not just understand them qualitatively.
Marty Cagan (SVPG)
Cagan's Value/Usability/Feasibility/Viability framework and prototyping techniques for retiring each risk type.
Establishes the risk-typing language that the rest of the industry uses.
Steve Portigal
Portigal's craft-level guide to interviewing users without leading them. Covers question design, listening, and synthesis.
The best stand-alone book on interview mechanics, especially for PMs without UX research training.
Rob Fitzpatrick
How to run customer conversations that surface real evidence even when users (and your mom) want to be encouraging.
A 90-minute read that fixes the most common interview mistake — asking questions that beg for compliments.
Product Talk
Templates for OSTs, interview snapshots, and weekly trio cadences.
Saves teams the design-thinking-template hunt; production-ready artifacts to drop into Notion or Miro.
Alan Klement
JTBD case study showing how customers hire and fire products through unexpected substitutions.
Strong narrative companion to the Switch interview methodology.
Lenny Rachitsky
Practitioner case studies on user research from PMs at Airbnb, Stripe, Notion, and more.
Recurring real-world examples from current product teams; a complement to the canonical books.
Alberto Savoia
Pretotyping and the search for 'the right it' before 'building it right'. Practical low-cost demand experiments.
Bridges discovery and early experimentation, with concrete templates for fake-door tests, smoke tests, and the like.
How to operationalize ongoing user research at scale: panels, ops, tooling, and synthesis.
Covers the operational layer that most discovery books skip.