Lo que nuestro estudio de comportamiento del usuario de nuestro modo AI revela sobre el futuro de la búsqueda

Nuestro nuevo estudio de usabilidad de 37 participantes en siete tareas de búsqueda específicas muestra claramente que las personas:

1. Leer el modo AI
2. Rara vez hace clic, y
3. Solo vaya cuando estén listos para realizar transacciones.

Por lo que sabemos, no hay otro estudio de usabilidad independiente que haya explorado el modo AI hasta esta profundidad.

En mayo, publiqué un extenso estudio de dos partes de resumen de IA (AIO) con Amanda, Eric Van Buskirk y su equipo. Eric y yo también colaboramos en el estudio del modo AI de la industria de viajes de Propellic.

Trabajamos juntos nuevamente para traerle la nota de crecimiento de esta semana: un estudio que proporciona ideas y validación cruciales sobre los comportamientos de las personas a medida que interactúan con el modo de IA de Google.

Dado que ni Google ni OpenAI (o cualquier otra persona) proporcionan datos de usuario para sus productos de IA (búsqueda), estamos llenando un vacío crucial.

Capturamos las grabaciones de pantalla y las sesiones de pensamiento en voz alta a través de un estudio remoto. Las 250 tareas únicas recopiladas proporcionan un conjunto de datos robusto para nuestro análisis. (La metodología completa se proporciona al final de este memorando, incluidos los detalles sobre las siete tareas de búsqueda).

Y es posible que se sorprenda por algunos de los hallazgos. Lo estábamos.

Esta es una publicación más larga, así que toma una copa y acomátate.

Resumen ejecutivo

Nuestro nuevo estudio de usabilidad del modo AI de Google revela cuán profundamente cambia esta característica el comportamiento del usuario.

• El modo AI mantiene la atención y mantiene a los usuarios adentro. En aproximadamente tres cuartos de las sesiones de usuarios totales, los usuarios nunca abandonaron el panel de modo AI, y el 88 % de las primeras interacciones de los usuarios fueron con el texto generado por AI. El compromiso fue alto: el tiempo medio por tipo de tarea fue de aproximadamente 52-77 segundos.
• Los clics son raros y principalmente transaccionales. El número medio de clics externos por tarea fue cero. Sí. Lo lees bien. Cero. Y el 77.6% de las sesiones tuvieron cero visitas externas.
• Las personas escabullen pero aún toman decisiones en modo AI. Más de la mitad de las tareas se clasificaron como «hechizadas rápidamente», donde los usuarios miran el resumen generado por AI, forman una opinión y siguen adelante.
• El modo AI ofrece «tipos de sitio» que coinciden con la intención. No se trata solo de reunir consultas de búsqueda o intentos de inmediato; El modo AI está citando fuentes que se ajustan a categorías de sitios específicas (como los mercados versus los sitios de revisión frente a las marcas).
• La visibilidad, no el tráfico, es la moneda emergente. Los participantes hicieron sus juicios de marca directamente a partir de salidas de modo AI.

Tl; dr? Estos son los hallazgos centrales de este estudio:

• El modo AI es pegajoso.
• Los clics están reservados para transacciones.
• El modo AI coincide con el tipo de sitio con intención.
• Las vistas previas del producto actúan como mini páginas de detalles del producto (también conocido como PDPS).

Pero antes de cavar, un rápido agradecimiento aquí al equipo detrás de este estudio.

Junto con el equipo de Eric Van Buskirk en Clickstream Solutions, realicé el primer estudio de usabilidad amplio del modo AI de Google que descubre no solo información crucial sobre cómo las personas interactúan con el motor de chat híbrido de búsqueda/AI, sino también qué tipos de surfaces de modo AI de sitios de marca y cuándo.

Quiero destacar que Eric Van Buskirk fue el director de investigación. Si bien colaboramos de cerca en la configuración de las preguntas de investigación, las áreas de enfoque y la metodología, Eric administró el equipo, supervisó la ejecución del estudio y entregó los hallazgos. Después, trabajamos uno al lado del otro para interpretar los datos.

Haga clic en Datos es un gran primer pase para el análisis sobre lo que está sucediendo en modo AI, pero con este estudio de usabilidad específicamente, esencialmente parecemos «sobre el hombro» de los usuarios de la vida real a medida que completaban tareas, lo que resultó en una sólida recopilación de datos para extraer información.

Nuestra plataforma de prueba fue UXTWEAK.

Aumente sus habilidades con las ideas de expertos semanales de Growth Memo. ¡Suscríbete gratis!

El propio Sundar Pichai de Google ha sido claro: el modo AI no es un juguete; Es un campo de prueba para cómo se verá la experiencia de búsqueda principal en el futuro.

En el podcast Lex Fridman, Pichai dijo (Bolding Mine):

«Nuestro plan actual es el modo AI estará allí como una pestaña separada para las personas que realmente quieren experimentar eso … pero a medida que funcionan las características, Seguiremos migrándolo a la página principal …«(1)

Google ha argumentado que estas nuevas características centradas en la IA están diseñadas para apuntar a los usuarios a la web, pero en la práctica, nuestros datos muestran que los usuarios se quedan y toman decisiones sin hacer clic. En teoría, esto no solo podría afectar los clics a los resultados y las citas orgánicas, sino que también reducir los clics externos a los anuncios.

En agosto, exploré la realidad detrás de la canibalización de productos de Google con el modo AI y AIOS:

En este momento, según los datos similares, el uso de la pestaña Modo AI en Google.com en los EE. UU. Ha bajado ligeramente y ahora se encuentra a poco más del 1%.

Google AIOS ahora son vistos por más de 1.500 millones de buscadores cada mes, y se sientan al frente y al centro. Pero el compromiso está cayendo. Los usuarios pasan menos tiempo en Google y hacen clic en Menos páginas.

Pero a medida que Google lanza el modo AI de manera más amplia, trae el mayor cambio a la búsqueda (el canal de adquisición de clientes más grande que haya).

El SEO tradicional es altamente efectivo en el nuevo mundo de la IApero si el modo AI realmente se convierte en el valor predeterminado, existe la posibilidad de que necesitemos repensar nuestro arsenal de tácticas.

Prepararse para el futuro de la búsqueda significa tratar el modo AI como el destino (no la puerta) y descubrir cómo aparecer allí de manera que realmente sea importante para el comportamiento real del usuario.

Con este estudio, busqué descubrir y validar los comportamientos reales del usuario dentro de la experiencia del modo AI al realizar una variedad de tareas con diferentes intentos de búsqueda.

1. El modo AI es pegajoso

Crédito de la imagen: Kevin Indig

Estadísticas clave

La gente lee primero y generalmente permanece dentro de la experiencia del modo AI. Esto es lo que encontramos:

• La mayoría de las sesiones tenían cero visitas externas: es decir, no dejaron el modo AI (en absoluto).
• ~ 88% de la primera interacción de los usuarios* dentro de la función fue con el texto del modo AI.
• La participación típica del usuario dentro del modo IA es aproximadamente de 50 a 80 segundos por tarea.

Estas tres estadísticas definen la superficie de búsqueda del modo AI: mantiene atención y resuelve muchas tareas sin Enviar tráfico.

*Esto es lo que quiero decir con «interacción»

• Una «interacción» dentro de las tareas del usuario = el participante se dedicó significativamente al modo AI después de cargarse.
• Lo que cuenta como una interacción: leer o desplazar el cuerpo del modo AI para más que una mirada rápida, incluido escanear un bloque de resultados como el paquete de compras o el panel derecho, abrir una tarjeta comercial, hacer clic en un enlace en línea, icono de enlace o paquete de imágenes.
• Lo que no cuenta como una interacción: películas breves de los ojos, pases de cursor o vacilación antes de comprometerse.

Los usuarios están en modo AI para leer, no necesariamente para navegar o buscar, con ~ 88% de las sesiones que interactúan con el texto de la salida primero y pasan un minuto o más dentro de la experiencia del modo AI.

Además, es interesante ver que los usuarios gastan más del doble del tiempo en modo AI en comparación con AIO.

El compromiso general es mucho más fuerte.

Crédito de la imagen: Kevin Indig

Por que importa

Trate el panel del modo AI como la superficie de lectura principal, no un teaser para enlaces azules.

El modo AI es una experiencia contenida en la que enviar clics a los sitios web es de baja prioridad y dar a los usuarios la mejor respuesta es la más alta.

Como resultado, cambia completamente la cadena de valor para los creadores de contenido, empresas y editores.

Conocimiento

¿Por qué otras fuentes y/o análisis de investigación en modo AI dicen que los usuarios no regresan a la función de modo AI muy a menudo?

Mi teoría aquí es que, debido a que el modo AI es una experiencia de búsqueda separada (al menos, por ahora), no es tan visible como AIOS.

A medida que la adopción del modo AI aumenta con Google trayendo Gemini (y el modo AI) al navegador, espero que los hallazgos de nuestro estudio se escalen.

2. Los clics están reservados para transacciones

Si bien los clics son escasos, la intención de compra no lo es.

Los participantes en el estudio solo hicieron clic cuando la tarea lo exigió (por ejemplo, «poner un artículo en su carrito de compras») o si navegaban un poco.

Sin embargo, los clics de navegación fueron tan pocos que podemos asumir con seguridad el modo AI solo conduce a los clics cuando los usuarios quieren comprar.

Incluso las indicaciones con una comparación e intención informativa tienden a mantener a los usuarios dentro de la función.

• Las indicaciones de compras como (Bagvas Bag) y (Cables de escritorio ordenados) conducen la mayor parte de la salida de salida de modo AI.
• Las indicaciones de comparación como (Oura vs Apple Watch) muestran la participación de salida más baja de las tareas.

Cuando se alentó a los participantes a tomar medidas («Pon un artículo en su carrito de compras» o «Encuentra un producto»), la mayoría de los clics se destinaron a características de compras como paquetes de compras o tarjetas comerciales.

Crédito de la imagen: Kevin Indig

El 18% de las salidas fueron causadas por los usuarios que salieron del modo AI y fueron directamente a otro sitio, lo que hace que sea mucho más difícil ingeniería inversa de lo que impulsó estas visitas en primer lugar.

Las transcripciones del estudio confirman que los participantes a menudo comparten en voz alta que «irán a la página del vendedor» o «encontrar el producto en Amazon/eBay» para las búsquedas de productos.

Incluso al comparar productos, ya sean software o productos físicos, los usuarios apenas hacen clic.

Crédito de la imagen: Kevin Indig

En términos simples, el modo AI come todos los clics tofu y mofu. Los usuarios descubren productos y forman opiniones sobre ellos en modo AI.

Estadísticas clave

• ¡De 250 tareas válidas, el número medio de clics externos fue cero!
• La tarea rápida de (bolsa de lona) tenía 44 clics externos, y (cables de escritorio ordenados) tenía 31 clics, representando dos tercios de todos los clics externos en este estudio.
• Las tareas de comparación como (Oura Ring vs Apple Watch) o (Ramp vs Brex) tuvieron muy pocos clics (≤6 en total en todas las tareas).

Esto es lo que es interesante …

En el estudio de usabilidad general de AIOS, encontramos que los usuarios de escritorio hacen clic en ~ 10.6% del tiempo en comparación con prácticamente 0% en el modo AI.

Sin embargo, los AIO tienen resultados de búsqueda orgánicos y características de SERP debajo de ellas. (Las personas hacen clic menos en AIO, pero hacen clic en resultados orgánicos y características de SERP con más frecuencia).

Clima cero

• Descripción general de la IA: 93%*
• Modo AI: ~ 100%

*Tenga en cuenta que los participantes del estudio de usabilidad de AIO hicieron clic en los resultados de búsqueda orgánicos regulares. El 93% se relaciona con cero clics dentro de la descripción general de la IA.

En el escritorio, el modo AI produce aproximadamente el doble de los clics en panel en comparación con el panel AIO. En AIO SERP, los clics totales aún pueden ocurrir a través de resultados orgánicos por debajo del panel, por lo que la tasa de nivel de página se ubicará entre la figura de AIO-panel y la línea de base clásica.

Una nota importante aquí de Eric Van Kirk, el director de este estudio: Al comparar el modo de resumen del modo AI y AI, no estamos comparando exactamente las manzanas con las manzanas. En este estudio, los participantes recibieron tareas que les impulsarían que dejaran el modo AI en 2/7 preguntas, y eso representa la mayoría de los clics salientes (que eran menos de tres clics externos). Por otro lado, para el estudio AIO, la pregunta más transaccional fue «Encuentra un cargador portátil para teléfonos con menos de $ 15. Busque como lo haría normalmente». No se les dijo que «lo pusieran en un carrito de compras». Sin embargo, las ideas recopiladas con respecto al comportamiento del usuario de este estudio de modo AI, y el patrón de que los usuarios no sienten la necesidad de hacer clic en el modo AI para tomar decisiones adicionales, sigue siendo un hallazgo sólido.

La imagen más grande aquí es que los AIO son como una hoja informativa que eventualmente dirige a los usuarios a los sitios, pero el modo AI es una experiencia cerrada que rara vez hace que los usuarios haga clic.

Lo que hace que el modo AI (y ChatGPT, por cierto) sea complicado es cuando los usuarios abandonan la experiencia y van directamente a los sitios web. Se mete con los modelos de atribución y nuestra capacidad para comprender qué influye en las conversiones.

3. Modo AI coincide con el tipo de sitio con intención

En el estudio, evaluamos qué tipos de sitios muestra el modo AI para nuestras siete tareas.

Los tipos son:

• Marcas: Vendedores/vendedores.
• Mercados: Amazon.com, eBay.com, walmart.com, homedepot.com, bestbuy.com, target.com, rei.com.
• Sitios de revisión: nerdwallet.com, pcmag.com, zdnet.com, nymag.com, usatoday.com, BusinessInsider.com.
• Editores: nytimes.com, nbcnews.com, youtube.com, thespruce.com.
• Plataforma: Google.

Crédito de la imagen: Kevin Indig

Comprar una ruta a las páginas de productos:

• Bolsa de lona: el 93% de las salidas van a Brand + Marketplace.
• Cables de escritorio ordenados: 68% Vaya a Brand + Marketplace, con una porción de editorial visible.

Ruta de comparaciones a las revisiones:

• RAMP VS BREX: 83% de revisión.
• Oura vs Apple Watch: dividir 50% de marca y 50% de mercado.

Cuando el usuario tiene que realizar una verificación de reputación, el resultado es Split Brand y Publishers:

• Muerte líquida: 56 % de marca, 44 % editor.

Google se muestra en tareas de compras:

• Almacene las búsquedas en Business.google.com aparecen en la bolsa de lienzo (7%) y los cables de escritorio ordenados (11%).

Echa un vistazo a los dominios de clic superior por tarea:

• Bolsa de lona: LLBean.com, eBay.com, ricoutdoors.com, Business.google.com.
• Cables de escritorio ordenados: Walmart.com, Amazon.com, homedepot.com.
• Aplicaciones de idiomas de suscripción vs GRATIS: pcmag.com, nytimes.com, usatoday.com.
• Agua embotellada (muerte líquida): Reddit.com, LiquidDeath.com, YouTube.com.
• Rampa vs brex: nerdwallet.com, kruzeconsulting.com, airwallex.com.
• Hora Ring 3 vs Apple Watch 9: Ouraring.com, zdnet.com.
• VR Arcade o Smart Home: sandboxvr.com, Business.google.com, yodobashi.com.

Las empresas necesitan comprender el campo de juego. Si bien el SEO clásico permitió básicamente que cualquier sitio fuera visible para cualquier intención del usuario, el modo AI tiene reglas estrictas:

• Las marcas superan los mercados cuando los usuarios saben qué producto desean.
• Se prefieren los mercados cuando las opciones son amplias o genéricas.
• Los sitios de revisión aparecen para comparaciones.
• Las opiniones destacan a Reddit y editores.
• Google en sí es más visible para la intención local y, a veces, de compras.

Como SEOS, debemos considerar cómo Google clasifica nuestro sitio en función de sus plantillas de página, reputación y participación del usuario. Pero lo más importante, necesitamos monitorear las indicaciones en modo AI y mirar la mezcla del sitio para comprender dónde Podemos jugar.

Los sitios ya no pueden ser visibles para todo tipo de consultas en un tema; Deberá filtrar su estrategia por la intención que se alinea con su tipo de sitio porque el modo AI solo muestra ciertos sitios (como sitios de revisión o marcas) para tipos específicos de intención.

Las vistas previas del producto aparecen en aproximadamente el 25% de las sesiones de modo AI, obtienen ~ 9 segundos de atención y las personas generalmente abren solo una.

¿Entonces? El 45% se detiene allí. Muchas aperturas son comprobaciones de especificaciones rápidas, no un clic.

Crédito de la imagen: Kevin Indig

Puede ver fácilmente cómo algunas recomendaciones de productos del modo AI y las experiencias en el sitio son bastante frustrantes para los usuarios.

La experiencia posterior al clic es crítica: las mejores prácticas clásicas, como las revisiones, tienen un gran impacto en aprovechar al máximo los pocos clics que aún obtenemos.

Ver este ejemplo:

«Parece que tiene muchas críticas positivas. Eso es algo que vería si iba a comprar esta bolsa. Así que esta sería la que elegiría».

En las tareas de compra, descubrimos que los sitios de marca toman la mayoría de las salidas.

En tareas de comparación, descubrimos que los sitios de revisión dominan. Para los controles de reputación (como un aviso de (muerte líquida)), se dividieron las salidas a marcas y editores.

• Para indicaciones de intención transaccional: Las marcas absorben la mayoría de las salidas cuando la tarea es comprar un artículo ahora. (Bolsa de lona) muestra una fuerte inclinación a los PDP de marca.
• Para las indicaciones de la intención de reputación: Los sitios de la marca aparecen junto a los editores. Un aviso de (Muerte líquida) se divide entre LiquidDeath.com y Reddit/YouTube/Eater.
• Para indicaciones de comparación: Las marcas quedan en segundo plano. (Ramp vs Brex) Las salidas van principalmente a revisar sitios como Nerdwallet y Kruze.

Dado que los usuarios ahora pueden consultar directamente en el modo CHATGPT y AI, las tareas relacionadas con las compras pueden enviar aún menos clics.^{(2, 3)}

Por lo tanto, el modo AI se convierte en una experiencia completamente cerrada donde incluso la intención de compras se cumple directamente en la aplicación.

Los clics son escasos. La influencia es abundante.

Los datos nos dan una verificación de la realidad: si los usuarios continúan adoptando la nueva forma de buscar en Google, el modo AI remodelará el comportamiento de búsqueda de una manera que los SEO no pueden permitirse ignorar.

• La estrategia cambia de «obtener el clic» para «ganar la cita».
• Las comparaciones son para la confianza, no el tráfico. Reducen las salidas porque los usuarios se sienten informados dentro del panel.
• Los comerciantes deben optimizar para salidas decisivas. Dé precios, disponibilidad y pruebas sobre el pliegue para convertir las pocas salidas que obtenga.

Deberá ganar citas que respondan a la tarea, luego ganará las pocas salidas de alta intención que quedan.

Pero nuestro estudio no termina aquí.

Los resultados de hoy revelan ideas básicas sobre cómo Las personas interactúan con el modo AI. Desempacaremos más para considerar con la parte 2 de caer la próxima semana.

Pero para aquellos que aman cavar en detalles, la metodología del estudio se incluye a continuación.

Metodología

Diseño y objetivo del estudio

Realizamos un estudio de usabilidad de métodos mixtos para cuantificar cómo el nuevo modo AI de Google cambia el comportamiento del buscador. Cada participante completó siete indicaciones de búsqueda de Google en vivo a través de la función de modo AI. Este diseño nos permite observar tanto la mecánica de interacción (pergaminos, clics, habitaciones, confianza) como los participantes de razonamiento cualitativo expresados ​​al completar las tareas.

Las tareas:

1. ¿Qué dice la gente sobre la muerte líquida, la compañía de bebidas? ¿Te atraen sus bebidas?
2. Imagine que va a comprar un rastreador de sueño y los únicos dos disponibles son el Hora Ring 3 o el Apple Watch 9. ¿Cuál elegiría y por qué?
3. Estás obteniendo ideas sobre las ventajas de una tarjeta de crédito de rampa frente a una tarjeta Brex para pequeñas empresas. ¿Cuál parece mejor? ¿Qué haría que un negocio cambie de otra tarjeta: detalles de tarifas, impresión pequeña de elegibilidad o recompensas?
4. En la caja de «preguntar cualquier cosa» en modo AI, ingrese «Ayúdame a comprar una bolsa de lona impermeable». Seleccione uno que mejor se adapte a sus necesidades y compraría (por ejemplo, una bolsa de cámara, bolso de bolso, bolsa de lona, ​​etc.).
   • Proceda a la página del vendedor. Haga clic para agregar al carrito de compras y completar esta tarea sin ir más allá.
5. Compare aplicaciones de idioma de suscripción con aplicaciones de idioma gratuitas. ¿Pagarías y en qué situación? ¿Qué producto elegirías?
6. Supongamos que está visitando a un amigo en una ciudad grande y quiere ir a: 1. Una sala de realidad de realidad virtual o 2. Una sala de exposición de casas inteligente. ¿Cómo se llama la ciudad que estás visitando?
7. 1. Suponga que trabaja en un escritorio pequeño y sus cables son un desastre. 2. En el cuadro «Pregunte cualquier cosa» en modo AI, ingrese: «Los cables del dispositivo están desordenando el espacio de mi escritorio. ¿Qué puedo comprar hoy para ayudar?» 3. Luego elija el único producto que crea que sería la mejor solución. Póngalo en el carrito de compras en el sitio web externo y finalice esta tarea.

Treinta y siete adultos estadounidenses de habla inglesa fueron reclutados a través de Prolific entre el 20 de agosto y el 1 de septiembre de 2025 (incluidos los participantes en un grupo pequeño que realizó estudios piloto).*

La elegibilidad requirió una tasa de aprobación prolífica ≥ 95%, un navegador basado en el cromo y un micrófono en funcionamiento. Los participantes visitaron el modo AI y realizaron tareas de forma remota a través de su computadora de escritorio; Las sesiones no válidas se excluyeron por falla técnica o incumplimiento. El conjunto de datos final contiene más de 250 registros de tareas válidos en 37 participantes.

*Los estudios piloto se realizan primero en pruebas de usabilidad remota para identificar y solucionar problemas técnicos, como el intercambio de pantalla, la configuración de tareas o los problemas de grabación, antes de que comience el estudio principal. Ayudan a refinar la redacción de la tarea, el tiempo e instrucciones para garantizar que los participantes los interpreten correctamente. Lo más importante es que las sesiones piloto confirman que los datos recopilados realmente responderán las preguntas de investigación y que la metodología funciona sin problemas en un entorno remoto del mundo real.

Las sesiones se ejecutaron en el modo remoto no moderado de Uxtweak. Los participantes leyeron un mensaje de tarea, hicieron clic en Google.com/aimode, solicitaron el modo AI y hablaron en voz alta sus pensamientos mientras interactuaban con el modo AI. Se les dio las siguientes instrucciones: «Piense en voz alta y explique brevemente qué llama su atención mientras revisa la información. Habla en voz alta y pasea el mouse para indicar dónde encuentra la información que está buscando». Cada participante completó siete tipos de tareas diseñados para cubrir diversas categorías de intenciones, incluidas la comparación, los escenarios transaccionales e informativos.

Uxtweak grabó video de pantalla completa, rutas de cursor, eventos de desplazamiento y audio. Las sesiones promediaron 20-25 minutos. Los incentivos fueron competitivos. Las grabaciones sin procesar, las transcripciones y los registros de eventos se exportaron para codificación y análisis.

Tres codificadores capacitados revisaron cada video en paralelo. Se registró una fila para elementos de interfaz de usuario que mantuvieron atención durante ~ 5 segundos o más. Variables capturadas incluidas:

• Estructural: Campos que describen la configuración, los metadatos o la estructura del estudio, no el comportamiento del usuario; Incluya datos como participante-ID, tareas-ID, dispositivo, consulta, orden de elementos de la interfaz de usuario que se hicieron clic o visitan durante la tarea, el tipo de sitio hizo clic (por ejemplo, social, comunidad, marca, plataforma), nombre de dominio del sitio externo visitado y más.
• Característica: Campos que describen elementos de la interfaz de usuario o componentes de la interfaz que aparecieron o estaban disponibles para el participante. Los ejemplos incluyen el tipo de elemento de interfaz de usuario, que incluyen carruseles de compras, tarjetas comerciales, panel derecho, iconos de enlaces, incrustación de mapas, paquete local, tarjeta GMB, paquetes comerciales y tarjetas comerciales.
• Compromiso: Campos que capturan la interacción activa del usuario, la atención o la inversión de tiempo. Incluye lectura y atención, comportamiento de chat y preguntas, junto con el comportamiento de clics y interacción.
• Resultado: Campos que representan resultados del usuario, evaluaciones de anotadores o interpretación del comportamiento. Comentarios del anotador, calificación de esfuerzo, donde se encontró información.

Los codificadores también marcaron temas cualitativos (por ejemplo, «velocidad», «escepticismo», «confianza en las citas») para apoyar la recuperación basada en el trapo. El director de investigación verificó ~ 10% de los videos para validar la consistencia.

Las anotaciones se exportaron a Python/Pandas 2.2. Se eliminaron los códigos de marcador de posición (‘999 = no aplicable’, ‘998 = no observable’), y se normalizaron las variables categóricas (por ejemplo, apariciones, clics, sentimiento). Los tiempos de permanencia y otras métricas de tiempo fueron recortadas para valores atípicos extremos. Después de la limpieza, se quedaron ~ 250 filas de nivel de tarea válidas.

Nuestra tubería de generación acuática (RAG) de recuperación habilitó tres etapas de análisis:

• Preparación de datos (ingestión): Aplanamos las siete tareas de cada participante en filas individuales, valores codificados y tiempo estandarizado, clic y otras métricas. Las transcripciones se conservaron para que los datos estructurados (como el tiempo de permanencia) pudieran asociarse con lo que los usuarios realmente dijeron. Meta: Cree un conjunto de datos limpio y unificado que conecte el comportamiento con el razonamiento.
• Filtrado de relevancia (recuperación): Utilizamos campos estructurados y anotaciones para aislar patrones, como los usuarios que abandonaron el modo AI, hicieron clic en una tarjeta comercial o mostraron vacilación. Luego buscamos en las transcripciones temas como confianza, conveniencia o frustración. Meta: Combine el comportamiento y el sentimiento para revelar la intención real del usuario.
• Interpretación (Síntesis de Quant + Qual): Para cada grupo, calculamos las estadísticas descriptivas (habitaciones, clics, confianza) y las combinamos con evidencia de transcripción. Así es como surgimos ideas como: «Las tareas del sitio externo mostraron una mayor satisfacción pero más confusión de CTA». Meta: Enlace lo que las personas hicieron con lo que sentían dentro del modo AI.

Esta tubería nos permitió consultar el conjunto de datos hiperspecíficamente, por ejemplo, «todos los participantes que se desplazaron> 50% en modo AI pero expresaron desconfianza», y vinculan los resultados cuantitativos con razonamiento cualitativo.

En términos simples: podemos sacar el grupo correcto de participantes o momentos, como «todas las personas que no confiaban en AIO» o «todos los que se desplazaron más del 50%».

Resumimos el comportamiento del usuario utilizando estadísticas descriptivas e inferenciales en 250 registros de tareas válidos. Cada métrica incluía el recuento, media, mediana, desviación estándar, error estándar e intervalo de confianza del 95%. Los resultados categóricos, como si los participantes abandonaron el modo AI o hicieron clic en una tarjeta comercial, se informaron como proporciones.

Los análisis cubrieron más de 50 campos estructurados y de comportamiento, desde el tipo de dispositivo y el tiempo de permanencia hasta las interacciones de UI, el sentimiento. Las medidas de confianza se derivaron de un análisis JSON del sentimiento del usuario a través de transcripciones de todos los usuarios.

Cada tarea fue anotada por un codificador capacitado y verificado por la consistencia entre los anotadores. Las distribuciones a nivel de codificador se compararon con confirmar patrones de etiquetado estable y consistencia interna.

Treinta y siete participantes completaron siete tareas cada una, lo que resultó en aproximadamente 250 tareas válidas. A esa escala, las proporciones de alrededor del 50% tienen un margen de error de aproximadamente seis puntos porcentuales, dando al conjunto de datos suficiente precisión para detectar diferencias direccionales significativas.

El tamaño de la muestra es más pequeño que nuestro estudio de descripción general de la IA (37 frente a 69 participantes) y está destinado a aprender sobre usuarios con sede en EE. UU. (Todos los participantes vivían en los Estados Unidos). Todas las consultas tuvieron lugar dentro del modo AI, lo que significa que no comparamos directamente las condiciones AI vs no AI. Pensar en voz alta puede inflarse ligeramente los tiempos de permanencia. La codificación impulsada por el trapo es tan fuerte como sus entradas de anotación, aunque las pesadas verificaciones de manchas confirmaron la confiabilidad.

Los participantes dieron su consentimiento informado. Las grabaciones fueron encriptadas y anonimizadas; No se conservaron datos de identificación personalmente. El estudio se ajusta a la política de ética de Prolific y a Uxtweak TOS.

Imagen Feaded: Paulo Bobita/Search Engine Journal