01Contexto y problema
Contexto del producto
mPOS es el lector de pagos físico. Se conecta vía Bluetooth al celular del merchant y acepta pagos con cualquier tarjeta mediante contactless, chip o banda magnética. El dinero de cada venta se acredita directamente en la cuenta del comerciante.
El problema
Al tomar el producto, el diagnóstico inicial reveló dos problemas críticos interrelacionados:
- Tasa de aceptación: 30%. El 70% de los intentos de pago terminaban en rechazo. Los motivos no estaban bien catalogados ni entendidos.
- NPS: −10. Top detractores: “Problemas de conectividad”, “Pago rechazado”, “Demora más de lo esperado”.
02Discovery: tres frentes en paralelo
El proceso no fue lineal. Trabajamos simultáneamente en tres frentes que se retroalimentaban. Los frentes A y B eran quick wins de impacto rápido mientras investigábamos la causa raíz (frente C).
Conectividad y latencia — análisis técnico con IT
- Revisé logs BLE y analicé timeouts con el equipo de IT.
- El timeout se activaba demasiado rápido, antes de completar la transacción.
- El walkthrough no comunicaba la distancia óptima entre celular y lector.
→ Parte del problema era evitable con mejor comunicación al usuario en el onboarding.
UX de pantallas de rechazo — rediseño de mensajes
- Analicé todas las pantallas de error post-rechazo.
- No existía diferenciación entre rechazos definitivos y recuperables.
- Los rechazos definitivos ofrecían CTA de reintento, multiplicando la frustración.
→ Los rechazos definitivos no tenían CTA de “no reintentar”, multiplicando la frustración.
Análisis de tasa de aceptación por MCC — el hallazgo central
- Abrí la tasa de aceptación por establecimiento y MCC.
- Los peores performers: motos, alquiler de salones, servicios de ticket alto.
- Todos concentraban el mismo código: “Denegada 05”, un genérico que escondía múltiples reglas de fraude.
- Convoqué una mesa técnica con la marca de tarjetas para decodificarlo.
→ Los establecimientos fraudulentos contaminaban la tasa de merchants legítimos del mismo agrupador.
El problema no era tecnológico ni de UX: era estructural y de riesgo. Los vectores de fraude detectados por la marca de tarjetas estaban penalizando a toda la red de merchants del mismo agrupador, incluyendo comerciantes completamente honestos. Resolver la tasa de aceptación requería rediseñar cómo se asignaban los establecimientos.
03Las soluciones
Mejoras técnicas + rediseño del onboarding de conexión
Corregimos bugs BLE, optimizamos timeouts y rediseñamos el walkthrough de emparejamiento con indicaciones visuales claras sobre la distancia requerida. Agregamos mensajes de error de conectividad con instrucciones accionables.
Clasificación de rechazos con experiencias diferenciadas
Rechazos definitivos (fondos, fraude, tarjeta bloqueada): mensaje explícito de no reintentar, sin CTA de reintento.
Rechazos recuperables (error, timeout): CTA de reintento disponible, mensaje empático orientado a resolver.
Sistema de scoring de merchants (antifraude)
Junto al equipo de Onboarding, diseñé un sistema de puntuación para clasificar a cada merchant y asignarle el establecimiento según su perfil de riesgo:
SaludableValidaciones completas, bajo riesgo
Establecimiento con alta tasa de aceptación y reglas flexiblesIndefinidoInformación incompleta o señales ambiguas
Establecimiento intermedio con monitoreo activoPeligrosoSeñales de alerta en validación
Establecimiento con reglas de fraude más duras
04Decisión clave
Renegociar el OKR
El OKR original del 90% era matemáticamente inalcanzable sin comprometer el sistema antifraude. Justificar ese límite ante los stakeholders con datos, y renegociar a un objetivo más realista y sostenible, fue tan importante como las soluciones técnicas.
05Impacto en el negocio
- Churn en heavy users: 30% → 25%. Reducción de 5 pp en el segmento de mayor valor.
- ↑ LTV por usuario. Usuarios activos por más tiempo, con más transacciones: impacto directo en el P&L.
Conexión con el negocio
El perfilado de merchants no solo mejoró la experiencia: redujo el churn de heavy users y alargó su LTV al generar mayor volumen de transacciones. Ese incremento tuvo impacto directo y medible en el P&L de la empresa.
06Aprendizajes
La UX de rechazo era un síntoma. El fraude sistémico era la causa raíz. Hubiera sido fácil quedarse en la superficie.
La mesa con la marca de tarjetas fue el punto de inflexión. El equipo interno no podía obtener ese insight solo.
Semanas trabajando en hipótesis sin certeza de la causa raíz. Mantener al equipo enfocado y a los stakeholders informados sin prometer resultados prematuros.
Saber cuándo un OKR es una barrera para el negocio real, y tener el coraje y los datos para cambiarlo.