Odysı
Ver si encajamos
Caso de éxito Producto y diseño de aprendizaje

Enseñar a manejar el dinero dentro de GCash, sin los patrones oscuros.

Overview Effect nos incorporó para liderar el producto de una experiencia de educación financiera dentro de GCash, la cartera móvil dominante en Filipinas. Nuestro encargo era diseñar un sistema con mecánica de juego que la gente de verdad terminara, construido sobre una regla: medir el aprendizaje logrado en vez del tiempo invertido.

Cliente Overview Effect · hecho para GCash
Nuestro papel Gestión y diseño de producto
Tipo Sistema gamificado de educación financiera
Estado Entregado · hasta dic. 2025
Leer
El problema

Las lecciones adecuadas existían. Casi nadie las terminaba.

GCash da servicio a decenas de millones de personas, muchas nuevas en las finanzas formales. El crecimiento que importa es llevar a los usuarios transaccionales hacia el ahorro, la inversión, el crédito y los seguros, y esos productos solo se adoptan cuando la gente los entiende. Eso convierte la educación dentro de la app en una palanca de activación directa, no en un proyecto secundario.

La educación que existía no cumplía ese papel. Vivía como artículos largos, estilo centro de ayuda: formales, enterrados y rara vez abiertos. Los pocos que empezaban solían irse antes de terminar. Sin feedback, sin sensación de progreso y sin conexión con los momentos en que alguien de verdad toma una decisión sobre su dinero.

FIG. I · El artículo que nadie terminabaAbandono
Aquí se iba la mayoría
El contenido existía, pero no se consumía, así que no cambiaba ninguna conducta ni acercaba a nadie a los productos que importan.
Qué construimos

Un sistema de microaprendizaje construido sobre un principio.

Medir el aprendizaje logrado en vez del tiempo invertido. Cada decisión de diseño se derivaba de ahí.

01

Lecciones cortas y terminables

Un concepto cada una, con puntos de parada claros. Fáciles de empezar, fáciles de terminar.

02

Recompensas que enseñan

Finalización, dominio y rachas. Sin bucles infinitos, sin «una más».

03

Progreso transparente

La gente ve lo que le queda, en vez de que el diseño la empuje a seguir.

04

Calma por defecto

Reintentos limitados con feedback rápido. Avisos opcionales, horas de silencio, límites de frecuencia.

Gamificación ética

Qué mecánicas mantuvimos y cuáles rechazamos.

FIG. II · La regla, trazada··
Más tiempo, sin aprendizaje LÍMITE DE SESIÓN Finalización Dominio Rachas TIEMPO POR SESIÓN → APRENDIZAJE LOGRADO → Cada decisión tenía que subir el aprendizaje. Cambiar finalización por más tiempo en la app estaba descartado.
Mecánicas que mantuvimos
  • Finalización
  • Barreras de dominio
  • Rachas acotadas
  • Feedback rápido
  • Progreso transparente
  • Avisos opcionales
Mecánicas que rechazamos
  • Bucles infinitos
  • «Una más»
  • Alertas sin límite
  • Reintentos infinitos
  • Metas de tiempo en la app
  • Avisos con patrones oscuros
Cómo funciona

Cinco componentes que un equipo de contenido puede manejar y ampliar.

El sistema se construyó para que los temas nuevos y el ajuste de dificultad no necesiten ingeniería cada vez. Encima hay una capa de observabilidad que lee aprendizaje en vez de minutos en bruto.

Capa de observabilidad Vistas por cohorte de dominio y abandono, con alertas cuando la finalización empeora o se disparan los reintentos.
Mide resultados de aprendizaje
A

Esquema de contenido de lecciones

Una estructura modular para lecciones, retos, respuestas y pistas, para que los temas encajen en un único formato.

B

Motor de progresión

Niveles, barreras de dominio, vidas limitadas. El siguiente tema se desbloquea solo cuando se entiende el actual.

C

Taxonomía de eventos y pipeline

Un modelo construido en torno a resultados: inicio, finalización, dominio, reintento, abandono, respuesta a notificaciones.

D

Operativa de contenido

Actualización sin código del contenido y la dificultad de las lecciones, para que el equipo ajuste de forma continua sin desplegar código.

E

Reglas de notificación

Avisos opcionales con horas de silencio y límites de frecuencia, gestionados de forma centralizada y no por flujo.

Cómo redujimos el riesgo

Hicimos que la versión de fiar fuera la única que se podía lanzar.

La disciplina no fue una barrera de lanzamiento puntual, sino un conjunto de restricciones permanentes que regían cada cambio. La más dura estaba incorporada en cómo se podían lanzar los experimentos.

Contenido, experiencia de cliente y cumplimiento tenían cada uno sus barreras de revisión. Los experimentos seguían plantillas de hipótesis con umbrales ligados a finalización y dominio, nunca a clics. Los límites de sesión y los puntos de parada se aplicaban en todos los flujos, así que nada se convertía en un scroll infinito.

La restricción que lo mantenía honesto

Un cambio no podía aumentar el tiempo invertido a costa de la finalización.

Esa única regla dejaba estructuralmente fuera de alcance las tentadoras victorias de engagement. Es la misma línea trazada en la Fig. II: el aprendizaje tenía que subir, y más tiempo por sí solo no contaba.

Results

Los resultados aquí son cualitativos, a propósito.

No fabricamos números para este texto. Preferimos decir qué cambió a adornarlo.

Cambió lo que el producto optimizaba

El éxito pasó del tiempo invertido al aprendizaje logrado como señal principal, y el equipo se alineó en un cuadro de mando semanal que mostraba dominio en vez de clics.

Las sesiones se volvieron cortas y terminables

Lecciones acotadas a propósito mejoraron la confianza del usuario y las ganas de volver, en vez de estirarlas para arañar un minuto más de atención.

El pipeline de contenido se volvió repetible

El equipo puede añadir lecciones y ajustar la dificultad sin ingeniería pesada, que es lo que hace sostenible a un producto de aprendizaje en vez de un lanzamiento puntual.

Qué viene ahora

La base está construida y entregada. Ahora mismo no se está ampliando.

Cuando se retome

Más temas de lecciones

Sobre el conjunto más amplio de productos financieros, usando el mismo esquema y las mismas reglas de progresión.

Después

Personalización más profunda

Usando los datos de cohorte y dominio que el sistema ya captura para adaptar la secuencia y las pistas a cada persona.

Sobre Odysi

Diseñamos y construimos webs, aplicaciones web y sistemas de automatización para empresas B2B. En este proyecto nuestro papel fue la gestión y el diseño de producto: el sistema de aprendizaje, el modelo de medición y los límites que lo mantenían de fiar. Somos cuidadosos con lo que afirmamos y honestos sobre lo que hicimos.

Enganchar sin explotar.

¿Tienes un producto que debería medirse por resultados reales?

Solución relacionada IA para la educación financiera en fintech Leer la solución