← Volver a Work
03 · GHT · Data-driven UX

Reducción de casos de soporte

Los tickets de soporte eran un mapa de deuda UX. Los leí como datos y rediseñé el flujo: hasta −90%.

Rol
UX/UI Lead
Empresa
GHT · WebFlowers
Periodo
Base Sep25–Ene26 vs post Abr–Ago26
−90%
en pantallas intervenidas
−675
casos evitados en total
3
flujos cross-funcionales

Medido con ventanas comparables: base sep 2025–ene 2026 vs. abr–ago 2026 (5 meses cada una) · −675 casos = −494 (flujos de aprobación) + −181 (autogestión de usuarios y accesos).

Modelo de estados del flujo: solicitar, solicitud en curso bloqueada, aprobada o rechazada, y volver a solicitar.

El problema

El sistema convertía tareas operativas rutinarias en tickets de soporte: habilitar una remisión o una orden de compra no se podía hacer dentro del sistema. Cada bloqueo era una espera y una carga para soporte; nadie había mirado los tickets como patrón, solo como cola de atención.

Mi rol · equipo · organización

YO

Definí el enfoque de mirar los tickets como datos, impulsé el análisis, diseñé los flujos de autogestión + aprobación y su modelo de estados, y definí y medí la comparación pre/post.

EQUIPO

Desarrollo implementó los flujos; Compras y Contabilidad validaron las reglas de aprobación.

ORG.

Aportó el histórico de tickets y la decisión de permitir la autogestión con control.

Research

Análisis de casos de soporte en una ventana base (Sep 2025–Ene 2026) para identificar qué acciones generaban más tickets.

  • Dos acciones concentraban la mayoría del volumen: habilitar remisión y habilitar orden de compra.
  • El bloqueo era legítimo (requiere aval); lo que faltaba era un camino para pedirlo sin salir del sistema.
Research — método: tickets como datos

Ventanas comparables: base Sep 2025–Ene 2026 vs post Abr–Ago 2026 (5 meses cada una). Medir así, en vez de un antes/después difuso, es lo que blinda el número frente a un hiring manager.

Gráfico de impacto: reducción de casos de soporte, −494 por flujos de aprobación y −181 por autogestión.

Insights

  • Los tickets de soporte son un mapa de deuda UX.
  • El bloqueo no era el problema — la falta de un camino lo era.
  • Autogestión no significa perder control: la aprobación del área responsable se mantiene.

Decisiones de diseño

Modelo de estados explícito

Solicitar → Solicitud en curso (bloqueada) → Aprobada / Rechazada → continuar. El usuario siempre sabe qué sigue.

Bloqueo con propósito

La orden queda bloqueada para edición hasta la decisión — protege la integridad del proceso.

Escalamiento claro por área

El modal indica a dónde va la solicitud (Contabilidad / Compras) con un comentario opcional de contexto.

Recuperación de error

El estado Rechazada incluye "Volver a solicitar" — no es un callejón sin salida.

Resultados

−494
casos por flujos de aprobación
−181
casos por autogestión de usuarios/accesos
hasta −90%
en las pantallas intervenidas

Aprendizajes

  • El mejor research a veces ya está en la base de datos.
  • Diseñar el proceso, no solo la pantalla.
  • Medir con rigor cambia la conversación: de "creo que mejoró" a "cayó hasta 90%".
Siguiente casoQuality APP →
03 · GHT · Data-driven UX

Support case reduction

Support tickets were a map of UX debt. I read them as data and redesigned the flow: up to −90%.

Role
UX/UI Lead
Company
GHT · WebFlowers
Period
Baseline Sep25–Jan26 vs post Apr–Aug26
−90%
on redesigned screens
−675
cases avoided in total
3
cross-functional flows

Measured with comparable windows: baseline Sep 2025–Jan 2026 vs. Apr–Aug 2026 (5 months each) · −675 cases = −494 (approval flows) + −181 (user & access self-service).

Flow state model: request, request in progress locked, approved or rejected, and request again.

The problem

The system turned routine operational tasks into support tickets: enabling a delivery note or a purchase order could not be done inside the system. Every block meant waiting and a burden on support; nobody had looked at the tickets as a pattern, only as a queue to attend.

My role · team · organization

ME

I defined the approach of looking at tickets as data, drove the analysis, designed the self-service + approval flows and their state model, and defined and measured the before/after comparison.

TEAM

Development implemented the flows; Purchasing and Accounting validated the approval rules.

ORG.

Provided the ticket history and the decision to allow self-service with control.

Research

Analysis of support cases over a baseline window (Sep 2025–Jan 2026) to identify which actions generated the most tickets.

  • Two actions concentrated most of the volume: enabling a delivery note and enabling a purchase order.
  • The block was legitimate (it requires approval); what was missing was a way to request it without leaving the system.
Research — method: tickets as data

Comparable windows: baseline Sep 2025–Jan 2026 vs post Apr–Aug 2026 (5 months each). Measuring this way, instead of a fuzzy before/after, is what makes the number hold up in front of a hiring manager.

Impact chart: reduction in support cases, −494 from approval flows and −181 from self-service.

Insights

  • Support tickets are a map of UX debt.
  • The block was not the problem — the lack of a path was.
  • Self-service does not mean losing control: approval from the responsible area is kept.

Design decisions

Explicit state model

Request → Request in progress (blocked) → Approved / Rejected → continue. Users always know what comes next.

Blocking with a purpose

The order stays locked for editing until the decision — it protects the integrity of the process.

Clear escalation by area

The modal shows where the request goes (Accounting / Purchasing) with an optional comment for context.

Error recovery

The Rejected state includes "Request again" — it is not a dead end.

Results

−494
cases from approval flows
−181
cases from user/access self-service
up to −90%
on redesigned screens

Learnings

  • The best research is sometimes already in the database.
  • Design the process, not just the screen.
  • Measuring rigorously changes the conversation: from "I think it improved" to "it dropped by up to 90%".
Siguiente casoQuality APP →