Cómo transcribir un focus group: grabar, transcribir y etiquetar a los hablantes

, Fundador · Actualizado

Cómo transcribir un focus group: grabar, transcribir y etiquetar a los hablantes

Transcribir un focus group consiste en convertir la grabación de una discusión en grupo en un texto escrito, con cada intervención atribuida a su hablante, que puedas codificar y citar. La forma más rápida y fiable: graba con un micrófono central, pasa el archivo por una transcripción con IA para obtener las palabras y un primer borrador de etiquetas de hablante, y dedica tu propio tiempo a comprobar quién dijo qué en los pasajes que vas a analizar. En un grupo focal, la IA acierta con las palabras muchas más veces que con los hablantes, así que todo el flujo de trabajo gira en torno a verificar la atribución.

Esta guía explica cómo grabar un grupo para que se transcriba bien, un flujo de trabajo paso a paso, qué aspecto tiene la transcripción terminada de un grupo focal y cuánto cuestan los servicios humanos y el software.

¿Cómo se transcribe un focus group?

La versión corta, por orden:

  1. Graba pensando en la transcripción, no solo para recordar. Un buen micrófono de mesa en el centro del grupo, una sala tranquila y una ronda de presentación de viva voz al principio.

  2. Consigue un borrador automático. Sube la grabación a una herramienta de transcripción con etiquetas de hablante y deja que genere las palabras y una primera aproximación de quién habla.

  3. Asocia las etiquetas a los participantes. Usa la ronda de presentación y los nombres que menciona quien modera para hacer corresponder "Hablante 3" con un asiento y un código de participante reales.

  4. Verifica las citas que importan. Vuelve a escuchar cada pasaje que vayas a codificar, citar o incluir en el informe, y corrige ahí la atribución y lo que se haya oído mal.

  5. Marca lo que no se puede resolver, como las voces que se solapan, en lugar de adivinar.

  6. Anonimiza y exporta a tu herramienta de análisis con los códigos de participante.

Teclearlo todo a mano sigue siendo una opción, pero es lento. Un manual de métodos cualitativos de Rutgers señala que transcribir una discusión de grupo focal de 60 minutos puede llevar hasta 10 horas. Con un borrador automático, esas horas pasan de teclear a revisar.

Por qué la transcripción de un grupo focal es más difícil que la de una entrevista

La transcripción de una entrevista individual tiene dos voces que rara vez se solapan. Un grupo focal tiene de seis a diez, y el mismo capítulo de Rutgers da 6–10 participantes como tamaño habitual. Eso cambia el problema de tres maneras.

  • Etiquetar a los hablantes se complica con cada voz. La diarización de hablantes, el paso que decide quién habló y cuándo, agrupa las voces según sus rasgos acústicos. Las voces parecidas (misma edad, mismo género y mismo acento, algo frecuente cuando se recluta un grupo homogéneo) acaban fusionadas en un solo hablante o divididas en dos.

  • Los solapamientos son lo normal. Los sonidos de asentimiento, las interrupciones y las risas compartidas meten dos o tres voces en el mismo segundo. Una transcripción es una sola línea de texto, así que algo tiene que ceder.

  • El micrófono queda lejos de casi todos. Los participantes del otro extremo de la mesa llegan al micro a través del eco de la sala, y la misma persona puede sonar distinta cuando se echa hacia atrás.

El efecto de la distancia aparece en las pruebas publicadas. El modelo de diarización de código abierto pyannote declara una tasa de error de diarización del 18,8 % en el corpus de reuniones AMI con audio de auriculares y del 22,4 % en esas mismas reuniones grabadas con un único canal de un array de campo lejano, contando el habla solapada. Son reuniones pequeñas, de cuatro personas. Un grupo focal más grande y animado, grabado con un único micrófono de sala, se sitúa en el extremo más difícil de ese rango, mientras que la capa de palabras suele aguantar mucho mejor. Si te interesa saber más sobre la precisión de las palabras, consulta por qué varía la precisión de la transcripción con IA.

Cómo grabar un grupo focal para obtener una transcripción limpia

La calidad de la transcripción se decide casi siempre antes de pulsar el botón de subir. Estos hábitos no cuestan nada durante la sesión y ahorran horas después.

  1. Usa un micrófono de superficie o de conferencia en el centro. Colócalo en mitad de la mesa, no delante de quien modera. Un móvil en un extremo de una mesa larga capta la mitad cercana de la sala y el eco del resto. Si puedes, añade una segunda grabadora en el otro extremo como pista de respaldo.

  2. Elige una sala con poca reverberación. Las moquetas, las cortinas y las sillas tapizadas absorben el eco. Las salas de reuniones acristaladas y los salones vacíos emborronan todas las voces.

  3. Empieza con una ronda de presentación. "Vamos a dar una vuelta a la mesa: nombre y el último producto que habéis devuelto". Veinte o treinta segundos de cada participante hablando a solas te dan una muestra de referencia para asignar después las etiquetas de hablante.

  4. Pide a quien modera que diga los nombres. "Gracias, María. David, ¿estabas negando con la cabeza?". Cada nombre pronunciado es un ancla en la transcripción para corregir las etiquetas a su alrededor. Además es buena moderación, porque anima a participar a quien está más callado.

  5. Fija una norma básica sobre los solapamientos. "Una voz cada vez, por favor, que estamos grabando". Recuérdala con tacto cuando la discusión se caliente.

  6. Ten un plano de asientos y alguien que tome notas. Un moderador asistente que anote quién habló en los momentos clave ("P04 se opone con fuerza al precio, hacia el min 40") convierte los pasajes ambiguos en casos resueltos durante la revisión.

  7. Deja constancia del consentimiento en la grabación. Anuncia al principio que se graba y para qué, y recoge el acuerdo de cada participante según tu protocolo ético. Las normas cambian según el país y el contexto; nuestra guía sobre el consentimiento para grabar en EE. UU. y la UE explica lo básico.

Si el método lo permite, los grupos más pequeños se transcriben mejor. Cada participante extra suma otra voz que separar y más ocasiones de solapamiento.

Transcribir los datos de un grupo focal paso a paso

  1. Sube la mejor pista. Si grabaste con dos dispositivos, escucha un minuto de cada uno y usa el más limpio. La mayoría de las herramientas admiten grabaciones largas; comprueba el límite de tamaño antes de subir una sesión de 2 horas.

  2. Genera la transcripción con las etiquetas de hablante activadas. Cuenta con una capa de palabras sólida y una capa de hablantes que habrá que trabajar.

  3. Calibra las etiquetas con la ronda de presentación. Reproduce la ronda inicial, anota qué etiqueta recibió cada participante y renombra las etiquetas con los códigos de participante (P01, P02…). Después repasa por encima en busca de puntos en los que una misma etiqueta cubre de pronto dos opiniones seguidas, señal de que se han fusionado dos voces.

  4. Verifica donde importa para el análisis. No todos los "ajá" necesitan dueño. Todos los pasajes que vayas a codificar, citar o contar, sí: ve a la marca de tiempo, escucha y confirma el hablante y las palabras. Reserva este tiempo de forma explícita; en un grupo animado es la parte más grande del trabajo.

  5. Marca lo que no tiene solución. Usa etiquetas coherentes como [solapamiento], [inaudible 00:41:12] y [participante no identificado]. Una incógnita marcada es un dato honesto; un nombre adivinado contamina el análisis.

  6. Añade notas del moderador y de contexto. Incluye las notas del observador, como [el grupo se ríe] o [P03 señala el prototipo], cuando cambien el sentido.

  7. Anonimiza y exporta. Sustituye nombres y datos identificativos, lleva un registro de lo que has cambiado y exporta a DOCX para leer o a CSV/XLSX si codificas con hojas de cálculo.

En los grupos online por Zoom, Google Meet o Teams, el mismo flujo sirve para la grabación de la plataforma; esta guía para transcribir grabaciones de reuniones explica dónde guarda cada plataforma sus archivos. El cliente de escritorio de Zoom tiene además una opción de grabación local que guarda un archivo de audio aparte por participante. Cuando funciona, cada archivo contiene una sola voz y el problema de la atribución desaparece por completo, pero pruébalo antes en una llamada corta, porque hay usuarios que cuentan que no siempre genera los archivos separados.

Ejemplo de transcripción de un focus group

No hay un formato obligatorio, pero una transcripción de grupo focal útil lleva una cabecera con los datos de la sesión, códigos de participante en lugar de nombres, marcas de tiempo en cada turno de palabra y etiquetas coherentes para los elementos no verbales. Este es un breve ejemplo en ese formato:

Sesión: FG-03, app de banca online, 8 reclutados, 7 asistentes
Fecha: 2026-10-14 | Moderador: MOD | Notas del observador: AM
Participantes: P01–P07 (solo códigos; la clave se guarda aparte)

[00:12:04] MOD: Hablemos de la pantalla de transferencias. P05, lo comentaste antes, ¿no?
[00:12:09] P05: Sí, nunca sé si el dinero ha salido o no. No hay confirmación.
[00:12:15] P02: Igual. Hago captura cada vez, por si acaso.
[00:12:18] [solapamiento, varios participantes asienten]
[00:12:21] P07: Pues a mí me gusta que sea rápida. [risas]
[00:12:25] MOD: Rápida pero poco tranquilizadora. ¿Alguien lo ve de otra manera?
[00:12:29] [participante no identificado]: Depende de la cantidad.
[00:12:31] P01: Claro, con el alquiler lo compruebo tres veces.

Las convenciones que hay detrás de ese ejemplo, a modo de plantilla rápida:

ElementoConvenciónPor qué importa
Códigos de hablanteMOD, AM, P01–P10; clave guardada aparteMantiene la transcripción seudonimizada y codificable
Marcas de tiempoEn cada turno de palabra, hh:mm:ssPermite a cualquiera volver al audio para comprobar una cita
Solapamiento[solapamiento] con una breve descripciónRegistra que hubo acuerdo sin inventarse quién lo dijo
Habla poco clara[inaudible hh:mm:ss]Señala el hueco y dónde volver a escuchar
Hablante desconocido[participante no identificado]Evita atribuciones falsas al codificar
Elementos no verbales[risas], [el grupo se ríe], [pausa]Conserva el tono cuando cambia el sentido
Partes eliminadas[empresa], [localidad], [fragmento eliminado]Indica al lector que algo se quitó a propósito

¿Transcripción literal o limpia para un grupo focal?

Decídelo antes de transcribir, porque cambia cuánto tendrás que revisar. Una transcripción limpia (literal inteligente) quita las muletillas y los arranques fallidos y basta para la mayoría de los análisis temáticos, en los que codificas lo que dijo la gente. Una transcripción literal estricta conserva cada "eh", cada frase reiniciada y cada solapamiento; el análisis de la conversación y el análisis del discurso suelen necesitarla. Las herramientas automáticas producen por defecto algo parecido a la literal limpia, y las voces cruzadas de un grupo son precisamente donde la literal estricta es más difícil de automatizar. Si tu método la exige, prevé bastante trabajo manual en los pasajes solapados.

Servicios de transcripción o software para grupos focales: coste y tiempo

Tienes tres opciones realistas, y se diferencian sobre todo en dónde se van las horas.

OpciónCoste para un grupo de 90 minutosTu tiempoAtribución de hablantes
Transcribirlo túGratisMuchas horas tecleando (hasta unas 10 horas por hora grabada, según la estimación de Rutgers)Tuya, así que tan buena como tus notas y tu memoria
Servicio de transcripción humanaUnos 179 $ con Rev a 1,99 $ por minuto; otros servicios humanos también cobran por minuto de audioSolo revisarLa hace un transcriptor que no estaba en la sala; aun así conviene revisarla por muestreo
Transcripción con IA más tu verificaciónMucho menos que un servicio humano; por ejemplo, unos 8 $ con el paquete de 200 minutos de BlaBlaScribeRevisar y corregir etiquetas, normalmente una fracción del tiempo de tecleoEtiquetas provisionales de la diarización; tú verificas los pasajes que usas

El precio actual de Rev figura en su página de precios (1,99 $ por minuto de transcripción humana en noviembre de 2026). Los servicios humanos tienen más sentido cuando necesitas literal estricta con audio difícil o no tienes ningún tiempo para revisar. Para una comparación más completa, consulta cuándo no compensa la transcripción humana y nuestra selección del mejor software de transcripción con IA.

Como ejemplo de la vía del software, BlaBlaScribe transcribe grabaciones subidas en más de 120 idiomas con etiquetas de hablante y exporta a DOCX, CSV, XLSX y otros formatos. La precisión en las palabras llega hasta el 99,8 % con audio limpio; en la grabación ruidosa de un grupo será menor y, como cualquier sistema de diarización, no puede separar de forma fiable a dos personas que hablan a la vez. No es un bot de reuniones ni se une a sesiones en directo: subes la grabación o pegas un enlace. El plan gratuito da 30 minutos una sola vez, y un paquete de 200 minutos cuesta 17,50 $ sin suscripción. Los archivos se procesan en servidores en Alemania y no se usan para entrenar IA, algo que importa ante un comité de ética.

Cómo anonimizar la transcripción de un grupo focal

Las voces, los nombres y las historias de los participantes son datos personales, así que planifica la anonimización como parte de la transcripción y no como algo de última hora. La guía del UK Data Service sobre anonimización de datos textuales recomienda unas cuantas prácticas que encajan bien con los grupos focales:

  • Usa sustituciones descriptivas, no huecos en blanco. "[compañera 1]" o "[pueblo natal]" mantienen la discusión legible; una ristra de X la deja inservible para el análisis.

  • Aplica las sustituciones de forma coherente en todas las transcripciones del proyecto, y recuerda que los participantes se llaman entre sí por apodos que una búsqueda no encontrará.

  • Lleva un registro de anonimización con cada cambio, guardado aparte de las transcripciones.

Las discusiones en grupo añaden un riesgo que no tienen las entrevistas: los participantes se nombran entre sí y mencionan lugares de trabajo o barrios compartidos. Lee buscando esas referencias cruzadas, no solo las etiquetas de hablante. Ten en cuenta también que, según el RGPD de la UE (considerando 26), los datos seudonimizados que aún pueden vincularse a una persona mediante una clave siguen siendo datos personales, así que la transcripción con códigos de participante necesita un almacenamiento seguro mientras conserves la clave.

Preguntas frecuentes

¿Cuánto se tarda en transcribir un focus group?

Teclearlo a mano puede llevar hasta unas 10 horas por cada hora de discusión. Con un borrador de IA, el trabajo pasa a ser revisar las etiquetas de hablante y las citas clave, lo que suele llevar una fracción de ese tiempo, según el tamaño del grupo y la calidad del audio.

¿Cuánto cuesta transcribir un grupo focal?

Los servicios humanos cobran por minuto de audio; Rev, por ejemplo, anuncia 1,99 $ por minuto, unos 179 $ para un grupo de 90 minutos. La transcripción con IA cuesta mucho menos (por ejemplo, unos 8 $ por 90 minutos con un paquete de 200 minutos de 17,50 $), pero dedicas tu propio tiempo a verificar quién dijo qué.

¿Puede la IA distinguir a todos los hablantes de un grupo focal?

No de forma fiable. El etiquetado de hablantes funciona mejor con pocas voces distintas que se turnan, y empeora con más participantes, voces parecidas, habla solapada y un micrófono lejano, así que cuenta con verificar la atribución en los pasajes que analices.

¿Qué debe incluir la transcripción de un grupo focal?

Una cabecera con los datos de la sesión, códigos de participante en lugar de nombres, una marca de tiempo en cada turno de palabra y etiquetas coherentes para solapamientos, habla inaudible, hablantes no identificados y partes eliminadas. Así se puede codificar y cualquiera puede comprobar una cita contra el audio.

¿Deben ser literales las transcripciones de un grupo focal?

La literal limpia (inteligente) basta para la mayoría de los análisis temáticos. La literal estricta, con cada muletilla y cada solapamiento, es necesaria para el análisis de la conversación o del discurso y exige mucho más trabajo manual con las voces cruzadas del grupo.

¿Es mejor grabar los grupos focales online o en persona para transcribirlos?

Los grupos online suelen transcribirse mejor porque cada participante está cerca de su propio micrófono, y algunas plataformas pueden guardar el audio de cada participante por separado. En persona, un micrófono central en la mesa, una ronda de presentación y un moderador que diga los nombres recuperan la mayor parte de la diferencia.

Convierte tus grabaciones en texto que puedas usar

Sube audio o video, pega un enlace de YouTube o graba desde el navegador, y en minutos tendrás una transcripción con los hablantes identificados, en más de 120 idiomas.

Prueba BlaBlaScribe gratis

Sin tarjeta · Almacenados en la UE · Nunca se usan para entrenar IA

Artículos destacados