OpenSkillIndex← back to search
claude-code

Claude-skill-registry endowment-effect

Efecto de Dotación (Endowment Effect)

install
source · Clone the upstream repo
git clone https://github.com/majiayu000/claude-skill-registry
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/majiayu000/claude-skill-registry "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/data/endowment-effect" ~/.claude/skills/majiayu000-claude-skill-registry-endowment-effect-d42efc && rm -rf "$T"
manifest: skills/data/endowment-effect/SKILL.md
source content

Efecto de Dotación (Endowment Effect)

Resumen

Las personas asignan más valor a las cosas simplemente porque las poseen. Perder algo se siente peor que nunca haberlo tenido.

Origen

  • Autores: Richard Thaler, Daniel Kahneman, Jack Knetsch
  • Año: 1990
  • Fuente: "Experimental Tests of the Endowment Effect"

Fundamento Psicológico

Relacionado con la aversión a la pérdida, las personas experimentan las pérdidas aproximadamente 2x más intensamente que las ganancias equivalentes. Una vez que algo es "nuestro", perderlo se siente como una pérdida, no como volver al estado inicial.

Aplicación en Diseño

Trials y Freemium

  • Dar acceso completo durante trial
  • Personalización durante período de prueba
  • Contenido creado que se perdería
  • "Tu espacio" que han configurado

Personalización

  • Perfiles personalizados
  • Configuraciones guardadas
  • Historial y datos acumulados
  • Avatares y customización

Colecciones Digitales

  • Achievements desbloqueados
  • Badges y trofeos
  • Playlists curadas
  • Favoritos guardados

Loyalty y Membership

  • Puntos acumulados
  • Status de miembro
  • Beneficios que se perderían
  • "Tu cuenta desde 2019"

Ejemplos

  • Spotify: "Tu música" y playlists personalizadas
  • Netflix: Perfil con preferencias y historial
  • LinkedIn: Conexiones y contenido creado
  • Amazon: Wishlist y historial de compras
  • Duolingo: Streaks que se perderían

Anti-patterns

  • ❌ Eliminar datos de usuario sin aviso
  • ❌ Trials que no dan acceso real
  • ❌ Resetear progreso sin justificación
  • ❌ Cambiar features después de purchase
  • ❌ No comunicar qué se perdería al cancelar

Métricas

  • Trial-to-Paid Conversion: Con vs sin personalización
  • Churn Rate: Por cantidad de contenido propio
  • Feature Usage: Engagement con contenido personalizado
  • Reactivation Rate: Usuarios que vuelven por su data

Principios Relacionados

  • [[zeigarnik-effect]] - Progreso que no quieren perder
  • [[goal-gradient-effect]] - Valor de progreso acumulado
  • [[mere-exposure-effect]] - Familiaridad aumenta valor

Referencias