En la evaluación de la experiencia del usuario (UXE), se acepta generalmente que el orden en el que los usuarios realizan tareas al utilizar un producto es a menudo aleatorio en lugar de fijo. La UXE basada en estas llamadas tareas ordenadas aleatoriamente es un desafío. Aunque se han publicado varios artículos sobre UXE, ninguno ha propuesto una técnica para evaluar la importancia de las tareas ordenadas aleatoriamente. En este estudio, proponemos un nuevo enfoque para predecir la satisfacción final del usuario basada en la UX relacionada con tareas ordenadas aleatoriamente. Nuestro objetivo fue estudiar la importancia del orden de las tareas en la UX. En el experimento principal, 60 participantes completaron cuestionarios sobre satisfacción mientras realizaban una serie de tareas en un sitio web de agencia de viajes. Entre los modelos de aprendizaje automático probados, encontramos que tener en cuenta el orden o la secuencia de acciones realmente realizadas por los usuarios en un algoritmo de máquina de soporte vectorial (SVM) con un núcleo polinómico produjo las predicciones más precisas de la satisfacción final del usuario (97%). Estos hallazgos indican que algunas técnicas de aprendizaje automático pueden comprender los datos de UX ordenados aleatoriamente de los participantes. Además, utilizar un orden aleatorio, que tiene en cuenta el orden real de las acciones realizadas por los usuarios, puede impactar significativamente en la predicción de la satisfacción final del usuario.