Análise de dados em pesquisa UX | Pesquisa UX #33

Você sabe qual é o papel que a análise de dados desempenha durante a pesquisa de UX? Hoje, gostaríamos de focar na questão da análise de dados em UX, discutindo a análise de dados qualitativos e quantitativos e aprendendo sobre suas etapas, metas principais e objetivos. Também vamos sugerir quando é o momento certo para realizá-lo em um projeto.

Análise de dados em pesquisa de UX – sumário:

1. Por que analisar os dados coletados?
2. Quando analisar os dados?
3. Análise de dados na pesquisa de UX
4. Definindo os objetivos da análise
5. Análise qualitativa de dados de pesquisa
6. Resumo

Por que analisar os dados coletados?

Tomar uma decisão de produto com base apenas em dados brutos é um grande erro de UX. Ignorar o estágio de análise pode resultar em fornecer aos usuários uma solução incompleta ou ineficaz, ou até mesmo fazer com que a equipe do projeto se concentre em resolver o problema errado ou reconhecer os usuários reais. Por esses e outros motivos, a análise de dados é um processo essencial que mantém todo o projeto no caminho certo. Fá-lo tendo em conta as reais necessidades dos utilizadores e reunindo informação que ajuda a desenvolver a melhor e mais óptima solução possível.

Quando analisar os dados?

Muitas pessoas abrigam um equívoco grosseiro de que a análise deve ocorrer após a conclusão da pesquisa, ou seja, após a coleta de informações de várias fontes. No entanto, essa abordagem é ineficaz, pois examinar uma quantidade tão grande de dados requer muito esforço, mão de obra e tempo. É mais eficiente investigar os dados continuamente, por exemplo, levando alguns minutos após cada entrevista em profundidade.

Além disso, lembre-se de fazer anotações durante sua pesquisa. Dessa forma, você pode anotar novas observações e garantir que nada seja omitido. Essas reflexões permitem que você selecione facilmente as informações e escolha delas aquelas que serão mais relevantes para recomendações de projeto posteriores. Analisar de forma contínua, após cada pequena etapa da pesquisa, permite que você faça a análise final do resumo de forma muito mais organizada e estruturada, mas acima de tudo, muito mais rápida.

Análise de dados na pesquisa de UX

A análise de dados na pesquisa de UX transforma dados não processados ​​anteriormente em informações significativas que darão suporte às decisões de negócios. A realização de uma análise de dados abrangente consiste em cinco etapas básicas - essas etapas são:

1. Definindo os objetivos da análise
2. Organização de dados
3. Investigação
4. Clusterização
5. Identificação de resultados e insights

Definindo os objetivos da análise

A primeira etapa define os objetivos da nossa análise – estes devem vir em estrita conformidade com os objetivos da UX Research. Nesta fase, lembre-se de não se desviar dos motivos que o levaram a realizar a pesquisa – por exemplo, quais são as necessidades do usuário; em qual página a taxa de rejeição é mais significativa e por quê; quais melhorias fazer para aumentar a taxa de conversão; ou como tornar nosso produto mais atraente do que a concorrência. Manter esses objetivos de pesquisa ajudará você a entender como conduzir a análise de dados de uma forma que seja útil para o projeto. Para definir exatamente o que você está procurando.

Organização de dados

Cada pesquisa fornece diferentes tipos de dados, mais e menos relevantes para o projeto. Portanto, você deve gerenciá-los, selecioná-los e filtrá-los de maneira inteligente para usabilidade. A organização dos dados também permite que seu arranjo cuidadoso obtenha rapidamente as informações desejadas quando necessário. Por exemplo, você pode catalogar dados pela subpágina do site ao qual eles pertencem. A segregação é fundamental para realizar análises de dados eficientes e melhorar sua visualização, o que faz com que as partes interessadas entendam melhor todo o processo.

Investigação

A fase de investigação está no centro de todo o processo de análise de dados. Seu principal objetivo consiste em identificar as palavras, ideias ou frases que aparecem com mais frequência nas respostas dos usuários e que provavelmente estão de acordo com o objetivo da análise. Esse processo não é apenas procurar palavras e seus sinônimos, mas entender o que elas significam para os usuários em seu contexto.

Saber palavras e expressões significa depender do grupo de usuários estudado. Isso acontece porque as pessoas variam. Eles têm experiências e comportamentos únicos, bem como formas de se expressar. Portanto, você deve evitar transcrever as respostas do usuário para o seu vocabulário. Em vez disso, atenha-se ao original o máximo possível, pois qualquer variação, mesmo a menor, pode prejudicar a fase de investigação, reformulando toda a análise dos dados.

Agrupamento

O próximo passo é criar os chamados clusters para rotular as respostas de acordo com as identificadas na fase de investigação. Esses clusters ajudam a equipe a diferenciar os problemas priorizados. Por exemplo, se mais da metade das respostas do usuário se encaixam no cluster criado denominado “Desempenho da interface”, a equipe provavelmente deve priorizar esse tópico e procurar problemas especificamente relacionados ao desempenho da interface.

Identificação de resultados e insights

Não vamos esquecer que resultados não são insights. Os resultados dizem respeito aos fatos descobertos, investigados, agrupados e catalogados que a equipe de pesquisa trouxe à tona por meio do processo de análise. Já os insights referem-se apenas ao ato de reconhecimento das causas que ocasionaram os resultados. Esse é um recurso bastante distinto, pois as respostas do usuário nem sempre levam à origem do problema. O trabalho do designer, então, é olhar mais profundamente e buscar insights.

Os usuários geralmente não conseguem identificar a origem de suas dificuldades por conta própria. A equipe de pesquisa deve, portanto, revisar os resultados durante o processo de análise de dados, discuti-los e, em seguida, buscar insights e combiná-los com os objetivos da pesquisa. Um workshop para identificar os insights mais relevantes ajuda a realizar essa tarefa. O uso eficaz desta ferramenta envolve a realização de várias rodadas de discussão separadas por pequenos intervalos .

As etapas descritas acima são um processo de análise de dados bastante geral e padrão que funciona com qualquer método de pesquisa (qualitativo e quantitativo). Tudo o que você precisa fazer é adaptar adequadamente as etapas ao seu processo.

Análise de dados quantitativos x qualitativos

Embora o processo de análise de dados quantitativos não seja significativamente diferente da análise de dados qualitativos, devido à natureza desta pesquisa, os designers podem receber percepções diferentes. A pesquisa quantitativa se concentra na coleta e análise de dados numéricos, usando estatísticas e probabilidade. Indicadores como a taxa de rejeição de uma determinada página, por exemplo, ou o perfil demográfico de um usuário, fornecem aos pesquisadores informações concretas e quantificáveis ​​sobre como as pessoas interagem com o produto e com o próprio público.

A pesquisa qualitativa se concentra mais em conceitos abstratos, como o comportamento humano. Por esse motivo, dedique um pouco mais de tempo para estudar e avaliar para compreender totalmente a experiência e as opiniões do usuário. Vale a pena fazer perguntas úteis nesta fase, como:

• O que os usuários mais gostam no produto e o que menos gostam?
• Por que alguns usuários reagem de maneira diferente de outros?
• Os usuários tiveram (e quando) uma reação emocional?
• Os usuários estão (e por que) satisfeitos com o produto?

Dada a diferença nos dados recebidos, faz sentido usar anedotas quantitativas e qualitativas como parte da pesquisa de UX. Dessa forma, os dados coletados se complementam e fornecem uma visão clara e profunda dos resultados.

Resumo

A análise de dados conduzida adequadamente permite decisões de projeto melhores e mais otimizadas. Omitir suas descobertas leva ao desenvolvimento de um produto incompleto e ineficaz que não responde às necessidades reais dos usuários. É por isso que a análise de dados é um processo tão crítico que determina o sucesso de todo o projeto. Ele permite que você colete e selecione as principais informações que, quando traduzidas em recomendações concretas de projeto, ajudam a desenvolver a melhor solução possível – adaptada às necessidades e requisitos dos usuários. As etapas de análise de dados que descrevemos o ajudarão a realizá-la de maneira estruturada e a focar no que é mais importante.

Se você gosta do nosso conteúdo, junte-se à nossa comunidade de abelhas ocupadas no Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.

Autora: Klaudia Kowalczyk

Um designer gráfico e UX que transmite em design o que não pode ser transmitido em palavras. Para ele, cada cor, linha ou fonte usada tem um significado. Apaixonado por design gráfico e web.

Ver todas as postagens

Pesquisa UX:

1. O que é pesquisa de UX?
2. Tipos de pesquisa de UX
3. O que são questões de pesquisa e como escrevê-las?
4. Processo de levantamento de requisitos para projetos de UI/UX
5. Por que as entrevistas com as partes interessadas são cruciais para o processo de design?
6. Como aproveitar nossos dados de clientes coletados?
7. Como criar um bom plano de pesquisa de UX?
8. Como escolher um método de pesquisa?
9. Como o teste-piloto pode melhorar a pesquisa de UX?
10. Recrutamento de participantes do estudo de UX
11. Canais e ferramentas para encontrar participantes de pesquisas de UX
12. Pesquisa de triagem para UX Research
13. Incentivos de pesquisa de UX
14. Pesquisa de UX com crianças
15. Métodos de pesquisa de descoberta
16. O que é pesquisa documental?
17. Como conduzir entrevistas com usuários?
18. Como conduzir estudos diários?
19. O que são grupos focais em pesquisa?
20. O que é pesquisa etnográfica?
21. Pesquisa de opinião
22. O que é classificação de cartões em UX?
23. O que é pesquisa avaliativa?
24. Como realizar testes de usabilidade?
25. Quando e como executar o teste de preferência?
26. O que é teste A/B em UX?
27. Rastreamento ocular em testes de UX
28. O que é teste de árvore?
29. Teste de primeiro clique
30. O que é análise de tarefas na pesquisa de UX?
31. Avaliação de emoções em UX
32. Pesquisa Contínua em UX
33. Análise de dados na pesquisa de UX
34. Como preparar um relatório de estudo de UX?