Análise de dados em pesquisa UX | Pesquisa UX nº 33

Você sabe qual o papel da análise de dados na pesquisa de UX? Hoje, gostaríamos de focar na questão da análise de dados em UX, discutindo a análise de dados qualitativa e quantitativa e aprendendo sobre suas etapas, principais metas e também objetivos. Também sugeriremos quando é o momento certo para realizá-lo em um projeto.

Análise de dados em pesquisa UX – índice:

1. Por que analisar os dados coletados?
2. Quando analisar os dados?
3. Análise de dados em pesquisa 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 sobre um produto com base apenas em dados brutos é um grande erro de UX. Ignorar a etapa de análise pode resultar no fornecimento de uma solução incompleta ou ineficaz aos usuários, ou até mesmo fazer com que a equipe do projeto se concentre em resolver o problema errado ou em reconhecer os usuários reais. Por esses e outros motivos, a análise de dados é um processo essencial para manter todo o projeto no caminho certo. Fá-lo tendo em conta as reais necessidades dos utilizadores e recolhendo informações que ajudem a desenvolver a melhor e mais óptima solução possível.

Quando analisar os dados?

Muitas pessoas alimentam o conceito errado de que a análise deve ocorrer após a conclusão da pesquisa, ou seja, após a coleta de informações de muitas fontes. No entanto, esta abordagem é ineficaz, uma vez que examinar uma quantidade tão grande de dados requer um enorme esforço, mão-de-obra e tempo. É mais eficiente investigar os dados de forma contínua, por exemplo, reservando alguns minutos após cada entrevista aprofundada.

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

Análise de dados em pesquisa UX

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

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

Definindo os objetivos da análise

O primeiro passo define os objetivos da nossa análise – estes devem estar estritamente de acordo com os objetivos da UX Research. Nesta fase, lembre-se de não se desviar dos motivos que o levaram a iniciar a investigação – por exemplo, quais as necessidades do utilizador; 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 que o da concorrência. Apegar-se a eles e aos objetivos da pesquisa o ajudará a compreender como conduzir a análise de dados de uma forma que seja útil para o projeto. Para definir exatamente o que você procura.

Organizando dados

Cada pesquisa fornece diferentes tipos de dados, mais ou menos relevantes para o projeto. Portanto, você deve gerenciá-los, selecioná-los e filtrá-los de maneira inteligente para facilitar a 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 pertencem. A segregação é fundamental para conduzir uma análise eficiente dos dados 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 mais provavelmente estão de acordo com o objetivo da análise. Este processo não consiste apenas em procurar palavras e seus sinônimos, mas em compreender o que elas significam para os usuários em seu contexto.

Ter essas palavras e expressões compreendidas 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 tanto quanto possível, pois qualquer variação, mesmo a menor, pode prejudicar a fase de investigação, remodelando toda a análise dos dados.

Agrupamento

O próximo passo é conceber os chamados clusters para rotular as respostas de acordo com aquelas identificadas na fase de investigação. Esses clusters ajudam a equipe a diferenciar as questões priorizadas. Por exemplo, se mais da metade das respostas dos usuários couberem no cluster criado denominado “Desempenho da interface”, a equipe provavelmente deverá priorizar este 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 factos descobertos, investigados e depois agrupados e catalogados que a equipa de investigação trouxe à luz através do processo de análise. Já os insights referem-se apenas ao ato de reconhecimento das causas que ocasionaram os resultados. Este 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 a fundo e buscar insights.

Os usuários geralmente não conseguem identificar sozinhos a origem de suas dificuldades. A equipa de investigação deve, portanto, rever os resultados durante o processo de análise de dados, discuti-los e depois procurar insights e combiná-los com os objectivos da investigação. Um workshop para identificar os insights mais relevantes ajuda a realizar essa tarefa. O uso eficaz desta ferramenta envolve a realização de diversas 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 versus 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 insights diferentes. A pesquisa quantitativa concentra-se na coleta e análise de dados numéricos, usando estatística 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 concentra-se mais em conceitos abstratos, como o comportamento humano. Por esse motivo, reserve 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 experiência do usuário. Dessa forma, os dados recolhidos complementam-se e proporcionam uma visão clara e aprofundada dos resultados.

Resumo

A análise de dados conduzida adequadamente permite decisões de projeto melhores e mais otimizadas. A omissão das suas conclusões leva ao desenvolvimento de um produto incompleto e ineficaz que não responde às necessidades reais dos utilizadores. 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 informações importantes 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 ajudarão você 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 para o design o que não pode ser transmitido em palavras. Para ele, cada cor, linha ou fonte utilizada tem um significado. Apaixonado por design gráfico e web.

Ver todas as postagens

Pesquisa de experiência do usuário:

1. O que é pesquisa UX?
2. Tipos de pesquisa UX
3. O que são questões de pesquisa e como escrevê-las?
4. Processo de levantamento de requisitos para projetos 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 UX?
8. Como escolher um método de pesquisa?
9. Como os testes piloto podem melhorar a pesquisa de UX?
10. Recrutamento de participantes do estudo UX
11. Canais e ferramentas para encontrar participantes de pesquisas de experiência do usuário
12. Pesquisa Screener para UX Research
13. Incentivos à pesquisa UX
14. Pesquisa UX com crianças
15. Métodos de pesquisa de descoberta
16. O que é pesquisa documental?
17. Como conduzir entrevistas com usuários?
18. Como realizar 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 testes de preferência?
26. O que são testes A/B em UX?
27. Eyetracking 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 UX?
31. Avaliação de emoções em UX
32. Pesquisa Contínua em UX
33. Análise de dados em pesquisa UX
34. Como preparar um relatório de pesquisa de UX?
35. Mapa da Jornada do Cliente – o que é e como criá-lo?