Pesquisa em UX · Passo 7 · 7 min de leitura
Repositórios de pesquisa
Um repositório de pesquisa é a memória do time: um lugar onde estudos, insights e evidências podem ser encontrados de novo. O que entra nele, os três jeitos de montá-lo, o que são pesquisa atômica e nuggets, e por que a maioria dos repositórios fracassa, com os números de uma pesquisa com mais de 400 profissionais.
Um estudo que ninguém consegue achar de novo é um estudo que você vai pagar duas vezes. Seis meses depois de um projeto, alguém pergunta: "o que sabemos sobre como as pessoas dividem contas?". Se a resposta mora na memória de uma pesquisadora e numa apresentação no drive pessoal dela, o time ou pergunta de novo, ou chuta. Um repositório é como a pesquisa para de evaporar.
O que você vai conseguir fazer depois de ler:
- Dizer para que serve um repositório de pesquisa, e o que entra nele
- Escolher entre uma biblioteca de documentos, uma base de insights e um híbrido
- Escrever um nugget de pesquisa atômica com a evidência e as etiquetas
- Evitar os quatro motivos pelos quais repositórios fracassam
1. O que é, e o que entra
Um repositório de pesquisa é um lugar central para guardar os resultados de pesquisa, de forma que outras pessoas da organização consigam chegar até eles. Ele ajuda a achar insights mais rápido, a acompanhar um assunto ao longo de vários estudos e a não fazer o mesmo estudo duas vezes (Maria Rosala, NN/g, 2024).
O que entra varia. A NN/g lista relatórios, insights avulsos, materiais de estudo como planos e screeners, gravações, trechos e transcrições, e notas brutas, e diz com todas as letras que não existe regra fixa sobre o que pertence a um repositório. Na pesquisa da NN/g com 411 profissionais, relatórios eram o item mais guardado, em cerca de 70% dos repositórios (NN/g, 2024).
Uma regra que não é opcional: gravações e transcrições são dados pessoais. Guarde com acesso restrito e com uma data para apagar que combine com o que os participantes autorizaram. Veja Dados de pesquisa e privacidade.
2. Três jeitos de montar
Relatórios inteiros, planos e gravações, em pastas por produto ou por ano.
Fácil de alimentar. Difícil de achar um insight.Insights separados, cada um com etiquetas, pesquisáveis sozinhos.
Fácil de achar. Cada registro custa esforço e pode perder o contexto.Insights com etiquetas, cada um com link para o estudo, o plano e a evidência.
O que a maioria dos repositórios duradouros acaba virando.A troca é entre a facilidade de achar um insight e o trabalho de registrar um (NN/g, 2024). Uma pasta de relatórios é fácil de alimentar e difícil de pesquisar. Uma base de insights separados é fácil de pesquisar e custa esforço toda vez que alguém contribui. A maioria dos times que dura acaba num híbrido: cada insight tem um link para o estudo de onde veio.
A pesquisa da NN/g encontrou times usando ferramentas de colaboração como Confluence e SharePoint (43%), plataformas de pesquisa como Dovetail ou Condens (32%) e ferramentas de banco de dados como Notion e Airtable (14%) (NN/g, 2024). A ferramenta importa menos que a estrutura, mas importa: veja a seção 4.
3. Pesquisa atômica e o nugget
As pessoas conferem uma divisão no grupo de mensagens antes de confiar nela no app
Vídeo, 0:34 · P4 rola o grupo do apartamento até achar a foto da conta de luz e refaz a conta na calculadora do celular · Entrevista 4, 23:15–23:49
Tomer Sharon, então à frente da pesquisa na WeWork, defendeu em 2016 que "a report is not the atomic unit of a research insight" (o relatório não é a unidade atômica de um insight). A unidade dele era o nugget: uma observação vinda da pesquisa, com etiquetas para ser encontrada depois (Sharon, The atomic unit of a research insight, 2016). Em 2018 ele descreveu o nugget como uma observação com etiquetas sustentada por evidência, de preferência um trecho de vídeo de 15 a 45 segundos, com etiquetas que podem ser de processo (data, método, fonte), da experiência (intensidade, frequência, emoção) ou do negócio (linha de produto, jornada) (Sharon, Foundations of atomic research, 2018).
Por que é útil:
- Os insights sobrevivem ao estudo. Um nugget de uma entrevista de cancelamento pode responder a uma pergunta de preço um ano depois.
- A evidência viaja junto com a afirmação. O minuto da gravação deixa quem duvida assistir aos 30 segundos.
- Padrões aparecem entre estudos. Dez nuggets com a mesma etiqueta vindos de quatro estudos convencem mais que um relatório.
E o custo: alguém precisa escrever e etiquetar cada nugget, sempre do mesmo jeito. O próprio Sharon contou que, na WeWork, "nuggetizar" levava mais ou menos o mesmo tempo que escrever um relatório tradicional, e se pagava depois, respondendo perguntas sem novos estudos (Sharon, 2018). Comece com uma lista pequena e fixa de etiquetas e só aumente quando alguém pedir.
4. Por que repositórios fracassam
A NN/g perguntou a mais de 400 profissionais de UX e de ResearchOps sobre os seus repositórios. Só 9% disseram que o deles estava maduro e próspero, 11% disseram parado ou esquecido, e menos da metade avaliou a adoção como boa. A falta de dono foi a lacuna mais clara: 29% dos repositórios não tinham responsável nenhum (Maria Rosala, NN/g, 2024).
Os quatro motivos que o artigo aponta, e o que fazer com cada um:
| Motivo | O que fazer |
|---|---|
| Maturidade de UX muito baixa | Comece pelo que o time já pede: um assunto, um produto |
| Ferramentas frustrantes | Escolha uma ferramenta que as pessoas já abrem todo dia, ou uma feita para pesquisa; teste com quem vai pesquisar nela |
| Sem dono | Dê nome a uma pessoa, com tempo na semana para isso |
| Contribuir dá trabalho demais | Um modelo, uma lista curta de etiquetas, e contribuir como último passo de todo estudo |
Também leva tempo: 65% dos repositórios com mais de três anos tinham boa adoção, contra cerca de um terço dos mais novos (NN/g, 2024). Trate o repositório como um produto: pesquise o que os usuários dele procuram, teste a estrutura com card sorting ou tree testing e continue melhorando (NN/g, 2024).
5. Erros comuns
- Comprar uma ferramenta antes de decidir para que serve o repositório.
- Subir todos os relatórios antigos no primeiro dia, sem etiqueta.
- Cinquenta etiquetas, cada uma usada uma vez.
- Insights sem link para o estudo e para a evidência.
- Gravações sem data para apagar.
- Ninguém responsável, e ele morre em silêncio.
6. Vocabulário
| Termo | Significado |
|---|---|
| Repositório de pesquisa | Um lugar central e pesquisável para resultados e evidências de pesquisa |
| Biblioteca de documentos | Um repositório de relatórios e arquivos inteiros, geralmente em pastas |
| Base de insights | Um repositório de insights separados, com etiquetas |
| Pesquisa atômica | Guardar a pesquisa como observações pequenas, etiquetadas e com evidência |
| Nugget | Uma observação de pesquisa, com a evidência e as etiquetas |
| Taxonomia | O conjunto combinado de etiquetas e categorias que organiza o repositório |
7. Experimente (sem ferramentas)
- Pegue um estudo que você fez ou leu.
- Escreva três nuggets dele: uma observação cada, a evidência (citação e minuto) e três etiquetas.
- Peça a um colega para achar "qualquer coisa sobre confiança" usando só as suas etiquetas.
Perguntas para refletir: quais etiquetas alguém de fora do seu time pesquisaria de verdade? Quem na sua organização seria dono do repositório, e quando faria esse trabalho?
8. Se você já pratica
- Faça uma auditoria da busca do repositório: dê três perguntas reais a três pessoas e observe como procuram.
- Coloque uma data de "última revisão" nos insights e aposente os que o produto já deixou para trás.
- Faça da contribuição parte da definição de pronto de todo estudo.
Checklist
Para saber mais
- Maria Rosala, Research Repositories for Tracking UX Research and Growing Your ResearchOps (NN/g, 2024)
- Maria Rosala, Why Research Repositories Fail and How to Get Them Right (NN/g, 2024)
- Tomer Sharon, The atomic unit of a research insight (2016) · Foundations of atomic research (2018)
Livros, cursos e vídeos para ir mais fundo
- Research That Scales: The Research Operations HandbookKate TowseyLivro · Rosenfeld Media, 2024 (Amazon)
- It's Our ResearchTomer SharonLivro · Morgan Kaufmann, 2012 (Amazon)
Os links dos livros são de afiliado da Amazon: como associado, recebo por compras qualificadas, sem custo a mais para você.
Relacionadas
Relatórios de pesquisa que as pessoas leem · ResearchOps · Dados de pesquisa e privacidade · Análise temática