Pesquisa em UX · Passo 6 · 8 min de leitura
Escrever insights que mudam decisões
Uma constatação diz o que você viu; um insight diz por que isso importa para uma decisão. A diferença entre dados, constatações, insights e recomendações, um modelo para um insight com exemplo resolvido, como mostrar evidência e confiança, e como escrever recomendações que alguém vai assumir.
"Os usuários acham os lembretes chatos" é verdade, e não vai mudar nada. Todo mundo concorda, alguém diz "bom saber", e a reunião segue. O que muda uma decisão é uma frase que diz por que isso acontece, por que importa para algo que o time está tentando alcançar e para onde aponta. Essa frase é um insight, e escrevê-la é o último e mais difícil passo da síntese.
O que você vai conseguir fazer depois de ler:
- Separar dados, constatações, insights e recomendações
- Escrever um insight com as cinco partes de que ele precisa
- Mostrar a evidência e a confiança por trás dele
- Transformar um insight numa recomendação com responsável
1. Dados, constatações, insights
- 1Dado
Uma observação, ainda sem análise.
P4: "Eu desliguei os lembretes." - 2Constatação
Um padrão nos dados.
4 de 6 esperam para cobrar; 2 desligaram os lembretes - 3Insight
O padrão explicado, no contexto de um objetivo.
Cobrar parece falta de educação, e o lembrete fala com a voz da pessoa - 4Recomendação
O que fazer, e quem decide.
Testar um lembrete mensal na voz do app
A NN/g separa três níveis de análise (NN/g, Data vs. Findings vs. Insights, 2023):
- Dados são o conjunto de observações sem análise: transcrições, notas, métricas, respostas de questionário. Sozinhos, não sustentam nenhuma conclusão.
- Constatações descrevem padrões nos dados. São o que a Análise temática e o Das notas aos temas, mapa de afinidade entregam.
- Insights são explicações focadas de oportunidades, baseadas na pesquisa e no contexto do negócio. Interpretar constatações no contexto gera insights.
Vale recontar o exemplo da NN/g. Um site de agendamento redesenhado tem NPS de 40, ±10: isso é uma constatação. Acrescente o contexto: o design antigo tinha 35, ±15, então a diferença não é significativa; o objetivo do redesenho era reduzir as ligações para o suporte; os testes de usabilidade mostraram pessoas com dificuldade por causa de jargão e de pistas fracas de navegação. Juntos, formam um insight: o redesenho não resolveu o problema para o qual foi feito, e o motivo está à vista.
Uma recomendação é o passo seguinte: o que fazer com o insight, e quem decide. Mantenha separado. A NN/g observa que insights não pretendem ser prescritivos; eles estreitam as possibilidades de design, que depois podem ser testadas.
2. As cinco partes de um insight
quem faz o quê, ou tem dificuldade com o quê, porque o motivo, nos termos das pessoas. Isso importa porque o efeito num objetivo do usuário ou do negócio, então a direção que isso aponta.
Insight 1 de 3
Quem paga as contas da casa espera semanas antes de cobrar, porque pedir dinheiro a um amigo parece falta de educação, e o nosso lembrete fala com a voz dessa pessoa. Isso importa porque os pagamentos atrasados são o motivo de grupos largarem o app, então os lembretes deveriam vir do app, numa data combinada pelo grupo, e não de uma pessoa.
- 4 de 6 entrevistas: esperam para cobrar (P2, P3, P4, P5)
- 2 de 6 desligaram os lembretes e disseram por quê (P4, P5)
- "Parecia que o app era eu, enchendo o saco da Ana." P4
Seis pessoas que dividem casa, numa cidade só; nenhum casal. A ligação com grupos largando o app vem dos dados de uso, não destas entrevistas.
O redesenho do lembrete. Próximo passo: o teste A/B do lembrete mensal na voz do app.
…fazer o acerto de contas acontecer sem ninguém precisar cobrar?
Time de pagamentos, revisão em 14 de abril
Um insight responde a cinco perguntas, em uma ou duas frases:
- Quem. Um grupo específico, de preferência um segmento da sua síntese, não "os usuários".
- O quê. O que as pessoas fazem ou em que têm dificuldade, observado, não suposto.
- Por quê. O motivo, nos termos delas. É a parte que as constatações não têm, e a que torna o insight útil: dá para desenhar para um motivo.
- E daí. O efeito num objetivo que importa ao time: um resultado para o usuário, uma métrica do negócio, um risco.
- Para onde aponta. Uma direção, não uma solução. Uma pergunta "Como poderíamos" é um bom jeito de dizer isso; Declarações de problema e "Como poderíamos" explica como escrever uma.
Depois, em volta da frase, as linhas que lhe dão credibilidade: a evidência (quantos participantes, que citações, que outras fontes), os limites (quem não estava no estudo), a decisão que ele informa e um responsável.
Teste cada insight com três perguntas. Alguém discordaria? Se não, provavelmente é óbvio demais para importar. Ele explica alguma coisa? Se só descreve, ainda é uma constatação. Um time conseguiria agir sobre ele na próxima sprint? Se não, está abstrato demais, ou falta o "e daí".
O card Declaração de insight traz as cinco partes como passos, um segundo exemplo prático e um modelo para copiar.
3. Evidência e confiança
Todo insight carrega um pouco de quem pesquisou. A NN/g observa que, como quem pesquisa desenha, conduz, analisa e interpreta o estudo, os insights inevitavelmente têm algum viés, e o remédio é a triangulação: várias fontes de dados, várias formas de análise, várias pessoas analisando (NN/g, 2023).
Uma escala simples de confiança ajuda quem lê a pesar o que lê:
| Confiança | Evidência típica |
|---|---|
| Alta | Visto na maioria dos participantes, dito e observado, e apoiado por outra fonte, como dados de uso ou um questionário |
| Média | Um padrão claro em vários participantes, num único método |
| Baixa | Um ou dois participantes, ou contado mas não observado; vale investigar mais |
Escreva o nível ao lado de cada insight. Isso permite compartilhar insights iniciais, de baixa confiança, sem que alguém os tome por prova, e mostra ao time para onde o próximo estudo deve ir.
Quando os métodos discordam, não escolha o de que você gosta. O conselho da NN/g para constatações contraditórias é conferir cada estudo primeiro: quem participou, que tarefas fez, quão realista era o ambiente, e se os números eram significativos. Muitas vezes a contradição se explica sozinha, por exemplo novatos num estudo e especialistas no outro (NN/g, Interpreting Contradictory UX Research Findings, 2019).
4. Do insight à recomendação
Uma recomendação transforma a direção numa ação que alguém assume. Uma boa recomendação é:
- Específica o bastante para começar: "Testar um lembrete que fala como o app, numa data mensal combinada pelo grupo", não "melhorar os lembretes".
- Proporcional à confiança: confiança alta pode justificar construir; confiança baixa justifica um teste barato. O teste A/B planejado em Analytics e testes A/B para designers é um insight de confiança média transformado em experimento.
- Com responsável e data: um time, e uma data em que vocês vão olhar de novo.
A NN/g faz uma observação prática sobre certeza: preocupações com significância estatística e validade são comuns, mas é mais sensato fazer alguma recomendação que possa ajudar do que nenhuma (NN/g, 2023). Diga quão certo você está, e recomende mesmo assim.
5. Menos insights, mais afiados
Um estudo raramente precisa de mais de três a cinco insights. Trinta "insights" costumam ser trinta constatações, e um time não consegue agir sobre nenhuma. Para enxugar:
- Junte constatações que têm o mesmo motivo. "As pessoas esperam para cobrar" e "as pessoas desligam os lembretes" são um insight com um porquê.
- Ordene pelo tamanho do efeito no objetivo e pela confiança.
- Mande o resto para um apêndice ou para o repositório de pesquisa, ainda marcado e pesquisável. Nada se perde; só sai do caminho.
Depois, escreva cada insight como se fosse a única coisa que um stakeholder ocupado vai ler. Muitas vezes é. O próximo passo, Relatórios de pesquisa que as pessoas leem, trata de como embalar isso.
6. Erros comuns
- Constatações apresentadas como insights: "62% dos usuários pulam o onboarding".
- Insights sem porquê.
- Insights que na verdade são soluções: "Os usuários precisam de um dashboard".
- Sem evidência nem confiança, e uma única citação parece lei.
- "Os usuários" em vez de um grupo específico.
- Trinta insights, todos igualmente importantes.
- Recomendações sem responsável: todo mundo concorda e ninguém age.
7. Vocabulário
| Termo | Significado |
|---|---|
| Dados | Observações sem análise: notas, transcrições, métricas, respostas |
| Constatação | Um padrão nos dados, sem contexto |
| Insight | Uma constatação explicada, no contexto de um objetivo, apontando para algum lugar |
| Recomendação | O que fazer com um insight, e quem decide |
| Triangulação | Conferir um insight com várias fontes, métodos ou pessoas analisando |
| Confiança | Quão forte é a evidência por trás de um insight |
| Como poderíamos | Uma pergunta que transforma um insight numa direção de design |
8. Experimente (sem ferramentas)
- Pegue esta constatação: "Metade dos participantes imprimiu a página de confirmação."
- Invente dois porquês diferentes para ela. Repare como cada um aponta para um design completamente diferente.
- Escreva o insight para um deles, com as cinco partes, e acrescente que evidência você precisaria para escolher entre os dois.
Perguntas para refletir: Na última apresentação de pesquisa que você viu, que slide mudou uma decisão? Era uma constatação, um insight ou uma recomendação?
9. Se você já pratica
- Coloque o nível de confiança e a contagem de participantes ao lado de cada insight em todo relatório.
- Faça uma "revisão de insights" curta com outra pessoa antes de compartilhar: para cada insight, alguém discordaria, ele explica, um time conseguiria agir?
- Registre os insights no repositório de pesquisa como itens próprios, ligados à sua evidência, para estudos futuros poderem reforçá-los ou enfraquecê-los.
- Acompanhe o que aconteceu com cada recomendação um trimestre depois. É o começo de Mostrar o impacto da pesquisa.
Checklist
Para saber mais
- Sara Ramaswamy, Data vs. Findings vs. Insights: The Differences Explained (NN/g, 2023)
- Kate Moran, Interpreting Contradictory UX Research Findings (NN/g, 2019)
- NN/g, Triangulation: Get Better Research Results by Using Multiple UX Methods
Livros, cursos e vídeos para ir mais fundo
- It's Our ResearchTomer SharonLivro · Morgan Kaufmann, 2012 (Amazon)
- Just Enough ResearchErika HallLivro · A Book Apart, 2ª edição, 2019 (Amazon)
Os links dos livros são de afiliado da Amazon: como associado, recebo por compras qualificadas, sem custo a mais para você.
Relacionadas
Declarações de problema e "Como poderíamos" · Análise temática · Personas e jornadas a partir de dados · Relatórios de pesquisa que as pessoas leem · Apresente os resultados em dez minutos