Marcus Andrey Estudo
Read in English Biblioteca

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

  1. 1Dado

    Uma observação, ainda sem análise.

    P4: "Eu desliguei os lembretes."
  2. 2Constatação

    Um padrão nos dados.

    4 de 6 esperam para cobrar; 2 desligaram os lembretes
  3. 3Insight

    O padrão explicado, no contexto de um objetivo.

    Cobrar parece falta de educação, e o lembrete fala com a voz da pessoa
  4. 4Recomendação

    O que fazer, e quem decide.

    Testar um lembrete mensal na voz do app
De uma citação a uma decisão, um nível de cada vez. A constatação diz o que você viu; o insight diz por que isso importa aqui; a recomendação diz o que fazer.Diagrama: Marcus Andrey, CC BY 4.0. Níveis a partir da NN/g, Data vs. Findings vs. Insights (Ramaswamy, 2023).

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

Estudo de divisão de contas · confiança: média
Insight

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.

Evidência
  • 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
Limites

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.

Decisão que informa

O redesenho do lembrete. Próximo passo: o teste A/B do lembrete mensal na voz do app.

Como poderíamos

…fazer o acerto de contas acontecer sem ninguém precisar cobrar?

Responsável

Time de pagamentos, revisão em 14 de abril

Um modelo para um insight e um cartão preenchido para o estudo de divisão de contas. A frase diz o quê, por quê e e daí; as linhas em volta mostram quão certos estamos e quem age.Diagrama: Marcus Andrey, CC BY 4.0. Um estudo inventado. A ideia de que insights acrescentam contexto às constatações: NN/g, Data vs. Findings vs. Insights (Ramaswamy, 2023).

Um insight responde a cinco perguntas, em uma ou duas frases:

  1. Quem. Um grupo específico, de preferência um segmento da sua síntese, não "os usuários".
  2. O quê. O que as pessoas fazem ou em que têm dificuldade, observado, não suposto.
  3. 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.
  4. E daí. O efeito num objetivo que importa ao time: um resultado para o usuário, uma métrica do negócio, um risco.
  5. 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:

  1. Junte constatações que têm o mesmo motivo. "As pessoas esperam para cobrar" e "as pessoas desligam os lembretes" são um insight com um porquê.
  2. Ordene pelo tamanho do efeito no objetivo e pela confiança.
  3. 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)

  1. Pegue esta constatação: "Metade dos participantes imprimiu a página de confirmação."
  2. Invente dois porquês diferentes para ela. Repare como cada um aponta para um design completamente diferente.
  3. 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

Livros, cursos e vídeos para ir mais fundo

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

Salvo só neste dispositivo.

↑ ↓ para mover · Enter para abrir · Esc para fechar