Análise de Usabilidade: Estratégias para Interpretar e Priorizar Dados de Forma Eficiente

Autores: Panagiotis Germanakos e Ludwig Fichte

Como aperitivo, confira nosso incrível vídeo para uma história visual. Aproveite!

Você voltou de longas sessões de teste de usabilidade. Você visitou 2 clientes e validou seu aplicativo nativo com 9 usuários finais. Tudo correu bem e seus folhetos estão cheios de anotações. No entanto, sempre fica a pergunta persistente: o que fazer a seguir? Como você deve analisar os dados e tirar o melhor proveito deles?

Esta poderia ser uma experiência típica de uma equipe de produto durante a avaliação de usabilidade de uma solução, que inicialmente ocorre durante a fase de design do processo de desenvolvimento liderado pelo design. Tentar avaliar a usabilidade de um produto envolve uma série de atividades, desde as preparatórias, como a composição de roteiros de usabilidade e programação de visitas de clientes no local (ou remotas), até a execução real que inclui observação, medição e identificação do comportamento dos usuários finais enquanto interagem com a interface do usuário, os designs visuais e as funcionalidades do produto. Todas essas atividades geram dados qualitativos e quantitativos (capturados de forma explícita ou implícita) que devem ser analisados e interpretados de forma colaborativa. O objetivo principal da análise é compreender os desafios de interação, os cenários complicados, as necessidades ou desejos que melhorariam a usabilidade e a experiência do usuário da solução.

No entanto, coletar, analisar, classificar e dar sentido às informações coletadas é uma tarefa que consome muito tempo e requer muito esforço. Os dados geralmente são não estruturados, incompletos, imprecisos e coletados em vários formatos, criando uma situação avassaladora para uma equipe. Conjuntos de dados que contêm informações qualitativas apresentam uma incerteza inerente e uma vaguidade. A possibilidade de obter diferentes entendimentos, explicações ou interpretações é alta, já que esses conjuntos de dados qualitativos não podem ser facilmente reduzidos a números e geralmente expressam opiniões, experiências, sentimentos e valores. Muitas vezes, não está claro o que considerar e como iniciar uma análise de dados, convertendo a emoção inicial das equipes em melancolia por não saber como proceder.

Para mim, Ludwig, em dezenas de estudos e tendo testado com centenas de usuários, continuava recebendo as mesmas perguntas repetidamente: Você tem algum modelo que possamos usar para analisar nossos dados de forma mais abrangente? Como podemos economizar tempo? Como evitamos perder muitos dados? Como podemos priorizar nossas descobertas? Como podemos comparar nossas descobertas com estudos anteriores ou futuros? Como pesquisador de usuários, ao longo dos anos, tentei de tudo, indo rápido e sujo focando apenas em um punhado de ideias principais, usando notas adesivas em cartazes impressos das telas testadas e criando muitas planilhas, tentando resumir manualmente as descobertas. No final, o dilema era óbvio, eu poderia economizar tempo, arriscando perder resultados importantes, ou ser minucioso, arriscando que minha equipe não tivesse tempo suficiente para esperar pelos resultados. Nenhuma das opções me parecia aceitável. Minha pesquisa na web não teve sucesso, conversar com outros profissionais de UX, desde agências até grandes corporações, também não teve sucesso. Parece que todos preferem analisar manual e apenas semi-estruturalmente seus estudos de teste de usabilidade, apesar de definitivamente existir a demanda por uma abordagem mais orientada.

Quanto a mim, Panagiotis, a situação era bastante semelhante. É um desafio que tem me intrigado desde sempre, mas se tornou mais claro nos últimos 5 anos. O advento da tecnologia facilitou a coleta de vários tipos de dados durante os estudos de usabilidade, mas, para mim, sempre houve um vácuo, não sendo capaz de descobrir os detalhes das informações que esses dados escondem em um tempo aceitável que seja útil para todos: para que as equipes de produtos priorizem suas decisões e elementos do backlog, os designers de UX desenvolvam interações e designs visuais com precisão, ou a gerência para documentação e relatórios mais estruturados. Mas, o mais importante, é injusto para todos os esforços que as equipes de produtos investem na preparação e coleta de dados, não ter uma forma de revelar o resultado correspondente que os dados ditam, para obter um resultado que merecem. Ao longo dos anos, testei muitos métodos e criei processos e planilhas ad-hoc atendendo às diversas situações de projeto e requisitos de análise de dados, mas sempre faltava algo. Algo que não conseguia encontrar em pesquisas de mercado secundárias ou em discussões com profissionais de UX, colegas internos ou externos. Estávamos trocando ideias úteis e experiências únicas, mas cada