Aprender / Guias / Guia de análise qualitativa de dados
6 exemplos de análise de dados qualitativos para inspirar você
A análise de dados qualitativos (QDA) é complexa e, sem exemplos práticos de análises bem-sucedidas, pode parecer um processo difícil e demorado.
Mas o valor das ideias e insights dos clientes que você descobre faz valer a pena, e talvez você se surpreenda com o quão eficientes (e até divertidos!) alguns métodos qualitativos de análise podem ser.
Quando pensamos em dados, provavelmente a primeira coisa que vem à cabeça são os dados quantitativos: fatos, números e cifras. Você pode colocá-los ordenadamente numa planilha e logo eles fazem sentido.
Você sabe que os dados qualitativos também são cruciais, mas como organizar e interpretar todas essas palavras, emoções e motivações depois de coletá-las?
Este guia analisa seis exemplos de análise de dados qualitativos de empresas que obtiveram resultados reais. Em cada exemplo, examinamos o tipo de análise utilizada e como isso contribuiu para o sucesso da empresa — tudo para que você possa experimentar novas técnicas interessantes.
Tenha clareza sobre o que os clientes desejam
Os insights sobre a experiência do produto do Hotjar ajudam as equipes a coletar dados qualitativos para que possam oferecer uma melhor experiência aos clientes.
Inspire-se com 6 exemplos de análise de dados qualitativos
Todas as empresas podem se beneficiar da análise de dados qualitativos para entender melhor seus clientes. A questão é: quais métodos são os mais eficazes?
A análise qualitativa de dados não é um processo universal — diferentes equipes podem se beneficiar de diferentes tipos de análise de dados qualitativos. Por exemplo, você pode estar procurando formas de analisar avaliações de produtos, enquanto outra equipe pode estar tentando entender milhares de respostas de pesquisas.
Às vezes, dar uma espiada nos processos bem-sucedidos de outras empresas pode ensinar novos truques. Aqui estão seis exemplos de análise de dados qualitativos para inspirá-lo a melhorar seu próprio processo:
1. Art.com
A Art.com é uma empresa de e-commerce que vende artes impressas. A garantia de 100% de satisfação (oferecendo reembolso total, sem fazer perguntas) mostra seu compromisso de colocar os clientes em primeiro lugar. Mas para ser proativo — para que possa criar uma experiência do cliente encantadora desde o início — é útil coletar e analisar dados para ver o que as pessoas realmente querem e precisam.
Abordagem para análise dos dados qualitativos
A Art.com utilizou pesquisas de Net Promoter Score (NPS) para pedir aos clientes que avaliassem e depois comentassem com suas próprias palavras se recomendariam a empresa a amigos ou colegas.
Coletar os dados era uma coisa, mas analisá-los era outra. Uma pessoa tinha a tarefa de vasculhar as planilhas de insights, usando a função de "pesquisa" do programa para encontrar manualmente palavras e frases-chave.
A Art.com queria uma solução de Processamento de Linguagem Natural (PLN) para analisar os dados. Por isso, recorreu a uma ferramenta chamada Thematic, que permite encontrar e classificar automaticamente as respostas de pesquisa por temas personalizados (nota: esse tipo de análise de dados qualitativos é chamado de análise temática, daí o nome da ferramenta).
Um recurso essencial do Thematic para a análise da Art.com foi a capacidade de ver como os sentimentos dos clientes sobre a empresa, produtos e experiência de compra afetavam o resultado final. Em outras palavras, a ferramenta permitia mapear os dados qualitativos juntamente com dados quantitativos de desempenho para fazer mudanças acionáveis.
Mas a análise não precisa ser feita individualmente. Lembra como a Art.com tinha apenas uma pessoa analisando os dados? O Thematic permitiu que a empresa criasse um plano compartilhando a responsabilidade pela análise dos dados. Agora a Art.com tem líderes da equipe do cliente: membros da equipe que ficam responsáveis pelos processos de análise a cada mês.
Análise de dados qualitativos bem-sucedida
Os resultados: a Art.com passou menos tempo peneirando manualmente os dados e transferiu a carga de uma pessoa para uma equipe inteira de analistas com a democratização dos dados. Além disso, obteve uma melhor compreensão dos sentimentos e reações dos clientes com as pesquisas de NPS, pois pode analisar o impacto dos resultados no desempenho dos negócios.
Aprendizados: classificar automaticamente o feedback em categorias ou temas facilita a tomada de decisões com base nos dados qualitativos em vez de palpites. Siga o exemplo da Art.com de usar a análise qualitativa de dados para tomar decisões de produto centradas no cliente e oferecer uma melhor user experience.
💡 Dica: use as pesquisas de Net Promoter Score (NPS) do Hotjar para criar e personalizar as pesquisas com seus clientes.
Além de escalas de classificação simples, as pesquisas de NPS do Hotjar permitem que você faça perguntas curtas de follow-up para obter contexto adicional na voz do cliente (VoC). Você pode colocar essas pesquisas direto no seu site ou enviá-las por e-mail para sua lista de clientes.
Com as pesquisas de NPS, você pode obter insights valiosos sobre o que seus clientes realmente pensame analisar as respostas para encontrar maneiras de melhorar sua experiência.
2. Matalan
Um nome de peso no Reino Unido, a Matalan oferece roupas e produtos para a casa em mais de 200 lojas. Quando a empresa migrou para um novo site, a grande questão era: como fornecer on-line a mesma experiência fluida pela qual somos conhecidos na loja?
Abordagem para análise dos dados qualitativos
Para encontrar a resposta a essa pergunta, a Matalan recorreu ao Hotjar (somos nós! 👋). A equipe de UX da Matalan começou usando nossa ferramenta de pesquisa para contatar os clientes e ver o que achavam do novo site. Em seguida, exploraram outras duas ferramentas do Hotjar para obter mais contexto — por exemplo, descobriram que a combinação do widget de feedback com as gravações de sessões era a dupla perfeita que precisavam:
O Hotjar permite que você veja exatamente o que seus usuários estão fazendo, como estão se sentindo e até suas reações às alterações realizadas. Sem o Hotjar, ainda estaríamos tomando decisões com base em palpites, ao invés de feedback qualitativo dos usuários.
Mas a equipe da Matalan não parou por aí. Eles criaram um painel personalizado no Google Data Studio para servir de base para a análise dos resultados. Quando integrarem os resultados do Feedback ao Google Data Studio, puderam fazer uma análise qualitativa usando o mesmo método que mencionamos acima: a análise temática. Organizar as informações por tema ajudou a equipe a identificar tendências que poderiam ser usadas para informar alterações no site e fazer testes A/B.
Análise de dados qualitativos bem-sucedida
Os resultados: após usar o Hotjar para criar hipóteses sobre o comportamento do cliente, a taxa de sucesso da Matalan em testes de divisão no site aumentou em 17%. Depois, com a inclusão do Google Data Studio, puderam se aprofundar ainda mais no processo analítico. Eles também descobriram que essa era uma ótima maneira de priorizar os dados dentro da empresa e abrir linhas de comunicação entre equipes.
Aprendizados: a análise de dados qualitativos pode ajudar a esclarecer a experiência real do usuário e tomar decisões de design centradas no cliente para reduzir atritos para os visitantes do site.
💡 Dica: quer seguir o exemplo da Matalan?
O Hotjar tem um processo passo a passo para análise de perguntas abertas. Leia nosso tutorial para saber como exportar os resultados da pesquisa para o Google Sheets — incluímos até um modelo pronto para você começar.
3. Yatter
A Yatter é uma agência especializada em ajudar as empresas a gerar mais leads de PPC para que possam se expandir e crescer. Gavin Bell, fundador da Yatter, ajuda a otimizar os anúncios de mídia social e landing pages de seus clientes (e seus próprios) para gerar mais tráfego e vendas.
Abordagem para análise dos dados qualitativos
O estilo de análise do Gavin casa perfeitamente com um tipo de análise de dados qualitativos chamado de análise diagnóstica ou de causa raiz. Basicamente, esse método investiga por que as pessoas tomam decisões procurando por exceções e padrões nos dados, e pode ser usado tanto para pesquisas qualitativas quanto quantitativas.
Para suas análises de dados qualitativos, a Yatter recorre ao Recordings do Hotjar para entender como é a user experience nos sites e fazer as melhorias necessárias. A dica do Gavin? Sempre assistir a cinco gravações de clientes interagindo com o site antes de fazer qualquer alteração.
Quando estava trabalhando no site de uma empresa de células-tronco, Gavin sabia que os usuários saíam durante o processo de checkout e queria entender o motivo. Ele notou que os usuários ficavam confusos durante o checkout e clicavam no ícone do menu. Como resultado, Gavin decidiu remover o botão de menu daquela página.
No seu site pessoal, assistir às gravações ajudou o Gavin a perceber que os leads passavam muito tempo criando o nome de usuário para inserir num formulário. Observar esse comportamento levou Gavin a preencher automaticamente o formulário com os e-mails dos usuários, economizando vários segundos no processo e melhorando sua jornada.
O Hotjar permite que você faça uma análise detalhada e realmente entenda os indivíduos que usam a página. Em outras palavras, transforma dados em pessoas.
Análise de dados qualitativos bem-sucedida
Os resultados: ao assistir às gravações de sessões, Gavin pôde identificar até mesmo os menores erros e obstáculos e encontrar soluções. Por exemplo, a Yatter aumentou as conversões de um cliente em 20% apenas removendo o botão de menu da página de checkout. Na sua própria página, Gavin conseguiu poupar o tempo dos visitantes, sabendo que leads e clientes satisfeitos são aqueles que permanecem no site.
Aprendizados: além de impulsionar as vendas, a análise qualitativa de dados fornece insights empáticos sobre quem são os clientes, por que fazem o que fazem e o que precisam para ficarem felizes, assim você pode fazer as alterações certas no momento certo para encantar os clientes.
4. WatchShop
Um varejista independente com sede no Reino Unido, a WatchShop é especializada na venda de relógios de luxo diretamente ao consumidor (um modelo chamado de business-to-consumer ou B2C). A empresa criou seu primeiro e-commerce em 2007 e continuamente faz alterações e melhorias no site. Os objetivos da WatchShop? Ajudar mais leads a encontrar o site e otimizar a experiência do cliente.
Abordagem para análise dos dados qualitativos
A WatchShop já conhecia o valor dos dados comportamentais — e é por isso que assistiam às gravações de sessões do Hotjar. 😉 Mas eles precisavam de ajuda para entender os insights qualitativos que estavam coletando, então exploraram um método qualitativo chamado de análise de sentimento.
A análise de sentimento foca nas emoções em dados textuais de pesquisas, avaliações, e-mails e outras fontes. Em linhas gerais, a análise de sentimento ajuda você a entender como os clientes se sentem — e por que se sentem assim.
A WatchShop selecionou o Lumoa, uma ferramenta baseada em inteligência artificial, para ajudar a otimizar todas suas fontes de dados baseadas em texto. Em seguida, o software produziu uma pontuação geral do sentimento do cliente, que funciona como um indicador-chave de desempenho (KPI) e todos os stakeholders podem monitorar.
Quando a pontuação de sentimento do cliente caía ou aumentava substancialmente em qualquer ponto, a WatchShop usou a análise qualitativa de dados para entender por que. Depois, encarregaram as equipes apropriadas de corrigir os pontos negativos e aproveitar os pontos positivos.
Como o Lumoa se integra a outras plataformas, a WatchShop o conectou ao Trustpilot, um site de avaliações, para analisar as resenhas dos clientes. A WatchShop também usa o Lumoa para analisar as avaliações de concorrentes, para ver como as outras marcas são percebidas e descobrir o que podem aprender com seus rivais.
Análise de dados qualitativos bem-sucedida
Os resultados: para um de seus clientes, a WatchShop esperava melhorar as páginas de listagem de produtos. Usando a análise de sentimento, a empresa descobriu problemas ocultos na jornada do cliente e usou seus aprendizados para desenvolver ideias para alterações no site. Na primeira rodada de testes, a taxa de conversão da empresa melhorou em 4% e, após a segunda rodada, as taxas de conversão aumentaram em 10%.
Aprendizados: o uso de uma ferramenta de QDA como o Lumoa ajuda as equipes a centralizar o processo de análise, para que possam interpretar rapidamente grandes volumes de dados qualitativos. A classificação desses dados também ajuda a priorizar iniciativas com base nos problemas mais importantes para os clientes.
5. Materials Market
O Materials Market faz exatamente o que seu nome promete: facilita o comércio entre os clientes de construção e fornecedores que têm os materiais que necessitam. A empresa de e-commerce sediada no Reino Unido deseja que seu site funcione da melhor forma possível para os clientes — por isso recorreram ao Hotjar para obter ajuda.
Abordagem para análise dos dados qualitativos
A análise de dados qualitativos não precisa ser sofisticada para ser eficaz. Andrew Haehn, um dos fundadores e diretor de operações do Materials Market, adota uma abordagem simples.
Todas as manhãs, durante o café da manhã, o Andrew assiste a 20 minutos de gravações do Hotjar, observando cuidadosamente como os usuários interagem com o site. Enquanto come, ele analisa o que está funcionando bem e o que precisa ser melhorado.
Por que essa abordagem funciona: consistência. Ao assistir às gravações todos os dias, o Andrew se familiariza com os comportamentos padrão dos usuários e fica mais atento ao que pode estar desviando-os do caminho.
Para ser ainda mais eficaz, Andrew classifica as gravações por relevância: o algoritmo do Hotjar o ajuda a encontrar as gravações mais valiosas — aquelas marcadas como "alta" ou "muito alta" — para priorizar seu tempo.
Uma dica do Andrew é analisar os dados qualitativos juntamente com os quantitativos — como os do Heatmaps do Hotjar, por exemplo, que mostra visualmente as áreas mais e menos populares de uma página web — para identificar áreas confusas e verificar problemas de UX.
Análise de dados qualitativos bem-sucedida
Os resultados: o Materials Market usou o Hotjar para coletar e analisar dados qualitativos e rapidamente descobriu maneiras de melhorar a UX. Entre os resultados impressionantes da empresa após assistir às gravações estão:
Redução na taxa de abandono de carrinho de 25% para 4%.
Aumento na taxa de conversão de clientes pagantes de 0,5% para 1,6% (num único mês).
Aumento de mais de £10.000 na receita (devido à melhora na taxa de conversão).
Aprendizados: a análise de dados qualitativos complementa a análise de dados quantitativos ajudando a minimizar as frustrações dos clientes e maximizar os lucros. Definir limites de tempo e classificar os registros por relevância mantém o processo analítico rápido e fácil.
6. MURAL
A MURAL, uma empresa que oferece quadros de comunicações digitais, é especializada em soluções criativas e colaborativas para problemas. Portanto, é natural que tenham usado as mesmas técnicas na sua abordagem para análise de dados qualitativos.
Abordagem para análise dos dados qualitativos
A MURAL vem refinando suas habilidades de análise de dados qualitativos há anos, usando diferentes métodos ao longo do caminho. Eventualmente, com o crescimento da empresa, ela buscou um hub central para analisar o feedback dos clientes e outros insights.
A MURAL, sob o comando do cofundador e diretor de produtos Augustin Soler, escolheu o EnjoyHQ como plataforma ideal. O EnjoyHQ ajudou a empresa a coletar dados qualitativos, gerar métricas a partir deles e realizar análises temáticas.
Como a visualização dos dados era importante para a equipe, exportam os resultados do EnjoyHQ para um quadro branco da MURAL para organizar as informações e promover a discussão e colaboração. Em seguida, usaram a análise de dados qualitativos como parte do processo de planejamento: as equipes de produtos podem focar num recurso específico que planejam atualizar ou lançar no futuro, analisar os resultados desse recurso e usá-los para informar seu trabalho.
Análise de dados qualitativos bem-sucedida
Os resultados: O EnjoyHQ ajudou a MURAL a moldar seu processo de análise de dados qualitativos — agora eles podem analisar o feedback dos clientes de forma mais estruturada, o que leva a uma melhor comunicação e colaboração.
Aprendizados: coletar e analisar dados qualitativos é crucial para otimizar decisões de produtos. Não tenha medo de experimentar novos métodos de análise de dados qualitativos — ou de personalizar soluções para atender às suas necessidades específicas.
💡 Dica: uma comunicação personalizada mostra aos clientes que você se importa, o que pode aumentar a fidelidade e confiança na marca.
Por exemplo, quando a MURAL lança novos recursos, fazem follow-up enviando e-mails para as pessoas que se cadastraram. Assim, os clientes sabem que a empresa está ouvindo e tomando medidas para atender a suas necessidades específicas.
Encontre formas de fazer seus dados qualitativos trabalharem para você
Os exemplos de análise de dados qualitativos neste guia mostram resultados claros obtidos com foco nas percepções do cliente.
Os dados qualitativos amplificam o sucesso que você já obtém processando números com a análise quantitativa. Ao usar novos tipos de análise de dados qualitativos nos processos da sua equipe, você deixa de confiar na sua intuição e passa a tomar decisões de produto com base em dados e centradas no usuário.
Tenha clareza sobre o que os clientes desejam
Os insights sobre a experiência do produto do Hotjar ajudam as equipes a coletar dados qualitativos para que possam oferecer uma melhor experiência aos clientes.
