Como analisar dados de pesquisas e conhecer seus clientes (sem dores de cabeça)

Pode ser intimidador não saber como analisar os dados de uma pesquisa que você elaborou cuidadosamente e apresentou aos clientes. Sem dúvida, é uma arte extrair insights acionáveis do feedback dos clientes para ajudá-lo a melhorar seu produto ou serviço para os usuários. Felizmente, essa arte pode ser aprendida.

Este artigo explora os diferentes métodos que você pode usar para analisar e entender os resultados da sua pesquisa. Vamos abordar:

• A regra de ouro das pesquisas

• 5 maneiras de analisar dados quantitativos

• 3 formas de analisar insights qualitativos

• 7 passos para analisar os resultados da pesquisa do zero

• Como evitar tirar conclusões precipitadas

A regra de ouro das pesquisas: comece pelo final

Antes de nos aprofundarmos em como analisar dados de pesquisa, temos que olhar para o panorama geral: embora a compreensão de métricas e estatísticas tradicionais seja útil para analisar os resultados das pesquisas com clientes, a verdadeira chave não é a análise — é o planejamento.

Para obter feedback significativo dos usuários, é necessário fazer as perguntas de pesquisa certas. E para saber quais são as perguntas de pesquisa certas, você deve começar pelo final e estabelecer objetivos claros.

Pergunte a si mesmo:

1. Qual é o único problema que precisamos resolver ou a única pergunta que precisamos responder, acima de tudo?

2. Quais segmentos de clientes podem nos fornecer esse insight?

3. Quando e onde devemos perguntar a eles sobre isso?

4. Que tipo de pesquisa seria melhor para alcançar esse objetivo?

Com uma compreensão clara das informações que precisa, você pode decidir quais perguntas fazer e determinar como conduzir a pesquisa.

Então, depois de coletar dados de pesquisa acionáveis dos segmentos de público-alvo relevantes, o próximo passo é decidir que tipo de análise de pesquisa utilizar.

Aqui, é importante escolher os métodos de análise de acordo com o tipo de perguntas que você fez e o tipo de dados que coletou. Por exemplo:

1. Perguntas fechadas fornecem dados quantitativos (ou seja, dados numéricos) que podem ser analisados com gráficos, tabelas e quadros comparativos. Os entrevistados precisam responder de uma forma específica, como "sim" ou "não", selecionando uma nota de 1 a 5 ou escolhendo entre respostas predeterminadas.

Use perguntas fechadas para medir e comparar o que seus usuários pensam ou sentem sobre um determinado assunto. Os questionários fechados são uma das formas mais eficazes de realizar pesquisas de satisfação do cliente.

2. As perguntas abertas fornecem dados qualitativos (ou seja, dados descritivos, baseados em palavras), para que você possa identificar tendências e organizar as respostas em grupos e categorias. Os entrevistados podem responder da maneira que quiserem, com suas próprias palavras.

Use perguntas abertas quando quiser se aprofundar e descobrir por que os usuários pensam, sentem ou se comportam de certa maneira.

5 maneiras de analisar dados quantitativos

Estes cinco métodos ajudarão você a obter insights valiosos dos dados quantitativos da pesquisa:

1. Faça comparações rápidas para identificar as preferências dos clientes

Se você fizer uma pergunta de múltipla escolha na sua pesquisa, as respostas o ajudarão a identificar preferências específicas dos clientes (ex. quando estiver testando um novo recurso, serviço ou design de produto).

Para analisar dados comparativos, some o número total de respostas para cada opção de múltipla escolha. Em seguida, crie um gráfico de comparação para organizar o número de respostas ou as porcentagens de cada resposta:

Esse tipo de comparação geralmente é mais fácil de entender se for exibido num gráfico de barras ou pizza:

2. Use tabelas e gráficos de tabulação cruzada para comparar resultados de diferentes segmentos de público-alvo

Se você incluir perguntas de pesquisa que permitam categorizar os respondentes por perfil demográfico, poderá ver como diferentes segmentos de público-alvo respondem à mesma pergunta — por exemplo, como as respostas variam de acordo com a faixa etária ou setor.

Para analisar essas respostas, use um gráfico de tabulação cruzada para comparar as respostas de cada segmento:

3. Analise dados de escala usando gráficos de moda, média e barras

Se a sua pesquisa solicitar que os usuários respondam selecionando uma escala, é possível medir a opinião dos clientes sobre tópicos específicos, recursos de produtos ou serviços que você oferece. Esse tipo de pergunta também é uma ótima maneira de entender a experiência do cliente.

Por exemplo, você pode pedir aos respondentes que escolham um número numa escala Likert:

Ou pode usar uma escala mais descritiva:

Em ambos os casos, um dos métodos mais fáceis para analisar dados de pesquisas em escala é criar um gráfico de barras mostrando as taxas de resposta.

Usando um editor de planilhas como o Excel ou o Google Sheets, insira os nomes das respostas numa linha e depois adicione a frequência com que cada uma foi selecionada na linha correspondente acima. Em seguida, você pode criar um gráfico de barras parecido com este abaixo:

Se a sua escala envolver respostas numéricas (ex. uma classificação de 1 a 7), há duas outras maneiras fáceis de analisar os dados:

1. Calcule a moda

A moda representa a resposta mais comum que aparece num conjunto de dados e fornece uma visão rápida de qual classificação na escala os respondentes escolheram com mais frequência.

É possível calcular a moda na planilha com a função de fórmula MODO. Selecione uma célula em branco, digite =MODO na barra de fórmulas e selecione as células que contêm as respostas individuais dos dados da pesquisa.

2. Calcule a média

Você pode calcular a média somando todas as pontuações e dividindo o total pelo número de respostas.

Usar a média fornece um valor que representa a resposta típica, o que é útil se você quiser comparar como as respostas dos clientes à mesma pergunta mudam ao longo do tempo.

Há um certo debate sobre o uso de médias para analisar escalas, mas deixaremos que você decida se esse método funcionará para a análise da sua pesquisa.

4. Calcule seu Net Promoter Score usando uma fórmula simples

Quando você pergunta aos clientes qual a probabilidade de eles recomendarem seu produto ou serviço numa escala de 0 a 10, é possível usar as respostas para calcular seu Net Promoter Score (NPS).

O NPS é representado como um número entre -100 e +100 e é considerado um indicador prático de satisfação do cliente e fidelidade. Porém, o indicador é normalmente calculado com uma metodologia diferente:

Como calcular seu Net Promoter Score

1. Some os promotores (aqueles que responderam 9 e 10).

2. Some os detratores (aqueles que responderam de 0 a 6).

3. Calcule a porcentagem dividindo o número de promotores pelo número total de respostas.

4. Repita o passo 3 para os detratores.

5. Aplique a fórmula do NPS: porcentagem de promotores menos porcentagem de detratores.

Você também pode encontrar sua pontuação usando nossa prática e gratuita calculadora de NPS. Para mais detalhes, leia nosso guia sobre como calcular seu NPS.

5. Use benchmarking para comparar seus dados com médias do setor ou resultados anteriores

Ao analisar dados quantitativos de pesquisas pela primeira vez, pode ser difícil dizer se os números são tão bons ou ruins quanto parecem.

Por exemplo, você pode descobrir que a taxa de conversão da sua landing page é de 12%, o que parece baixo. Mas se você souber que a taxa de conversão média no seu setor é de 8%, na verdade, você está se saindo muito bem (eba!).

Isso é chamado de "benchmarking" e é uma ótima maneira de interpretar seus dados com contexto útil.

Você pode também aprender muito com os dados da sua pesquisa se fizer benchmarking com resultados anteriores.

Por exemplo, se você comparar o seu Net Promoter Score atual com a pontuação de seis meses atrás, em vez de rotular sua pontuação como "boa" ou "ruim", poderá obter uma imagem clara do progresso ao longo do tempo.

3 formas de analisar insights qualitativos

Os dados qualitativos costumam ser mais úteis quando usados para apoiar e explicar dados quantitativos.

Confira três formas fáceis de analisar insights de dados brutos das pesquisas qualitativas:

1. Crie representações visuais dos dados da pesquisa

Os dados qualitativos das pesquisas geralmente envolvem centenas ou milhares de respostas diferentes (nós sentimos a sua dor).

Uma ótima maneira de processar essas informações é a visualização de dados: por exemplo, você pode gerar uma nuvem de palavras dos termos que aparecem com frequência nas respostas. Embora as nuvens de palavras não forneçam necessariamente uma resposta definitiva para uma pergunta, elas podem ser um ótimo ponto de partida para discussão.

2. Leia respostas individuais para descobrir insights ocultos e moldar seu produto e mensagens

A análise de dados qualitativos não se resume a identificar tendências: serve também para descobrir as motivações, objeções e desejos que seu público-alvo não quer (ou não pode) dizer diretamente.

Sarah Doody, autora do UX Notebook, usou dados qualitativos para definir as mensagens dos seus cursos de user experience (UX):

"Uma pergunta que gosto de fazer é a seguinte: 'Antes de fazer este curso, os maiores desafios que eu enfrentava eram __________,' ou 'o que estava me impedindo era ___________.'"

Ao fazer perguntas como essas, é provável que você receba muitas respostas diferentes. Isso pode parecer desafiador, mas reservar um tempo para ler cada resposta pode fornecer uma compreensão mais profunda do que seu público realmente espera do seu produto.

3. Transforme insights qualitativos em dados quantitativos

Se tiver dados de pesquisa qualitativa suficientes, poderá classificar as respostas em categorias e usá-las para criar gráficos, tabelas e quadros. Para aprender como fazer isso, leia nosso guia sobre como analisar perguntas abertas passo a passo.

Aqui estão os cinco passos de forma resumida:

1. Adicione suas respostas a uma planilha.

2. Procure maneiras de categorizar as respostas individuais.

3. Atribua cada resposta a uma categoria.

4. Organize os dados da pesquisa por categorias.

5. Represente seus dados visualmente.

7 passos para analisar os resultados da pesquisa do zero

1. Estabeleça os objetivos da análise

Comece decidindo quais são as principais questões que você deseja responder com os dados da pesquisa. Isso ajudará você a determinar quais pontos de dados devem ser analisados e em que ordem.

2. Remova quaisquer dados incompletos ou não confiáveis

Se o seu questionário tiver várias perguntas, é possível que os respondentes pulem algumas delas ou deixem campos em branco.

Isso nem sempre é um problema, mas se estiver tentando comparar como os respondentes diferem nas respostas a várias perguntas, as respostas incompletas podem distorcer seus resultados. Nesse caso, é melhor remover respostas incompletas.

3. Procure tendências nos dados quantitativos

Comece examinando os dados quantitativos que mais se aproximam dos seus objetivos de análise estatística.

Por exemplo, imagine que você tenha um produto SaaS e queira entender por que mais usuários não estão assinando um plano pago após concluir o teste gratuito. Para descobrir isso, você pode pedir aos usuários do teste gratuito que avaliem a utilidade do produto.

Agora, imagine que os dados da pesquisa mostrem que 70% desses usuários consideraram o produto útil. Sua conclusão pode ser que o produto não é o motivo pelo qual os usuários do teste não estão assinando.

Procurar tendências dessa forma permite que você identifique o problema por meio de um processo de eliminação.

4. Verifique se os seus resultados são estatisticamente significativos

Tirar conclusões significativas dos dados quantitativos da pesquisa pode ser complicado. Os dados frequentemente sofrem de "ruído", pois as pessoas às vezes cometem erros ao digitar as respostas.

Se você tiver apenas algumas respostas, esse "ruído" terá uma margem de erro que afetará ainda mais os resultados da pesquisa. Quanto menos dados você tiver, menor será a probabilidade de suas descobertas terem significância estatística.

Use nossa calculadora de tamanho de amostra para verificar se o seu conjunto de dados é grande o suficiente para confiar na validade dos insights que você está encontrando e certifique-se de que não está tirando conclusões precipitadas com base nos seus dados, presumindo que correlação implica causalidade.

5. Compare seus dados quantitativos com benchmarks anteriores

Sempre que possível, tente obter um quadro de referência para interpretar seus dados. A análise de dados históricos pode ajudá-lo a entender as tendências identificadas.

Vamos voltar ao exemplo de uma empresa SaaS que está tentando entender por que os usuários do teste gratuito não estão assinando um plano pago:

Sua empresa poderia comparar os resultados com benchmarks de uma pesquisa semelhante realizada no ano anterior.

Agora, vamos imaginar que os usuários do teste considerem o produto mais útil no ano atual do que no ano passado, mas as assinaturas pagas ainda não aumentaram. Isso pode indicar que você precisa focar na otimização de outros fatores — como customer experience (CX) ou preço — em vez de continuar a desenvolver o produto.

6. Use dados qualitativos para apoiar e explicar descobertas dos dados quantitativos

Usar dados quantitativos e qualitativos juntos pode ajudá-lo a criar um panorama completo do que está acontecendo — e do que os clientes esperam do seu produto.

Enquanto a análise de dados quantitativos costuma apontar tendências e preferências do público, a análise de dados qualitativos pode revelar o porquê por trás disso.

Vamos aplicar isso à mesma empresa SaaS que deseja saber por que os usuários do teste gratuito não estão se tornando usuários pagos:

Ao fazer uma pergunta fechada, você identificou que 70% dos usuários do teste consideraram o produto útil, o que indica que o problema provavelmente não está no produto em si.

Se você também fizesse uma pergunta aberta, como "O que está impedindo você de assinar nosso plano pago?", poderia analisar as respostas e descobrir que os usuários da versão de teste se queixam do preço.

7. Apresente suas descobertas aos colegas

Após coletar insights acionáveis dos dados da pesquisa, é hora de compartilhar as descobertas com sua equipe.

Se for fazer isso numa reunião, lembre-se de que pode ser difícil para as pessoas digerirem números brutos rapidamente. Nesses casos, é melhor apresentar suas descobertas de forma concisa com tabelas, gráficos ou infográficos.

Entretanto, se estiver criando um relatório mais detalhado que seus colegas possam ler no seu próprio tempo, você pode incluir algumas análises mais aprofundadas dos números.

Criando uma narrativa útil

Quer esteja fazendo uma apresentação visual ou um relatório detalhado, tente criar uma narrativa em torno da análise da sua pesquisa. Leve os membros da sua equipe pela mesma jornada que você percorreu para chegar às suas conclusões (mas sinta-se à vontade para ignorar análises que não foram úteis ou conclusivas).

Comece declarando seus objetivos e o que o levou a realizar uma pesquisa. Na sequência, apresente seus conjuntos de dados numa ordem que dê suporte às suas análises.

No exemplo da empresa SaaS, você:

• Identificou uma tendência importante com dados quantitativos.

• Usou o benchmarking histórico para eliminar uma possível explicação para a tendência.

• Analisou os dados qualitativos da pesquisa para identificar o preço como outra possível explicação.

• Aproveitou outros dados (de mapas de calor e gravações de sessões) para ligar os pontos e verificar ainda mais suas descobertas.

Como evitar tirar conclusões precipitadas

Um erro comum ao analisar pesquisas é tirar conclusões precipitadas sobre o que causa uma determinada tendência. Aqueles que têm mais experiência em estatística costumam se referir a esse erro como "confundircorrelação com causalidade".

Por exemplo, imagine que você esteja coletando dados sobre por que os restaurantes fecham as portas. Seus dados podem revelar que, surpreendentemente, todos os restaurantes que fracassaram usavam talheres.

Você tem dois dados aqui:

1. O número de restaurantes que fracassaram.

2. O número de restaurantes que usam talheres.

Quando você coloca esses dois conjuntos de dados juntos num gráfico, ele mostra que 100% dos restaurantes que fracassaram usavam talheres — logo, os conjuntos de dados parecem ter relação (ou seja, estão correlacionados).

Mas não faz sentido argumentar que os talheres estão causando o fracasso dos restaurantes.

Ou seja, embora os dois dados estejam correlacionados, isso não significa que um cause o outro.

Evitando o erro de "correlação vs causalidade" na sua análise

Certifique-se de não tirar conclusões precipitadas com suas análises. Leve em consideração todos os fatores que possam influenciar as tendências e use dados qualitativos para descobrir fatores que você ainda não havia pensado. Além disso, desafie as suposições procurando dados que as refutem.

Por exemplo, imagine que seu benchmarking mostre o seguinte:

• A satisfação do cliente com seu produto diminuiu desde o ano passado.

• Sua empresa atualizou os recursos do produto no ano passado e, portanto, você conclui que as atualizações causaram a queda na satisfação do cliente.

Aí está o erro.

Mesmo que os dois fatores — satisfação do cliente e recursos do produto — tenham mudado ao mesmo tempo, isso não significa necessariamente que um tenha causado o outro. Pode ser que a satisfação do cliente tenha sido afetada por problemas de suporte ao cliente, velocidade de carregamento do site ou outros fatores diferentes (que podem não ter tido nada a ver com as atualizações do produto).

Use web analytics e ferramentas de análise do comportamento para investigar e entender o que está acontecendo no seu site para evitar agir com base em suposições e descobrir o motivo real da queda na satisfação do cliente.

Considerações finais

A análise de dados de pesquisa ajuda a entender o comportamento do cliente e a acompanhar o desempenho da sua empresa, mas trabalhar com grandes quantidades de dados pode rapidamente se tornar uma tarefa árdua.

Mantenha as coisas simples e lembre-se desta dicas finais:

• Elabore suas pesquisas com objetivos claros e simples desde o início.

• Use dados quantitativos para identificar tendências iniciais e depois dados qualitativos para buscar explicações mais detalhadas.

• Certifique-se de que suas conclusões sejam válidas usando benchmarks, verificando se o tamanho da amostra é grande o suficiente e considerando a correlação vs causalidade.