Que mundo de pesquisa é bem abrangente, isso a gente já sabe. Para muito além da divisão entre pesquisa qualitativa e quantitativa, existe um mundo de possibilidades em cada uma delas e entre elas que ajudam a entender melhor a(s) experiência(s) do(s) usuário(s).
O texto de hoje visa investigar um pouco essa complexidade, com um foco em análises quantitativas de banco de dados internos e algumas dicas sobre como o uso desses dados pode ser tão enriquecedor na hora de pesquisar.
Se sua empresa lida com produtos e serviços digitais ou que permitem o tracking do comportamento do usuário - seja por meio de cadastro no site, seja por meio de serviços de entrega - está na hora de conhecer a ti mesmo. E, saber manusear bancos de dados pode te ajudar muito nesse processo!
“Conhecer a ti mesmo”, nesse caso, pode significar muitas coisas, mas no final significa entender melhor o seus usuários ao usar dos dados cadastrais para mapear comportamentos e segmentar o seu público.
A partir desse mapeamento, que pode iniciar por compreender o mapa sociodemográfico do seu público (gênero, cidade, idade - vai variar o tipo de dado que você terá acesso dependendo do ramo de cada negócio, claro), você começa a ter uma ideia do retrato de consumo desse usuário.
Ao analisar bancos internos da sua empresa, existem infinitas possibilidades de informações que você pode descobrir sobre seu usuário que estarão limitadas apenas pelo nível de robustez e tipos de dados que são coletados dos usuários.
A seguir apresento 3 maneiras/situações onde usar banco de dados auxilia no processo de pesquisa e da construção de perfis de consumo (para além de dados sociodemográficos que você já terá incluído na sua análise). Ao final apresento um motivo mais negocial para o justificar o uso de banco de dados interno.
Um dos dados que podemos analisar pelo banco de dados é a frequência de visualização ou de uso daquele produto. A partir de uma análise sobre a frequência de uso você pode determinar se esse é um cliente mais ou menos frequente, e o que isso pode significar.
!!! Cuidado para não assumir que um cliente que usa mais frequentemente necessariamente é um cliente mais fiel!!!.
Essa correlação nem sempre é verdadeira. No caso de empresas financeiras como fintechs, pode ser que seu cliente use menos porque na verdade o limite dele no seu cartão de crédito já acabou…
Além de entender a frequência que o seu usuário usa ou visualiza um produto, dados internos como o tipo de uso podem ajudar a entender para quais fins ele ou ela usam o seu produto. No caso de um site de e-commerce como a Amazon, por exemplo, categorizar o tipo de compras, paralelamente à frequência em que elas ocorrem, pode ajudar a entender qual é o perfil desse cliente e analisar se existem clusters ou padrões dentro do seu público consumidor.
Aqui também podem estar incluídos a quantidade de compras, ticket médio, etc. São todos dados que podem virar informações e ajudar times de produto e marketing a diagnosticar momentos (meses) bons para campanhas e maneiras de apresentar ofertas personalizadas para cada usuário.
Quando você elabora uma survey, existem dados que não precisam estar na survey porque você já sabe a resposta - isto é, são dados que você consegue observar pelo comportamento do usuário ao consumir seu produto. Nesse caso, uma análise pós survey dos dados colhidos via questionário com os dados internos que você já sabe daquele usuário é muito bem vinda.
Além de enriquecer as informações coletadas na própria survey e poder dar maior estrutura para tirar insights da survey, você pode cruzar as respostas com os dados internos e, quando sua amostra for representativa do universo de usuários daquele perfil, você consegue fazer inferências para o restante da base interna sem precisar mandar uma survey para 100% do público consumidor. Tais inferências não significam que você encontrará apenas um padrão de comportamento dentro desse perfil. Na verdade o legal é exatamente que você pode se deparar com vários comportamentos distintos, e a partir daí segmentar um perfil em subperfis.
Após essa fase, uma investigação com entrevistas de profundidade com cada subperfil, dependendo do objetivo da pesquisa, seria a cereja no bolo!
Querendo ou não, fazer pesquisa custa dinheiro. Ao fazer entrevistas de profundidade ou grupo focal, por exemplo, temos que pensar na bonificação dos nossos clientes. Ou quando fazemos questionários, temos que pensar no gasto com a plataforma que nossa empresa usa, e que muitas vezes cobra por quantidade de formulários preenchidos.
Claro que analisar bancos de dados internos também envolve gastos financeiros - seja com plataforma de visualização, ou até mesmo com a mão de obra de cientistas de dados e engenheiros de dados que estão cotidianamente lidando com a cultura desses dados na empresa. Porém, muitas vezes esse mundo parece distante dos pesquisadores, UX Researchers ou UX Designers, e acaba que por diversas razões pode ser que a pessoa envolvida na pesquisa não tenha interface com esses dados que já estão ali sendo utilizados em outras áreas da empresa, nem que seja apenas o seu armazenamento em uma biblioteca.
Por isso, caso você não tenha muitos recursos para iniciar uma pesquisa, estruturar o research planning inicialmente a partir de uma análise de banco de dados pode ajudar você já entrar na fase de campo com maior conhecimento sobre seus usuários e talvez já te ajude a poupar bastante dinheiro na hora da pesquisa.
Obviamente, há de se lembrar que o mundo de pesquisa e contexto de cada empresa e objetivo é distinto, e nem sempre uma análise de banco de dados será o suficiente ou conseguirá responder sua pergunta inicial. Mas saber que os dados brutos estão ali e que você pode acessá-los e manuseá-los para fins de pesquisa pode abrir um universo de possibilidades para seu time de pesquisa e empresa.