Saber o que os seus usuários estão fazendo por trás da telinha do seu produto é o sonho de todos os produteiros. Passamos horas matutando para encontrar quais são as suas dificuldades, barreiras e comportamentos. Ou seja, descobrir os seus problemas!
Problema de usuário é a pedra angular de gestão de produtos. É nela que identificamos algo que está impedindo a sua empresa de crescer, e ao resolver esse problema, você entrega valor ao usuário e ao negócio. Ou seja, temos sede de resolução, vontade de descobrimento, apetite pela definição. Porém, temos também que compreender quais ferramentas devemos usar e em qual momento.
A interpretação e análise de comportamentos de usuários dentro do seu produto é uma tarefa relativamente simples quando temos uma boa instrumentação, documentação e revisão dos eventos responsáveis por identificar as ações dos usuários.
Sem isso, é impossível.
“Ah, mas eu faço testes de usabilidade e vejo o Hotjar”. Ótimo, você está usando uma ferramenta bem específica e caracterizando um comportamento bem individualizado. Aqui estamos falando de comportamentos massivos. Que atire a primeira pedra o Product Manager e o Product Designer que nunca tiveram resultados diferentes em produção daquele que tivemos na entrevista e teste de usabilidade.
Logo, estou partindo da premissa que você possui um seu ferramental mais bem construído possível. Não precisa estar perfeito, no estado da arte. Basta funcionar e ser o adequado para que você consiga interpretar os resultados, como Mixpanel e Amplitude. A própria instrumentação e taxonomia de eventos é uma treta por si só. Isso rende vários artigos.
Mas, vamos lá. Como eu consigo garantir que a minha interpretação dos resultados está correta?
Toda análise começa com um problema bem definido
Otimização faz parte da vida de um gerente de produto. Queremos entregar valor o mais rápido e simples possível. É nisso que atuamos em algo que é muito comum em qualquer produto: usuários sempre cumprem algum fluxo de processo. Ou seja, sempre é um passo após o outro em uma série de passos que, ao completá-los, entrega o valor necessário para o seu cliente e negócio.
Por exemplo, quando você vai fazer um pix no Nubank os passos são:
Logar no app → clicar na área pix → transferir → Escolher o valor da transferência → Escolher para quem você vai transferir → Escolher como vai transferir → inserir senha → confirmar transferência → compartilhar comprovante.
Veja que um processo tão corriqueiro e que julgamos como simples, ainda tem muitos passos para entregar o valor. E, normalmente, é aí que você vai ter que otimizar.
É muito tentador olhar para um fluxo e imediatamente começar a pensar em soluções. Porém, isso normalmente acaba em soluções rasas que se traduzem basicamente em escovadas de pixel.
Por exemplo, você é responsável por um funil de ativação e atualmente possui uma quebra de 40% em uma das suas etapas. É muito comum já partir para as proposições de hipóteses e soluções delas. Já inicia com um ajuste de copy ou na retirada de tela sem ao menos pensar nos porquês. É impressionante o quanto o nosso cérebro é bom em fazer isso naturalmente.
Porém, o fato é que as melhores soluções, que mais impactam e geram os melhores aprendizados, vêm de problemas de usuários claros e bem definidos. Logo, é muito importante entender os seus maiores componentes:
- O quê: descrição do problema do usuário;
- Quem: identificação dos segmentos que são afetados primariamente;
- Quando: determinação de onde o problema tem um impacto negativo no modelo de crescimento da empresa;
- Porquês: descrição de qual acreditamos que seja a causa do problema e suas alternativas.
Nesse momento, não queremos respostas exatas ou profundas. Queremos um direcional que gere algum tipo de sinal que esse problema de fato é algo que vale a pena perseguirmos e nos revele o que de fato não sabemos.
No entanto, atente-se: um dos pontos mais importantes dessa análise é o “quando”. Pois um dos maiores erros que fazemos é resolver problemas de usuários que correm independentes de problemas de negócio.
Claro que o exemplo que eu trouxe se conecta direto com um problema de crescimento de negócio (a ativação de novos clientes). Mas, se o seu problema não se conecta com um problema de negócio, no fim você está desperdiçando dinheiro e você não tem uma oportunidade de fato.
Como garantir bons insights pelos dados de comportamento
Quando começamos uma avaliação de oportunidade via insight de dados, a abordagem para construir as nossas suposições é um pouco diferente de quando começamos por aspectos qualitativos que provém de entrevistas de usuários, por exemplo. Nesses casos nós não conseguimos definir algumas informações logo de cara.
Essa parte é muito importante: quando vemos um impacto nos dados, nós não conseguimos amarrar com um comportamento do usuário. E não estou falando de comportamento do tipo “usuários não colocam o telefone no formulário de inscrição”, mas sim no aspecto comportamental que gerou a observação, qual é a verdadeira intenção e motivação do usuário para completar um fluxo, pois é isso que vai garantir o resultado.
Até pareço um neurocientista ao falar isso. Porém, ao compreender um específico comportamento nós não conseguimos definir se ele é acionável ou consertável, se provém de resultado de menores problemas ou se resolvível através da solução de um problema ainda maior.
Ou seja, o dado só vai te dar o “quando” primordialmente. E é sua responsabilidade garantir as respostas de “o que”, “quem” e “porque”.
Isso também passa por evitar conclusões precipitadas ou equivocadas, é importante interpretar os dados com contexto. Isso significa considerar não apenas os dados brutos, mas também outros fatores externos que possam influenciar o comportamento dos usuários, como mudanças no mercado ou lançamento de produtos concorrentes.
Pois o problema que o usuário precisa fazer é muito diferente da intenção que ele tem para resolver pelo seu produto.
Problemas ou necessidades estão no alto nível de comportamento e são muito difíceis de mudar, enquanto intenção e motivação são mais específicos, tangíveis e podem mudar constantemente ao longo de qualquer etapa de sua jornada. Por isso que os “porquês” são aquilo que fazem a diferença.
Passo a passo da compreensão da intenção do usuário para otimização da conversão
- Determine o fluxo de processo e a métrica de conversão a ser otimizada;
- Garanta a disponibilidade de dados, visualização e instrumentação auditada e completa;
- Traga todas as pessoas que possam ter conhecimento sobre a jornada e os pontos de conta com o usuário;
- Determine o processo de experimentação;
- Identifique, registre e priorize as oportunidades;
- Entregue valor em produção como louco.
Tem um ponto importante aqui, nenhum desses passos podem ser vistos como um impedimento para você entregar valor como um louco. Use o seu julgamento para cada caso e continue evoluindo o processo quando necessário.
Procure sempre causar um grande impacto com a otimização
Aqui tenho que trazer uma premissa importante. Existem, principalmente, 2 resultados que podem sair de análises de comportamentos de usuários.
- Uma descoberta revolucionária que vai mudar o caminho do seu produto;
- Uma otimização local que facilita o acesso ao valor do produto.
E vamos ser realistas aqui: em 99% das vezes, no contexto da sua squad, você vai atuar em uma otimização local. Não que otimizações locais não tragam resultados impactantes, às vezes entregam uma relação de resultados por incerteza até mais confortável. Mas, não podemos nos iludir que vamos encontrar uma pepita de ouro somente com análises de comportamentos dos usuários.
Quando eu trabalhava em aquisição, no processo de abertura de conta na Conta Simples, isso ficava muito óbvio.
Para quem não conhece, o processo de abertura de uma conta bancária para pessoa jurídica é um B.O sem tamanho, muito chato! São vários documentos e informações que devem ser compartilhadas pelos clientes. Então nós trabalhávamos muito em otimizações locais como:
- Garantia de automatização de dados;
- Redução ao máximo de telas e inputs.
Com isso, conseguimos subir a conversão de lead para conta aberta de 35% para 70%. Dobramos o resultado só identificando essas quebras (quando), segmentando quem tinham esses problemas, o que era o problema e por que eles o tinham.
Outro exemplo que podemos abordar aqui é como a Coinbase implementou o Open Baking para facilitar depósito dos clientes.
Para quem já trabalhou em fintech que demanda transação de saldo, sabe que uma das maiores perdas de funil na jornada de ativação é a dificuldade em fazer o primeiro depósito. Hoje em dia tem que criar a chave PIX, ir em outro aplicativo, fazer todo o processo de transferência e esperar cair na sua nova conta.
Isso que hoje em dia temos o PIX, antigamente tínhamos somente o TED. Imagina esperar mais de uma hora para o seu dinheiro cair? Não faz muito tempo, mas parece papo de internet discada.
O que a Coinbase foi fazer com que os usuários do Reino Unido pudessem vincular sua conta bancária diretamente à Coinbase para fazer depósitos na sua conta usando a tecnologia Open Banking.
Não é nada revolucionário, é uma tecnologia já existente, uma otimização local. Porém é uma funcionalidade muito impactante para otimizar o fluxo de conversão de depósitos.
Conclusão
Para aplicar uma otimização de conversão, só existe uma maneira de saber de verdade se a sua análise de comportamento e intenção dos usuários está correta: código em produção e resultado na mesa!
Somente com experimentos conseguimos traçar uma causalidade entre a situação de negócio que temos em mãos e o comportamento e intenção do usuário que a está causando. Testes, entrevistas, pesquisas, Discovery, ajudam? Com certeza, como ferramentas e sinais de diminuição de incerteza. Porém, só temos certeza quando o usuário se utilizar da sua proposta no seu dia a dia.
Ou seja, não se engane que ter a melhor documentação, instrumentação ou visualização de dados vai te fazer entregar resultado de negócio. De fato, essas técnicas e ferramentas servem muito bem para garantir uma maior assertividade.
Mas, não deixe se travar quando o risco for baixo e a certeza já for grande. Eu tenho a seguinte regra: entrega valor para o usuário e o risco de implementação é baixo? Então bola para frente.
Leia também:
