Construindo um repositório de aprendizados em UX Research
Como nos inspiramos em Atomic Research e na plataforma de insights da Uber para criar nosso próprio repositório de pesquisa e discovery
por Barbara Wr e Íris do Carmo, do time da Senso
Não é segredo para aqueles que habitam o universo do UX que o processo de análise e organização dos dados coletados em pesquisa pode ser um tanto desafiador, principalmente quando efetuamos pesquisas holísticas, que contam com diversos pesquisadores, perfis de usuários e processos de alta complexidade. Esse é o caso do projeto Tec X — Discovery OFF Trade da Ambev. OFF Trade é o segmento da Ambev que atende às redes de supermercados e que ganhou ainda mais relevância no contexto da pandemia do novo coronavírus.
Com esse crescimento foi preciso olharmos não apenas a relação da Ambev com as redes, mas também mapear os processos e pessoas que atuam nos serviços de venda, execução, precificação e pagamento junto a elas. Com uma enorme gama de informações sendo coletadas em diferentes momentos e por pessoas distintas, através de métodos como entrevistas contextuais, workshops, testes de usabilidade, desk research e afins, nasceu a necessidade de gerar um repositório de pesquisa. Além de mapear as personas, jornadas, dores e oportunidades, nosso escopo de trabalho inclui a entrega de toda essa informação para diferentes stakeholders de jornada e produtos que atuam dentro da companhia. A ideia é que os aprendizados de pesquisa possam ir além das apresentações e tenham valor no dia a dia das pessoas.
Para atendermos a essa demanda e termos agilidade na construção dos recortes pertinentes a cada frente de negócio, decidimos explorar o que vinha sendo falado e feito na comunidade de UX acerca de métodos e ferramentas de organização de insights. A primeira etapa foi interna, com algumas conversas e troca de conhecimento sobre métodos e ferramentas. Nessas conversas uma metodologia se destacou inicialmente, servindo como nosso ponto de partida: Atomic Research.
Atomic Research para organizar e sistematizar os achados de pesquisa
O Atomic Research, inspirado no Atomic Design, traz uma forma diferente de estruturação e tagueamento do que é aprendido e coletado nas etapas de pesquisa de UX. Ou seja, em vez de desenvolvermos uma análise de pesquisa de um montante de entrevistas, nós catalogamos esses insights e atrelamos propriedades que permitem filtrar, buscar e combinar as informações, gerando recortes que podem ser endereçados para diferentes frentes em diferentes momentos. Além do Atomic, demos uma passada por ResearchOps, pelo Polaris (um repositório criado pelo Tomer Sharon dentro do AirTable) e diversas outras ferramentas e casos.
Durante essa etapa, uma coisa ficou clara: o tema do repositório de pesquisa hoje é ainda bastante polêmico no universo de UX, uma vez que não há uma solução pronta e universalmente aplicável. Nos últimos anos, vemos o surgimento de algumas propostas inovadoras que lidam com dados e pesquisas complexas. É o caso da proposta desenvolvida pela UX Researcher da Uber, Etienne Fang, e que usamos como referência para projetar o nosso repositório voltado à pesquisa discovery no âmbito do time de TecX do OFF Trade da Ambev.
Etienne Fang e a sua plataforma de insights chamada “Kaleidoscope”
Na Uber, a necessidade de ter um repositório surgiu da percepção de que havia muitos times trabalhando em pesquisa, mas sem ter como compartilhar os insights para gerar impacto na companhia. Etienne conta que a plataforma foi criada movida pelo desejo de compartilhar os aprendizados para informar as tomadas de decisão da Uber, apoiar priorizações e desenvolver estratégias de longo prazo.
Like a kaleidoscope our new insights platform allows teams to come together to create a macro-view that takes into account varying sources and perspectives. It’s through seeing and making sense from these changing patterns that we can perceive new images and pursue new possibilities.”
- Etienne Fang
Outra característica que chamou atenção é que a plataforma foi pensada tanto para quem produz insights (pesquisadores dentro dos diversos times que geram aprendizados a partir de fontes diversas) como para quem consome os insights (que os utilizam para aprender ou tomar decisões). A proposta, portanto, não é a criação simplesmente de um banco de dados, mas de um repositório de insights — que nós nomeamos aqui no texto de “aprendizados”.
Taxonomia para organizar os achados de pesquisa de forma dinâmica
“Taxonomia” é o modo como traçamos classificações — de coisas, ideias, propriedades — criando um sistema classificatório. No caso de um repositório de pesquisa, ela permite a organização, a padronização e o cruzamento dos achados de pesquisa de forma inteligente e dinâmica. A taxonomia proposta pela plataforma da Uber consiste em redigir os aprendizados (e padronizá-los) utilizando as seguintes categorias: quem, onde, o quê e o porquê.
Em outras palavras, o aprendizado é representado através de uma frase sintetizando aquilo que foi aprendido. Ela deve ser redigida seguindo a seguinte estrutura:
a. A categoria “quem” descreve o usuário/tipo de usuário.
b. A categoria “onde” descreve a etapa na jornada.
c. A categoria “o quê” descreve o comportamento, a ocorrência ou situação.
d. A categoria “porquê” explica as razões para determinado comportamento ou situação. Segundo Fang, essa é a parte mais negligenciada na comunicação dos insights.
Exemplo de aplicação:
Além da frase em si, é necessário indicar as evidências que servem de embasamento ao insight, assim como sinalizar possíveis oportunidades (ações recomendadas).
Como adaptamos isso para o contexto do OFF Trade Ambev
Encontramos muitas similaridades entre os objetivos de Fang e os nossos. Assim como ela, também tínhamos a intenção de unificar os aprendizados de pesquisa em um só lugar, facilitar o acesso às informações entre os diversos times e apoiar a tomada de decisões estratégicas. Tudo isso tendo como fundamento principal os dados coletados nas pesquisas com usuários/as. No caso do nosso projeto, os usuários podem ser divididos em dois grandes grupos: colaboradores do OFF Trade Ambev e os compradores das redes varejistas.
No painel de pesquisa que desenvolvemos, o aprendizado é também composto por uma frase sintetizando aquilo que foi aprendido, seguindo a estrutura quem + onde + o quê + porquê (uma observação importante: a ordem das categorias na frase não precisa ser linear). No entanto, se na plataforma de insights da Uber o usuário é localizado em termos geográficos, utilizamos a categoria “onde” para descrever a etapa na jornada do usuário e também a ferramenta associada a essa ação/etapa.
Chegamos à seguinte estrutura:
Seguimos com a estrutura proposta por Fang, adaptando-a para o universo pesquisado. Além dessa estrutura, criamos subcategorias para organizar os aprendizados e classificá-los de forma mais granular. Isso permite traçar relações entre eles de forma dinâmica, a depender dos interesses de quem irá consumir os aprendizados.
Para identificar o usuário com mais profundidade, criamos diversas categorizações, como segmento (interno ou externo), time (trade, vendas, preços) e regionais (NO, SP, etc). Essas categorizações, que possuem o mesmo comportamento dos tagueamentos, nos permitem filtrar e buscar essas informações dentro da plataforma de forma customizável.
Junto à frase que sintetiza o aprendizado, acoplamos as evidências que servem de suporte: trechos de entrevistas com usuários, boards do Miro (ferramenta colaborativa que utilizamos em workshops remotos e para compilação de dados de pesquisa) e etc. Também criamos a categoria “descoberto em” para indicar a metodologia e fonte utilizada para embasar aquele aprendizado (por exemplo: entrevista, workshop, desk research etc). Além disso, classificamos o aprendizado em três tipos: dores, informativo e oportunidade.
Com a taxonomia e as propriedades delineadas, começamos a popular a plataforma Notion (que já usamos para organização interna da Sensorama e dos projetos) no intuito de testar as funcionalidades da plataforma. O Notion é descrito por seus idealizadores como um espaço de trabalho completo para anotações, gerenciamento de projetos e gerenciamento de tarefas. No entanto, estamos vendo cada vez mais potencial para a organização de nossos aprendizados e entregas de recortes de pesquisa de forma online e com uma visualização de fácil compreensão.
Além dos dados de pesquisa, foi possível construir um grande Painel de Discovery. Além de diversas visualizações dos aprendizados, traz também uma galeria de workshops, com agendas e entregáveis, páginas de personas, times, glossários, materiais fornecidos pelo cliente e uma área que gera recortes automáticos através de filtros e visualizações pré-definidas de nossa base total aprendizados.
No momento estamos refinando e construindo o guia de uso do painel, que passará por uma validação inicial com os designers e pesquisadores dos Squads para que também possam popular e refinar a ferramenta. Posteriormente, o acesso será liberado para os stakeholders consumirem as informações dentro de seus recortes.
O projeto ainda está em andamento, então conta aí para a gente como você organiza os seus aprendizados? Em breve retornaremos com mais detalhes sobre a organização dentro da ferramenta e como ela tem nos ajudado no projeto.
Se quiser ler mais sobre a plataforma de insights da Uber, recomendamos o texto de Etienne Fang, The Power of Insights: A behind-the-scenes look at the new insights platform at Uber.
*This article is also available in English. Follow this link and check it out. :)
