Tipos de métricas

Cover Foto Padrão

Quais métricas vamos perseguir? Quais ferramentas vamos utilizar para coleta? E como vamos usar esses dados para tomada de decisão?

Todas essas questões levantadas dependem da nossa compreensão sobre para o que estamos olhando. Tratar dados como uma grande massa de informação traz muito mais complexidade para uma aplicação consistente desses recursos.

A verdade é que precisamos parar de olhar para os dados tentando a partir dele encontrar as perguntas a serem respondidas. Para isso nós precisamos fazer o que fazemos de melhor: classificar e categorizar.

Nós estamos a todo momento organizando e classificando informações para que seja mais fácil compreendermos o tanto de informação que explode no mundo a nossa volta. Se não fosse por essa nossa capacidade não conseguiríamos criar tantos sistemas e modelos complexos.

Para facilitar a forma como trabalhamos com dados eu criei algumas classificações que me ajudam a entender de acordo com o momento do projeto o tipo de dado que eu preciso trabalhar. A ideia dessa publicação é justamente compartilhar essas definições com você.

As categorias de métricas

1) Métricas do produto: o PM, P.O ou o patrocinador do produto são os principais aliados e interessados por estas métricas. Elas estão altamente vinculadas aos indicadores de sucesso e de desempenho do produto, do ponto de vista do negócio, ou seja, de dentro para fora.

2) Métricas de satisfação: são métricas que estão diretamente associada aos nossos aliados de CX. Elas avaliam o índice de satisfação e o esforço requerido dos seus clientes ao tentarem realizar seus objetivos a partir dos seus produtos e serviços.

3) Métricas de experiência: aqui os designers deveriam ter mais autonomia, estas métricas se referem a maneira como as partes do seu produto estão estruturadas e como as pessoas interagem a partir delas, evidenciando oportunidades de inovação e melhoria, além de pontos de fricção.

As classificações

Qualitativo

Muito do valor dos dados qualitativos depende de nossa capacidade classificar, categorizar e sintetizar informações. Ela está embasada fortemente na observação e identificação de padrões. Algumas vezes, isso consome bastante tempo, porque requer uma análise de dados individual, como por exemplo, ler comentários abertos no final de um fluxo do seu produto, mas esta é uma das minhas partes favoritas e garanto a você que trazem grande valor.

As análises qualitativas podem ser aplicadas a partir de duas categorias principais: arqueológica e estimulada.

Arqueológica: se refere ao consumo de informações relacionadas a eventos que já aconteceram. Basicamente, são informações obtidas a partir da análise de tickets de atendimento, do acompanhamento de ligações telefônicas, das reclamações em portais como o reclame aqui, da observação de comentários em redes sociais, das avaliações e comentários em produtos no seu e-commerce ou de qualquer outra fonte onde o cliente possam expressar suas opiniões.

Estimulada: são análises obtidas a partir do estímulo ao uso observado ou a uma coleta ativa da percepção das pessoas. Podem estar associadas com ligações diretas, envios de e-mail para coleta de opinião, a partir de enquetes, observação em testes de usabilidade e talvez o mais desejado, o acompanhamento in-loco para compreensão da rotina dos clientes e de como o seu produto está inserido em suas vidas,

Quantitativo

Os dados quantitativos estão associados tanto a nossa autonomia e acesso às fontes de dados da organização, como ao nível de proximidade que temos com as equipes de analitycs e B.I (Business Intelligence). Eu gosto de olhar para dados quantitativos a partir de três diferentes perspectivas:

Base: são métricas que podem ser coletadas em todo ou na maior parte do seu produto. Muitas vezes, são métricas que podem ser obtidas a nativamente a partir de principais ferramentas do mercado. Exemplos: quantidade de acessos, taxa de rejeição, tempo de permanência e etc…

Comportamento: Se referem a percepção de como as pessoas estão utilizando seu produto. A forma como navegam, interagem, manuseiam seu produto, quais os fluxos utilizados e componentes mais clicados. Aqui tenho dados quantitativos e qualitativos. Exemplos: posso ter uma visão macro dos componentes mais utilizados através de um screen-recording (gravação de tela) e complementar a isso com um “taguemento” por segmento do meu público que quantifica os cliques nestes componentes, vinculando os cliques a um dado de conversão no final do funil.

Desempenho: são métricas associadas ao desempenho do seu produto, tanto no sentido de conversão, como aprovação da proposta de valor entregue. Esse grupo de métricas comument é quebrado em categorias de desempenho de acordo com o momento de relacionamento do cliente com a empresa ou até como a companhia se organiza: Aquisição, Engajamento, Retenção. Exemplos: Taxa de conversão, novos cadastros, novos cadastros, churn, aceitar o recebimento de notificações e taxa de recorrência de compra.

Perfomance: são métricas relacionadas a performance de aplicação relacionadas aos aspectos tecnológicos do seu produto que impactam na experiência do cliente. Exemplos: tempo carregamento, taxa de erro, crash, etc

Conclusão

Fazendo essa relação entre categoria e classificação conseguimos criar associações que facilitam o tipo de ferramenta que podemos aplicar, o tipo de análise que pode ser feito. Além disso, precisamos ter em vista que o uso de dados em design e produto é basicamente um método de pesquisa. Por isso, entender qual método de pesquisa utilizar em qual momento e para qual objetivo é um indicador de maturidade profissional.

Por exemplo, quando estamos olhando para um protótipo que irá para teste, sabemos que estamos falando de métricas de validação e que teremos uma coleta estimulada, ou seja, vamos expor as pessoas a uma experimentação. Tem um teor mais qualitativo e intencional.

Já quando estamos olhando para um relatório mensal de um produto que já está sendo utilizado pelas pessoas, sabemos que estamos falando de métricas de negócio de uma coleta arqueológica e com o teor de desempenho.

De forma geral a intenção é que essas categorias consigam te ajudar as ferramentas, processos e métodos mais adequados de acordo com o contexto. Deixamos de trabalhar de maneira intuitiva e incorporamos o uso de dados de maneira planejada e intencional ao nosso modelo de trabalho.

Related Articles

Responses