Para preservar a confidencialidade (NDA), a identidade e dados reais foram alterados ou omitidos.
Visão geral
A plataforma acadêmica Meridian operava em duas versões: o sistema novo e o legado, ambos em uso. Manter os dois no ar aumentava o custo de infraestrutura, experiência e foco no desenvolvimento.
O momento do produto era de consolidação. Para isso, precisávamos entender onde estávamos na percepção de quem usava a plataforma todos os dias. E sem dados estruturados sobre a satisfação, as decisões do roadmap seriam baseadas apenas em opinião.
A pesquisa era a oportunidade de mudar isso.
Meu papel e ações
Tinha duas opções:
Refazer a pesquisa do zero, com outra estrutura e perder dias de respostas já coletadas
Ou preservar a base e trabalhar dentro das limitações de uma pesquisa que estava em andamento.
Escolhi preservar. Ao analisar as questões, identifiquei oportunidades de melhorias que acrescentariam mais qualidade à análise das respostas. Como não era possível alterar a estrutura das perguntas sem comprometer a base de dados existente, refinei os enunciados de forma estratégica para que a interpretação dos resultados não fosse comprometida.
Meu primeiro movimento foi usar IA para analisar tudo de uma vez.
Joguei todas as 7 mil respostas direto na IA, esperando algo revelador.
Claro que não funcionou 🥲 O que recebi foi um material genérico e que não dizia muita coisa. Nesse caminho eu não conseguia defender nenhuma conclusão porque não sabia de onde essas informações vinham.
Parei, voltei ao FigJam e estruturei um processo: limpeza, segmentação, clusterização e triangulação, para só então gerar o relatório. Primeiro o método e depois a ferramenta. O Então utilizei IA para acelerar pontos específicos dessas etapas, com mais critério e validação na fonte.
Antes de aprofundar a análise, parei novamente. 7 mil respostas era um volume altíssimo, até para os padrões de pesquisa que rodávamos.
Então, decidi chamar o time de Dados para estressar a relação entre as perguntas e dar apoio nessa categorização. Fazer isso significava abrir mão da velocidade de entrega e expor a análise antes mesmo de estar pronta.
Apesar de parecer uma quebra de ritmo, esse movimento garantiu mais credibilidade e validade no que veio depois. A análise saiu mais sólida do que sairia comigo isolado.
Resultado
Considerei entregar um único relatório completo, com tudo. Seria mais rápido de produzir, porém o objetivo não era só documentar, era ser entendido. Então, optei por elaborar dois relatórios com linguagens distintas.
01
Dois relatórios
Um geral, para quem precisava dos números: com foco nas perguntas, respostas e dados detalhados;
Outro para diretores e gestores, que precisavam da história: algo rápido, mas que trouxesse o que tudo aquilo indica do ponto de vista do negócio, com insights e acionáveis.
A apresentação alinhou seis equipes em torno do mesmo entendimento sobre o momento da plataforma, com encaminhamentos concretos para os próximos ciclos de pesquisa e produto:
02
Ações
Coleta de feedbacks, análise de comportamento com o Clarity, ajustes nas comunicações em pontos específicos da jornada, priorização da Design Review, revisão de processos internos, foram algumas das ações levantadas.
Aprendizados
Aprendi que:
Não adianta jogar IA em um processo bagunçado. Ela só acelera o que você já tem, então se a base for ruim, o resultado final provavelmente também será;
Parar com intenção em dois momentos críticos foi o que garantiu qualidade no que veio depois. As pausas são muito bem-vindas se forem com intenção;
E, para fechar, aprendi que pessoas diferentes precisam de histórias diferentes sobre os mesmos dados, e que essa escolha tem impacto direto em como uma apresentação é recebida. Ter segmentado o tipo da apresentação garantiu maior entendimento e aceitação dos direcionamentos.