Como fazer UX Writing orientado a dados (e como fazer testes A/B com textos)

Photo by William Iven on Unsplash

Este texto foi publicado originalmente em inglês. A tradução foi autorizada pelo autor.

How to become a data-driven UX writer (and how to A/B test copy)

As discussões sobre análise de dados normalmente estão focadas em campos mais técnicos como desenvolvimento ou gestão de produtos.

Quando se fala em redação, a tomada de decisão baseada em dados começa a ficar um pouco difusa. Como isso funciona? De que maneira você, como profissional da escrita, pode incorporar os dados no seu trabalho?

Não apenas isso, mas como testar os impactos de um texto isolando os outros elementos da página? (em outras palavras, como fazer um teste A/B com textos?)

UX writers e estrategistas de conteúdo que conseguem entender os dados, as maneiras de fazer testes A/B e o processo de decisão baseado nesses elementos têm uma vantagem competitiva enorme.

Mas isso requer mudanças no seu raciocínio…

Explicando o processo orientado a dados

Antes de falar sobre o processo orientado a dados (data-driven) na redação, convém explicar o termo. O que ser “orientado a dados” significa na prática?

Ser orientado a dados é mais sobre um “modelo mental” que te leva a determinada conclusão do que sobre figuras ou gráficos.

A aplicação desse modelo mental segue um padrão. Quando você se deparar com uma decisão que depende de dados, pergunte-se:

• Qual é a principal pergunta relacionada ao conteúdo que você está tentando responder? Qual é o objetivo real do seu problema de design? — Essa parte não deve ser difícil, já que é algo que UX writers e designers fazem o tempo todo.
• Quais dados vão te ajudar a responder a essa pergunta? Assim, você foca apenas nos dados que auxiliam na resolução do problema atual e evita a eterna coleta de dados sem nenhum propósito.
• Existem dados incompletos? O que está faltando? Isso restringe a quantidade de informações que os conjuntos de dados oferecem a você?
• O que esses dados, isolados, querem dizer? Comece pelo básico: o que o dado quer dizer se você não cruzar com mais nada? Por exemplo: um mapa de calor pode te dizer que 50% das pessoas rolam a tela até certo ponto, mas não te diz por quê.
• Os dados são confiáveis? As fontes são confiáveis? De onde vieram?
• Quais novos contextos esses dados incrementam que não possam ser obtidos de outras formas?

Essas perguntas nos mostram que trabalhar com dados não é simplesmente sair pegando informações quando você precisa delas — é sobre seguir um processo que te leva às informações certas, na hora certa, para o problema certo.

E como essa abordagem orientada a dados se aplica à redação?

À medida que mais UX writers trabalham com dados, mais irrelevante se torna essa pergunta. Mas ela permanece: como UX writers podem incorporar dados em seus processos?

Além de fazer as perguntas certas, UX writers devem saber que têm fontes de dados inesgotáveis disponíveis para resolver seus problemas de design. Podemos coletar informações de:

• Sessões de testes de usabilidade
• Entrevistas
• Telemetria (o que as pessoas estão realmente fazendo dentro do seu produto)
• Card sorting
• Mapas de calor
• Gravações de tela
• Rastreamento do movimento ocular (Eye-tracking)
• Resultados de testes A/B

Mas a grande dúvida, claro, é como UX writers podem incorporar tudo isso no processo de trabalho.

Um exemplo mais prático:

Como fazer teste A/B com um texto

Como UX writer ou estrategista de conteúdo, um dos projetos que envolvem a maior quantidade de dados é um teste A/B. Vamos dar uma passada pelo modelo mental orientado a dados dentro deste contexto.

1) Qual o objetivo desse teste?

Os testes A/B são desenhados para determinar se uma versão de uma página tem o desempenho melhor que outra. Por exemplo: imaginemos que trabalhamos em uma empresa de cereais e queremos fazer um teste com um texto. Temos o objetivo: aumentar as conversões. É por aí que começamos.

2) Quais dados são relevantes para o meu problema?

Vamos pensar sobre todos os dados que podemos usar para determinar a nossa “versão 2” (que vai competir com a página atual). Lembre-se: não é para usar todos os dados que você puder, e sim o que for mais relevante agora.

Podemos começar com:

• Mapas de calor. Mostram como as pessoas interagem com a página original.
• Testes com pessoas usuárias. Se nossa página foi testada anteriormente, podemos voltar a essa pesquisa e entender o que as pessoas gostaram ou não, ainda que seja de maneira mais qualitativa do que quantitativa.
• Testes A/B anteriores. Digamos que temos 5 testes A/B anteriores nessa página. É bom examinar cada um deles para não corrermos o risco de cair na repetição, especialmente nos testes relacionados à redação.
• Dados de tráfego e conversão. Podemos pegar dados dos últimos 3 meses e checar como foi o desempenho dessa página, comparando ainda com outras páginas do site.

3) Quais as limitações dessas informações? Quais dados estão faltando?

Lembre-se sempre do básico. Ou seja, o que cada pedaço de informação quer dizer sozinho? Quais são nossos ganhos ao olhar para isso isoladamente?

• Mapas de calor. Nossos mapas mostraram que apenas 25% das pessoas rolam a página além da primeira dobra.
• Testes A/B anteriores. Esses testes nos revelaram que as pessoas converteram melhor em páginas mais curtas do que nas páginas longas.
• Dados de tráfego e conversão. Nos últimos 3 meses, o tráfego orgânico caiu e as conversões despencaram 10%.

É isso, basicamente, o que os dados nos dizem. Qualquer coisa sobre os porquês seria uma dedução. É fácil falar que as pessoas preferem páginas mais curtas, mas não é necessariamente verdade. Tudo o que sabemos é que os usuários converteram melhor em páginas mais curtas.

Usar um modelo mental orientado a dados significa ter objetividade sobre o que você sabe e sobre o que você não sabe. Como pode ver, temos dados faltando. Não temos entrevistas com usuários nos dizendo exatamente o que gostam em cada versão da página: temos apenas números e dados de conversão.

4) Criando uma matriz para visualizar o que os dados querem dizer

Pensar sobre toda essa informação pode ser confuso. Comece colocando o que você sabe e o que você não sabe em uma tabela, desta forma:

Tabela com as colunas “Fonte de dados”, “O que isso nos diz?” e “O que não sabemos?”. Mapa de calor nos diz que 25% das pessoas descem após a dobra, mas não sabemos por que as pessoas não rolam a página inteira. Teste A/B 1 diz que 10% de conversões ocorrem quando a página tem metade do tamanho mas não diz se o texto impactou na conversão. Teste A/B 2 diz que há um aumento de 5% de conversões quando o tamanho da página é reduzido em 25%, mas não diz se o texto impactou na conversão. A fonte de dados Tráfego nos diz que o tráfego orgânico caiu 10% nos últimos 3 meses, mas não nos diz se é só a nossa empresa ou se isso aconteceu com todo o setor. A fonte de Conversões nos diz que as conversões caíram 10% nos últimos 3 meses, mas não nos diz se tem algo fora da página impactando a conversão.

5) Criando uma hipótese e desenhando um teste

Com tudo isso definido, podemos começar a traçar hipóteses. Existem diversas razões pelas quais as pessoas não estão visitando ou convertendo em uma página, e um novo teste A/B pode nos apontar qualquer motivo suspeito.

A parte importante disso tudo é que, por conta do modelo mental orientado a dados, qualquer hipótese que você formular é baseada em informações confiáveis.

É possível criticar a sua hipótese, mas pelo menos ela é baseada em fatos. Esse é o diferencial UX Writers que conseguem incorporar os dados no trabalho.

A prática leva à perfeição!

Não é algo que se aprende do dia para a noite — e aprender sobre teste A/B é só um exemplo. Os mesmos princípios se aplicam quando você precisa começar um novo fluxo do zero, ou criar telas em um aplicativo, ou desenvolver um fluxo de e-mails completamente novo.

Um processo orientado a dados no contexto da redação para usabilidade leva tempo, mas é importante fazer direito. Incorporar o pensamento orientado a dados será de grande valor nesta década, com empresas contratantes buscando pessoas criativas com capacidades de análise de dados.

Não precisa aprender a programar, é só mudar a mentalidade. Uma vez feito isso, você terá uma vantagem competitiva imbatível.

Original: Patrick Stafford
Tradução: Danilo Guarniero
Revisão: Marina Meireles, Gisele Rosati Lourenço da Rocha, Gabriella Vicentini Stoque

👏 Se essa tradução foi útil
💬 Se tiver sugestões ou algo a acrescentar