Latest / Product Guru's : Produto | Negócios | Carreira / Por que as empresas e alguns product managers não enxergam valor nas pesquisas? - Sheylla Lima

Transcript

Por que as empresas e alguns product managers não enxergam valor nas pesquisas? - Sheylla Lima · Product Guru's : Produto | Negócios | Carreira

0:07
Oi, tudo bem com você? Meu nome é Paulo xcode.
0:09
Você acaba de dar pleno pra ti, guru, o podcast que a voz por
0:12
trás dos produtos. Comigo hoje, Júlia Souza, tudo
0:18
bem, Júlia? Olá, tudo bem?
0:19
Tô meio prejudicada que mudou o clima em São Paulo.
0:22
A gente tá vendo aquela gripe gostosa de início de inverno,
0:25
mas estou bem. E você falou tudo bem, eu estou
0:27
bem, só estou cansado. Parece que 4 meses parece que
0:31
esses 4 meses parece que foram 40 meses, não tá fácil a
0:35
sensação sim e hoje é terça-feira, já está gravando no
0:39
dia 11 do 4 e parece que a gente tá gravando no dia 23 de
0:44
dezembro já tipo meu Deus, acaba sendo logo hoje vamos falar
0:49
sobre pesquisa, um pesquisa, aquela coisinha.
0:54
Não de forma, né? Não estou diminuindo a
0:57
importância, mas aquela coisinha que os stake holders não vê
1:00
valor assim, gastar tempo com pesquisa, gastar tempo co, dando
1:05
a visão dos stake holders, eu não compartilho com ele.
1:08
É com essa visão, tá? E para falar de pesquisa, o que
1:11
que a gente fez? A gente foi e chamou o quê?
1:14
A maior referência quando o assunto é pesquisa, resorts, ela
1:20
falou, resorts é Sheila Lima, tudo bem cheio.
1:24
Olá, oi, Paulo Júlia. Olá ouvintes, como vocês chamam
1:28
os productores gurus, gurus, é a tropa do guru Zinho.
1:34
Olá, troca do grãozinho. Obrigado por me receberem prazer
1:38
estar aqui. O prazer é todo meu.
1:40
Você que deu play nesse episódio e quer ver esses conteúdos da
1:45
Sheila sobre a vida real é o link tá na descrição do perfil
1:49
dela no LinkedIn, está na descrição, vai lá se conectar
1:53
com ela e manda a palavra planejamento para manda lá lá
1:59
planejamento. Então é isso.
2:01
É ô, Sheila, pra gente começar aqui.
2:03
O assunto é pesquisa, mas a gente vai abordar a pesquisa de
2:07
uma maneira diferente hoje. Então me explica com toda a sua
2:11
vivência, por que que as empresas e alguns projete
2:15
manager se não enxergam valor nas pesquisas?
2:19
Boa pergunta. Excelente pergunta.
2:21
Na verdade, você já ouviu a história do botão de 300000000
2:25
da Amazon? Reza a lenda que, depois de um
2:28
teste de usabilidade, percebeu-se que o problema que
2:33
travava as pessoas de comprar não era o formulário que tinha 3
2:36
Campos. Era, na verdade, que as pessoas
2:39
achavam que o e-mail que elas estavam colocando ali era só
2:43
para receber e-mail marketing e elas já tinham feito compra, até
2:47
com um e-mail, mas elas nem lembravam qual e-mail que era.
2:50
Então surgiram com a ideia de criar um botão de compra com um
2:53
clique e esse botão aumentou 45% das vendas gerou 300000000 de
2:58
receita. E essa história circula nas
3:00
redes famosíssima do poder de o eqs.
3:04
De fato, esse poder existe, mas um dos fatores que eu vejo que
3:09
faz com que as pessoas percam a confiança em pesquisa é quando
3:13
tem essa expectativa de que toda a pesquisa vai trazer um
3:15
resultado milagroso que vai aumentar 45% de receita e
3:19
trazer. 300000000 para a empresa e esses casos são raros para
3:23
acontecer esse caso com certeza teve muito teste de usabilidade
3:27
que ou foi inconclusivo ou trouxe uma pequena mudança, algo
3:31
muito menor ou a validou. A interface que já tinha sido
3:35
desenhada. Só que algumas histórias assim
3:39
que ajudam a gente, às vezes até defender o ex também podem gerar
3:43
expectativas desalinhadas do quanto a pesquisa pode gerar de
3:47
resultado. Isso entra no segundo fator, que
3:51
é o quanto a pesquisa tá impactando o negócio pra
3:55
pesquisa. Ser de fato importante.
3:57
E os product manager na diretoria, outras lideranças da
4:00
empresa vem valor. Nela a gente tem que conseguir
4:03
linkar o que vem da pesquisa com o que a gente está trazendo, de
4:07
ganho para o produto, mas usuário, redução de custos ou
4:12
aumento de lucro de algum tipo de ganho que é importante para a
4:15
empresa. Só que é muito, muito difícil
4:17
fazer isso. Quem trabalha com pesquisa sabe
4:20
disso. Como é que você linka uma
4:22
descoberta com alguma mudança, quando, na verdade, os inputs
4:26
dentro de uma empresa de produto eles vêm de várias Fontes
4:29
diferentes ao mesmo tempo que vem de pesquisa também vem de
4:33
customer service ou de customer experience.
4:36
Que também vem de algum outro time que têm contato com o
4:40
cliente, também vem de uma ideia que brotou de uma ex print ou de
4:43
um workshop que fez, então tem que ter uma maturidade muito
4:46
grande na empresa e os processos todos.
4:48
Tem que estar muito bem mapeados para a gente conseguir linkar
4:51
qual pesquisa trouxe, qual in sight qual in sight gerou uma
4:54
mudança de produto? Qual mudança de produtos gerou
4:57
de fato um ganho para o negócio? Então colégio fiz mostrar com
5:00
clareza onde esse site de pesquisa foi usado.
5:03
Também é difícil mostrar o quanto a pesquisa está
5:05
impactando o negócio e, por fim, um terceiro fator que eu acho
5:08
que também influencia, aí gera desconfiança na pesquisa é o
5:13
desalinhamento de expectativa com os Steak holders.
5:16
Porque se a pessoa conversou com a gente pesquisador sobre uma
5:20
pesquisa e a gente só vai falar com ela de novo daqui a 1 mês, 2
5:23
meses, 3 meses. Nesse meio tempo, a pessoa está
5:26
sem informação, sem saber o que está acontecendo e chega no
5:29
final, a gente vai chegar com o resultado com entregava que
5:31
talvez nem era o que ela queria. Ela esperava.
5:33
Quando isso acontece, as pessoas também vão perdendo a confiança
5:37
na pesquisa, o ideal é envolver as pessoas.
5:41
Os stake holders famosos stake holders desde o planejamento,
5:45
participar com a pessoa junto, ela criar junto ela participar,
5:49
seja de qual método a gente está usando.
5:51
Se a gente tiver criando um questionário.
5:53
Participar do roteiro. Definição das perguntas, se a
5:56
gente tiver fazendo entrevista, participar da criação do
5:58
roteiro, assistir seções, participar de entrevistas, aí a
6:02
pessoa vai vendo o que está acontecendo e, às vezes, antes,
6:05
até da gente terminar, ela já conseguiu fazer descobertas que
6:08
são relevantes, por exemplo, uma vez eu tava fazendo um projeto
6:11
numa empresa do setor financeiro que eu trabalhava, estava
6:15
fazendo um projeto junto com o time de crédito.
6:17
Tinha muitas perguntas para a gente responder mais de 30
6:20
perguntas e cada pergunta, cabe um projeto de pesquisa dentro?
6:23
Então, meu primeiro passo foi pegar tudo que a gente já tinha
6:26
de pesquisa anterior, tudo que a gente já tinha de reclamar aqui,
6:29
tudo que a gente já tinha de dado.
6:31
Relatório que o Google soltou relatório que Anbima soltou
6:34
sobre comportamento financeiro e com isso a gente respondeu
6:38
algumas perguntas e aí, já compartilha essas perguntas com
6:43
a product manager, com quem eu estava trabalhando nesse
6:45
projeto? Aí eu falar isso aqui já me
6:47
ajuda a decidir um Monte de coisa.
6:49
Se eu tivesse esperado chegar lá depois que eu respondi todas as
6:52
30 perguntas pra eu falar com ela nesse tempo ali a ficar sem
6:55
resposta e talvez ia até perder essa expectativa da pesquisa
7:01
ajuda ela. A gente poderia até perder o
7:02
time quando, na verdade, no início do processo, já tinha
7:05
conseguido responder. A maioria das dúvidas dela,
7:07
então. Envolver as pessoas que vão usar
7:10
esses dados, essas informações de pesquisa desde o início,
7:14
desde o planejamento, é super importante para não ter essa
7:18
quebra de expectativa. Então existem vários fatores,
7:21
né, que podem fazer com que as pessoas não confiem em pesquisa,
7:24
mas pra mim, pela minha experiência, 3 são muito comuns,
7:28
que é o desalinhamento com o que a pesquisa pode fazer e uma
7:32
espera de resultados mágicos. A dificuldade em relacionar um
7:37
resultado de pesquisa como resultado de negócio e essa
7:40
falta de clareza no andamento do projeto e não entregava o que
7:43
vem no final algum é? Uma aula, não.
7:47
Essa é a primeira resposta. Foi uma aula, é que só essa, só
7:50
essa primeira pergunta já vale, tipo, muito.
7:54
EEA gente tem várias vários pontos aqui, né Giuliana, a
7:57
gente continuar ou o case da Amazon?
8:01
Ele ensina como que o ex pode ser, é estratégico e não só é
8:09
beleza, né? Não só leal.
8:12
Te design e tal, mas pode ser eficiente para o negócio.
8:16
É 2 pesquisa passa pela pela, pelo envolvimento de diárias
8:22
pessoas. Stake holders em geral na desde
8:26
a concepção até o análise do do do resultado é, mas Oo ponto, o
8:31
ponto que eu gosto do do case da Amazon.
8:34
É, não foi um Project manager, não foi.
8:37
Foi o pessoal de UX que identificou ali uma oportunidade
8:42
e de de maneira bem pragmática, foi lá e executou algo que gerou
8:47
300000000. Claro que até chegar nesse é
8:51
nesse tiro certo, pensa que assim eles tinham um formulário
8:54
com 3 Campos, se não me engano, e esse formulário virou um
8:58
botão, mas se fosse um formulário com 10 Campos, com 5
9:01
Campos, como provavelmente já foi no passado, ia ser muito
9:05
mais difícil fazer essa conversão, então com certeza
9:07
teve 11 histórico, todo de várias evoluções de o eqs antes
9:11
de chegar nesse nessa mágica e do pulo do gato.
9:15
O Julia acho que é esse. Esse é esse é interessante, né?
9:18
OX é impactando o negócio de forma efetiva, porque se a gente
9:24
for usar o olhar usabilidade do site da Amazon não é das
9:28
melhores. Aham visualmente, não.
9:30
Pelo amor de Deus, mas ele é eficiente, é cumpre seu papel,
9:35
né? Mas eu tenho uma teoria sobre a
9:38
Amazon que o Mercado Livre come a Amazon no almoço por conta
9:44
dessa tipo. Essas porque, por exemplo, o
9:45
Mercado Livre, igualmente feio, se você for parar pra pensar na
9:48
Amazon, só que ele é mais adaptado para nossa realidade,
9:52
sabe? A gente tem mais sites no Brasil
9:54
parecidos com ele. Então, a familiaridade, enfim.
9:59
Tem um tempero sul-americano? Exatamente comentário aleatório,
10:02
mas sim, eu acho que talvez muito da culpa de de UX não está
10:07
envolvido em mais 3 vezes de sucesso.
10:10
Assim é porque eu tenho a impressão de que a gente, a
10:13
gente produto, a gente engenharia, a gente verticais de
10:16
negócio só aciona EOX pra 2 coisas, né?
10:20
Pediu uma tela que a gente da nossa cabeça e falar gente,
10:23
alguém pode arrumar aqui? Como é que, como é que a gente
10:25
faz isso, ou pedir pesquisa super engessada e às vezes não
10:29
houve feedback de tipo igual? Você falou há, vamos ver que
10:33
dado que a gente já tem e tal, às vezes.
10:36
Eu vejo que as pessoas com um pouco receoso com isso, sabe,
10:38
tipo as cidades, não responde. No detalhe, o que eu quero e
10:43
essas responde, sabe, mas a gente acho que a gente tira um
10:46
pouco esse viés estratégico de pesquisa em geral.
10:49
Quando a gente bota nessas caixas, mas antes, calma, a
10:52
gente vai, a gente vai se aprofundar muito No No lance de
10:55
pesquisas. E como que o Xbox resorts pode
10:59
de maneira é direta, né? É impactar o negócio de modo
11:04
eficiente na eficiência do do produto, impactando métricas de
11:09
negócio e quem sabe, você que está ouvindo esse episódio possa
11:14
chegar se você não for us Insert, possa possa chegar pro
11:17
seu. OX fazer uma pesquisa que
11:20
realmente em 45% a conversão, né?
11:25
O engajamento, a retenção. Quem sabe?
11:28
Mas antes, vamos para os recados aqui.
11:30
Os recados são importantes, que é um sal vindo pelo Spotify
11:33
Apple podcast, clique no botão seguir e você que tá ouvindo
11:37
pelo Spotify, Apple podcast, deixe suas 5 estrelas, você que
11:41
ouve pelo Apple podcast quiser deixar 11 comentário lá.
11:44
Fofinho pra nós, tipo, há o melhor podcast do mundo, hã?
11:49
Só esse tipo de comentário, algum case, alguma coisa, o que
11:53
que você aprendeu com com a com a pros?
11:55
Grossi, tal pode deixar lá com os comentários no Apple podcast,
11:58
mas também deixa 5 estrelas. Por isso, ajuda no algoritmo, é
12:03
segundo recado. Siga Sheila Lima No No LinkedIn
12:08
AAO link está na descrição, como eu mencionei No No início do
12:10
episódio, siga ela. Curta, comente, compartilhe
12:14
todos os conteúdos dela é, chame ela para falar na empresa.
12:19
É onde você trabalha para falar sobre, para dirigir, disseminar
12:23
mais essa cultura de pesquisa, de experimentação também de
12:26
testes é de o de o hexa mais é direcionado a negócios, enfim,
12:33
vamos pra pauta, porque hoje o programa promete.
12:49
Antes da gente se aprofundar? Sobre pesquisa e sobre o papel
12:53
de UX é de maneira visão de negócio.
12:57
Vamos conhecer a maior referência no assunto que é
13:00
Sheila ali. Sheila, qual é a sua história?
13:04
Olá, tudo bem? Eu comecei a minha carreira
13:09
trabalhando, estudando na área de engenharia.
13:11
Quando eu fui fazer um intercâmbio, eu acabei me
13:14
envolvendo com web design, que, como vocês sabem, a porta de
13:18
entrada para outras drogas mais pesadas, como este zayne e
13:22
afins. Resultado, eu surtei.
13:25
Decide sair lá do interior de Minas, onde eu morava, fui para
13:29
São Paulo estudar comunicação social, que foi onde eu me
13:33
informei. Daí pra frente foi só para trás,
13:36
continuei estudando na área 2016, consegui meu primeiro
13:39
trabalho no mundo de tecnologia. Que era uma startup de seguros,
13:43
2018, consegui meu primeiro trabalho.
13:45
Como esquecer 2019? Comecei a compartilhar conteúdo
13:50
nas redes. Achei outras pessoas, surta da
13:54
MC sofridas, do mundo corporativo, assim como eu, nós
13:58
criamos uma comunidade de pessoas que precisam de ajuda
14:01
psicológica e hoje são os mais de 25000 pessoas, entre
14:06
Instagram, LinkedIn, TikTok e medium que compartilhamos
14:09
sofrência e experiências sobre. E o Exxon Starter e por fim, cá
14:15
estamos em um dos 3 podcast do Brasil que não tem pode no nome.
14:19
Prazer estar aqui. Entendemos que a Sheila fez 11.
14:24
Baita ela conseguiu resumir a puta de uma história em um
14:27
tuíte. Esse é o que é o papel de UX,
14:31
entendeu? Pega uma pesquisa gigante e
14:34
reduzem um insite só de uma de um PPT.
14:37
Zinho, só de uma página. Essa pool é isso, um botão que
14:40
foi o que a Amazon fez, pegou puta insite fazer, ô, reduz isso
14:44
aí, um botão nesse caso é apenas o botão funcionou a é apenas o
14:51
botão coloca aí apenas o bolo. Vamos, agora vamos pra falar
14:56
mais sobre pesquisa, porque eu preciso anotar algumas coisas.
14:59
Sheila, eu. Não, porque eu preciso lá onde
15:02
eu trabalho, porque lá onde eu trabalho é maravilhoso.
15:05
Falando de pesquisas, né? A gente você falou 33 motivos
15:10
das empresas, não é enxergarem valor em pesquisas, né?
15:15
A gente entendeu ali os 3, as 3 motivos.
15:18
Mas quais são os elementos chaves para criar uma pesquisa
15:22
eficaz que gere um resultado significativo?
15:26
Eu sei que uma da dos elementos chaves é envolver os Steak
15:30
holders e as pessoas, porque se eu já aprendi ali, na, na, na
15:34
primeira resposta. Mas quais são as os outros
15:36
elementos chaves? Muito que bem, eu diria que são
15:40
2 elementos chaves que funcionam bastante.
15:43
Um é esse que você mencionou. Envolver os stake holders desde
15:46
o início, desde o planejamento e o segundo é fazer um bom
15:51
planejamento. Antes de você ir a campo antes
15:54
de você começar a convocar os dados antes de você convidar
15:56
pessoas para participar de seções de pesquisa, pensa em 8
16:01
pontos, primeiro objetivo, qual que é a pergunta que você quer
16:06
responder com essa pesquisa, qual que é a pergunta que você
16:09
quer responder com essa pesquisa?
16:10
Segundo o impacto, aonde se espera que o resultado dessa
16:14
pesquisa seja usado, qual é o impacto que você, que espera-se
16:18
que essa pesquisa, caos e depois você vai entrar na matriz csd
16:22
que vai te ajudar a entender como é o cenário hoje?
16:25
Você vai perguntar, quais são as certezas?
16:27
O que a gente já tem de formação hoje, quais são as suposições?
16:31
Das hipóteses que a gente levantou, mas ainda não tem
16:33
dados para comprovar. E quais são as dúvidas?
16:35
Tudo que a gente ainda não conseguiu responder e a gente
16:38
acha que a resposta vai ajudar a tomar decisão.
16:40
Depois disso você vai pensar, existe alguma premissa?
16:43
A premissa é se tem alguma regra, restrição que pode te
16:47
impedir ao que você tem que obrigatoriamente fazer.
16:49
Por exemplo, uma vez estava trabalhando num projeto de um
16:52
programa de fidelidade e a gente sabia que tinha problemas no
16:57
nome desse programa, porque era um nome inglês.
16:59
A maioria dos nossos Soares eram classe CD e eles tinham
17:02
dificuldade até de pronunciar o nome, mas esse nome tinha sido
17:05
escolhido pelo diretor, que era filho do dono.
17:07
Que uma premissa era, não vamos mudar o nome do programa, então
17:11
não gastamos energia de pesquisa investigando nada sobre o nome,
17:15
então é importante você saber se tem alguma premissa do projeto.
17:18
Por fim, é importante definir bem o perfil de usuários com
17:21
quem você vai falar e definir o intragável intragável, ou seja,
17:26
o que que você vai mostrar no final vai ser um relatório.
17:28
Vão ser personagem, vai ser uma jornada de usuário, a pessoa
17:31
precisa só dos dados brutos ou ela precisa de alguma coisa em
17:35
um slide para ela apresentar uma reunião, ela tem 5 minutos só
17:38
para apresentar, define isso. Então, quando você define esses
17:41
8 itens, objetivo, impacto, certeza, suposições, dúvidas,
17:44
premissa. Perfil de usuário se empregável
17:47
junto com o seu stake holders. Quando você de fato define o
17:51
método e começa a coletar esses dados, você está mirando nas
17:55
perguntas que vão de fato que precisam de fato ser respondidas
17:59
para atingir aquele objetivo que você já conhece.
18:02
Já sabe qual é? E essa pessoa ajudou você a
18:05
definir as perguntas? Já trouxe o que ela já descobriu
18:08
antes, junto com você, ela te ajudou a definir qual?
18:11
Qual perfil vocês vão falar? Ela já sabe o que que vai ser
18:14
entregue no final, então quando chega no final os resultados são
18:20
mais significativos, porque tá todo mundo alinhado, você está
18:23
falando a linguagem de negócio, está investigando o que de fato
18:25
tem que ser investigado. Deixei lá uma coisa que você
18:28
falou no começo, eu acho que tem bastante.
18:30
Você falou de impacto, né? Agora no começo você tinha
18:32
falado sobre como é que isso traz algum de alguma forma
18:36
resultado de negócio? É como é que é esse processo de
18:39
desenhar o impacto que às vezes é uma pesquisa?
18:42
Eu acho que até o Paulo que falou isso no começo, que às
18:45
vezes a pesquisa ela tá ali, embutida dentro de um processo
18:47
de descoberta que não necessariamente vai sair um
18:49
botão, é talvez não seja tão tangível como é que esse
18:53
processo de desenho de impacto assim é você, é como é que vocês
18:58
fazem, como é, como é que é no seu dia a dia?
19:00
Para fazer isso fica mais tangível assim, ainda que não
19:02
seja algo muito direto, mas assim como é que é esse
19:05
processo? Quando a gente está trabalhando
19:08
com uma escova de, por exemplo, em parceria com uma pessoa,
19:11
product manager, um PM ou product designer, um PD, fica
19:15
mais fácil porque você pode alinhar com os objetivos das
19:18
quais geralmente eles são mais micros, por exemplo.
19:20
A gente quer aumentar a taxa de ativação em 2%.
19:24
A gente quer diminuir o churn in 0,5%, então geralmente o impacto
19:29
vai ser alguma coisa nessa linha.
19:31
E aí vocês vão definir, entendeu?
19:32
O que que essa escolha de já sabe que eu não preciso de
19:35
pesquisar, que já tem resposta, e aí você vai buscar o que não
19:38
sabe e aí fica mais fácil de você linkar ou a gente não sabia
19:41
qual é o motivo pelo qual as pessoas desistem.
19:45
Aqui no nosso carrinho de compra, e daí você vai trazer
19:47
informação? Essa informação vai gerar
19:50
hipóteses. O time de produto, essas coisas
19:53
vai testar várias, alguma provavelmente vai trazer algum
19:56
resultado e é assim que a gente gera essa mensuração.
20:00
Nem sempre a gente está trabalhando diretamente com uma
20:02
squid. Às vezes, quando a gente
20:03
trabalha em time cross, vai ser um projeto maior de descoberta
20:09
ou vai ser algo mais para entender o mercado.
20:12
Daí é importante, você está mirando na estratégia de
20:15
negócio. Exemplo, vamos supor que a visão
20:17
de negócio para o próximo ano é entrar num segmento que a gente
20:21
ainda não trabalha. Então, se você está fazendo uma
20:25
pesquisa que tem a ver com esse segmento, OK, esse é um bom
20:28
indicativo. Agora vamos pouco.
20:31
Trabalho num banco. O objetivo da empresa esse ano
20:34
todo, toda uma estratégia de direcionado para crédito e eu
20:38
estou pesquisando sobre um outro mercado que a gente ainda não
20:40
entrou, alguma coisa que não está fechando.
20:43
Provavelmente eu estou desalinhada com a estratégia da
20:45
empresa, então isso já é um sinal de alerta.
20:48
Esse resultado que eu estou trazendo vai ser muito mais
20:50
difícil ele trazer de fato algum impacto, porque como é que eu
20:53
vou encaixar algo totalmente novo, sendo que a gente já tem
20:55
uma prioridade? Dentro dessa prioridade entram
20:58
várias outras coisas, então. Sempre tenta ser o mais
21:02
específico possível no planejamento.
21:04
Se até se o stake holders das outras pessoas que estão
21:08
envolvidas trabalhando nesse projeto junto com você não tem
21:11
tão claro isso, é um sinal de alerta.
21:13
Talvez esse projeto não seja tão prioritário quanto tá parecendo,
21:16
talvez nem a pessoa tá sabendo direito o que ela quer, então ou
21:20
a gente tem que fazer um trabalho para ajudar a definir o
21:24
que que de fato a gente vai estudar e o que que é, de fato é
21:26
prioridade ou talvez não vale a pena priorizar aquela pesquisa
21:29
ali? Agora, nesse momento, vai fazer
21:31
uma com um time que tem bem mais claro.
21:34
Qual que é o impacto que eles esperam que aquelas informações
21:37
que você vai trazer gera? Para fazer isso que você falou,
21:40
e aí eu acho que isso é um dos maiores problemas que eu já vi.
21:42
Com pesquisa em vários momentos você citou assim, a gente vai
21:46
ver o que a gente já tem e tal, e uma das coisas que eu mais
21:49
vejo acontecer é como é que tem um repositório de pesquisa?
21:53
Eu estou em outro lugar, mas assim eu fico muito curiosa com
21:56
como organizar as coisas que você já sabe que algum momento
22:01
você já descobriu. É de forma que fique acessível,
22:04
porque assim uma coisa a gente falar numa empresa pequena, né?
22:07
Vamos falar aí, uma pessoa que tenha, sei lá, uma pessoa de
22:10
produto e uma pessoa está fazendo pesquisa para quando
22:13
você extrapola isso para milhares de pessoas, você tem
22:15
tipo, 20 esquadros fazendo pesquisa o tempo inteiro e na
22:19
maioria das vezes a mostra pode. Também parecida como é que eu
22:22
ganhei? Como é, quais são as boas
22:24
práticas que você tem para compartilhar sobre isso?
22:26
Porque eu sei que é um desafio para qualquer, acho que para
22:28
qualquer área, né? Não só para pesquisa, como é que
22:31
faz tipo de repositório? Essa é uma pergunta maravilhosa,
22:34
na verdade, porque principalmente, quando a gente
22:37
está começando, parece quando a gente tá começando a trabalhar
22:40
com o ex, no início de um projeto de o hexa ou de um
22:44
projeto de pesquisa, parece que a gente não tem informação, só
22:47
que no mundo de tecnologia a gente nunca parte do zero em
22:50
termos de informação, porque quase tudo que a gente faz muita
22:54
coisa as ferramentas já coletam automaticamente.
22:57
Então, se a empresa que você trabalha tem um aplicativo, tem
22:59
um site, com certeza você tem informação.
23:01
Se é simples empresa, se essa empresa tem, reclama que você
23:04
tem informação. Se essa empresa tem redes
23:07
sociais, você também tem informação, então.
23:10
A primeira fonte de dado, que já tem são esses dados que a gente
23:14
já coleta, o quais são os maiores motivos que o time de
23:18
atendimento tag e lado os motivos de contato.
23:21
Toda empresa faz. Isso porque os times de
23:23
atendimento, eles são altamente baseados em performance, então
23:27
tudo o que é ligação, você sabe o tempo da ligação, você sabe os
23:30
maiores motivos de contato, você sabe os maiores problemas que
23:32
acontecem. Você sabe, sugestões?
23:34
Essa é a primeira fonte que eu recomendo você buscar, mas tem
23:37
outras Fontes, as nem sempre a gente vai ter acesso ou vai ter
23:41
um bom relacionamento com o time, então tudo bem, mas Fontes
23:44
que são bem acessíveis para quem é de us, você não precisa de ter
23:47
um usuário de uma ferramenta específica tipo Zendesk seus
23:50
force sei lá. Reclame aqui aquelas lojas de
23:53
aplicativo que as pessoas colocam avaliação lá, as redes
23:56
sociais que as pessoas comentam, problemas que elas têm que elas
23:59
pedem ajuda, que elas fazem, falam que elas falam que elas
24:02
gostam, né? Aquele serviço que você está
24:04
oferecendo, essas daí já são Fontes que dá pra você pesquisar
24:07
dependendo do que você está fazendo.
24:09
Uma simples análise de concorrente já te dar
24:12
informações que são baseadas em dados e você sai um pouco só da
24:16
sua experiência. Essas coisas todas são
24:18
pesquisas. E aí, como que você organiza
24:20
isso? Quando a gente fala em dados,
24:22
pesquisa, realmente pode parecer alguma coisa complexa que você
24:25
tem que ter uma grande ferramenta, mas se você tem
24:27
várias empresas, várias coisas na empresa, vamos por você.
24:30
Tem 10 kits, 5 dessas quartz tem.
24:33
Alguém que costuma fazer pesquisa, essas 5 pessoas, se
24:37
cada uma fez uma pesquisa, você tem um histórico de pelo menos 5
24:41
estudos que foram feitos que você não precisa repetir, porque
24:44
eles já foram feitos. Se você cria uma página no note
24:47
e coloca o link para o relatório desses estudos, já é o seu o MVP
24:50
do seu repositório. Você pode ter isso pode ser No
24:53
No chão. Pode ser no confluência, pode
24:54
ser no Excel onde quiser. Oo que eu recomendo é se tem
24:58
alguém que pode fazer esse trabalho, conversa com quem já
25:01
fez pesquisa, pede pra pessoa compartilhar o link do
25:04
relatório, coloca todos esses relatórios numa fonte só.
25:07
Ali você já tem um primeiro ponto de partida, quando você
25:09
for começar um estudo. Se eu estou fazendo uma pesquisa
25:12
sobre temas para podcast e você já fez uma pesquisa com pessoas
25:18
do Brasil? Paulo já fez com pessoas da
25:20
Argentina ali eu não. Eu não preciso de fazer uma
25:23
pesquisa com esses 2 países porque já foram feitos.
25:25
Posso começar de um terceiro país que ninguém pesquisou.
25:27
Ainda fiquei com uma dúvida, agora é, criou um repositório
25:32
aí, uma das da uma das aspas foi se você fez a se a pessoa fez
25:37
uma pesquisa, você não precisa fazer novamente a mesma
25:42
pesquisa, certo? Você não precisa, mas você já
25:45
tem um estudo, você não precisa fazer nova, responde uma
25:47
pergunta que você quer responder, na verdade, essa
25:50
seria a. OD para a ideal, se a pesquisa
25:53
já trouxe uma resposta que você busca, você não precisa fazer
25:56
ela de novo. Isso aí a minha pergunta é, qual
26:00
o tempo médio pra gente atualizar uma pesquisa?
26:03
A resposta é que vareia Sério mesmo depende de quando você
26:08
precisa aquela informação, se é uma informação que você precisa
26:10
recorrente, o ideal é você criar algum tipo de mecanismo que
26:13
automatiza essa coleta de forma recorrente.
26:16
Se há uma informação pontual ou você vai atualizar quando você
26:19
precisar dela de novo, faz sentido para ti.
26:22
Faz sentido? Faz sentido então, ou seja, não.
26:25
Não tem precificar, é atualizando.
26:27
Pesquisa a cada 3 meses, eu não colocaria uma regra se não tem
26:33
uma demanda pela aquela informação e não vejo por que
26:36
repetir o processo agora, se é uma informação que o time sempre
26:39
está precisando. E demora 3 meses para fazer,
26:43
então, talvez pensaria em como é que a gente vai conseguir sair
26:45
mais rápido e hoje tem que ver o que que teve de impacto também,
26:49
né? Porque, tipo, a gente teve a
26:51
pandemia. Por exemplo, se você rodou uma
26:53
pesquisa pré pandemia dependendo do produto, você trabalha e o
26:57
pós pandemia provavelmente mudou.
26:59
Tipo muito, né? Mas você não tem nenhuma mudança
27:02
no cenário macroeconômico? Exato.
27:04
Eu acho que essa é 11 excelente reflexão, o quanto eu preciso
27:09
dessa informação atualizada ou quanto a informação anterior que
27:13
eu tenho, eu sei que está defasada boa aí agora.
27:18
Como a gente falou sobre entender se a pesquisa está
27:21
defasada ou não, qual que é o período, como que a gente faz o
27:25
repositório e tal? A gente também já falou em como
27:28
é envolver todo mundo, né? Desde a da ideia até a execução
27:34
e análise do das das pesquisas, a gente sabe que é pra fazer uma
27:39
pesquisa. Hoje as empresas é custa muito,
27:44
né? para as empresas fazer uma
27:45
pesquisa, né? Principalmente aquelas por
27:48
telefone e et cetera, as as empresas tendem a usar walcher
27:53
do iFood. Né?
27:55
É é Copom, indicou de de de compras e tal, para tentar
28:00
aumentar o número de de participantes, né?
28:04
Do do das pesquisas, porém, a pergunta a minha pergunta não é
28:09
sobre como realmente é de forma orgânica o número de pessoas sem
28:15
oco. Ponto, não é isso, mas é como
28:17
que a gente lida com dados incompletos ou inconsistentes de
28:22
uma pesquisa, porque nunca vai sair, tipo, a gente precisa de
28:26
150 respostas, aí tem 50 respostas.
28:30
E aí, como que lida como? Legal, boa pergunta.
28:33
Eu acho que ela entra em várias em vários tópicos que dá pra
28:37
gente tratar. Um desses tópicos é amostragem.
28:40
Um desses tópicos é dados não confiáveis ou não consistentes.
28:44
Então vou começar por partes e daí a gente vai falando do desse
28:48
assunto. O primeiro é essa possibilidade
28:50
de inconsistência do dado. Eu acho que é a primeira, o
28:53
primeiro passo é sempre deixar claro de onde vieram aqueles
28:57
dados, então quando que eles foram coletados?
29:01
Por qual canal, qual o perfil de usuários sobre a qual aqueles
29:04
dados foram coletados? Então quem respondeu sua
29:06
pesquisa, quem participou das seções de entrevista?
29:09
Ou se você puxou aqueles dados da própria base a quais usuários
29:13
refere, mas quando eles se cadastraram, se eles já tinham
29:16
feito alguma transação específica por aí, vai.
29:18
Quanto mais você conseguir deixar claro isso para você e
29:21
para as outras pessoas do projeto, mas fica aberto para
29:25
todo mundo ter um olhar crítico e perceber se tem alguma coisa
29:28
ali que não está batendo. Então, alguém com conhecimento
29:31
de compliance que eu não tenho, pode perceber alguma coisa ali
29:34
que eu não vou perceber? Alguém com conhecimento de
29:36
crédito que eu não tenho, pode perceber outra e por aí vai.
29:38
Então é sempre importante, sempre que possível, a gente
29:41
deixar claro ter claro para nós mesmo e deixa claro para as
29:44
pessoas, qual que foi o contexto de coleta.
29:47
Se tem possibilidade daquele dado ou a gente tem uma
29:49
amostragem baixa, ou esse dado não ser 100% confiável e para a
29:54
maioria dos casos em geral, o ideal é a gente ter Fontes
29:57
diferentes quando a gente estiver tentando responder uma
30:00
pergunta, se eu tenho um dado que veio só de testes de
30:03
usabilidade, ele vai ser confiável num nível x?
30:07
Se eu tenho uma informação, feedback que vem de testes da
30:10
habilidade, mas esse feedback também apareceu no reclame aqui
30:14
e também é um dos nossos motivos de contato recorrente que as
30:18
pessoas entram para tirar dúvidas sobre aquele fluxo ali,
30:21
o mesmo que o usuário travou no teste de usabilidade.
30:24
E o mesmo que que achou que fez alguém achar que a empresa era
30:27
fraude e comentar lá no reclame aqui se eu tenho essas 3 Fontes
30:31
diferentes? Então, o quão aquilo ali é
30:34
importante? Quando eu posso confiar que
30:35
aquele é um problema relevante, não vai ser x mais, vai ser 3 x
30:39
eu tenho essas 3 Fontes diferentes me trazendo a mesma
30:42
informação, então a minha recomendação, quando você, em
30:47
geral para pesquisa, na verdade, para evitar que você tenha de
30:51
importância para um problema que talvez não seja importante, que
30:54
você possa confiar mais naquela informação, você está trazendo é
30:57
juntar informações de diferentes Fontes, de preferência que essas
31:00
informações venham tanto. De Fontes qualitativas quanto de
31:05
Fontes quantitativas que aí você consegue saber o que está
31:08
acontecendo e você também consegue saber o porquê que isso
31:11
está acontecendo, beleza? Aí você falou, tá?
31:15
Antes da antes de passar o próximo ponto, uma outra coisa
31:18
que vale é se você tem essa abertura, é envolver outros
31:22
profissionais na análise, principalmente pessoas de dados,
31:25
análises de dados de Business intelligence, dependendo, pode
31:29
ser alguém do financeiro. Outras pessoas pode ser uma
31:32
pessoa, product manager, não seja a única pessoa olhando para
31:35
aquele dado e, se possível, traga alguém com algum
31:37
conhecimento, ainda que básico, de estatística, algum
31:40
conhecimento de financeiro para te ajudar a olhar para aquela
31:44
informação com um olhar mais rigoroso.
31:47
Mas, em geral, quanto mais pessoas participarem dessa
31:49
análise, mais possibilidade tem de você identificar algum tipo
31:53
de problema. Pode estar acontecendo ali
31:55
levantar alguma pergunta que você não pensou em levantar e
31:57
quebrar, ou, ou essa inconsistência, ou algum
32:00
possível viés que pode ter também um viés de confirmação
32:03
que você tem ou algum outro tipo de leitura de background de
32:08
experiência que você não tem e que te faz ter um ponto cego ali
32:13
na sua informação, então deixar claro de onde estão vindo os
32:16
dados, fazer a triangulação que é trazer dados diferentes Fontes
32:21
e envolver outras pessoas na análise.
32:22
Esses são 3 pontos que ajudam a evitar inconsistência ou erros
32:27
na leitura dos dados. Aí a gente entra numa outra
32:29
Seara, que a Seara da amostragem.
32:32
Quando a gente, quando a gente trabalha com pesquisa, é uma
32:35
grande crise existencial das pessoas.
32:37
E agora, quando as respostas que eu preciso ter, se eu tiver
32:41
muitas respostas, é muito confiável.
32:42
Se eu tiver poucas respostas, é pouco confiável, mas muitas
32:45
respostas num questionário mal elaborado, enviesado, é menos
32:48
confiável do que menos respostas num questionário bem trabalhado
32:53
e enviado para o público, certo? Então, é muito relativo uma
32:57
coisa que eu acho que é importante a gente falar aqui é
32:59
a diferença entre amostra probabilística e amostra não
33:02
probabilística, amostra probabilística é quando você
33:05
consegue garantir que todos os seus usuários com aquele perfil
33:09
tem uma chance. Igual ou maior que zero de
33:12
responder a pesquisa quando você consegue trabalhar com quem vai
33:15
receber a pesquisa e aí você vai calcular o nível de confiança,
33:19
você vai calcular margem de erro mas muitos métodos que a gente
33:22
usa, eles não são probabilístico, eles são não
33:25
probabilísticos, que é quando você sabe é você, não tem o
33:28
controle da população total, então você pode coletar as
33:31
respostas, mas você não consegue extrapolar enquanto exatamente
33:36
aquilo. Ali representa sua moça, você
33:38
está fazendo uma pesquisa muito geral com a população inteira do
33:40
Brasil e você está mandando essa pesquisa via internet, não é
33:44
todo mundo da população do Brasil que tem internet, então
33:46
você não vai conseguir, você não tem o controle de 100% da
33:49
população. Então, se você vai objetivar ter
33:52
bastante respostas, mas você sabe que aquele dado nunca vai
33:55
ser 100% confiável. Teste de usabilidade moderado é
33:59
um método qualitativo. Ali você está ali para descobrir
34:02
os porquês. Por que que a pessoa não está
34:04
conseguindo seguir um fluxo, o que que acontece quando ela está
34:09
tomando a decisão ali naquela interface?
34:12
Qual que é a percepção dela, do design, do visual, daquela
34:16
interface que ela está interagindo quando as pessoas
34:18
tentam, por exemplo, transformar um teste de usabilidade em algo
34:22
super quantitativo? Realmente vai parecer
34:24
insignificante 5 usuários quando você vem com informações, por
34:28
exemplo, da sua base. Você tem volume que você
34:31
consegue saber, olha, 45% dos usuários desistem nesse terceiro
34:36
campo aqui do nosso funil de cadastro, aí você faz o teste de
34:39
usabilidade e você descobre que porque esse campo ali é OCPF.
34:42
As pessoas acham que os dados dela vão ser roubados, pra
34:45
clonar, criar cartão de crédito fake.
34:48
Aí é inegável o quão importante essa informação você está
34:53
trazendo, ainda que ela se validou, ela só com 5 pessoas,
34:57
quando você está fazendo um grupo de foco, por exemplo, o
34:59
mais importante ali não é que tem 10 pessoas no seu grupo,
35:03
pode ter 100, mas o mais importante ali é entender.
35:07
Consegui responder as perguntas que você criou lá no início, que
35:09
provavelmente vai ser alguma pergunta mais abrangente.
35:11
Qualquer relação das pessoas com esse serviço, como que elas
35:15
percebem a marca, como que elas se relacionam com esse mercado x
35:19
aqui que a gente trabalha. Então o importante é a gente.
35:23
Quando a gente tiver fazendo pesquisa, pensar que dados
35:26
incompletos, na verdade, pode ser que a gente está tentando
35:29
encaixar um método que é quale num modelo quântico, essa daí se
35:33
se desse, se tivesse um frame pra fazer, seria ótimo, que é
35:36
como que a gente sabe qual a melhor metodologia.
35:40
Tem um. Tem uma tabela do Nielsen
35:43
Norman, grupo que chama e o Express surte xixi.
35:47
Que ela tem, ela é dividida em 4 etapas, que as etapas de um
35:53
Discovery design Thinking que é exploração, ideação, teste e é
36:01
exploração, ideação, criação e teste.
36:03
Mais ou menos isso em Ingles. E ela traz recomendações de
36:07
métodos para cada uma dessas fases.
36:09
Quando eu comecei a fazer pesquisa, a minha, uma das
36:12
minhas maiores dificuldades era depois que eu coletei meu
36:15
briefing. Agora, como é, como é do que eu
36:17
escolho? Aí eu sempre falava assim, então
36:20
dá licença, vou ali, deixa eu estudar bem o planejamento que
36:23
eu vou pensar muito bem no qual método aqui recomendar para
36:27
você. Com licença rapidinho, pediu um
36:29
tempo. Aí eu ia lá meio sem norma grupo
36:32
E olhava, tá, deixa eu pego com base nessas informações que eu
36:35
coletei. Qual fase do produto que nós
36:37
estamos? Quais são os possíveis métodos
36:40
desses métodos? Quais eu tenho conhecimento,
36:43
ferramenta, dinheiro para fazer tempo para fazer, vamos nesse
36:47
então eu recomendo entrar lá é que eu eu dá pra colocar o link
36:50
aqui depois também. E aí você olha e pensa, aí eu
36:55
estou numa fase de MVP ou eu estou numa fase que eu tenho um
36:57
produto rodando ou eu estou numa fase que eu nem tenho o produto,
37:00
onde que você tiver, você vai achar lá aqui a recomenda uma
37:04
análise de concorrentes aqui recomenda esse teste de
37:07
usabilidade aqui, recomenda-se outra coisa, análise de funil,
37:11
sei lá, e aí você começa a dar ali depois, isso vai começar a
37:14
vim naturalmente, você vai lembrar para isso aqui.
37:17
Na verdade eu fiz 11 co criação junto com tais e tais pessoas
37:22
para isso aqui eu fiz tal e tal coisa e aí na outra vez eu fiz
37:26
desse jeito e não funcionou, então eu vou aí nesse caminho.
37:29
E aí você vai ganhando essa experiência para decidir sem
37:33
precisar da colinha. Mas a colinha no início é o
37:35
melhor que há. Injustíssimo e o Sheila?
37:38
Eu acho que não sei, não sei se Paulo tem alguma dúvida
37:42
relacionada a isso, não, mas uma coisa que estava num briefing do
37:45
Paulo que eu também queria saber é como é que a evolução que a
37:49
gente está tendo de aí? Análise de dados, enfim, e todo
37:53
esse contexto doido aí é tá impactando a forma como a gente
37:58
conduz? E tipo, como é que a gente usa
37:59
os resultados também de pesquisa é tanto para bem quanto para
38:03
mal, assim como é que, como é que isso tá te impactando?
38:07
Perfeito. Essa era a pergunta que eu não
38:08
queria responder, sinceramente, porque eu não me considero uma
38:12
referência inteligência artificial.
38:13
Eu não gosto de falar de assuntos que eu não Domino.
38:16
Eu acho que esse assunto ainda está entrando.
38:19
A gente tá no meio ali do do início, então é muito difícil
38:23
ter uma visão de qual vai ser a tendência, o que de fato e
38:27
qualquer análise de tendência, às vezes é quase como previsão
38:31
de futuro. Assim pode dar certo, mas pode
38:34
acontecer, tipo uma pandemia, pode acontecer um negócio no
38:36
meio do caminho que ninguém conseguia prever uma guerra que
38:39
às vezes até minimamente previsível, mas dificilmente a
38:42
gente acha que de fato vai acontecer.
38:44
Então eu não me considero uma referência em inteligência
38:47
artificial e o que eu vou falar daqui para frente é muito so
38:52
posi. Ações assim, leitura minha fica
38:54
na paz, pode deixar isso bem claro.
38:58
E aí, a pergunta é, como que isso impacta como a gente conduz
39:03
pesquisa? Eu acho que existe essas
39:05
ferramentas estão aí para ajudar muito a gente e eu faço um
39:10
paralelo com fotografia. Como é que a gente tirava foto
39:13
nos anos 90, em um evento de família, tipo uma festa de
39:17
família, um casamento, festa de 15 anos, uma viagem, ou você
39:21
contratava um fotógrafo, uma pessoa que ia tirar as fotos e
39:24
depois você escolher, ia revelar ou então, se fosse rico, você
39:28
levava a Câmera lá. Depois tirava as 36 fotos
39:32
possíveis com o filme, revelava as que não queimasse.
39:35
Você ia ter, você colocava no seu álbum, como é que a gente
39:38
tira foto hoje? Sem economia, antes, tipo aí era
39:42
mais difícil, eu imagino quem tem filho tirar, por exemplo,
39:45
foto do primeiro passo que o filho, a filha, deu hoje em dia,
39:49
o que o criança soltou um peido, os pais vão ter 11 recordação
39:53
disso e para tudo a gente está tomando um café, a gente,
39:56
qualquer coisa que a gente está fazendo de morte a qualquer
40:01
outra coisa, a gente consegue ter imagens, só que isso não
40:04
acabou com os fotógrafos, veio o Photoshop, veio Instagram e
40:08
mudou a forma como as pessoas se relacionam com com fotografia,
40:12
mudou a forma como? As, as pessoas fotógrafas também
40:15
tiram foto, editam foto, publicam foto, mas, por exemplo,
40:19
Sebastião Salgado está aí. É um fotógrafo super no Mato, em
40:22
seu histórico, existe a profissão ainda fotógrafo de
40:25
casamento. Existem até fotógrafos
40:28
específicos para tipos de casamento.
40:30
Existem pessoas que fotógrafos que tiram fotos de pessoas
40:34
negras, fotógrafos que tiram fotos só de paisagens.
40:39
Então eu vejo essa relação, as ferramentas de inteligência
40:42
artificial, elas vão mudar a forma como a gente se relaciona
40:45
com a experiência do usuário, a forma como a gente cria
40:48
interfaces, a forma como a gente desenvolve.
40:50
Produtos digitais a forma como a gente conversa com os nossos
40:54
usuários comunica, mas eu tenho dificuldade de ver um cenário
40:59
que isso é um impeditivo ou que isso está no caminho,
41:02
principalmente de pesquisa. Porque as ferramentas que tem
41:07
dados que trazem dados e que ajudam a gente a compreender
41:10
melhor os usuários e as ferramentas de inteligência
41:13
artificial nada mais são do que ferramentas baseadas em
41:15
comportamentos, em comportamentos de massa.
41:17
Elas são muito ricas para agente de pesquisa, então eu vejo com
41:21
bons olhos. Assim tem o chat gpt, que é mais
41:24
comum, e eu vejo que a relação das pessoas com ele é muito boa.
41:28
Pode ajudar, por exemplo, uma pessoa product.
41:31
Design é uma pessoa absurdo, era conseguir desenvolver o conteúdo
41:34
inicial ali para ela criar o primeiro protótipo de um teste
41:38
de usabilidade que vai vim. Isso pode liberar um product
41:41
designer? Já está trabalhando na versão
41:43
final da interface, enquanto que quem está na pesquisa vai ter
41:47
mais Independência para criar também.
41:49
Desde o início eu eu tenho eu produtos para chamar de meu, um
41:54
produto que eu estava desenvolvendo, que é 11 mentore.
41:57
Ai eu queria muito um nome assim, eu não fazia muita ideia
42:01
do nome, abriu uma enquete lá no meu Instagram.
42:04
E aí várias pessoas sugeriram vários nomes e eles tinham
42:07
alguma relação, mas ao mesmo tempo era diferente.
42:09
Teve uns que eu gostei mais e eu sou totalmente enviesada nesse
42:12
caso. E teve outros que eu não gostei
42:14
tanto. Mas eu sabia que eles eram
42:16
melhor para esse ou e? Daí, como é que eu decidi?
42:19
Como é que eu juntava mais de 50 nomes para decidir qual que ia
42:22
ser um e no caso eu não tinha tipo um time grande de us, como
42:27
é o caso de muitas pessoas empreendedores do Brasil que não
42:30
tem um time de UX, recursos para fazer grandes pesquisas.
42:33
Aí eu joguei lá no chat e PT e pedir pra compilar num nome só.
42:37
Ele deu uma sugestão que foi ótima baseado nesses.
42:41
Nessas várias opções que eu tinha, poderia fazer essa
42:44
análise da minha cabeça, mas o que eu ia fazer?
42:47
Talvez em vários dias ou horas, ia ficar ruminando na minha
42:50
cabeça, eu fiz em segundos. Tem uma ferramenta também que é
42:54
de portfólio e eu esqueci o nome agora, mas você coloca lá tipo
42:59
de portfólio que você quer e aí ela dá uma sugestão de layout de
43:04
do site que vai ser o seu portfólio.
43:06
Então essas ferramentas também poderia ser ferramentas de
43:09
sugestão de layout de interface pra gente usar num primeiro
43:12
teste, usabilidade ou num num produto que ainda não tem
43:15
produto, não tem uma interface, a gente quer testar.
43:19
Eu vejo com muito bons olhos a junção de inteligência
43:23
artificial e o ex, porque a gente tá juntos, estamos all in
43:28
deixo gether nesse mundo de tecnologia e o minha
43:32
recomendação é se aproximar muito de analistas e cientistas
43:37
de dados. Quem trabalha com us, quem
43:39
trabalha com pesquisa, é assim que a gente vai conseguir criar
43:42
essas soluções e também conhecer as ferramentas que existe para
43:46
ir testando as possibilidades. Eu acho que Oo bom da
43:50
inteligência artificial ainda está por vir, então se a gente
43:53
começa a conhecer agora, conforme as ferramentas vão
43:55
evoluindo também. A gente também evolui junto com
43:59
elas, já está mais proficiente, ótimo e assim a gente chegou no
44:04
final desse episódio, uma aula é em forma de podcast, uma aula
44:09
sobre pesquisa em forma de podcast.
44:11
Em menos de 1 hora você entende como que você consegue criar
44:16
pesquisas mais eficientes ou até mesmo mudar ou influenciar aonde
44:21
você trabalha para que exista uma cultura de pesquisas é e que
44:27
você consiga reverter essa mentalidade de da maioria dos
44:32
stake holders que pesquisa é perda de tempo.
44:34
Dito isto, muito obrigado, Sheila, por você ter arrumado um
44:38
tempo no seu, na sua agenda, que é concorrida e preciosa, então,
44:42
muito obrigado. Muito obrigado pelo convite.
44:46
Paulo Júlia e a quem ouviu também, muito obrigado por terem
44:49
ouvido até aqui. Siga nas redes, segue que eu
44:52
sigo de volta troco likes, comentou na foto.
44:54
Olha só cima está vendo? Depois em viés AOOOA estrelinha
44:59
aqui ó. Estou vendo.
45:01
É, olhe só, é siga Sheila é nas redes sociais LinkedIn e depois
45:08
vai lá no Instagram também. Siga ela.
45:10
A gente vai marcar ela No No story.
45:13
Quando lança saiu o episódio você vai lá, segue ela, é Júlia,
45:18
muito obrigado pelo seu tempo. Você ter arrumado aí o tempo
45:21
nesse início de quarta para vir gravar um prazer é o último
45:25
antes das minhas férias em segundo eu estou de férias,
45:28
então você que eu vim até aqui muito obrigado, muito obrigado
45:31
mesmo curta compartilhe, mande nos leque da empresa é.
45:37
Marca gente lá, escreva, faça conteúdos no LinkedIn de incites
45:42
que você tirou desse episódio, mas que a gente que a gente lá
45:46
dá um curtida, um comentário, dá um compartilhar.
45:50
E é isso. Muito obrigado.
45:51
Muitas coisas vão vir por aí em 2023.
45:54
Espero vocês, é isso? Tchau, fui.