Cinco recursos de lógica para elevar o nível das suas pesquisas

Quer saber tudo sobre lógica de pesquisa? 

Ao incluir recursos de lógica no design da pesquisa, você tem maior controle sobre o comportamento dela e sobre a experiência de respondentes. Isso não somente cria uma jornada de pesquisa mais limpa e personalizada, mas também prepara o caminho para uma melhor qualidade de dados. Quanto mais você puder aumentar a relevância e a simplicidade das pesquisas, maior é a chance de as pessoas responderem a todas as perguntas e fornecer os insights exatos de que você precisa. 

Quer você seja uma pessoa totalmente nova em lógica de pesquisa ou apenas precise relembrar, estamos destacando cinco recursos populares de lógica incluídos em nossos planos pagos. Continue lendo para saber por que eles são tão eficazes e como usá-los para melhorar sua pesquisa. 

Imagine que alguém te apresentou uma pessoa em uma festa, e ela pergunta com o que você trabalha. Você diz que não está trabalhando no momento, e a pessoa imediatamente começa a fazer várias perguntas que só se aplicam a alguém que trabalha em tempo integral. Você não iria gostar, não é mesmo? E você provavelmente abandonaria a conversa assim que possível.

As pesquisas podem causar os mesmos sentimentos negativos e desistências se não forem bem planejadas. Quando uma pessoa encontra perguntas irrelevantes, principalmente depois de já ter deixado claro quem é ou como se sente, muitas vezes ela deixará a pesquisa. Mesmo se ela continuar, você provavelmente não obterá insights úteis, pois essa pessoa não estará engajada nem informada.

Com a lógica de ramificação de pergunta, você pode enviar respondentes para uma pergunta ou página posterior específica com base em como a pessoa responder à pergunta fechada. Digamos que, por exemplo, um estudo sobre a experiência de colaboradores em diferentes setores faz uma pergunta parecida com a de um dos convidados que mencionamos anteriormente. Com a lógica de ramificação de pergunta, a pesquisa pode levar as pessoas que estão trabalhando em tempo integral no momento para perguntas de seguimento sobre sua experiência atual no trabalho. Para respondentes atualmente sem emprego fixo, a lógica de ramificação pode enviar essas pessoas para perguntar sobre suas experiências de trabalho anteriores ou sobre experiência no trabalho num sentido mais amplo. 

Existem provas de que a lógica de ramificação melhora as respostas de uma pesquisa, e isso vale tanto para a lógica de ramificação de pergunta quanto a lógica de ramificação de página. Isso é porque você está criando caminhos personalizados na pesquisa em que cada pessoa vê somente perguntas relevantes para ela. Alguns respondentes podem precisar de um atalho para pular para o final da pesquisa. Outros tomarão uma rota mais longa (mas ainda gratificante). De qualquer maneira, você oferecerá uma jornada que faz mais sentido e valoriza o tempo de cada pessoa. 

Quer saber mais sobre lógica de ramificação de pergunta? Assista a este vídeo.

Sabe os caminhos personalizados de pesquisa que a lógica de ramificação de pergunta cria? Bom, a ramificação avançada ajuda a especificá-los ainda mais.

Enquanto os caminhos que você cria com uma lógica de ramificação de pergunta dependem somente de como uma pessoa responde a uma pergunta fechada, a ramificação avançada permite criar caminhos de pesquisa personalizados aplicando lógicas com base em uma variedade de condições. Essas condições podem incluir as respostas selecionadas, bem como dados personalizados de Contatos e variáveis personalizadas.

Digamos, por exemplo, que um salão de cabeleireiros criou uma pesquisa de clientes que pergunta se a pessoa é cliente fixa, se ela visita de vez em quando ou se é cliente nova. Com a ramificação avançada, o salão pode mostrar ou ocultar diferentes páginas da pesquisa, dependendo dessas respostas. Uma cliente fixa seria enviada para páginas diferentes de uma cliente nova e veria perguntas feitas para clientes frequentes. 

Se a intensão fosse saber se a experiência de clientes melhorou depois de implementar um novo sistema de agendamento, eles poderiam desqualificar pessoas que respondessem a uma série de perguntas de determinada maneira ou usar os endereços de email de clientes para não mostrar para os clientes novos perguntas sobre se o novo sistema é melhor que o antigo.

A ramificação avançada pode exigir um pouco de planejamento, e é melhor aplicá-la depois de ter finalizado o design da pesquisa, mas ela pode ser uma maravilha para seus dados e sua experiência de respondentes.

Quer saber mais sobre ramificação avançada? Assista a este vídeo.

Já conversamos bastante sobre a importância de mostrar somente perguntas relevantes para seus respondentes. A lógica de desqualificação é uma estrutura ótima e necessária para isso, pois ajuda a retirar qualquer pessoa que não faça parte do seu público-alvo.

Com a lógica de desqualificação, você pode criar uma pergunta para desqualificar as pessoas que escolherem determinada opção de resposta. Assim, você não precisará vasculhar os resultados para incluir respostas de pessoas que não cumpriram os critérios de segmentação ou não autorizaram seus termos. (Observação: se decidir comprar respostas pelo SurveyMonkey Audience, a lógica de desqualificação funciona de uma maneira um pouco diferente.)

Pense na lógica de desqualificação como uma maneira específica de usar lógicas de ramificação de pergunta. Em vez de enviar uma pessoa para outra pergunta ou página com base na sua resposta a uma pergunta, ela será levada para fora da pesquisa. Por exemplo, digamos que você é profissional de marketing em uma pet shop e quer enviar uma pesquisa para tutores de cães. Você poderia adicionar uma pergunta de sim ou não no começo da pesquisa perguntando se a pessoa atualmente tem um cão e adicionar uma lógica de ramificação de pergunta para enviar as pessoas que responderam “não” para uma página de desqualificação. (Não quer desqualificar pessoas que amam cachorros, mas que apenas não têm um no momento? Basta enviar as pessoas que responderem “Não” para uma página separada com uma pergunta sobre se ela já teve um cachorro anteriormente.)

Você pode mostrar aos respondentes desqualificados a página de conclusão padrão da pesquisa ou mostrar uma mensagem de desqualificação personalizada ou enviá-los um URL de sua escolha. As últimas opções são boas maneiras de dar um toque mais personalizado e dar à pessoa respondente uma maneira de saber mais sobre sua empresa e seus produtos ou serviços.

Quer saber mais sobre lógica de desqualificação? Ver instruções e dicas de especialistas.

As variáveis personalizadas são parâmetros que você pode adicionar ao final do URL do coletor de link da sua pesquisa que adiciona dados-chave para os resultados da pesquisa. É como uma pergunta oculta que te ajudará mais tarde a segmentar, filtrar e analisar seus resultados.  

As variáveis personalizadas são úteis por serem flexíveis. Elas são uma ótimas para monitoramento de campanha e análise de dados online e podem ajudar você a aproveitar ao máximo seus dados de CRM. Por exemplo, uma empresa que esteja buscando melhorar suas pesquisas de pós-compra poderia criar variáveis personalizadas para o nome ou código do produto e a data da compra. Ao analisar os resultados, a empresa poderia criar filtros para essas variáveis para saber mais sobre experiências de compra específicas. Com essas variáveis, a empresa também poderia usar a mesma pesquisa para coletar posteriormente dados sobre como a experiência de compra está melhorando (ou não).  

As variáveis personalizadas também podem poupar respondentes de ter de preencher informações que você já tem e simplificar a análise. Digamos que uma equipe de oito pessoas da sua empresa recentemente respondeu a um problema no site que afetou seus clientes, e agora você quer enviar uma breve pesquisa para essa equipe. Você pode criar variáveis personalizadas com base em informações como o nome, o departamento e o cargo do colaborador ou da colaboradora. 

Para os respondentes, isso poupará cada pessoa de ter de preencher essas informações ela mesma. E quando se trata de análise, você terá a opção de baixar um arquivo exportado XLS ou SPSS com os dados de todas as respostas para ver as variáveis personalizadas vinculadas a cada resposta. Na planilha, os resultados dessa pesquisa de uma pergunta só ficarão mais ou menos assim:

Quer saber mais sobre variáveis personalizadas? Veja instruções e dicas de especialistas.

Quer melhorar sua maneira de fazer perguntas de seguimento? Com a transferência de respostas, sua pesquisa se “lembra” da resposta que uma pessoa deu a uma pergunta anterior para você poder fazer outras perguntas na sequência que sejam condizentes com as respostas dadas anteriormente. 

Por exemplo, digamos que você é uma empresa de transporte por aplicativo que está conduzindo uma pesquisa de mercado. Fazer perguntas repetidamente sobre empresas de transporte por aplicativo de que um respondente nunca ouviu falar não será nada bom para sua experiência de pesquisa nem seus dados. Em vez disso, você pode perguntar para as pessoas quais empresas de transporte por aplicativo elas conhecem (usando uma pergunta de múltipla escolha que permita várias respostas) e então usar uma transferência de respostas para fazer perguntas mais específicas somente sobre as empresas que a pessoa selecionou. Isso aumentará a chance de obter os insights de que você precisa sobre as preferências de aplicativo de transporte dos respondentes e suas percepções sobre as marcas concorrentes.

Quer você use a transferência de respostas para filtrar opções de resposta que as pessoas não selecionaram ou para transferir as respostas que elas selecionaram, esse recurso de lógica permite ir de perguntas mais amplas para perguntas específicas e mais úteis para sua pesquisa e mostra para as pessoas que você está prestando atenção nas respostas.

Quer saber mais sobre transferência de respostas? Veja instruções e dicas de especialistas.

Como já pode ver, as lógicas de pesquisa são uma ótima maneira de melhorar o design das suas pesquisas, criar experiências mais inclusivas e obter dados mais específicos. Experimente-as no seu próximo projeto de pesquisa e veja a diferença nos resultados.