Pesquisadores adoram responder a pesquisas. Isso nos ajuda a ficar a par das últimas tendências de pesquisa e nos dá uma ideia de onde as pessoas que criam pesquisas no dia a dia acertam e erram.
Um dos problemas mais comuns que vemos é que muitas pessoas não usam lógica de ramificação.
A lógica de ramificação é um recurso de design de pesquisa que permite enviar o respondente a uma pergunta de uma página posterior da pesquisa. Isso significa que você pode fazer pesquisas personalizadas em que os respondentes respondem somente às perguntas que se aplicam a eles.
Você pode achar que esse é apenas um recurso bacana, porém não necessário. Na verdade, deixar de usar a lógica de ramificação pode comprometer seus dados.
Fizemos um experimento para descobrir se os dados que você obtêm de uma pesquisa que usa lógica de ramificação são melhores do que os de uma que não usa. Com o SurveyMonkey Audience, enviamos duas pesquisas que usaram as mesmas dez perguntas sobre nosso programa de TV favorito: Game of Thrones.
Uma pesquisa usou lógica de ramificação e a outra usou algumas das alternativas mais comuns que vemos criadores de pesquisa usarem para evitar lógicas de ramificação. Veja o que descobrimos:
Ignorar lógicas de ramificação pode danificar seus dados de resposta
Como você avaliaria Game of Thrones? À primeira vista, não parece haver nada de errado com essa pergunta. É simples e direta, mas só funciona com contexto. E se o respondente não assistiu ao programa?
Erros como esse podem afetar e muito seus dados. Quando fizemos essa pergunta na pesquisa em que usamos a lógica de ramificação, ela recebeu uma avaliação média de 4,15 estrelas. A versão sem lógica de ramificação recebeu uma média de 2,98 estrelas.
Qual é a diferença? Na versão com lógica de ramificação, Primeiro perguntamos ao respondente se ele ou ela assistiu ao programa e, em seguida, pedimos somente às pessoas que responderam que "sim" o avaliarem.
E por que tamanha diferença? A versão que evitou a lógica de ramificação teve muito mais avaliações com somente uma estrela, possivelmente por que os respondentes que não assistiram ao programa não tinham uma opção de resposta que se aplicava a eles e deram uma resposta frustrada.
Os dados imprecisos que resultam de omitir a lógica de ramificação podem levar o criador da pesquisa às conclusões erradas. No nosso exemplo, os dados indicam que Game of Thrones é apenas um pouco popular, quando na verdade é extremamente popular.
Tudo pronto para usar a lógica de ramificação?
A lógica de ramificação ajuda a fazer as perguntas certas na hora certa. Escolha um plano pago para acessar o recurso.
As alternativas mais comuns também não funcionam
As pessoas às vezes inventam métodos para evitar usar a lógica de ramificação, ajustando a pergunta ou as opções de resposta para que se apliquem a um público mais amplo. Essas soluções são deselegantes e podem gerar dados ruins.
A alternativa da opção de resposta: no exemplo abaixo, não usamos a lógica de ramificação para ocultar essa pergunta de pessoas que já assistiram Game of Thrones. Em vez disso, mostramos a pergunta para todos, esperando que as pessoas que o assistiram selecionasse “Já assisti Game of Thrones”.
Essa maneira de contornar aparentemente simples acabou desviando muitos respondentes. Quase metade—43%—dos respondentes escolheu um motivo por que não assistiu Game of Thrones, mesmo tendo respondido que já assistiram na pergunta anterior.
Foi um erro? Ou estavam frustrados porque a pesquisa falhou em considerar a resposta anterior? É difícil dizer, mas temos certeza de que as respostas a essa pergunta são imprecisas e geram ruído nos dados.
A alternativa da instrução na pergunta: outra tática frequente é adicionar instruções à pergunta pedindo para o respondente pular a pergunta caso não se aplique a ele ou ela.
No exemplo abaixo, os respondentes que não assistiram a Game of Thrones foram instruídos a pular a pergunta.
Funcionou? Não exatamente. Cerca de 2 de 5 respondentes que anteriormente haviam respondido que não tinham assistido a Game of Thrones responderam à pergunta, e isso enfraqueceu nossas constatações. Os personagens mais escolhidos corresponderam aos da pesquisa com lógica de ramificação, mas em porcentagens muito menores, possivelmente porque não espectadores tendem a selecionar personagens aleatoriamente.
A lógica de ramificação melhora a experiência do respondente
No final das duas versões, perguntamos ao respondente como ele ou ela avaliaria a qualidade da pesquisa. O percentual de respondentes que avaliaram a pesquisa como “ruim” ou “regular” foi muito maior do que na que usou a lógica de ramificação.
Além disso, a taxa de conclusão, que é o percentual de respondentes que completou a pesquisa toda, foi menor na que não usou lógica de ramificação. E 14% menos respondentes disseram que responderiam a outra pesquisa no futuro. Isso sugere que o impacto negativo de evitar usar a lógica de ramificação pode até afetar suas próximas pesquisas.
Em uma pesquisa simples de dez perguntas, vimos que a lógica de ramificação pode influenciar bastante. Ela pode afetar a qualidade e a quantidade das respostas e até a experiência do respondente.
Dadas nossas constatações, é interessante dedicar tempo para criar uma lógica de ramificação e testá-la para ver se está programada corretamente. Você receberá respostas mais precisas e respondentes mais satisfeitos.
Caso tenha dúvidas sobre como fazer a lógica de ramificação funcionar para você, temos as respostas aqui.
