Produtos

A SurveyMonkey foi feita para atender a todos os casos de uso e necessidades. Explore e veja como a SurveyMonkey pode te ajudar.

Obtenha insights baseados em dados com questionários online.

Integre seus dados com mais de 100 aplicativos e plug-ins.

Crie e personalize formulários para coletar dados e pagamentos.

Crie questionários e descubra insights com nossa IA integrada.

Soluções para todas as suas necessidades de pesquisa de mercado.

Modelos

Meça a satisfação e a fidelidade de clientes à sua empresa.

Saiba o que os clientes querem e torne-os defensores da sua marca.

Obtenha insights práticos para melhorar a experiência de usuários.

Colete informações de contato de clientes potenciais, convidados e outros.

Colete e monitore confirmações de presença para eventos.

Descubra o que as pessoas querem para melhorar seu próximo evento.

Descubra insights para melhorar o envolvimento de colaboradores.

Obtenha feedback de participantes para fazer reuniões cada vez melhores.

Use o feedback de colegas para melhorar o desempenho de colaboradores.

Crie cursos e métodos de ensino cada vez melhores.

Saiba como estudantes podem avaliar o conteúdo e a apresentação do curso.

Descubra o que clientes acham das ideias para novos produtos.

Recursos

Práticas recomendadas para o uso de pesquisas e de dados.

Nosso blog sobre pesquisas, dicas de negócios e mais.

Tutoriais e guias de como usar a SurveyMonkey.

Como grandes marcas geram crescimento com a SurveyMonkey.

Falar conoscoFazer login
Falar conoscoFazer login

Saiba como a SurveyMonkey pode te ajudar a analisar seus dados e criar pesquisas melhores facilmente.

Logotipo da SurveyMonkey

As respostas das suas pesquisas online chegaram. Agora é hora de aproveitar o poder da análise de dados para interpretar as respostas e apresentá-las de maneiras fáceis de entender e reagir. Depois de coletar os dados estatísticos da pesquisa e criar um plano de análise de dados, será hora de começar o processo de calcular esses resultados. Agora, você saberá como nossos especialistas em metodologia de pesquisa interpretam dados quantitativos (que são diferentes dos dados qualitativos). Eles estruturam seus relatórios em função das respostas que trazem conclusões para a equipe da pesquisa. Mesmo para especialistas, pode ser difícil extrair os insights dos dados brutos.

Para alcançar o objetivo da sua pesquisa, você precisa começar escolhendo a metodologia de pesquisa sugerida por nossos especialistas. Quando os resultados chegarem, você pode analisá-los usando todas as ferramentas de análise de dados disponíveis, incluindo a análise estatística e a análise de dados, além de gráficos e diagramas que capturam as métricas da sua pesquisa.

Adicione analistas ao seu plano de equipe para resultados ainda melhores.

Uma análise de dados bem feita é fundamental para obter as informações e os insights de que você precisa para tomar as melhores decisões de negócios. Ainda assim, é importante estar ciente dos possíveis desafios que podem dificultar a análise ou até desviar os resultados.

Fazer perguntas abertas em excesso pode tornar a análise mais demorada e complexa, pois elas produzem resultados qualitativos que não são baseados em números. Por outro lado, as perguntas fechadas geram resultados mais fáceis de analisar. A análise também pode ser prejudicada por perguntas sugestivas ou enviesadas ou que sejam apenas muito confusas ou complicadas. Ter em mãos as ferramentas certas e o conhecimento necessário ajuda a garantir uma análise menos trabalhosa e mais eficaz.

Com suas várias técnicas de análise de dados, a SurveyMonkey torna fácil para você transformar seus dados brutos em insights práticos apresentados em formatos fáceis de entender. Os recursos como gráficos e diagramas automáticos e nuvens de palavra dão vida aos seus dados. Por exemplo, a análise de sentimento permite ver um resumo instantâneo de como as pessoas se sentem sobre um tema entre milhares ou até milhões de respostas abertas de texto. Você pode visualizar sentimentos positivos, neutros e negativos rapidamente ou filtrar as respostas por sentimento para identificar queixas que exijam sua atenção. Para insights ainda mais profundos, você pode filtrar uma pergunta por sentimento. Imagine poder transformar todas aquelas respostas de texto em dados quantitativos.

As Nuvens de palavras permitem interpretar respostas abertas rapidamente por meio de uma representação visual das palavras usadas com maior frequência. Você pode personalizar a aparência da nuvem de palavras de várias maneiras, desde cores e fontes para palavras específicas até facilmente ocultar palavras de baixa relevância.

Nossa ampla variedade de recursos e ferramentas te ajuda a analisar seus dados e a rapidamente gerar gráficos e relatórios robustos. Confira como atender a um pedido de relatório de última hora com a SurveyMonkey.

Tudo pronto para começar?

  1. Dê uma olhada nas principais perguntas da pesquisa
  2. Determine o tamanho da amostra
  3. Use a tabulação cruzada para filtrar seus resultados
  4. Referenciais, tendências e dados comparativos
  5. Faça os cálculos numéricos
  6. Tire conclusões

Primeiro, veremos como calcular os resultados da pesquisa a partir das suas principais perguntas. Você tinha perguntas empíricas? Você considerou o uso de amostragem de probabilidade? Lembre-se de que as principais perguntas são definidas ao determinar as metas da pesquisa.

Por exemplo, se você realizou um congresso de educação e entregou um questionário de feedback pós-evento aos participantes, uma das principais perguntas da pesquisa pode ser: como os participantes avaliaram o congresso como um todo? Agora, analise as respostas coletadas em uma pergunta específica do questionário relacionada a essa pergunta principal da pesquisa:

Você pretende participar do congresso no ano que vem?

Opções de resposta
Sim71%852
Não18%216
Não tenho certeza11%132
Total1.200

Nas respostas, você obteve algumas porcentagens (71%, 18%) e alguns números (852, 216). Os percentuais são simplesmente isto: o percentual de pessoas que deram uma resposta específica. Em outras palavras, os percentuais representam a proporção entre o número de pessoas que deram cada resposta e o total de pessoas que responderam à pergunta. Dessa forma, 71% dos respondentes da pesquisa (852 de 1.200 respondentes) pretendem voltar no ano que vem.

Essa tabela também mostra que 18% dizem que não pretendem voltar e 11% dizem que não têm certeza.

Ter uma boa compreensão do tamanho da amostra também é crucial para analisar seus resultados com precisão e eficácia. O tamanho da amostra corresponde a quantas pessoas você precisa que responda à pesquisa para ter resultados estatisticamente viáveis. Mesmo para uma pessoa formada em Estatística, determinar o tamanho da amostra para uma pesquisa pode ser difícil. No entanto, a SurveyMonkey remove as suposições e a complicação do processo com a calculadora de margem de erro, que ajuda a determinar quantas pessoas você precisará entrevistar para que seus resultados reduzam a margem de erro.

Conte com o painel de respondentes do SurveyMonkey Audience. São mais de 175 milhões de pessoas em mais de 130 países.

Lembre-se de que, quando você definiu uma meta para sua pesquisa e desenvolveu seu plano de análise, você pensou nos subgrupos que analisaria e compararia. É nessa hora que todo o planejamento traz resultados. Por exemplo, se você quiser comparar como professores, alunos e administradores responderam à pergunta sobre comparecer ao congresso do ano que vem. Para entender isso, analise as taxas de resposta por meio de um relatório de tabulação cruzada, que mostra os resultados da pergunta para cada subgrupo:

SimNãoNão tenho certezaTotal
Professor80%
320
7%
28
13%
52
400
Administrador46%
184
40%
160
14%
56
400
Estudante86%
344
8%
32
6%
24
400
Total de respondentes8522161321.200

Segundo a tabela, a grande maioria dos estudantes (86%) e professores (80%) pretende voltar no ano que vem. Contudo, os administradores que participaram do congresso têm uma opinião diferente, já que menos da metade deles (46%) pretende voltar. Com sorte, outras perguntas ajudarão a entender por que isso acontece e o que pode ser feito para melhorar o congresso para que mais administradores voltem a cada ano.

Outro método de análise ao modelar seus dados é o filtro. Filtrar significa especificar seu foco em um subgrupo específico e descartar os demais. Dessa forma, em vez de comparar subgrupos entre si, vemos apenas como um subgrupo respondeu à pergunta. Ao combinar filtros, você tem muito mais precisão ao interpretar seus dados.

Por exemplo, é possível limitar o foco a apenas mulheres, ou homens, e executar novamente a tabulação cruzada por tipo de participante para comparar administradoras, professoras e alunas. Ao selecionar e analisar os resultados, é importante estar ciente de que, sempre que um filtro ou tabulação cruzada é aplicado, o tamanho da amostra diminui. Para que os resultados tenham relevância estatística, pode ser útil usar uma calculadora de tamanho da amostra.

Gráficos podem ser uma ferramenta frequente para demonstrar rapidamente os resultados da sua análise de dados de maneira fácil de entender para todos. Com a SurveyMonkey, é fácil criar gráficos que trazem clareza e contexto à sua análise, o que torna possível usar os dados de maneiras mais direcionadas e práticas.  

A tabulação cruzada é um relatório útil para se aprofundar mais nos seus dados. Ela estrutura seus dados em uma tabela que agrupa os respondentes com base em informações de perfil ou respostas em comum, permitindo comparar as respostas de cada grupo. Isso ajuda a entender melhor cada grupo de respondentes e descobrir suas diferenças.

Suponhamos que na pesquisa de feedback da conferência, uma pergunta era "Em geral, em que medida você ficou satisfeito com a conferência?"

Os resultados mostram que 75% dos participantes ficaram satisfeitos com a conferência. Isso parece ótimo. Mas não seria bom ter mais contexto? Algo com o qual comparar isso? Isso é melhor ou pior que o ano passado, por exemplo? Como ficam esses dados em comparação com os de outras conferências?

A comparação a referências pode trazer respostas a essas e outras perguntas permitindo rapidamente que você faça comparações a dados passados e atuais para identificar tendências no seu setor e mercado e ver como você está se saindo em comparação a elas.

Vamos supor, por exemplo, que você tenha feito essa pergunta na pesquisa de feedback do congresso do ano passado. Você poderá fazer uma comparação de tendência. Os pesquisadores profissionais de opinião conhecem muito bem a utilidade das tendências. Se a taxa de satisfação do ano passado foi de 60%, houve um aumento de 15 pontos percentuais na satisfação deste ano! O que provocou esse aumento da satisfação? Com sorte, as respostas de outras perguntas da pesquisa darão algumas informações a respeito.

Se você não tiver dados do congresso dos anos anteriores, faça deste ano o primeiro e comece a coletar feedback depois de todos os próximos congressos. Isso se chama comparação a referências. Você estabelece uma referência ou um número base e, posteriormente, pode ver se isso mudou e como. É possível comparar não apenas a satisfação dos participantes a uma referência, como também outras perguntas. É possível monitorar anualmente a opinião dos participantes sobre o congresso. Isso se chama análise de dados longitudinais.

É possível até mesmo monitorar dados de diferentes subgrupos. Vamos supor, por exemplo, que as taxas de satisfação vêm aumentando anualmente para alunos e professores, mas não para administradores. Pode ser interessante analisar as respostas dos administradores a várias perguntas para ver se é possível ter alguma ideia do motivo de eles estarem menos satisfeitos que os demais participantes.

Você sabe quantas pessoas disseram que voltariam, mas como sabe se pode confiar nas respostas à sua pesquisa e usá-las com segurança para embasar futuras decisões? É importante prestar atenção na qualidade dos seus dados e entender os componentes da relevância estatística.

Na linguagem cotidiana, "relevante" quer dizer importante ou significativo. Em análise de pesquisa e estatística, relevância se refere a uma "avaliação da precisão". É o ponto em que o inevitável "mais ou menos" entra na pesquisa. Isso significa que os resultados da pesquisa são precisos apenas dentro de uma margem de confiança específica, não por aleatoriedade. É arriscado tirar conclusões baseadas em resultados imprecisos (ou seja, sem relevância estatística). O primeiro fator a ser considerado em qualquer avaliação da relevância estatística é a representatividade da amostra, ou seja, até que ponto o grupo de pessoas incluído na pesquisa se assemelha à população total sobre a qual você quer tirar conclusões.

Se 90% dos participantes do congresso que responderam à pesquisa fossem homens, mas apenas 15% de todos os participantes fossem homens, teríamos um problema. Quanto mais se sabe sobre a população sendo estudada, mais confiante você poderá ficar quando os resultados das pesquisas se alinharem a esses números. No exemplo que estamos vendo, se 15% dos respondentes forem homens, isso é bom.

Se a amostra da pesquisa é escolhida aleatoriamente entre uma população conhecida, a relevância estatística pode ser calculada de maneira direta. O principal fator aqui é o tamanho da amostra. Suponhamos que 50 das 1.000 pessoas que participaram do congresso responderam à pesquisa. Cinquenta (50) é uma amostra pequena, e os resultados terão uma margem de erro grande. Em outras palavras, os resultados não terão muita relevância.

Suponhamos que você tenha perguntado aos respondentes do questionário de quantas das 10 sessões eles participaram durante o congresso. Seus resultados são:

12345678910TotalAvaliação média
Nº de sessões assistidas10%
100
0%
0
0%
0
5%
50
10%
100
26%
280
24%
240
19%
190
5%
50
1%
10
1.0006,1

Analise a média. Como você deve se lembrar, existem três tipos diferentes de média: a média aritmética, a mediana e a moda.

Na tabela acima, a média de sessões das quais eles participaram é 6,1. Aqui, na verdade, estamos falando da média mais conhecida por todos. Para determinar a média, basta somar os dados e dividir pelo número de valores contabilizados. Neste exemplo, 100 pessoas afirmam ter participado de uma sessão, 50 pessoas participaram de quatro sessões, 100 pessoas de cinco sessões, etc. Portanto, você multiplica cada um desses pares, soma os resultados e divide essa soma pelo número total de pessoas.

A mediana é outro tipo de média. Trata-se do valor do meio exato, ou seja, a marca dos 50%. Na tabela acima, ela é o número de sessões a partir do qual existem 500 pessoas à esquerda e 500 à direita. A mediana é, neste caso, sete sessões. Isso ajuda a descartar a influência de valores discrepantes que possam afetar os dados negativamente.

O último tipo de média é a moda. A moda é a resposta mais frequente. Neste caso, a resposta é seis. Duzentos e sessenta (260) respondentes do questionário participaram de seis sessões, valor mais citado do que qualquer outro número de sessões.

As médias em geral (incluindo a mediana e a moda) também podem ser usadas se os seus resultados se baseiam na escala Likert.

Na hora de criar um relatório com os resultados da pesquisa, pense na contextualização desses dados.

Vamos supor que o congresso em geral recebeu avaliações medíocres. Você explora a pergunta para saber o que está acontecendo. Os dados mostram que os participantes tiveram excelentes opiniões sobre quase todos os aspectos do congresso (as sessões e aulas, os eventos sociais e o hotel), mas não gostaram da cidade escolhida para o evento. Suponhamos que o congresso tenha sido realizado em Foz do Iguaçu em julho e fazia muito frio para sair à rua. 

Essa é uma parte importante da história: ótimo congresso em geral, mas péssima escolha da localização. Fortaleza ou Salvador poderia ter sido uma escolha melhor para um congresso no inverno.

Um aspecto da análise de dados e da geração de relatórios que deve ser considerado é a causalidade em contraste com a correlação.

As pessoas interpretam informações de várias maneiras diferentes. Felizmente, a SurveyMonkey oferece muitas maneiras diferentes de analisar dados de pesquisa, que você pode usar para avaliar e apresentar as informações das melhores maneiras para seus objetivos e criar gráficos, diagramas e relatórios que facilitam a compreensão dos resultados.

Estas são algumas das perguntas comuns pelas quais nós podemos te ajudar a navegar até você se acostumar com a análise de dados:

A análise de dados longitudinais (também chamada "análise de tendências") basicamente monitora como os resultados de perguntas específicas mudam com o tempo. Quando uma referência é estabelecida, é possível determinar se os números mudam e como. Suponhamos que a taxa de satisfação do congresso foi de 50% três anos atrás, 55% dois anos atrás, 65% no ano passado e 75% neste ano. Parabéns pelo trabalho! A análise de dados longitudinais mostra um aumento constante da satisfação.

Causalidade é quando um fator causa outro. Correlação é quando duas variáveis mudam paralelamente, mas uma não influencia ou causa a outra. Por exemplo, beber chocolate quente e usar luvas são duas variáveis correlacionadas, pois tendem a variar juntas e no mesmo sentido. Porém, uma não causa a outra. Na verdade, as duas são provocadas por um terceiro fator, o frio. 

O frio influencia tanto o consumo de chocolate quente quanto a probabilidade de usar luvas. Ele é uma variável independente, e o consumo de chocolate quente e a probabilidade de usar luvas são variáveis dependentes. No caso da pesquisa de feedback do congresso, o frio é a provável causa da insatisfação dos participantes com a cidade do evento e com o congresso em geral. 

Por fim, para examinar ainda mais a relação entre variáveis no seu questionário, pode ser preciso fazer uma análise de regressão.

A análise de regressão é um método avançado de análise e visualização de dados que permite observar a relação entre duas ou mais variáveis. Existem muitos tipos de análise de regressão. A escolha de um ou outro dependerá das variáveis sendo examinadas. O que todos os tipos de análise de regressão têm em comum é a observação da influência de uma ou mais variáveis independentes em uma variável dependente. Ao analisar os dados da nossa pesquisa, podemos estar interessados em conhecer quais fatores mais afetam a satisfação dos participantes com o congresso. Trata-se do número de sessões? Do palestrante convidado para a abertura? Dos eventos sociais? Do local? Com uma análise de regressão, a equipe de pesquisa