Pesquisa como infraestrutura, não como processo manual.
Criamos uma plataforma para criar e distribuir pesquisas em produtos web e mobile de forma integrada. Cuidei da ideação, das regras de negócio, da esteira de desenvolvimento e do handoff, e o produto foi construído em cerca de dois meses, usando 100% o Design System. Ele eliminou o custo recorrente com plataformas externas de pesquisa quantitativa.

O problema
Fazer pesquisa quantitativa nos nossos produtos dependia de plataformas externas, e o custo delas era alto e recorrente. Cada equipe que queria ouvir o cliente entrava numa fila, ou num contrato, antes de ter uma única resposta. Pesquisa era um processo manual e caro, quando deveria ser uma capacidade do produto.
O que construímos
Uma plataforma completa, de back-end e front-end, para criar e operar pesquisas sincronizadas entre web e app. Uma pesquisa criada uma vez aparece nos dois ao mesmo tempo. Ela cobre praticamente toda a necessidade de pesquisa quantitativa: NPS, CSAT, CES, SEQ, PMF, perguntas binárias e ternárias, respostas curtas e longas, chips, listas de checkbox e de radio button, além de blocos de redirecionamento e de mensagem.
- Uma pesquisa
- App e web, ao mesmo tempo
As decisões
- Perguntas como mini templates. Quem cria escolhe um bloco, por exemplo um CES, e ele já vem com título pronto e com a instrução de como o cliente deve responder. Menos erro de redação, experiência padronizada e ninguém começa do zero.
- Uma pesquisa, duas plataformas. Em vez de manter uma versão para web e outra para app, a pesquisa é um conteúdo único, entregue pelo mesmo caminho.
- Cuidado com a tela do cliente. A pesquisa se sobrepõe a uma parte da tela, então o maior risco é atrapalhar o uso do produto. Por isso validamos se os dados chegam corretos e se nada trava a página antes de escalar.
Qualidade dos dados
Ainda não segmentamos o público 100% dentro da plataforma. Hoje coletamos as respostas e segmentamos por algumas perguntas-chave. Para ter mais certeza de que o público era o correto, cruzamos com um lake de dados que reúne informações dos clientes por meio de um único user id.
Um exemplo: se pergunto se a pessoa tem dívida e ela diz que sim, mas o lake diz que não, existe uma divergência, e a divergência reduz a credibilidade da pesquisa. Cruzando as duas fontes, refinamos o público. Nenhum dado sensível fica no lake, por questões de LGPD.
- Pergunta-chave
- Dado real
- Confiança
Como foi construir
O time era completo, de design e tecnologia: eu, como designer e produto, três devs web e dois devs app. Fiquei com a ideação, as regras de negócio, a esteira de desenvolvimento e o handoff. Da ideação até o beta, foram cerca de dois meses.
O projeto inteiro foi construído pelo nosso time de Design System, usando 100% do Pitaya. Foi a prova mais direta de que Design System, produto, tecnologia e negócio podem trabalhar juntos: o sistema criado para dar consistência às telas virou a base de uma plataforma inteira, que eliminou um custo que pesava no negócio.
Onde estamos
- ~2 mesesda ideação ao beta.
- 100%construído com o Pitaya Design System.
- 2times usando hoje, em fase de testes e de performance.
Ainda não conseguimos medir os ganhos, porque a base de estudo é pequena. Para pesquisa qualitativa, ainda contamos com uma empresa externa, que cuida do screener e do recrutamento das pessoas entrevistadas, e seguimos com uma ferramenta externa de métricas de tela. Para quem responde, nada muda: é uma pergunta na tela. Para quem cria, abre um mar de possibilidades de inovação, melhoria e entendimento do cliente.
Quer saber mais? Se você está tentando colocar ordem em algo que precisa escalar, vamos conversar.
Entrar em contato ↗ (abre em nova aba)Próximo case: IA que libera o time →