Machine Translated by Google

Experiência do usuário de software e

Probabilidade de recomendar: vinculação
UX e NPS
Erin Bradner
Gerente de pesquisa de usuários Abstrato
Autodesk Inc.
Um Mercado St. Este estudo relata uma pesquisa de dois anos em que se constatou que atributos de
São Francisco, Califórnia experiência do usuário, por exemplo, facilidade de uso, contribuíram significativamente
EUA para a disposição dos usuários em recomendar um produto.
erin.bradner@autodesk.com produtos. É um estudo de caso que aplica um modelo de satisfação do cliente desde a

Jeff Sauro área de Fidelização do Cliente até a nossa área de Experiência do Usuário de Software.
Fundador Uma análise multivariada descobre que variáveis de experiência do usuário, como
Medindo Usabilidade LLC facilidade de uso, contribuem
Suíte St. Steele 201 #200 entre 32% e 40% para a probabilidade dos usuários recomendarem um produto de
Denver, CO 80206 software.
EUA
jeff@measuringusability.com
Palavras-chave

Métodos Quantitativos, Estudo de Caso, Desenho de Pesquisa, Usabilidade,

Pontuação líquida do promotor, design de experiência do usuário

Conferência Internacional UPA 2012 Henderson, Nevada, EUA

Machine Translated by Google

Introdução
O Net Promoter é uma medida de satisfação do cliente que surgiu da pesquisa de Fidelidade do Cliente realizada por
Frederick Reichheld (Reichheld, 2003). Reichheld desenvolveu o Net Promoter*
Score (NPS) para simplificar as pesquisas caracteristicamente longas e complicadas que caracterizavam a pesquisa
de satisfação do cliente naquela época. Sua pesquisa encontrou uma correlação entre o crescimento da receita de
uma empresa e a disposição de seus clientes em recomendá-la. O procedimento para calcular o Net Promoter Score
é decididamente simples e descrito abaixo. Em suma, Reichheld argumentou que as receitas crescem à medida que
aumenta a percentagem de clientes que estão dispostos a recomendar activamente um produto ou empresa, em
relação à percentagem que provavelmente não o recomendarão.
Na Autodesk, há dois anos que utilizamos o método Net Promoter para analisar a satisfação dos utilizadores com os
nossos produtos (Bradner, 2010). Escolhemos o Net Promoter como modelo de satisfação do usuário porque
queríamos mais do que uma pontuação média de satisfação. Queríamos entender como a facilidade de uso geral e o
conjunto de recursos de um produto estabelecido influenciam a experiência total do produto de nossos clientes
(Sauro, J. & Kindlund 2005). Através de análise multivariada – frequentemente utilizada em conjunto com o Net
Promoter – identificamos os atributos de experiência que inspiram os clientes a promover ativamente o nosso produto.
Esses atributos incluem a experiência do usuário do software
(facilidade de uso), a experiência do cliente (ligações telefônicas para suporte ao produto) e a experiência de compra
(valor pelo preço).
Este artigo explica as etapas específicas que seguimos para construir esse modelo de satisfação do usuário e
descreve como o usamos para quantificar o valor de uma boa experiência do usuário.

Métodos
Em 2010, lançamos uma pesquisa destinada a medir a satisfação do usuário com a descoberta, facilidade de uso e
relevância de um recurso do nosso software que chamaremos aqui de recurso L& T . Usamos uma escala de 11
pontos e perguntamos à satisfação dos usuários com o recurso, juntamente com a probabilidade de recomendar o
produto. A pergunta recomendada é a característica que define o modelo do Net Promoter. Para calcular o Net
Promoter Score, nós:
1. Perguntamos aos clientes se eles recomendariam nosso produto usando uma escala de 0 a 10, onde 10
significa extremamente provável e 0 significa extremamente improvável.
2. Segmentou as respostas em três grupos:
Promotores: Respostas de 9 a 10
Passivos: Respostas de 7 a 8
Detratores: Respostas de 0 a 6
3. Calcule a percentagem de promotores e a percentagem de detratores.
4. Subtraiu a porcentagem de detratores da porcentagem de respostas do promotor para obter o
Pontuação líquida do promotor.

Este cálculo nos deu um Net Promoter Score. Saber que tivemos 40% mais clientes promovendo do que prejudicando
nosso produto significa algo. Mas também surge a questão: 40% é uma boa pontuação?

Existem benchmarks do setor para Net Promoter Scores. Por exemplo, a Indústria de Software de Consumo (Sauro,
2011) tem uma pontuação média do Net Promoter de 21% – o que significa que 20% é a média para produtos como
Quicken, QuickBooks, Excel, Photoshop e iTunes. Embora a prática comum na Autodesk seja dar menos importância
aos benchmarks, mas focar cuidadosamente nos aspectos da experiência do usuário que impulsionam os promotores
e, ao mesmo tempo, reduzem os detratores.
Para isolar os “motivadores” de uma boa experiência do usuário, também incluímos perguntas de classificação em
nossa pesquisa que perguntavam sobre a qualidade geral do produto, o valor do produto e a facilidade de uso do
produto. Fizemos essas perguntas na mesma escala de 11 pontos usada para a pergunta de recomendação. Em
seguida, calculamos os escores médios de satisfação para cada variável de experiência. A satisfação é plotada ao
longo do eixo x no gráfico abaixo.

* Net Promoter é uma marca registrada da Satmetrix, Bain e Reichheld.

Conferência Internacional UPA 2012 Henderson, Nevada, EUA

Machine Translated by Google

Em seguida, executamos uma análise de regressão múltipla com o Net Promoter como variável dependente e
os atributos de experiência do usuário como variáveis independentes. Essa análise nos mostrou quais atributos
de experiência contribuíram significativamente para a probabilidade dos usuários recomendarem o produto. O
A análise, por utilizar o coeficiente beta, leva em consideração a correlação entre cada variável. Essas
correlações são plotadas em relação ao eixo y na Figura 1 abaixo. O eixo y representa o coeficiente beta
padronizado. Chamamos o eixo y de 'Importância' porque está correlacionado com a pergunta "você recomendaria
este produto?" é o que nos diz o quão importante cada variável de experiência é para nossos usuários. Traçar a
satisfação em relação à importância nos dá uma ideia de quais atributos de experiência (interface, qualidade ou
preço) são mais importantes para nossos usuários.

Figura 1. Anatomia de uma análise de fator chave.

Priorizando Investimentos em Design de Interface

Segundo Reichheld (Reichheld 2003), ninguém recomendará um produto sem realmente gostar dele. Quando
recomendamos algo, especialmente em um ambiente profissional, colocamos nossa reputação em risco.
Recomendar um produto é admitir que estamos mais do que satisfeitos com ele. Isso significa que estamos
dispostos a fazer um pouco de marketing e promoção em nome deste produto.

Essa promoção altruísta, altamente credível e gratuita de clientes entusiasmados é o que torna a avaliação da
pergunta de recomendação significativa. Os promotores irão encorajar ativamente outros a comprar o nosso
produto e, de acordo com a pesquisa de Reichheld, são mais propensos a recomprar.

Queríamos determinar como a probabilidade de um cliente recomendar um determinado produto era impulsionada
por recursos específicos e pela facilidade geral de uso desse produto. Um novo recurso, chamaremos de L&T,
estava incluído no produto que estávamos estudando. Quando plotamos a satisfação dos usuários com o recurso
L&T em relação à sua disposição de recomendar o produto que contém o recurso L&T, descobrimos que o
recurso L&T era menor no eixo y em relação aos outros aspectos da interface (conforme mostrado na Figura 1).
Usar o recurso L&T (facilidade de uso de L&T) e localizá-lo (capacidade de descoberta de L&T) obteve pontuação
inferior em satisfação do que qualidade do produto, valor do produto e facilidade de uso do produto, mas também
obteve pontuação inferior em importância. Os usuários dão menos importância a este novo
característica relativa à qualidade geral, valor e facilidade de uso. Os dados mostram a satisfação dos usuários

Conferência Internacional UPA 2012 Henderson, Nevada, EUA

Machine Translated by Google

com o recurso L&T não está tão fortemente correlacionado quanto a qualidade e a facilidade de uso com a probabilidade
de recomendar o produto e, portanto, não é tão importante para impulsionar o crescimento das vendas do produto.
Os rótulos nos quadrantes da Figura 1 nos dizem exatamente quais aspectos da experiência do usuário devem ser
melhorados em seguida. Os recursos plotados no quadrante superior esquerdo, denominados FIX, são os de maior
prioridade porque têm a maior importância e a menor satisfação.

Os dados da Figura 1 indicam que se quiséssemos redesenhar o recurso L&T, deveríamos investir em
Relevância de L&T, uma vez que foi plotado mais alto no eixo Importância do que Capacidade de descoberta e Facilidade de
uso de L&T.

Contribuição da UX para
Probabilidade de recomendar (n=2.170)

Figura 2. Análise dos aspectos da experiência do cliente que contribuem para a probabilidade dos clientes
recomendarem um produto (n=2.170)

Priorizando Investimentos em Design de Interface

Então, quanto a interface do usuário de um produto de software contribui para a disposição dos usuários em
recomendar o produto? Nossos colegas do departamento de business intelligence nos disseram que os preditores
mais fortes da disposição de um usuário em recomendar um produto são:

1. Suporte ao cliente útil e ágil (Suporte) e…

2. Funcionalidade útil a um bom preço (Valor).

Executamos uma regressão múltipla em nosso conjunto de dados de pesquisa (Figura 2) e descobrimos que as
variáveis de experiência do usuário de software contribuem com 36% para a probabilidade de recomendação (n=2.170).
O Valor do Produto representou 13% e o Suporte representou outros 9%. Para verificar a contribuição da experiência
do usuário de software para a disposição de recomendar, executamos outra regressão múltipla em dados de uma
segunda pesquisa semelhante (n = 1.061) e descobrimos que a contribuição das variáveis de experiência do usuário
era de 40%. Concluímos que para os produtos que estudamos, que são aplicações de design utilizadas por engenheiros
profissionais, arquitetos, animadores, etc., a experiência do usuário contribui entre 32% e 40% para a probabilidade de
recomendação.

Conferência Internacional UPA 2012 Henderson, Nevada, EUA

Machine Translated by Google

Figura 3. Aumento desejado na probabilidade de recomendação (esquerda) versus aumento real (direita)
Em seguida, realizamos uma terceira pesquisa um ano depois. As fórmulas de regressão da primeira e da terceira
pesquisa são mostradas abaixo, onde LTR significa Probabilidade de Recomendar. No Ano 1 calculamos as metas
de melhoria mostradas na Figura 3 (esquerda). Estabelecemos uma meta de aumento de 5% no
probabilidade dos usuários recomendarem nosso produto e sabíamos como conseguir esse aumento a partir da
fórmula de regressão: assumindo que os outros fatores contribuintes permanecem constantes, se pudéssemos
aumentar as pontuações de satisfação para a facilidade de uso geral do produto, para a usabilidade do Recurso 1
e para a usabilidade do Recurso 2, veríamos um aumento na probabilidade de recomendação dos usuários de 5%.

No Ano 2, refizemos a análise. Descobrimos que o aumento real na probabilidade de recomendar foi de 3%. Esse
aumento de 3% foi impulsionado por um aumento de 3% na facilidade de uso, um aumento de 1% na usabilidade
do Recurso 1 e um aumento percebido de 0% na usabilidade do Recurso 2, conforme resumido na Figura 3 (à
direita). As fórmulas de regressão para o produto que estudamos estão abaixo.
Ano 1 - Produto X LTR = 2,8 + 0,39 (Facilidade de uso) + 0,13 (Recurso 1) + 0,19 (Recurso 2) (R 2
=37%)

Ano 2 - Produto X LTR = 2,8 + 0,39 (Facilidade de uso) + 0,11 (Recurso 1) + 0,24 (Recurso 2) (R 2
=36%)

Discussão
A análise multivariada mostrou que a experiência do usuário contribuiu entre 36% e 40% para aumentar as
recomendações de produtos. No Ano 2, não atingimos a nossa meta de aumentar a Probabilidade de Recomendar
o nosso produto em 5%, mas ao investir na facilidade de utilização e em algumas características-chave
conseguimos melhorar a Probabilidade de Recomendar em 3%. O modelo do Net Promoter nos forneceu uma
maneira de definir e priorizar o investimento no design da experiência do usuário e de acompanhar o retorno desse
investimento ano após ano.
Queríamos testar ainda mais o modelo do Net Promoter. O modelo poderia ser usado como um preditor do
crescimento das vendas, como foi originalmente pretendido (Reichheld, 2003)? Se soubéssemos quantos
promotores indicam ativamente o produto, poderíamos estimar os ganhos de receita associados à melhoria da
experiência do usuário do nosso software.
O que fizemos a seguir foi determinar se existe uma ligação entre “promotores” e um aumento nas referências de
clientes. Na nossa pesquisa, perguntamos se o entrevistado – todos eram clientes existentes –
havia indicado o produto a um amigo no ano passado (Owen & Brooks 2008). A partir desses dados derivamos a
proporção de clientes obtidos através de referências e que provavelmente indicam
outros. Isso nos permitiu aproximar o número de referências necessárias para adquirir um novo cliente. Os dados
usados para derivar esse número são proprietários. Para efeitos deste relatório, usaremos o número oito:
precisamos de 8 referências para adquirir um novo cliente. No modelo NPS,

Conferência Internacional UPA 2012 Henderson, Nevada, EUA

Machine Translated by Google

são os promotores que indicam ativamente um produto. Mas não queríamos presumir que todos os entrevistados que
responderam 9 ou 10 à pergunta sobre probabilidade de recomendação , ou seja, todos os promotores,
referiu ativamente nosso produto. A porcentagem real de promotores que indicaram ativamente nosso produto no último ano
foi de 63%. A partir disso, derivamos que o número total de promotores
necessária para adquirir um novo cliente era de 13.

Figura 4. Quantos promotores são necessários para conquistar um novo cliente?

Conclusão
Ao calcular o número de promotores necessários para adquirir um novo cliente, conseguimos ligar os pontos proverbiais no
negócio de software: um bom design de experiência do usuário leva nossos usuários a recomendar nossos produtos, as
recomendações de produtos aumentam a aquisição de clientes, o que aumenta o crescimento da receita. Por meio de análise
multivariada, mostramos que o design de experiência contribui de 36% a 40% para motivar os usuários a recomendar nosso
produto. Desde que sabíamos
Com base no preço médio de venda do nosso produto, conseguimos estimar os ganhos de receita associados à melhoria da
experiência do usuário do nosso software. Quantificamos o valor de uma boa experiência do usuário. Ao vincular a experiência
do usuário à aquisição de clientes, somos capazes de priorizar o investimento em design na facilidade de uso e em pesquisas
para melhorar a experiência do usuário em nossos produtos.

Em resumo, este estudo de caso mostra:

• A análise multivariada dos atributos da experiência do usuário pode ser usada para priorizar o investimento no design
e na pesquisa da experiência do usuário.

• Atributos de experiência do usuário, como facilidade de uso, contribuem significativamente para a satisfação do cliente
lealdade.

• Conhecendo o preço médio de venda dos nossos produtos e a quantidade de promotores necessários para adquirir
um novo cliente, podemos quantificar o retorno do investimento de uma boa experiência do usuário.

Na Autodesk, descobrimos que calcular uma pontuação líquida do promotor não é tão útil quanto fazer gráficos e usar os
principais gráficos de direcionadores. Os principais gráficos de direcionamento direcionam os aspectos da experiência do
usuário que precisam mais urgentemente de melhorias no design. Ao calcular os drivers de ano para ano, vemos como
nossos investimentos em áreas-chave compensam, aumentando a probabilidade de nossos usuários recomendarem nossos
produtos. Observamos um recurso passar do quadrante FIX com segurança para o quadrante LEVERAGE. Inspirar mais
clientes a promover nosso produto através do design de excelentes experiências de usuário é o que nos motiva. Não se trata
de pontuação ou apenas de aquisição de novos clientes; trata-se de projetar experiências de software que sejam tão boas
que nossos usuários as promovam ativamente.

Referências
Bradner, Erin. (2010, 17 de novembro) Recomendando o Net Promoter. Obtido em 23 de outubro,
2011 da DUX: Projetando a experiência do usuário na Autodesk (http://
dux.typepad.com/dux/2010/11/recommending-net-promoter.html).

Reichheld, Frederico. (2003, dezembro) O número que você precisa para crescer, Harvard Business
Análise.

Owen, R., Brooks, L. (2008) Respondendo à pergunta final. Jossey-Bass, São Francisco.

Conferência Internacional UPA 2012 Henderson, Nevada, EUA

Machine Translated by Google

Sauro, Jeff. (2011, 8 de junho) Benchmarks de usabilidade e Net Promoter para software de consumo.
Obtido em 23 de outubro de 2011 em Medindo Usabilidade
(www.measuringusability.com/software-benchmarks.php)
Sauro, J. & Kindlund E. (2005) "Usando uma única métrica de usabilidade (SUM) para comparar a
usabilidade de produtos concorrentes" no procedimento da Conferência Internacional Human
Computer Interaction (HCII 2005), Las Vegas, EUA

Conferência Internacional UPA 2012 Henderson, Nevada, EUA