Case Localizador de produtos

*Empresa*	Gofind
*Foco*	Descobrir taxas de engajamento e rejeição ruins

1. Sobre o localizador

O localizador de produtos é uma das ofertas da startup GoFind. A marca pode adquirir esse serviço para que usuários encontrem seus produtos em qualquer lugar do Brasil (e também em algumas localidades da América do Sul).

Funciona assim: O usuário escolhe o produto da marca desejada e, por meio de um sistema inteligente que consulta notas fiscais para verificar disponibilidade de estoque, recebe resultados mostrando onde encontrar esses produtos em regiões próximas.

2. Problema reportado

Taxa de rejeição

As taxas ultrapassavam 60%, mesmo com um alto volume de acessos mensais (chegando a 1M no consolidado).

Tempo de sessão

Menos de 1 minuto. (em alguns chegando a 20s)

Falta de visibilidade de dados segmentados

O localizador pode ser inserido em páginas, como também podem funcionar no modelo "Stand Alone”, caracterizado por funcionar em Abas, fora do contexto do site da Marca.

3. Pesquisa

Pesquisa desk Encontrar o máximo de informações que tinha sobre o localizador. Dados Analytics e feedbacks antigos. Além de criar uma Matriz CSD para analisar as certezas, Dúvidas e Suposições

Habilitar o Hotjar para mapear alguns localizadores Encontrar o máximo de informações que tinha sobre o localizador. Dados Analytics e feedbacks antigos. Além de criar uma Matriz CSD para analisar as certezas, Dúvidas e Suposições

Coleta de feedbacks Habilitei no hotjar uma caixinha de feedback nesses mesmos localizadores. Com a simples pergunta “Conseguiu encontrar o que procurava”: Sim/Não. Deixei uma caixa de comentário aberta caso o usuário dissesse não, incentivando-o a dizer o motivo ou caso quisesse deixar alguma sugestão. Análise de usabilidade

Realizei a análise de usabilidade para mapear falhas de interação e interface do localizador baseada nas heurísticas de usabilidade.

Segmentações de localizadores no Analytics Criei segmentações nos localizadores os quais chamavámos de “embedados” - aqueles que estavam dentro do site do cliente e "Stand Alone", os quais links levavam para uma nova aba.

4. Insights

Gravações do hotjar

Após assistir as gravações relevantes de navegações nos localizadores mapeados no hotjar, levantei alguns pontos a serem resolvidos e investigados.

Altas taxas de “Click Rage” O fluxo proposto não contava com qualquer interação no mapa no primeiro momento. Porém, o localizador trazia o mapa com bastante relevância. Com papel apenas ilustrativo. O usuário clicava frustado esperando que algo acontecesse ali. Rolava de um lado para o outro, em busca de algo que não aparecia.

Bugs inexperados foram mapeados

Percebi também que algumas vezes a tela do usuário ficava em branco, quando ele seguia sua busca.

Declínio no compartilhamento de localização Também notei que muita gente declinava o pedido de “Compartilhar sua localização”, fazendo com que o navegador bloqueasse uma nova tentativa. A caixa de solicitação nunca mais aparecia e não havia mensagem explicando que havia algo errado se ele quisesse compartilhar a sua localização, achando assim que havia algum erro e desistia.

Feedbacks

Após assistir as gravações relevantes de navegações nos localizadores mapeados no hotjar, levantei alguns pontos a serem resolvidos e investigados.

Na caixinha de Feedback a grande maioria deu notas abaixo de neutro em determinados localizadores. Em números cerca de 89% não teve boa experiência.

Nem todos os localizadores tiveram notas baixas, existia um cliente que tinha uma boa nota de feedback, era uma marca de porcelanato. Mais tarde descobrimos que os seus usuários utilizavam com frequência, e eram usuários que retornavam. O localizador era uma ferramenta pra eles, e tinha altas taxas de engajamento e baixa rejeição.

Alguns comentários eram referentes aos seguintes problemas:

“Não encontrei o produto que queria na minha região”
“Não sei como funciona”
"Deu erro"

Sessões assistidas

Diante de várias hipóteses levantadas nas análises anteriores, fui em busca de algumas certezas.  

Os testes foram realizados com pessoas de diversos níveis e locais do Brasil. Foram realizados online pois estávamos em época de Pandemia.

Como funcionou: Escolhi o localizador da Devassa, por ser um produto utilizado por muitas pessoas acreditei que poderia obter alguns insights sobre o fluxo e interface. Recrutei 10 pessoas, nas quais fiz testes desktop e mobile, pra conseguir captar o fluxo nos dois cenários. Cada um dos participantes ganhou um voucher de R$ 50,00 no Ifood.

O que percebi:

Os usuários automaticamente negavam o compartilhamento da localização, mesmo se clicassem para compartilhar a localização.
Os usuários acreditavam que já viriam os produtos na interface do mapa.
Como sendo um produto que não requer muita escolha (no caso a cerveja devassa), os usuários não queriam selecionar um produto para poder encontrar uma loja. Eles esperavam que os produtos aparecessem logo no início.

5.Problemas específicos

Vou listar abaixo os principais problemas que decidimos testar melhorias. Os problemas de Bugs foram direcionados ao time de front-end analisar.

O mapa dominava visualmente a página inicial, mas não deveria ser o elemento principal do fluxo de interação. No fluxo mobile mesmo não havia qualquer necessidade de ser exibido para os usuários, a não ser confundi-los.
A necessidade de informar a localização não estava clara para o usuário, que muitas vezes negava o compartilhamento automático quando entendia. O Localizador não estava preparado para lidar com esse cenário, pois não oferecia fluxos alternativos, orientações ou feedbacks para auxiliar o usuário na inserção da informação necessária.
Para alguns tipos de produtos, não havia necessidade de seleção específica - os usuários queriam apenas verificar se a marca estava disponível próxima a eles, como no caso de marcas de cerveja como Devassa.

6. Soluções propostas

Duplo compartilhamento de localização

Retiramos o nosso mapa do início (em alguns casos)

Pontos de destaque:

Para clientes com muitos produtos, como a Santa Clara (5 mil itens), otimizamos a busca para melhorar a performance e objetividade.
No caso da Devassa, o foco foi localizar a marca na região, tornando a escolha do produto opcional.
A interface foi ajustada para destacar os produtos e remover informações irrelevantes no momento da escolha (ex.: descrições movidas para detalhes).
O botão "Buscar Qualquer Produto" ganhou mais destaque para facilitar a busca por itens próximos.

Importante: As mudanças foram acontecendo em versões, nem tudo foi lançado de uma vez. Por exemplo, tiramos o mapa primeiro, para experimentar o fluxo, e alteramos o fluxo de compartilhamento de localização. Depois fizemos mais mudanças visuais, para que pudéssemos obter respostas mais concretas sobre nossas soluções propostas.

7. Testes

8. Acompanhamento do Analytics/Hotjar

Para averiguar os resultados das melhorias, continuamos analisando os números através do Analytics.

Taxa de rejeição

Para segmentos stand alone, conseguimos baixar a taxa de rejeição para um valor entre 20% e 35%.

Tempo de engajamento

Os stand alones conseguiam aumentar a média para cerca de 2 minutos.

Taxa de engajamento

Como sendo um novo número, atualmente mantemos uma taxa acima dos 60% a 70%.

Taxa de conversão

Tiveram um aumento de 10% comparado ao início.

Os localizadores embedados tiveram desempenho ligeiramente melhor, mas fatores externos, como layout e elementos da página, afetavam sua performance. Para mitigar isso, criamos materiais com melhores práticas após análises de usabilidade. Além disso, observamos uma redução nas cidades digitadas no campo de busca por produto.

No hotjar notamos que a taxa de Click Rage diminuiu para quase zero na primeira página. O que validava nossa hipótese que realmente o mapa trazia confusão para o usuário.

Gofind

Descobrir taxas de engajamento e rejeição ruins