Aprendibilidade: por que seu produto parece difícil de aprender e como corrigir a curva

O que é aprendibilidade?

A aprendibilidade é uma das ideias mais antigas da usabilidade. A definição de usabilidade de Jakob Nielsen, amplamente usada, a cita em primeiro lugar entre cinco componentes de qualidade, ao lado de eficiência, memorabilidade, erros e satisfação. A ordem faz sentido. A eficiência descreve a rapidez com que um usuário experiente trabalha. A aprendibilidade descreve quanto tempo leva para se tornar esse usuário experiente, e na maioria dos softwares a maioria das pessoas nunca chega lá por completo.

É fácil confundir aprendibilidade com ideias vizinhas que soam parecidas, mas apontam para trabalhos diferentes:

Duas dessas distinções são as que mais pesam na prática. A intuitividade diz respeito apenas à tentativa um. Um produto pode parecer intuitivo na primeira tentativa e ainda ser frustrante na quinquagésima, porque nada nunca fica mais rápido. E o time to value mede a primeira vitória, não a competência. Um usuário pode chegar ao valor no primeiro dia por meio de uma configuração guiada e ainda assim não conseguir repetir a mesma tarefa sozinho no oitavo dia. Nosso guia de time to value trata da primeira vitória; a aprendibilidade cobre tudo o que vem depois dela. A memorabilidade, o problema dos usuários que voltam depois de semanas afastados, tem seu próprio guia sobre re-onboarding de usuários que retornam.

O que uma curva de aprendizado íngreme realmente significa

A expressão vem da psicologia, em que uma curva de aprendizado relaciona desempenho e prática. Coloque a proficiência no eixo vertical e uma curva íngreme significa que as pessoas melhoram rápido, o que é uma boa notícia. Na linguagem do dia a dia ela significa o oposto: difícil de aprender. As duas leituras descrevem a mesma experiência de ângulos diferentes, e a confusão desaparece assim que você traça o que os usuários de fato sentem, que é esforço.

Coloque as tentativas de uma tarefa no eixo horizontal e o tempo de cada tentativa no vertical. Quase toda curva de aprendizado passa a ter o mesmo formato básico: cara no início, caindo rapidamente e depois se estabilizando. A regularidade por trás disso é conhecida como lei da potência da prática: os ganhos da repetição são grandes no começo e diminuem com o tempo. O que separa um produto fácil de um difícil não é o formato. São quatro números que você lê direto no gráfico.

Quando um cliente diz que seu produto tem uma curva de aprendizado íngreme, ele está dizendo que pelo menos um desses números é ruim. Quase nunca está dizendo qual. É para isso que serve a medição.

Aprendibilidade no primeiro uso vs. aprendibilidade estendida

A pesquisa sobre aprendibilidade de software separa duas perguntas que é fácil misturar, e mantê-las separadas é a coisa mais útil que você pode fazer antes de tentar melhorar qualquer uma delas.

A aprendibilidade no primeiro uso, às vezes chamada de aprendibilidade inicial, é o desempenho de um novato nas primeiras tentativas de uma tarefa principal. Ela é a preocupação do onboarding, dos trials e das primeiras sessões, e decide se alguém chega longe o bastante para ver o produto funcionar.

A aprendibilidade estendida é o quanto a competência de um usuário continua crescendo ao longo de semanas e meses: se ele vai além do punhado de tarefas que aprendeu primeiro, se encontra as formas mais rápidas de fazer essas tarefas e se seu desempenho chega perto do dos seus usuários mais experientes.

A distinção importa porque as correções apontam em direções opostas. A aprendibilidade no primeiro uso melhora quando você acrescenta ajuda no início. A aprendibilidade estendida melhora quando você remove a ajuda que virou ruído e a substitui por convites bem cronometrados para ir além. Um time que só pensa no primeiro uso acaba com um produto fácil de começar e difícil de dominar; um time que só pensa nos especialistas constrói o inverso. Nosso guia sobre power users trata da outra ponta dessa jornada.

Por que a aprendibilidade é um problema de receita, não só de UX

A aprendibilidade costuma ser discutida como uma qualidade de design. Suas consequências caem no lado comercial do negócio, e é por isso que ela pertence às mesmas conversas que conversão e retenção.

• Trials são uma corrida de aprendizado. Um usuário em trial tem dias, não meses. Se o custo da primeira tentativa da sua tarefa principal for maior que a paciência dele, ele vai embora sem ver o que o produto faz, e vai embora acreditando que é mais difícil do que realmente é. Nosso guia de conversão de free trial cobre o resto desse funil.
• Toda nova licença começa na tentativa um. Expansão significa pessoas novas, e uma pessoa nova em uma conta de cinco anos aprende o produto do zero, geralmente sem o onboarding que o comprador original recebeu.
• Um platô alto parece pouco valor. Usuários presos no caminho mais longo gastam mais tempo para produzir menos, e na renovação o produto é julgado pelo que produz.
• O volume de suporte acompanha a curva. Muitas das perguntas que enchem uma fila de suporte são perguntas de primeiras tentativas: onde fica, o que isso significa, por que aquilo não funcionou. Um produto mais fácil de aprender gera menos delas por usuário.
• As avaliações levam isso aos prospects. “Curva de aprendizado íngreme” é uma expressão que os compradores leem antes mesmo de começar um trial, então uma primeira tentativa difícil também custa prospects que você nunca chega a ver.

Por que um software fica difícil de aprender

Pouquíssimos produtos são projetados para ser difíceis. Eles ficam difíceis uma decisão razoável de cada vez. Estas são as causas mais frequentes, e cada uma deixa uma marca reconhecível na curva de aprendizado.

1. O vocabulário do produto não é o do usuário

Todo produto inventa substantivos: workspaces, pipelines, objetos, coleções, fontes. Dentro da empresa eles se tornam tão familiares que ninguém percebe que um novo usuário precisa aprender uma pequena língua antes de fazer qualquer coisa. Quando um rótulo nomeia o conceito do sistema em vez do objetivo do usuário, cada primeira tentativa começa com um ato de tradução, e traduzir é lento.

2. Um modelo oculto precisa ser entendido antes que algo funcione

Alguns produtos só fazem sentido quando você entende como eles se organizam: que um registro pertence a uma conta, que um template não é a mesma coisa que uma instância, que nada fica no ar até ser publicado. Se esse modelo continua oculto, os usuários aprendem as tarefas de cor, sem entendê-las, e é por isso que a curva dessas tarefas cai tão devagar. Nosso guia de onboarding para produtos complexos mostra como apresentar conceitos sem despejá-los todos no início.

3. Coisas parecidas se comportam de forma diferente

Quando salvar funciona de um jeito nesta tela e de outro naquela, a prática na primeira tela não se transfere para a segunda. A inconsistência sai cara justamente porque quebra o mecanismo que faz as curvas de aprendizado caírem: o que você aprendeu da última vez deveria ajudar desta vez.

4. Coisa demais chega de uma vez

Uma primeira tela que mostra todos os recursos obriga o novato a descobrir o que importa antes de conseguir fazer qualquer coisa. A dificuldade do trabalho não mudou, mas a primeira tentativa agora inclui um exercício de triagem. Nosso guia sobre carga cognitiva no onboarding trata dessa falha em detalhe.

5. O caminho eficiente é invisível

Atalhos de teclado, ações em massa, visualizações salvas e templates existem justamente para baixar o platô, e muitos usuários nunca os encontram, porque nada no caminho lento aponta para o rápido. O caminho longo funciona, então ninguém vai procurar.

6. O produto cresceu e ninguém revisou o caminho

Cada nova funcionalidade é pequena por si só. Juntas, anos delas enterram a tarefa principal sob opções que não existiam quando o onboarding foi desenhado. A aprendibilidade se deteriora mesmo quando nenhum lançamento isolado piorou nada, e esse é o mecanismo silencioso por trás do feature bloat.

Como medir a aprendibilidade

A aprendibilidade é uma das poucas qualidades de UX que você consegue medir com precisão, porque a própria definição já contém uma medida: o desempenho em função da prática. Há duas formas de coletar os dados, e a maioria dos times ganha usando as duas.

Método 1: teste de usabilidade com tentativas repetidas

A abordagem clássica é um teste em que os mesmos participantes realizam a mesma tarefa principal várias vezes, em uma única sessão ou ao longo de alguns dias. Para cada tentativa você registra o tempo gasto, se a pessoa teve sucesso, o número de erros e quantas vezes ela precisou de ajuda. Quatro ou cinco tentativas normalmente bastam para ver onde a curva começa a se estabilizar.

Dois detalhes fazem toda a diferença. Use tarefas realistas com dados realistas, porque a dificuldade de uma conta de teste vazia não é a dificuldade de uma conta real. E peça a um ou dois usuários experientes que realizem a mesma tarefa, porque um platô não significa nada até você saber onde está a velocidade de um especialista. Nosso guia de testes de usabilidade cobre recrutamento, roteiros e tamanhos de amostra.

Método 2: curvas de aprendizado a partir dos dados do produto

Um teste mostra por que as pessoas têm dificuldade. Seus dados de uso mostram o quanto, para todos os usuários, o tempo todo. O método é simples quando suas tarefas principais já são rastreadas:

1. Escolha duas ou três tarefas principais que os usuários repetem, cada uma com um início e um fim claros: criar uma fatura, publicar um relatório, aprovar uma solicitação.
2. Para cada usuário, numere as ocorrências dessa tarefa: primeira, segunda, terceira e assim por diante.
3. Para cada número de ocorrência, calcule o tempo mediano do início ao fim entre todos os usuários. Use a mediana, porque meia dúzia de pessoas que deixaram uma aba aberta durante a noite vai arruinar uma média.
4. Ao lado do tempo, registre a taxa de sucesso de cada ocorrência (iniciada e concluída versus iniciada e abandonada) e a taxa de ajuda: a parcela de ocorrências em que o usuário abriu a ajuda, reviu um guia ou entrou em contato com o suporte.
5. Trace as medianas em função do número da ocorrência. Esse gráfico é a curva de aprendizado real do seu produto para aquela tarefa.

Se o seu rastreamento ainda não tem pontos de início e fim bem definidos para as tarefas principais, esse é o primeiro trabalho, e nosso guia de rastreamento de eventos mostra como configurá-lo.

A conclusão por etapa mostra onde uma primeira tentativa guiada perde as pessoas, que normalmente é o mesmo ponto em que uma tentativa sem ajuda teria falhado.

As curvas de aprendizado convivem bem com as medidas de sucesso de tarefa do framework HEART e acrescentam algo que as métricas habituais de onboarding deixam escapar: o que acontece na segunda e na quinta tentativa, muito depois de o fluxo de onboarding ter sido marcado como concluído.

Como ler a curva de aprendizado: quatro formatos e o que cada um pede

Quando você tem a curva de uma tarefa principal, o formato dela é mais útil do que qualquer número isolado. A maioria das curvas se encaixa em um de quatro padrões, e cada um aponta para um tipo diferente de correção.

1. Saudável: cai rápido e se estabiliza perto da velocidade de especialista

A primeira tentativa custa alguma coisa, a segunda custa bem menos e, na quarta ou quinta, os usuários estão perto da velocidade dos seus usuários experientes. Não há nada a corrigir no produto. O único risco é uma orientação que continua aparecendo muito depois de ser necessária, então confira se os tours e as dicas se desligam sozinhos depois de cumprirem seu papel.

2. Primeira tentativa dolorosa: começo muito alto, depois normal

A curva começa muito alta e depois se comporta normalmente. Os usuários que passam pela primeira tentativa aprendem bem; o problema é passar por ela, e os usuários que não passaram nem aparecem no gráfico, porque abandonaram. Leia a taxa de sucesso na primeira tentativa ao lado do tempo. Este é o problema clássico de onboarding, e ele responde melhor a uma primeira tentativa guiada, a padrões melhores e a deixar para depois do primeiro sucesso qualquer configuração que não precise acontecer antes dele.

3. A ficha nunca cai: queda lenta e constante

A curva começa moderadamente alta e cai devagar, tentativa após tentativa. A repetição não está gerando compreensão, o que geralmente significa que os usuários seguem etapas sem um modelo do que essas etapas fazem. Mais walkthroughs não vão ajudar, porque um walkthrough ensina as etapas. Renomeie as coisas na linguagem do usuário, explique o conceito no momento em que ele importa e procure comportamentos inconsistentes que impedem a prática de se transferir de uma tela para outra.

4. Preso num platô: queda normal, piso alto

A curva cai normalmente e depois se achata bem acima da velocidade de especialista. Os usuários são competentes e lentos, e vão continuar assim, porque o caminho que aprenderam funciona bem o bastante para que não tenham motivo para procurar outro. Isso é aprendibilidade estendida, e se corrige no platô, não no início: aponte o atalho, a ação em massa ou o template no momento em que o usuário faz a tarefa pelo caminho longo pela quinta vez. Nosso guia de descoberta de funcionalidades mostra os padrões para fazer isso sem ser insistente.

Suporte e retirada: orientação no app que recua conforme os usuários aprendem

A maior parte da orientação no app é desenhada como se todo usuário estivesse para sempre na tentativa um. Um tour de produto roda na primeira visita e depois desaparece, ou roda em todas as visitas. A primeira versão abandona os usuários na tentativa dois, que é exatamente quando eles tentam a tarefa sozinhos pela primeira vez. A segunda versão vira ruído na tentativa três, e os usuários aprendem a fechá-la sem ler, o mesmo hábito por trás da cegueira de banner.

Os educadores resolveram isso há muito tempo. No design instrucional, o andaime (scaffolding) é um suporte temporário que permite ao aprendiz fazer algo que ainda não consegue fazer sozinho, e a retirada gradual (fading) é a remoção deliberada e progressiva desse suporte à medida que a competência dele cresce. A ideia vem de pesquisas dos anos 1970 sobre como tutores ajudam aprendizes a resolver problemas, e se aplica ao software quase sem mudanças: o suporte deve ser maior na primeira tentativa e deve se retirar, segundo uma regra, à medida que o usuário mostra que não precisa mais dele.

Três regras fazem a retirada funcionar na prática:

• Retire com base no comportamento, não no calendário. “Sete dias após o cadastro” não diz nada sobre competência. “Concluiu a tarefa” diz.
• Retire com base na tarefa, não no guia. Um usuário que fechou um tour e depois concluiu a tarefa sem ajuda aprendeu. Um usuário que clicou em todas as etapas e depois abandonou a tarefa não aprendeu.
• Deixe uma porta aberta. Quando a orientação proativa recua, a mesma ajuda deve continuar acessível sob demanda, para que um usuário que esquece nunca fique em situação pior do que um usuário que nunca a viu.

Suporte e retirada é parente próximo do onboarding progressivo, mas responde a uma pergunta diferente. O onboarding progressivo decide quais coisas ensinar e quando. A retirada decide quanta ajuda dar para a mesma coisa à medida que o usuário a repete.

Como reduzir a curva de aprendizado do seu produto: 8 correções

As correções abaixo vão, de modo geral, do início da curva até o platô. Cada uma indica a parte da curva que ela move, para que você vá direto àquelas que a sua medição apontou.

1. Renomeie as coisas com as palavras do usuário
2. Ensine uma tarefa, não um tour pela tela
3. Faça da primeira tentativa a versão fácil
4. Coloque uma indicação onde as tentativas sem ajuda falham
5. Tire a sequência da cabeça do usuário
6. Retire a orientação segundo uma regra
7. Mostre o caminho mais rápido no platô
8. Meça de novo as tarefas principais após cada grande lançamento

1. Renomeie as coisas com as palavras do usuário

Liste os substantivos e verbos que um novo usuário encontra na primeira sessão e pergunte se cada um nomeia o que o usuário quer ou o nome que o seu sistema dá. Quando um termo do sistema for inevitável, explique-o uma vez, na tela em que ele aparece pela primeira vez, em uma frase que parta do objetivo do usuário. Nosso guia de microcopy de UX trata da escrita em si.

2. Ensine uma tarefa, não um tour pela tela

Um tour que explica cada painel de uma página ensina o layout, e não é o layout que os usuários vieram aprender. Construa a orientação em torno de um único trabalho, do primeiro clique até o resultado visível, e dispare-a quando o usuário começar esse trabalho. De três a cinco etapas bastam para a maioria das tarefas; se uma tarefa precisa de doze, ela precisa ser simplificada antes de precisar de um tour. Nosso guia sobre como criar um tour de produto que converte trata do desenho das etapas.

3. Faça da primeira tentativa a versão fácil

Na primeira vez, o usuário deve encontrar padrões sensatos, um exemplo pré-preenchido ou um template, e não vinte campos em branco. Ele pode aprender as opções depois de ter visto um resultado. Quando uma tela começa vazia, use o estado vazio para mostrar como ela vai ficar e oferecer o primeiro passo; nosso guia de estados vazios traz os padrões.

4. Coloque uma indicação onde as tentativas sem ajuda falham

Suas sessões de teste ou seus tickets de suporte vão mostrar um ou dois controles em que a segunda tentativa dá errado: o campo com dois significados plausíveis, a configuração que precisa ser alterada antes de o botão funcionar. Um tooltip ou hotspot exatamente nesses controles vale mais do que qualquer quantidade de orientação genérica. Nosso guia sobre como criar tooltips de onboarding trata do posicionamento e do texto.

5. Tire a sequência da cabeça do usuário

Configurações de várias etapas são difíceis de aprender em parte porque o usuário precisa lembrar onde está. Um checklist persistente guarda a ordem por ele, mostra o que já foi feito e dá a cada item um botão que abre a tela certa. Nosso guia de checklist de onboarding mostra como estruturar um.

6. Retire a orientação segundo uma regra

Para cada orientação proativa, decida o comportamento que a desliga e registre isso antes de publicar. Mostrar uma única vez é o mínimo. Melhor é uma condição ligada à própria tarefa: concluída, ou dispensada e concluída mesmo assim. Depois verifique a taxa de ajuda por tentativa, que deve cair mais ou menos na mesma velocidade que o tempo.

7. Mostre o caminho mais rápido no platô

Espere até que o usuário tenha feito a tarefa pelo caminho longo várias vezes e então mostre a ele o atalho, a ação em massa ou a visualização salva uma única vez, no contexto, com uma forma de dispensar a dica para sempre. Mostrada no primeiro dia, a mesma dica é ruído. Mostrada no platô, ela responde a uma frustração que o usuário já começou a sentir.

8. Meça de novo as tarefas principais após cada grande lançamento

Novas funcionalidades são medidas pela própria adoção. Quase ninguém verifica se elas tornaram as tarefas principais existentes mais difíceis de aprender. Mantenha as curvas de aprendizado das suas duas ou três tarefas principais onde o time possa vê-las e compare os usuários que se cadastraram depois de um lançamento com os que se cadastraram antes. Um custo de primeira tentativa que subiu aos poucos é uma regressão de aprendibilidade, e é muito mais barato detectá-la em um mês do que em uma conversa de renovação.

Aprendibilidade: o que fazer e o que evitar

Como melhorar a aprendibilidade com o Kompassify

A maior parte do trabalho deste guia se resume a ajustar a orientação à tentativa em que o usuário está: forte na primeira, leve na terceira, ausente até ser pedida na décima e de volta por um instante no platô. É mais um problema de segmentação e de momento do que de conteúdo, e é difícil acertar quando cada mudança na ajuda dentro do app exige um desenvolvedor e um lançamento.

O Kompassify é uma camada no-code que fica por cima do seu produto e permite que o time responsável pelo onboarding crie e altere essa orientação diretamente. Crie um tour de produto curto em torno de uma única tarefa. Associe tooltips e hotspots aos controles em que as tentativas sem ajuda dão errado. Mantenha as configurações de várias etapas em um checklist de onboarding que persiste entre sessões. Use segmentos e regras de disparo para que cada guia chegue aos usuários a quem se destina e configure-o para aparecer uma vez ou se repetir só sob uma condição, de modo que ele recue à medida que as pessoas aprendem. Quando um caminho mais rápido for lançado, destaque-o com um anúncio direcionado aos usuários que vão se beneficiar dele.

Um checklist guarda a sequência para que o usuário não precise guardá-la, e cada item abre a tela em que a tarefa de fato acontece.

O analytics de produto mostra a conclusão de cada etapa de cada guia, e é assim que você encontra a etapa em que uma primeira tentativa guiada perde as pessoas, e uma pergunta de múltipla escolha no início permite direcionar pessoas com trabalhos diferentes para a tarefa que elas realmente precisam aprender primeiro. Como tudo é configuração e não código, reduzir um tour de oito para quatro etapas, acrescentar um tooltip ao campo que continua confundindo as pessoas ou mudar o momento em que a orientação é retirada é trabalho para uma tarde.

A versão em um parágrafo

Aprendibilidade é a facilidade com que as pessoas ficam competentes em um produto e a rapidez com que melhoram com a prática, e a melhor forma de enxergá-la é uma curva de aprendizado: o tempo e a ajuda que cada tentativa da mesma tarefa principal exige. Uma curva de aprendizado íngreme é, na verdade, um de três problemas (uma primeira tentativa cara, um conceito que a repetição nunca esclarece ou um platô muito acima da velocidade de especialista), e cada um pede uma correção diferente. Você pode medi-la em um teste de usabilidade com tentativas repetidas ou diretamente nos dados do produto, traçando o tempo mediano, a taxa de sucesso e a taxa de ajuda da primeira, segunda e demais ocorrências de uma tarefa de cada usuário. A aprendibilidade no primeiro uso melhora com primeiras tentativas guiadas, vocabulário mais claro e padrões melhores; a aprendibilidade estendida melhora quando o caminho mais rápido é mostrado no platô. A orientação no app deve dar suporte e se retirar: conduzir os usuários na tentativa um, lembrá-los onde as tentativas sem ajuda falham, recuar quando eles têm sucesso sozinhos e continuar disponível sob demanda. Mantenha visíveis as curvas das suas tarefas principais e revise-as após cada grande lançamento, porque a aprendibilidade se desgasta uma funcionalidade razoável de cada vez.

Perguntas frequentes