Escolha entre Classificação de Cartões, Teste de Árvore ou Teste de Primeiro Clique antes de Redesenhar seu Menu

O próprio conjunto de dados da Optimal Workshop, extraído de milhões de tarefas de teste de árvores, registra A taxa de sucesso na tarefa é de 70% após um primeiro clique correto e de 24% após um clique incorreto.A primeira opção escolhida por uma pessoa influencia bastante o resultado. O que esse número não indica é qual estudo realizar. Equipes costumam usar a classificação de cartões quando já têm um menu e só têm dúvidas sobre a redação; testam árvores de decisão com base em uma estrutura cujo vocabulário nunca foi verificado; e depois discutem resultados que nunca resolveriam a questão. Este guia é destinado a líderes de UX, gerentes de produto e equipes de CRO com um problema de navegação e um orçamento de pesquisa fixo. Ao final, você será capaz de associar uma decisão de navegação a um dos três métodos, dimensionar o estudo, definir um limite de aprovação antes de coletar dados e afirmar o que o resultado não pode provar.

Os três métodos respondem a três perguntas diferentes.

A classificação de cartões é generativa. Você entrega seus itens de conteúdo às pessoas e deixa que elas agrupem e nomeiem os grupos. Isso mostra como seu público segmenta o domínio e quais palavras eles usam. Não pode dizer se um menu específico funciona, porque não há menu no estudo.

O teste de árvore é avaliativo. Você reduz uma hierarquia proposta a rótulos somente de texto, atribui uma tarefa às pessoas e observa para onde elas vão. Isso indica se uma estrutura é localizável e qual ramo engole as pessoas. Como NN/g observa, a configuração somente de texto remove deliberadamente o posicionamento, a cor e as imagens, isolando assim a qualidade dos rótulos e da estrutura.

O teste de primeiro clique é mais restrito. Uma tela, uma tarefa, um clique gravado. Ele informa, à primeira vista, se o ponto de entrada parece correto, mas não revela nada sobre o que acontece dois níveis abaixo.

Executar a versão errada é o erro mais comum. "Ninguém consegue encontrar a política de devoluções" não é uma questão de classificação de cartões. "Não sabemos se 'Soluções' significa algo para os compradores" não é uma questão de teste de árvore — um teste de árvore apenas mediria seu palpite.

Tabela de critérios: escolha com base na decisão, não na ferramenta para a qual você possui licença.

As regras de decisão

• Nenhuma estrutura, ou uma em que ninguém acredita. Primeiro, faça a classificação das cartas — aberta se você quiser vocabulário, fechada se o nível superior for fixo e apenas a colocação estiver em questão.
• Duas estruturas candidatas e uma reunião que não termina nunca. Teste a árvore em ambos os casos. É o único dos três que resolve um argumento estrutural com um número.
• O tráfego chega, mas o clique seguinte está errado. Teste a tela clicando nela primeiro. Não reconstrua a arquitetura para corrigir um único rótulo.
• As análises já mostram onde as pessoas desistem. Ignore a descoberta. Teste a árvore no ramo com vazamento e, em seguida, teste o rótulo de substituição com um único clique.
• Novo mercado ou idioma. Classificação de cartões nesse idioma com os participantes desse mercado. Um cardápio traduzido é um cardápio não testado.

Tamanhos de amostra e limites que você pode defender em uma revisão.

Para a classificação de cartas, Tullis e Wood testaram 168 usuários e analisaram subconjuntos aleatórios. A correlação com o resultado da amostra completa foi de 0.75 com 5 usuários, 0.90 com 15, 0.93 com 20, 0.95 com 30 e 0.98 com 60. Nielsen interpreta isso como: 15 é o ponto em que parar é confortável, 30 é para projetos bem financiados. A regra dos cinco usuários dos testes de usabilidade não se aplica — um método generativo precisa de um número suficiente de pessoas para que o padrão se estabilize.

Para testes de árvores de decisão, a NN/g recomenda 50 ou mais participantes por árvore para uma comparação significativa entre elas, e define limiares de aprovação com base nas faixas de Albert e Tullis em 98 estudos: menos de 40% ruim, 41–60% regular, 61–80% bom, 80–90% muito bom, acima de 90% excelente. Defina o limiar antes de analisar os dados. Tarefas essenciais — finalização de compra, reembolso, agendamento de consultas — devem atingir 90%; uma tarefa promocional de navegação pode ser aceitável com 70%.

Leia a objetividade em conjunto com o sucesso, nunca em vez dele. Alto sucesso com baixa objetividade significa que as pessoas chegam lá vagando: o rótulo está errado, mesmo que a estrutura sobreviva. Esse padrão é o sinal mais útil que um teste de árvore produz.

Exemplo trabalhado

Uma farmácia online com um item principal chamado "Saúde" e um artigo de suporte oculto abaixo dele. Os números são ilustrativos e não representam dados de clientes.

1. Teste de árvore, 60 participantes, 8 tarefas. "Descubra se sua receita é coberta." Taxa de sucesso de 58%, eficácia de 22% — razoável em relação às faixas de preço, e a lacuna de eficácia aponta para o rótulo.
2. Leia a tabela de primeiros cliques. 41% para "Saúde", 33% para "Suporte", 18% para "Conta": três opções plausíveis significam que o limite da categoria não está na mente dos usuários.
3. Classificação de cartas fechada, 20 participantes, usando os títulos dos artigos e o nível superior existente. Se os itens de cobertura estiverem dispersos em três grupos, o nível superior está incorreto, não a redação.
4. Reescreva e teste novamente. Nova árvore, mesmas 8 tarefas, 60 novos participantes. Meta de sucesso acima de 80% e diretividade acima de 60%.
5. Teste o novo rótulo com um único clique. na página real antes do envio. O teste com a árvore não apresentou nenhum aroma visível; a página viva apresenta.

[DADOS INTERNOS NECESSÁRIOS: substituir esta sequência ilustrativa por um teste de árvore Switas anonimizado antes/depois, incluindo dados de sucesso e diretividade, bem como o número de tarefas.]

Rótulos em turco e por que o caso regional não é cosmético.

Dois fatores dificultam a análise de rótulos em turco e em vários idiomas vizinhos, e ambos são relevantes para quem vende para a região, e não apenas para ela.

Primeiro, o turco é aglutinante: os significados se acumulam em um radical como sufixos, então uma categoria que corresponde a duas palavras curtas em inglês geralmente é uma palavra longa em turco. Menus que cabem em inglês transbordam, e as equipes resolvem isso truncando o conteúdo — que é exatamente a variável que um teste de árvore mede. Teste os rótulos no comprimento que eles realmente serão exibidos.

Em segundo lugar, o turco tem quatro caracteres I: ponto İ (U+0130) e i (U+0069), sem ponto I (U+0049) e ı (U+0131). De acordo com as regras turcas, minúsculas i mapeia para İ, não IPortanto, a correspondência que ignora maiúsculas e minúsculas, escrita para inglês, falha — uma busca por "iptal" não encontrará um "IPTAL" armazenado. Se a busca no site, os filtros ou a distinção entre maiúsculas e minúsculas no caminho de navegação passarem por uma chamada que ignora a localidade, os usuários obterão um conjunto de resultados vazio para um termo que existe. Descarte essa possibilidade antes de culpar o rótulo.

Há também uma vantagem em termos de conformidade. O Critério de Sucesso 2.4.6 das WCAG 2.2, Títulos e Rótulos, é de Nível AA e exige que títulos e rótulos descrevam o tópico ou propósito. Um rótulo que apresentou uma taxa de sucesso de 40% nos testes não é apenas um problema de conversão; é uma evidência contrária à alegação de conformidade.

O que esses números não provam

O dado mais citado aqui é o de 87% de sucesso na tarefa após um primeiro clique correto, contra 46% após um clique incorreto, com base no trabalho de Bailey e Wolfson entre 2006 e 2009. Mas atenção: o próprio conjunto de dados da Optimal Workshop, muito maior, apresenta 70% e 24% para a mesma comparação. A direção é a mesma, mas as magnitudes são materialmente diferentes — e ambas são correlações medidas dentro do instrumento, não provando que um teste de cliques preveja o comportamento em um site real.

Nesse ponto, Sauro, Schiavone, Du e Lewis realizaram um teste com 130 participantes em 2023, comparando os primeiros cliques em imagens estáticas com os cliques iniciais em sites interativos: o comportamento foi semelhante, com uma diferença absoluta média de cerca de 6% entre as regiões de maior interação. Eles também afirmaram que não mediram o sucesso das tarefas subsequentes e que layouts responsivos e menus de contexto (ou menus flutuantes) produziram discrepâncias reais. A afirmação honesta é que os testes de cliques reproduzem onde as pessoas clicam, e não que preveem se elas concluirão a ação.

O teste de árvore apresenta uma ressalva semelhante. Kuric, Demcak e Krajcovic compararam três variantes de teste de árvore com protótipos de alta fidelidade da mesma arquitetura, envolvendo 180 participantes e 1,800 tarefas, e as variantes não concordaram entre si; a variante com a árvore visível reproduziu o comportamento do protótipo mais de perto, e as métricas de backtracking diferiram significativamente. Se a sua ferramenta renderiza a árvore de forma diferente daquela da qual o benchmark foi derivado, o benchmark não é transferível.

Onde isso falha

• Sites com foco em mecanismos de busca. Se a maioria das sessões começa na caixa de pesquisa, você está otimizando um caminho que poucas pessoas usam. Verifique primeiro a porcentagem de sessões que iniciam com uma pesquisa.
• Navegação personalizada. O teste de árvore pressupõe uma hierarquia fixa. Se o menu for diferente por segmento, você está testando uma hipótese.
• Populações muito pequenas. Frequentemente, públicos B2B e clínicos não conseguem reunir 50 participantes qualificados. Apresente números absolutos em vez de percentagens e deixe isso claro.
• Nenhum dos três testes avaliou a compreensão. Eles avaliam a descoberta, não a compreensão depois de encontrada. Isso exige testes de usabilidade.
• Nada disso mede a receita. Uma correção de navegação é uma hipótese para um experimento, não uma solução comprovada. É melhor implementá-la após um teste.

Perguntas frequentes

Posso executar um teste de classificação de cartões e um teste de árvore nos mesmos participantes?

Não na mesma sessão. A classificação ensina às pessoas o seu modelo, para que elas encontrem coisas que um visitante novo não encontraria. Recrute grupos separados ou deixe várias semanas de intervalo entre eles.

De quantos participantes preciso para uma atividade de classificação de cartões?

Quinze resulta em uma correlação de 0.90 com a amostra completa nos dados de Tullis e Wood, e 30 resulta em 0.95. Abaixo de 15, o padrão é instável. Ultrapassar 30 oferece muito pouco em relação ao custo.

Será mesmo necessário ter 50 participantes para um teste com árvores?

Para uma comparação quantitativa entre duas árvores, sim — essa é a recomendação do NN/g. Para uma única árvore onde você só quer encontrar os ramos obviamente quebrados, de 20 a 30 revelarão os piores infratores, mas reporte contagens em vez de porcentagens.

O que é considerado uma taxa de aprovação?

Decida antes de começar. Use as faixas de Albert e Tullis como referência: acima de 80% é muito bom, entre 61% e 80% é bom, abaixo de 40% é ruim. Eleve o patamar para 90% para tarefas relacionadas a dinheiro, medicamentos ou direitos legais.

O sucesso é grande, mas a franqueza é baixa. O que devo corrigir?

O problema está no rótulo, não na estrutura. As pessoas estão chegando ao lugar certo depois de explorar, o que significa que a categoria existe no modelo delas, mas a sua formulação não a indica. Reescreva o rótulo e teste as mesmas tarefas novamente.

Uma ferramenta de IA elimina a necessidade de participantes?

Não para esses métodos. Eles medem o que uma população específica acredita e faz; a suposição de um modelo sobre essa população é uma hipótese, não dados. Use modelos para elaborar tarefas e agrupar rótulos abertos mais rapidamente.

Próxima etapa

Se você tiver um argumento de navegação que a análise não consegue resolver, a solução mais barata é um teste de árvore em ambas as estruturas candidatas com limites previamente acordados. Escreva as tarefas, defina os limites e execute — ou Deixe-nos executar isso e lhe entregarei a lista classificada de galhos quebrados.

Fontes

• Jakob Nielsen, Classificação de Cartões: Quantos Usuários Testar, Nielsen Norman Group, 2004
• Tom Tullis e Larry Wood, Quantos usuários são suficientes para um estudo de classificação de cartões?, UPA 2004
• Page Laubheimer, Teste de Árvore Parte 2: Interpretação dos Resultados, Nielsen Norman Group, 19 de janeiro de 2024
• Samhita Tankala, Classificação de Cartões vs. Teste de Árvore, Nielsen Norman Group, 23 de fevereiro de 2024
• Nielsen Norman Group, Teste de árvore: Avalie rótulos e categorias de menu
• Workshop Ideal: Primeiros Cliques Corretos Levam a um Sucesso 3 Vezes Maior na Tarefa, 13 de abril de 2015
• Jeff Sauro, Will Schiavone, David Du e Jim Lewis, Os testes de cliques preveem cliques em sites reais?, MeasuringU, 21 de março de 2023
• Eduard Kuric, Peter Demcak e Matus Krajcovic, Validação da arquitetura da informação: comparação intermetodológica de variantes de teste em árvore e teste de protótipo com usuário, Information and Software Technology 183, julho de 2025
• W3C, Compreendendo o Critério de Sucesso 2.4.6: Títulos e Rótulos, WCAG 2.2
• Tex Texin, Internacionalizando o Turco: Letra I Turca com e sem Ponto