A pesquisa qualitativa, no contexto de UX e otimização de conversão, é a coleta e a análise de dados não numéricos sobre o comportamento, as motivações e as atitudes dos usuários, com o objetivo de responder por que os usuários agem como agem, e não quantos deles o fazem. Os métodos qualitativos comuns incluem entrevistas com usuários, sessões de testes de usabilidade, respostas abertas de pesquisas, gravações de sessões e exercícios de card sorting. Diferentemente da pesquisa quantitativa, que depende de grandes tamanhos de amostra para produzir números estatisticamente representativos, a pesquisa qualitativa normalmente envolve um pequeno número de participantes, sendo frequentemente suficientes de cinco a oito usuários para descobrir a maioria dos problemas de usabilidade de um determinado fluxo, segundo pesquisas de usabilidade amplamente citadas, e prioriza a profundidade do entendimento em vez da amplitude de cobertura.
A pesquisa qualitativa é importante porque os dados quantitativos isolados, como um relatório de funil mostrando 40 por cento de abandono na etapa de checkout, indicam à equipe que existe um problema, mas não o que o está causando. Uma queda na conversão pode decorrer de rótulos confusos em formulários, custos de frete inesperados revelados tarde demais, desconfiança em relação a um meio de pagamento ou simples atrito técnico em um dispositivo específico, e somente a observação direta de usuários tentando executar a tarefa, ou a explicação deles próprios sobre a hesitação, distingue essas possibilidades de forma confiável. Esse papel diagnóstico é o motivo pelo qual a pesquisa qualitativa costuma ser posicionada no início de um processo de otimização de conversão, usada para gerar hipóteses bem fundamentadas que são depois validadas em escala por meio de testes quantitativos, como os testes A/B.
Na prática, a pesquisa qualitativa em um contexto de CRO ou UX é aplicada por meio de várias técnicas estruturadas: o teste de usabilidade moderado, em que um facilitador observa um participante tentando executar tarefas reais em uma interface real ou em protótipo enquanto pensa em voz alta; o teste remoto não moderado, em que os participantes concluem as tarefas de forma independente e sua tela e voz são gravadas para análise posterior; a gravação de sessões e a análise de mapas de calor de visitantes reais do site, que revelam cliques de raiva, cliques mortos e padrões incomuns de rolagem em escala, sem exigir participantes recrutados; e pesquisas abertas no site ou enquetes de intenção de saída, que captam o motivo declarado pelo qual o visitante saiu sem converter. A análise normalmente envolve identificar temas recorrentes ou pontos de atrito ao longo das sessões, em vez de tratar a experiência de um único usuário como representativa por si só.
Um equívoco comum é achar que a pesquisa qualitativa é inerentemente menos rigorosa ou confiável que a quantitativa por causa de suas amostras menores; na realidade, os dois métodos respondem a perguntas fundamentalmente diferentes e são complementares, e não concorrentes, com a pesquisa qualitativa oferecendo uma profundidade explicativa que os dados quantitativos estruturalmente não conseguem fornecer. Uma armadilha frequente é generalizar em excesso a partir de um punhado de sessões qualitativas, como se fossem estatisticamente representativas de toda a base de usuários, ou, inversamente, descartar achados qualitativos consistentes por não derivarem de uma amostra grande, quando um ponto de atrito observado repetidamente em apenas cinco ou seis sessões independentes costuma ser um sinal forte e acionável, e não ruído.
Dentro de uma consultoria de CRO ou crescimento, a pesquisa qualitativa normalmente forma a base da fase de descoberta de um projeto, conduzida antes de se construir um roteiro de testes, já que os experimentos fundamentados no entendimento da confusão ou hesitação reais dos usuários têm probabilidade consideravelmente maior de produzir um ganho significativo do que os experimentos baseados apenas em palpites de boas práticas ou em benchmarking de concorrentes. Os consultores costumam triangular os achados qualitativos com os dados quantitativos de funil para priorizar quais problemas de usabilidade são, ao mesmo tempo, comuns e impactantes o bastante para justificar o custo de um experimento ou de uma mudança de design.
Uma forma útil de entender a relação entre pesquisa qualitativa e quantitativa é uma analogia simples, muito usada na comunidade de pesquisa: os dados quantitativos dizem em que ponto do mapa algo está acontecendo e quão grande é, enquanto os dados qualitativos dizem o que realmente está acontecendo ali e por quê. Um relatório de funil de checkout pode mostrar que os usuários de dispositivos móveis abandonam a uma taxa quase duas vezes maior que a dos usuários de desktop, um achado quantitativo, mas somente assistir a algumas gravações de sessões móveis ou realizar alguns testes de usabilidade específicos para dispositivos móveis costuma revelar a causa real, como um campo de pagamento difícil de tocar com precisão em uma tela pequena, transformando uma lacuna estatística vaga em um problema de design específico e corrigível.
