Case Localizador de produtos
- Paula Costa
- 28 de mar.
- 6 min de leitura
Atualizado: 26 de mai.
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 O objetivo dessa etapa foi reunir o máximo de informações disponíveis internamente sobre o funcionamento do localizador, incluindo: regras de negócio, decisões anteriores, dados do Google Analytics e feedbacks já coletados com usuários.
Além disso, organizei essas informações em uma Matriz CSD (Certezas, Suposições e Dúvidas), o que ajudou a mapear os pontos que já estavam validados, o que ainda precisava ser investigado e os principais riscos percebidos até aquele momento.
Habilitar o Hotjar para mapear alguns localizadores Ativamos o Hotjar em alguns dos localizadores mais acessados do portal com o objetivo de coletar gravações de sessão e mapear o comportamento real dos usuários. Buscamos identificar padrões de navegação, pontos de frustração, erros de fluxo e possíveis barreiras de usabilidade.
Esses dados qualitativos complementaram as análises quantitativas, permitindo uma visão mais completa da experiência do usuário e ajudando a embasar decisões de melhoria com mais precisão.
Coleta de feedbacks Implementei uma caixinha de feedback nos localizadores monitorados, utilizando o Hotjar, com a pergunta direta: “Você encontrou o que procurava?” (Sim/Não). Caso a resposta fosse “Não”, o usuário era convidado a explicar o motivo ou deixar sugestões em um campo de comentário aberto.
Essa abordagem simples e direta permitiu coletar feedbacks qualitativos valiosos, que, combinados com as gravações de sessão, ajudaram a identificar com mais clareza os pontos de frustração e oportunidades de melhoria. Essa triangulação fortaleceu as análises e trouxe mais confiança para as decisões tomadas na etapa seguinte. Análise de usabilidade
Realizei uma análise de usabilidade com base nas heurísticas de Nielsen para identificar falhas de interação e problemas na interface do localizador. Como essa funcionalidade havia sido desenvolvida sem envolvimento de UX anteriormente, já sabíamos que existiam diversos pontos críticos a serem revisados.
Essa análise nos ajudou a evidenciar inconsistências, falta de feedback visual, problemas de reconhecimento e acessibilidade, entre outros aspectos que impactavam negativamente a experiência do usuário.
Segmentações de localizadores no Analytics Criei segmentações específicas no Google Analytics para diferenciar dois tipos de localizadores:
Embedados – integrados diretamente nos sites dos clientes
Stand Alone – acessados por meio de links externos, que abriam em uma nova aba
Como esses dois modelos apresentavam fluxos distintos de navegação, partimos da hipótese de que poderiam gerar comportamentos e frustrações diferentes. Por isso, optamos por analisá-los separadamente, garantindo uma leitura mais precisa dos dados e permitindo diagnósticos mais direcionados para cada contexto de uso.
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:
|  |
Sessões assistidas
Diante de várias hipóteses levantadas nas análises anteriores, fui em busca de algumas certezas.
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. |