Para analisar respostas abertas de uma pesquisa, coloque todas em uma planilha, leia uma amostra, escreva uma lista curta de códigos para os motivos que aparecem e marque cada resposta. Depois, conte os códigos por grupo de clientes e sustente cada conclusão com uma citação. É só isso. O método é antigo e manual, e ainda funciona melhor que uma nuvem de palavras.
Isso importa porque é nas respostas abertas que estão os motivos. Uma nota diz que as pessoas estão insatisfeitas. Respostas codificadas dizem qual problema corrigir primeiro e quem deve cuidar dele. Este guia mostra cada passo com um exemplo prático e depois explica onde a IA economiza seu tempo e onde ela erra sem você perceber.
Principais pontos
- Leia antes de codificar. Seus códigos devem vir das respostas, não das suas suposições.
- Codifique o motivo, não o tema. “Preço” esconde quatro problemas diferentes, com quatro soluções diferentes.
- Conte por grupo de clientes e acompanhe cada número de uma citação.
- Deixe a IA aplicar um livro de códigos que você escreveu. Não deixe que ela decida o que importa.
Comece com respostas que valham a análise
Nenhum método salva respostas vazias. Se a maioria diz “bom”, “n/a” ou “nada”, não há o que codificar.
Então olhe primeiro para as perguntas. “O que quase impediu você de se cadastrar?” traz respostas com que dá para trabalhar. “Algum outro comentário?” traz ruído. Perguntas de follow-up ajudam mais que tudo: “complicado demais” vira “não consegui descobrir como convidar minha equipe”, e isso alguém consegue corrigir. Nossa lista de perguntas abertas para pesquisas traz perguntas que geram respostas detalhadas.
Escolha um método que combine com o volume
O jeito de analisar depende de quantas respostas você tem.
| Respostas | O que funciona | Tempo necessário |
|---|---|---|
| Menos de 50 | Leia todas. Anote o que se repete. Separe citações. | Uma ou duas horas |
| De 50 a 500 | Codificação em planilha, como nos passos abaixo | De meio dia a dois dias |
| 500 ou mais | Codifique uma amostra à mão, depois use IA ou ferramentas de texto para aplicar seu livro de códigos ao restante e confira por amostragem | Depende da ferramenta, mais o tempo de revisão |
Seja qual for o tamanho, o raciocínio é o mesmo. Você decide quais são as categorias. As ferramentas só ajudam a aplicá-las mais rápido.
Como analisar respostas abertas de pesquisas em 7 passos
Este método funciona no Google Sheets ou no Excel. Você não precisa de nenhum software especial.
Coloque todas as respostas em uma planilha
Uma linha por resposta. Adicione colunas para o ID do respondente, o grupo de clientes (plano, cargo, tempo de casa ou nota), a pergunta, a resposta e duas ou três colunas de código vazias. A coluna de ID permite rastrear cada contagem até a resposta original, mesmo depois de ordenar.
Leia uma amostra primeiro
Leia de 30 a 50 respostas, ou cerca de um décimo de um conjunto grande, sem rotular nada. Anote os motivos que se repetem. É aqui que você percebe do que os clientes realmente falam, em vez do que você esperava que eles dissessem.
Monte um livro de códigos
Transforme suas anotações em 5 a 15 códigos. Dê a cada um um nome curto e uma definição de uma frase. Nomeie o motivo, não o tema: “não encontra a exportação” é útil, “problemas de UX” não é.
Codifique todas as respostas
Passe por todas as respostas e adicione um ou mais códigos. Use “Outros” para o que não se encaixa e revise com frequência. Se “Outros” passar de mais ou menos uma em cada dez respostas, está faltando um código. Quando criar um, volte e revise as linhas anteriores.
Conte e compare por grupo
Use uma tabela dinâmica para contar cada código. Depois, divida por grupo de clientes. Um motivo pequeno no geral pode ser o principal problema das suas maiores contas. Apresente como porcentagem das pessoas que responderam.
Separe citações
Para cada código principal, escolha duas ou três respostas que digam isso com clareza, nas palavras do próprio cliente. Citações tornam uma conclusão real para quem nunca viu os dados.
Escreva as conclusões como frases
“Equipes novas travam na configuração porque o botão de convite é difícil de achar” é uma conclusão. “Onboarding: 23 menções” não é. Escreva a frase com que um colega consiga agir e depois adicione a contagem e uma citação.
O guia de Jeff Sauro sobre codificação de comentários literais na MeasuringU cobre o mesmo processo com mais profundidade, incluindo como adicionar intervalos de confiança às suas porcentagens.
Codifique o motivo, não o tema
O erro mais comum é codificar por tema. Temas são fáceis de identificar, por isso parecem o caminho certo. Mas um tema muitas vezes esconde vários problemas, cada um com uma solução diferente.
Veja “preço”. Eis o que ele pode significar na prática:
| Código de tema | Códigos de motivo escondidos nele | Quem resolve |
|---|---|---|
| Preço | Preço pouco claro: não sabia quanto ia pagar | Página de preços |
| Custo inesperado: uma taxa ou limite descoberto tarde | Cobrança e limites do plano | |
| Valor ainda não claro: não viu funcionar antes de pagar | Onboarding | |
| Fora do orçamento: queria, mas não podia pagar | Planos e pacotes |
Se você relatar “Preço: 30% das respostas”, a equipe provavelmente vai discutir o preço. Se relatar que a maioria dessas respostas era “valor ainda não claro”, a solução passa para o onboarding. Mesmos dados, decisão muito diferente.
Exemplo de livro de códigos
Este é um pequeno livro de códigos para a pergunta “O que quase impediu você de se cadastrar?”
| Código | Definição | Exemplo de resposta |
|---|---|---|
| Preço pouco claro | Não sabia quanto ia pagar | “Não sabia se convidados contam como licenças.” |
| Receio da configuração | Achou que a configuração seria lenta ou técnica | “Parecia que ia precisar de um desenvolvedor.” |
| Confiança | Inseguro sobre a empresa ou a segurança dos dados | “Nunca tinha ouvido falar de vocês, então fui ver avaliações antes.” |
| Recurso ausente | Precisava de algo que não encontrou | “Não deu para saber se funcionava com nosso sistema de login.” |
| Custo de troca | Já investiu em outra ferramenta | “Teríamos que migrar dois anos de dados.” |
| Sem obstáculo | Não teve dúvidas | “Nada, eu precisava disso rápido.” |
| Outros | Qualquer outra coisa, revisado toda semana | “Meu gerente estava de férias.” |
Mantenha as definições curtas. Se duas pessoas codificariam a mesma resposta de formas diferentes, a definição precisa de ajuste. Vale acompanhar também o “Sem obstáculo”. Ele mantém os problemas em proporção.
Um exemplo prático
Cinco pessoas responderam à pergunta acima. Veja como cada uma seria codificada.
| ID | Plano | Resposta | Códigos |
|---|---|---|---|
| 101 | Team | “A página de preços não dizia se convidados contam como licenças.” | Preço pouco claro |
| 102 | Solo | “Nada, na verdade. Eu precisava disso rápido.” | Sem obstáculo |
| 103 | Solo | “Achei que o TI teria que configurar, e nosso TI é lento.” | Receio da configuração |
| 104 | Team | “Não sabia se funcionaria com nosso sistema de login, e o preço por licença me confundiu.” | Recurso ausente, Preço pouco claro |
| 105 | Team | “Já pagamos por uma ferramenta de pesquisa.” | Custo de troca |
A resposta 104 recebe dois códigos. Isso é normal, e é por isso que você deixa espaço para mais de um código por linha. Também significa que suas porcentagens podem somar mais de 100%, então avise quando compartilhar.
Com todas as linhas codificadas, a tabela dinâmica faz o resto. Você pode descobrir que “Preço pouco claro” vem quase todo dos planos de equipe, enquanto quem usa sozinho fala da configuração. São duas conclusões com dois responsáveis: a página de preços para o marketing e o fluxo de configuração para o produto.
Erros que distorcem os resultados
- Códigos amplos demais. “Feedback do produto” serve para tudo e não diz nada.
- Nuvens de palavras. Elas contam palavras, não significados. “Não é fácil” e “fácil” fazem “fácil” parecer maior.
- Codificar sozinho. Peça a um colega para codificar as mesmas 20 respostas. Onde vocês discordarem, ajuste a definição.
- Contar sem contexto. Um motivo levantado por poucos clientes grandes pode importar mais do que um citado por muitos usuários gratuitos.
- Números sem citações. As pessoas confiam no que conseguem ler nas palavras do próprio cliente.
- Codificar antes de ler. Se você escrever o livro de códigos primeiro, vai encontrar o que esperava e perder o resto.
Usando ChatGPT ou Claude para analisar respostas abertas
Ferramentas de chat com IA, como ChatGPT e Claude, são boas nas partes lentas: ler, resumir e aplicar rótulos. São mais fracas para decidir quais devem ser os rótulos. As pesquisas confirmam essa divisão.
Quando pesquisadores deram a modelos de linguagem uma lista fixa de 50 categorias para respostas de uma pesquisa eleitoral britânica, o melhor modelo chegou perto de um codificador humano: 93,9% de precisão contra 94,7% de um segundo humano. Em um teste mais difícil, com respostas mais recentes, a diferença foi maior. E quando a Langer Research testou a codificação de respostas abertas com IA, encontrou “má criação de categorias, classificação errada e incapacidade de detectar nuance ou valência”.
Juntando tudo, a IA vai bem quando uma pessoa define as categorias e tem dificuldade quando precisa inventá-las. Então a regra prática é simples. Você escreve o livro de códigos. A IA ajuda a aplicá-lo.
Antes de colar qualquer coisa
Respostas de pesquisa são dados de clientes, então trate-as assim.
- Confira antes as regras da sua empresa. Muitas equipes têm uma política sobre quais ferramentas de IA podem ver dados de clientes. Pergunte antes de colar.
- Remova dados pessoais. Tire nomes, e-mails, telefones, nomes de empresas e qualquer outra coisa que identifique alguém. Mantenha só a coluna de ID e a resposta.
- Confira as configurações de dados da sua conta. Se suas conversas podem ser usadas para treinar modelos depende da ferramenta, do plano e das suas configurações. Planos empresariais costumam tratar isso de forma diferente dos gratuitos, então verifique na conta que você está usando.
- Cole em lotes. De trinta a cinquenta respostas por vez deixa cada retorno curto o bastante para conferir direito. Colagens muito longas são onde os erros passam despercebidos.
Prompts para copiar
Funcionam no ChatGPT, no Claude ou em qualquer ferramenta de chat parecida.
1. Criar códigos a partir de uma amostra (passo 3)
Aqui estão 40 respostas de clientes à pergunta “sua pergunta”.
Sugira de 8 a 12 códigos que descrevam o MOTIVO por trás de cada resposta, não o tema.
Para cada código, dê um nome curto, uma definição de uma frase e dois exemplos de respostas da lista.
Use apenas motivos que aparecem nas respostas. Não invente nenhum.
cole as respostas com os IDs
2. Aplicar seu livro de códigos (passo 4)
Este é meu livro de códigos: cole os nomes e as definições dos códigos.
Codifique cada resposta abaixo. Uma resposta pode ter mais de um código.
Use “Outros” se nada se encaixar. Não crie códigos novos.
Devolva uma tabela com três colunas: ID, códigos e algumas palavras da resposta que justifiquem o código.
cole de 30 a 50 respostas com os IDs
3. Encontrar citações (passo 6)
Das respostas abaixo, escolha as três que expressam o motivo “nome do código” com mais clareza, nas palavras do próprio cliente.
Cite-as exatamente. Não edite nem combine as respostas.
Confira o trabalho dela
- Confira 20 linhas por lote. Leia a resposta e depois o código. Se mais de duas estiverem erradas, ajuste as definições e rode de novo.
- Confira se as citações são reais. Procure cada citação na sua planilha. Ferramentas de IA às vezes ajeitam ou juntam respostas.
- Leia “Outros” você mesmo. É lá que costumam estar as surpresas.
Como apresentar os resultados
Relatórios longos ficam sem leitura. Limite o resumo a uma página.
Pergunta: a pergunta exata, feita a quem entre datas. N pessoas responderam.
Principais conclusões
1Conclusão em forma de frase. X de N respostas. “Citação” “Citação”
2Conclusão em forma de frase. X de N respostas. “Citação” “Citação”
3Conclusão em forma de frase. X de N respostas. “Citação” “Citação”
Diferenças entre grupos
[Ex.: os planos de equipe citam X muito mais que os planos individuais.]
O que nos surpreendeu
Uma coisa que ninguém esperava.
Próximos passos sugeridos
[Quem deve olhar cada conclusão e o que pode testar.]
Planilha completa codificada: link
Se você vai decidir o que desenvolver com base no que encontrar, nosso guia sobre como priorizar pedidos de recursos começa onde este termina. Para ter a visão geral sobre como combinar números e palavras, veja pesquisa qualitativa vs. quantitativa.
Como o Diaform ajuda
O Diaform facilita a primeira parte: conseguir respostas que valham a análise. Ele coleta respostas abertas como conversas curtas e faz uma pergunta de follow-up quando a resposta é vaga, então você recebe menos respostas do tipo “tudo bem”. Cada conversa concluída ganha um resumo feito por IA, além das respostas por pergunta com um rótulo de sentimento (positivo, negativo, neutro ou misto) e um rótulo de confiança. Você pode ativar as citações de destaque, e a transcrição completa está sempre disponível.
Você pode buscar e filtrar respostas, por exemplo para ler todas as respostas negativas de uma vez, e depois exportar para CSV e seguir os passos de codificação acima na sua própria planilha. Para deixar claro: o Diaform não agrupa as respostas em temas para você. O livro de códigos fica com sua equipe, mas você parte de respostas mais claras e resumos prontos. Veja como funciona para feedback de produto ou comece um teste grátis de 14 dias.
