A tua taxa de conversão caiu 25 por cento no mês passado. Sabes o que aconteceu (análise diagnóstica). Mas continuas sem saber porquê. Foi uma mudança no site? Uma mudança de mercado? Um movimento de um concorrente? Um padrão sazonal? A análise da causa raiz é como vais além da superfície para encontrar o motivo real.
Este artigo apresenta as técnicas para passar de "algo mudou" para "aqui está exatamente porque mudou" e "isto é o que deves corrigir".
A análise da causa raiz é a prática de investigar problemas de forma sistemática para encontrar a razão de fundo, não apenas o sintoma. A maioria dos donos de websites fica em "o tráfego caiu" ou "as conversões baixaram". A análise da causa raiz pergunta: qual é a causa real por baixo desse sintoma?
Um sintoma está à superfície. Uma causa raiz é fundamental. Se a tua taxa de rejeição é alta, isso é um sintoma. A causa raiz pode ser um carregamento lento das páginas, títulos confusos ou um mau design para telemóvel. Corrigir o sintoma (tentar baixar a taxa de rejeição em geral) não funciona. Encontrar e corrigir a causa raiz funciona.
Porque é que os sintomas te enganam
Os donos de websites perseguem sintomas porque são fáceis de ver. O tráfego caiu: sintoma óbvio. Mas porquê? Há dezenas de causas possíveis. Se adivinhares mal e corrigires a coisa errada, o problema fica.
A análise da causa raiz evita isto. Obriga-te a perguntar porquê várias vezes até chegares à causa real. A técnica dos "5 Porquês" é uma versão simples: pergunta porquê cinco vezes. Cada resposta torna-se a base do porquê seguinte.
Sem análise da causa raiz, corriges os problemas errados e perdes tempo. Com ela, as tuas correções funcionam mesmo.
A técnica dos 5 Porquês: simples mas poderosa
Começa pelo problema. Pergunta porque aconteceu. Pega na resposta e pergunta porquê outra vez. Continua até chegares à razão fundamental.
Problema: as conversões caíram 30 por cento.
Porquê 1: o tráfego da campanha de email desceu. Mas o tráfego dos anúncios manteve-se estável.
Porquê 2: a taxa de clique do email desceu de 12 por cento para 4 por cento.
Porquê 3: a taxa de abertura do email manteve-se, mas depois de as pessoas abrirem o email, menos clicaram na ligação.
Porquê 4: mudámos o modelo do email na semana passada. O novo design passou o botão de apelo à ação para baixo da dobra.
Porquê 5: o botão ficou invisível sem scroll. A maioria dos leitores de email não faz scroll.
Causa raiz: a posição do botão está a fazer as pessoas perderem o CTA.
Correção: passar o botão para cima da dobra.
Isto é análise da causa raiz. Não adivinhaste: encontraste o problema real de forma sistemática. A correção ataca a questão real, não um sintoma.
O diagrama de espinha de peixe: organiza a tua investigação
O diagrama de espinha de peixe (também chamado diagrama de Ishikawa) ajuda-te a mapear todas as causas possíveis por categorias. É visual, o que te ajuda a ver padrões.
Desenha uma linha horizontal (a espinha). O problema vai na cabeça. Os ramos que saem da espinha representam categorias: Pessoas, Processo, Ferramentas, Dados, Fatores externos.
Debaixo de cada categoria, lista as causas possíveis. Onde se cruzam várias causas? É muitas vezes aí que está a causa raiz.
Exemplo: a tua taxa de conversão desceu.
Pessoas: a equipa de vendas mudou? O redator saiu?
Processo: mudaste o fluxo de pagamento? Passaste a exigir mais campos de formulário?
Ferramentas: mudaste de ferramenta de estatísticas? O processador de pagamentos mudou?
Dados: os dados estão incompletos? Há um erro de acompanhamento?
Externos: os concorrentes fizeram lançamentos? O algoritmo do Google mudou?
Ao mapear isto visualmente, vês que categorias têm mais causas possíveis. É por aí que investigas primeiro.
Análise por desdobramento: segmenta para encontrar o problema
Em vez de olhares para as métricas globais, desdobra-as. As conversões globais caíram 30 por cento. Mas:
Conversões do email: menos 40 por cento
Conversões dos anúncios: menos 10 por cento
Conversões da pesquisa orgânica: menos 15 por cento
Agora sabes que o problema é específico do email, não universal. Isso reduz muito a tua investigação. Não estás a olhar para todas as fontes de tráfego, só para o email.
Vai mais fundo. Os visitantes do email que antes convertiam passavam mais de 4 minutos no site. Agora a média é 1 minuto. Porquê? Estão a sair mais depressa. De que página? Da página de destino. O que mudou na página de destino? O título.
Ao desdobrares de forma sistemática, isolas a causa raiz.
Correlação vs causalidade: evita pistas falsas
Este é o erro mais comum. Duas métricas movem-se juntas, por isso assumes que uma causou a outra. Normalmente está errado.
A tua taxa de rejeição subiu na mesma semana em que o tráfego desceu. Correlação: ambas mudaram. Causalidade: a taxa de rejeição faz o tráfego cair? Não. A taxa de rejeição é o que acontece depois de os visitantes chegarem. Não pode afetar quantos chegam, para começar.
Para testar a causalidade, pergunta: existe um mecanismo lógico? X poderia mesmo causar Y?
Uma taxa de rejeição alta pode fazer chegar menos visitantes? Não.
Uma página lenta pode causar uma taxa de rejeição alta? Sim.
Uma página lenta pode fazer chegar menos visitantes do Google? Sim (as posições descem se a página for lenta).
Testa o mecanismo antes de afirmares a causalidade.
Análise da linha do tempo: quando mudou?
Se uma métrica mudou de repente a 15 de março, algo aconteceu a 15 de março. Se desceu aos poucos ao longo de duas semanas, algo tem vindo a mudar gradualmente.
Uma queda súbita sugere um acontecimento: uma mudança no site, uma atualização do Google, o lançamento de um concorrente. Um declínio gradual sugere uma tendência: padrão sazonal, perda lenta de posições, mudança no comportamento do público.
A forma da linha do tempo diz-te que tipo de causa investigar.
Causas contraintuitivas: olha além do óbvio
A maioria dos donos de websites culpa o óbvio: "Mudámos o site, por isso deve ser esse o problema." Às vezes é. Às vezes não.
Procura mudanças que não fizeste. O Google atualizou? Um concorrente lançou algo? A estação do ano mudou? Uma atualização do sistema dos telemóveis estragou o acompanhamento? A tua lista de emails degradou-se?
A análise da causa raiz significa questionar tudo, não só os suspeitos óbvios.
Como documentar as tuas conclusões
Quando encontrares uma causa raiz, documenta-a. Escreve:
O sintoma: "A taxa de conversão caiu 25 por cento"
A causa raiz: "O botão de CTA do email passou para baixo da dobra"
A prova: "A taxa de clique do email desceu de 12 por cento para 4 por cento depois da mudança de modelo"
A correção: "Passar o botão para cima da dobra"
O resultado: "A taxa de clique do email voltou a 11 por cento depois da correção"
A documentação evita que cometas o mesmo erro duas vezes e ajuda a tua equipa a perceber o problema.
Quando parar de investigar
A análise da causa raiz pode ir infinitamente fundo. A certa altura, chegas a uma causa que não consegues controlar ou em que não deves gastar mais tempo.
Descobriste: "A posição do botão causou conversões mais baixas." Podias ir mais fundo: "Porque é que o botão foi posto ali? Porque o designer achou que ficava melhor. Porque achou isso? Prefere essa estética."
Neste ponto, pára. Chegaste a uma causa sobre a qual se pode agir (a posição do botão). O porquê do porquê (a preferência estética) importa menos do que corrigir o problema real.
Perguntas frequentes
A técnica dos 5 Porquês é sempre fiável?
Não. Funciona quando o problema é claro e linear. Alguns problemas têm várias causas que não formam uma cadeia certinha. Usa os 5 Porquês para problemas simples; usa o diagrama de espinha de peixe para os complexos, com vários fatores. Com o criador de websites da WEMASY, podes configurar isto diretamente no teu website.
E se não conseguir encontrar a causa raiz depois de investigar a fundo?
Às vezes a causa é externa e invisível para ti. Uma mudança no algoritmo do Google, uma mudança de mercado ou um movimento de um concorrente pode ser a causa raiz, mas não tens forma de o confirmar. Nesse ponto, aceita a incerteza e avança. Nem todos os problemas têm uma causa que se consiga descobrir.
Devo investigar todas as mudanças de métricas ou só as grandes?
Foca-te nas grandes mudanças. As pequenas flutuações são variação normal. Se a taxa de conversão cair 1 por cento numa semana, provavelmente não vale a pena investigar. Se cair 25 por cento, investiga. Usa o teu juízo para decidir o que conta como "grande".
A análise da causa raiz pode evitar que os problemas aconteçam?
Em parte. Se identificares que "o carregamento lento das páginas causa picos na taxa de rejeição", podes tratar da velocidade das páginas de forma preventiva. Mas a maioria das causas raiz descobre-se depois de o problema acontecer. Quando conheces o padrão, podes vigiá-lo no futuro.
Quanto tempo deve demorar a análise da causa raiz?
Problemas simples: 30 minutos a algumas horas. Problemas complexos: dias ou semanas. O tempo depende de quão enterrada está a causa e de quantos dados precisas de rever. Define um limite de tempo para não investigares em excesso.
A análise da causa raiz é o mesmo que a análise diagnóstica?
Parecida, mas não idêntica. A análise diagnóstica pergunta "porque mudou esta métrica?" A análise da causa raiz vai mais fundo e pergunta "qual é a razão fundamental por baixo do porquê?" A diagnóstica é o ponto de partida; a análise da causa raiz vai mais longe.