Os erros clássicos são: 1) usar a estrutura corporativa de divisão de departamentos, para mostrar criar a divisão de conteúdos e seus nomes, 2) fazer uma arquitetura baseada no concorrente considerado mais forte, agressivo ou de recursos mais modernos, ou 3) fazer uma colagem de todos as melhores partes dos melhores concorrentes.

Infelizmente, nenhuma dessas técnicas reflete como os usuários veem o conteúdo e como entendem o significado das palavras. Lembrem se que os nomes dos links devem induzir a maior parte das pessoas a entender o tipo de conteúdo que irão encontrar a partir de um click.  Para mostrar como usuários entendem a estrutura de navegação e quais devem se os nomes dos labels, a técnica de Card Sorting é muito adequada.

Como fazer?

1. Escreva os nomes dos links que sua equipe supõe serem os melhores nomes para cada área, com uma breve descrição do que é aquela área (Card Sorting Fechado) ou peça para os usuários agruparem os itens e depois darem um nome para cada grupo (Card Sorting Aberto).
2. Coloque os itens aleatoriamente numa área (mesa ou deck de software).
3. e peça aos usuários (sempre representativos do seu público alvo) para agrupá-los. No caso do Card sorting aberto, instrua seus usuários para empilhar primeiro e dar nome ao grupo depois de terminar de empilhar/agrupar.

O Card Sorting Aberto sempre traz resultados interessantes para indexação de erros digitação ou ortografia, que podem ser usados no instrumento de busca, ou até sinônimos que podem servir de alternativas de label para as áreas.

Tanto o Card Sorting Aberto quanto o Fechado podem ser realizados com fichas de papel ou usando OptimalSort (WWW.optimalsort.com). O uso do software permite uma visão mais clara dos resultados das entrevistas, que devem sempre atender a alguns critérios estatísticos, como veremos a seguir.

Quantos usuários entrevistar?

É prática comum usar ao menos 5 usuários de cada segmento alvo para Testes de Usabilidade, uma vez que existem inúmeros artigos científicos comprovando que com 5 a 8 usuários é possível ver 90% dos erros, no mínimo. No entanto, quando se trata de Card Sorting existe uma correlação de 0,75 entre os resultados de 5 usuários e o resultado conclusivo, o que não é algo aceitável do ponto de vista estatístico.

Num projeto de Card Sorting você deve conseguir dados de ao menos 15 pessoas para conseguir uma correlação de 0.90 entre dados e resultados. Depois do número mágico de 15 pessoas, a curva de aumento de correlação cai significativamente. Se entrevistarmos 30 usuários, a correlação será de 0.95, o que pode ser melhor, mas aumenta o valor do que é oferecido aos usuários, encarecendo o projeto.

De qualquer maneira, é preciso ponderar que não é possível basear o fluxo da navegação somente nos resultados do Card Sorting.  Com certeza o levantamento de Modelo Mental é a melhor metodologia para realizar esse trabalho. Aliás, os comentários dos usuários em qualquer metodologia que peça para as pessoas dizerem por quais razões fizeram ou disseram algo ajudam nesse processo de entender o modelo mental dos usuários alvo.

Leia:

Tullis, T. and Wood, L. (2004). How many users are enough for a card-sorting study? In Proceedings UPA’2004, Minneapolis, MN.

Jakob Nielsen and Thomas K. Landauer. 1993. A mathematical model of the finding of usability problems. In Proceedings of the INTERACT ’93 and CHI ’93 Conference on Human Factors in Computing Systems (CHI ’93). ACM, New York, NY, USA, 206-213.

O post Card Sorting apareceu primeiro em UXChange Academy.