Talk - Meetup Design Campinas / Ago 2018.

1. Oferecendo soluções mais assertivas
para os usuários de um serviço
combinando UX Research + Machine Learning
Izabela Amaral
Meetup / Ago 18

2. Quem sou eu ?!
Apaixonada por conversar com pessoas para entender
comportamentos e padrões, começou a atuar com UX Research
há 8 anos, atuando no Brasil e nos EUA em empresas como CPqD,
Sony, Ifood, AllState (Chicago/US) e Dextra.
Adora fotografia, filmes sci-fi, cupcakes e o Sebastião !
Izabela - UX Researcher Sênior (Dextra Digital)

3. O que é Machine Learning ?
Qual o papel do UX Researcher ?
Como os experimentos são criados - quais
aspectos considerar & exemplos
E depois que o experimento acaba ?
Agenda de hoje

4. Definição
ML e IA
Machine
Learning 1
2

5. Definição de Machine Learning
→ Conjunto de ferramentas
e tecnologias que você pode
utilizar para responder
questões com seus dados.
Artificial Intelligence
Machine Learning
*PS: Saudades Davi ...

6. UX Researcher
qual o papel desse profissional ?
dados quantitativos
dados qualitativos
levantamento de
hipóteses
coleta de feedback
conversas, conversar, conversas..
foco no usuário

7. Quando criar
os experimentos?

8. - Entendimento de padrões de uso/preferências
- Validação de uma nova funcionalidade/fluxo
- Termômetro de desejabilidade e engajamento
Quando criar experimentos?

9. Mas isso se aplica
no meu projeto ?

10. SIM!!!

11. Se sua empresa trabalha com:
→ Recomendação
de conteúdos
("Concierge")
Dúvidas
frequentes, chat…
→ Serviço de
delivery
→ Programas de
fidelidade
→ Seguradoras
→ Conteúdos
segmentados
("Curadoria")
Produtos, serviços,
conteúdos,
assinaturas...
→ Aplicativo ou
website de pacotes
de TV/Telefonia
→ E-commerce
→ Ofertas de
emprego
e vários outros segmentos...

12. Dados
Cenários
Como os
experimentos
são criados ?
1
2
Preparação3

13. Dados
Levantamento de hipóteses que se deseja validar
Como criar os experimentos?

14. Exemplo:
Serviço: Seguradora - diferentes pacotes de uma seguradora (vida, saúde, auto, imóvel)
Como criar os experimentos?
"Os usuários não contratam
pacotes personalizados
porque não exploram opções
avulsas para se adequar ao
seu estilo de vida"
FATO PROPOSTA
Prever opções de
seguros/valores que se
adequem aos diferentes
segmentos que acessam
esse serviço
"Os usuários têm
dificuldade de encontrar no
serviço os produtos
relacionados às suas
necessidades"
HIPÓTESE
?

15. Quais fatores considerar?
Cenários
→ Segmentação da base de usuários (estatística "na veia")
→ Definição dos períodos de testes (dias da semana, finais de semana, época do ano…)
- Método de recomendação:
- Content-based Method: atributos de itens/usuário; recomendação de itens similares,
baseado no histórico de compras do usuário;
- Collaborative Filtering: sistema recomenda itens que foram "curtidos"/comprados por
usuários com perfis semelhantes; permite que itens diversos sejam ofertados para os
usuários → aquela sensação de "wowww era isso mesmo que eu queria !"

16. Peraí, isso não é teste A/B ?

17. Como criar os experimentos ?K-Nearest Neighbors
Gabi
Renata
Sebastião

18. Como criar os experimentos ?K-Nearest Neighbors
?
● Cálculo da similaridade
de usuários
● Identifica k usuários
com perfil semelhante a
um usuária/o a
● Recomenda calçados
que não foram vistos
por a
https://goo.gl/Wr3f5q
Gabi
Renata
Sebastião

19. Como criar os experimentos ?K-Nearest Neighbors
● Cálculo da similaridade
de usuários
● Identifica k usuários
com perfil semelhante
a um usuária/o a
● Recomenda calçados
que não foram vistos
por a
-1 1
0
Itens com
baixa
similaridade
Itens
"neutros"
Itens com
grande
similaridade

20. Como criar os experimentos ?K-Nearest Neighbors
● Cálculo da similaridade
de usuários
● Identifica k usuários
com perfil semelhante
a um usuária/o a
● Recomenda calçados
que não foram vistos
por a
-1 1
0
Itens com
baixa
similaridade
Itens
"neutros"
Itens com
grande
similaridade
**Caramba, pra isso que
serve o cosseno !
*PS 2: Saudades Davi ...

21. Como criar os experimentos ?K-Nearest Neighbors - para leigos, por favor !
● Gabi e Tião gostam de 5 itens em comum, então eles têm
perfis parecidos, certo ? (hipótese)
● Logo, se Sebastião curtir um 6º item, muito provavelmente
Gabi também irá gostar desse 6º item !
Gabi
Tião

22. E depois que o experimento acaba ?!

23. Validação (ou não!) de
hipóteses
Mais rodadas de testes !
Pós
experimentos... 1
2

24. Dúvidas ?!

25. iizabela.amaral@dextra-sw.com
https://www.linkedin.com/in/izabela-amaral-uxresearcher/
Obrigada ;)