19 de novembro de 2026

Teste de usabilidade: por que 5 pessoas bastam (e o que elas não veem)

Cinco participantes encontram 91% dos problemas mais comuns — e só 38% de todos. Veja como montar o teste, o que fazer com as gravações e quando 5 pessoas não bastam.

Rodrigo Carvalho Rodrigo Carvalho

Teste de usabilidade: por que 5 pessoas bastam (e o que elas não veem)

Você rodou cinco sessões, anotou doze problemas e alguém perguntou: “e se a gente tivesse testado com cinquenta?”. A resposta curta é que cinquenta pessoas provavelmente mostrariam os mesmos doze problemas — mais alguns raros que você talvez nunca conserte.

O problema é que a regra dos 5 usuários virou slogan e perdeu a condição que a sustentava. Ela não diz que cinco pessoas revelam 85% dos problemas do seu produto. Ela diz algo bem mais estreito — e entender essa diferença muda como você planeja o teste, quanto tempo reserva para a análise e o que você promete na reunião de resultados.

A conta que virou regra

A fórmula vem de Jakob Nielsen e Tom Landauer, em 1993: com n participantes, você encontra N(1-(1-L)^n) problemas, onde L é a probabilidade de um único participante esbarrar em um problema. Com o L médio de 31% medido em vários projetos, cinco participantes chegam a 85%.

Repare no que ficou de fora do slogan: os 85% são dos problemas que atingem mais ou menos um terço dos usuários. Não são 85% de todos os problemas da interface. Nielsen escreveu isso explicitamente no artigo original — a recomendação era rodar três rodadas de cinco, consertando entre elas, não uma rodada só.

A lógica de fundo continua válida: problemas comuns aparecem rápido, problemas raros precisam de muita gente. É por isso que um teste com cinco é bom para decidir o que consertar nesta semana e ruim para dizer que o produto “não tem mais problemas”.

O que acontece quando você confere a conta em dados reais

O pessoal da MeasuringU fez essa conferência com sete bases de estudos de usabilidade: 231 participantes e 406 problemas e insights catalogados. Depois separaram os problemas por frequência e mediram quanto os cinco primeiros participantes pegaram de cada faixa.

Frequência do problemaProblemas nos 7 estudosAchados pelos 5 primeiros
Atinge 31% a 100% dos usuários3591% (32)
Atinge 20% a 30% dos usuários2763% (17)
Atinge 5% a 19% dos usuários16440% (65)
Atinge até 5% dos usuários18022% (39)
Todos os problemas40638% (153)

Os cinco primeiros participantes acharam 91% dos problemas mais comuns — e 38% do total. Ou seja: a regra funciona para o que ela promete, e o que ela promete é bem menos do que a maioria dos times anuncia. A análise completa tem as sete bases separadas, com a frequência média de cada estudo.

Isso não é argumento para testar com 50 pessoas. É argumento para não tratar uma rodada de cinco como auditoria final. Cinco pessoas dizem “o fluxo de cadastro travou em três de cinco” — o que já é motivo suficiente para consertar amanhã de manhã.

Então quantas pessoas eu preciso?

A pergunta certa é “para qual objetivo”. Os três casos que aparecem na prática:

  • Descobrir problemas e entender o porquê: 5 participantes por rodada, uma rodada por versão do protótipo. Quem já roda testes com frequência reserva de 3 a 5 sessões por ciclo. A NN/g recomenda cinco para um estudo qualitativo com um único grupo de usuários.
  • Medir, comparar versões ou provar melhoria: aqui você precisa de número, e número com cinco pessoas é ruído. Estudos quantitativos normalmente pedem dezenas de participantes, e a precisão cresce devagar: para cortar a margem de erro pela metade, o tamanho da amostra precisa quadruplicar.
  • Cobrir perfis muito diferentes (novato, usuário avançado, administrador, cliente antigo): cada grupo é um estudo. Cinco no total, misturando perfis, esconde justamente as diferenças que você queria ver.

Se o teste é com cinco, não faça três tarefas por participante e sim tarefas curtas e específicas. Sessão de 60 minutos com quatro tarefas longas produz cansaço e silêncio, não insight.

O gargalo não é a sessão, é a análise

Esta é a parte que costuma estourar o cronograma. Um levantamento da NN/g com 50 equipes que testaram sites comerciais pela primeira vez mediu 39 horas para fazer o teste completo: planejar, escrever tarefas, recrutar, rodar cinco sessões, analisar e escrever o relatório. Com experiência, o mesmo ciclo cabe em dois dias de trabalho — mas a sessão em si nunca foi a maior fatia.

Teste não moderado não resolve isso. Ele economiza o tempo de condução, não o de análise: alguém continua precisando assistir (ou ler) as cinco gravações e transformar aquilo em decisão. A NN/g é direta nesse ponto: o tempo que você economiza rodando sessões tende a reaparecer na fase de análise.

É por isso que a gravação importa mais do que a ferramenta de recrutamento. Se você precisa rever 5 horas de vídeo para lembrar em que momento o participante 3 desistiu, o teste custou o dobro.

Think-aloud muda o comportamento — e quase ninguém controla isso

Pedir para a pessoa pensar em voz alta é o padrão da área, e o padrão tem um custo conhecido. Quando o moderador relaxa o protocolo e começa a perguntar “o que você esperava aqui?”, o comportamento muda: um estudo comparativo mostrou tarefas mais longas, mais navegação entre páginas, mais rolagem e carga mental maior durante a verbalização relaxada.

A revisão de Hertzum sobre o tema resume o impasse: o think-aloud clássico pode não alterar o comportamento, mas também agrega pouco além do que você já vê na tela; o relaxado agrega informação, mas altera o desempenho. Ele sugere uma saída prática — separar execução de comentário, usando a gravação para uma entrevista retrospectiva. Também vale saber o tamanho do fenômeno: em um dos estudos, apenas 38% a 44% das verbalizações em think-aloud relaxado eram de relevância média ou alta para identificar problemas. O resto é conversa.

Duas consequências práticas:

  1. Se o objetivo é comparar tempo de tarefa ou taxa de conclusão, deixe a pessoa executar em silêncio e comente depois, com o vídeo na mão.
  2. Se o objetivo é entender o modelo mental, o think-aloud ajuda — mas o moderador treinado precisa saber que cada pergunta dele contamina o dado que vem depois.

Como transformar gravação em achado

O fluxo abaixo é o que sobrevive à falta de tempo. Ele funciona com qualquer ferramenta de gravação, e o passo 2 é onde a maior parte do trabalho desaparece.

  1. Grave tela e áudio da sessão. No Mac, o QuickTime salva .mov; no Windows, a Gravação de Tela do Xbox Game Bar salva .mp4; OBS salva .webm ou .mkv. Um arquivo por participante, nomeado com o perfil e a data.
  2. Transcreva antes de assistir. Ler é mais rápido que ouvir, e você consegue buscar por palavra. Uma sessão de 60 minutos vira texto em poucos minutos; a transcrição de áudio longo tem os limites de duração e de plano que valem checar antes de subir cinco arquivos de uma vez.
  3. Marque três coisas por participante, não trinta. Resultado da tarefa (concluiu, concluiu com esforço, desistiu), a frase de fricção (“achei que esse botão fosse salvar”) e a severidade. Trinta achados no relatório é o mesmo que nenhum: ninguém conserta trinta.
  4. Agrupe por passo do fluxo, não por participante. O achado é “3 de 5 não acharam o campo de cupom”, não “o participante 2 se confundiu”.
  5. Registre a decisão. Cada achado vira uma linha com dono e próxima ação — o mesmo mecanismo de qualquer checklist que sai de uma reunião. Achado sem dono volta na próxima rodada.

No Sintesy, esse caminho é upload do vídeo, transcrição, resumo e checklist. Os formatos de vídeo aceitos incluem .mp4, .mov, .webm e .avi, então o arquivo do QuickTime, do Zoom ou do OBS sobe direto. Depois de transcrito, você pode perguntar no chat em que ponto cada participante travou e comparar as respostas — sem reouvir as cinco sessões.

Vale o aviso honesto sobre plano: no gratuito, o arquivo enviado tem limite de 20 MB, o que normalmente exige exportar só o áudio da sessão, e a transcrição devolvida é truncada em textos longos. Para analisar cinco sessões inteiras, o plano Pro (R$ 39,90/mês, ou R$ 149,90/ano) aceita arquivos até 2 GB e não trunca o resultado. Se você só quer o mapa das cinco falas, o gratuito resolve; se quer o documento completo para citar no relatório, não.

Se você precisa de número, use o SUS — e não com cinco pessoas

O System Usability Scale é o questionário de 10 perguntas que devolve uma nota de 0 a 100. A média histórica dos sistemas avaliados é 68; acima de 80 você está na faixa que a literatura chama de boa usabilidade. É uma forma barata de ter um número comparável entre versões.

Só não peça ao SUS o que ele não entrega. Com cinco respondentes, a nota serve para conversa interna, não para afirmar melhoria estatística. Se a decisão depende da diferença entre 68 e 74, o estudo deixou de ser qualitativo e o tamanho da amostra mudou de ordem de grandeza.

Erros que aparecem em quase todo teste

  • Tarefa que entrega a resposta: “clique em Finalizar compra” não é tarefa, é instrução. “Compre um item e receba em casa” é tarefa.
  • Instrução que só funciona ao vivo: em teste não moderado não existe moderador para corrigir o mal-entendido. Reescreva até a instrução se sustentar sozinha e faça um piloto antes.
  • Moderador que explica: cada explicação sua é uma hipótese que você matou.
  • Nenhum registro do que já foi consertado: sem uma linha de base, o segundo teste não prova evolução nenhuma.
  • Recrutar no próprio time: colega de trabalho testa o produto sabendo demais. Cinco pessoas da empresa não são cinco usuários.

O que cinco pessoas realmente provam

Elas provam que existe atrito nos caminhos mais usados, e mostram onde. Não provam que o produto é bom, nem que os problemas raros não existem, nem que a versão nova é melhor que a antiga.

Na prática, isso é suficiente para trabalhar. A pergunta que fecha o teste não é “quantos problemas ainda restam?” e sim “o que a gente conserta antes da próxima rodada?”. Cinco pessoas respondem essa pergunta com folga — desde que alguém leia as cinco gravações e escreva a resposta.