Parâmetros da Proposta

Dei previsibilidade e autonomia aos corretores.

Project Image

UX Research

UX Research

Usability Testing

Usability Testing

Project Image

UX Research

Usability Testing

Cliente

MRV

Role

Lead Product Designer

Product Stage:

Growth

Ano

2024

01
Problema

Corretores tinham dificuldade para entender os parâmetros que definem a aprovação da proposta. A falta de transparência, excesso de informação e baixa comparabilidade reduziam autonomia na negociação e conversão em vendas.

01
Problema

Corretores tinham dificuldade para entender os parâmetros que definem a aprovação da proposta. A falta de transparência, excesso de informação e baixa comparabilidade reduziam autonomia na negociação e conversão em vendas.

01
Problema

Corretores tinham dificuldade para entender os parâmetros que definem a aprovação da proposta. A falta de transparência, excesso de informação e baixa comparabilidade reduziam autonomia na negociação e conversão em vendas.

02
Solução

A partir dos resultados da imersão, priorizei atacar a falta de clareza nos parâmetros. Reestruturei o fluxo dentro do modal existente, focando em transparência, leitura rápida e usabilidade, validando hipóteses com protótipos, testes A/B e sessões moderadas.

02
Solução

A partir dos resultados da imersão, priorizei atacar a falta de clareza nos parâmetros. Reestruturei o fluxo dentro do modal existente, focando em transparência, leitura rápida e usabilidade, validando hipóteses com protótipos, testes A/B e sessões moderadas.

02
Solução

A partir dos resultados da imersão, priorizei atacar a falta de clareza nos parâmetros. Reestruturei o fluxo dentro do modal existente, focando em transparência, leitura rápida e usabilidade, validando hipóteses com protótipos, testes A/B e sessões moderadas.

03
Resultados

A solução aumentou a segurança dos corretores, reduziu retrabalho e trouxe alta satisfação (4,7/5). Além de melhorar a experiência, abriu espaço estratégico para evoluções futuras, incluindo o uso de IA para apoio à negociação.

03
Resultados

A solução aumentou a segurança dos corretores, reduziu retrabalho e trouxe alta satisfação (4,7/5). Além de melhorar a experiência, abriu espaço estratégico para evoluções futuras, incluindo o uso de IA para apoio à negociação.

03
Resultados

A solução aumentou a segurança dos corretores, reduziu retrabalho e trouxe alta satisfação (4,7/5). Além de melhorar a experiência, abriu espaço estratégico para evoluções futuras, incluindo o uso de IA para apoio à negociação.

Overview

Realizamos uma fase de discovery com imersão, entrevistas, disparo de pesquisas e análises de conversão. O objetivo foi entender como os corretores, gerentes e gestores como usavam a proposta e quais eram os maiores atritos na etapa de negociação.

A pesquisa revelou problemas principalmente nos Parâmetros da Proposta, que são regras definidas pelo negócio que definem e limitam a capacidade de ajuste e negociação pelo corretor. Dentre os principais achados podemos destacar:

  • Alta Complexidade
    19% dos corretores acharam difícil ou muito difícil o seu entendimento.

  • Falta de transparência em ajustes
    Corretores não entendiam claramente por que uma proposta era reprovada nem como ajustá-la para entrar nas condições desejadas.

  • Parâmetros pouco claros
    Dificuldade em localizar regras, excesso de informação na tela de “crédito aprovado” e dificuldade de comparar condições lado a lado.

“Os corretores não tinham clareza sobre os parâmetros que definem se a proposta é aprovada ou reprovada.”


Estratégia e Execução

Durante a fase de ideação, diversas hipóteses surgiram, desde automações mais avançadas (como bots de apoio e sugestões via IA) até melhorias de fluxo relacionadas a comissões.

Para manter foco e garantir entregas rápidas, foi necessário priorizar. O critério usado foi atacar diretamente os pontos mais críticos identificados na pesquisa: falta de clareza nos parâmetros, baixa autonomia do corretor e dificuldade em comparar propostas.

Decisões e trade-offs:

🔀 Aproveitar o modal existente em vez de criar uma nova tela específica, por tempo e custo de desenvolvimento.

🔀 Como o modal seria a única opção, demos atenção à usabilidade no mobile. Testamos especialmente a leitura em tabela × lista.


Validação

Para validar a solução antes do desenvolvimento, construí protótipos navegáveis em mobile e desktop e conduzi sessões com 5 participantes, entre gestores, gerentes e corretores. A proposta era avaliar desde o entendimento do problema até a experiência prática com os novos parâmetros.

Os encontros foram realizados de forma remota, via Teams, com o uso do Useberry para registrar navegação, cliques, mapas de calor, tempo de execução e taxa de conclusão.

O teste foi planejado para atender a diferentes objetivos: mapear o contexto dos usuários em relação ao problema da hipótese, avaliar a eficácia de dois conceitos por meio de um teste A/B em mobile (tabela × lista), identificar pontos de usabilidade na jornada, explorar mudanças comportamentais após o uso da funcionalidade e, por fim, capturar novas dores e oportunidades além do escopo inicial.

Durante as sessões, os participantes recebiam tarefas específicas, enquanto eu observava suas interações e percepções. Ao final de cada conceito, eu aplicava perguntas direcionadas e, na versão desktop, investigava também a preferência de dispositivo para o momento da negociação.

O que confirmamos / aprendemos:

📊 Teste A/B (mobile)
- Conceito A (Tabela) obteve 60% e Conceito B (Lista) 40%. Ambos foram bem avaliados, sem diferenças significativas.

100% de conclusão
- Todos os usuários conseguiram alterar os limites de proposta e exibir todos os parâmetros sem dificuldades.

💡 Percepção de valor
- A reação foi extremamente positiva. Participantes demonstraram satisfação e até encanto ao usar a funcionalidade, expressando animação em adotá-la no dia a dia.

📱 Contexto de uso
- 100% confirmaram que o desktop é o dispositivo principal, enquanto o mobile serve como apoio de consulta na fase de negociação.


Ajustes antes de lançar:

⚠️ Refinamos microcopy e ajuda contextual com rótulos, tooltips e legendas de acordo com a linguagem do corretor.
⚠️ Identificamos a necessidade de reforçar o treinamento e evoluir a solução para apoiar corretores menos experientes.

Project Image
Project Image
Project Image
Project Image
Project Image
Project Image
Project Image
Project Image
Project Image
Resultados

📈 Satisfação alta: 4,7/5 (jun/24) e 4,6/5 (out/24), com cerca de 80% dando nota máxima
📈 35% dos corretores testaram efetivamente os parâmetros

Além disso foi observado impacto no negócio e na experiência:

✅ Redução de retrabalho e erros, já que os corretores passaram a negociar com base em parâmetros claros, sem depender do crédito para validar cada tentativa
✅ Maior autonomia e eficiência dos corretores experientes, que relataram mais segurança nas negociações
✅ Potencial estratégico de evolução, permitindo aplicar tecnologias como IA para ampliar valor no futuro


Aprendizados

Apesar dos resultados expressivos foi possível notar algumas evoluções ou ajustes:

📌Adoção parcial: boa parte dos corretores ainda não acessa o recurso, é necessário investigar barreiras
📌Percepção de valor validada: entre os que utilizam, a satisfação é alta, confirmando o acerto da solução
📌Corretores novatos enfrentam desafios com regras de negócio, exigindo reforço em treinamento e apoio

Obrigado pelo seu tempo

Não deixe de enviar seu feedback ou simplesmente adicionar no Linkedin

Contato

DanielNam

Daniel Queiroz © Daniel Nam Design - 2026

Obrigado pelo seu tempo

Não deixe de enviar seu feedback ou simplesmente adicionar no Linkedin

Contato

DanielNam

Daniel Queiroz © Daniel Nam Design - 2026

Create a free website with Framer, the website builder loved by startups, designers and agencies.