"Pergunta matriz cobre CSAT, NPS, avaliação de marca — é o item multiuso." É o equívoco recorrente em times que abusam dos grids. Sim, uma matriz permite coletar muitas avaliações com bem poucas perguntas, mas no momento em que o design escorrega, a carga cognitiva explode e o straight-lining transforma os dados em ruído.
Este artigo mostra como perguntas matriz deveriam realmente ser projetadas: estrutura básica, anatomia da carga cognitiva, detecção e prevenção de straight-lining, tamanho ótimo do grid e regras de operação que consideramos inegociáveis. CSAT, NPS e comparação de marca dependem de grids, então o foco está em o que você não pode pular sem comprometer a qualidade do dado.
1. O que é uma pergunta matriz
Uma pergunta matriz (também chamada grid ou bateria) pede ao respondente avaliar vários itens (linhas) numa escala compartilhada (colunas) num único bloco visual.
Exemplo típico
| Muito satisfeito | Um pouco satisfeito | Neutro | Um pouco insatisfeito | Muito insatisfeito | |
|---|---|---|---|---|---|
| Preço | |||||
| Qualidade | |||||
| Suporte | |||||
| Entrega |
A estrutura é "itens avaliados nas linhas, escala nas colunas". No Kicue, vem como MTX_SA (uma seleção por linha), MTX_MA (várias por linha) e SCALE (Likert por linha).
Por que os times recorrem a matrizes
- Comprime o número de perguntas — mais eficiente em tela do que disparar "Qual sua satisfação com preço?", "com qualidade?" uma a uma
- Comparação mais fácil — o respondente compara entre itens na mesma escala
- Agregação organizada — colunas compartilhadas facilitam comparação linha-a-linha e tabulação cruzada
Essas conveniências vêm acompanhadas de problemas de carga cognitiva e qualidade que só aparecem na análise.
2. Por que grids são convenientes e perigosos — a estrutura da carga cognitiva
Matrizes parecem eficientes. Na cabeça do respondente, no entanto, costumam impor mais processamento do que perguntas separadas.
O que é realmente a carga cognitiva
- Comparação entre linhas — "estou mais satisfeito com preço ou com qualidade?" roda em paralelo
- Re-leitura da escala — o significado dos 5 ou 7 pontos precisa ser lembrado a cada linha
- Memória de posição — quando o cabeçalho da coluna some no scroll, o respondente perde a linha atual
- Acúmulo de fadiga — o custo cresce exponencialmente, não linearmente, com o número de linhas
Academicamente, Krosnick (1991) Response Strategies for Coping with the Cognitive Demands of Attitude Measures in Surveys chama esse comportamento de economia de esforço de satisficing — e matrizes são citadas repetidamente como o tipo de pergunta mais propenso a desencadeá-lo.
Tamanho do grid e qualidade
Couper et al. (2013) "The Design of Grids in Web Surveys" traz evidência empírica vinculando o crescimento do número de linhas ao declínio de qualidade. Vários estudos convergem para a observação de que tempo de resposta e taxa de conclusão pioram acima de 6–8 linhas.
3. Straight-lining — a falha dominante de qualidade
A falha característica de qualidade em matriz é o straight-lining.
O que está acontecendo de fato
Straight-lining é o comportamento de escolher a mesma coluna em todas as linhas — por exemplo, marcar "um pouco satisfeito" em todos os itens numa escala de 5 pontos.
As motivações se agrupam em:
- Fadiga e economia de esforço — marcar a mesma posição sem ler
- Resposta desengajada — sem incentivo real para pensar
- Qualificação fraudulenta — panelistas correndo para pegar o incentivo
Por que importa
Quando o straight-lining entra, a variância entre itens desaparece. Uma pergunta que deveria revelar "insatisfeito com preço, satisfeito com qualidade" colapsa em "todo mundo neutro". Notas CSAT, cross-tabs e toda análise posterior perdem o sentido.
Critérios de detecção da literatura
Yan & Tourangeau (2008) "Fast Times and Easy Questions" e Liu & Cernat (2018) "Item-by-Item Questionnaires vs Grid Questions" propõem indicadores de detecção como:
- Straight-lining perfeito — mesma coluna em todas as linhas
- Straight-lining quase total — mesma coluna em 80%+ das linhas
- Variância intra-respondente — variância entre linhas para um mesmo respondente é zero ou quase zero
Na prática, os times combinam vários indicadores para flaggear respostas suspeitas e excluí-las da análise ou reduzir seu peso.
4. Como projetar matrizes — Cinco regras
Cinco regras inegociáveis para proteger a qualidade no design.
Regra 1: máximo de 6–8 linhas
Vários estudos empíricos incluindo Roßmann et al. (2018) "Item-by-Item vs Grid Layout" mostram queda marcada de qualidade acima de 6–8 linhas. Se precisar de mais, divida em sub-baterias coerentes — o tempo total sobe mas a qualidade segura.
Regra 2: escalas com número ímpar (5 ou 7 pontos)
Krosnick & Fabrigar (1997) Designing Rating Scales for Effective Measurement apontam repetidamente para 5–7 como sweet spot Likert. Um ponto neutro central reduz a carga, enquanto 9 ou mais pontos criam problemas de discriminação e queda de qualidade.
Regra 3: mantenha a distância semântica entre linhas constante
Um grid com "preço, qualidade, suporte" (categorias heterogêneas) carrega muito mais que um com "posição do botão, cor, tamanho" (detalhes homogêneos). Quanto maior a distância semântica entre linhas, mais pesado o custo de comparação — matrizes heterogêneas precisam ser especialmente curtas.
Regra 4: aleatorize a ordem das linhas por padrão
Quando os respondentes processam de cima para baixo, efeitos de primazia / ordem aparecem: linhas no topo recebem mais atenção, as do fim recebem economia de esforço. Aleatorizar a ordem de exibição suaviza estatisticamente o viés. Tourangeau, Rips & Rasinski (2000) The Psychology of Survey Response recomendam aleatorização como contramedida padrão a efeitos de ordem.
Regra 5: confira sempre o rendering mobile
Uma matriz de 7 colunas que fica bonita em desktop, no mobile vira inferno de scroll horizontal, com o cabeçalho de coluna saindo da vista enquanto a pessoa rola. Toepoel et al. (2009) "Design of Web Questionnaires" analisa empiricamente como o rendering mobile de grids afeta a qualidade. Se sua fatia mobile passa de 30%, considere seriamente abandonar a matriz e decompor em perguntas individuais.
5. Linhas e colunas ótimas — a síntese
Tabela base consolidando a orientação acadêmica:
| Parâmetro | Recomendado | Fonte |
|---|---|---|
| Linhas | 5–8 | Roßmann et al. (2018), Couper et al. (2013) |
| Colunas | 5 ou 7 pontos | Krosnick & Fabrigar (1997) |
| Ponto médio | Incluir | Reduz carga, preserva direito à neutralidade |
| Aleatorização de linhas | Recomendada | Tourangeau et al. (2000), efeito de ordem |
| Design mobile-aware | ≤5 colunas | Toepoel et al. (2009) |
| Tempo alvo por matriz | 30–60 segundos | Yan & Tourangeau (2008) |
Uma heurística útil: linhas × colunas = 25 células. Acima disso, suas três opções são dividir, decompor em perguntas individuais ou amostrar linhas aleatoriamente — é o consenso entre literatura setorial e acadêmica.
6. Visão editorial — cinco regras que fazem diferença
Acompanhando relatórios setoriais e cases públicos, cinco pontos em que insistiríamos com força.
1. Codifique o limite de linhas como regra interna. Times que escreveram "máx. 8 linhas; dividir acima" produzem sistematicamente dados melhores que times que deixam ao critério do designer. Organizações sem regra explícita acabam publicando matrizes de 12, 15 linhas — padrão que a imprensa especializada vê se repetir.
2. Não trate detecção de straight-lining como limpeza pós-fato. A detecção precisa estar embutida na fase de design, não acoplada na análise. "A gente filtra na análise" é como você descobre que 20–30% das respostas são flaggeadas e a amostra analítica colapsa. Defina no design uma meta tipo "≤5% de straight-lining" e tenha padrões de remediação prontos se ultrapassar.
3. Verifique a fatia mobile antes de tudo. Lançar uma matriz de 7 colunas pensada para desktop numa pesquisa B2C onde 70% do tráfego é mobile faz a conclusão cair abaixo de 50% rotineiramente. Tire o número de fatia mobile na primeira hora de design e deixe que ele restrinja o espaço de opções — é o seguro.
4. Não tenha medo de decompor em itens individuais. Dez linhas numa matriz tipicamente entregam dados piores que dez perguntas separadas (Liu & Cernat 2018). O instinto de "minimizar nº de perguntas" está mal colocado — o alvo certo é qualidade do dado, não brevidade visual. Em alguns casos, perguntas separadas até terminam mais rápido que um grid longo.
5. Reserve matrizes para itens periféricos, não KPIs principais. Enterrar NPS ou CSAT — perguntas que dirigem decisões — dentro de uma matriz é arriscado. Mantenha itens matriz no tier "atributo secundário" e pergunte os KPIs principais como itens autônomos em sua própria tela. É uma recomendação recorrente na literatura setorial por uma razão.
7. Perguntas matriz na Ferramenta de Pesquisa Kicue
A Kicue traz capacidades de matriz como padrão.
Tipos de pergunta matriz
Os tipos matriz incluem MTX_SA (uma seleção por linha) e MTX_MA (várias por linha). Para matrizes estilo Likert, as perguntas escala cobrem LIKERT / NPS / SLIDER / SD.
Detecção de straight-liner integrada
A detecção de straight-liner vem de fábrica. Respostas em que a mesma coluna foi escolhida em todas as linhas, ou em que a variância intra-respondente é anormalmente baixa, são auto-flaggeadas. Dados flaggeados podem ser excluídos da agregação, então o controle de qualidade flui direto para a análise.
Aleatorização de opções
A aleatorização de opções permite aleatorizar a ordem de exibição das linhas numa matriz — a contramedida padrão para efeitos de ordem.
Artigos de design relacionados
Perguntas matriz têm forte ligação com outros temas de design de pesquisa. Veja também nosso guia de design CSAT, guia completo NPS e design de perguntas de triagem.
Escolher a ferramenta certa — Os limites do plano gratuito, suporte a ramificação, capacidades IA e exportação CSV variam muito entre ferramentas. Confira nosso comparativo de ferramentas de pesquisa gratuitas para encontrar a ideal para esta abordagem.
Resumo
Checklist para projetar e operar perguntas matriz:
- Matrizes parecem eficientes mas pesam mais para o respondente do que itens separados — custo cognitivo cresce exponencialmente com as linhas
- Straight-lining é o risco dominante de qualidade — embuta detecção e prevenção na fase de design
- 5–8 linhas, 5 ou 7 colunas — os valores em que a pesquisa acadêmica converge
- Aleatorize linhas para suavizar efeitos de ordem — não é nice-to-have, é requisito de qualidade
- Fatia mobile alta? Decompor em perguntas individuais — não usar matriz também é design
- Use matrizes para itens periféricos, não KPIs principais — NPS/CSAT em sua própria tela
Times que tratam a matriz como solvente universal acabam pagando isso em qualidade. A matriz é uma ferramenta poderosa mas perigosa — codificar "quando usar, quando não" como regra de processo é o que protege a linha de vida dos dados.
Referências
Acadêmico e metodológico
- Krosnick, J. A. (1991). Response Strategies for Coping with the Cognitive Demands of Attitude Measures in Surveys. Applied Cognitive Psychology.
- Tourangeau, R., Rips, L. J., & Rasinski, K. (2000). The Psychology of Survey Response. Cambridge University Press.
- Couper, M. P., Tourangeau, R., Conrad, F. G., & Zhang, C. (2013). The Design of Grids in Web Surveys. Social Science Computer Review.
- Yan, T., & Tourangeau, R. (2008). Fast Times and Easy Questions. Public Opinion Quarterly.
- Roßmann, J., Gummer, T., & Silber, H. (2018). Mitigating Satisficing in Cognitively Demanding Grid Questions. Journal of Survey Statistics and Methodology.
- Liu, M., & Cernat, A. (2018). Item-by-Item Questionnaires vs Matrix Questions. Social Science Computer Review.
- Toepoel, V., Das, M., & van Soest, A. (2009). Design of Web Questionnaires. Public Opinion Quarterly.
- Krosnick, J. A., & Fabrigar, L. R. (1997). Designing Rating Scales for Effective Measurement in Surveys.
Guias de fornecedores e prática
- Qualtrics: Matrix Question Best Practices.
- SurveyMonkey: Matrix Questions Design Tips.
- Forsta: Avoiding Straight-Lining in Online Surveys.
Quer projetar e operar pesquisas com matrizes de alta qualidade de ponta a ponta? Experimente a ferramenta de pesquisa online gratuita Kicue. Tipos MTX_SA / MTX_MA / SCALE, detecção de straight-liner e aleatorização de linhas vêm no padrão, então as regras de qualidade definidas no design fluem direto para a operação.