Introdução
Magnetis Investimentos que é uma fintech brasileira que oferece serviços de consultoria financeira automatizada e gestão de carteira de investimentos para clientes de com foco em média e alta renda, personalizando investimentos com base em objetivos e perfil de risco. 

Um programa referral, também conhecido como programa de indicação ou MGM (member get member), é uma estratégia utilizada por empresas para incentivar os clientes existentes a recomendarem os produtos ou serviços a outras pessoas. O objetivo é aumentar a base de clientes por meio das indicações feitas por clientes satisfeitos e em troca serem recompensados com prêmios.  Nosso objetivo era de reformular os fluxos que envolvem esse tema para permitir o cliente acompanhar suas indicações e visualizar o andamento do status das recompensas obtidas de uma maneira mais prática.
Entendendo o problema
Para começar, coletamos dados sobre o comportamento do usuário por meio de pesquisas quantitativas sobre recompensas segmentadas e hábitos de compartilhamento através de surveys enviadas por e-mail. Em seguida, montamos um mapa dos fluxos atuais para identificar possíveis pontos de atrito no processo.
Pudemos separar nossos apontamentos utilizando a matriz de certezas, suposições e dúvidas. A medida que iamos respondendo as perguntas possívels, conseguimos gerar algumas suposições para serem testadas.
Informações de pesquisas e fluxograma
Informações de pesquisas e fluxograma
Matriz CSD
Matriz CSD
Fluxogramas de caminhos antigos
Fluxogramas de caminhos antigos
Alguns problemas de design nos fluxos de referral em produção antes do redesign (lançado em 2020) foram mapeados. Os principais foram; Inconsistência na iconografia usada para identificar o programa de indicações, má prática de utilizar muitos modais em telas que não eram necessários, utilização indevida de links no menu superior pelo fato do app possuir uma estrutura de navegação hierárquica flat.
Havia certa dificuldade de entender como funcionam as abas de acompanhamento do referral. Era uma mistura de referência entre o prêmio e a indicação. Os estados dos cards de acompanhamento eram confusos e não contava com histórico de programas antigos já resgatados pelo cliente mais antigo.
Fluxos antigos
Fluxos antigos
Alguns problemas mapeados
Alguns problemas mapeados
Gerando soluções
Fizemos uma jornada para mapear pontos de contato, possíveis emoções geradas no processo de envio do convite e do retorno para acompanhamento da indicação. Com isso, pudemos ver quais oportunidades poderíamos ter para resolver cada ponto problemático observado com base nas informações que já tinhamos. 
Para a parte da definição das oportunidades na jornada, decidi usar o hook framework, usado para incentivar novos hábitos. Esse processo, nos ajudou a identificar alguns vieses que estaríamos entrando em contato em cada etapa, gerar ideias de como geramos gatilhos para influenciar alguma ação e como poderíamos criar atalhos para a realização das tarefas e mostramos valor de todo o processo para nosso usuário.

Jornada da experiência de convidar e acompanhar uma indicação

Comecei a criar cada fluxo que teríamos dentro do referral, tendo em vista todas informações que já vimos. Pontos importantes associados a vieses, objetivos das telas e decisões, foram documentados durante o processo no board do Figma. Foram criados fluxos em que testamos internamente com o time algumas ideias de estruturas base para essa nova experiência, onde documentamos  a função de cada tela, pra que elas serviam e o que esperávamos delas até o momento. Tivemos o reforço de algumas referências de fluxos de concorrentes diretos e indiretos.
fluxo experimental fase 1
fluxo experimental fase 1
fluxo experimental fase 2
fluxo experimental fase 2
Concorrentes
Concorrentes
Validando
Após termos uma definição de um caminho a seguir com base nas telas ideadas, criei então um fluxo 3 que já contava com o aspecto de protótipo de alta definição. Então nosso objetivo nessa etapa seria de testar com nossos clientes.

Fluxo experimental da fase 3 usado no teste não moderado

Teste não moderado - Maze
Montamos um email de convite para alguns usuários que tivessem participado do programa de indicações dentro de um ano. Com ajuda do time de Custumer success, foi feita a seleção de base e criação dos convite para o teste. Então estruturei um roteiro inserido dentro da ferramenta Maze, para realizarmos o teste não moderado.
Imagem da tela do teste no Maze
Imagem da tela do teste no Maze
Tela inicial do teste
Tela inicial do teste
Com o Maze, conseguimos 25 respostas num prazo de 4 dias. Das 4 hipóteses testadas, conseguimos validar 2, as restantes foram inconclusívas. Isso nos mostrou que apesar da facilidade em enviar o convite, prejudicava o outro ponto importante que seria de acompanhar a indicação que acabou ficando com espaço reduzido, além da área que daria uma visão que teve pouco destaque e que descobrimos no teste mais a frente que se tornou algo bem interessante na perspectiva dos participantes.
Com os insights do teste no Maze, fiz uma versão 4 para o fluxo que serviria para fazermos um outro teste, dessa vez moderado onde atuei como facilitador e construí o novo roteiro que nos permitiu ir mais a fundo sobre questões sobre motivações e dores.

Insights do teste no Maze

Teste de usabildiade moderado
Montamos um email de convite para alguns usuários que tivessem participado do programa de indicações dentro de um ano. Os convites por email foram ligados ao email de agendamento pelo hubspot para facilitar o agendamento das pessoas que gostaríamos que participassem. 
O teste foi conduzido utilizando o Zoom. Conseguimos 7 testes realizados ao longo de uma semana. Após os testes, compilei todas as informações separando por áreas similares e junto ao time, destacamos os pontos que serviriam ajustar o fluxo.
fluxo 4 usado no teste moderado
fluxo 4 usado no teste moderado
diferença das telas iniciais da fase 3 e 4
diferença das telas iniciais da fase 3 e 4
Consolidação dao teste moderado
Consolidação dao teste moderado
Resultado
Após o teste final, foi feito um design review com o time para repassarmos os aprendizados e fazer as mudançar necessárias. Nosso esforço principal nessa etapa era tornar a experiência mais simples, evidenciando 2 fluxos principais, de convite e acompanhamento, também eliminando e/ou reduzindo o impacto de elementos que não precisavam de tanto destaque.

vídeo exemplo da nova experiência Referral

Fluxos das telas finais
Fluxos das telas finais
Telas de detalhamento do indicado com alguns estados diferentes
Telas de detalhamento do indicado com alguns estados diferentes
Estados de alguns componentes
Estados de alguns componentes
Métricas do negócio
Após o lançamento da nova experiência, tivemos um aumento significativo do AUM (Ativo sob gestão - Valores que os clientes deixam de aporte para serem investidos) inicial dos novos clientes indicados, o ticket médio praticamente dobrou em 2 meses de lançamento.
No mês de maio de 2022, um mês depois do lançamento, pudemos avaliar que a nova experiência ajudou a produto a trazer novos clientes por meio do referral, gerando assim o seguintes resultados para o negócio:
Aumento de 63% no envio do convite. Para clientes recentes, isso representa uma subida de 38%.
Aumento de 47% na conversão do cliente que convida para potencial cliente que confirma a indicação. A conversão geral de cliente que convida para novo cliente aumentou 53%.
Conclusão
Foi muito importante poder passar por diversas etapas do processo de discovery, nos deu muito mais clareza sobre problema e nos permitir tomar decisões mais direcionadas ao que o produto precisava, tendo sempre em vista a perspectiva dos nossos usuários. 

Créditos:
Lucas Matos - PD
Priscila Costa - PM
Thais Bittencourt - PM
Pedro Leão - TL
Tiago Colli - Dev mobile
Alberto Zaranza - Dev mobile
Matheus Schlösser - Dev Beckend
Agradeço e até a próxima!
Back to Top