{"id":823,"date":"2026-11-06T18:32:58","date_gmt":"2026-11-06T21:32:58","guid":{"rendered":"https:\/\/yellowkode.com\/blog\/usabilidade-segundo-nielsen-norman\/"},"modified":"2026-11-06T18:32:58","modified_gmt":"2026-11-06T21:32:58","slug":"usabilidade-segundo-nielsen-norman","status":"publish","type":"post","link":"https:\/\/yellowkode.com\/blog\/usabilidade-segundo-nielsen-norman\/","title":{"rendered":"Usabilidade segundo Nielsen Norman: os cinco componentes e como medir cada um"},"content":{"rendered":"<p>Em 6 de novembro de 2026, Raluca Budiu publicou no Nielsen Norman Group uma nova vers\u00e3o do <em>Usability 101<\/em>, substituindo o texto original que Jakob Nielsen tinha escrito em 2012. A vers\u00e3o antiga continua no ar por refer\u00eancia hist\u00f3rica, mas a nova incorpora o que mudou com IA generativa e agentes. O artigo define usabilidade, lista os cinco componentes cl\u00e1ssicos, e mostra como medir cada um.<\/p>\n<p>Vou atravessar os cinco componentes, mostrar como cada um vira n\u00famero em um teste, e onde a defini\u00e7\u00e3o quebra quando a interface \u00e9 gerada por IA. O objetivo n\u00e3o \u00e9 repetir o artigo da NN\/g, \u00e9 amarrar cada componente a uma decis\u00e3o de implementa\u00e7\u00e3o que voc\u00ea pode tomar na sua interface j\u00e1 na pr\u00f3xima sprint.<\/p>\n<h2>O que a NN\/g chama de usabilidade<\/h2>\n<p>A defini\u00e7\u00e3o \u00e9 direta: usabilidade \u00e9 o qu\u00e3o facilmente uma pessoa consegue completar uma tarefa usando uma interface. N\u00e3o \u00e9 est\u00e9tica, n\u00e3o \u00e9 marca, n\u00e3o \u00e9 satisfa\u00e7\u00e3o geral com o produto. \u00c9 uma medida relativa a um usu\u00e1rio espec\u00edfico, uma tarefa espec\u00edfica e um contexto espec\u00edfico. A mesma tela pode ser us\u00e1vel para um analista no desktop e intrag\u00e1vel para o mesmo analista no celular correndo para pegar metr\u00f4.<\/p>\n<p>Isso j\u00e1 descarta a frase que muita gente usa: <em>minha interface \u00e9 us\u00e1vel<\/em>. N\u00e3o existe. Existe <em>us\u00e1vel para quem fazendo o que onde<\/em>. Essa \u00e9 a primeira disciplina.<\/p>\n<h3>Usabilidade, utilidade e utilidade combinada<\/h3>\n<p>A NN\/g separa tr\u00eas conceitos. <strong>Utility<\/strong> \u00e9 se o produto faz o que precisa ser feito. <strong>Usability<\/strong> \u00e9 se d\u00e1 para usar o que ele faz. <strong>Usefulness<\/strong> \u00e9 o produto dos dois. Um editor de v\u00eddeo que n\u00e3o tem corte \u00e9 in\u00fatil mesmo que cada bot\u00e3o esteja no lugar certo. Um editor cheio de recursos escondidos atr\u00e1s de atalhos n\u00e3o documentados tem utility alta e usefulness baixa, porque o usu\u00e1rio n\u00e3o consegue chegar na fun\u00e7\u00e3o.<\/p>\n<p>Essa separa\u00e7\u00e3o importa porque muita discuss\u00e3o sobre interface \u00e9 na verdade sobre feature faltando. Se o usu\u00e1rio n\u00e3o consegue cancelar a assinatura porque a op\u00e7\u00e3o n\u00e3o existe, nenhum ajuste de contraste vai resolver.<\/p>\n<h2>Os cinco componentes e como cada um vira m\u00e9trica<\/h2>\n<p>Nielsen definiu em <em>Usability Engineering<\/em>, de 1993, cinco componentes de usabilidade, e eles continuam sendo a espinha do framework da NN\/g. S\u00e3o eles: aprendizado, efici\u00eancia, memorabilidade, erros e satisfa\u00e7\u00e3o. A diferen\u00e7a do texto decorativo para o texto \u00fatil \u00e9 saber o que cada componente mede e como medir.<\/p>\n<h3>Aprendizado (learnability)<\/h3>\n<p>\u00c9 o qu\u00e3o r\u00e1pido algu\u00e9m que nunca viu a interface consegue realizar uma tarefa b\u00e1sica. A m\u00e9trica direta \u00e9 taxa de sucesso na primeira tentativa, e tempo at\u00e9 o primeiro sucesso. A NN\/g observa que, em um site de imposto de renda que a pessoa usa uma vez por ano, aprendizado \u00e9 o componente mais importante, porque o usu\u00e1rio nunca vira especialista.<\/p>\n<p>No c\u00f3digo, isso aparece em decis\u00f5es concretas: usar label vis\u00edvel em vez de placeholder que some, n\u00e3o esconder a\u00e7\u00f5es prim\u00e1rias atr\u00e1s de menu hamb\u00farguer em fluxo que precisa ser feito de primeira, e manter o nome do bot\u00e3o coerente com o que a pessoa est\u00e1 tentando fazer.<\/p>\n<h3>Efici\u00eancia<\/h3>\n<p>\u00c9 o qu\u00e3o r\u00e1pido algu\u00e9m que j\u00e1 aprendeu a interface consegue executar a tarefa. Mede com tempo de tarefa e n\u00famero de passos at\u00e9 a conclus\u00e3o. Para um software CAD usado oito horas por dia, efici\u00eancia \u00e9 o que mais importa, porque o custo de cada clique a mais \u00e9 multiplicado por milhares de execu\u00e7\u00f5es.<\/p>\n<p>\u00c9 aqui que entram atalhos de teclado, defaults inteligentes, e comandos que eliminam etapa. Se o seu usu\u00e1rio abre o mesmo modal cinquenta vezes por dia e sempre escolhe a mesma op\u00e7\u00e3o, efici\u00eancia est\u00e1 dizendo que aquela op\u00e7\u00e3o deveria ser o padr\u00e3o ou ter atalho.<\/p>\n<h3>Memorabilidade<\/h3>\n<p>\u00c9 o qu\u00e3o r\u00e1pido algu\u00e9m que j\u00e1 aprendeu, mas ficou tr\u00eas meses sem usar, volta a ser proficiente. Mede com taxa de sucesso em visita de retorno. \u00c9 o componente mais ignorado, e \u00e9 o que explica porque um dashboard que o usu\u00e1rio entende no treinamento vira um labirinto depois das f\u00e9rias.<\/p>\n<p>Memorabilidade \u00e9 inimiga de layout que muda sozinho. Se o menu reordena por uso recente, o usu\u00e1rio nunca memoriza a posi\u00e7\u00e3o. O custo cognitivo que voc\u00ea economiza no curto prazo volta como penalidade no retorno.<\/p>\n<h3>Erros<\/h3>\n<p>Tem tr\u00eas sub-m\u00e9tricas: quantos erros acontecem, qu\u00e3o graves s\u00e3o, e qu\u00e3o f\u00e1cil \u00e9 se recuperar. Erros incluem desde o escorrego (a pessoa sabia o que queria fazer e clicou errado) at\u00e9 o engano (a pessoa achou que estava fazendo uma coisa e estava fazendo outra).<\/p>\n<p>Esse componente \u00e9 onde a tese de design n\u00e3o punitivo mora. O formul\u00e1rio que apaga tudo quando voc\u00ea erra um campo est\u00e1 falhando no terceiro item, recupera\u00e7\u00e3o. A mensagem <code>dados inv\u00e1lidos<\/code> sem dizer qual campo est\u00e1 falhando no segundo, gravidade percebida, porque obriga o usu\u00e1rio a adivinhar. O sistema honesto sobre erro parece assim:<\/p>\n<pre><code>&lt;input\n type=\"email\"\n name=\"email\"\n aria-invalid=\"true\"\n aria-describedby=\"email-erro\"\n\/&gt;\n&lt;p id=\"email-erro\" role=\"alert\"&gt;\n O email precisa ter arroba. Voc\u00ea digitou: kelvin.yellowkode.com\n&lt;\/p&gt;<\/code><\/pre>\n<p>Tr\u00eas coisas acontecem: <code>aria-invalid<\/code> marca o campo para leitor de tela, <code>aria-describedby<\/code> amarra o erro ao campo certo, e a mensagem diz o que est\u00e1 errado <em>e<\/em> mostra o que a pessoa digitou, para ela ver o pr\u00f3prio engano sem redigitar tudo. Isso n\u00e3o \u00e9 caprichoso, \u00e9 o m\u00ednimo para o componente de erro n\u00e3o ser hostil.<\/p>\n<h3>Satisfa\u00e7\u00e3o<\/h3>\n<p>\u00c9 o qu\u00e3o agrad\u00e1vel \u00e9 usar. Mede com question\u00e1rio, tipicamente SEQ (Single Ease Question) depois de cada tarefa, e SUS (System Usability Scale) no fim da sess\u00e3o.<\/p>\n<p>O <a href=\"https:\/\/www.nngroup.com\/articles\/measuring-perceived-usability\/\" target=\"_blank\" rel=\"noopener\">pr\u00f3prio NN\/g detalha os dois<\/a> em outro artigo, e vale separar: SEQ \u00e9 uma pergunta s\u00f3, de 1 a 7, aplicada imediatamente depois de cada tarefa, com foco em diagnosticar qual tarefa est\u00e1 dif\u00edcil. SUS tem dez perguntas em escala Likert de 1 a 5, aplicada no fim, e gera uma nota \u00fanica de 0 a 100 para comparar o sistema inteiro entre vers\u00f5es ou contra concorrente. O MeasuringU acompanhou mais de 400 tarefas com cerca de 10.000 usu\u00e1rios e encontrou SEQ m\u00e9dio entre 5.3 e 5.6, ent\u00e3o se o seu teste deu 4, n\u00e3o est\u00e1 no meio da escala, est\u00e1 abaixo da m\u00e9dia de mercado.<\/p>\n<h2>O que isso significa na pr\u00e1tica<\/h2>\n<p>O jeito consagrado de descobrir onde a interface quebra nesses cinco componentes \u00e9 <strong>teste de usabilidade<\/strong>: voc\u00ea recruta usu\u00e1rios representativos, d\u00e1 uma tarefa realista, e observa. N\u00e3o pergunta se eles gostam. Observa se conseguem.<\/p>\n<p>Nielsen popularizou nos anos 90 a ideia de que cinco usu\u00e1rios em teste qualitativo j\u00e1 revelam a maior parte dos problemas s\u00e9rios. O ponto n\u00e3o \u00e9 que cinco s\u00e3o suficientes para tudo, e sim que depois do quinto a taxa de novo problema descoberto cai muito, e \u00e9 melhor rodar <em>outra<\/em> rodada de cinco com a corre\u00e7\u00e3o j\u00e1 feita. Design iterativo \u00e9 isso: testa cedo com prot\u00f3tipo, corrige, testa de novo.<\/p>\n<p>J\u00e1 passei anos rodando teste A\/B num fluxo de assinatura com dois frontends diferentes falando com o mesmo backend. Mesma API, mesma l\u00f3gica, mesmos pagamentos aceitos, receita mensuravelmente diferente entre os dois lados. Isso \u00e9 o teste emp\u00edrico de que usabilidade n\u00e3o \u00e9 decora\u00e7\u00e3o: se o valor estivesse todo atr\u00e1s da API, os dois lados dariam o mesmo n\u00famero. Mas exige disciplina de medi\u00e7\u00e3o, sen\u00e3o vira opini\u00e3o com gr\u00e1fico em cima.<\/p>\n<p>Para medi\u00e7\u00e3o quantitativa (quando o objetivo \u00e9 n\u00famero, n\u00e3o lista de problemas), as m\u00e9tricas t\u00edpicas por componente s\u00e3o taxa de sucesso e tempo at\u00e9 primeiro sucesso para aprendizado, tempo de tarefa e n\u00famero de passos para efici\u00eancia, taxa de sucesso na visita de retorno para memorabilidade, taxa e gravidade de erro mais tempo de recupera\u00e7\u00e3o para erros, e SUS ou rating p\u00f3s-tarefa para satisfa\u00e7\u00e3o. Esse mapa \u00e9 \u00fatil porque descola a pergunta <em>minha interface \u00e9 boa<\/em> em cinco perguntas que t\u00eam resposta num\u00e9rica.<\/p>\n<h2>Onde a defini\u00e7\u00e3o quebra<\/h2>\n<p>Dois lugares, e a NN\/g \u00e9 expl\u00edcita sobre os dois.<\/p>\n<p><strong>IA generativa muda a sa\u00edda a cada execu\u00e7\u00e3o.<\/strong> Se o seu produto responde com texto gerado, duas respostas igualmente corretas para o mesmo pedido podem ter usabilidade muito diferente, uma formatada em lista com cabe\u00e7alho, outra em par\u00e1grafo denso sem respiro. Mesmo usu\u00e1rio, mesma tarefa, usabilidade vari\u00e1vel. Isso quebra a premissa de que voc\u00ea testa a interface uma vez e sabe como ela se comporta. Interfaces generativas, em que o pr\u00f3prio layout \u00e9 desenhado pela IA no momento, estendem o problema para controles e hierarquia.<\/p>\n<p>Quase nenhum engenheiro de IA tem design system e style guide publicado, e \u00e9 por isso que quase toda interface de produto com agente parece feia e inconsistente. Mas design system s\u00f3 se paga quando tem mais de um time consumindo, ent\u00e3o em produto pequeno investir pesado nisso cedo \u00e9 desperd\u00edcio. O trade off real.<\/p>\n<p><strong>Agentes quebram a equa\u00e7\u00e3o usu\u00e1rio igual humano.<\/strong> Um agente pode ler o HTML da p\u00e1gina e achar o telefone de atendimento mesmo que o contraste do texto seja ileg\u00edvel para humano. E o inverso: um site f\u00e1cil para pessoa pode ser p\u00e9ssimo para agente, porque depende de intera\u00e7\u00e3o visual que o agente n\u00e3o enxerga. A NN\/g prop\u00f5e tratar <em>usabilidade para humano<\/em> e <em>capacidade de ser operado por agente<\/em> como duas coisas diferentes, e estud\u00e1-las separado.<\/p>\n<h2>O que ainda n\u00e3o d\u00e1 para afirmar<\/h2>\n<p>A NN\/g lista como <em>quest\u00e3o de pesquisa em aberto<\/em> o uso de usu\u00e1rios sint\u00e9ticos (LLMs fingindo ser respondente) e de digital twins para substituir participante real. N\u00e3o d\u00e1 para tratar como substituto confi\u00e1vel, e o texto \u00e9 direto nisso. Tamb\u00e9m n\u00e3o est\u00e1 resolvido como adaptar teste de usabilidade para interfaces generativas de forma reproduz\u00edvel: se cada execu\u00e7\u00e3o gera uma UI diferente, o conceito de amostra de participantes precisa ser repensado.<\/p>\n<p>Nenhuma das propostas de automatizar detec\u00e7\u00e3o de problema de usabilidade com IA tem ainda evid\u00eancia s\u00f3lida de que iguala o olho de um pesquisador observando a sess\u00e3o. Pode chegar l\u00e1. Hoje n\u00e3o chegou.<\/p>\n<h2>Como testar isso voc\u00ea mesmo<\/h2>\n<p>Pega uma tarefa real do seu produto, uma coisa que usu\u00e1rio precisa fazer toda semana. Escreve ela como instru\u00e7\u00e3o curta, sem dar dica de caminho: em vez de <em>clique no menu configura\u00e7\u00f5es e depois em notifica\u00e7\u00f5es<\/em>, escreve <em>voc\u00ea quer parar de receber email de resumo di\u00e1rio<\/em>.<\/p>\n<p>Chama cinco pessoas que est\u00e3o no perfil do seu usu\u00e1rio. N\u00e3o chama colega de time. Pede para a pessoa fazer a tarefa enquanto compartilha a tela, e pede para ela falar em voz alta o que est\u00e1 pensando. No fim de cada tarefa, pergunta: <em>no geral, qu\u00e3o f\u00e1cil ou dif\u00edcil foi essa tarefa<\/em>, numa escala de 1 a 7. Isso \u00e9 SEQ. Anota.<\/p>\n<p>Observa tr\u00eas coisas: onde a pessoa hesita, onde ela clica em algo que n\u00e3o era para ser clic\u00e1vel, e onde ela sai do caminho que voc\u00ea esperava. Cada um desses momentos \u00e9 um problema espec\u00edfico ancorado em um dos cinco componentes. No fim das cinco sess\u00f5es, voc\u00ea vai ter uma lista de problemas repetidos e uma distribui\u00e7\u00e3o de SEQ. Problema que aparece em tr\u00eas ou mais dos cinco \u00e9 seu backlog. Tarefa com SEQ abaixo de 5 est\u00e1 abaixo da m\u00e9dia de mercado.<\/p>\n<p>N\u00e3o precisa de laborat\u00f3rio, n\u00e3o precisa de ferramenta cara. Precisa de um link de videochamada, cinco pessoas e disciplina para n\u00e3o ajudar o participante quando ele trava. A hora em que ele trava \u00e9 o dado.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Entenda os cinco componentes de usabilidade de Nielsen (aprendizado, efici\u00eancia, memorabilidade, erros, satisfa\u00e7\u00e3o) e como medir cada um com SEQ e SUS.<\/p>\n","protected":false},"author":2,"featured_media":822,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-823","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/posts\/823","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/comments?post=823"}],"version-history":[{"count":0,"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/posts\/823\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/media\/822"}],"wp:attachment":[{"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/media?parent=823"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/categories?post=823"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/yellowkode.com\/blog\/wp-json\/wp\/v2\/tags?post=823"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}