Leitour – Livraria Digital

Visão geral

Função: Designer UX/UI responsável por pesquisa, arquitetura da informação, prototipação, testes de usabilidade e documentação para desenvolvimento.
Ferramentas: Figma, Photoshop, Illustrator, Trello, entrevistas remotas, matriz CSD, benchmark, personas, jornada do usuário e testes moderados.

Contexto do projeto

O Leitour foi desenvolvido como Trabalho de Conclusão de Curso (TCC) para a ETEC Professor Basilides de Godoy, com o objetivo de propor uma livraria digital mais acessível, simples e atrativa para jovens leitores. O projeto nasceu a partir da observação de um problema recorrente: mesmo com grande oferta de livros digitais, muitos jovens ainda encontravam barreiras para descobrir títulos, entender preços, concluir compras e manter uma rotina de leitura.

Desafio

O principal desafio foi projetar uma experiência capaz de estimular o interesse pela leitura entre jovens de 15 a 25 anos, reduzindo atritos no processo de descoberta e compra de livros digitais.

Além disso, a solução precisava atender usuários com diferentes níveis de familiaridade tecnológica e literária, considerando limitações de orçamento, conexões instáveis à internet e a necessidade de uma navegação clara para leitores iniciantes.

Pesquisa e diagnóstico

Métodos de pesquisa utilizados

• Entrevistas qualitativas com 10 participantes, incluindo leitores frequentes, leitores ocasionais e não leitores, para identificar motivações, dores e hábitos de consumo.

• Benchmark com plataformas como Amazon Kindle e Kobo, analisando descoberta de livros, organização de categorias, fluxo de compra, recomendações e clareza de preço.

Principais aprendizados da pesquisa

• Usuários iniciantes tinham dificuldade em escolher um livro sem recomendações simples, filtros claros ou descrições objetivas.

• O processo de compra precisava transmitir confiança, reduzir etapas desnecessárias e funcionar bem mesmo em cenários de conexão limitada.

Definição da estratégia

• Foram criadas 3 personas — leitor casual, leitor acadêmico e iniciante digital — para orientar decisões de linguagem, navegação e prioridade de conteúdo.

• A jornada do usuário foi mapeada desde a descoberta do livro até a finalização da compra, destacando pontos de abandono, dúvidas frequentes e oportunidades de recomendação.

Prototipação e validação

• Foram criados wireframes de baixa fidelidade para validar hierarquia de informação, fluxo de busca, cards de livros e estrutura do checkout antes do refinamento visual.

• Os protótipos de alta fidelidade no Figma priorizaram a tela inicial, busca por títulos, recomendações personalizadas, página de detalhes do livro e fluxo de pagamento.

Testes de usabilidade

• Foram conduzidas 5 sessões remotas moderadas, observando tempo de conclusão de tarefas, dúvidas durante a navegação, cliques incorretos e clareza dos botões principais.

• As iterações focaram em simplificar o cadastro, tornar os CTAs mais objetivos, melhorar a leitura dos cards e reduzir o esforço necessário para encontrar livros relevantes.

Solução final

Métricas, KPIs e resultados

Engajamento: aumento estimado de 35% no tempo médio de sessão, medido a partir da comparação entre o fluxo inicial e o protótipo refinado em testes com usuários.
Conversão: crescimento estimado de 20% na conclusão do fluxo de compra, considerando a redução de etapas, maior clareza dos botões e menor número de dúvidas no checkout.
Satisfação: média de 4,5/5 nas avaliações pós-teste, coletada por feedback direto dos participantes sobre facilidade de uso, clareza e confiança na plataforma.

KPIs acompanhados

Indicadores considerados no projeto

• Taxa de conclusão do checkout, tempo médio para encontrar um livro, taxa de cliques nos CTAs principais e número de dúvidas durante as tarefas.

• Percepção de confiança, facilidade de navegação, compreensão das recomendações e satisfação geral após o uso do protótipo.

Aprendizados e próximos passos

• A simplificação do fluxo de compra teve impacto direto na percepção de facilidade, mostrando que remover etapas desnecessárias aumenta confiança e intenção de conversão.

• Como próximos passos, o projeto poderia evoluir com testes A/B de recomendações, acompanhamento real de funil, melhoria de performance para conexões lentas e validações contínuas com leitores iniciantes.