O que é uma pesquisa com voz?

Uma pesquisa com voz é uma pesquisa em que os respondentes podem responder às perguntas abertas falando, em vez de digitando. O áudio é transcrito automaticamente, e o texto chega ao seu arquivo de dados junto com todas as outras respostas.

A definição é estreita de propósito, porque “pesquisa com voz” virou rótulo para três coisas bem diferentes. Escolher entre elas é a primeira decisão real de um projeto de pesquisa com voz, e elas não são versões concorrentes de um mesmo produto — respondem a perguntas diferentes e exigem quantidades muito diferentes de tempo.

Voz dentro de uma pesquisa que você já roda

Um botão de gravar fica ao lado das perguntas abertas de uma pesquisa online comum. Todo o resto continua igual: o questionário, os saltos, as cotas, o painel, a exportação. O respondente fala, e a transcrição cai no mesmo campo em que uma resposta digitada teria ido. É a opção com menos atrito e a única que entra em um tracking ou em uma pesquisa ômnibus sem renegociar nada.

Entrevistas moderadas por IA

Uma plataforma separada conduz uma conversa: pergunta, escuta e decide o que perguntar em seguida, aprofundando quando uma resposta é rasa ou inesperadamente interessante. Para trabalho exploratório que de outra forma exigiria um moderador humano, isso é realmente poderoso. A troca é que o estudo vive nessa plataforma — você reconstrói o roteiro ali, recruta para ela e depois concilia a saída com o resto dos seus dados. Se a sua pergunta de pesquisa é “o que ainda não sabemos”, essa costuma ser a escolha certa, e vale dizer com todas as letras que colocar um microfone em um questionário fixo não a substitui.

Pesquisas por telefone e URA

A forma mais antiga: uma ligação, com entrevistador ao vivo ou roteiro automatizado (URA). Continua sendo a ferramenta certa para populações que não estão online de forma confiável, e continua sendo a forma mais cara de comprar uma entrevista completa. Vale separá-la de dois termos vizinhos que soam iguais: “voz do cliente” costuma descrever um programa de feedback, e não um método de coleta, e “análise de voz” costuma significar minerar gravações de conversas de call center que iam acontecer de qualquer jeito, e não colocar um estudo em campo.

O resto deste guia trata do primeiro tipo, porque é o que a maioria das equipes de pesquisa de mercado consegue adotar este mês sem mudar mais nada na forma de trabalhar.

Por que dados de voz são diferentes nas perguntas abertas

A vantagem central é o volume, e vale ser preciso sobre quanto. Medimos nos nossos próprios dados de produção: 693 respostas abertas por voz e 6.476 digitadas em sete estudos de clientes realizados entre março e agosto de 2026. As respostas faladas tiveram em média 23,1 palavras contra 10,1 digitadas, com medianas de 16 e 8. Comparando dentro da mesma pergunta, a razão fica em cerca de 2,0 vezes. Mais ou menos o dobro, então — uma diferença real, mas não a diferença de uma ordem de grandeza que esta categoria gosta de anunciar. O nosso próprio número de destaque é mais alto, e vem de outro lugar: testes piloto que fizemos antes de o produto existir, cuja razão foi bem maior do que o campo de produção mostrou depois. Publicamos os dois, e qual é qual (metodologia completa e amostra).

A pergunta mais interessante é o que as palavras a mais contêm, e aqui a resposta honesta é que comprimento é o que medimos e riqueza é o que observamos. Leia algumas centenas de transcrições ao lado dos equivalentes digitados e os mesmos padrões se repetem:

Razões, não só veredictos. Uma resposta digitada diz “muito caro”. Uma falada diz caro comparado com o quê, para quem e em que momento a pessoa decidiu.
Hesitações que carregam significado. “Assim, está bom, mas...” é um dado diferente de “Está bom”, e digitar costuma apagar isso.
Associações espontâneas. Falando, as pessoas chegam a conexões que teriam cortado de uma caixa de texto, porque escrever é elaborar; falar é descobrir.
Linguagem do dia a dia. Os respondentes descrevem os produtos do jeito que os clientes realmente descrevem, e não no registro seco que as pessoas adotam em campos de texto de pesquisa.

Uma ressalva que preferimos fazer nós mesmos: mais palavras é mais material para codificar e analisar. Não é automaticamente uma resposta melhor, e não fazemos nenhuma afirmação sobre a qualidade do que é dito — só sobre a quantidade. Noventa segundos de divagação podem trazer menos insight que uma frase digitada precisa. O que a voz muda de forma confiável é o piso, não o teto.

Quando usar pesquisas com voz

O verbatim é o entregável

Se o seu relatório vai trazer citações de clientes, a voz dá citações que soam como uma pessoa falando. Perguntas abertas digitadas produzem material correto, mas sem vida, e uma apresentação cheia de verbatims de quatro palavras é difícil de vender a um cliente que queria ouvir o próprio consumidor.

Seus respondentes estão no celular

Digitar um parágrafo bem pensado no teclado do celular dá trabalho, e falar não dá. Precisamos ser cuidadosos aqui: não medimos efeitos sobre conclusão ou abandono, e os nossos dados não conseguem medi-los, porque contêm só as respostas que aconteceram. O que podemos dizer é que o esforço pedido a um respondente no celular é menor, e que as respostas que recebemos são mais longas.

O tema tem peso emocional

Saúde, luto, dificuldades financeiras, conflitos no trabalho. Quando um assunto é difícil, compor frases em uma caixa de texto soma uma segunda tarefa à que já é pesada. Falar está mais perto de como as pessoas processam esses temas.

Você está testando peças criativas ou comunicação

Perguntas abertas pós-exposição depois de um anúncio em vídeo estão entre os melhores usos da voz. Você quer a reação imediata, não um parágrafo escrito depois de o respondente ter tido mais três telas para racionalizar.

Seus respondentes têm pouco tempo e são difíceis de alcançar

Médicos, executivos, especialistas de um painel pelo qual você paga caro. Qualquer coisa que reduza o custo de responder bem vale mais com esse grupo do que com uma amostra da população geral, simplesmente porque cada entrevista completa vale mais.

Quando o texto ainda é melhor

A voz nem sempre é a escolha certa, e um guia que finge o contrário está vendendo alguma coisa. Fique com o texto quando:

A resposta é estruturada. Códigos, números, nomes de produtos, endereços, qualquer coisa em que a grafia exata importa. Transcrever um número de modelo falado às pressas é uma aposta ruim.
O respondente está em público. Quem está no metrô, em escritórios abertos, qualquer pessoa respondendo em um lugar onde prefere não ser ouvida.
O tema é socialmente sensível de um jeito que a fala piora. O peso emocional costuma favorecer a voz; a desejabilidade social costuma não favorecer. Dizer em voz alta algo pouco lisonjeiro é mais difícil do que digitar, mesmo sozinho em um cômodo.
Sua amostra pende para segmentos que não gostam de falar com um aparelho. Isso varia muito por mercado e idade, e vale conferir em um lançamento piloto em vez de supor.

Na prática, a resposta raramente é voz ou texto. É a voz oferecida ao lado da caixa de texto, com os respondentes escolhendo. Você ganha respostas mais longas de quem prefere falar e não perde nada de quem não prefere.

Como escolher um software de pesquisa com voz

A maioria das comparações de ferramentas de pesquisa com voz compara recursos. Os recursos convergem rápido; a arquitetura não, e é a arquitetura que determina quanto trabalho o estudo vai dar. Cinco perguntas separam as opções mais rápido do que qualquer tabela de recursos:

1. Ele vive dentro da sua pesquisa ou a substitui?

É a pergunta que decide as outras. Uma ferramenta que se incorpora à sua plataforma atual herda seu questionário, lógica, cotas, painel e arquivo de dados. Uma ferramenta que hospeda o estudo significa reconstruir tudo isso em um segundo sistema e conciliar duas bases depois. Nenhuma das duas está errada — mas a segunda é um projeto, e a primeira é uma tarde.

2. Onde a transcrição vai parar?

A boa resposta é “no registro da resposta, na mesma linha que todas as outras respostas, na sua exportação normal”. A resposta cara é “em um painel separado, do qual você exporta e junta depois pelo ID do respondente”. Juntar parece trivial até você estar fazendo isso a cada onda de um tracking.

3. O que acontece com o áudio?

Pergunte se as gravações são armazenadas, onde, por quanto tempo, e se o fornecedor assina um acordo de tratamento de dados. É a pergunta que a sua área jurídica ou de compliance vai fazer mais cedo ou mais tarde, e é muito mais fácil de responder antes do campo do que depois. O Voice Capture processa o áudio em memória e guarda só a transcrição, em infraestrutura sediada na UE, com um DPA publicado.

4. Como ele se sai nos idiomas em que você realmente faz campo?

O reconhecimento automático de fala não é igualmente bom em todos os idiomas, sotaques e condições de gravação. Se você faz trabalhos multimercado, teste primeiro o mercado mais difícil, não o mais fácil — o piloto que menos tranquiliza é o útil.

5. Como ele cobra, e o que acontece se uma onda for pequena?

Cobrança por resposta combina com estudos de volume imprevisível; licenças por usuário ou por plataforma combinam com programas contínuos. O descompasso a evitar é pagar assinatura nos meses em que o tracking não está em campo. Os nossos preços são pacotes de créditos de pagamento único por esse motivo: os créditos não expiram, então um trimestre parado não custa nada.

Como escrever perguntas para pesquisas com voz

Perguntas de voz não são perguntas de texto com um microfone acoplado. O objetivo é a fala natural, e o jeito de perguntar determina se você recebe uma narrativa ou uma recitação.

Escreva do jeito que você falaria

Em vez de “Descreva sua experiência geral com o produto.” tente “Conte como foi a sua experiência com o produto, como se estivesse falando com um amigo.” A primeira convida a um relatório formal. A segunda convida a uma história. Leia em voz alta cada pergunta de voz antes de ir a campo; o que soa estranho de dizer vai soar estranho de responder.

Dê permissão explícita para se estender

Uma introdução curta faz muita diferença: “Não existe resposta certa ou errada, e não precisa ser organizado. Fale por mais ou menos um minuto.” Sem isso, os respondentes encenam respostas de pesquisa para o microfone e você recebe versões faladas da brevidade digitada.

Diga quanto tempo você quer, e ponha um limite

Indicar uma duração é a melhoria mais barata na qualidade das respostas de voz, porque “mais ou menos um minuto” diz ao respondente o formato de resposta que você quer. Limite a gravação entre 90 e 120 segundos. Um limite não restringe a riqueza; ele obriga a priorizar e mantém a análise viável.

Pergunte uma coisa por gravação

Quem lê pode voltar a uma pergunta de duas partes. Quem fala, não. Perguntas compostas são respondidas pela metade, e é sempre a segunda metade que some. Se você tem duas coisas para descobrir, use duas perguntas.

Coloque a pergunta de voz onde a energia está mais alta

Cedo o bastante para o respondente não estar cansado, tarde o bastante para ele ter contexto. Logo depois do estímulo, ou logo depois da nota cujas razões você quer, costuma ser o certo. O pior lugar é a última pergunta de uma pesquisa longa cheia de grades.

Nunca tire a caixa de texto

Alguns respondentes não vão ou não podem falar, e obrigar a modalidade custa a resposta deles inteira. Oferecer as duas também dá uma comparação natural dentro da mesma pergunta, que é exatamente como medimos a diferença entre elas.

Como configurar uma pesquisa com voz

Para a maioria das equipes de pesquisa de mercado, é uma pesquisa existente mais dois passos de copiar e colar: uma tag de script no HEAD personalizado da pesquisa e uma ação curta indicando a pergunta que deve ganhar o botão de gravar. Sem desenvolvimento, e nada no questionário muda.

Os guias passo a passo por plataforma estão aqui: Alchemer (que muita equipe ainda chama de SurveyGizmo), QuestionPro — com um guia em português — ou o embed genérico para qualquer formulário web que aceite HTML personalizado. Há também um guia passo a passo mais longo do Alchemer (em inglês), com capturas de tela.

Um conselho de campo que não tem nada a ver com o software: faça um lançamento piloto. Envie dez por cento da amostra, leia você mesmo as transcrições e confira se a pergunta está produzindo o tipo de resposta esperado antes de mandar o resto. Perguntas de voz falham de forma diferente das de texto, e falham de jeitos que você ouve na hora.

O que esperar em campo

Três coisas surpreendem as equipes que usam voz pela primeira vez, e as três são administráveis se você se planejar.

O navegador pede permissão de microfone. É um aviso único e é o principal ponto em que os respondentes abandonam a interação, então diga o que vem antes de ele aparecer: uma linha de texto na pesquisa explicando que a próxima pergunta pode ser respondida falando, e que o navegador vai pedir acesso, elimina a maior parte do atrito.

Nem todo mundo vai falar, e tudo bem. A voz é uma opção, não um modo que você impõe. Espere uma mistura, espere que ela varie por mercado e por aparelho, e desenhe a análise para que uma resposta de texto e uma de voz para a mesma pergunta fiquem na mesma coluna e sejam comparáveis.

Ruído é uma variável de campo, não um bug. Respondentes reais respondem na cozinha, no ônibus e no escritório. A transcrição moderna lida bem com boa parte disso, mas uma resposta muito curta que sai transcrita como algo sem sentido geralmente é um problema de ambiente, e não de software, e vale sinalizar esses casos no controle de qualidade em vez de tratá-los como dados.

Como analisar os dados de uma pesquisa com voz

A análise segue o mesmo caminho de qualquer pergunta aberta. A diferença é que você parte de uma transcrição automática, e não de algo que o respondente digitou.

Passo 1: leia uma amostra antes de codificar qualquer coisa

A transcrição é muito boa, mas não perfeita. Revise uma amostra em busca de erros sistemáticos, especialmente nomes próprios, marcas e jargões da categoria, que tendem a voltar escritos como soam. Sistemático é a palavra-chave: uma marca transcrita errada sempre do mesmo jeito é um localizar e substituir, enquanto deslizes isolados de uma palavra raramente mudam um livro de códigos.

Passo 2: cuidado com bobagens confiantes em clipes quase mudos

Modelos de reconhecimento de fala podem produzir um texto fluente a partir de uma gravação que não contém quase nada — um respondente que tocou em gravar e não disse nada, um clipe que é puro ruído de fundo. A saída parece uma resposta normal, e é isso que a torna perigosa em um livro de códigos. O Voice Capture sinaliza esses casos em vez de deixá-los passar em silêncio, mas, qualquer que seja a ferramenta, confira o que ela faz com uma gravação vazia antes de confiar em uma onda de dados.

Passo 3: codifique com o seu esquema de sempre

Uma transcrição é uma pergunta aberta. Seu livro de códigos, suas instruções aos codificadores e suas checagens de confiabilidade continuam valendo. Em bases maiores, ferramentas de codificação assistida por IA como o Survey Coder podem fazer a primeira passada na extração de temas, com uma pessoa revisando o livro de códigos em vez de construí-lo do zero.

Vale fazer um ajuste: uma resposta falada com o dobro do tamanho de uma digitada muitas vezes traz duas ou três ideias codificáveis, e não uma. Livros de códigos feitos para respostas digitadas curtas tendem a forçar um único código por resposta e, aplicados a dados de voz, descartam em silêncio a segunda metade do que o respondente disse.

Passo 4: marque as citações enquanto está ali

A vantagem prática da voz para os relatórios é que as transcrições soam como fala. Marque as mais fortes enquanto codifica, em vez de caçá-las na semana da entrega da apresentação.

Passo 5: junte de volta aos dados quantitativos

Como a transcrição vive no registro da resposta, ela é exportada com todo o resto e se junta pelo ID de respondente que você já tem. É isso que permite cruzar os temas de voz com as suas variáveis quantitativas — tema por segmento, por nota de satisfação, por onda. Dois lugares em que isso compensa na hora: o acompanhamento de uma nota de NPS, em que “por que você deu essa nota” é o ponto inteiro da pergunta, e os estudos contínuos de feedback de clientes, em que a mesma pergunta aberta é feita onda após onda e respostas digitadas curtas se acumulam em um tracking magro.

Consentimento, privacidade e retenção

Respostas de voz são dados pessoais, e uma gravação da voz de alguém parece mais pessoal para essa pessoa do que uma linha de texto digitado — uma distinção que vale respeitar mesmo quando a lei trata as duas da mesma forma.

Acerte o básico e o resto é simples. Diga na introdução da pesquisa que algumas perguntas podem ser respondidas falando, e diga o que acontece com a gravação. Mantenha a voz opcional, com uma alternativa em texto sempre disponível. Especifique o prazo de retenção no mesmo lugar em que você o especifica para o resto do estudo, e garanta que a resposta do seu fornecedor bata com o que você disse aos respondentes.

No caso do Voice Capture: o áudio é processado em memória e nunca armazenado, só a transcrição é mantida, o processamento roda em infraestrutura sediada na UE, e há um acordo de tratamento de dados publicado e uma política de privacidade que você pode entregar à equipe de compliance sem precisar de uma ligação.

Para onde a categoria está indo

O desenvolvimento interessante em pesquisa com voz não é uma transcrição melhor — esse problema está em grande parte resolvido. É que a própria conversa está ficando automatizável: plataformas que ouvem uma resposta e decidem o que perguntar em seguida, rodando algo próximo de uma entrevista em profundidade moderada na escala de um painel.

Vale deixar claro o que isso é e o que não é. São plataformas separadas, e o custo da capacidade é que o estudo muda para elas. O Voice Capture é mais estreito: coloca um microfone nas perguntas que você já escreveu, na pesquisa que você já roda, e um complemento pode fazer uma pergunta de acompanhamento com IA sobre a resposta a uma pergunta aberta que você escolher. O que ele não faz é moderar a sessão — nunca decide o que o estudo pergunta em seguida. Se você precisa de uma conversa adaptativa de ponta a ponta, uma plataforma moderada por IA é a recomendação honesta, e escrevemos uma comparação das duas abordagens (em inglês) que diz isso com mais detalhes.

Para a grande quantidade de pesquisa que é um questionário fixo aplicado a um painel com cotas — trackings, testes de conceito, ondas de brand equity, programas de feedback de clientes — a limitação nunca foi a falta de um moderador. Foi que a pergunta aberta no fim da grade voltava com oito palavras.

Adicione voz à sua próxima pesquisa — grátis →

Continue lendo: Melhores ferramentas de pesquisa com voz em 2026 | Pesquisa de áudio: como coletar respostas faladas | Como medimos a diferença