Todos os modelos
Customer Experience

Pesquisa de Eficácia do Conteúdo da Base de Conhecimento

Mede a facilidade de localização dos artigos, a clareza, a completude e os resultados de conclusão de tarefas para usuários da base de conhecimento. Utilize para identificar lacunas de conteúdo e priorizar melhorias na central de ajuda.

Perguntas de exemplo

Uma prévia do que há no modelo. Todas as perguntas podem ser editadas antes de publicar.

24 perguntas · ~11 min
Q01
Mensagem

Bem-vindo, e obrigado por dedicar alguns minutos para compartilhar seu feedback sobre nossa base de conhecimento. Esta pesquisa aborda sua experiência mais recente ao encontrar e usar um artigo da base de conhecimento. Suas respostas são confidenciais, serão relatadas apenas de forma agregada e ajudarão a melhorar a central de ajuda. A participação é voluntária — você pode parar a qualquer momento. Não há respostas certas ou erradas; queremos apenas suas opiniões sinceras. Tempo estimado: 11 minutos.

Q02
Lista suspensa

Quando você leu um artigo em nossa base de conhecimento pela última vez?

  • Nos últimos 7 dias
  • 8 a 30 dias atrás
  • 31 a 90 dias atrás
  • Mais de 90 dias atrás
  • Não tenho certeza
Q03
Múltipla escolha

Como você encontrou esse artigo?

  • Digitei uma consulta na busca do nosso site
  • Naveguei por categorias ou menus
  • Usei o Google ou outro mecanismo de busca
  • Link dentro do produto
  • Link de um agente de suporte ou e-mail
  • Link de uma comunidade ou fórum
  • Favorito salvo
  • Outro (especifique)
Q04
Mensagem

As afirmações a seguir referem-se ao artigo que você leu mais recentemente. Por favor, indique o quanto você concorda ou discorda de cada uma.

Q05
Múltipla escolha

Este artigo permitiu que você concluísse sua tarefa?

  • Sim, completamente
  • Sim, parcialmente
  • Não
  • Eu estava apenas navegando
Q06
Texto longo

O que, se é que houve algo, estava faltando ou não estava claro no artigo?

Q07
Lista suspensa

O que melhor descreve o seu cargo?

  • Colaborador individual
  • Líder de equipe ou gerente
  • Executivo ou fundador
  • Consultor ou agência
  • Educador ou instrutor
  • Estudante
  • Prefiro não dizer
Q08
Mensagem

Obrigado pelo seu tempo — o seu feedback nos ajuda a melhorar a base de conhecimento para todos.

Q09
Múltipla escolha

Que tipo de artigo você leu mais recentemente?

  • Primeiros passos / Integração
  • Como fazer / Passo a passo
  • Solução de problemas / Resolução de erros
  • Referência / Documentação de API ou para desenvolvedores
  • Notas de versão / Novidades
  • Conta, faturamento ou licenciamento
  • Outro (especifique)
Q10
Múltipla escolha

Quando você usa a busca em nossa base de conhecimento, com que frequência ela retorna um artigo útil?

  • Sempre
  • Frequentemente
  • Às vezes
  • Raramente
  • Nunca
  • Não usei a busca
Q11
Escala de opinião

O artigo foi fácil de entender.

Escala: 17
Mín:Discordo totalmenteMáx:Concordo totalmente
Q12
Escala de opinião

De modo geral, quão fácil foi usar o artigo para atingir seu objetivo?

Escala: 17
Mín:Muito difícilMáx:Muito fácil
Q13
Múltipla escolha

Quais melhorias mais ajudariam você a encontrar os artigos certos? Selecione todas que se aplicam.

  • Títulos de artigos mais claros
  • Melhor relevância na busca
  • Mais tags ou filtros
  • Melhor categorização
  • Mais links cruzados entre artigos
  • Exibir datas dos artigos e informações de última atualização
  • Nenhuma das opções acima
Q14
Lista suspensa

Qual setor melhor descreve a sua organização?

  • Tecnologia / Software
  • Finanças / Seguros
  • Saúde / Ciências da vida
  • Educação
  • Manufatura
  • Varejo / eCommerce
  • Governo / Organização sem fins lucrativos
  • Mídia e Comunicações
  • Outro
  • Prefiro não dizer
Q15
Lista suspensa

Aproximadamente quanto tempo você levou para encontrar esse artigo?

  • Menos de 1 minuto
  • 1 a 3 minutos
  • 4 a 10 minutos
  • 11 a 20 minutos
  • Mais de 20 minutos
  • Não me lembro
Q16
Escala de opinião

O artigo abordou o tópico de forma completa.

Escala: 17
Mín:Discordo totalmenteMáx:Concordo totalmente
Q17
Escala de opinião

Qual a probabilidade de você usar nossa base de conhecimento novamente no futuro?

Escala: 17
Mín:Muito improvávelMáx:Muito provável
Q18
Entrevista com IA

Obrigado pelas suas respostas à pesquisa. Gostaria de fazer algumas perguntas de acompanhamento para entender melhor sua experiência com a base de conhecimento. Qual foi o principal motivo pelo qual você visitou a base de conhecimento em sua visita mais recente e o quão bem ela atendeu às suas expectativas?

Q19
Lista suspensa

Quantos funcionários trabalham na sua organização?

  • 1 a 9
  • 10 a 49
  • 50 a 249
  • 250 a 999
  • 1.000 a 4.999
  • 5.000+
  • Prefiro não dizer
Q20
Escala de opinião

Quão fácil foi identificar o artigo certo a partir dos resultados de busca ou da lista de categorias?

Escala: 17
Mín:Muito difícilMáx:Muito fácil
Q21
Escala de opinião

As informações do artigo estavam precisas e atualizadas.

Escala: 17
Mín:Discordo totalmenteMáx:Concordo totalmente
Q22
Texto longo

Com base nas suas respostas nesta pesquisa, compartilhe quaisquer pensamentos ou sentimentos adicionais sobre sua experiência com a base de conhecimento.

Q23
Escala de opinião

O artigo era bem organizado e fácil de examinar rapidamente.

Escala: 17
Mín:Discordo totalmenteMáx:Concordo totalmente
Q24
Escala de opinião

O artigo incluía exemplos, capturas de tela ou recursos visuais úteis.

Escala: 17
Mín:Discordo totalmenteMáx:Concordo totalmente

O que está incluído

  • Acompanhamento com IA

    Sondagens adaptativas nas respostas abertas que revelam detalhes que um formulário estático deixaria passar.

  • Verificações de atenção

    Proteções integradas contra respostas apressadas e participantes de baixa qualidade.

  • Textos escritos por IA

    Redação, ordem e ramificações escritas pela IA, ajustadas ao seu objetivo de pesquisa.

  • Relatório automático

    Temas, citações e um resumo em linguagem simples se escrevem sozinhos assim que as respostas chegam.

Como se compara

Analisamos os modelos mais parecidos de outras ferramentas de pesquisa. Veja o que elas fazem bem e onde este modelo vai além.

Por que este modelo

  • Includes an AI follow-up interview that adapts based on the respondent's specific ratings, letting you dig into why an article was rated low on clarity or completeness rather than just capturing a static score.
  • Combines findability metrics (search success rate, time-to-find, ease of locating the right article) with content-quality ratings (clarity, completeness, accuracy, organization, visuals) and a task-completion outcome question in one flow.
  • Captures open-text detail on what was missing or unclear plus a multi-select on desired improvements, giving concrete, actionable content-gap data instead of only satisfaction scores.
  • Segments results by role, industry, and company size so you can prioritize help-center fixes for the users and use cases that matter most.

SurveySparrow

Knowledge Article Feedback Template

A fielding-ready template focused specifically on gathering feedback for individual knowledge base articles. It's conversational in style, which suits SurveySparrow's chat-form UI, but the question set appears fixed rather than adaptive to each respondent's answers.

O que faz bem

  • Purpose-built for article-level feedback rather than generic satisfaction surveys
  • Conversational form format may improve completion rates for quick feedback
  • Part of a broader survey platform with standard reporting/dashboard tools

Onde deixa a desejar

  • No adaptive AI follow-up questioning based on how a respondent scores an article
  • No published methodology or per-response quality scoring for feedback reliability
  • No voice-based interview option or guided task/screen-share capability

QuestionPro

Company - Knowledge Management Survey Template

This template addresses broader organizational knowledge management (how knowledge is created, shared, and used internally) rather than help-center article findability and clarity specifically. It's a static, fielding-ready survey backed by QuestionPro's established analytics suite, but it's a different scope than a content-effectiveness audit.

O que faz bem

  • Established enterprise survey platform with mature reporting and segmentation tools
  • Customizable question library for broader knowledge-sharing assessments
  • Likely supports standard skip logic and multi-channel distribution

Onde deixa a desejar

  • Framed around general knowledge management, not specifically knowledge base article findability/clarity/task completion
  • No adaptive AI follow-up interview or voice AI interview option
  • No transparent, per-response quality scoring or documented prompt methodology

Perguntas frequentes

Quais perguntas estão no modelo “Pesquisa de Eficácia do Conteúdo da Base de Conhecimento”?

O modelo inclui 24 perguntas prontas para usar, começando por: “Bem-vindo, e obrigado por dedicar alguns minutos para compartilhar seu feedback sobre nossa base de conhecimento. Esta p…” · “Quando você leu um artigo em nossa base de conhecimento pela última vez?” · “Como você encontrou esse artigo?”. O conjunto completo aparece acima e todas as perguntas podem ser editadas.

Quanto tempo leva para responder a esta pesquisa?

Os participantes normalmente terminam as 24 perguntas em cerca de 11 minutos.

Posso personalizar este modelo?

Sim: cada pergunta, cada opção de resposta e a ordem podem ser editadas antes de publicar. Você pode adicionar ou remover perguntas, ou pedir ao editor com IA para refazer a pesquisa em torno do seu objetivo.

Este modelo é gratuito?

Sim. Abra no editor e comece a personalizar agora: não é preciso criar conta para testar, e o plano gratuito cobre a publicação da sua pesquisa.

Pronto para publicar?

Abra este modelo no editor. Tudo é seu para mudar antes de o primeiro participante ver.

Modelos relacionados

Mais estudos sobre temas semelhantes.

Ver todos
Customer Experience

Pesquisa de Experiência e Satisfação com Sinistros de Seguros

Mede a satisfação dos segurados em toda a jornada de sinistros — desde a abertura até a resolução — utilizando métricas de CSAT e NPS para identificar pontos de atrito e oportunidades de melhoria.

Ver modelo
Customer Experience

Avaliação de Localização de Conteúdo e UX de Busca

Mede a facilidade de localização de conteúdo, a satisfação com a busca, a confiança na navegação e a eficácia dos filtros para visitantes recentes do site ou aplicativo. Desenvolvido para equipes de UX e arquitetura da informação que buscam dados acionáveis sobre como os usuários localizam e avaliam o conteúdo.

Ver modelo
Customer Experience

Pesquisa de Eficácia da Gestão do Conhecimento Interno

Avalia se os colaboradores conseguem realmente encontrar, confiar e contribuir com a documentação, os wikis e a base de conhecimento da sua organização — com uma pergunta de acompanhamento por IA que reconstrói um momento real em que alguém ficou travado, em vez de depender de avaliações abstratas de satisfação. Desenvolvida para equipes de TI, T&D e operações que estejam avaliando ou aprimorando um sistema de gestão do conhecimento.

Ver modelo
Customer Experience

Avaliação de UX de Busca, Navegação e Filtros do Site

Mede a facilidade de encontrar conteúdo, a eficácia dos filtros e a relevância dos resultados em um site ou aplicativo para diagnosticar atritos de UX e priorizar melhorias que aumentem a conclusão de tarefas e a satisfação.

Ver modelo
Customer Experience

Auditoria de Localização e Confiabilidade do Conhecimento Interno

Avalia como os colaboradores encontram, avaliam e confiam nos recursos de conhecimento interno—medindo a facilidade de localização, a qualidade do conteúdo, a clareza de responsabilidade e a eficácia das ferramentas para priorizar melhorias na gestão do conhecimento.

Ver modelo
Customer Experience

Pesquisa de Qualidade e Localização de Informações do Site

Mede se os visitantes conseguem encontrar, entender e confiar no conteúdo do seu site — abrangendo facilidade de localização, precisão, completude e atualização — para equipes de produto, conteúdo e UX que auditam o conteúdo do site. Uma entrevista de acompanhamento com IA reconstrói o que realmente aconteceu quando um respondente chegou a um beco sem saída, em vez de depender de avaliações vagas de satisfação.

Ver modelo