Q01
Mensagem
Todos os modelosPrivacy & Compliance
Pesquisa sobre Confiança e Preferências de Privacidade em Personalização no Dispositivo
Mede a confiança do usuário, os limites de conforto e as preferências de permissão para recursos de personalização no dispositivo. Desenvolvida para equipes de produto e privacidade que validam abordagens de tratamento de dados antes do lançamento.
Perguntas de exemplo
Uma prévia do que há no modelo. Todas as perguntas podem ser editadas antes de publicar.
25 perguntas · ~11 min
Q02
Múltipla escolha
Quais dos seguintes dispositivos você usa pelo menos uma vez por semana? Selecione todos que se aplicam.
- Smartphone
- Tablet
- Smartwatch
- Notebook ou computador de mesa
- Smart TV
- Alto-falante inteligente
- Nenhum destes
Q03
Múltipla escolha
Nos últimos 3 meses, quais dos seguintes recursos de personalização no dispositivo você usou pessoalmente? Selecione todos que se aplicam.
- Correção automática do teclado ou sugestões de próxima palavra
- Fotos agrupadas por rostos ou cenas no seu dispositivo
- Assistente de voz que processa comandos localmente
- Sugestões de aplicativos com base em padrões de uso no dispositivo
- Insights de saúde ou condicionamento físico processados no seu dispositivo
- Nenhum destes
Q04
Escala de opinião
De modo geral, o quanto você confia na personalização no dispositivo para proteger a privacidade dos seus dados?
Escala: 1 – 7
Mín:Não confio de forma algumaMáx:Confio completamente
Q05
Ordenação
Classifique os seguintes tipos de dados do mais confortável (1) ao menos confortável (6) para serem usados na personalização no dispositivo.
- Metadados de contatos (ex.: com que frequência você contata alguém)
- Padrões de digitação (não o conteúdo das mensagens)
- Histórico de navegação neste dispositivo
- Histórico de localização
- Metadados de fotos (ex.: datas/horários, cenas)
- Dados de sensores de saúde e condicionamento físico
Arraste para ordenar
Q06
Múltipla escolha
Imagine que um aplicativo de teclado ofereça aprendizado no dispositivo com backup opcional criptografado na nuvem para sincronizar as previsões entre seus dispositivos. Qual opção você escolheria?
- Apenas aprendizado no dispositivo (sem backup na nuvem)
- Aprendizado no dispositivo mais backup criptografado na nuvem
- Apenas backup na nuvem
- Eu não usaria personalização neste aplicativo
Q07
Entrevista com IA
Gostaríamos de explorar suas opiniões sobre a personalização no dispositivo com um pouco mais de profundidade. Uma breve conversa guiada por IA fará algumas perguntas de acompanhamento com base nas suas respostas anteriores.
Q08
Lista suspensa
Qual é a sua idade?
- 18–24
- 25–34
- 35–44
- 45–54
- 55–64
- 65+
- Prefiro não informar
Q09
Mensagem
Obrigado por concluir esta pesquisa. Seu feedback ajudará a melhorar os recursos de personalização no dispositivo e as práticas de privacidade.
Q10
Lista suspensa
Qual é a plataforma principal do seu smartphone?
- Apple iOS
- Google Android
- Outra ou não tenho smartphone
Q11
Escala de opinião
Pensando nos últimos 30 dias, o quanto você está satisfeito com o recurso de personalização no dispositivo que mais usou?
Escala: 1 – 7
Mín:Nada satisfeitoMáx:Extremamente satisfeito
Q12
Escala de opinião
Em que medida você concorda ou discorda da seguinte afirmação: "Eu entendo como a personalização no dispositivo usa meus dados."
Escala: 1 – 7
Mín:Discordo totalmenteMáx:Concordo totalmente
Q13
Múltipla escolha
Quais dos seguintes tipos de dados, se usados para personalização, nunca deveriam sair do seu dispositivo? Selecione todos que se aplicam.
- Metadados de contatos
- Padrões de digitação (não o conteúdo)
- Histórico de navegação
- Histórico de localização
- Metadados de fotos
- Dados de sensores de saúde e condicionamento físico
- Nenhum dos anteriores
- Outro (especifique)
Q14
Texto longo
Com base nas suas respostas nesta pesquisa, há algo mais que você gostaria que as empresas soubessem sobre seus limites e preferências em relação aos dados?
Q15
Múltipla escolha
O que melhor descreve seu gênero?
- Mulher
- Homem
- Não binário
- Prefiro me autodescrever
- Prefiro não informar
Q16
Texto longo
Houve algo nesse recurso que pareceu invasivo ou pouco claro? Em caso afirmativo, descreva brevemente.
Q17
Escala de opinião
Em que medida você concorda ou discorda da seguinte afirmação: "A personalização no dispositivo melhora significativamente minha experiência diária com meus dispositivos."
Escala: 1 – 7
Mín:Discordo totalmenteMáx:Concordo totalmente
Q18
Múltipla escolha
Qual abordagem de permissão você preferiria para a personalização no dispositivo?
- Perguntar sempre que os dados forem usados pela primeira vez
- Perguntar uma vez por tipo de dado e, depois, lembrar minha escolha
- Configuração única com um painel claro para alterar as configurações depois
- Sem solicitações; recursos desativados por padrão, a menos que eu os ative
Q19
Lista suspensa
Em qual região você reside atualmente?
- Estados Unidos
- Canadá
- Reino Unido
- União Europeia
- Austrália
- Índia
- Outra
Q20
Escala de opinião
Em que medida você concorda ou discorda da seguinte afirmação: "Sinto que tenho controle sobre quais dados os recursos no dispositivo podem acessar."
Escala: 1 – 7
Mín:Discordo totalmenteMáx:Concordo totalmente
Q21
Escala de opinião
Quão importante é para você ter um painel de privacidade visível no seu dispositivo?
Escala: 1 – 7
Mín:Nada importanteMáx:Extremamente importante
Q22
Lista suspensa
Qual é o nível de escolaridade mais alto que você concluiu?
- Ensino fundamental incompleto
- Ensino médio ou equivalente
- Ensino superior incompleto ou formação técnica
- Curso tecnólogo (2 anos)
- Graduação (bacharelado)
- Pós-graduação
- Prefiro não informar
Q23
Texto longo
Com suas próprias palavras, o que "personalização no dispositivo" significa para você?
Q24
Ordenação
Classifique os itens a seguir do mais importante (1) ao menos importante (5) quando se trata de personalização no dispositivo.
- Transparência sobre quais dados são usados
- Velocidade e responsividade dos recursos personalizados
- Precisão e relevância das sugestões
- Garantia de que os dados nunca saem do meu dispositivo
- Controles fáceis para ativar ou desativar recursos
Arraste para ordenar
Q25
Múltipla escolha
Qual é a sua situação atual de emprego?
- Empregado em tempo integral
- Empregado em meio período
- Autônomo
- Estudante
- Responsável pelo lar
- Desempregado e procurando trabalho
- Não estou procurando emprego
- Aposentado
- Prefiro não informar
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
- Pairs multiple opinion-scale trust and agreement items (understanding of data use, perceived security, sense of control) so product and privacy teams get a multi-dimensional trust profile, not a single satisfaction score.
- Uses ranking exercises that force respondents to trade off comfort across specific data types and priorities, surfacing real permission boundaries rather than abstract approval ratings.
- Includes an adaptive AI follow-up interview that probes deeper into open-ended reasoning after the structured questions, catching nuance and edge cases a fixed-question form would miss.
- Combines closed permission-preference and multiple-choice questions with open-text prompts on what felt intrusive or unclear, then rolls everything into an auto-generated report for privacy and product stakeholders.
SurveySparrow
New Product Launch Questionnaire Template | Product Survey QuestionsThis is a general market-research questionnaire for gauging reactions to a new product launch, not a privacy- or trust-specific instrument. It's a fielding-ready template but covers broad appeal/pricing/interest questions rather than data-handling comfort, permission models, or privacy dashboards. Useful as a generic launch-validation survey, not as a substitute for a dedicated on-device personalization trust study.
O que faz bem
- Ready-to-deploy generic template for gauging early reactions to a new product or feature
- Likely covers broad market-validation angles like interest, pricing, and appeal
- Simple structured format that's fast to launch and analyze
Onde deixa a desejar
- No privacy-, trust-, or permission-specific question set for personalization features
- Static question flow with no adaptive AI follow-up to probe why users feel intrusive or unclear about a feature
- No published methodology on automated response scoring or prompt transparency
Perguntas frequentes
Quais perguntas estão no modelo “Pesquisa sobre Confiança e Preferências de Privacidade em Personalização no Dispositivo”?
O modelo inclui 25 perguntas prontas para usar, começando por: “Boas-vindas e obrigado por participar desta pesquisa sobre suas experiências com personalização no dispositivo e privaci…” · “Quais dos seguintes dispositivos você usa pelo menos uma vez por semana? Selecione todos que se aplicam.” · “Nos últimos 3 meses, quais dos seguintes recursos de personalização no dispositivo você usou pessoalmente? Selecione tod…”. 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 25 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.
Privacy & Compliance
Avaliação de Atrito e Recuperação de MFA para Funcionários
Mede o atrito dos funcionários com solicitações de autenticação multifator, a clareza dos métodos de backup e o impacto da autenticação escalonada (step-up) para orientar melhorias na UX de segurança e reduzir interrupções de fluxo de trabalho relacionadas à autenticação.
Ver modeloPrivacy & Compliance
Avaliação de Conforto, Privacidade e Fadiga do Consumidor em Relação à Personalização
Mede o conforto do consumidor com conteúdo personalizado, identifica limites de privacidade e limiares de compartilhamento de dados, e aponta os limites de frequência de mensagens para ajudar as equipes de marketing a calibrar estratégias de personalização sem gerar fadiga ou reações negativas.
Ver modeloPrivacy & Compliance
Pesquisa de Confiança na Privacidade de Dados e Clareza do Consentimento
Mede a confiança do cliente no tratamento de dados, a clareza percebida do consentimento e as preferências de controle de privacidade. Desenvolvida para equipes de e-commerce que buscam melhorar a transparência, otimizar os fluxos de opt-in e embasar estratégias de conformidade com GDPR/CCPA.
Ver modeloPrivacy & Compliance
Confiança do Usuário e Preferências de Consentimento para Análises que Preservam a Privacidade
Mede a compreensão dos usuários sobre técnicas de análise que preservam a privacidade, a confiança na proteção de identidade e as preferências por controles de consentimento e configurações padrão. Elaborado para pesquisadores de UX e equipes de produto que avaliam recursos de transparência de análises.
Ver modeloPrivacy & Compliance
Pesquisa de Confiança e Percepções de Privacidade de Dados do Consumidor
Mede a confiança do consumidor no tratamento de dados por organizações, expectativas de resposta a violações e transparência de permissões. Use com painéis gerais de consumidores para comparar níveis de confiança e identificar melhorias prioritárias nas práticas de privacidade.
Ver modeloPrivacy & Compliance
Pesquisa de Compreensão e Confiança em Rótulos Nutricionais de Privacidade
Mede como os usuários interpretam, avaliam e agem com base em rótulos nutricionais de privacidade de aplicativos, usando uma metodologia de teste de conceito com verificações de compreensão, escalas de confiança e utilidade e classificação de preferências. Adequada para pesquisadores de UX, equipes de privacidade e profissionais de conformidade que buscam otimizar o design de rótulos.
Ver modelo