Análise de documentação: as métricas que valem a pena acompanhar

Visualizações de página mentem. As principais páginas por visualizações dizem quais páginas são populares, não quais páginas são úteis. As métricas que realmente impactam a qualidade da documentação são diferentes.

Este é o conjunto de trabalho que enviamos aos clientes do Docsbook.

TL;DR#

As cinco métricas que mudam o comportamento:

1. Buscas falhadas — o que os usuários tentaram encontrar e não conseguiram
2. Perguntas de IA sem resposta — mesmo sinal, forma conversacional
3. Feedback negativo (👎) — páginas onde o usuário relatou ativamente falhas
4. Jornadas de página — o que os usuários fazem antes de sair ou converter
5. Páginas com mais falhas — páginas que recebem tráfego, mas têm o pior feedback

Visualizações de página e taxa de rejeição são contexto de fundo, não motores de ação.

Pesquisas falhadas: a métrica de maior alavancagem#

Uma pesquisa falhada é um usuário que sabia exatamente o que queria, digitou e seus documentos não retornaram nada.

Cada pesquisa falhada é uma lacuna de conteúdo com um título conhecido. O usuário disse o que você deve escrever.

No Docsbook, get_failed_searches retorna a lista ordenada por frequência. Os 10 principais em qualquer mês geralmente correspondem diretamente às próximas 10 páginas de documentos que você deve escrever.

Exemplos que vimos em documentos de clientes:

• "como revogar uma chave de API"
• "cabeçalhos de limite de taxa"
• "o que acontece quando meu plano expira"
• "implantação auto-hospedada"
• "deletar conta"

Cada um é um item de backlog de documentação com um título em forma de consulta de pesquisa.

Perguntas de IA sem resposta#

Se você executar um chat de IA em seus documentos, registre as perguntas onde a IA retorna uma resposta hesitante ou vazia. Mesmo sinal que buscas falhadas, muitas vezes com mais contexto.

get_ai_unanswered no Docsbook MCP retorna esses. O padrão: os usuários fazem perguntas, o LLM não consegue encontrar uma resposta confiante em seu conteúdo, você vê o que foi perguntado.

Diferença em relação a buscas falhadas: perguntas de IA tendem a ser mais longas, mais contextuais e revelam os modelos mentais dos usuários.

Busca falhada: "stripe webhook"

Pergunta de IA: "Continuo recebendo 401s no meu webhook do Stripe mesmo depois de adicionar o segredo de assinatura. O que estou fazendo de errado?"

A pergunta de IA é ouro para o design de conteúdo.

Feedback negativo#

Um polegar para baixo em uma página de documentação é um usuário que leu a página e concluiu que não ajudou. Este é o sinal mais raro e valioso.

get_negative_feedback em Docsbook MCP retorna as páginas e o feedback escrito opcional.

O que procurar:

• Uma página que recebe 10+ visualizações por 👎 está se saindo bem
• Uma página que recebe 2–3 visualizações por 👎 está quebrada — reescreva
• Uma página que recebe 0 visualizações não tem sinal, ignore

Jornadas de página#

Para onde os usuários vão após uma página informa se a página fechou a questão ou levou o usuário a uma página diferente.

get_page_journeys in Docsbook MCP retorna caminhos comuns de várias páginas.

Padrões a serem observados:

• Rebotes do início rápido — seu início rápido é muito longo, ou seu CTA está errado
• Ciclo entre duas páginas — os usuários estão confusos sobre qual se aplica
• Páginas vistas → pesquisa → saída — a página levou o usuário a questionar mais, então eles não conseguiram encontrá-lo

Para que servem as visualizações de página#

As visualizações de página são contexto de fundo. Elas informam o escopo, não a saúde.

Classifique as páginas pelo volume multiplicado pela taxa de falhas, não por nenhum dos dois isoladamente. Uma página muito lida com uma taxa de feedback negativo modesta está falhando mais leitores em termos absolutos do que uma página raramente lida com uma taxa terrível, e a segunda é a página que uma lista classificada por taxa coloca no topo. Classifique pelo produto dos dois e você estará trabalhando nas páginas que realmente prejudicam.

Qual taxa de rejeição é boa para#

A taxa de rejeição na documentação é frequentemente enganosa. Um usuário que sai rapidamente pode ser um usuário satisfeito que leu a resposta e saiu. Ou um usuário frustrado que viu a página e fechou a aba imediatamente.

Para desambiguar, use:

• Tempo na página (baixo + rejeição = ruim, alto + rejeição = OK)
• Profundidade de rolagem (sem rolagem + rejeição = ruim)
• Interação com o widget de feedback

O que paramos de rastrear#

• Duração média da sessão — muito barulhento, conflitado com abas de navegador ociosas
• Páginas por sessão — altas páginas por sessão podem significar que os usuários estão pesquisando sem sucesso
• Distribuição geográfica no nível da página — útil para planejamento de tradução, não para qualidade de conteúdo

Cohortes que importam#

Três fatias:

Novos vs retornando#

Novos usuários acessam seu início rápido. Usuários retornando acessam sua referência. Páginas diferentes, critérios de sucesso diferentes.

Conectado vs anônimo#

Usuários conectados estão mais profundos no funil. Seus sinais de rejeição são mais fortes.

Fonte do referenciador#

Direto, pesquisa, pesquisa de IA (perplexity.ai, chat.openai.com, claude.ai), social. Cada coorte tem uma intenção diferente. As referências de pesquisa de IA são frequentemente o tráfego de intenção mais profunda.

Rastrear referências de busca de IA separadamente#

No analytics do Docsbook, filtre os referenciadores por:

• perplexity.ai
• chat.openai.com
• claude.ai
• gemini.google.com

Este é o canal de distribuição de IA do lado do usuário. Rastreie a conversão desses referenciadores separadamente — eles costumam converter melhor do que o tráfego do Google.

O que fazer com os dados#

Um ritual mensal de trabalho:

1. Extrair buscas falhadas, perguntas não respondidas pela IA, feedback negativo (3 consultas, 5 minutos)
2. Agrupar por tópico — múltiplas consultas sobre "X" significam uma página faltando
3. Escolher as 3 principais por frequência × impacto na receita
4. Escrever as páginas faltantes
5. Rever no próximo mês

Este é o ciclo de maior ROI na documentação. Cada iteração transforma uma lacuna de conteúdo conhecida em uma página indexada por mecanismos de busca que a pesquisa de IA pode citar.

Leitura relacionada#

• Guia de SEO para documentação
• Chat de IA para documentação: construir vs comprar
• Como fazer com que os documentos sejam citados pelo ChatGPT

O Docsbook relata buscas falhadas, perguntas não respondidas do assistente, feedback negativo e jornadas de página, de modo que as lacunas aparecem como uma lista de páginas a serem escritas em vez de um gráfico a ser interpretado.

Comece grátis — sem cartão de crédito