O dado de referência segue o mesmo desde 1993: Jakob Nielsen e Thomas Landauer analisaram 83 estudos de usabilidade e publicaram na ACM INTERCHI'93 um modelo em que a probabilidade de descobrir problemas de interface segue uma curva exponencial negativa, com taxa média de descoberta individual de 31%. A aplicação direta da fórmula produz o número que virou bandeira e também caricatura: com 5 participantes, a cobertura esperada é de aproximadamente 85% dos problemas de usabilidade identificáveis por observação qualitativa. O sexto usuário revela cerca de 3% adicionais e o décimo, menos de 1%. A curva não é opinião, e sim consequência aritmética de um parâmetro empírico.
O que frequentemente se perde na discussão é o escopo operacional em que essa curva é válida. O modelo se aplica a testes qualitativos, com tarefas definidas, em um produto que ainda tem problemas de cobertura larga pra resolver. Ele não se aplica a benchmarking quantitativo, onde a recomendação atual da própria NN/g é de aproximadamente 40 participantes pra estabilizar métricas de tempo de tarefa ou taxa de sucesso. Produtos com múltiplos perfis de usuário independentes ficam fora também: 5 participantes precisam ser lidos como 5 por perfil, não 5 no total. A confusão entre essas condições é o que gera a crítica recorrente de que 5 usuários seriam insuficientes; a crítica é válida apenas quando o método é aplicado fora de seu domínio.
Na minha avaliação, a tese operacional do método é que a cadência entre rodadas maximiza o retorno de investimento na pesquisa de usabilidade. Um orçamento que compraria um único estudo com 15 participantes produz, alocado em três rodadas sequenciais de 5, uma cobertura cumulativa substancialmente maior. Essa é uma estimativa operacional, não um resultado que sai direto da fórmula de Nielsen, que assume correção efetiva entre rodadas e reexposição de camadas de problema antes ocultas. O ganho não é estatístico, mas estrutural. Cada rodada reconfigura a superfície de testes e expõe problemas que estavam encobertos pelos anteriores, camada por camada.
O mecanismo que sustenta essa dinâmica é a dependência condicional entre problemas. Um usuário que trava no passo 2 do fluxo nunca chega ao passo 5, o que faz com que problemas do passo 5 permaneçam invisíveis até que o passo 2 seja corrigido. Rodar 15 usuários de uma vez no produto original expõe os problemas do passo 2 em abundância e os do passo 5 em escassez, porque a maioria dos participantes não atravessa o primeiro obstáculo. Três rodadas sequenciais de 5 com correção entre elas distribuem a exposição ao longo das camadas e produzem descoberta progressiva. A cobertura agregada é maior pela mesma razão que debuggar em passes sucessivos é mais eficaz que tentar ler o stack trace inteiro de uma vez.
Em um caso recente, um fluxo de onboarding com abandono de 54% na tela de verificação de e-mail passou por uma rodada com 5 participantes que revelou três problemas dominantes: o botão de reenvio estava abaixo da dobra em viewport de 667px de altura, típico de iPhone SE; o timer de expiração não era comunicado; e o estado de erro usava o mesmo tom visual do estado neutro. Os três problemas foram corrigidos em dois dias. A rodada seguinte, também com 5 participantes, expôs que o campo de entrada do código aceitava colagem mas rejeitava os espaços que os clientes de e-mail inserem automaticamente, e que a mensagem de erro após três tentativas não oferecia caminho de recuperação. A terceira rodada encontrou apenas ajustes marginais de copy. O abandono caiu para 22% ao longo do ciclo. Nenhuma rodada isolada teria produzido o mesmo resultado porque cada camada de correção reorganizou o comportamento observável.
Os trade-offs do método são concretos e merecem ser nomeados. A amostra de 5 é insuficiente pra distinguir problema sistêmico de idiossincrasia individual quando a taxa de descoberta de um problema específico cai abaixo de 15%, o que significa que problemas raros mas graves podem passar despercebidos numa rodada única e só aparecer na segunda ou terceira. Em consequência, exige disciplina pra não tratar a ausência de problema numa rodada como evidência de qualidade. Exige também infraestrutura mínima de recrutamento recorrente, o que desloca o custo de contratação pontual pra custo contínuo de pipeline de participantes. A organização ainda precisa absorver a correção entre rodadas, o que exige ciclo de desenvolvimento compatível; o método perde potência se cada rodada alimenta um backlog que só será endereçado num trimestre futuro.
A característica que torna o método barato reside na velocidade do loop entre observação e correção. Equipes que fecham o ciclo de observação, consolidação e correção dentro de uma semana transformam usabilidade em processo contínuo. A métrica relevante deixa de ser quantos usuários foram testados no trimestre e passa a ser quantos ciclos de descoberta-correção-verificação o produto atravessou. O orçamento segue o mesmo; a cadência muda.
Pra mim, o que o método de 5 usuários oferece é a calibração correta entre o custo de descobrir um problema e o custo de corrigi-lo antes que ele escale, não desconto em pesquisa. O retorno está na frequência com que o ciclo fecha.
Fontes: