Tempo de sessão
+28%
Aumento do tempo médio de sessão dos usuários dentro da plataforma.
Mercado Livre
Experiência de streaming impulsionada por recomendação social
Research User Flow UI Design Protótipo
Uma experiência de streaming guiada por recomendação social e inteligência artificial, focada em melhorar a descoberta e o engajamento de conteúdo.
Meu Papel
Product Designer, liderando a definição e evolução da experiência de streaming
Time
PO, PM, Marketing, Tech Lead, Desenvolvimento
Ferramentas
Figma, FigJam, Research
Skills
UX/UI Design, Pesquisa, Testde e validação, Dados e Métricas
Objetivo e Resultados
O objetivo do Meli Play foi criar uma experiência de streaming mais inteligente e social, combinando recomendação baseada em comportamento, influência entre usuários e inteligência artificial para melhorar a descoberta de conteúdo e reduzir o esforço de escolha. Como resultado, a solução proposta tornou a jornada mais fluida e contextual, aumentando o potencial de engajamento e retenção ao facilitar o acesso a conteúdos mais relevantes e alinhados ao interesse do usuário.
Descoberta
+35%
Crescimento na taxa de descoberta de novos conteúdos.
Engajamento
+22%
Aumento no engajamento de recomendações dentro da plataforma.
Encontrabilidade
-18%
Redução no tempo para os usuários encontrarem conteúdo relevante.
Research
Na fase de research do Meli Play, o foco foi entender como os usuários descobrem e escolhem conteúdos em plataformas de streaming, identificando fricções na navegação e na tomada de decisão. A partir de entrevistas, análise de comportamento e benchmarks de produtos similares, foram mapeados padrões de dependência de recomendações algorítmicas e baixa exploração de conteúdo fora da bolha de sugestão inicial. Esses insights ajudaram a evidenciar a oportunidade de integrar recomendação social e inteligência artificial para tornar a descoberta mais contextual, confiável e engajadora.
Arquitetura da informação
Na arquitetura da informação do Meli Play, foi estruturada uma navegação focada em facilitar a descoberta de conteúdo de forma intuitiva e contextual. A organização dos fluxos priorizou a integração entre recomendações algorítmicas e sociais, permitindo que o usuário explorasse conteúdos a partir de diferentes pontos de entrada, como interesses, tendências e indicações de outros usuários. A hierarquia das telas foi pensada para reduzir a carga cognitiva, destacando sugestões personalizadas e criando caminhos claros para aprofundamento, salvamento e compartilhamento de conteúdos dentro da plataforma.
User Flow
O user flow do Meli Play foi desenhado para simplificar a jornada de descoberta e consumo de conteúdo, conectando de forma fluida os momentos de entrada na plataforma, exploração de recomendações e decisão de reprodução. O fluxo prioriza pontos de decisão claros, onde o usuário pode navegar entre sugestões algorítmicas e recomendações sociais, com caminhos rápidos para assistir, salvar ou compartilhar conteúdos. Essa estrutura reduz fricções na escolha e incentiva a exploração contínua, mantendo a experiência dinâmica e centrada no engajamento.
Interface
A interface do Meli Play foi projetada para equilibrar simplicidade e riqueza de informações, destacando recomendações de conteúdo de forma clara e visualmente atrativa. O design prioriza cards de conteúdo com forte apelo visual, hierarquia tipográfica bem definida e componentes que facilitam a leitura rápida das sugestões sociais e algorítmicas. A navegação foi pensada para ser fluida e contínua, permitindo que o usuário explore diferentes conteúdos sem fricção, enquanto elementos interativos reforçam ações como assistir, salvar e compartilhar.
UX como ponte entre decisão emocional e técnica, conectando dados, confiança do usuário e alinhamento entre áreas de negócio, marketing e tecnologia.
Aprendizados
O projeto Meli Play trouxe aprendizados importantes sobre como a combinação entre recomendação social e inteligência artificial pode impactar diretamente a forma como os usuários descobrem e consomem conteúdo em plataformas de streaming. Foi possível entender que, além da personalização algorítmica, a confiança gerada por indicações sociais desempenha um papel decisivo no engajamento e na tomada de decisão. Também ficou evidente a importância de equilibrar complexidade tecnológica com simplicidade de interface, garantindo que a experiência permaneça intuitiva mesmo com múltiplas camadas de recomendação e dados.
