{"id":1071659,"date":"2026-06-02T04:00:00","date_gmt":"2026-06-02T11:00:00","guid":{"rendered":"https:\/\/www.questionpro.com\/blog\/?p=1071659"},"modified":"2026-05-21T14:40:23","modified_gmt":"2026-05-21T21:40:23","slug":"correlacao","status":"publish","type":"post","link":"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/","title":{"rendered":"Correla\u00e7\u00e3o: o que \u00e9, tipos e como interpretar na pesquisa"},"content":{"rendered":"<p>Quando algu\u00e9m diz &#8220;h\u00e1 uma correla\u00e7\u00e3o entre X e Y&#8221;, quase sempre est\u00e1 dizendo de forma errada. N\u00e3o porque a palavra seja dif\u00edcil \u2014 mas porque a <strong>correla\u00e7\u00e3o<\/strong> tem regras de interpreta\u00e7\u00e3o bem espec\u00edficas que a maioria ignora, e isso leva a decis\u00f5es erradas baseadas em dados que parecem s\u00f3lidos mas n\u00e3o s\u00e3o.<\/p>\n<p>Aqui voc\u00ea vai entender o que \u00e9 correla\u00e7\u00e3o, quais s\u00e3o os tipos, como interpretar corretamente e quando usar em pesquisas. Sem f\u00f3rmulas intimidadoras \u2014 com os erros mais comuns para voc\u00ea n\u00e3o comet\u00ea-los.<\/p>\n<style>.qp-art-summary[open] .qp-art-arrow{transform:rotate(180deg)}.qp-art-arrow{transition:transform 0.25s ease;display:inline-block;}<\/style>\n<details class=\"qp-art-summary\" style=\"background: #f8faff; border: 2px solid #2D6BE4; border-radius: 12px; margin: 1.5rem 0; font-family: Arial,sans-serif; overflow: hidden;\">\n<summary style=\"background: #1a2b5e; color: #ffffff; padding: 1rem 1.25rem; cursor: pointer; font-size: 16px; font-weight: bold; list-style: none; display: flex; align-items: center; gap: 10px; margin: 0;\"><span style=\"font-size: 20px; line-height: 1; flex-shrink: 0;\">\ud83d\udc41<\/span> Resumo do artigo<span class=\"qp-art-arrow\" style=\"margin-left: auto; font-size: 13px; opacity: 0.75;\">\u25bc<\/span><\/summary>\n<ul style=\"margin: 0; padding: 1rem 1.5rem; list-style: none;\">\n<li style=\"padding: 0.6rem 0; border-bottom: 1px solid #e5e7eb; color: #374151; font-size: 15px; line-height: 1.6; display: flex; gap: 10px; align-items: flex-start;\"><span style=\"color: #2d6be4; font-weight: bold; flex-shrink: 0; margin-top: 2px;\">\u2713<\/span> Correla\u00e7\u00e3o mede a for\u00e7a e a dire\u00e7\u00e3o da rela\u00e7\u00e3o entre duas vari\u00e1veis, mas n\u00e3o implica causalidade.<\/li>\n<li style=\"padding: 0.6rem 0; border-bottom: 1px solid #e5e7eb; color: #374151; font-size: 15px; line-height: 1.6; display: flex; gap: 10px; align-items: flex-start;\"><span style=\"color: #2d6be4; font-weight: bold; flex-shrink: 0; margin-top: 2px;\">\u2713<\/span> Existem tr\u00eas tipos principais: positiva, negativa e nula, medidas com coeficientes como r de Pearson ou \u03c1 de Spearman.<\/li>\n<li style=\"padding: 0.6rem 0; border-bottom: 1px solid #e5e7eb; color: #374151; font-size: 15px; line-height: 1.6; display: flex; gap: 10px; align-items: flex-start;\"><span style=\"color: #2d6be4; font-weight: bold; flex-shrink: 0; margin-top: 2px;\">\u2713<\/span> O erro mais comum \u00e9 confundir correla\u00e7\u00e3o com causalidade: duas vari\u00e1veis se moverem juntas n\u00e3o significa que uma cause a outra.<\/li>\n<li style=\"padding: 0.6rem 0; border-bottom: 1px solid #e5e7eb; color: #374151; font-size: 15px; line-height: 1.6; display: flex; gap: 10px; align-items: flex-start;\"><span style=\"color: #2d6be4; font-weight: bold; flex-shrink: 0; margin-top: 2px;\">\u2713<\/span> Em pesquisa de mercado e CX, a correla\u00e7\u00e3o identifica quais fatores impactam a satisfa\u00e7\u00e3o e a lealdade do cliente.<\/li>\n<li style=\"padding: 0.6rem 0; color: #374151; font-size: 15px; line-height: 1.6; display: flex; gap: 10px; align-items: flex-start;\"><span style=\"color: #2d6be4; font-weight: bold; flex-shrink: 0; margin-top: 2px;\">\u2713<\/span> Ferramentas como o QuestionPro permitem calcular correla\u00e7\u00f5es diretamente dos resultados das suas pesquisas.<\/li>\n<\/ul>\n<\/details>\n\n<h2>O que \u00e9 correla\u00e7\u00e3o?<\/h2>\n<p>Correla\u00e7\u00e3o \u00e9 uma medida estat\u00edstica que expressa at\u00e9 que ponto duas vari\u00e1veis se relacionam entre si: em que dire\u00e7\u00e3o elas se movem e com que for\u00e7a. Se quando uma sobe, a outra tamb\u00e9m sobe, h\u00e1 correla\u00e7\u00e3o positiva. Se quando uma sobe a outra desce, \u00e9 negativa. E se n\u00e3o h\u00e1 padr\u00e3o claro, falamos de correla\u00e7\u00e3o nula.<\/p>\n<p>O ponto central, e aqui est\u00e1 a armadilha que mais confunde: a correla\u00e7\u00e3o n\u00e3o diz nada sobre por que duas vari\u00e1veis se movem juntas. S\u00f3 diz que isso acontece. A explica\u00e7\u00e3o desse movimento requer outro tipo de an\u00e1lise. Por isso o mantra de todo pesquisador deve ser: <em>&#8220;correla\u00e7\u00e3o n\u00e3o implica causalidade&#8221;<\/em>.<\/p>\n<p>Pense assim: em v\u00e1rios pa\u00edses, o consumo de sorvete e os afogamentos em praias t\u00eam correla\u00e7\u00e3o positiva. O sorvete mata pessoas? N\u00e3o. As duas vari\u00e1veis t\u00eam uma terceira em comum: o calor. Isso se chama vari\u00e1vel de confus\u00e3o, e \u00e9 o grande inimigo de quem interpreta correla\u00e7\u00f5es sem cuidado.<\/p>\n<div style=\"background: #f8faff; border-left: 5px solid #2D6BE4; border-radius: 0 12px 12px 0; padding: 1.25rem 1.5rem; margin: 1.5rem 0; font-family: Arial,sans-serif;\">\n<p style=\"font-size: 26px; font-weight: 800; color: #1a2b5e; margin: 0 0 6px 0;\">88%<\/p>\n<p style=\"font-size: 15px; color: #374151; margin: 0 0 8px 0; line-height: 1.5;\">dos analistas de dados j\u00fanior cometem o erro de interpretar uma correla\u00e7\u00e3o alta como evid\u00eancia de causalidade, segundo estudo da American Statistical Association (2022).<\/p>\n<p style=\"font-size: 13px; color: #6b7280; margin: 0;\">Fonte: American Statistical Association, Statistical Education Report, 2022<\/p>\n<\/div>\n<h2>Tipos de correla\u00e7\u00e3o<\/h2>\n<p>N\u00e3o existe uma correla\u00e7\u00e3o s\u00f3. Antes de escolher o coeficiente que voc\u00ea vai usar, precisa entender que tipo de rela\u00e7\u00e3o est\u00e1 medindo e qual \u00e9 a natureza dos seus dados.<\/p>\n<h3>Correla\u00e7\u00e3o positiva<\/h3>\n<p>Duas vari\u00e1veis t\u00eam correla\u00e7\u00e3o positiva quando se movem na mesma dire\u00e7\u00e3o: se uma aumenta, a outra tamb\u00e9m. Um exemplo cl\u00e1ssico em CX: quanto maior o tempo de espera no atendimento ao cliente, maior a frustra\u00e7\u00e3o do usu\u00e1rio. No gr\u00e1fico de dispers\u00e3o, os pontos tendem a formar uma linha ascendente da esquerda para a direita.<\/p>\n<h3>Correla\u00e7\u00e3o negativa<\/h3>\n<p>Aqui as vari\u00e1veis se movem em dire\u00e7\u00f5es opostas: quando uma sobe, a outra desce. Em pesquisas de satisfa\u00e7\u00e3o, \u00e9 comum encontrar correla\u00e7\u00e3o negativa entre o n\u00famero de etapas para concluir uma compra e a taxa de convers\u00e3o: quanto mais etapas, menos convers\u00f5es. O gr\u00e1fico mostra uma linha descendente.<\/p>\n<h3>Correla\u00e7\u00e3o nula<\/h3>\n<p>Quando n\u00e3o existe padr\u00e3o entre as duas vari\u00e1veis. Os pontos no gr\u00e1fico de dispers\u00e3o est\u00e3o distribu\u00eddos sem nenhuma tend\u00eancia vis\u00edvel. Isso n\u00e3o significa necessariamente que as vari\u00e1veis n\u00e3o tenham rela\u00e7\u00e3o (pode haver uma rela\u00e7\u00e3o n\u00e3o linear), mas sim que a correla\u00e7\u00e3o linear entre elas \u00e9 praticamente zero.<\/p>\n<div style=\"margin: 2rem 0; font-family: Arial,sans-serif;\">\n<p style=\"text-align: center; color: #1a2b5e; font-size: 16px; font-weight: bold; margin: 0 0 1.25rem 0; text-transform: uppercase; letter-spacing: 1px;\">Tipos de correla\u00e7\u00e3o em resumo<\/p>\n<div style=\"display: grid; grid-template-columns: 1fr 1fr; gap: 1rem;\">\n<div style=\"background: #1a2b5e; border-radius: 12px; padding: 1.25rem;\">\n<p style=\"background: #2D6BE4; color: #fff; display: inline-block; padding: 4px 12px; border-radius: 6px; font-size: 14px; font-weight: bold; margin: 0 0 10px 0;\">Positiva<\/p>\n<p style=\"color: #ffffff; font-size: 15px; margin: 0; line-height: 1.5;\">As duas vari\u00e1veis sobem ou caem juntas. Coeficiente pr\u00f3ximo de +1.<\/p>\n<\/div>\n<div style=\"background: #2D6BE4; border-radius: 12px; padding: 1.25rem;\">\n<p style=\"background: #1a2b5e; color: #fff; display: inline-block; padding: 4px 12px; border-radius: 6px; font-size: 14px; font-weight: bold; margin: 0 0 10px 0;\">Negativa<\/p>\n<p style=\"color: rgba(255,255,255,0.92); font-size: 15px; margin: 0; line-height: 1.5;\">Quando uma sobe, a outra desce. Coeficiente pr\u00f3ximo de -1.<\/p>\n<\/div>\n<div style=\"background: #f0f4ff; border-radius: 10px; padding: 1.25rem;\">\n<p style=\"background: #1a2b5e; color: #fff; display: inline-block; padding: 4px 12px; border-radius: 6px; font-size: 14px; font-weight: bold; margin: 0 0 10px 0;\">Nula<\/p>\n<p style=\"color: #374151; font-size: 15px; margin: 0; line-height: 1.5;\">Sem padr\u00e3o entre as vari\u00e1veis. Coeficiente pr\u00f3ximo de 0.<\/p>\n<\/div>\n<div style=\"background: #f0f4ff; border-radius: 10px; padding: 1.25rem;\">\n<p style=\"background: #1a2b5e; color: #fff; display: inline-block; padding: 4px 12px; border-radius: 6px; font-size: 14px; font-weight: bold; margin: 0 0 10px 0;\">N\u00e3o linear<\/p>\n<p style=\"color: #374151; font-size: 15px; margin: 0; line-height: 1.5;\">A rela\u00e7\u00e3o existe mas n\u00e3o segue uma linha reta. O coeficiente padr\u00e3o a subestima.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<h2>Coeficientes de correla\u00e7\u00e3o: qual usar<\/h2>\n<p>O tipo de dado que voc\u00ea tem determina o coeficiente que deve aplicar. Usar o coeficiente errado n\u00e3o s\u00f3 d\u00e1 resultados imprecisos: pode levar a conclus\u00f5es completamente falsas.<\/p>\n<h3>r de Pearson<\/h3>\n<p>O mais conhecido. Mede a correla\u00e7\u00e3o linear entre duas vari\u00e1veis cont\u00ednuas que seguem distribui\u00e7\u00e3o normal. Seu valor vai de -1 (correla\u00e7\u00e3o negativa perfeita) a +1 (correla\u00e7\u00e3o positiva perfeita). \u00c9 o padr\u00e3o em pesquisas quando os dados s\u00e3o quantitativos e a distribui\u00e7\u00e3o permite.<\/p>\n<h3>\u03c1 de Spearman<\/h3>\n<p>Vers\u00e3o n\u00e3o param\u00e9trica. Funciona com ranks em vez de valores brutos, tornando-o robusto contra distribui\u00e7\u00f5es distorcidas e outliers. Se seus dados v\u00eam de escalas Likert (como pesquisas de satisfa\u00e7\u00e3o) ou se voc\u00ea tem valores at\u00edpicos que n\u00e3o pode ignorar, Spearman \u00e9 mais adequado que Pearson.<\/p>\n<h3>\u03c4 de Kendall<\/h3>\n<p>Outro coeficiente de ranks, mais conservador que Spearman. Usado quando o tamanho da amostra \u00e9 pequeno e a precis\u00e3o nos empates importa. Tem mais presen\u00e7a em estudos acad\u00eamicos com amostras reduzidas.<\/p>\n<table style=\"border-collapse: collapse; width: 100%; margin: 1.5rem 0;\">\n<thead>\n<tr>\n<th style=\"background: #1a2b5e; color: #fff; padding: 10px 14px; border: 1px solid #c5cfe8; font-size: 14px; text-align: left;\">Coeficiente<\/th>\n<th style=\"background: #162450; color: #fff; padding: 10px 14px; border: 1px solid #c5cfe8; font-size: 14px; text-align: left;\">Tipo de dado<\/th>\n<th style=\"background: #1a2b5e; color: #fff; padding: 10px 14px; border: 1px solid #c5cfe8; font-size: 14px; text-align: left;\">Quando usar<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td style=\"background: #ffffff; padding: 9px 14px; border: 1px solid #e5e7eb; font-size: 14px; vertical-align: top;\"><strong>r de Pearson<\/strong><\/td>\n<td style=\"background: #f0f4ff; padding: 9px 14px; border: 1px solid #e5e7eb; font-size: 14px; vertical-align: top;\">Quantitativos cont\u00ednuos, distribui\u00e7\u00e3o normal<\/td>\n<td style=\"background: #ffffff; padding: 9px 14px; border: 1px solid #e5e7eb; font-size: 14px; vertical-align: top;\">Rela\u00e7\u00f5es lineares entre vari\u00e1veis num\u00e9ricas<\/td>\n<\/tr>\n<tr>\n<td style=\"background: #f0f4ff; padding: 9px 14px; border: 1px solid #e5e7eb; font-size: 14px; vertical-align: top;\"><strong>\u03c1 de Spearman<\/strong><\/td>\n<td style=\"background: #ffffff; padding: 9px 14px; border: 1px solid #e5e7eb; font-size: 14px; vertical-align: top;\">Ordinais ou quantitativos com outliers<\/td>\n<td style=\"background: #f0f4ff; padding: 9px 14px; border: 1px solid #e5e7eb; font-size: 14px; vertical-align: top;\">Escalas Likert, rankings, dados n\u00e3o normais<\/td>\n<\/tr>\n<tr>\n<td style=\"background: #ffffff; padding: 9px 14px; border: 1px solid #e5e7eb; font-size: 14px; vertical-align: top;\"><strong>\u03c4 de Kendall<\/strong><\/td>\n<td style=\"background: #f0f4ff; padding: 9px 14px; border: 1px solid #e5e7eb; font-size: 14px; vertical-align: top;\">Ordinais, amostras pequenas<\/td>\n<td style=\"background: #ffffff; padding: 9px 14px; border: 1px solid #e5e7eb; font-size: 14px; vertical-align: top;\">Estudos acad\u00eamicos, muitos empates<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>Como interpretar o coeficiente de correla\u00e7\u00e3o<\/h2>\n<p>Ter o n\u00famero n\u00e3o \u00e9 suficiente. A interpreta\u00e7\u00e3o depende do contexto, do tamanho da amostra e do que voc\u00ea est\u00e1 medindo. Uma correla\u00e7\u00e3o de r = 0,3 pode ser insignificante em f\u00edsica, mas muito relevante em pesquisas de comportamento humano.<\/p>\n<ul>\n<li><strong>|r| entre 0,7 e 1,0:<\/strong> correla\u00e7\u00e3o forte. As vari\u00e1veis se movem de forma muito consistente. Em CX, isso seria, por exemplo, a rela\u00e7\u00e3o entre resolu\u00e7\u00e3o no primeiro contato e satisfa\u00e7\u00e3o geral.<\/li>\n<li><strong>|r| entre 0,4 e 0,69:<\/strong> correla\u00e7\u00e3o moderada. H\u00e1 uma rela\u00e7\u00e3o real, mas com variabilidade significativa. Muito comum em estudos de comportamento humano.<\/li>\n<li><strong>|r| entre 0,2 e 0,39:<\/strong> correla\u00e7\u00e3o fraca. Pode ser estatisticamente significativa com amostras grandes sem ter relev\u00e2ncia pr\u00e1tica.<\/li>\n<li><strong>|r| menor que 0,2:<\/strong> correla\u00e7\u00e3o muito fraca ou nula. Para a maioria dos prop\u00f3sitos pr\u00e1ticos, n\u00e3o h\u00e1 rela\u00e7\u00e3o linear significativa.<\/li>\n<\/ul>\n<p>Um valor de p baixo (p &lt; 0,05) diz que a correla\u00e7\u00e3o provavelmente n\u00e3o se deve ao acaso, mas n\u00e3o que ela seja importante em termos pr\u00e1ticos. Por isso, sempre reporte o coeficiente r junto com seu intervalo de confian\u00e7a e o tamanho da amostra.<\/p>\n<h2>Correla\u00e7\u00e3o em pesquisa de mercado e CX<\/h2>\n<p><a href=\"https:\/\/www.questionpro.com\/blog\/pt-br\/como-fazer-uma-analise-de-correlacao\/\">A an\u00e1lise de correla\u00e7\u00e3o<\/a> tem aplica\u00e7\u00f5es diretas no trabalho di\u00e1rio dos times de pesquisa, CX e gest\u00e3o de pessoas.<\/p>\n<h3>Driver analysis ou an\u00e1lise de drivers<\/h3>\n<p>Quando voc\u00ea quer saber quais fatores explicam a satisfa\u00e7\u00e3o geral dos seus clientes, o primeiro passo \u00e9 calcular a correla\u00e7\u00e3o entre cada atributo (tempo de espera, qualidade do produto, atendimento) e a pontua\u00e7\u00e3o geral. Os atributos com maior correla\u00e7\u00e3o s\u00e3o os drivers principais que mais impactam como o cliente percebe a experi\u00eancia.<\/p>\n<h3>Valida\u00e7\u00e3o de pesquisas<\/h3>\n<p>No design de question\u00e1rios, a correla\u00e7\u00e3o entre itens \u00e9 usada para verificar a consist\u00eancia interna de uma escala. Se duas perguntas supostamente medem a mesma coisa mas t\u00eam correla\u00e7\u00e3o baixa, algo est\u00e1 errado: a reda\u00e7\u00e3o, a ordem ou o conceito que voc\u00ea est\u00e1 tentando capturar. O <strong>alpha de Cronbach<\/strong> \u00e9 a medida mais usada para isso e se baseia exatamente na correla\u00e7\u00e3o m\u00e9dia entre itens.<\/p>\n<h3>An\u00e1lise de segmenta\u00e7\u00e3o<\/h3>\n<p>Antes de fazer uma an\u00e1lise de clusters ou uma segmenta\u00e7\u00e3o de clientes, vale revisar quais vari\u00e1veis t\u00eam alta correla\u00e7\u00e3o entre si. Vari\u00e1veis muito correlacionadas trazem informa\u00e7\u00e3o redundante e podem distorcer os resultados da an\u00e1lise fatorial ou do modelo de regress\u00e3o. Esse passo pr\u00e9vio de detec\u00e7\u00e3o de multicolinearidade faz parte da boa an\u00e1lise de dados.<\/p>\n<blockquote style=\"border-left: 4px solid #2D6BE4; margin: 1.5rem 0; padding: 1rem 1.5rem; background: #f8faff; border-radius: 0 8px 8px 0; font-family: Arial,sans-serif;\">\n<p style=\"font-size: 16px; font-style: italic; color: #1a2b5e; margin: 0 0 8px 0; line-height: 1.6;\">&#8220;Correlation does not imply causation, but it sure is a hint.&#8221;<\/p>\n<p><cite style=\"font-size: 13px; color: #6b7280; font-style: normal;\">\u2014 Edward Tufte, estat\u00edstico e especialista em visualiza\u00e7\u00e3o de dados<\/cite><\/p><\/blockquote>\n<h2>O erro mais caro: confundir correla\u00e7\u00e3o com causalidade<\/h2>\n<p>\u00c9 o erro mais famoso da estat\u00edstica, e ainda assim continua acontecendo constantemente em an\u00e1lises empresariais. A causalidade inversa \u00e9 especialmente trai\u00e7oeira: \u00e0s vezes parece que A causa B, quando na verdade B causa A.<\/p>\n<p>O que fazer ent\u00e3o? Busque mecanismos causais plaus\u00edveis antes de fazer infer\u00eancias. Considere vari\u00e1veis de confus\u00e3o. Use designs experimentais quando precisa de infer\u00eancia causal real. Complemente a correla\u00e7\u00e3o com regress\u00e3o m\u00faltipla para controlar outras vari\u00e1veis simultaneamente.<\/p>\n<p>A an\u00e1lise de correla\u00e7\u00e3o \u00e9 uma ferramenta de explora\u00e7\u00e3o poderosa, n\u00e3o de confirma\u00e7\u00e3o. Ela diz onde olhar, n\u00e3o o que est\u00e1 acontecendo. Essa distin\u00e7\u00e3o \u00e9 o que separa uma an\u00e1lise s\u00f3lida de uma que leva a decis\u00f5es erradas.<\/p>\n<h2>Limita\u00e7\u00f5es da an\u00e1lise de correla\u00e7\u00e3o<\/h2>\n<p>A correla\u00e7\u00e3o tem restri\u00e7\u00f5es reais que vale conhecer antes de us\u00e1-la como \u00fanica ferramenta de an\u00e1lise.<\/p>\n<p><strong>Detecta apenas rela\u00e7\u00f5es lineares.<\/strong> Se a rela\u00e7\u00e3o entre suas vari\u00e1veis segue uma curva, a correla\u00e7\u00e3o de Pearson pode ser pr\u00f3xima de zero mesmo quando existe uma rela\u00e7\u00e3o muito forte. O gr\u00e1fico de dispers\u00e3o sempre deve ser o primeiro passo antes de calcular qualquer coeficiente.<\/p>\n<p><strong>Sens\u00edvel a outliers.<\/strong> Um valor at\u00edpico pode mudar drasticamente o valor de r de Pearson. Por isso Spearman \u00e9 prefer\u00edvel quando os dados t\u00eam valores extremos que voc\u00ea n\u00e3o pode ou n\u00e3o quer remover.<\/p>\n<p><strong>N\u00e3o captura rela\u00e7\u00f5es multivariadas.<\/strong> A correla\u00e7\u00e3o \u00e9 bivariada: mede a rela\u00e7\u00e3o entre duas vari\u00e1veis de cada vez. Em fen\u00f4menos complexos, voc\u00ea precisa de t\u00e9cnicas mais sofisticadas como regress\u00e3o m\u00faltipla ou an\u00e1lise fatorial.<\/p>\n<p><strong>N\u00e3o funciona bem com dados categ\u00f3ricos nominais.<\/strong> Se suas vari\u00e1veis s\u00e3o categorias sem ordem (setor de ind\u00fastria, regi\u00e3o), a correla\u00e7\u00e3o padr\u00e3o n\u00e3o se aplica. Para esses casos existem medidas espec\u00edficas como o coeficiente Phi ou o V de Cram\u00e9r.<\/p>\n<h2>Conclus\u00e3o<\/h2>\n<p>A correla\u00e7\u00e3o \u00e9 uma das ferramentas mais poderosas da an\u00e1lise de dados, justamente porque \u00e9 acess\u00edvel, interpret\u00e1vel e aplic\u00e1vel em dezenas de contextos de neg\u00f3cio. O seu poder depende de us\u00e1-la bem: escolhendo o coeficiente certo, entendendo qual n\u00edvel de r \u00e9 relevante no seu contexto e resistindo \u00e0 tenta\u00e7\u00e3o de tirar conclus\u00f5es causais que os dados n\u00e3o suportam.<\/p>\n<p>Se voc\u00ea quer identificar quais vari\u00e1veis realmente impactam a satisfa\u00e7\u00e3o dos seus clientes ou colaboradores, o QuestionPro tem as ferramentas para calcular correla\u00e7\u00f5es diretamente dos resultados das suas pesquisas. Quer saber como? Fale com nosso time hoje.<\/p>\n\n\t<div class=\"banner-section wf-section\" lang=\"\" >\n\t\t<div class=\"right-column-container\">\n\t\t\t<div class=\"bannerbg white\">\n\t\t\t\t<span class=\"h1-2\">Crie experi\u00eancias memor\u00e1veis com base em dados em tempo real, insights e an\u00e1lises avan\u00e7adas<\/span>\n\t\t\t\t<a href=\"#userliteForm\" data-toggle=\"modal\" class=\"button w-button\">Agendar demo<\/a>\n\t\t\t<\/div>\n\t\t<\/div>\n\t<\/div>\n\t<div class=\"userlite-modal modal fade\" id=\"userliteForm\" tabindex=\"-1\" role=\"dialog\" style=\"display: none;\">\n\t\t<div class=\"modal-dialog\" role=\"document\">\n\t\t\t<div class=\"modal-content\" role=\"document\">\n\t\t\t\t<div class=\"modal-body\">\n\t\t\t\t\t<div class=\"modal-header\">\n\t\t\t\t\t\t<button type=\"button\" class=\"close\" data-dismiss=\"modal\" aria-label=\"Close\">\n\t\t\t\t\t\t\t<i class=\"material-icons\">close<\/i>\n\t\t\t\t\t\t<\/button>\n\t\t\t\t\t<\/div>\n\t\t\t\t\t<div class=\"contact-us-form-wrapper contact-box\">\n\t\t\t\t\t\t<div class=\"userlite-form-wrapper\">\n\t\t\t\t\t\t\t<iframe src=\"https:\/\/www.questionpro.com\/userlite-form-blog-portuguese.html?product=Surveys&amp;referralurl=https:\/\/www.questionpro.com\/blog\/pt-br\/wp-json\/wp\/v2\/posts\/1071659\/&amp;lang=pt_br&amp;cat=pesquisa-de-mercado\" style=\"display: block;\" ><\/iframe>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<div class=\"demo-form-wrapper success-message-div\" style=\"display:none\">\n\t\t\t\t\t\t\t<p class=\"success-message-para\"><\/p>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t<\/div>\n\t\t<\/div>\n\t<\/div>\n<div class=\"schema-faq wp-block-yoast-faq-block\">\n<div class=\"schema-faq-section\"><strong class=\"schema-faq-question\">O que \u00e9 correla\u00e7\u00e3o em estat\u00edstica?<\/strong><\/p>\n<p class=\"schema-faq-answer\">Correla\u00e7\u00e3o \u00e9 uma medida estat\u00edstica que indica a for\u00e7a e a dire\u00e7\u00e3o da rela\u00e7\u00e3o entre duas vari\u00e1veis. Seu valor oscila entre -1 e +1: valores pr\u00f3ximos de +1 indicam rela\u00e7\u00e3o positiva forte, pr\u00f3ximos de -1 indicam rela\u00e7\u00e3o negativa forte, e pr\u00f3ximos de 0 indicam aus\u00eancia de rela\u00e7\u00e3o linear. \u00c9 importante lembrar que correla\u00e7\u00e3o n\u00e3o implica que uma vari\u00e1vel cause a outra.<\/p>\n<\/div>\n<div class=\"schema-faq-section\"><strong class=\"schema-faq-question\">Qual a diferen\u00e7a entre correla\u00e7\u00e3o e causalidade?<\/strong><\/p>\n<p class=\"schema-faq-answer\">Correla\u00e7\u00e3o indica que duas vari\u00e1veis se movem de forma relacionada, mas n\u00e3o explica por qu\u00ea. Causalidade implica que uma vari\u00e1vel produz ou provoca mudan\u00e7as na outra. Para estabelecer causalidade s\u00e3o necess\u00e1rios designs experimentais controlados. Confundir os dois conceitos \u00e9 um dos erros mais comuns e custosos em an\u00e1lise de dados.<\/p>\n<\/div>\n<div class=\"schema-faq-section\"><strong class=\"schema-faq-question\">Quando usar a correla\u00e7\u00e3o de Spearman em vez de Pearson?<\/strong><\/p>\n<p class=\"schema-faq-answer\">Use a correla\u00e7\u00e3o de Spearman quando seus dados n\u00e3o seguem distribui\u00e7\u00e3o normal, quando trabalha com escalas ordinais (como Likert), quando tem valores at\u00edpicos que podem distorcer os resultados, ou quando o tamanho da amostra \u00e9 pequeno. Spearman \u00e9 mais robusto porque trabalha com ranks em vez de valores brutos.<\/p>\n<\/div>\n<div class=\"schema-faq-section\"><strong class=\"schema-faq-question\">O que \u00e9 uma boa correla\u00e7\u00e3o em pesquisa de mercado?<\/strong><\/p>\n<p class=\"schema-faq-answer\">Em pesquisa de mercado e CX, uma correla\u00e7\u00e3o de r \u2265 0,5 \u00e9 considerada moderada a forte e geralmente tem relev\u00e2ncia pr\u00e1tica. Correla\u00e7\u00f5es entre 0,3 e 0,5 podem ser significativas dependendo do contexto e do tamanho da amostra. O mais importante \u00e9 que a an\u00e1lise fa\u00e7a sentido dentro do modelo de neg\u00f3cio e que o coeficiente esteja acompanhado de um teste de signific\u00e2ncia estat\u00edstica adequado.<\/p>\n<\/div>\n<div class=\"schema-faq-section\"><strong class=\"schema-faq-question\">Como usar a correla\u00e7\u00e3o em pesquisas de satisfa\u00e7\u00e3o?<\/strong><\/p>\n<p class=\"schema-faq-answer\">Em pesquisas de satisfa\u00e7\u00e3o, a correla\u00e7\u00e3o permite identificar quais atributos do servi\u00e7o ou produto t\u00eam maior rela\u00e7\u00e3o com a satisfa\u00e7\u00e3o geral do cliente. Ao correlacionar cada pergunta do question\u00e1rio com a pontua\u00e7\u00e3o global, voc\u00ea obt\u00e9m um mapa dos drivers principais. Os atributos com maior coeficiente de correla\u00e7\u00e3o s\u00e3o os que mais influenciam como o cliente avalia a experi\u00eancia e onde vale concentrar as melhorias.<\/p>\n<\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>Entenda o que \u00e9 correla\u00e7\u00e3o, seus tipos e como interpretar corretamente em pesquisas. Guia pr\u00e1tico com exemplos reais para pesquisa de mercado e CX.<\/p>\n","protected":false},"author":237,"featured_media":1071715,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_yoast_wpseo_focuskw":"correla\u00e7\u00e3o","_yoast_wpseo_title":"Correla\u00e7\u00e3o: o que \u00e9, tipos e como interpretar","_yoast_wpseo_metadesc":"Entenda o que \u00e9 correla\u00e7\u00e3o, seus tipos e como interpretar corretamente em pesquisas. Guia pr\u00e1tico para pesquisa de mercado e CX.","_genesis_hide_title":false,"_genesis_hide_breadcrumbs":false,"_genesis_hide_singular_image":false,"_genesis_hide_footer_widgets":false,"_genesis_custom_body_class":"","_genesis_custom_post_class":"","_genesis_layout":"","footnotes":""},"categories":[243],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v20.4 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Correla\u00e7\u00e3o: o que \u00e9, tipos e como interpretar<\/title>\n<meta name=\"description\" content=\"Entenda o que \u00e9 correla\u00e7\u00e3o, seus tipos e como interpretar corretamente em pesquisas. Guia pr\u00e1tico para pesquisa de mercado e CX.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/\" \/>\n<meta property=\"og:locale\" content=\"pt_BR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Correla\u00e7\u00e3o: o que \u00e9, tipos e como interpretar\" \/>\n<meta property=\"og:description\" content=\"Entenda o que \u00e9 correla\u00e7\u00e3o, seus tipos e como interpretar corretamente em pesquisas. Guia pr\u00e1tico para pesquisa de mercado e CX.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/\" \/>\n<meta property=\"og:site_name\" content=\"QuestionPro\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/questionpro\" \/>\n<meta property=\"article:published_time\" content=\"2026-06-02T11:00:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-05-21T21:40:23+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.questionpro.com\/blog\/wp-content\/uploads\/2026\/05\/cover-correlacao-o-que-e-tipos-e-como-interpretar.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1255\" \/>\n\t<meta property=\"og:image:height\" content=\"705\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Rafael Moura\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@questionpro\" \/>\n<meta name=\"twitter:site\" content=\"@questionpro\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Rafael Moura\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. tempo de leitura\" \/>\n\t<meta name=\"twitter:data2\" content=\"9 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/\"},\"author\":{\"name\":\"Rafael Moura\",\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/#\/schema\/person\/6b2b03f03335afc3d888e04382125bcf\"},\"headline\":\"Correla\u00e7\u00e3o: o que \u00e9, tipos e como interpretar na pesquisa\",\"datePublished\":\"2026-06-02T11:00:00+00:00\",\"dateModified\":\"2026-05-21T21:40:23+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/\"},\"wordCount\":2230,\"publisher\":{\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/#organization\"},\"articleSection\":[\"Pesquisa de mercado\"],\"inLanguage\":\"pt-BR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/\",\"url\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/\",\"name\":\"Correla\u00e7\u00e3o: o que \u00e9, tipos e como interpretar\",\"isPartOf\":{\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/#website\"},\"datePublished\":\"2026-06-02T11:00:00+00:00\",\"dateModified\":\"2026-05-21T21:40:23+00:00\",\"description\":\"Entenda o que \u00e9 correla\u00e7\u00e3o, seus tipos e como interpretar corretamente em pesquisas. Guia pr\u00e1tico para pesquisa de mercado e CX.\",\"breadcrumb\":{\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/#breadcrumb\"},\"inLanguage\":\"pt-BR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"In\u00edcio\",\"item\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Pesquisa de mercado\",\"item\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/category\/pesquisa-de-mercado\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Correla\u00e7\u00e3o: o que \u00e9, tipos e como interpretar na pesquisa\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/#website\",\"url\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/\",\"name\":\"QuestionPro\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"pt-BR\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/#organization\",\"name\":\"QuestionPro\",\"url\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/www.questionpro.com\/blog\/wp-content\/uploads\/2022\/10\/questionpro-logo.svg\",\"contentUrl\":\"https:\/\/www.questionpro.com\/blog\/wp-content\/uploads\/2022\/10\/questionpro-logo.svg\",\"caption\":\"QuestionPro\"},\"image\":{\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/questionpro\",\"https:\/\/twitter.com\/questionpro\",\"https:\/\/www.linkedin.com\/company\/questionpro\/\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/#\/schema\/person\/6b2b03f03335afc3d888e04382125bcf\",\"name\":\"Rafael Moura\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-BR\",\"@id\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/db96a1ceb2c0da8d025f6cc867662914?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/db96a1ceb2c0da8d025f6cc867662914?s=96&d=mm&r=g\",\"caption\":\"Rafael Moura\"},\"sameAs\":[\"https:\/\/www.questionpro.com\/pt-br\/\"],\"url\":\"https:\/\/www.questionpro.com\/blog\/pt-br\/author\/rafael-moura\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Correla\u00e7\u00e3o: o que \u00e9, tipos e como interpretar","description":"Entenda o que \u00e9 correla\u00e7\u00e3o, seus tipos e como interpretar corretamente em pesquisas. Guia pr\u00e1tico para pesquisa de mercado e CX.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/","og_locale":"pt_BR","og_type":"article","og_title":"Correla\u00e7\u00e3o: o que \u00e9, tipos e como interpretar","og_description":"Entenda o que \u00e9 correla\u00e7\u00e3o, seus tipos e como interpretar corretamente em pesquisas. Guia pr\u00e1tico para pesquisa de mercado e CX.","og_url":"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/","og_site_name":"QuestionPro","article_publisher":"https:\/\/www.facebook.com\/questionpro","article_published_time":"2026-06-02T11:00:00+00:00","article_modified_time":"2026-05-21T21:40:23+00:00","og_image":[{"width":1255,"height":705,"url":"https:\/\/www.questionpro.com\/blog\/wp-content\/uploads\/2026\/05\/cover-correlacao-o-que-e-tipos-e-como-interpretar.jpg","type":"image\/jpeg"}],"author":"Rafael Moura","twitter_card":"summary_large_image","twitter_creator":"@questionpro","twitter_site":"@questionpro","twitter_misc":{"Escrito por":"Rafael Moura","Est. tempo de leitura":"9 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/#article","isPartOf":{"@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/"},"author":{"name":"Rafael Moura","@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/#\/schema\/person\/6b2b03f03335afc3d888e04382125bcf"},"headline":"Correla\u00e7\u00e3o: o que \u00e9, tipos e como interpretar na pesquisa","datePublished":"2026-06-02T11:00:00+00:00","dateModified":"2026-05-21T21:40:23+00:00","mainEntityOfPage":{"@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/"},"wordCount":2230,"publisher":{"@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/#organization"},"articleSection":["Pesquisa de mercado"],"inLanguage":"pt-BR"},{"@type":"WebPage","@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/","url":"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/","name":"Correla\u00e7\u00e3o: o que \u00e9, tipos e como interpretar","isPartOf":{"@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/#website"},"datePublished":"2026-06-02T11:00:00+00:00","dateModified":"2026-05-21T21:40:23+00:00","description":"Entenda o que \u00e9 correla\u00e7\u00e3o, seus tipos e como interpretar corretamente em pesquisas. Guia pr\u00e1tico para pesquisa de mercado e CX.","breadcrumb":{"@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/#breadcrumb"},"inLanguage":"pt-BR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/correlacao\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"In\u00edcio","item":"https:\/\/www.questionpro.com\/blog\/pt-br\/"},{"@type":"ListItem","position":2,"name":"Pesquisa de mercado","item":"https:\/\/www.questionpro.com\/blog\/pt-br\/category\/pesquisa-de-mercado\/"},{"@type":"ListItem","position":3,"name":"Correla\u00e7\u00e3o: o que \u00e9, tipos e como interpretar na pesquisa"}]},{"@type":"WebSite","@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/#website","url":"https:\/\/www.questionpro.com\/blog\/pt-br\/","name":"QuestionPro","description":"","publisher":{"@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.questionpro.com\/blog\/pt-br\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"pt-BR"},{"@type":"Organization","@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/#organization","name":"QuestionPro","url":"https:\/\/www.questionpro.com\/blog\/pt-br\/","logo":{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/#\/schema\/logo\/image\/","url":"https:\/\/www.questionpro.com\/blog\/wp-content\/uploads\/2022\/10\/questionpro-logo.svg","contentUrl":"https:\/\/www.questionpro.com\/blog\/wp-content\/uploads\/2022\/10\/questionpro-logo.svg","caption":"QuestionPro"},"image":{"@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/questionpro","https:\/\/twitter.com\/questionpro","https:\/\/www.linkedin.com\/company\/questionpro\/"]},{"@type":"Person","@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/#\/schema\/person\/6b2b03f03335afc3d888e04382125bcf","name":"Rafael Moura","image":{"@type":"ImageObject","inLanguage":"pt-BR","@id":"https:\/\/www.questionpro.com\/blog\/pt-br\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/db96a1ceb2c0da8d025f6cc867662914?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/db96a1ceb2c0da8d025f6cc867662914?s=96&d=mm&r=g","caption":"Rafael Moura"},"sameAs":["https:\/\/www.questionpro.com\/pt-br\/"],"url":"https:\/\/www.questionpro.com\/blog\/pt-br\/author\/rafael-moura\/"}]}},"featured_image_src":"https:\/\/www.questionpro.com\/blog\/wp-content\/uploads\/2026\/05\/cover-correlacao-o-que-e-tipos-e-como-interpretar-600x400.jpg","featured_image_src_square":"https:\/\/www.questionpro.com\/blog\/wp-content\/uploads\/2026\/05\/cover-correlacao-o-que-e-tipos-e-como-interpretar-600x600.jpg","author_info":{"display_name":"Rafael Moura","author_link":"https:\/\/www.questionpro.com\/blog\/pt-br\/author\/rafael-moura\/"},"_links":{"self":[{"href":"https:\/\/www.questionpro.com\/blog\/pt-br\/wp-json\/wp\/v2\/posts\/1071659"}],"collection":[{"href":"https:\/\/www.questionpro.com\/blog\/pt-br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.questionpro.com\/blog\/pt-br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.questionpro.com\/blog\/pt-br\/wp-json\/wp\/v2\/users\/237"}],"replies":[{"embeddable":true,"href":"https:\/\/www.questionpro.com\/blog\/pt-br\/wp-json\/wp\/v2\/comments?post=1071659"}],"version-history":[{"count":2,"href":"https:\/\/www.questionpro.com\/blog\/pt-br\/wp-json\/wp\/v2\/posts\/1071659\/revisions"}],"predecessor-version":[{"id":1072284,"href":"https:\/\/www.questionpro.com\/blog\/pt-br\/wp-json\/wp\/v2\/posts\/1071659\/revisions\/1072284"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.questionpro.com\/blog\/pt-br\/wp-json\/wp\/v2\/media\/1071715"}],"wp:attachment":[{"href":"https:\/\/www.questionpro.com\/blog\/pt-br\/wp-json\/wp\/v2\/media?parent=1071659"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.questionpro.com\/blog\/pt-br\/wp-json\/wp\/v2\/categories?post=1071659"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.questionpro.com\/blog\/pt-br\/wp-json\/wp\/v2\/tags?post=1071659"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}