Qual é a nota da sua próxima compra?

• 0

Num ambiente em que qualquer um pode expressar uma opinião, qual opinião é confiável? Tentando solucionar o problema da "sobrecarga de informação" na era da internet, diversos sites vêm investindo para criar serviços que consigam filtrar ou agregar conteúdo, facilitando, por exemplo, a tomada de decisão sobre a compra de um produto ou serviço – ou, principalmente, sobre quais devem ser evitados.

A maioria desses sites funciona com base na lógica da "sabedoria das multidões" – a teoria que afirma que, atendidos certos princípios, a média de um número grande de opiniões é mais confiável do que uma opinião isolada. Se muitas pessoas disserem que um restaurante X é bom, logo quem sabe aquele restaurante seja realmente bom. Num primeiro momento, os sites agregavam as opiniões e faziam uma média, sem se preocupar em analisar características pessoais de cada usuário. O problema é que essa estratégia pode levar a erros – a opinião de mil pessoas de um grupo demográfico bem diferente do que o seu, por exemplo, pode ser bem menos relevante do que a opinião de 20 pessoas do seu grupo demográfico.

Essa é uma tendência hoje dos sites que utilizam recomendações de usuários: mostrar dicas de pessoas mais parecidas com você. O Netflix, por exemplo, pode sugerir filmes e séries de tevês baseado no gosto das pessoas que assistem as mesmas coisas que você. Se uma pessoa gosta da série Breaking Bad e você também, a lógica segue que você deve gostar de outros programas que essa pessoa também está assistindo. Isso não necessariamente é verdade, da­­do que as pessoas têm gostos que coincidem apenas ocasionalmente, mas o sistema tende a aper­­feiçoar-se na medida em que é usado. Quanto mais notas um usuário der aos filmes as­­sistidos – au­­men­tan­do o banco de dados do Netflix so­­bre suas preferências –, maiores as chances de receber recomendações que se encaixem no seu perfil. Esse sistema é tão importante para o Netflix que a empresa organizou, entre 2006 e 2009, um concurso que pagou US$ 1 milhão às pessoas que conseguissem melhorar o algoritmo de recomendação do site (os vencedores foram um grupo de 7 estatísticos).

A maioria dos serviços funciona com recomendações para um mercado de nicho – como o brasileiro CompareCar.com.br, que dá notas para veículos, o Shelfari, site da Amazon de avaliação e re­­comendação de livros, e o Me­­ta­­critic, para filmes, games, música e seriados.

Brasil

No Brasil, a Kekanto tenta se consolidar como a principal fonte de recomendação de serviços, especialmente de bares e restaurantes. A start-up foi fundada em 2010 por três estudantes brasileiros e recebeu investimentos, no ano passado, de dois gestores de fundos norte-americanos. A cifra não foi divulgada, mas o mercado fala em algo na casa de R$ 2 milhões a R$ 10 mi­­lhões. O site permite aos usuários fazer resenhas sobre os locais que frequentam. Em Curitiba, por exemplo, o Res­­tau­­rante Madeiro li­­dera a lista de opiniões positivas dos usuários, com quatro estrelas e meia.

Fernando Okumura, um dos fundadores da Kekanto, conta que o algoritmo dá peso diferente de acordo com a credibilidade de cada usuário. "A informação de uma pessoa que está resenhando uma nova churrascaria terá mais peso na avaliação caso ela já tenha resenhado várias outras churrascarias", diz. A empresa também possui um app para iPhone e aparelhos An­­droid, com serviço de geolocalização, mostrando avaliações de locais próximos da região em que o usuário está.