Filtragem de Avaliações (Review Gating)
A filtragem de avaliações (review gating) consiste em pré-selecionar clientes e encaminhar apenas os satisfeitos para deixar uma avaliação pública, desviando os insatisfeitos para um canal de apoio privado, de forma a que a classificação visível pareça melhor do que a experiência real da maioria dos compradores.
Um gate típico começa por perguntar ao cliente como se sentiu em relação à encomenda: quem escolhe uma pontuação alta é enviado para o Google ou para a página de produto; quem escolhe uma pontuação baixa acaba num formulário de apoio privado. A intenção é evidente, e é precisamente esse o problema. O resultado é uma classificação que não representa a distribuição real das opiniões, e os compradores, os reguladores e os motores de pesquisa tratam cada vez mais esta prática como uma forma de engano, não como gestão de reputação. A filtragem distingue-se de simplesmente pedir avaliações num bom momento: o traço definidor é que o percurso negativo é construído de forma a nunca se tornar público.
Imagine uma loja de cosmética natural sediada em Lisboa que vende um creme hidratante artesanal. O e-mail pós-compra pergunta "Como correu a sua encomenda?" com um ícone satisfeito e outro descontente. Ao clicar no satisfeito, o cliente chega a um formulário de cinco estrelas pré-preenchido na página de produto. Ao clicar no descontente, aparece uma caixa de texto de apoio que nunca fica visível ao público. O produto tem um defeito real: a tampa veda mal e o creme pode vazar em trânsito. A loja apresenta 4,9 estrelas em duzentas avaliações. A reclamação existe numa caixa de entrada de apoio, invisível para o próximo comprador, que devolve o artigo pelo mesmo motivo e deixa uma avaliação de uma estrela no Google, onde o filtro não chega.
Este não é um tema ambíguo. A FTC declarou que suprimir seletivamente avaliações negativas é uma prática enganosa; na Europa, a Diretiva Omnibus (2019/2161) impõe requisitos equivalentes de autenticidade para as avaliações publicadas pelos operadores europeus. O Google, o Trustpilot e a maioria dos marketplaces de aplicações proíbem expressamente a filtragem, com consequências que vão desde a remoção de avaliações até à exclusão das plataformas. A alternativa honesta é pedir avaliações a todos os compradores sem filtragem, e tratar as reclamações por um canal de apoio claramente separado que não decide quem pode falar em público.
Há um ângulo ligado aos motores de resposta com IA que muitos operadores ignoram. Quando o ChatGPT, o Perplexity ou o Google AI Overviews resumem se um produto vale a pena comprar, recolhem texto de avaliações espalhadas por várias fontes, não apenas pelo widget integrado na loja. Um catálogo filtrado tende a mostrar uma classificação suspeitamente uniforme no site, enquanto o resto da web conta uma história diferente; estes sistemas valorizam a corroboração entre fontes. A discrepância pode ser interpretada como falta de credibilidade, e os aspetos negativos que o lojista tentou esconder surgem de qualquer forma nos resumos que os compradores leem antes de chegar à loja.
O argumento mais sólido é que não é necessário esconder avaliações negativas para parecer credível. Uma mistura de classificações transmite autenticidade, e uma resposta cuidada a uma avaliação crítica persuade muitas vezes mais do que uma parede de cinco estrelas. Permite também construir um registo público de como a loja responde sob pressão, o que é em si um sinal de confiança. Fazer com que as avaliações genuínas já existentes sejam lidas, corroboradas e valorizadas pela pesquisa e pela IA é o trabalho que compensa, e a lacuna que o BeyondReviews foi criado para fechar.